پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,228 |
| تعداد مقالات | 67,753 |
| تعداد مشاهده مقاله | 115,088,675 |
| تعداد دریافت فایل اصل مقاله | 89,830,027 |
بررسی ارتباط میان جاذبه‌های گردشگری و کاربری اراضی با استفاده از مدل رگرسیون وزن‌دار جغرافیایی (مطالعۀ موردی شهر اصفهان) | ||
| نشریه گردشگری شهری | ||
| مقاله 2، دوره 2، شماره 1، فروردین 1394، صفحه 1-16 اصل مقاله (1.8 M) | ||
| نوع مقاله: علمی - پژوهشی مستقل | ||
| شناسه دیجیتال (DOI): 10.22059/jut.2015.54062 | ||
| نویسندگان | ||
| تقی کریمیان* 1؛ حسنعلی فرجی سبکبار2؛ احمد پوراحمد3 | ||
| 1دانشجوی دکتری جغرافیا و برنامه‌ریزی گردشگری دانشگاه تهران | ||
| 2دانشیار | ||
| 3استاد دانشکدۀ جغرافیای دانشگاه تهران | ||
| چکیده | ||
| بررسی وضعیت کاربری زمین در مقاصد گردشگری اهمیت زیادی دارد، زیرا گردشگری یک فعالیت منبع پایه محسوب می‌شود. شناخت عوامل تأثیرگذار بر گردشگری، از جمله خدمات و تأسیسات، کمک شایانی در برنامه‌ریزی گردشگری می‌کند. شهرهای بزرگ و توریستی اغلب با مشکلات عدیده‌ای روبه‌رو هستند. قرارگیری مراکز توریستی در بافت تاریخی و سنتی شهر مشکل را دوچندان کرده است. بنابراین، جهت کاهش و پیشگیری تأثیرات منفی گردشگری لازم است برای تعیین الگوی فضایی توریستی شهر و ساماندهی فضاهای توریستی اقدام و برای تأمین امکانات و خدمات شهری برنامه‌ای جامع تدوین کرد. وجود آثار تاریخی و باستانی فراوان در بافت سنتی و تاریخی شهر اصفهان، این شهر را به یکی از گردشگر‌پذیرترین شهرهای ایران تبدیل کرده است که این خود لزوم برنامه‌ریزی فضایی گردشگری در این شهر را دوچندان می‌کند. تحقیق حاضر با هدف برنامه‌ریزی فضایی گردشگری شهر اصفهان با تأکید بر ارتباط میان جاذبه‌های گردشگری و کاربری اراضی انجام شده است و با توجه به قرارگیری جاذبه‌های گردشگری شهر اصفهان در بافت سنتی شهر در پی پاسخگویی به این سؤالات است که الگو و آرایش فضایی جاذبه‌های گردشگری و کاربری‌های اراضی شهر اصفهان چگونه است؟ آیا نظم و الگویی فضایی خاصی وجود دارد؟ جاذبه‌های گردشگری و کاربری‌های اراضی با‌هم در ارتباط‌اند یا به‌صورت تصادفی در فضا پراکنده شده‌اند؟ بنابراین برای پاسخگویی به این سؤالات از شبکۀ شش‌ضلعی به‌منزلۀ واحد پایه برای ترکیب داده‌های اولیه استفاده شده است که ابعاد آن‌ها 500 متر برای قطر شش‌ضلعی در نظر گرفته شده و در‌نهایت همۀ سطح شهر به 2383 شش‌ضلعی تقسیم شد. روش پژوهش توصیفی‌ـ تحلیلی است و برای پاسخگویی به مسئلۀ تحقیق از مدل رگرسیون وزن‌دار جغرافیایی استفاده شده است. نتایج حاکی از آن است که کشاورزی نرمال ترین شاخص است و اثرگذاری مثبت و منفی آن یکسان است. صنایع بیشترین اثرگذاری مثبت و منفی را به‌صورت هم‌زمان بر جاذبه‌های گردشگری گذاشته‌اند و باید در فضاهایی که اثرگذاری منفی است در برنامه‌ریزی‌های آینده تمهیداتی اندیشیده شود. فضاهای فرهنگی و فضای سبز بیشترین اثرات مثبت و مراکز خدمات درمانی بیشترین اثرات منفی را داشته‌اند. کمترین تأثیرات مربوط به شاخص‌های آموزشی و ادارات است. | ||
| کلیدواژه‌ها | ||
| اصفهان؛ جاذبه‌های گردشگری؛ رگرسیون وزن‌دار جغرافیایی؛ کاربری اراضی | ||
| عنوان مقاله [English] | ||
| Investigation of the relationship between the tourist attractions and land use by using geographical weighted regression model (case study: Isfahan, Iran) | ||
| نویسندگان [English] | ||
| Taghi Karimian1؛ Ahmad Poor-Ahmad3؛ | ||
| 1Phd Student in Geography and Tourism Planing | ||
| 3Professor in Geography, Tehran University | ||
| چکیده [English] | ||
| Identifying the factors affecting tourism attraction, such as services and installations will help in the planning of tourism. Large touristic cities are often faced with numerous problems. The placement of tourist centers in the historic and traditional structures of cities has doubled these problems. Thus according to the placement of tourist attraction centers of Isfahan in traditional structure, this question is expressed that how the spatial patterns and arrangement of tourist attractions and land uses are in Isfahan? Is there a certain order or spatial pattern for their arrangement? Are tourist attractions and land uses linked together or are they distributed randomly in space? This study has been done in order to make tourist spatial planning for Isfahan with emphasis on relationship between tourist attractions and land use. The hexagonal lattice has been used as basic unit for combining the original data that each diameter of hexagonal is 500 meter, and finally the whole city was divided into 2383 hexagonal lattices. The research method is descriptive - analytical. In order to answer research problem, weighted regression model was used. Results show agriculture is the most normal index. Industries have the most positive and negative impact on tourism attraction simultaneously. Cultural spaces and green areas have the most positive effects on tourism attraction and health care centers have the greatest negative effects on it. In addition, the least impact is related to the education and agencies indexes. Introduction The recognition of affecting factors such as services and installations on tourism attraction can help in the planning of tourism and have a significant impact on performance and satisfaction of tourists. Most large and touristic cities themselves are faced with numerous problems and this, especially in old cities with traditional structure placed in their centers, has made it difficult to service residents. Therefore, to reduce or prevent negative impacts of tourism, it is necessary to take action for the determination of spatial patterns of tourist and organization of the tourist areas, and in order to provide facilities and civil services such as hotels and resorts, the means of access and transportation, enhancing cultural and artistic attractions, tourist services and encouraged rules, develop a comprehensive program to benefit not only from the local and regional tourists but also from national and international tourists in order to make better use of urban spaces especially in touristic areas to increase incomes and employment and general prosperity. In this study Isfahan, touristic center was evaluated to determine the relationship between the tourist attractions and land use by using geographical weighted regression model. Isfahan is one of the most famous traditional cities in Iran because of its Islamic architecture, with many beautiful boulevards, covered bridges, palaces, mosques, and minarets. There are questions that ask how are the land use patterns and spatial arrangement of tourist attractions of Isfahan? Is there a certain order or spatial pattern? Are attractions tourist and land uses linked together or distributed randomly in space? Methodology of research In this study, Polygons data (surface) of tourist attractions and Isfahan’s land use were used. Data is related to the year 1385 and was provided by the municipality of Isfahan in the form of separated layers. The research method is analytical- descriptive and in order to answer the questions of the research weighted regression method was used. One of the important parts of this present study is the determination of spatial analysis scale and the size of hexagonal cells. Because if the scale of these hexagonal lattices get too small, false spatial pattern will be formed in space and modifiable areal unit problem cause loss of information in the spatial lattices of the city if the dimensions be considered too big(Good child, 2011), (Baller et al. 2001). Results and discussion A hexagonal lattice was built for modeling and integrating information. In this study Isfahan was divided into 2383 hexagonal grids, and a unique code was assigned to each grid cell. In order to aggregate data, analysis of overlap (Intersect) and the summarization and summarization connection with right triangle lattice was conducted. Then, based on network code, information layers of each land uses was given to the cells. In next step, the cells that had no important information were deleted and finally 1272 cells were remained and spatial analysis was done related to remained data. Sing geographical weighted regression (review of land use impacts on tourism), the output of each column was normalized, and the resulting data were analyzed in seven categories. Conclusion Geographical weighted regression method is a statistical technique that has been adapted for the study of local patterns. This method is in fact a local statistical technique that analyzes the relationship between spatial variables in a non-stationary assumed environment and one of its objectives is to overcome the limitations of the OLS model. This study has tried to introduce the effects of some indexes on spatial pattern of tourism. This indexes are not all parameters affecting tourist attractions, because the tourist attractions are in close connection with other uses. However, according to the available data, 17 indexes were evaluated for the determination of their effect on tourism attraction: landscaping, parking, sports complexes, industrial, medical and health care centers, educational centers and etc. The results show that agricultural is the most normal index. Industries have simultaneously the most positive and negative impact on tourism. Cultural spaces and green areas have the most positive effects and health centers have the greatest negative impact on tourism. Minimal impact indexes are related to educational and governmental agencies. | ||
| کلیدواژه‌ها [English] | ||
| Land Use, Tourist Attractions, Isfahan, Geographical weighted regression | ||
| مراجع | ||
|
پاپلی یزدی، محمد‌حسین (1386). گردشگری (ماهیت و مفاهیم)، تهران: سمت. رضوانی، علی‌اصغر (1382). جغرافیاوصنعتتوریسم، تهران: انتشارات دانشگاه پیام نور. رنجبران، بهرام؛ زاهدی، محمد (1379). برنامه‌ریزی توریسم در سطح ملی و منطقه‌ای، انتشارات جهاد دانشگاهی واحد اصفهان. زیاری، کرامت‌اله (1383). برنامه‌ریزی شهرهای جدید، تهران: سمت، چ 4. ــــــــــ (1381). برنامه‌ریزی کاربری اراضی شهری" یزد، دانشگاه یزد. شکوئی، حسین (1386). فلسفه‌های محیطی و مکتب‌های جغرافیایی، تهران: گیتاشناسی. فرجی سبکبار، حسنعلی (1391). «تحلیل نابرابری‌های فضایی سکونتگاه‌های روستایی ایران»، فصلنامۀ اقتصادفضاوتوسعۀروستایی، س اول، ش اول، پاییز، ص 83ـ100. قدمی، مصطفی (1386). «مدل‌سازی توسعۀ شهری و گردشگری در چارچوب پایداری نمونۀ مورد مطالعه: شهر کلاردشت»، رسالۀ دکتری در رشتۀ جغرافیا و برنامه‌ریزی شهری، دانشگاه تهران. موحد، علی (1386). گردشگریپایدار، اهواز: انتشارات دانشگاه شهید چمران. ــــــــــ (1386). گردشگریشهری، اهواز: انتشارات دانشگاه شهید چمران. Ben-Bassat, M., &Raviv, J. (1978). Renyi's Entropy and the Probability of Error. Information Theory, IEEE Transactions on, 24(3), 324-331.
Brundson, C., Fotheringham, A, S., & Charlton. M. (1996). Geographically Weighted Regression: A Method For Exploring Spatial Non-Stationarity, Geographical Analysis, 28(4), 281-298.
Feng, Xu, 2004, "Modeling The Spatial Pattern Of Urban Fringe, Case Study Hongshan, Wuhan" ITC, Enschede, The Netherlands.
Fotheringham A.S., Brunsdon C., And Charlton M.E. 2002. Geographically Weighted Regression. Chichester: John Wiley & Sons.
Fotheringham, A, S., Brunsdon, C., & Charlton, M. (2002). Geographically Weighted Regression The Analysis Of Spatially Varying Relationships. John Wiley & Sons, 2-243.
Fotheringham, A.S., Brunsdon, C. (1999). Local Forms Of Spatial Analysis. Geographical Analysis. 31, 340-358.
Fotheringham, A.S., Charlton, M., & Brunsdon, C. (1998). Geographically Weighted Regression: A Natural Evolution Of The Expansion Method For Spatial Data Analysis. Environmental Planning A, 30(11), 1905–1927.
Gao, J & Li, S. (2011). Detecting Spatially Non-Stationary And Scale-Dependent Relationships Between Urban Landscape Fragmentation And Related Factors Using Geographically Weighted Regression. Applied Geography, 31, 292-302.
Goodchild, M. F. (2011). Scale In GIS: An Overview. Geomorphology, 130(1), 5-9.
Http://Www.Usgs.Gov
Hunter, C, & H.Green, (1995), Tourism And The Environment: A Sustainable Relationship?. London And New York: Rutledge.
Kang Shou Lu, (2001), A Parcel Gis- Based Mmultinomial Logistic Model For Destination Land Use Predication, A Dissertation Presented To The Graduate School Of Clemson University.
Mennis J. 2006. Mapping The Results Of Geographically Weighted Regression. The Cartographic Journal, 43(2): 171-179.
OECD, (1981), The Impact Of Tourism On The Environment. Paris: Organization For Economic Cooperation And Development.
Propastin P., And Kappas M. 2008. Reducing Uncertainty In Modeling The NDVI–Precipitation Relationship: A Comparative Study Using Global And Local Regression Techniques. Gisci Remote Sens 45:47–67.
Sabel, C. E., Kihal, W., Bard, D., & Weber, C. (2012). Creation Of Synthetic Homogeneous Neighbourhoods Using Zone Design Algorithms To Explore Relationships Between Asthma And Deprivation In Strasbourg, France. Social Science & Medicine.
Tu, J,. & Xia, Z,. (2008). Examining Spatially Varying Relationships Between Land Use And Water Quality Using Geographically Weighted Regression I: Model Design And Evaluation. Science Of The Total Environment, 407. | ||
|
آمار تعداد مشاهده مقاله: 2,760 تعداد دریافت فایل اصل مقاله: 2,406 |
||