تحلیل سه‌بعدی شاخص اقلیم گردشگری در گستره ایران

در این مطالعه مقادیر شاخص اقلیم گردشگری، در گستره ایران، مشتمل بر شبکه ای از 153 ایستگاه سینوپتیک برای ماه های مختلف محاسبه شده است. سپس توزیع ماهانه شاخص برای هر ایستگاه بر اساس یکی از دسته های شش گانه ضعیف، بهینه، اوج تابستانی، اوج زمستانی، اوج فصل خشک و دو اوجی تعیین گردید. به منظور بررسی وجود قانونمندی فضایی بین شاخص اقلیم آسایش، عرض ها و طول های جغرافیایی و همچنین ارتفاعات مناطق مختلف، از مدل های رگرسیون خطی و غیرخطی چند متغیره برای هرماه به تفکیک استفاده گردید. جهت صحت سنجی مدل ها از آزمون های تی، f و آماره های جذر میانگین مربعات خطا، میانگین خطا، میانگین نسبی خطای مطلق و ضریب تبیین استفاده شد. نتایج نشان داد که در ماه آوریل، سطح معنی داری احتمال آزمون t برای متغیر عرض جغرافیایی از 0/05 بیشتر بوده است. همچنین مشخص گردید این متغیر نمی تواند در سطح 0/05 سبب ایجاد معنی داری در مقدار آماره f شود و ضریب تبیین مدل را کاهش می دهد لذا ضرورتی برای وجود این متغیر در مدل سه بعدی برای این ماه وجود نداشته و از مدل حذف می شود. اما در ماه های ژانویه، فوریه، مارس، می، نوامبر و دسامبر هر سه متغیر آستانه های ورودی به مدل را دارا بوده اند. در ماه هایی که شاخص فقط با دو متغیر رابطه رگرسیون برقرار نموده است، به منظور ایجاد مدلی با دقت بالاتر، مدل های سه متغیره غیرخطی برازش داده شده است. نتایج نشان داد که مقادیر خطای استاندارد برآورد پارامترهای مدل های نهایی به جز در ماه های فوریه و دسامبر، بالا می باشد. درنهایت مدل های خطی و غیرخطی سه بعدی مناسب برای برآورد شاخص اقلیم گردشگری در ماه های مختلف بر گستره ایران ارائه گردیده است.

Three-dimensional Analysis of Tourism Climate Index Across Iran

In this study, Tourism Climate Index (TCI) was used for a network of 153 synoptic stations of Iran to determine climate comfort in each month. The monthly TCI distribution was determined according to one of the six classes of poor, optimal, summer peak, winter peak, dry season peak and dual peaks. Linear and nonlinear multivariable regression models were used to investigate spatial legitimacy between TCI, latitude, longitude and elevation of different stations for each month separately. For validation of the models, the statistics such as ttest, Ftest, root mean square error, mean error, mean absolute relative error and determination of coefficient were used. The results showed that significance level of t test probability is greater than 0.05 for latitude in April. Also, this variable is not significant at the 0.05 level in the F statistics and reduce the model rsquo;s determination of coefficient. So there is no need for the existence of this variable in threedimensional model in this month. But all three variables could be involved in the model in January, February, March, May, November and December. To create a model with higher accuracy, nonlinear threevariable models are fitted when the index has been a regression equation just with two variables. The results showed that standard error of the estimated values of model parameters is high, except in February and December. The threedimensional linear and nonlinear models for the estimation of TCI are presented for different months across Iran.