Tourism Climate of Ardabil Province Under Climate Change Scenario
Subject Areas :Tohied Ahmadzadeh 1 , Parviz Rezaei 2 , Youssef Zeinolabedin Amuqin 3
1 - Ph.D in Climatology, Department of Geography, Rasht Branch, Islamic Azad University, Rasht, Iran
2 - Associate Processor of Climatology, Department of Geography, Rasht Branch, Islamic Azad University, Rasht, Iran
3 - Associate Processor of Political Geography, Department of Geography, Rasht Branch, Islamic Azad University, Rasht, Iran
Keywords: Tourism climate, Physiological equivalent temperature (PET), Climate change scenario, Ardabil province.,
Abstract :
The weather directly affects human activities, including tourism, and tourism, as a major part of the global economy, is affected by weather and climate. The purpose of this research is to investigate the climate and tourism of Ardabil province under climate change scenarios. In this research, using the physiological equivalent temperature (PET), the climate conditions of tourism in Ardabil Province were investigated in the reference period and under the climate change scenario. The required data were received from the Iranian Meteorological Organization for 8 synoptic stations for 30 years (1991 to 2020). The obtained results showed that out of the 9 climate categories of the PET index, only 5 very cold, cold, relatively cool, cool and comfortable categories exist in this region, and 4 relatively warm, warm, hot and very hot categories do not exist in this province. In this regard, it was found that very cold conditions prevailed over the entire area of this province in the 5 months of the cold season of the year, namely January, February, March, November and December, and the spatial distribution of these conditions is completely uniform. This matter is relatively heterogeneous in the summer season, and the variety of climate conditions of this area also greater in the hot season of the year. In general, in the months of June, July and August, ideal conditions prevailed in parts of this province. In addition to this, the conditions the PET index under the RCP2.6, RCP4.5 and RCP8.5 scenarios for the period 2020 to 2050 showed that this index will show Strong change in both spatial and temporal dimensions in different months of the year, so that in addition to the five very cold conditions, "cold", "cool", "relatively cool" and "comfort" in the in the reference period of four "relatively warm", "warm", "hot" and "very hot" will appear in the warm months of the year, which is on indicates of drastic in conditions tourism climate of the Ardabil province in the future.
1. مرادجانی، شیرین (1401). بررسی اثر تغییر اقلیم بر گردشگری آینده استان لرستان با استفاده از شاخص TCI و سناریوهای واداشت تابشی. فصلنامه اکولوژی انسانی. 1 (1)، 29-41.
2. شجاع، فائزه؛ حمیدیان‌پور، محسن (1402). پیش‌نمایی پیامدهای تغییر اقلیم در توسعه گردشگری سواحل جنوب (جزیره کیش). گردشگری و توسعه. 12 (4)، 237-255.
3. رحیمی، داریوش و ديگران (1402). ارزیابی اثر تغییر اقلیم بر گردشگری استان خوزستان. مهندسی اکوسیستم بیابان. 12 (40)، 73-86.
4. Conti, J. B. (2005). Considerações sobre as Mudanças Climáticas Globais. Revista do Departamento de Geografia. São Paulo. USP. 16 (1), 70-75.
5. De la Vara, A. et al (2022). Climate change impacts on the tourism sector of the Spanish Mediterranean coast: Medium-term projections for a climate services tool. Climate Services. 34, 100466. https://doi.org/10.1016/j.cliser.2024.100466.
6. Friedrich. J. et al (2020). Exploring climate change threats to beach tourism destinations: Application of the hazard–activity Pairs methodology to South Africa. Weather, Climate, and Society. 12 (3), 529–544, DOI: https://doi.org/10.1175/WCAS-D-19-0133.1.
7. Grillakis. M. G. et al (2016). Implications of 2 °C global warming in European summer tourism. Climate Services. 1, 30-38. https://doi.org/10.1016/j.cliser.2016.01.002.
8. Grimm. I. J.; Alcântara. L. C. S. & Sampaio. C. A. C. (2018). Tourism under climate change scenarios: impacts, possibilities, and challenges. Brazilian Journal of Tourism Research. 12 (3), 1-22, DOI: http://dx.doi.org/10.7784/rbtur.v12i3.1354.
9. Hamilton, J. M.; Maddison, D. J. & Tol, R. S. J. (2005). Effects of climate change on international tourism. Climate Research. 29, 245–254.
10. IPCC. (2014). Climate Change. Synthesis Report Summary for Policymakers. Disponível em: https://www.ipcc.ch/pdf/assessment-report/ar5/syr/AR5_SYR_FINAL_SPM.pdf. Acessoem junho de 2016.
11. Jacob. D. et al (2018). Climate impacts in Europe under +1.5°C global warming. Earth‘s Future. 6 (2), 264-285. https://doi.org/10.1002/2017EF000710.
12. Katavoutas G. et al (2021). Climate change and thermal comfort in top tourist destinations—the case of Santorini (Greece). Sustainability. 13, 1-19. https://doi.org/10.3390/su13169107.
12. Lin, T. P. & Matzarakis, A. (2008). Tourism climate and thermal comfort in Sun Moon Lake, Taiwan. Int J Biometeorol. 52, 281-290.
13. Liu. W. Y.; Huang. Y.H. & Hsieh. C. M. (2020). The impacts of different climate change Scenarios on visits toward the National Forest Park in Taiwan. Forests. 11 (11), 1-25. https://doi.org/10.3390/f11111203.
14. Marengo, J. A. (2007). Mudanças climáticas e eventos extremos no Brasil. Fundação Brasileira para o Desenvolvimento sustentável – FBDS. 76p.
15. Matzarakis, A.; Mayer, H. & Iziomon, M. G. (1999), Applications of a universal thermal index: Physiological equivalent temperature. Int J Biometeorol. 43, 76–84.
16. Matzarakis, A.; Rutz, F. & Mayer, H. (2007). Modelling Radiation fluxes in simple and complex environments – application of the RayMan model. International Journal of Biometeorology. 51, 323–334.
17. Mendonça, F. (2007). Aquecimento global e suas manifestações regionais e locais. Revista Brasi-leira de Climatologia. 2, 71 - 86.
18. Nastos, P. T. & Matzarakis, A. (2019). Present and future climate—tourism conditions in Milos Island, Greece. Atmosphere. 10, 145. doi:10.3390/atmos10030145.
19. Olefs. M. et al (2021). Past and future changes of the Austrian climate – Importance for tourism. Journal of Outdoor Recreation and Tourism. 34, 1-13, https://doi.org/10.1016/j.jort.2021.100395.
20. Rice. H. et al (2021). Climate change risk in the Swedish ski industry. Current Issues in Tourism. Published online, https://doi.org/10.1080/13683500.2021.1995338.
21. Schwalm, C. R.; Glendon, S. & Duffy, P. B. (2020). RCP8.5 tracks cumulative CO2 emissions. PNAS. 117 (33), 19656-19657. https://doi.org/10.1073/pnas.2007117117.
22. Scott. D.; Gössling. S. C. & Hall. M., (2012). International tourism and climate change. WIREs Climate Change. 3 (3), 213-295. https://doi.org/10.1002/wcc.165.
23. Spandre, P. et al (2019). Winter tourism under climate change in the Pyrenees and the French Alps: relevance of snowmaking as a technical adaptation. The Cryosphere. 13, 1325–1347. https://doi.org/10.5194/tc-13-1325-2019.
24. Tsilogianni, D.; Cartalis, C. & Philippopoulos, K. (2023). Climate change impact assessment on Ski tourism in Greece: Case study of the Parnassos Ski resort. Climate. 11 (7), 140. https://doi.org/10.3390/cli11070140
25. Valizadeh, M. & Khoorani, A. (2022). The impact of climate change on the outdoor tourism with a focus on the outdoor tourism climate index (OTCI) in Hormozgan province, Iran. Theoretical and Applied Climatology. 150,1605–1612. https://doi.org/10.1007/s00704-022-04248-5.
26. Vorster. S.; Ungerer. M. & Volschenk. J., (2013). 2050 Scenarios for long-haul tourism in the evolving global climate change regime. Sustainability. 5, 1-51. doi:10.3390/su5010001.
27. World Meteorological Organization. (2008). Climate Change and Tourism – Responding to Global Challenges. Madrid: World Tourism Organization and the United Nations Environment Programme.
28. Yu, H-W.; Lin, C-C. & Liu, W-Y. (2023). Predicting forest recreation benefits changes under different climate change scenarios. Trees, Forests and People. 12, 100390. https://doi.org/10.1016/j.tfp.2023.100390.
اقلیم گردشگری استان اردبیل تحت سناریوی تغییر اقلیم
1توحید احمدزاده، 2*پرویز رضایی، 3یوسف زینالعابدین عموقین
1. دانشجوی دکتری آب و هواشناسی، گروه جغرافیا، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2. دانشیار آب و هواشناسی، گروه جغرافیا، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2. دانشیار جغرافیای سیاسی، گروه جغرافیا، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
چکیده
آب و هوا بطور مستقیم بر فعالیتهای انسانی از جمله گردشگری تاثیر گذاشته و گردشگری بعنوان بخش اصلی اقتصاد جهانی از هوا و اقلیم تاثیر میگیرد. هدف از این تحقیق بررسی اقلیم و گردشگری استان اردبیل تحت سناریوهای تغیر اقلیم است. در این پژوهش با استفاده از دمای معادل فیزیولوژیک (PET) شرایط اقلیم گردشگری استان اردبیل در دوره مرجع و تحت سناریوی تغییر اقلیم بررسی شد. دادههای مورد نیاز از سازمان هواشناسی کشور برای 8 ایستگاه همدید به مدت 30 سال (1991 تا 2020) دریافت گردید. نتایج بدست آمده نشان داد که از 9 طبقه اقلیمی شاخص PET، فقط 5 طبقه خیلی سرد، سرد، نسبتا خنک، خنک و آسایش در این ناحیه وجود داشته و 4 طبقه نسبتا گرم، گرم، داغ و خیلی داغ در این استان وجود ندارد. در همین راستا مشخص شد که شرایط خیلی سرد بر کل مساحت این استان در 5 ماه فصل سرد سال یعنی ژانویه، فوریه، مارس، نوامبر و دسامبر حکمفرما بوده و توزیع مکانی این شرایط کاملا یکنواخت است. این مهم در فصل تابستان نسبتا ناهمگن بوده و تنوع شرایط اقلیمی این ناحیه در فصل گرم سال نیز بیشتر است. بطور کلی در ماههای ژوئن، ژولای و آگوست شرایط ایدهآل در بخشهایی از این استان حاکم بوده است. علاوه بر این، شرایط شاخص PET تحت سه سناریوی RCP2.6، RCP4.5 و RCP8.5 برای دوره 2020 تا 2050 نشان داد که این شاخص تغییرات شدیدی را از دو بعد مکانی و زمانی در ماههای مختلف سال نشان خواهد داد، بطوریکه علاوه بر پنج حالت "خیلی سرد"، "سرد"، "خنک"، "نسبتا خنک" و "آسایش" در دوره مرجع، چهار حالت "نسبتا گرم"، "گرم"، "داغ" و "خیلی داغ" در ماههای گرم سال پدیدار خواهد شد که این خود نشان از تغییر ات شدید در شرایط اقلیم گردشگری استان اردبیل در آینده دارد.
واژگان کلیدی: اقلیم گردشگری، دمای معادل فیزیولوژیک (PET)، سناریوی تغییر اقلیم، استان اردبیل.
Tourism Climate of Ardabil Province under Climate Change Scenario
Tohied Ahmadzadeh
Ph.D. student of Climatology, Department of Geography, Rasht Branch, Islamic Azad University, Rasht, Iran
Parviz Rezaei (Corresponding Author)
Associate Professor of Climatology, Department of Geography, Rasht Branch, Islamic Azad University, Rasht, Iran
Email: climarezaei44@gmail.com
Youssef Zainul abidin Amuqin
Associate Professor of Political Geography, Department of Geography, Rasht Branch, Islamic Azad University, Rasht, Iran
The weather directly affects human activities, including tourism, and tourism, as a major part of the global economy, is affected by weather and climate. The purpose of this research is to investigate the climate and tourism of Ardabil province under climate change scenarios. In this research, using the physiological equivalent temperature (PET), the climate conditions of tourism in Ardabil Province were investigated in the reference period and under the climate change scenario. The required data were received from the Iranian Meteorological Organization for 8 synoptic stations for 30 years (1991 to 2020). The obtained results showed that out of the 9 climate categories of the PET index, only 5 very cold, cold, relatively cool, cool and comfortable categories exist in this region, and 4 relatively warm, warm, hot and very hot categories do not exist in this province. In this regard, it was found that very cold conditions prevailed over the entire area of this province in the 5 months of the cold season of the year, namely January, February, March, November and December, and the spatial distribution of these conditions is completely uniform. This matter is relatively heterogeneous in the summer season, and the variety of climate conditions of this area also greater in the hot season of the year. In general, in the months of June, July and August, ideal conditions prevailed in parts of this province. In addition to this, the conditions the PET index under the RCP2.6, RCP4.5 and RCP8.5 scenarios for the period 2020 to 2050 showed that this index will show Strong change in both spatial and temporal dimensions in different months of the year, so that in addition to the five very cold conditions, "cold", "cool", "relatively cool" and "comfort" in the in the reference period of four "relatively warm", "warm", "hot" and "very hot" will appear in the warm months of the year, which is on indicates of drastic in conditions tourism climate of the Ardabil province has in the
Keywords: Tourism climate, Physiological equivalent temperature (PET), Climate change scenario, Ardabil province.
مقدمه
تغییر اقلیم که در مقیاس‌های زمانی مختلف و بر روی پارامترهای آن (مانند بارش و دما) ظاهر میشود، ممکن است تحت تأثیر آشکار فرآیندهای ناشی از طبیعت باشد، فرآیندهایی که هنوز به درستی ارزیابی نشدهاند (کونتی1، 2005). با این حال از انقلاب صنعتی تاکنون، افزایش قابل توجهی در استفاده از کربن (زغال سنگ، نفت و گاز طبیعی) وجود داشته است، که در هنگام سوختن، دیاکسید کربن (CO2) را در جو آزاد کرده و اثر آن در افزایش دما کاملا مشهود میباشد. این سوختن کربن نشاندهنده بیش از 50 درصد از انتشار گازهای گلخانهای جهانی است (مارنگو2، مندونسا3، 2007؛ توافقنامه بینالدول تغییر اقلیم، 2014). صنعت گردشگری متاثر از تغییرات آبوهوایی است، همچنین سهم قابل توجهی در انتشار گازهای گلخانهای دارد، به ویژه به دلیل حمل‌ونقل (حمل و نقل مسافر) و زیرساختها (اسکان). بعبارتی گردشگری هم بر تغییر اقلیم تاثیر گذاشته و هم از آن متاثر میشود. اطلاعات منتشر شده توسط سازمان جهانی هواشناسی (2008)، انتشار CO2 را در سه بخش گردشگری یعنی حمل‌ونقل، اقامت و فعالیتهای گردشگری تفریحی نشان میدهد. این سازمان تخمین میزند که انتشار گازهای گلخانهای از منابع ملی و بینالمللی تولید شده توسط گردشگری در این سه بخش از زنجیره تولید، حدود 9/4 درصد از انتشار گازهای گلخانهای جهانی را در بر میگیرد.
کشور ایران میتواند سالانه میلیونها جهانگرد و گردشگر را جذب نماید، ولی از نظر میزان پذیرش گردشگر خارجی جزء 70 کشور جهان محسوب میشود. کشور ما میتواند با بسط و توسعه امکانات و تسهیلات و برنامهریزی مناسب جهت توریسم، به کسب درآمد هنگفتی نایل گردد. به همین دلیل است که دولت به منظور ارایه الگوهای صحیح و همچنین کسب درآمد ارزی و شناسایی و ترویج فرهنگ اسلامی و ملی و همچنین معرفی جاذبههای طبیعی و فرهنگی کشورمان چند سالی است که توجه خود را به ایجاد امکانات و آمایش جاذبههای جهانگردی معطوف داشته است، لذا بدین منظور یکی از مسائلی که باید مد نظر قرار گیرد، مبحث اقلیم آسایش و تغییرات آن در طول زمان تحت تاثیر گرمایش جهانی و در نتیجه یک برنامهریزی مناسب برای اقلیم گردشگری و توریسم در راستای این روند است.
مطالعات داخلی در زمینه شاخص‌های اقلیم گردشگری و سناریوهای تغییر اقلیم بسیار اندک بوده و در ادامه به برخی از آنها پرداخته میشود. بررسی اقلیم گردشگری استان لرستان با بکارگیری شاخص TCI تحت سناریوی تغییر اقلیم گواه آن است که ایستگاه بروجرد و خرمآباد به ترتیب در 7 و 8 ماه سال تغییرات کیفی در سطح شاخص TCI نسبت به دوره پایه خواهند داشت و در دورههای آتی شاهد کاهش کیفی اقلیم گردشگری در ایستگاهای الیگودرز، افزایش کیفی در ایستگاه بروجرد و تضاد افت و بهبود TCI در هر دو سناریوی RCP2.6 و RCP2.8 در ایستگاه بروجرد خواهیم بود (مرادجانی، 1401). ولی‌زاده و خورانی (2022) با بررسی اثرات تغییر اقلیم بر شرایط اقلیم گردشگری استان هرمزگان با شاخص اقلیم گردشگری در فضای باز (OTCI) و همچنین 2 مدل جهانی آب و هوا (GCMs) تحت RCP2.6 و RCP8.5 نتیجه گرفتند که ماههای دسامبر، ژانویه، فوریه و مارس به عنوان ماههای بهینه برای فعالیتهای گردشگری در فضای باز براساس OTCI محسوب میشوند. با این وجود، برای ماههای مربوطه، دامنه امتیاز OTCI در قرن بیست‌ویکم از 2 به 12- در رابطه با دوره پایه (1980-2010) تغییر میکند. پیشبینی میشود که عمدتاً تغییرات در امتیاز OTCI در ماههای مارس، آوریل، مه، اکتبر و نوامبر رخ دهد، در حالی که ژوئن کمترین میزان را ثبت خواهد کرد. شجاع و حمیدیان‌پور (1401) با پیش‌نمایی پیامدهای تغییر اقلیم در توسعه گردشگری سواحل جنوب (جزیره کیش) نشان دادند که پارامترهای موثر در برآورد شاخص TCI تغییرات چشمگیری در آینده خواهد داشت، بطوری که میانگین دما در دوره پایه از 27/25 به 63/29 و 33/30 درجه سلسیوس به ترتیب تحت سناریوی SSP2-4.5 و SSP5-8.5 در چشم‌انداز 2050 تا 2069 خواهد رسید. همچنین شرایط "کمی نامطلوب" ماههای ژوئن، ژوئیه، اوت و سپتامبر در دوره پایه به مرور در آینده هشت ماه سال را در بر خواهد گرفت. مرادجانی (1401) با بررسی اثر تغییر اقلیم بر گردشگری آینده استان لرستان با استفاده از شاخص TCI و سناریوهای واداشت تابشی نشان داد که در دوره آتی در ایستگاه خرمآباد در 7 ماه و در ایستگاه بروجرد در 8 ماه از سال تغییرات کیفی در سطح شاخص TCI نسبت به دوره پایه حادث خواهد شد. در دوره آتی تحت هر دو سناریو (RCP2.6 و RCP8.5)، به طور کلی شاهد کاهش کیفی اقلیم گردشگری در ایستگاه الیگودرز، افزایش کیفی در ایستگاه بروجرد و تضاد افت و بهبود TCI در هر دو سناریو در ایستگاه بروجرد خواهیم بود. رحیمی و همکاران (1402) با ارزيابي اثر تغيير اقليم بر گردشگري استان خوزستان نتیجه گرفتند که شـرايط "عـالي" شاخص اقلیم گردشگری (TCI) از ژانويه، فوريه و مارس در دوره پایه به نوامبر و دسامبر در دوره آينده منتقل خواهـد شـد. همچنين در آينده طبقات مناسب آسايش اقليمي آبادان، خرمشهر، بندر ماهشهر و هنديجان (مناطق جنوبي) مبتني بر دادههای پایه به شهرستان‌هاي شمالي واقع در شمال استان مانند ايذه، مسجد سليمان، لالي و دزفول جابهجا خواهد شد. همیلتون4 و همکاران (2005) با پیشبینی اثرات تغییر اقلیم بر گردشگری بینالمللی نشان دادند که نرخ رشد گردشگری بینالمللی طی دهههای آینده افزایش یافته و احتمالا در اواخر قرن کاهش مییابد، زیرا تقاضا برای سفر اشباع میشود. با تغییر آب‌وهوا، مقاصد ترجیحی به عرض‌ها و ارتفاعات بالاتر تغییر میکنند. گردشگران ساکن در آب‌وهوای معتدل، بیشتر تعطیلات خود را در کشورشان می‌گذرانند. با توجه به اینکه گردشگران مورد نظر بر بازار حال حاضر گردشگری بینالمللی تسلط دارند، تغییرات آبوهوایی باعث کاهش گردشگری در سراسر جهان میشود. اسکات5 و همکاران (2012) معتقدند که مقصدهای گردشگری باید با خطرات و فرصتهای ناشی از تغییرات آب‌وهوا و سیاستهای آبوهوایی سازگار شوند. زیرا با وجود پیشرفتهای قابل توجه در دهه گذشته، هنوز درک گردشگران و اپراتورهای گردشگری از خطرات تغییرات آب‌وهوا و ظرفیت سازگاری بیانگر عدم آمادگی بخش گردشگری در برابر چالشهای آبوهوایی است. ورستر6 و همکاران (2013) در مقاله "سناریوهای 2050 برای گردشگری طولانی‌مدت در رژیم در حال تحول اقلیم جهانی" نشان دادند که مقاصد گردشگری طولانی‌مدت باید به سیگنال‌های هشدار اولیه در روایت‌های سناریو توجه کنند و در تحقق آینده مطلوب سهیم باشند. در صورت تحقق سناریوهای خطرناک، آنها باید با تطبیق، تغییر موقعیت اولیه پس از خواندن تابلوهای راهنما، محافظت در برابر خطرات و استفاده از فرصتهای جدید را مد نظر داشته باشند. گریلاکیس7 و همکاران (2016) پیامدهای 2 درجه سانتیگراد گرمایش جهانی در شاخص TCIی تابستانه اروپا را بررسی و نتیجه گرفتند که تغییر اقلیم بر اروپای مرکزی و شمالی تأثیر مثبت خواهد گذاشت و در این راستا پتانسیلهای توسعه اقتصادی بیشتر افزایش مییابد. احتمالا کشورهای مدیترانهای در طول ماههای گرم تابستان وضعیت مطلوب خود را از دست داده و در اوایل و اواخر فصل تابستان شرایطشان مطلوبتر میشود. تصور 2 درجه دما در سالهای 2031 و 2060 و جابجایی برآورد شده در شرایط مطلوب آبوهوایی کشورهای مدیترانه نشاندهنده ضرورت نیاز به استراتژهای اولیه سازگاری است. گریم8 و همکاران (2018) نشان دادند که گردشگری به انتشار گازهای گلخانهای که یکی از عوامل گرمایش جهانی است، کمک میکند. از اینرو برای کاهش اثرات منفی، مفهوم توسعه گردشگری پایدار با محوریت تغییرات آبوهوایی باید مد نظر قرار گیرد. بنابراین باید با لحاظ کردن سناریوهای مختلف، اثرات و پیامدهای احتمالی تغییر اقلیم را بر سیستم گردشگری بینالمللی نشان داد. جاکوب9 و همکاران (2018)، اثرات اقلیم تحت گرمایش جهانی 5/1+ درجه سانتیگراد در اروپا را بررسی و نشان دادند که جهان احتمالاً در دهههای آینده از آستانه 5/1+ درجه سانتیگراد عبور خواهد کرد. همچنین ابعاد بین بخشی اثرات گرمایش جهانی که به موازات هم عمل میکنند در مناطق مختلف متفاوت هستند. علاوه بر اثرات منفی برای بخش‌ها و مناطق خاص، اثرات مثبتی برای آن پیشبینی میشود. بعبارت دیگر، گردشگری تابستانی در بخشهایی از اروپای غربی ممکن است به دلیل تغییرات آبوهوایی مورد علاقه و جاذب گردشگران باشد. اسپاندر10 و همکاران (2019) با بررسی گردشگری زمستانی تحت تغییرات آبوهوایی در پیرنه و آلپ فرانسه تحت سناریوی RCP2.6، RCP4.5 و RCP8.5 نشان دادند که ارتفاع قابل اطمینان برف‌سازی برای ورزش اسکی در حدود 200 تا 300 متر در کوه‌های آلپ و 400 تا 600 متر در پیرنه‌ها در آینده نزدیک (2030-2050) در مقایسه با دوره مرجع برای همه سناریوهای اقلیمی افزایش مییابد. همچنین تحت RCP8.5، پیش‌بینی‌ها نشان میدهد که دیگر هیچ استراحتگاه اسکی قابل اعتماد براساس شرایط طبیعی برف در کوه‌های آلپ و پیرنه فرانسه (فرانسه، اسپانیا و آندورا) در پایان قرن (2080-2100) وجود نخواهد داشت. ناستوس و ماتزاراکیس11 (2019) با مطالعه آب‌وهوای حال و آینده در راستای گردشگری در جزیره میلوس12 یونان نشان دادند که برای آینده نزدیک (2021-2050) تحت سناریوهای RCP4.5 و RCP8.5 انتظار می‌رود تنش گرمایی در جولای و آگوست افزایش یابد، که با افزایش جزئی در طول آن همراه است. به نظر میرسد شرایط پذیرش حرارتی از ماه می تا مارس و از اکتبر تا نوامبر تغییر میکند. علاوه بر این، آسایش ماههای نوامبر تا مارس بیشتر میشود، در حالی که برای تابستان، انتظار شرایط حرارتی قابل قبولی وجود ندارد. انتظار می‌رود تغییرات آشکاری در پارامترهای فوق تا پایان قرن 21 تحت هر دو سناریو مشاهده شود. فریدریش13 و همکاران (2020) معتقدند که تغییر آب‌وهوا برای مقاصد گردشگری ساحلی در آفریقای جنوبی و همچنین پایداری اقتصاد گردشگری در سطح جهان تهدید محسوب میشود. این امر به ویژه در مورد گردشگری ساحلی مصداق داشته و به میانگین آب‌وهوا، آب‌وهوای روزانه و محیط طبیعی یک مقصد برای جذب و جلب رضایت گردشگران شدیدا وابسته است. آنها نشان دادند که کاهش میانگین بارندگی و افزایش دما تحت سناریویRCP4.5 و RCP8.5 در آفریقای جنوبی کاملا محتمل بوده و اثرات مستقیم مثبت و نه منفی بر مقاصد گردشگری ساحلی آن دارد. زیرا آنچه که گردشگران به عنوان شرایط راحتی میشناسند در حال افزایش است. با این وجود، نباید از اثرات غیرمستقیم و القایی یک آب‌وهوای در حال تغییر در ارزیابی آسیب‌پذیری غافل بود. لیو14 و همکاران (2020) براساس گزارش پنجم توافقنامه بینالدول تغییر اقلیم15 (IPCC)، اثر تغییر اقلیم بر تعداد بازدیدکنندگان از پارک جنگلی ملی در تایوان را تحت سناریوی RCPمورد بررسی قرار داده و نتیجه گرفتند که تاثیر متغیرهای جوی بر تعداد بازدیدکنندگان در فصل اوج و فصول دیگر یکسان است. بطوریکه تاثیر دما و رطوبت نسبی بر تعداد آنها معنیدار و اثر بارش بیمعنی بوده است. در فصل اوج دوم، فقط دما اثرات معنیداری بر تعداد بازدیدکنندگان داشته و رطوبت نسبی و بارش تاثیر معنیداری بر بازدیدکنندگان نداشتند. از اینرو دما مهمترین فاکتور موثر در سه فصل این منطقه بوده و بیشترین تاثیر آن در فصل اوج اول و بدنبال آن فصل میانی و سپس فصل اوج دوم است. بعلاوه، تعداد بازدیدکنندگان از پارک جنگلی هویسون16 براساس سناریوهای مختلف تغییر اقلیم (RCP2.6، RCP4.5، RCP6.0 و RCP8.5) در حال افزایش است. اولفس17 و همکاران (2021) با بررسی تغییرات گذشته و آینده آب‌وهوای اتریش در راستای گردشگری نشان دادند که از اواخر قرن نوزدهم، دمای هوای اتریش در ارتفاعات به میزان 8/1 درجه سانتیگراد (%20+ در مقایسه با خشکیهای کره زمین) افزایش یافته است. بسته به سناریو، افزایش 2 تا 4 درجه سانتیگراد (بدترین سناریوRCP8.5 ) تا سال 2100 پیشبینی میشود. یعنی اینکه تعداد روزهای گرم در سطح فعلی تثبیت یا سالهای فرین فعلی در پایان قرن به حالت عادی جدید تبدیل خواهند شد. از اینرو مدت پوشش برف و عمق آن به ویژه در غرب و جنوب اتریش که به عنوان نیاز اساسی برای گردشگری زمستانی محسوب میشود، کاهش مییابد. بسته به ارتفاع، کاهش 10 تا 40 درصد در بهترین حالت و 50 تا 90 درصد در بدترین سناریو تا سال 2100 پیشبینی میشود. رایس18 و همکاران (2021) با تحلیل پیامدهای تغییر آب‌وهوا بر فعالیتهای اسکی در 23 منطقه اسکی آلپاین سوئد برای اوایل، اواسط و اواخر قرن بیست‌ویکم نتیجه گرفتند که مناطق شمالی سوئد، کاهش بسیار کمتری در طول فصل در مقایسه با مرکز و جنوب سوئد تحت سناریوهای انتشار بالا در اواسط (13% در مقابل 58% و 81%) و اواخر قرن (27% در مقابل 72% و 99%) نشان می‌دهند. از اینرو برای کاهش تلفات فصلی ناشی از این سناریوها، افزایش تولید برف بیش از 250 درصد در همه مناطق مورد نیاز است. همچنین با افزایش اثرات پیش‌بینی‌شده، ممکن است شمال سوئد آخرین راه‌حل برای صنعت اسکی اروپا تحت سناریوهای انتشار بالاتر تا اواسط یا اواخر قرن بیست‌ویکم باشد. کاتاووتاس19 و همکاران (2021) در مقاله "تغییرات آبوهوایی و آسایش حرارتی در مقاصد برتر گردشگری سانتورینی20 (یونان)" براساس شاخص UTCI و سنایوی RCP4.5 و RCP8.5 نشان دادند که فراوانی شرایط تنش سرما در نیمه روز در طول ماههای زمستان و اوایل بهار تا 8/19 درصد (ژانویه) در دوره اخیر نسبت به دوره پایه کاهش یافته است، این در حالی است که شرایط تنش گرمایی در تابستان تا 4/22 درصد (مرداد) افزایش مییابد. پیش‌بینی‌ها تغییر تدریجیUTCI به سمت مقادیر بالاتر در آینده و افزایش زمان قرار گرفتن در معرض استرس گرمایی را با توجه به RCM و سناریوی اتخاذ شده نشان میدهد. د لا وارا21 و همکاران (2022)، اثرات میان‌مدت تغییر آب‌وهوا بر بخش گردشگری سواحل مدیترانهای اسپانیا را بررسی و نشان دادند که شرایط آبوهوایی در این منطقه به ویژه در تابستان گرمتر و خشک‌تر و موج گرما و بارش‌های شدید بیشتر خواهد شد. عدم آسایش حرارتی در تابستان افزایش و شرایط تابستان به سمت بهار و پاییز گسترش مییابد. یو22 و همکاران (2023) با پیشبینی مزایای تفریحات جنگلی تحت سناریوهای مختلف تغییر اقلیم نتیجه گرفتند که بین تعداد گردشگران و افزایش دما در پارک‌های جنگلی ملی تایوان همبستگی مثبت وجود دارد و بدلیل کاهش زمان تفریح در اثر تغییرات آبوهوایی، ارزش مالی گردشگری در آینده افت خواهد کرد. سیلوجیانی23 و همکاران (2023) با ارزیابی تاثیر تغییر اقلیم بر گردشگری اسکی در یونان (پیست اسکی پارناسوس24) نشان دادند که روند کاهشی برای مدت و تعداد روزهای برفی با توجه به سناریوهایRCP4.5 وRCP8.5 کاملا محرز بوده و اقدامات سازگارانه در برابر تغییرات آبوهوایی از قبیل تولید برف مصنوعی به منظور حفظ بقای بخش گردشگری اسکی در یونان پیشنهاد گردید.
در گزارش IPCC افزایش حوادث اقلیمی و هواشناسی فرین مثل خشکسالی، سیل، سیکلون و امواج گرما و سرما پیشبینی شده است که اثرات شدیدی بر سیستمهای طبیعی و انسانی در سرتاسر جهان دارد (IPCC, 2014). وجود این شرایط در کشوری مانند ایران که دارای حساسیت اکولوژیکی میباشد، تاثیر قابل ملاحظهای بر وضعیت منابع آب، کشاورزی، انرژی، گردشگری و شرایط زیست اقلیمی میگذارد و لزوم مطالعه در این زمینه را بوجود میآورد. بنابراین مطالعه در زمینه آینده اقلیم گردشگری مناطق تحت سناریوهای تغییر اقلیم از ضروریات مطالعات اقلیمشناسان محسوب میشود تا با شناخت درست از وضعیت آینده اقلیم مناطق، راهکارهای درست جهت کاهش اثرات آن بر بخشهای مختلف از جمله توریسم ارائه شود. در پژوهش حاضر اقلیم گردشگری استان اردبیل تحت سناریوهای تغییر اقلیم مورد بررسی قرار میگیرد. زیرا تغییر اقلیم با اثرات مستقیم خود، نه تنها باعث نابودی تنوع زیستی و افزایش مخاطرات طبیعی میشود، بلکه با اثرات اجتماعی مرتبط بوده و رشد اقتصادی و ثبات سیاسی کشورها را تهدید میکند. در نتیجه بعلت رابطه مستقیم اقلیم گردشگری با شرایط اقلیمی هر مکان، اطلاع از وضع آینده اقلیم آن مکان میتواند شرایط آتی گردشگری را در ابعاد مختلف آن تضمین نماید و به مدیران، دستاندرکاران و مدیران اجرایی مرتبط با این بخش در جهت تدوین برنامههای اصولی در راستای درآمد اقتصادی از پتانسیلهای گردشگری استان کمک بنماید.
دادهها و روش
داده های مورد استفاده در تحقیق شامل دادههای ماهانه مربوط به 8 ایستگاه همدید واقع در محدود استان اردبیل و استانهای مجاور به مدت 30 سال (1991 تا 2020) است، که از سازمان هواشناسی کشور و اداره کل هواشناسی استان تهیه شده است (جدول 1 و شکل1).
جدول 1.مشخصات ایستگاههای مورد استفاده در محدوده مورد مطالعه (استان اردبیل)
ردیف | نام ایستگاه | ارتفاع | طول جغرافیایی | عرض جغرافیایی | سال تاسیس | استان |
1 | پارس آباد مغان | 9/31 | 92/47 | 65/39 | 1984 | اردبيل |
2 | اهر | 5/1390 | 07/47 | 43/38 | 1986 | آذربايجان شرقي |
3 | مشکین شهر | 5/1568 | 67/47 | 38/38 | 1995 | اردبيل |
4 | اردبیل | 1332 | 28/48 | 25/38 | 1976 | اردبيل |
5 | سراب | 1682 | 53/47 | 93/37 | 1982 | آذربايجان شرقي |
6 | میانه | 1110 | 7/47 | 45/37 | 1987 | آذربايجان شرقي |
7 | خلخال | 1796 | 52/48 | 63/37 | 1987 | اردبيل |
8 | زنجان | 1663 | 48/48 | 68/36 | 1955 | زنجان |
به منظور بررسی شرایط اقلیم گردشگری استان اردبیل در دوره مرجع و آینده از دمای معادل فیزیولوژیک (PET) استفاده شده است. شاخص PET دمایی است که طی آن در یک محیط مرجع توازن حرارتی بین دمای پوست و دمای مرکزی بدن با محیط بیرون در تعادل باشد. محیط مرجع محیطی است که فشار بخار آب 12 هکتوپاسکال (50 درصد رطوبت نسبی در دمای 20 درجه سانتیگراد)، سرعت باد 1/0 متر بر ثانیه، سوخت و ساز فعالیت 80 وات، مقاومت حرارتی لباس 9/0 کلو (CLO) و دمای تابشی متوسط با دمای هوا برابر باشد. تأثیر رطوبت بر PET به شار گرمای نهان از طریق تنفس و انتشار از پوست محدود شده است (ماتزاراکیس و همکاران، 1999). مزیت مهم شاخص PET واحد درجه‌بندی آن است که برحسب درجه سانتیگراد است. در نتیجه فهم آن براي گردشگران، برنامهريزان و سرمایه‌گذاران گردشگري آسان بوده و میتواند به عنوان يك شاخص آسايش حرارتي کاربردی محسوب گردد (لین25 و ماتزاراکیس، 2008). دادههای هواشناسی مورد نیاز این شاخص، دمای هوا، رطوبت نسبی، سرعت باد و جریانات تابش امواج کوتاه و بلند بوده و برای محاسبه آن از نرم‌افزار RayMan استفاده میگردد (ماتزاراکیس و همکاران، 2007). در جدول 2 وضعیت آسایش انسان براساس شاخص PET ارائه شده است.
جدول 2. آستانههای تعیین کننده در شاخص PET و شرایط آسایش. (منبع: ماتزاراکیس و همکاران، 1999)
< 41 | 41 - 35 | 35-29 | 29- 23 | 23- 18 | 18- 13 | 13- 8 | 8- 4 | 4> | PET |
خیلی داغ | داغ | گرم | نسبتا گرم | آسایش | نسبتا خنک | خنک | سرد | خیلی سرد | درجه آسایش |
همچنین در این پژوهش از سه سناریوی RCP یعنی RCP2.6، RCP4.5، و RCP8.5 برای برآورد متغیرهای اقلیم‌شناسی مورد نیاز برای محاسبه دمای معادل فیزیولوژیک در آینده (2020 تا 2050) استفاده شده است. هر کدام از سناریوهای فوق بیانگر مسیرهای مختلف آبوهوایی آینده هستند، که همه آنها بسته به حجم گازهای گلخانهای (GHG) منتشر شده در سالهای آینده در نظر گرفته میشوند. در RCPهای جدید مسیرهای اصلی با مسیرهای اجتماعی-اقتصادی مشترک در نظر گرفته میشوند. خصوصیات هر کدام از مدلهای RCP به شرح ذیل هستند.
· RCP2.6:RCP2.6 یک مسیر "بسیار دقیق" است. طبق گزارش IPCC،RCP2.6 مستلزم آن است که انتشار دیاکسید کربن (CO2) تا سال 2020 شروع به کاهش کرده و تا سال 2100 به صفر برسد. همچنین این مدل مستلزم آن است که انتشار متان (CH4) به تقریباً نصف سطح CH4 در سال 2020 برسد و انتشار دیاکسید گوگرد (SO2) به تقریباً 10٪ از میزان انتشارات 1980 تا1990 کاهش یابد. مانند همه RCPها،RCP2.6 نیز به انتشار CO2 منفی (مانند جذب CO2 توسط درختان) نیاز دارد. در مدل RCP2.6، انتشار منفی به طور متوسط 2 گیگاتن CO2 در سال (GtCO2/yr) خواهد بود. RCP2.6 احتمالاً تا سال 2100 افزایش دمای جهانی را زیر 2 درجه سانتیگراد نگه میدارد.
· RCP4.6: RCP4.5 توسط IPCC به عنوان یک سناریوی میانی توصیف شده است. انتشار در RCP4.5 در حدود سال 2040 به اوج خود میرسد، سپس کاهش مییابد. طبق گزارش IPCC،RCP4.5 مستلزم آن است که انتشار دی‌اکسیدکربن (CO2) تقریباً تا سال 2045 شروع به کاهش کرده و تا سال 2100 تقریباً به نیمی از سطوح سال 2050 برسد. همچنین این سناریو مستلزم آن است که افزایش انتشار متان (CH4) تا سال 2050 متوقف شده و به میزان 75٪ از سطح CH4 در سال 2040 کاهش یابد. و همچنین کاهش انتشار دیاکسید گوگرد (SO2) به 20٪ میزان انتشار 1980 تا1990 این گاز برسد. مانند تمامRCP ها،RCP4.5 به انتشار CO2 منفی (مانند جذب CO2 توسط درختان) نیاز دارد. در مدل RCP4.5، انتشار منفی 2 گیگاتن CO2 در سال (GtCO2/yr) خواهد بود. مدلRCP4.5 به احتمال زیاد منجر به افزایش دمای جهانی بین 2 تا 3 درجه سانتیگراد شده و میانگین افزایش سطح دریا در این مدل در حدود 35% بیشتر از مدل RCP2.6 تا سال 2100 خواهد بود.
· RCP8.5: در RCP8.5 انتشار در طول قرن 21 همچنان رو به افزایش است. از زمان AR5 این بسیار بعید به نظر میرسد، اما همچنان ممکن است زیرا بازخوردها به خوبی درک نشدهاند. مدل RCP8.5، که عموماً به عنوان مبنایی برای بدترین سناریوهای تغییرات آبوهوایی در نظر گرفته میشود، بخاطر آن است که تولید زغال سنگ پیشبینی شده را بیش از حد برآورد کرده است (شوالم26، 2020).
محدوده پژوهش
استان اردبیل یکی از استانهای ایران به مرکزیت شهر اردبیل است که در منطقه آذربایجان قرار دارد. مساحت این استان ۱۷۹۵۳ کیلومتر مربع است. این استان از شمال به جمهوری آذربایجان، از سمت غرب به استان آذربایجان شرقی، از سمت شرق به استان گیلان و از سمت جنوب به استان زنجان محدود شده است. چهره عمومی شهرستان اردبیل متأثر از ارتفاعات كوهستان‌های سبلان، طالش و بزغوش است كه این عوامل طبیعی سبب محصور شدن آن شده‌اند. بیشتر زمین‌های این بخش از استان 2000 تا 3000 متر از سطح دریا ارتفاع دارند. شمال غربی آن بین 3000 تا 4000 متر بلندی دارد و رشته كوه سبلان با 4811 متر ارتفاع، در این قسمت واقع است. وجود كوهستان سبلان در غرب این شهرستان، در اعتدال هوای آن نقش عمده‌ای دارد و آب‌های جاری شده از این كوهستان سبب آبادی منطقه شده است. آثار فرعی آتشفشان سبلان به صورت چشمه‌های معدنی آب گرم سرعین و سردابه ظاهر شده است كه سبب جذب انبوه مسافران می شود و یكی از زیباترین مناطق جهانگردی استان است (شکل 1).
شکل 1. محدوده مورد مطالعه و موقعیت ایستگاههای سینوپتیک واقع در استان اردبیل و استانهای مجاور. (منبع: نویسندگان)
یافتهها
برای مدلسازی تحت سناریوهای آبوهوایی، در ابتدا دادههای دوره مرجع برای محاسبه شاخص دمای معادل فیزیولوژیک (PET)، براساس مدل مناسب مورد ارزیابی قرار گرفت، سپس مقادیر 5 متغیر متوسط دما، رطوبت نسبی، ابرناکی، فشار بخار آب و سرعت باد براساس مدل اولیه شناسایی شده برای دوره مرجع، تحت سه سناریوی RCP2.6، RCP4.5 و RCP8.5 برای دوره آینده (2020 تا 2050) پیشبینی گردید. در شکل 2 تا 3 مقادیر مشاهده‌شده دو متغیر میانگین دما و فشار بخار آب در دوره مرجع و تحت سه سناریوی RCPs نشان داده شده است.
شکل 2. میانگین دمای ایستگاه اردبیل در دوره مرجع و مدلسازی شده تحت سناریوی RCP2.6، RCP4.5 و RCP8.5. (منبع: نویسندگان)
در جدول 3 و 4 مقادیر دمای معادل فیزیولوژیک (PET) برای دوره مرجع (1961 تا 2005) و دوره آینده (2020 تا 2050) تحت سه سناریوی RCP2.6، RCP4.5 و RCP8.5 به تکفیک هر ایستگاه آورده شده است. چنانچه از این جدول پیداست مقدار PET در تمامی ایستگاهها در سناریوی RCP2.6، RCP4.5 و RCP8.5 نسبت به دوره مرجع تغییر نشان میدهد.
جدول 3. شاخص دمای معادل فیزیولوژیک (PET) در دوره مرجع و تحت سناریوی تغییر اقلیم، 2020 تا 2050. (منبع: نویسندگان)
ایستگاه | سناریو | ژانویه | فوریه | مارس | آوریل | می | ژوئن | ژولای | آگوست | سپتامبر | اکتبر | نوامبر | دسامبر |
پارسآباد مغان | مشاهده شده | 5/3- | 7/2- | 2/1 | 6/7 | 4/13 | 9/18 | 4/22 | 8/21 | 5/16 | 9/9 | 2/3 | 9/1- |
RCP2.6 | 1/1 | 5/3 | 8/8 | 9/16 | 1/24 | 2/33 | 3/36 | 6/35 | 2/28 | 7/18 | 5/9 | 6/2 | |
RCP4.5 | 6/1 | 8/3 | 7/9 | 8/16 | 4/24 | 2/33 | 6/36 | 8/35 | 28 | 4/18 | 3/9 | 8/2 | |
RCP8.5 | 5/1 | 8/3 | 9/8 | 4/16 | 8/23 | 1/33 | 2/36 | 5/35 | 1/28 | 1/18 | 5/9 | 7/2 | |
اردبیل | مشاهده شده | 9/10- | 4/9- | 5/4- | 6/2 | 1/6 | 9/9 | 4/12 | 4/12 | 8/8 | 8/3 | 2/2- | 9/7- |
RCP2.6 | 5/0- | 1/7 | 13 | 3/18 | 1/20 | 6/20 | 3/18 | 6/12 | 9/5 | 3/1- | 7- | 8/5- | |
RCP4.5 | 8/0- | 8/6 | 4/13 | 19 | 2/20 | 9/20 | 4/18 | 5/13 | 5/6 | 3/1- | 7- | 1/6- | |
RCP8.5 | 2/1- | 7/6 | 3/13 | 4/18 | 4/20 | 7/20 | 7/18 | 2/13 | 1/6 | 3/1- | 7- | 5/5- | |
مشکین شهر | مشاهده شده | 3/8- | 9/7- | 7/7- | 5/2 | 4/7 | 2/15 | 1/15 | 7/15 | 11 | 9/5 | 3/1- | 7/5- |
RCP2.6 | 6/1- | 2/0 | 6/5 | 6/10 | 3/17 | 9/23 | 4/25 | 3/25 | 1/20 | 1/12 | 4/4 | 8/0 | |
RCP4.5 | 5/1- | 6/0 | 2/5 | 7/11 | 5/17 | 5/23 | 2/25 | 5/25 | 6/20 | 4/12 | 2/5 | 4/0 | |
RCP8.5 | 1/1- | 9/0 | 3/5 | 4/11 | 4/17 | 1/24 | 6/25 | 1/25 | 20 | 5/12 | 1/5 | 9/0 | |
خلخال | مشاهده شده | 4/10- | 4/10- | 1/5- | 6/1 | 5/6 | 1/11 | 5/13 | 8/13 | 6/9 | 4/3 | 2/3- | 1/8- |
RCP2.6 | 4/6- | 4- | 6/2 | 1/10 | 5/16 | 1/21 | 6/22 | 6/23 | 3/19 | 8/10 | 6/1 | 8/3- | |
RCP4.5 | 7- | 3/4- | 9/2 | 2/10 | 4/16 | 6/20 | 23 | 3/23 | 7/18 | 7/10 | 8/1 | 1/4- | |
RCP8.5 | 9/6- | 1/4- | 9/2 | 7/9 | 6/16 | 9/20 | 7/22 | 5/24 | 5/19 | 9/10 | 2 | 3/3- | |
اهر | مشاهده شده | 1/9- | 8/3- | 8/3- | 2/3 | 8/7 | 8/12 | 8/15 | 7/15 | 4/11 | 5/5 | 3/1- | 6/6- |
RCP2.6 | 5/5- | 3/3- | 3/3 | 11 | 6/17 | 7/23 | 4/27 | 6/26 | 9/20 | 3/12 | 1/2 | 2/3- | |
RCP4.5 | 7/5- | 2/3- | 9/2 | 2/11 | 5/17 | 3/24 | 1/27 | 6/26 | 8/20 | 3/12 | 9/2 | 3/3- | |
RCP8.5 | 2/6- | 3/3- | 5/3 | 1/11 | 6/17 | 1/24 | 2/27 | 9/26 | 8/20 | 9/4 | 7/2 | 3/3- | |
سراب | مشاهده شده | 6/12- | 11- | 1/5- | 6/1 | 5/6 | 3/11 | 9/13 | 9/13 | 7/9 | 4/3 | 6/3- | 9- |
RCP2.6 | 5/7- | 5/3- | 3 | 2/10 | 5/16 | 4/21 | 3/23 | 2/23 | 18 | 1/10 | 5/0 | 6/5- | |
RCP4.5 | 5/7- | 4/3- | 3/2 | 3/10 | 3/16 | 9/21 | 4/23 | 2/23 | 2/18 | 6/9 | 5/0 | 1/6- | |
RCP8.5 | 3/7- | 2/4- | 4/2 | 6/10 | 7/16 | 8/21 | 4/23 | 5/23 | 9/18 | 10 | 6/0 | 1/6- | |
میانه | مشاهده شده | 8- | 2/6- | 4/0 | 7/7 | 8/12 | 19 | 2/22 | 2/22 | 2/17 | 9/9 | 8/1 | 8/3- |
RCP2.6 | 5/2- | 1/2 | 9/8 | 5/16 | 7/23 | 31 | 6/34 | 4/34 | 7/28 | 4/18 | 3/8 | 2/1 | |
RCP4.5 | 7/1- | 3/1 | 8/8 | 17 | 3/23 | 3/31 | 6/34 | 4/34 | 6/28 | 6/18 | 6/8 | 5/1 | |
RCP8.5 | 8/1- | 9/1 | 7/8 | 17 | 9/23 | 5/31 | 3/34 | 7/34 | 6/28 | 9/17 | 4/8 | 7/1 | |
زنجان | مشاهده شده | 4/11- | 5/9- | 4/4- | 3/2 | 8/6 | 2/12 | 8/15 | 1/16 | 3/11 | 2/5 | 2- | 5/7- |
RCP2.6 | 7/3 | 4/9 | 7/15 | 6/21 | 1/23 | 7/19 | 9/12 | 9/5 | 3/1- | 3/2- | 4/9- | 6/4- | |
RCP4.5 | 9/3 | 7/9 | 9/15 | 2/21 | 3/23 | 7/19 | 2/13 | 8/5 | 4/1- | 5/7- | 6/9- | 5/4- | |
RCP8.5 | 2/3 | 4/9 | 7/15 | 1/21 | 2/23 | 7/19 | 2/13 | 7/5 | 6/1- | 8- | 7/9- | 4/4- |
برای اینکه معنیداری تغییر در سه سناریوی RCPs به اثبات برسد از آزمون آماری جفتی t استیودنت استفاده شده است. با توجه به نتایج آزمون جفتی t استیودنت که در جدول 5 درج شده است میتوان گفت که بین مقدار مشاهده شده دمای معادل فیزیولوژیک (PET) در دوره مرجع با مقدار PET آیندهنگری شده تحت سناریوی RCP2.6، RCP4.5 و RCP8.5 برای دوره 2020 تا 2050 در تمامی ایستگاهها (به استثنای ایستگاه زنجان) تفاوت معنیداری وجود دارد. بعبارت دیگر با مقایسه انجام شده بین مقادیر مشاهده شده و مقادیر حاصل از سناریوها برای دمای معادل فیزیولوژیک (PET) میتوان نتیجه گرفت که تفاوت معنیدار بین مقادیر مشاهده شده و آیندهنگری شده وجود دارد. از اینرو در آینده شاهد تغییر معنیدار در متغیرهای دما، رطوبت، ابرناکی، فشار بخار آب و سرعت باد خواهیم بود و در ازای تغییر متغیرهای فوق، مقدار دمای فیزیولوژیک (PET) نیز تغییر خواهد کرد. همچنین در جدول 5 شاهد اضافه شدن سه حالت شاخص دمای فیزیولوژیک (PET) یعنی شرایط "نسبتا گرم"، "گرم" و "داغ" تحت سناریوی تغییر اقلیم در استان اردبیل هستیم. علاوه بر این جابجایی زمانی در حالت "آسایش" نسبت به دوره مرجع در هر سه سناریوی RCPs قابل مشاهده است. بعبارت دیگر، جابجایی زمانی حالت "آسایش" به سمت انتهای فصل تابستان (سپتامبر) و اوایل بهار (آوریل و می) اتفاق خواهد افتاد. علاوه بر این، شرایط "خیلی سرد" در دوره آینده (2020 تا 2050) برای ماههای سرد سال به سمت حالت "نسبتا خنک"، "خنک" و "سرد" تعییر حالت نشان خواهد داد.
جدول 4. حالت دمای معادل فیزیولوژیک (PET) در دوره مرجع و تحت سناریوی تغییر اقلیم، 2020 تا 2050. (منبع: نویسندگان)
ایستگاه | سناریو | ژانویه | فوریه | مارس | آوریل | می | ژوئن | ژولای | آگوست | سپتامبر | اکتبر | نوامبر | دسامبر | |
پارسآباد مغان | مشاهده شده | خ س | خ س | خ س | س | ن خ | آ | آ | آ | ن خ | خ | خ س | خ س | |
RCP2.6 | خ س | خ س | خ | ن خ | ن گ | گ | د | د | ن گ | آ | خ | خ س | ||
RCP4.5 | خ س | خ س | خ | ن خ | ن گ | گ | د | د | ن گ | آ | خ | خ س | ||
RCP8.5 | خ س | خ س | خ | ن خ | ن گ | گ | د | د | ن گ | آ | خ | خ س | ||
اردبیل | مشاهده شده | خ س | خ س | خ س | خ س | س | خ | خ | خ | خ | خ س | خ س | خ س | |
RCP2.6 | خ س | س | خ | آ | آ | آ | آ | خ | س | خ س | خ س | خ س | ||
RCP4.5 | خ س | س | ن خ | آ | آ | آ | آ | ن خ | س | خ س | خ س | خ س | ||
RCP8.5 | خ س | س | ن خ | آ | آ | آ | آ | ن خ | س | خ س | خ س | خ س | ||
مشکین شهر | مشاهده شده | خ س | خ س | خ س | خ س | س | ن خ | ن خ | ن خ | خ | س | خ س | خ س | |
RCP2.6 | خ س | خ س | س | خ | ن خ | ن گ | ن گ | ن گ | آ | خ | س | خ س | ||
RCP4.5 | خ س | خ س | س | خ | ن خ | ن گ | ن گ | ن گ | آ | خ | س | خ س | ||
RCP8.5 | خ س | خ س | س | خ | ن خ | ن گ | ن گ | ن گ | آ | خ | س | خ س | ||
خلخال | مشاهده شده | خ س | خ س | خ س | خ س | س | خ | ن خ | ن خ | خ | خ س | خ س | خ س | |
RCP2.6 | خ س | خ س | خ س | خ | ن خ | آ | آ | ن گ | آ | خ | خ س | خ س | ||
RCP4.5 | خ س | خ س | خ س | خ | ن خ | آ | آ | ن گ | آ | خ | خ س | خ س | ||
RCP8.5 | خ س | خ س | خ س | خ | ن خ | آ | آ | ن گ | آ | خ | خ س | خ س | ||
اهر | مشاهده شده | خ س | خ س | خ س | خ س | س | خ | ن خ | ن خ | خ | س | خ س | خ س | |
RCP2.6 | خ س | خ س | خ س | خ | ن خ | ن گ | ن گ | ن گ | آ | خ | خ س | خ س | ||
RCP4.5 | خ س | خ س | خ س | خ | ن خ | ن گ | ن گ | ن گ | آ | خ | خ س | خ س | ||
RCP8.5 | خ س | خ س | خ س | خ | ن خ | ن گ | ن گ | ن گ | آ | س | خ س | خ س | ||
سراب | مشاهده شده | خ س | خ س | خ س | خ س | س | خ | ن خ | ن خ | خ | خ س | خ س | خ س | |
RCP2.6 | خ س | خ س | خ س | خ | ن خ | آ | ن گ | ن گ | ن خ | خ | خ س | خ س | ||
RCP4.5 | خ س | خ س | خ س | خ | ن خ | آ | ن گ | ن گ | آ | خ | خ س | خ س | ||
RCP8.5 | خ س | خ س | خ س | خ | ن خ | آ | ن گ | ن گ | آ | خ | خ س | خ س | ||
میانه | مشاهده شده | خ س | خ س | خ س | س | خ | آ | آ | آ | ن خ | خ | خ س | خ س | |
RCP2.6 | خ س | خ س | خ | ن خ | ن گ | گ | گ | گ | ن گ | آ | خ | خ س | ||
RCP4.5 | خ س | خ س | خ | ن خ | ن گ | گ | گ | گ | ن گ | آ | خ | خ س | ||
RCP8.5 | خ س | خ س | خ | ن خ | ن گ | گ | گ | گ | ن گ | ن خ | خ | خ س | ||
زنجان | مشاهده شده | خ س | خ س | خ س | خ س | س | خ | ن خ | ن خ | خ | س | خ س | خ س | |
RCP2.6 | خ س | خ | ن خ | آ | ن گ | آ | خ | س | خ س | خ س | خ س | خ س | ||
RCP4.5 | خ س | خ | ن خ | آ | ن گ | آ | ن خ | س | خ س | خ س | خ س | خ س | ||
RCP8.5 | خ س | خ | ن خ | آ | ن گ | آ | ن خ | س | خ س | خ س | خ س | خ س | ||
|
|
|
|
|
|
|
|
|
|
| ||||
درجه آسایش | خیلی داغ | داغ | گرم | نسبتا گرم | آسایش | نسبتا خنک | خنک | سرد | خیلی سرد | |||||
جدول 5. آزمون جفتی t استیودنت مقادیر مشاهده شده PET در دوره مرجع و تحت سناریوی RCP2.6، RCP4.5 و RCP8.5. (منبع: نویسندگان)
ایستگاه | متغیرها | آزمون t
| درجه آزادی (df) | سطح معنیداری دو طرفه | ایستگاه | متغیرها | آزمون t
| درجه آزادی (df) | سطح معنیداری دو طرفه |
پارسآباد مغان | مشاهده شده با RCP2.6 | 006/9- | 11 | 000/0 | اهر | مشاهده شده با RCP2.6 | 760/6- | 11 | 000/0 |
مشاهده شده با RCP4.5 | 304/9- | 11 | 000/0 | مشاهده شده با RCP4.5 | 862/6- | 11 | 000/0 | ||
مشاهده شده با RCP8.5 | 251/9- | 11 | 000/0 | مشاهده شده با RCP8.5 | 219/5- | 11 | 000/0 | ||
اردبیل | مشاهده شده با RCP2.6 | 707/2- | 11 | 02/0 | سراب | مشاهده شده با RCP2.6 | 509/11- | 11 | 000/0 |
مشاهده شده با RCP4.5 | 785/2- | 11 | 018/0 | مشاهده شده با RCP4.5 | 672/10- | 11 | 000/0 | ||
مشاهده شده با RCP8.5 | 771/2- | 11 | 018/0 | مشاهده شده با RCP8.5 | 609/10- | 11 | 000/0 | ||
مشکین شهر | مشاهده شده با RCP2.6 | 764/13- | 11 | 000/0 | میانه | مشاهده شده با RCP2.6 | 106/12- | 11 | 000/0 |
مشاهده شده با RCP4.5 | 055/15- | 11 | 000/0 | مشاهده شده با RCP4.5 | 851/12- | 11 | 000/0 | ||
مشاهده شده با RCP8.5 | 865/15- | 11 | 000/0 | مشاهده شده با RCP8.5 | 642/12- | 11 | 000/0 | ||
خلخال | مشاهده شده با RCP2.6 | 630/11- | 11 | 000/0 | زنجان | مشاهده شده با RCP2.6 | 351/1- | 11 | 204/0 |
مشاهده شده با RCP4.5 | 197/11- | 11 | 000/0 | مشاهده شده با RCP4.5 | 187/1- | 11 | 26/0 | ||
مشاهده شده با RCP8.5 | 434/11- | 11 | 000/0 | مشاهده شده با RCP8.5 | 141/1- | 11 | 278/0 |
در شاخص دمای معادل فیزیولوژیک (PET)، نه تنها از بعد زمانی، بلکه از بعد مکانی هم جابجایی در پهنه و نوع حالت شاخص مورد نظر اتفاق خواهد افتاد. در اشکال 4 تا 7 نقشه پهنهبندی شاخص PET براساس حالتهای مفروض در این روش نشان داده شده است. با توجه به آیندهنگری انجام شده توسط سناریوی RCP2.6، RCP4.5 و RCP8.5 و مقایسه آن با مقدار دمای معادل فیزیولوژیک (PET) در دوره مرجع، تغییرات مکانی معنیداری در وسعت و پهنه حالتهای مختلف این شاخص رخ خواهد داد. علاوه بر افزایش دمای معادل فیزیولوژیک در دوره 2020 تا 2050، چهار حالت از شاخص PET یعنی شرایط "نسبتا گرم"، "گرم"، "داغ" و "خیلی داغ" که در دوره مرجع در این ناحیه از کشور قابل مشاهده نبود، ظاهر خواهد شد. این مهم بویژه در ماههای فصول گرم بیشتر نمود پیدا خواهد کرد. با برقراری شرایط جدید اقلیمی در آینده، دوره آسایش در این ناحیه نیز جابجایی مکانی شدیدی را نشان میدهد. با توجه به اشکال 4 تا 7، مقدار دمای فیزیولوژیک (PET) استان اردبیل در دوره مرجع و دوره آینده بصورت زیر قابل تشریح است.
ژانویه: در ماه ژانویه شرایط "خیلی سرد" در دوره مرجع و همچنین در دوره آینده (2020 تا 2050) تحت سناریوهای RCP2.6، RCP4.5 و RCP8.5 بر این ناحیه نیز تسلط دارد.
فوریه: در ماه فوریه کل ناحیه مورد مطالعه در دوره مرجع از شرایط "خیلی سرد" برخوردار بوده است. اما تحت سه سناریوی مورد بررسی در دوره آینده (2020 تا 2050)، بخش اعظمی از ناحیه مرکزی تا شمال و شمال شرق این استان تحت تسلط شرایط "سرد" و "خنک" قرار خواهد گرفت و سایر نواحی استان از همان شرایط دوره مرجع یا "خیلی سرد" برخوردار خواهد بود.
مارس: در ماه مارس شرایط در دوره مرجع از نوع "خیلی سرد" است. اما تحت سه سناریوی RCPs برای دوره 2020 تا 2050، شاهد تغییر حالت شدید نسبت به دوره مرجع در این ناحیه خواهیم بود. بطوریکه علاوه بر شرایط "خیلی سرد"، سه حالت "سرد"، "خنک" و "نسبتا خنک" در این ناحیه پدیدار خواهد شد که قسمت اعظم مساحت این استان را در بر میگیرد. بعبارت دیگر شرایط اقلیمی نسبت به دوره مرجع رو به گرمی گذاشته و از سرمای خیلی شدید ماه فوریه نسبت به دوره مرجع کاسته خواهد شد.
آوریل: دو حالت "خیلی سرد" و "سرد" در ماه آوریل در دوره مرجع در استان اردبیل مشاهده شد. اما در آینده بر تعداد حالتهای شاخص PET در این ماه افزوده میشود. بعبارتی علاوه بر دو حالت گفته شده که مساحت کمی از پهنه این استان در جنوب و غرب آن را شامل میشوند، بقیه مساحت استان تحت تسلط شرایط "خنک"، "نسبتا خنک" و "آسایش" قرار خواهد گرفت.
می: دمای معادل فیزیولوژیک (PET) دوره مرجع در ماه می بیانگر برقراری شرایط "خیلی سرد"، "سرد"، خنک" و "نسبتا خنک" در این ناحیه است. اما در آیندهنگری صورت گرفته برای دوره 2020 تا 2050 از طریق سناریوهای RCPs، باید گفت شرایط "خیلی سرد" که محدوده به ناحیه کوچکی در شرق استان اردبیل است، حذف خواهد شد و بجای آن شرایط "نسبتا گرم" در بخش شمالی و شمال شرقی این ناحیه حکمفرما خواهد شد.
شکل 4. دمای معادل فیزیولوژیک (PET) ماههای زمستان در دوره مرجع و سناریوهای RCP2.6، RCP4.5 و RCP8.5. (منبع: نویسندگان)
ژوئن: در ماه ژوئن شرایط "آسایش" در بخش شمال غربی استان اردبیل در دوره مرجع مشاهده گردید. اما این ناحیه تحت سه سناریوی تغییر اقلیم به شرایط "گرم" در دوره 2020 تا 2050، تغییر حالت نشان خواهد داد. علاوه بر این، شرایط "آسایش" تحت سناریوی تغییر اقلیم از لحاظ عرض جغرافیایی به سمت نواحی مرکزی و جنوبی استان کشیده خواهد شد. بعبارت دیگر شرایط آسایش در آینده در راستای عرض جغرافیایی و همچنین ارتفاع تغییر میکند. همچنین دو حالت "نسبتا گرم" و "گرم" شاخص PET در آیندهنگری انجام شده توسط سناریوها نسبت به دوره مرجع در این ناحیه پدیدار خواهد گشت. از طرف دیگر اثری از شرایط "سرد" و "خنک" دوره مرجع در آینده وجود ندارد، بلکه شرایط جدید یعنی حالت "نسبتا گرم" و "گرم" بر این ناحیه مسلط میگردد.
شکل 5. دمای معادل فیزیولوژیک (PET) ماههای بهار در دوره مرجع و سناریوهای RCP2.6، RCP4.5 و RCP8.5
ژولای: شرایط شاخص PET در دوره مرجع شامل سه حالت "خنک"، "نسبتا خنک" و "آسایش" است که در ماه ژولای شرایط "آسایش" در ناحیه شمالی آن مشاهده میشود. اما در دوره 2020 تا 2050، شرایط این استان تغییر خواهد کرد بطوریکه سه حالت "نسبتا گرم"، "گرم" و "داغ" در این ناحیه ظاهر خواهد شد. شرایط آسایش تحت هر سه سناریوی مورد بررسی از شمال استان به سمت مرکز و شرق آن جابهجا میگردد.
شکل 6. دمای معادل فیزیولوژیک (PET) ماههای تابستان در دوره مرجع و سناریوهای RCP2.6، RCP4.5 و RCP8.5
آگوست: شرایط شاخص PET در ماه آگوست نسبت به دوره مرجع تغییرات فاحشی را نشان میدهد بطوریکه تعداد حالتهای این شاخص از سه حالت "خنک"، "نسبتا خنک" و "آسایش" به هفت حالت "خنک"، "نسبتا خنک"، "آسایش"، "نسبتا گرم"، "گرم"، "داغ" و "خیلی داغ" تغییر خواهد کرد. در این ماه تغییرات شدید حالتهای شاخص PET که نشاندهنده افزایش دمای شدید تحت سه سناریوی مورد بررسی است اتفاق خواهد افتاد. علاوه بر این، حالت "آسایش" در آینده نسبت به دوره مرجع از ناحیه شمالی و شمال غربی به ناحیه مرکزی استان که از ارتفاع بیشتری برخوردار است تغییر مکان خواهد داد. در نتیجه جابجایی مکانی در شرایط آسایش در راستای عرض جغرافیایی و ارتفاع در آینده صورت خواهد پذیرفت.
شکل 7. دمای معادل فیزیولوژیک (PET) ماه دسامبر در دوره مرجع و سناریوهای RCP2.6، RCP4.5 و RCP8.5
سپتامبر: در ماه سپتامبر هم مانند ماه آگوست، سه حالت شاخص PET یعنی حالت "سرد"، "خنک" و "نسبتا خنک" در دوره مرجع به هشت حالت "خیلی سرد"، "سرد"، "خنک"، "نسبتا خنک"، "آسایش"، "نسبتا گرم"، "گرم" و "داغ" تحت سه سناریوی مورد بررسی در دوره 2020 تا 2050 تغییر خواهد یافت. بعبارت دیگر شاهد تغییر شدید شرایط اقلیمی این ناحیه از کشور هستیم که شرایط موجود را با محدودیت مواجه ساخته و شرایط جدید را بر این ناحیه مستولی خواهد کرد. شرایط آسایش نیز در آینده پیشبینی شده توسط سناریوها، محدود به باریکهای است که از شمال شرقی استان تا غرب آن بصورت نواری در راستای شمال شرقی-جنوب غربی امتداد مییابد.
اکتبر: در ماه اکتبر، سه حالت از شاخص PET یعنی حالت"خیلی سرد"، "سرد" و "خنک" بر استان اردبیل حاکم است و کل پهنه استان توسط این سه حالت در دوره مرجع پوشش داده شده است. اما در دوره 2020 تا 2050، بر تعداد حالتهای PET افزوده خواهد شد. بعبارت دیگر، علاوه بر سه حالت دوره مرجع، سه حالت دیگر یعنی حالت "نسبتا خنک"، "آسایش" و "نسبتا گرم" در این ناحیه تحت سه سناریوی RCP2.6، RCP4.5 و RCP8.5 پدیدار خواهد شد. در این ماه، شرایط آسایش در دوره آینده برقرار خواهد شد بطوریکه بصورت دو پهنه کاملا مشخص در شمال غربی و جنوب استان قابل مشاهده است. در این ماه هم جابجایی مکانی شدید در حالتهای PET در راستای عرض جغرافیایی و ارتفاع اتفاق خواهد افتاد.
نوامبر: شرایط اقلیمی استان اردبیل در دوره مرجع به روش دمای معادل فیزیولوژیک (PET) نیز از نوع "خیلی سرد" بوده، و کل پهنه استان در ماه نوامبر تحت سیطره این شرایط قرار دارد. اما تحت سه سناریوی RCPs کاملا مشخص است که حالت "خیلی سرد" دوره مرجع به 4 حالت تحت RCP2.6 و 5 حالت تحت RCP4.5 و RCP8.5 تغییر پیدا خواهد کرد. بعبارت دیگر در دوره 2020 تا 2050، در قسمتهای شمال، شمال غرب، غرب و جنوبی استان اردبیل شرایط "سرد"، "خنک"، "نسبتا خنک" و "آسایش" برقرار خواهد شد و شرایط "خیلی سرد" مناطق مرکزی، شرقی و شمال شرقی استان را در بر خواهد گرفت.
دسامبر: در ماه دسامبر، کل پهنه استان اردبیل در دوره مرجع تحت سیطره شرایط "خیلی سرد" شاخص PET قرار دارد. اما تحت سناریوی RCPs، شرایط از حالت "خیلی سرد" به دو حالت "خیلی سرد" و "سرد" تغییر خواهد یافت. بطوریکه حالت "سرد" ناحیه شمال غربی استان را در هر سه سناریو در بر میگیرد.
بطور کلی باید گفت که تغییر شرایط در دمای معادل فیزیولوژیک (PET) در استان اردبیل در دوره آینده (2020 تا 2050) نسبت به دوره مرجع در ازای سه سناریوی مورد بررسی بسیار شدید خواهد بود. این مهم نه تنها از بعد زمانی قابل توجه است بلکه از لحاظ مکانی، تغییرات چشمگیری در حالتهای مختلف این شاخص اتفاق خواهد افتاد. علاوه بر این، اضافه شدن حالتهای جدید نسبت به دوره مرجع یعنی شرایط "نسبتا گرم"، "گرم"، "داغ" و "خیلی داغ" تحت هر سه سناریوی مورد بررسی برای آینده نه چندان دور قابل پیشبینی است.
بحث و نتیجهگیری
بررسی شرایط اقلیم گردشگری در دورههای آینده یکی از ضروریات صنعت گردشگری بوده و میتواند کمک بسزایی به برنامهریزان و سیاستگذاران این حوزه بنماید. در این پژوهش، شاخص دمای فیزیولوژیک (PET) استان اردبیل در طی دوره آینده (2020 تا 2050) مورد بررسی و ارزیابی قرار گرفت. نتایج بدست آمد از مدلسازی انجام شده تحت سه سناریوی RCPs یعنی RCP2.6، RCP4.5 و RCP8.5 نشان داد که تغییرات در متوسط دما، رطوبت نسبی، ابرناکی، فشار بخار آب و سرعت باد اتفاق خواهد افتاد. در نتیجه مقدار PET ایستگاهها و سپس پهنه مورد بررسی (استان اردبیل) نسبت به دوره مرجع (مشاهده شده) دچار تغییر خواهد شد. این تغییرات از بعد مکانی و زمانی به اثبات رسید و مشخص شد که جابجایی مکانی و زمانی در شرایط "آسایش" شاخص PET در آینده رخ خواهد داد. با توجه به آیندهنگری انجام شده مشخص شد که شرایط شاخص PET در دوره مرجع که 5 حالت "خیلی سرد"، "سرد"، "خنک"، "نسبتا خنک" و "آسایش" را در بر میگرفت، به حالتهای "خیلی سرد"، "سرد"، "خنک"، " نسبتا خنک"، "آسایش"، "نسبتا گرم"، "گرم"، "داغ" و خیلی داغ" تغییر خواهد کرد. تغییر حالتهای PET به سمت دماهای بالا خواهد بود و در ازای آن شاخص فوق بسمت حالتهای گرمتر حرکت میکند. همچنین جابجایی مکانی در شاخص PET در راستای طولی، عرضی و ارتفاع در دوره آینده (2020 تا 2050) رخ خواهد داد. در نهایت باید گفت نتایج بدست آمده از این پژوهش میتواند برای تصمیمسازان در سطوح مختلف از جمله بخش سلامت، گردشگری و برنامهریزی منطقهای بسیار مفید و مثمر ثمر باشد. همچنین آگاهی از شرایط آینده اقلیم گردشگری تحت سناریوهای تغییر اقلیم از جمله ضروریات مطالعاتی بود که در این پژوهش به آن پرداخته شد. با در نظر گرفتن واقعیت در حال تحول اقلیمی، مسئولین باید استراتژیهای توسعه گردشگری را متناسب با تغییرات مکانی و زمانی آب و هوا اتخاذ کنند تا از این طریق مدیریت بهتر این حوزه فعالیت و افزایش دوام آن محقق گردد.
منابع
1. مرادجانی، شیرین. (1401). بررسی اثر تغییر اقلیم بر گردشگری آینده استان لرستان با استفاده از شاخص TCI و سناریوهای واداشت تابشی. فصلنامه اکولوژی انسانی، 1 (1)، 29 تا 41.
شجاع، فائزه؛ و حمیدیان‌پور، محسن. (1402). پیش‌نمایی پیامدهای تغییر اقلیم در توسعه گردشگری سواحل جنوب (جزیره کیش). گردشگری و توسعه، 12 (4)، 237 تا 255.
2. مرادجانی، شیرین. (1401). بررسی اثر تغییر اقلیم بر گردشگری آینده استان لرستان با استفاده از شاخص TCI و سناریوهای واداشت تابشی. فصلنامه اکولوژی انسانی، 1 (1)، 29 تا 41.
3. رحیمی، داریوش؛ بشیریان، فاطمه؛ محمدی، رستگار؛ و رحیمی، مهدی. (1402). ارزیابی اثر تغییر اقلیم بر گردشگری استان خوزستان. مهندسی اکوسیستم بیابان، 12 (40)، 73 تا 86.
4. Conti, J. B. (2005). Considerações sobre as Mudanças Climáticas Globais. Revista do Departamento de Geografia. São Paulo, USP, 16 (1), 70-75.
5. De la Vara, A., Cabos, W., Gutierrez, C., Olcina, J., Matamoros, A., Pastor, F., Khodayar, S., & Ferrando, M. (2022). Climate change impacts on the tourism sector of the Spanish Mediterranean coast: Medium-term projections for a climate services tool. Climate Services, 34 (100466), https://doi.org/10.1016/j.cliser.2024.100466.
6. Friedrich. J., Stahl. J., Hoogendoorn. G., & Fitchett. J. M., (2020). Exploring Climate Change Threats to Beach Tourism Destinations: Application of the Hazard–Activity Pairs Methodology to South Africa. Weather, Climate, and Society, 12 (3), 529–544, DOI: https://doi.org/10.1175/WCAS-D-19-0133.1.
7. Grillakis. M. G., Koutroulis. A. G., Seiradakis. K. D., & Tsanis. I. K., (2016). Implications of 2 °C global warming in European summer tourism. Climate Services, 1, 30-38, https://doi.org/10.1016/j.cliser.2016.01.002.
8. Grimm. I. J., Alcântara. L. C. S., & Sampaio. C. A. C., (2018). Tourism under climate change scenarios: impacts, possibilities, and challenges. Brazilian Journal of Tourism Research, 12(3), 1-22, DOI: http://dx.doi.org/10.7784/rbtur.v12i3.1354.
9. Hamilton, J. M., Maddison, D. J., & Tol, R. S. J. (2005). Effects of climate change on international tourism. Climate Research, 29, 245–254.
10. IPCC. (2014). Climate Change. Synthesis Report Summary for Policymakers. Disponível em: https://www.ipcc.ch/pdf/assessment-report/ar5/syr/AR5_SYR_FINAL_SPM.pdf. Acessoem junho de 2016.
11. Jacob. D., Kotova. L., Teichmann. C., Sobolowski. S. P., Vautard. R., Donnelly. C., Koutroulis. A. G., Grillakis. M. G., Tsanis. I. K., Damm. A., Sakalli. A., and van Vliet. M. T. H., (2018). Climate Impacts in Europe under +1.5°C Global Warming. Earth‘s Future, 6 (2), 264-285, https://doi.org/10.1002/2017EF000710.
12. Katavoutas G., Founda D., Kitsara G., & Giannakopoulos Ch. (2021). Climate Change and Thermal Comfort in Top Tourist Destinations—the Case of Santorini (Greece). Sustainability, 13, 1-19, https://doi.org/10.3390/su13169107.
13. Lin, T. P., & Matzarakis, A. (2008). Tourism climate and thermal comfort in Sun Moon Lake, Taiwan. Int J Biometeorol, 52, 281-290.
14. Liu. W. Y., Huang. Y.H., & Hsieh. C. M., (2020). The Impacts of Different Climate Change Scenarios on Visits toward the National Forest Park in Taiwan. Forests, 11 (11), 1-25, https://doi.org/10.3390/f11111203.
15. Marengo, J. A. (2007). Mudanças climáticas e eventos extremos no Brasil. Fundação Brasileira para o Desenvolvimento sustentável – FBDS, 76p.
16. Matzarakis, A., Mayer, H., & Iziomon, M. G. (1999), Applications of a universal thermal index: physiological equivalent temperature. Int J Biometeorol, 43, 76–84.
17. Matzarakis, A., Rutz, F., & Mayer, H. (2007). Modelling Radiation fluxes in simple and complex environments – application of the RayMan model. International Journal of Biometeorology, 51, 323–334.
18. Mendonça, F. (2007). Aquecimento global e suas manifestações regionais e locais. Revista Brasi-leira de Climatologia, 2, p. 71 - 86.
19. Nastos, P. T., & Matzarakis, A. (2019). Present and Future Climate—Tourism Conditions in Milos Island, Greece. Atmosphere, 10, 145. doi:10.3390/atmos10030145.
20. Olefs. M., Formayer. H., Gobiet. A., Marke. T., Schoner. W., & Revesz. M., (2021). Past and future changes of the Austrian climate – Importance for tourism. Journal of Outdoor Recreation and Tourism, 34, 1-13, https://doi.org/10.1016/j.jort.2021.100395.
21. Rice. H., Cohen. S., Scott. D., & Steiger. R., (2021). Climate change risk in the Swedish ski industry. Current Issues in Tourism, Published online, https://doi.org/10.1080/13683500.2021.1995338.
22. Schwalm, C. R., Glendon, S., & Duffy, P. B. (2020). RCP8.5 tracks cumulative CO2 emissions. PNAS, 117 (33), 19656-19657, https://doi.org/10.1073/pnas.2007117117.
23. Scott. D., Gössling. S. C., Hall. M., (2012). International Tourism and Climate Change. WIREs climate change, 3 (3), 213-295, https://doi.org/10.1002/wcc.165.
24. Spandre, P., François, H., Verfaillie, D., Pons, M., Vernay, M., Lafaysse, M., George, E., and Morin, S. (2019). Winter tourism under climate change in the Pyrenees and the French Alps: relevance of snowmaking as a technical adaptation. The Cryosphere, 13, 1325–1347. https://doi.org/10.5194/tc-13-1325-2019.
25. Tsilogianni, D., Cartalis, C., & Philippopoulos, K. (2023). Climate Change Impact Assessment on Ski Tourism in Greece: Case Study of the Parnassos Ski Resort. Climate, 11(7),140. https://doi.org/10.3390/cli11070140
26. Valizadeh, M., & Khoorani, A. (2022). The impact of climate change on the outdoor tourism with a focus on the outdoor tourism climate index (OTCI) in Hormozgan province, Iran. Theoretical and Applied Climatology, 150,1605–1612. https://doi.org/10.1007/s00704-022-04248-5.
27. Vorster. S., Ungerer. M., & Volschenk. J., (2013). 2050 Scenarios for Long-Haul Tourism in the Evolving Global Climate Change Regime. Sustainability, 5, 1-51; doi:10.3390/su5010001.
29. Yu, H-W., Lin, C-C., Liu, W-Y. (2023). Predicting forest recreation benefits changes under different climate change scenarios. Trees, Forests and People, 12, 100390, https://doi.org/10.1016/j.tfp.2023.100390.
[1] . Conti
[2] . Marengo,
[3] . Mendonça
[4] . Hamilton
[5] . Scott
[6] . Vorster
[7] . Grillakis
[8] . Grimm
[9] . Jacob
[10] . Spandre
[11] . Nastos & Matzarakis
[12] . Milos
[13] . Friedrich
[14] . Liu
[15] . Intergovernmental Panel on Climate Change (IPCC)
[16] . Huisun Forest Park
[17] . Olefs
[18] . Rice
[19] . Katavoutas
[20] . Santorini
[21] . de la Vara
[22] . Yu
[23] . Tsilogianni
[24] . Parnassos
[25] . Lin
[26] .Schwalm
