بررسی ارتباط میان جاذبه‌های گردشگری و کاربری اراضی با استفاده از مدل رگرسیون وزن‌دار جغرافیایی (مطالعۀ موردی شهر اصفهان)

نوع مقاله : علمی - پژوهشی مستقل

نویسندگان

1 دانشجوی دکتری جغرافیا و برنامه‌ریزی گردشگری دانشگاه تهران

2 دانشیار

3 استاد 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


 
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.