تبیین اقلیم گردشگری شرق استان گیلان و طبقه بندی مکانی آن به روش آماری چند متغیره
محورهای موضوعی : جغرافیای طبیعی و سکونتگاههای انسانی
ناصر خوشدل
1
(دانشجوی دکتری اقلیم‌شناسی(آب و هواشناسی شهری)، واحد نور، دانشگاه آزاد اسلامی، نور، ایران)
پرویز رضائی
2
(دانشیار گروه جغرافیا، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران)
صدرالدین متولی
3
(دانشیار گروه جغرافیا، واحد نور، دانشگاه آزاد اسلامی، نور، ایران)
غلامرضا جانباز قبادی
4
(استادیار گروه جغرافیا، واحد نور، دانشگاه آزاد اسلامی، نور، ایران)
کلید واژه: اقلیم گردشگری", دمای معادل فیزیولوژیک", شاخص اقلیم گردشگری", استان گیلان",
چکیده مقاله :
در این پژوهش، اقلیم گردشگری شرق استان گیلان در طی دوره آماری 1996 تا 2015 (20 سال) به دو روش PET و TCI مورد بررسی و به روش کریجینگ میانیابی شد. همچنین با استفاده از تحلیل عاملی به روش مولفه مبنا (PCA) و تحلیل خوشه ای اقدام به گروهبندی مقادیر آنها از بعد مکانی گردید. تحلیل عاملی مقادیر PET از بعد مکانی نشان داد که مقدار PET این ناحیه به دو گروه طبقه بندی و به ترتیب 49/52 و 87/46 درصد واریانس داده‌ها را در حالت دورانی تبیین می‌کنند، بطوریکه مولفه اول ایستگاه‌های رودسر، کیاشهر، لاهیجان، رامسر، ماسوله، انزلی و رشت و مولفه دوم ایستگاه‌های منجیل، دیلمان، جیرنده و معلم کلایه را در بر می‌گیرد. همچنین تحلیل خوشه‌ای مقدار PET، ایستگاه‌های شرق گیلان را در 2 گروه تقسیم کرد، که ایستگاه‌های کیاشهر، رودسر، لاهیجان، رامسر، رشت و انزلی در گروه اول و ایستگاه‌های ماسوله، منجیل، دیلمان، معلم‌کلایه و جیرنده در گروه دوم قرار می‌گیرند. در همین راستا تعداد عاملهای شناسایی شده مقدار TCI از بعد مکانی نشان داد دو مولفه به ترتیب 50/56 و 54/37 درصد واریانس داده‌ها را در حالت دورانی تبیین می‌کنند که مولفه اول ایستگاه‌های رامسر، انزلی، رشت، کیاشهر، لاهیجان، رودسر و منجیل و مولفه دوم ایستگاه‌های ماسوله، دیلمان، جیرنده و معلم‌کلایه را شامل می‌شود. همچنین با استفاده از تحلیل خوشه‌ای(CL) دو گروه مستقل براساس میزان شباهت مقادیر TCI شناسایی گردید، گروه اول ایستگاه‌های جیرنده، دیلمان، معلم کلایه، ماسوله و منجیل و گروه دوم شامل ایستگاه‌های کیاشهر، رامسر، انزلی، لاهیجان، رشت و رودسر را در بر می‌گیرد.
In this research, the tourism climate of the east of Guilan province during the statistical period 1996 to 2015 (20 years) was investigated by PET and TCI methods, and was interpolated with the Kriging method. Also, by using factor analysis (PCA) and cluster analysis, they categorized their values from the spatial dimension. Factor analysis of PET values from spatial dimension showed that the PET value of this area was classified into two groups and 52.59% and 46.87% of the variance of the data in rotational state respectively. The first component consists of Roudsar, Kyashahr, Lahijan, Ramsar, Masouleh, Anzali and Rasht stations, and the second component includes the Manjil, Dylaman, Jirandeh and MoalemKalayeh stations. Also, the cluster analysis of the amount of PET divided the East Guilan stations into two groups, with Kyashahr, Roudsar, Lahijan, Ramsar, Rasht and Anzali stations in the first group and Masouleh, Manjil, Dylaman, MoalemKalayeh and Jirandeh stations in the second group. In this regard, the number of detected factors of the TCI value from spatial dimension showed that the two components explained 56.51 and 37.54 percent of the variance of the data in rotational state, the first component is comprised Ramsar, Anzali, Rasht, Kyashahr, Lahijan, Roudsar and Manjil stations, and the second component is the Masouleh, Dyelaman, Jirandeh and MoalemKalayeh stations. Also, using cluster analysis, two independent groups were identified based on the similarity of TCI values.
Abreu-Harbich. L. V, Labaki. L.C, and Matzarakis. A., (2014). Thermal bio climate as a factor in urban and architectural planning in tropical climates—the case of Campinas, Brazil. Urban Ecosystems, 17(2), 489-500.
Amelung. B, Viner, D., (2006). Mediterranean Tourism: Exploring the Future with the Tourism Climatic Index. Journal of sustainable tourism, 14(4), 349-366.
Blazejczyk. K, Epstein. Y, Jendritzky. G, Staiger. H, Tinz. B., (2012). Comparison of UTCI to selected thermal indices. International journal of biometeorology, 56(3):515-535.
Bynoe. D. L, Howard. S, Moore. W., (2009). Climate Change and Tourism Features in the Caribbean, pp. 1, online at https://mpra.ub.unimuenchen.de/21470/.
De Freitas. C. R., (2003). Tourism climatology: evaluating environmental information for decision making and business planning in the recreation and tourism sector. Int J Biometeorol. 48:45–54. DOI 10.1007/s00484-003-0177-z.
Farajzadeh. M and Ahmadabadi. A, 2010, Assessment and Zoning of Tourism Climate of Iran Using Tourism Climate Index (TCI), 42 (71), 31-42.
Farajzadeh. H, and Matzarakis. A., (2012). Evaluation of thermal comfort conditions in Ourmieh Lake, Iran. Theor Appl Climatol, 107, 451 – 459.
Fotoohi. S, Zahraei. A and AbrahamiTabar. A., (2013). An Investigation of Climatically Conditions of Tourism in Northern Provinces of Caspian Sea, Using TCI and Cluster Analysis and Geographic Information System (GIS), Journal of Geographic space, 13 (42), 169-189.
Frohlich D, Matzarakis, A., (2015). A quantitative sensitivity analysis on the behavior of common thermal indices under hot and windy conditions in Doha, Qatar. Theoretical and Applied Climatology, 1-9 from the Conference ICB-ICUC'99 (Sydney, 8–12 Nov. 1999).WMO, Geneva, WCASP-50:279–283.
Hoppe. P., (1984). Die Energiebilanz des Menschen. Wiss Mittl Meteorol Inst Uni München 49.
Hoppe. P., (1999). The physiological equivalent temperature—a universal index for the bio meteorological assessment of the thermal environment. Int J Biometeorol, 43, 71–75.
Karimi Hallisabad. S., (2010). Tourism Climatology Based on TCI Index in GIS (Case Study: Kourdastan Province), Master's thesis of Shahid Beheshti University, PP: 126-135.
Lai. D, Guo. D, Hou. Y, Lin. C, Chen. Q., (2004). Studies of Outdoor Thermal Comfort in Northern China, Thermal Comfort in Northern China,” Building and Environment, 77, 110-118.
Lin. T.P, Matzarakis. A., (2008). Tourism climate and thermal comfort in Sun Moon Lake, Taiwan. Int J Biometeorol, 52, 281-290.
Mansourfar. K., (2009). Advanced statistical methods using applied software, university of Tehran press, Third edition, PP: 254-255.
Matzarakis. A, Mayer. H., (1997). Heat stress in Greece. Int J Bio-meteorol 41, 34–39.
Mieczkowski. Z., (1985). The Tourism Climatic Index: A Method of Evaluating World Climates for Tourism. The Canadian Geographer, 29, 220-233.
Mirhoseini. S. A., (2017). Assessment and Zoning of Ecotourism Comfort Climate in Yazd Province using GIS and the Tourism Climate Index (TCI), Quarterly of Geography (Regional planning), 25(2), 101-115.
Mohammadi. H., (2008). Applied climatology, Tehran university press. PP: 125-140.
Mohammadi. H., Ranjbar. F and Moghabel M., (2006). Assessment and Comparison of Climatic Potentials for Development the Tourism Activities in Chabahar and Shiraz, Tourism Management Studies, Volume 4, Issue 11.12, PP: 41-56.
Nastos. P. T, Matzarakis. A., (2012). The effect of air temperature and human thermal indices on mortality in Athens, Greece. Theoretical and Applied Climatology, 108(3-4):591-599.
Nayebi. H., (2014). Applied advanced statistics by Spss, university of Tehran press, 2nd edition, PP: 229-252.
RezaeiMofrad. F., (2011). Climate Impact on Tourism Industry of Khorasan Razavi Province Based on TCI Index, Master's Thesis, Shahid Beheshti University, PP: 75-87.
Sari Sarraf. B, Mohammadi. Gh. H, Hosseini Sadr. A., (2010). Determine the most suitable Rayman index for the study of comfort climate in the north of Western Azerbaijan province, 14th Iranian Geophysical Conference, 11-13 may 2010, PP: 100-105.
Soltani. S, Modarres. R., (2006). Classification of Spatio -Temporal Pattern of Rainfall in Iran Using A Hierarchical and Divisive Cluster Analysis, Journal of Spatial hydrology, 6(2), 1-12.
Tseliou. A, Tsiros. I. X, Lykoudis. S, and Nikolopoulou. M., (2010). An evaluation of three bio meteorological indices for human thermal comfort in urban outdoor areas under real climatic conditions. Building and Environment, 45(5), 1346-1352.
Zaninovic. K, Matzarakis. A, Cegnar. T., (2006). Thermal comfort trends and variability in the Croatian and Slovenian mountains. Meteorologische Zeitschrift, 15(2), 243-251.
Zolfaghari. H., (2008). Determination of suitable calendar for tourism in Tabriz with using the Thermo-physiological indices (PET and PMV). Geographical researches 40(1), 129-141.
_||_