ارزیابی قابلیت های اقلیم توریسم استان گیلان با بهره مندی از مدل های بهینه اقلیمی
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 769
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TGES01_102
تاریخ نمایه سازی: 24 اردیبهشت 1393
Abstract:
تحقیق حاضر برای ارزیابی شرایط بیوکلیمایی استان گیلان، جهت توسعه صنعت گردشگری صورت گرفته است. برای انجام این تحقیق از داده های اقلیمی 4 ایستگاه هواشناسی سینوپتیک فعال در استان گیلان (رشت، بندرانزلی، آستارا، منجیل) در یک دوره آماری 15 ساله 1995 تا 2010 استفاده شده است و برای ارزیابی شرایط بیوکلیمای حاکم بر منطقه از شاخص های بیکر، عدم آسایش ترموهیگرومتریک، شاخص اقلیم توریست میسکوویسکی (TCI) و روش همبستگی و رگرسیونی استفاده شده است. برای انجام عملیات آماری و آنالیز داده ها از نرم افزارهای Excell و SPSS و برای ترسیم نقشه های اقلیم گردشگری از نرم افزار GIS استفاده شده است. استان گیلان دارای تنوع اقلیمی بوده و نوع اقلیم بخشهای شمالی استان با بخشهای جنوبی آن تا حدودی متفاوت است. از این رو در فصل سرد سال که بخشهای شمالی مساعد گردشگری نیستند می توان از بخشهای جنوبی آن جهت گذران اوقات فراغت بهره برد. با توجه به نتایج روشها، بهترین فصل از لحاظ آسایش انسانی در استان گیلان فصل بهار، اواخر تابستان و اوایل پاییز و بهترین ماهها مه، ژوئن، سپتامبر و اکتبر ارزیابی گردید، همچنین با بررسی ضریب همبستگی تعداد گردشگران با پارامتر دما، رطوبت نسبی و بارندگی چنین ارزیابی شد که بین تعداد گردشگران و دما رابطه مستقیم و همبستگی از نوع مثبت و بین پارامترهای رطوبت نسبی و بارندگی با تعداد گردشگران رابطه معکوس و همبستگی از نوع منفی است.
Keywords:
Authors
لیلا پارسا
دانشجوی کارشناسی ارشد جغرافیای طبیعی (اقلیم در برنامه ریزی محیطی) دانشگاه پیام نور اصفهان
عباسعلی آروین
استادیار گروه جغرافیای دانشگاه پیام نور اصفهان
مجید سنایی
دانشجوی دکتری رشته جغرافیا و برنامه ریزی شهری دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، مدرس دانشگاه
سیدحمید حسین زاده
دانشجوی دکتری رشته جغرافیا و برنامه ریزی شهری دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :