تغییرات مکانی و زمانی اقلیم گردشگری استان اردبیل با استفاده از دمای معادل فیزیولوژیک (PET) و پیش‌بینی آن با استفاده از معادلۀ رگرسیون چندمتغیره

جغرافیاوتوسعه ناحیه ای

مقاله 9، دوره 22، شماره 1 - شماره پیاپی 46، فروردین 1403، صفحه 253-284   

نوع مقاله: پژوهشی- مطالعه موردی

شناسه دیجیتال (DOI): 10.22067/jgrd.2024.86844.1396

نویسندگان

توحید احمدزاده¹؛ پرویز رضائی^{* 2}؛ یوسف زین العابدین عموقین³

¹دانشجوی دکتری آب و هواشناسی، گروه جغرافیا، واحد رشت،دانشگاه آزاد اسلامی، رشت، ایران

²دانشیار اقلیم شناسی، گروه جغرافیا، واحدرشت، دانشگاه آزاد اسلامی،رشت، ایران

³دانشیار جغرافیای سیاسی، گروه جغرافیا، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

چکیده

آب و هوا یکی از عوامل محیطی است که نقش مهمی در فعالیت‌های انسانی ازجمله گردشگری ایفا می‌کند؛ از این‌رو، در این پژوهش شرایط اقلیمی انسانی - زیست هواشناختی استان اردبیل با استفاده از دمای معادل فیزیولوژیک (PET) براساس بیلان انرژی بدن - جو و رگرسیون چندمتغیره بررسی شده است. 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. در این راستا مهم­ترین عامل کنترل کننده شرایط اقلیم آسایش از بین طول، عرض و ارتفاع نیز ارتفاع تعیین شد بطوریکه بین ارتفاع و مقدار شاخص PET رابطه معکوس قوی در 12 ماه سال بر قرار بوده و در سطح معنی­داری  و  به اثبات رسید. رابطه رگرسیونی چند متغیره بین طول، عرض و ارتفاع با مقدار PET بیانگر آن است که مقدار Adj.R² دمای معادل فیزیولوژیک (PET) از ماه ژانویه تا دسامبر برای دوره مرجع برابر با 713/0، 820/0، 783/0، 807/0، 807/0، 559/0، 841/0، 693/0، 745/0، 731/0، 824/0 و 662/0 بوده و بیشتر تغییرات متغیر وابسته در مدل رگرسیونی دیده شده است. در این مدل متغیر ارتفاع با متغیر دمای معادل فیزیولوژیک (PET) رابطه معکوس داشته و با افزایش ارتفاع از مقدار آن کاسته می­شود. این مهم در مورد دو متغیر طول و عرض جغرافیایی هم صدق می­کند اما تاثیر طول جغرافیایی کمتر از عرض جغرافیایی بوده و تاثیر هر دو آنها از متغیر ارتفاع نیز کمتر می­باشد.
 
 

کلیدواژه‌ها

بیوکلیماتیک انسانی؛ دمای معادل فیزیولوژیک (PET)؛ آسایش؛ رگرسیون چندگانه؛ استان اردبیل

مراجع

1. تولایی، س. (1393). مروری بر صنعت گردشگری (چاپ اول). تهران: انتشاارت دانشگاه خوارزمی.
2. حیدری، ش. (1388). دمای آسایش حرارتی مردم شهر تهران. هنرهای زیبا، 38، 5-14.
3. خداشناس، س. ر.، قهرمان، ب.، داوری، ک.، و ناظریان، ح. (1387). ارائه مدل‌های رگرسیونی چند متغیره برآورد رسوب در حوضه­های شمال استان خراسان. مجله آب و خاک، 22(2)، 67-76.
4. خوشدل، ن.، رضایی، پ.، متولی، ص.، و جانباز قبادی، غ. ر. (1399). تبیین اقلیم گردشگری شرق استان گیلان و طبقه­بندی مکانی آن به روش آماری چند متغیره. فصلنامه علمی مطالعات برنامه­ریزی سکونتگاه­های انسانی، 15(4)، 1119-1136.
5. داوودی، م.، نظرپور، ع.، و مشیری­نژاد، ف. (1399). آسایش سنجی اقلیم-گردشگری با استفاده از شاخص­های (TCI، SET، PET، PMV) (مطالعه موردی: استان گیلان). اندیشه جغرافیایی، 12(21)، 26-46.
6. رضایی، ا.، رحیمی، م.، و محمودیان عطاآبادی، ح. (1401). تعیین زمان مناسب گردشگری در بندر چابهار بر اساس شرایط آب و هوایی. مجله گردشگری فرهنگ، 3(1)، 5-16.
7. میرهاشمی، ح.، شرفی، س.، و آرین­تبار، ح. (1400). تعیین تقویم اقلیم گردشگری و آزمون روند تغییرات بر پایه مدل­های RayManو ITA  (مطالعه موردی: شهرستان پلدختر). فصلنامه مطالعات جغرافیایی مناطق کوهستانی، 2(6)، 67-82.
8. نوری، ر.،اشرفی، خ.، و اژدرپور، ا. (1387). مقایسه کاربرد روش‌های شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره براساس تحلیل ‌مؤلفه‌های اصلی برای پیش‌بینی غلظت میانگین روزانه کربن‌مونوکسید: بررسی موردی شهر تهران. فیزیک زمین و فضا، 34(1)، 135-152.

 

9. Abreu-Harbich, L. V., Labaki, L. C., & Matzarakis, A. (2014). Thermal bioclimate as a factor in urban and architectural planning in tropical climates-The case of Campinas, Brazil. Urban Ecosystems, 17(2), 489-500.
10. Agnew, M. D., & Palutikof, J. P. (2001). Climate impacts on the demand for tourism. Paper presented at the International Society of Biometeorology Proceedings of the First International Workshop on Climate, Tourism and Recreation. Retrieved from http://www.mif.unifreiburg.de/isb/ws/report.htm
11. Ateş, O., Kiper, T., & Uzun, O. (2023). The relationship between tourism planning and bioclimatic comfort in rural areas: The case of Kofçaz/Kirklareli/Türkiye. Turkish Journal of Agriculture - Food Science and Technology, 11(4), 883-896.
12. Balan, B., Mohaghegh, S., & Ameri, S. (1995). State-Of-The-Art in permeability determination from well log data: Part 1- A comparative study, model development. Paper presented at the SPE Eastern Regional Meeting, Morgantown, West Virginia.
13. de Freitas, C. R. (2003). Tourism climatology: Evaluating environmental information for decision making and business planning in the recreation and tourism sector. International Journal of Biometeorology, 48, 45-54.
14. Esmaeili, A., Zeidi, Z., & Bakhti, S. (2015). Determining an appropriate tourism schedule in Gorgan using physiologic equivalent temperature (PET). Paper presented at the International conference on sustainable development, strategies and challenges with a focus on Agriculture, Natural Resources, Environment and Tourism, Tabriz, Iran.
15. Farajzadeh, H., & Matzarakis, A. (2009). Quantification of climate for tourism in the northwest of Iran. Meteorological Applications, 16, 545–555.
16. Farajzadeh, H., & Matzarakis, A. (2012). Evaluation of thermal comfort conditions in Ourmieh Lake, Iran. Theoretical and Applied Climatology, 107, 451–459.
17. Freitas, C. R. D., Scott, D., & McBoyle, G. (2008). A second generation climate index for tourism (CIT): Specification and verification. International Journal of Biometeorology, 52, 399–407.
18. Hamad, T. A., & Oguz, H. (2020). Determining thermal comfort zones for outdoor recreation planning: A case study of Erbil–Iraq. Turkish Journal of Forest Science, 4(1), 133-145.
19. Hanafi, A., & Atashgahi, H. (2017). Determination of thermal bioclimatic conditions for tourists in West and North West of Iran using PET. International Journal of Environment, Agriculture and Biotechnology (IJEAB), 2(1), 61-71.
20. Höppe, P. (2002). Different aspects of assessing indoor and outdoor thermal comfort. Energy and Buildings, 34, 661-665.
21. Hoppe, P. (1984). Die Energiebilanz des Menschen. Wiss Mittl Meteorol Inst Uni München 49.
22. Hoppe, P. (1999). The physiological equivalent temperature-a universal index for the biometeorological assessment of the thermal environment. International Journal of Biometeorology, 43, 71–75.
23. Kakvan, R., Alijani B., & Saliqeh, M. (2020). Evaluation of tourism climate conditions at three stations of Noshahr, Ramsar and Rasht using the physiological equivalent temperature and average predicted polling index. REGET, Santa Maria, 24(13), 1-36.
24. Lin, T. P., & Matzarakis, A. (2008). Tourism climate and thermal comfort in Sun Moon Lake, Taiwan. International Journal of Biometeorology, 52, 281-290.
25. Maddison, D. (2001). In search of warmer climates? The impact of climate change on flows of British tourists. Climatic Change, 49(1/2), 193–208.
26. Malinović‑Milićević, S., Petrović, M. D., & Radovanović, M. M. (2023). Evaluation of outdoor thermal comfort conditions: Evidence from the Serbian major ski resort over the last 30 years. International Journal of Biometeorology, 67, 807–819.
27. Matzarakis, A., Mayer, H., & Iziomon, M. G. (1999). Applications of a universal thermal index: Physiological equivalent temperature. International Journal of Biometeorology, 43, 76–84.
28. 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.
29. Spagnolo, J., & de Dear, R. (2000). Field study to calibrate an outdoor thermal comfort index. In R. de Dear, J. Kalma, T. Oke, & A. Auliciems (Eds.), Biometeorology and urban climatology at the turn of the millennium (pp. 315-320). Geneva: World Meteorological Organization.
30. Santos Nouri, A., Charalampopoulos I., & Matzarakis A. (2022). The application of the physiologically equivalent temperature to determine impacts of locally defined extreme heat events within vulnerable dwellings during the 2020 summer in Ankara. Sustainable Cities and Society, 81(2022), 103833.
31. Suhada, S. T., Sudiar, N. Y., Rifai, H., & Dwiridal, L. (2023). Thermal comfort index analysis of Padang city coastal tourism area using the Physiological Equivalent Temperature (PET) Method. Journal of Climate Change Society (JCCS), 1(1), 29-40.
32. Wilis, R., Nugroho, S., Barlian, E., & Syah, N. (2020). Characteristics of Outdoor Thermal Comfort Index (OCTI) at Mandeh tourism site. International Journal of Geomate, 19(73), 250-256.