تاثیر تغییرات اقلیمی بر اکوتوریسم شهر خرم آباد

چکیده

روش‌های ریز مقیاس نمایی به منظور پیش بینی متغیرهاي اقلیمی مانند دما و بارش، در برنامه ریزي و مدیریت محیطی کاربرد وسیعی دارند. در این پژوهش مدل ریز مقیاس نمایی SDSM برای پیش بینی متغیرهاي دما و بارش مورد استفاده قرار گرفته است. داده‌های مورد استفاده، شامل میانگین روزانه دما و بارش ایستگاه سینوپتیک خرم آباد، داده‌های NCEP و H3A2a برای دوره پایه (۱۹۸۶-۲۰۱۵) می‌باشد. با استفاده از داده‌های NCEP و H3A2a نتایج برای یک دوره ۳۰ ساله (۲۰۱۶- ۲۰۴۵) پیش بینی و با دوره پایه مقایسه شده اند. نرمال بودن داده های مورد استفاده با بکارگیری آزمون شاپیروویلک بررسی و تایید شد. هدف از این پژوهش تعیین تاثیر تغییرات اقلیمی بر اکوتوریسم خرم آباد است. یافته‌های تحقیق نشان داد که به طورکلی میانگین سالانه دمای ایستگاه خرم آباد در دوره (۲۰۱۶- ۲۰۴۵)، ۱۲/۲ درجه سلسیوس افزایش می یابد. رابطه همبستگی و رگرسیون بین داده‌های دوره پایه و دوره پیش بینی شده مثبت و دارای تغییرات معنی داری است. با توجه به خروجی داده‌ها در نرم افزار  RayMan برای ساعت ۳۰ :۱۵ با در نظر گرفتن شاخص SET ضریب آسایش از لحاظ محدوده دمایی خیلی خنک تا گرم می‌باشد، بر پایه نتایج پژوهش بهترین بازه زمانی برای حضور اکوتوریست در شهر خرم آباد در دوره پیش بینی شده (۲۰۱۶-۲۰۴۵)، فروردین ماه است و ماه‌های مهر، آبان، آذر، بهمن و اسفند از گرم تا خیلی خنک هستند. نکته حائز اهمیت این که بر پایه پیش بینی انجام شده ماه‌های آبان، آذر، بهمن و اسفند که در نیمه دوم سال قرار دارند، از نظر فعالیت اکوتوریستی مناسب خواهند شد، این در حالی است که در دوره پایه (۱۹۸۶-۲۰۱۵) فعالیت‌های اکوتوریستی عمدتا در نیمه اول سال شرایط به مراتب بهتری داشتند و این خود به تنهایی حکایت از نقش قابل توجه تغییرات اقلیمی در مولفه‌های تعیین کننده اکوتوریسم شهر خرم آباد دارد که می بایست توسط مدیران و برنامه ریزان ذیربط مورد توجه قرار گیرد. 

مقدمه

یکی از قدرتمندترین حوزه‌های اقتصادی جهان، بخش گردشگری است، تا جایی که این صنعت را دومین صنعت از صنایع چهارگانه مطرح می‌کنند، چراکه بیشتر بار اقتصادی کشورها را بر عهده داشته و قاعده آن به بزرگی همه کشورهای دنیا می‌باشد. بدیهی است سفر و عزیمت به مناطق با شرایط نامناسب اقلیمی، مشکلات و تهدیدات جدی را برای سلامتی توریست‌ها مطرح می‌نماید. «استرس‌های حرارتی، تاثیر اشعه ماورابنفش و آلودگی هوا». این مسئله آنقدر با اهمیت است که بحث توریسم و اوقات فراغت را در زیر مجموعه سلامتی جامعه می‌باشد و آن به عنوان یکی از زیر مجموعه‌های اقلیم شناسی کاربردی قرار می‌گیرد. معمولا روابط علت و معلولی بین محیط جوی و سلامتی انسان و یا راحتی و آسایش افراد توریست به واسطه طبقه‌بندی شرایط هوا زیستی انسان مورد تجزیه و تحلیل قرار می‌گیرد. این شاخص‌ها عبارتند از: پیچیدگی‌های حاصل از شرایط حرارتی، پیچیدگی‌های حاصل از آلودگی هوا و شاخص صدا و اثر منفی باد بر آسایش (کریمی و محبوب فر، ۱۳۹۰، ص۸۰). شاخص اقلیمی به­ منزله­ معیارهایی هستند که به وسیله آن‌ها می­توان کمیت، کیفیت و یا سقوط یک موضوع را اندازه­گیری کرد. از آنجا که بررسی و تجزیه و تحلیل موضوعات نیازمند اطلاعات مناسب است، شاخص­ها اولین مجموعه اطلاعات در مورد یک موضوع را به دست می­دهند و در واقع، اولین پل ارتباطی محقق با موضوع مورد نظر است. مطالعه تاثیر شرایط اقلیمی وجوی بر زندگی، سلامت و آسایش انسان و توسعه گردشگری در قالب یکی از شاخه های علمی تحت عنوان زیست اقلیم شناسی انسانی مورد مطالعه قرار می‌گیرد. مناطق مختلف گردشگری تحت تاثیر فصول مناسب و مطلوب مشخص می شود و آب و هوا یکی از عوامل عمده گزینش مکان مناسب گردشگری طبیعی است (کریمی و محبوب فر،۱۳۹۰).اقلیم عامل مهمی در توسعه بخش گردشگری می‌باشد. در واقع یک اقلیم مناسب می تواند پاسخ‌های مثبت گردشگران را در پی داشته و گردشگران نیز برنامه سفر خود را با توجه به شرایط اقلیمی و جوی مقصد مورد نظر برنامه‌ریزی می‌کنند. این صنعت دارای اشکال مختلف و انواع گوناگون گردشگری است که بسته به شرایط محیطی متفاوت است. اکوتوریسم رویکرد جدید گردشگری در طبیعت است که در سال‌های اخیر مطرح شده است. این گونه از گردشگری در قرن ۲۱ از چنان اهمیتی برخوردار است که سازمان ملل متحد قرن حاضر را قرن اکوتوریسم نامیده است(پاپلی یزدی و سقایی، ۱۳۸۵، ص۵۹).شناخت اثرات تغيير اقليم و توسعه استراتژي‌هاي سازگار با اقليم، نياز به ابزاري جهت توليد سناريوهاي اقليمي در آينده دارد. امروزه مدل‌هاي گردش عمومي GCM  مناسب ترين ابزار براي توسعه سناريوهاي اقليمي آينده مي باشند. مدل‌های GCM تنها قادر به شبیه سازي داده‌هاي مدل گردش عمومی جو در سطوح بزرگ هستند. ریزمقیاس نمودن به عنوان یک عامل ایجاد کننده ارتباط میان چرخه هاي بزرگ مقیاس(پیش بینی کننده‌ها) و متغیرهاي اقلیمی در مقیاس محلی (پیش بینی شونده‌ها) تعریف شده است(ویلبی، ۲۰۰۸). درسال‌هاي اخیر از میان چهار دسته کلی روش‌هاي ریزمقیاس سازي (ریزمقیاس سازي دینامیکی، دسته بندي سینوپتیکی، ایجاد آب و هوا به روش تصادفی و روش‌هاي آماري) روش‌هاي ریزمقیاس سازي آماري، بیشتر از سایر روش‌ها مورد توجه محققین قرار گرفته است. این گروه از روش‌هاي ریزمقیاس سازي که مدل SDSM را نیز شامل می‌شود، کاهش مقیاس را مبتنی بر سابقه آماري پیشگوهاي بزرگ مقیاس و پیش بینی شونده‌هاي موضعی پایه‌ریزي می‌نماید. خان و همکاران (۲۰۰۶)، سه مدل LARS-WG، SDSM و شبکه عصبی مصنوعی را مورد آزمون قرار دادند. عباسپور و همکاران (۲۰۰۹)، اثرات تغيير آب و هوا بر منابع آب ايران را بررسي کردند. آنها سناريوهاي A2، B1 و A1B1 را براي دوره‏هاي ۲۰۱۰-۲۰۴۰ و ۲۰۷۰-۲۱۰۰ ارزيابي نمودند. چو و همکاران (۲۰۱۰)، در چین با استفاده از مدل HadCM3 تحت دو سناریوي A2 و B2 متغیرهاي اقلیمی مانند بارندگی و دما را شبیه سازي نمودند، ژانگ و دیگران (۲۰۱۱)، با استفاده از مدل HadCM3 تغییرات دمایی را در دوره زمانی (۲۰۳۹-۲۰۱۰) در آمریکا شبیه سازي نمودند. بابائیان و همکاران (۱۳۸۳)، در مطالعه‌ای تغییرات اقلیمی کشور کره جنوبی با استفاده از مدل LARS-WG در دوره زمانی ۲۰۱۰ تا ۲۰۳۹ را مورد ارزیابی قرار دادند. عزیزي و همکاران (۱۳۸۸)، با استفاده از تحلیل‌هاي آماري چندمتغیره به بازیابی تغییر اقلیم در نیمه غربی کشور پرداخته‌اند. مشکواتی و همکاران (۱۳۸۹)،  به بررسي و ارزيابي مدل لارس در شبيه سازي داده‌هاي هواشناسي استان گلستان در دوره آماری (۲۰۰۷-۱۹۹۳) پرداخته اند. بابائيان و همکاران (۱۳۹۰)، با مدل منطقه‌اي PRECIS در دوره‌ي ۱۹۷۶-۱۹۹۰، برونداد مدل گردش عمومي جو HADAM3P را ريزمقياس‌نمايي ديناميکي نموده، داده‌هاي بارش ايران را در مقياس‌هاي زماني ماهانه و فصلي، در دو حالت با و بدون چرخه‌ سولفور، ارزيابي کردند. زهرایی (۱۳۹۱)، در پژوهش خود به شبیه سازي تغییرات اقلیمی استان سیستان و بلوچستان با استفاده از ریزگردانی داده‌هاي مدل گردش عمومی (GCMS) برنامه براي دوره اقلیمی آینده (۲۰۳۵-۲۰۱۰) پرداخته‌اند. فرج زاده (۱۳۹۲)، اثرات تغيير آب و هوا بر آبدهي رودخانه شش‏پير را تحليل نمود. وي از ۱۸ مدل GCM و ۸ سناريو براي ارزيابي افق‏هاي ۲۰۴۰، ۲۰۷۰ و ۲۱۰۰ استفاده کرد. رضایی و دیگران (۱۳۹۳)،  به بررسی کارایی مدل ریز مقیاس نمایی آماري (SDSM) در پیش بینی پارامترهاي دمایی در دو اقلیم خشک و فراخشک (مطالعه موردي: کرمان و بم) پرداخته‌اند، به کمک داده‌هاي HadCM3)A2) و HadCM3)B2)، دما براي سه دوره (۲۰۳۹-۲۰۱۰)، (۲۰۶۹-۲۰۴۰) و (۲۰۹۹-۲۰۷۰) پیش بینی و با دوره پایه مقایسه شدند. زند و همکاران (۱۳۹۴)، به مطالعه امکان سنجی پیش بینی بارش‌های ماهانه و فصلی با استفاده از مدل SDSM در ایستگاه هواشناسی خرم آباد پرداخته اند. دریکوندی و لشنی زند (۱۳۹۴)، امکان سنجی پیش بینی بارش‌های ماهانه و فصلی با استفاده از مدل SDSM در ایستگاه هواشناسی خرم آباد را مورد مطالعه قرار دادند. نصیری و یارمرادی (۱۳۹۵)، به مطالعه پیش بینی تغییرات پارامترهای اقلیمی استان لرستان در ۵۰ سال آتی با استفاده از مدل HADCM3 پرداخته اند. حاجری و همکاران (۱۳۹۵) پیش بینی پارامترهای دما و بارش ماهانه و فصلی با استفاده از مدلSDSM (مطالعه موردی: خرم‌آباد) را مورد مطالعه و پژوهش قرار داده‌اند.تامسون و همکاران (۲۰۰۸)، با استفاده از شاخص PETبه ارزیابی اثر تغییر اقلیم بر روی سلامت آسایش اقلیمی در مقیاس جهانی پرداخته اند.ان دیتو و ماتزاراکیس (۲۰۱۳)، وضعیت زیست اقلیم انسانی محیط شهری دارالسلام تانزانیا با استفاده از شاخص PET ارزیابی کرده اند. ساری صراف و همکاران (۱۳۸۹)، به مطالعه بررسی تعیین مناسب ترین مدلRaymanدر قالب شاخص های دمای PET، آسایشی میانگین PMV و دمای موثر SET اقلیم آسایش در شمال استان آذربایجان غربی پرداخته اند.حاجری (۱۳۹۵)، شناسایی شاخص های اقلیمی به منظور تهیه تقویم اکوتوریسم استان لرستان در فصل تابستان  را مطالعه نموده است. حاجری و لشنی زند (۱۳۹۵)، به مطالعه مقایسه عملکرد شاخص های مدل ریمن با شاخص اوانز بهمنظور تهیه تقویم اکوتوریسم در شهرخرم آباد پرداختند. هدف از انجام این پژوهش تاثیر تغییرات اقلیمی بر اکوتوریسم شهر خرم آباد در طی سال‌های (۲۰۱۶-۲۰۴۵) می‌باشد.

مواد و روش تحقيق

خرم‌آباد در پژوهش واقع در مرکز استان لرستان، در غرب کشور و در محدوده میانی کوه های زاگرس با ′۲۶ °۳۳ عرض شمالی، ′۱۷ °۴۸ طول شرقی و ۱۱۴۸ متر ارتفاع از سطح دریا قرار گرفته است. این منطقه مساحتی معادل ۳۵۰۰ هکتار را دارا می‌باشد. منطقه مورد مطالعه دارای اقلیم نیمه خشک ومعتدل مرکزی که دارای جاذبه های طبیعی بسیار زیبا و منحصر به فرد می‌باشد.

مدل ریزمقیاس نمایی آماري (SDSM)، براي شبیه سازي داده‌هاي اقلیمی در یک ایستگاه خاص در شرایط حال حاضر و در شرایط آینده تحت تأثیر پدیده تغییر اقلیم به کار می‌رود، که داده‌هاي آن به صورت سري‌هاي زمانی روزانه براي یک سري از متغیرهاي اقلیمی مانند بارندگی، حداکثر و حداقل دما و سایر پارامترهاي جوي است. در این پژوهش، به منظور ریزمقیاس نمایی آماري، از داده‌هاي مدل HadCM3 با استفاده از نرم افزار SDSM استفاده شده است. داده‌های مورد استفاده در این پژوهش شامل، دما و بارش میانگین روزانه ایستگاه سینوپتیک خرم آباد، داده هاي NCEP در بازه زمانی (۲۰۰۱-۱۹۶۱) و داده های (H3B2a,H3A2a) در بازه زمانی (۲۰۴۵-۱۹۶۱) که تحت سناریوي A2 و B2 دانلود شده اند. مدل HadCM3 در مرکز تحقیقات HCCPR در سال ۲۰۰۱ در انگلستان اجرا شده است. این مدل داراي شبکه‌اي با ابعاد ۵/۲ درجه عرض جغرافیایی و ۷۵/۳ درجه طول جغرافیایی است، که توسط گردون و همکاران ارائه شده است (گردون و همکاران، ۲۰۰۰). متغیرهای NCEP شامل ۲۶ متغیر اتمسفری است که از بین آنها، متغیرهاي مستقل انتخاب می‌شوند. با توجه به اینکه متغیرهاي پیش بینی کننده NCEP می توانند روابط مختلفی با داده‌هاي پیش بینی شونده داشته باشد، لذا متغیرهایی حائز اهمیت هستند که داراي بالاترین ضریب همبستگی و پایین ترین واریانس خطا باشند. در این مطالعه ابتدا نرمال بودن داده‌های روزانه با استفاده از آزمون شاپیروویلک، (آزمونی که در آن بالا بودن حجم داده‌ها برای تعیین نرمال بودن آن‌ها مورد استفاده قرار می‌گیرد. در نرم افزار SPSS  مورد سنجش قرار گرفته، سپس با استفاده از داده‌هاي NCEP و هم‌چنین داده‌هاي سناریوي A2 مدل گردش عمومی جو (H3A2a) در نرم افزار SDSM با مدل واسنجی شدند از طریق داده‌هاي NCEP و H3A2a میزان دماي میانگین، دمای بیشینه، دمای کمینه و بارش ایستگاه خرم آباد برای دوره (۲۰۴۵- ۲۰۱۶) با استفاده از داده‌های پیش بینی شده در مدل SDSM، پیش بینی و با دوره پایه مقایسه شدند. لازم به ذکر است که داده‌های مشاهداتی در بازه زمانی (۲۰۱۵-۱۹۸۶) استخراج شدند. داده‌های پایه از اداره کل هواشناسی استان لرستان اخذ و میانگین آمار ۳۰ ساله تهیه شده و سپس نرمال بودن داده‌ها، آزمون شدند. بنابراین پیش بینی برای یک دوره آماری ۳۰ ساله (۲۰۱۶-۲۰۴۵) انجام شده است. سپس براساس نمودارهای آمبروترمیک برای دوره پایه و (۲۰۴۵- ۲۰۱۶) ماه های خشک و مرطوب مشخص شدند. مراحل کار مدل به شرح ذیل می‌باشد. کنترل کیفیت و تبدیل داده ها، انتخاب متغیرهاي مستقل مناسب، واسنجی مدل، تولید داده‌هاي هواشناسی زمان حاضر با استفاده از متغیرهاي مستقل مشاهده‌اي، آنالیز آماري داده‌هاي مشاهده شده، نمایش هندسی خروجی مدل و تولید داده‌هاي هواشناسی آینده با استفاده از متغیرهاي مستقل انجام می‌شود (ویلبی، ۲۰۰۸).دمای موثر استاندارد (SET) شاخص کاربردهای فراوانی دارد، از جمله در برنامه ریزی‌های توسعه به منظور در دست داشتن معیاری از دمای نواحی مختلف، برای انجام مطالعات دمایی در ساختن تاسیسات مسکونی، اداری، صنعتی، ورزشی، تفریحی و گردشگری مورد استفاده قرار می‌گیرد (پاینده و زکی، ۱۳۸۵، ص ۸۶).

در اين پژوهش پس از اخذ (اداره کل) هواشناسي استان لرستان ابتدا داده­ها در محيط نرم افزار Excel مرتب گردید، سپس داده‌ها در محیط نرم افزار  SDSMواکاوی و پیش بینی شدند، در مرحله بعد با توجه به شاخص­های تعريف شده برای هر متغير در مدل MEMI و در نرم افزار RayMan، شاخص SET محاسبه شده و در همه ماه‌ها اقليم آسايش ایستگاه خرم آباد در دوره پایه و دوره پیش بینی شده مشخص شده است. در مدل MEMI ساعت به وقت محلی ۳۰ :۱۵ وارد گردیده است. در نهایت همبستگی و رگرسیون داده‌ها، در محیط نرم افزار SPSS بررسی شده‌اند.

T دمای هوا به درجه سانتیگراد، es فشار بخار اشباع بر حسب کیلو پاسکال (هر کیلو پاسکال ۱۰ میلی بار است) (علیزاده، ۱۳۸۷،ص۱۲۴). جهت تعیین  فشار بخار در نرم افزار RayMan دمای خشک و رطوبت نسبی ماهانه وارد می‌شود.

جهت اجرا کردن پارامترهای اقلیمی روزانه در نرم افزار RayMan  ابتدا باید ۶ ردیف را مرتب کرده و سپس نرم افزار شروع به محاسبه می کند. این ۶ ردیف شامل (روز، ساعت، دمای خشک، رطوبت نسبی، میزان ابرناکی و سرعت باد) می‌باشند. ساعت به وقت محلی ۱۵:۳۰ است. در تعریف شاخص ها در نرم افزار بایستی پارامترهای جنسیت، قد، وزن، سن، فعالیت و پوشش نیز در نظر گرفته شود. پوشش فرد بر حسب کلو (واحد نارسانایی لباس را کلو می گویند: مقاومت گرمایی یک کلو معادل ۱۵۵/. وات بر درجه سانتی گراد در متر مربع است) و فعالیت بر حسب وات مشخص می شود.

يافته ها

با اجرای مدل SDSM سری‌های پیش بینی دمای روزانه ایستگاه خرم آباد برای دوره‌های آماری (۲۰۴۵- ۲۰۱۶) محاسبه شدند. در این پژوهش علاوه بر داد‌ه‌های ریز مقیاس Ncep، سناریوی A2 مدل گردش عمومی جو (H3A2a) با مدل واسنجی شده است.

جدول ۴: نرمال بودن داده های روزانه دما و بارش ایستگاه خرم آباد

همان‌طور که در جدول (۲) مشاهده می‌شود داده‌های دما و بارش مطابق آزمون به ترتیب با ضرائب ۹۹/۰ و ۸۲/۰ نرمال هستند. بنابراین قابلیت تجزیه و تحلیل داده‌ها برای پیش بینی در نرم افزار SDSM را دارند.

مطابق نمودار ۱ با استفاده از داده‌های پیش بینی شده در مدل SDSM در طی سال‌های (۲۰۱۶ – ۲۰۴۵) دما حدودا ۱۲/۲  درجه سلسیوس نسبت به داده‌های دید‌بانی (۱۹۸۶- ۲۰۱۵) روند افزایشی دارد، منحنی داده‌های پیش بینی شده در سطح بالاتری از دو منحنی داده‌های دیده بانی و ریز مقیاس است. بیشترین میانگین دما در تیر ماه ۲ درجه سلسیوس افزایش و کمترین  دما در دی‌ماه  ۳۸/۲ درجه سلسیوس افزایش می‌یابد. در نمودار ۲ طی سال های (۲۰۱۶- ۲۰۴۵) نسبت به داده‌های دیده بانی بارش، تقریبا ۳۶ میلی متر، هم چنین نسبت به داده‌های ریز مقیاس، ۱۴ میلی متر روند کاهشی دارند. در نمودار بارش، منحنی داده‌های پیش بینی شده از دو منحنی داده‌های دیده بانی و ریز مقیاس در سطح پایین‌تری است. بیشترین بارش در داده‌های ریز مقیاس مربوط به اسفند ماه و در داده‌های پیش بینی شده در بهمن ماه به میزان ۵۱ میلی متر است.

همانطور که در نمودارهای ۳ و ۴ در نمودارهای آمبروترمیک دیده می‌شود، افزایش تعداد ماه‌های خشک از چهار ماه(خرداد، تیر، مرداد و شهریور) در دوره پایه به شش ماه (اردیبهشت، خرداد، تیر، مرداد، شهریور و مهر) در دوره آتی است. این خود به تنهایی حکایت ازخشک‌تر شدن اقلیم منطقه در دوره آتی دارد. 

نکته مهم دیگر این‌که با افزوده شدن یک ماه از بهار(اردیبهشت) و یک ماه از پاییز (مهر) به ماه‌های خشک منطقه در دوره آتی، بدون شک تغییرات قابل توجهی در شرایط آسایش محیطی ساکنین و به تبع آن روال گردشگری منطقه رخ خواهد داد.

بر طبق نمودار ۵ دمای موثر استاندارد از دی‌ماه  به میزان (۵-) درجه سانتیگراد تا تیر ماه  به میزان ۳۴ درجه سانتیگراد افزایش و سپس دما از شهریور تا آذرماه کاهش یافته است.

باتوجه به نتایج دوره پیش بینی شده (۲۰۱۶-۲۰۴۵) در شاخص دمای موثر استاندارد (SET)، ایستگاه خرم آباد در مقیاس ماهانه، حساسیت حرارتی در دی ماه سرد، خیلی خنک، بهمن و اسفند ماه خیلی خنک، فروردین ماه آسایش اقلیمی حاکم می‌شود، اردیبهشت ماه گرم، ماه‌های خرداد، تیر و مرداد فوق العاده گرم، شهریور ماه شرجی، مهر ماه گرم و آبان و آذر ماه خیلی خنک خواهند شد. 

نمودار ۶ بیان می‌کند از دی‌ماه دمای موثر استاندارد از ۰ درجه سانتیگراد به ۳۶ درجه سانتیگراد در تیرماه  افزایش و سپس از مرداد تا آذر ماه کاهش یافته است.

در جدول بالا (SET1) به معنای دوره پایه مربوط به سال‌های (۱۹۸۶-۲۰۱۵) و (SET2) به معنای دوره پیش بینی شده مربوط به سال‌های (۲۰۱۶-۲۰۴۵) می‌باشد. همان‌طور که در جدول بالا مشخص است، میزان همبستگی پیرسون داده‌های پایه و پیش بینی شده ۹۶/۰ می‌باشد.

در نمودار بالا نیز،  (SET1) به معنای دوره پایه مربوط به سال‌های (۱۹۸۶-۲۰۱۵) و (SET2) به معنای دوره پیش بینی شده مربوط به سال‌های (۲۰۱۶-۲۰۴۵) می‌باشد. با توجه به نمودار، همبستگی مثبت و هم جهتی بین داده‌های دوره پایه و دوره پیش بینی شده وجود دارد، در نتیجه تغییرات در دوره پیش بینی شده (۲۰۱۶-۲۰۴۵) معنی دار است.

نتیجه گیری

در این پژوهش تلاش شده است که با رویکرد جدیدی نقش و تاثیر شرایط اقلیمی در اکوتوریسم مورد توجه و بررسی قرارگیرد. نتایج حاصل از این پژوهش به ویژه در زمینه پیش‌بینی چگونگی شرایط آسایش محیطی در دوره آتی می‌تواند در برنامه‌ریزی برای رشد و پویایی اکوتوریسم شهر خرم آباد بخصوص در زمینه بومگردی مورد استفاده قرار گیرد. در این تحقیق بعد از کالیبره کردن داده‌های دما، ارزیابی مدل، پارامترهاي دمایی میانگین توسط مدل SDSM برای دوره (۱۹۸۶-۲۰۱۵)، توسط داده‌های Ncep و سناریوی A2  حاصل از مدل گردش عمومی جو (H3A2a) در شهر خرم آباد شبیه سازی شده و با داده‌های مشاهداتی مقایسه گردید.

میانگین دمای خرم آباد در دوره‌های (۲۰۱۶- ۲۰۴۵) در همه ماه‌ها روند افزایش تدریجی مشاهده می‌شود،. ماه‌های خرداد، تیر، مرداد و شهریور بیشترین دما را نسبت به ماه‌های دیگر دارند. نتایج نشان می‌دهند که بیشترین دمای ایستگاه خرم آباد در اواخر فصل بهار تا اوایل فصل پاییز است.

با توجه به خروجی داده ها در نرم افزار  RayMan با در نظر گرفتن شاخص SET ضریب آسایش از لحاظ محدوده دمایی خیلی خنک تا گرم می‌باشد. رابطه همبستگی و رگرسیون بین داده‌های دوره پایه و دوره پیش بینی شده مثبت و دارای تغییرات معنی‌داری است. بهترین بازه زمانی برای حضور اکوتوریست در شهر خرم آباد در دوره پیش بینی شده (۲۰۱۶-۲۰۴۵)، بهمن و اسفند ماه و فروردین ماه است و ماه‌های آبان، آذر و دی نیز خیلی خنک هستند. نکته حائز اهمیت این که برپایه پیش بینی انجام شده، فروردین ماه آسایش اقلیمی، ماه‌های مهر، آبان، آذر، بهمن و اسفند و اردیبهشت ماه از گرم تا خیلی خنک است که از نظر اقلیمی دارای شرایط جذب توریست و فعالیت های اقتصادی بویژه در عرصه بومگردی در نیمه دوم سال  قرار دارند. این در حالی است که در دوره پایه (۱۹۸۶-۲۰۱۵)، فعالیت‌های اکوتوریستی عمدتا ماه های اسفند، فروردین و اردیبهشت ماه شرایط به مراتب بهتری داشتند و این خود به تنهایی حکایت از نقش قابل توجه تغییرات اقلیمی در مولفه‌های تعیین کننده اکوتوریسم شهر خرم آباد دارد که می‌بایست توسط مدیران و برنامه ریزان ذیربط مورد توجه قرار گیرد. 

منابع

اسماعیلی،ر، گندمکار، ا، حبیبی نوخندان، م، (۱۳۹۰)، ارزیابی اقلیم آسایشی چند شهر اصلی گردشگري ایران با استفاده از شاخص دماي معادل فیزیولوژیک (PET)، مجله پژوهش هاي جغرافیاي طبیعی، شماره ۷۵، صص ۴۷-۶۱٫

بابائیان، ا، نجفی نیک، ز، (۱۳۸۳)، مدلسازی اقلیم ایران دردوره ۲۰۱۰ تا ۲۰۳۹ ، ۱۳۸۸، پروژه خاتمه یافته پژوهشکده اقلیم شناسی، مشهد، صص ۱۳ – ۵ و ۱۰۷٫

بابائیان، ا، مديريان، ر، کريميان، م، ملبوسي، ش،(۱۳۹۰)، بررسي توانمندي مدل اقليمي PRECIS در شبيه سازي بارش هاي منطقه اي ايران، پژوهش‌هاي جغرافياي طبيعي (۷۷) : ۱۴۰-۱۲۵٫

پاپلی یزدی، م.ح، سقایی، م (۱۳۸۵)، گردشگری (ماهیت و مفاهیم)، نشر سازمان مطالعات و تدوین کتب علوم  انسانی

رضایی، م، نهتانی، م، آبکار، ع، رضایی، م، میرکازهی ریگی، م، (۱۳۹۳)، بررسی کارایی مدل ریز مقیاس نمایی آماري (SDSM) در پیش بینی پارامترهاي دمایی در دو اقلیم خشک و فراخشک(مطالعه موردي:کرمان و بم)، پژوهشنامه مدیریت حوزه آبخیز سال پنجم، شماره ۱۰، صص ۱۱۷- ۱۳۱٫

پاینده، ن، زکی، غ.ر، (۱۳۸۵)، محاسبه دمای موثر با طراحی نرم افزار سلامت، پژوهش های جغرافیایی، شماره ۵۷، صص ۷۳-۹۱٫

حاجری، ز، زند، م، (۱۳۹۵)، مقایسه عملکرد شاخص های مدل ریمن با شاخص اوانز به منظور تهیه تقویم اکوتوریسم در شهرستان خرم آباد، کنفرانس بین المللی عمران، معماری، مدیریت شهری و محیط زیست در هزاره سوم، شرکت پیشگامان پژوهش‌های نوین.

حاجری، ز، زند، م، تقوی گودرزی، س، کرم پور، م فخرآبادی، ا، (۱۳۹۵)، پیش بینی پارامترهای دما و بارش ماهانه و فصلی با استفاده از مدل SDSM (مطالعه موردی: خرم آباد)، دومین همایش بین المللی افق‌های نوین در غلوم پایه فنی و مهندسی، سنندج.

رضایی، مریم، نهتانی، محمد، آبکار، علیجان، رضایی، معصومه، میرکازهی ریگی، مهری، ۱۳۹۳، بررسی کارایی مدل ریز مقیاس نمایی آماري (SDSM) در پیش بینی پارامترهاي دمایی در دو اقلیم خشک و فراخشک(مطالعه موردي:کرمان و بم)، پژوهشنامه مدیریت حوزه آبخیز سال پنجم، شماره ۱۰، صص ۱۱۷- ۱۳۱٫

رشنویی، ف، (۱۳۸۸)، بررسی قابلیت ها و محدودیت های اقلیمی صنعت گردشگری در شهرستان الیگودرز، پایان نامه کارشناسی ارشد دانشگاه آزاد اسلامی واحد خرم آباد.

زهرایی، ا، (۱۳۹۱)، شبیه سازي تغییرات اقلیمی استان سیستان و بلوچستان با استفاده از ریزگردانی داده‌هاي مدل گردش عمومی جو (GCMS)، براي دوره اقلیمی (۲۰۰۹-۲۰۴۰) (۱۳۹۱)، طاوسی، تقی، خسروی، محمود، پایان نامه کارشناس ارشد اقلیم شناسی دانشگاه سیستان و بلوچستان، دانشکده جغرافیا و برنامه ریزی محیطی، ۱۳۹۱٫

 زند، م، پیامنی، ک، ویس کرمی، ا، باقی، ن، (۱۳۹۴)، امکان سنجی پیش بینی بارش های ماهانه و فصلی با استفاده از مدل SDSM در ایستگاه هواشناسی خرم آباد ، پنجمین کنفرانس منطقه ای تغییر اقلیم، تهران.

ساری صراف، ب، محمدی، غ.ح، حسینی صدر، ع، (۱۳۸۹)، تعیین مناسب ترین شاخص  RayMan برای مطالعه اقلیم آسایش در شمال آذربایجان غربی، چهاردهمین کنفرانس ژئوفیزیک ایران، صص ۱۰۰-۱۰۵

عزیزی، ق، شمسی پور، ع.ا، یاراحمدی، د، (۱۳۸۸)، بازاریابی تغییر اقلیم در نیمه غربی کشور با استفاده از تحلیل های آماری چند متغیره، مجله پژوهش های جغرافیایی، شماره ۶۶، صص ۱۹-۳۵٫

فرج زاده، منوچهر. (۱۳۹۲). تحليل اثرات تغيير اقليم بر ميزان آبدهي رودخانه مطالعه موردي: رودخانه ششپير. جغرافيا و برنامه ريزي محيطي، ۱ (۴۹) : ۳۲-۱۷٫

کریمی، ج، محبوب فر، م.ر، (۱۳۹۰)، کاربرد اقلیم در طرح توسعه صنعت توریسم، انتشارات ارکان دانش، چاپ اول.

مشکواتی، ا.ح، کرد جزی، م، بابائیان، ا، (۱۳۸۹)، بررسي و ارزيابي مدل لارس در شبيه سازي داده هاي هواشناسي استان گلستان در دوره (۱۱۹۳-۲۰۰۷) ، نشریه تحقیقات کاربردی علوم جغرافیایی، جلد ۱۹، شماره ۱۶، صص ۸۱-۹۶٫

Abbaspour, K.C., Faramarzi, M., Seyed Ghasemi, S. and H. Yang.(2009), Assessing the impact of climate change on water resources in Iran. WATER RESOURCES RESEARCH, VOL. 45

Chu, J.T., J. Xia, C.Y. Xu and V.P. Singh.(2010), Statistical downscaling of daily meantemperature, pan evaporation and precipitation for climate change scenarios In Haih  River, China. Theoretical and Applied Climatology, 99: 149-161

Gordon, C., C. Cooper, C.A. Senior, H. Banks, J.M. Gregory, T.C. Johns, J.F.B. Mitchell and Wood R.A. (2000), The simulation of SST, sea ice extents and ocean heat transports in a version of the Hadley Centre coupled model without flux adjustments. Journal of Climate Dynamics, 16147-168

  Khan, Mohammad Sajjad, Paulin Coulibaly, and Yonas Dibike,(2006),“Uncertainty analysis of statistical downscaling methods.” Journal of Hydrology 319, no, 1, 357-382

Ndetto, E, L, and Matzarakis.A, (2013), Basic analysis of climate and urban human bioclimatic of Dar es Salaam, Tanzania. Theoretical and Applied Climatology 114, PP.213-226

Thomson,M, Herrera Ricardo.G and M. Beniston, (2008), Seasonal forecasts, climatic change and human health: health and climate , Springer Science , Business Media B.V,232 

Wilby, R.L. and C.W. Dawson.(2008), Using SDSM version 4.2- A decision support tool for the assessment of regional climate change impacts. user manual, 94 pp 

Zhang, X.C., W.Z. Liu and J. Chen. (2011). Trend and uncertainty analysis of simulated climate change impacts with multiple GCMs and emission scenarios. Agricultural and Forest Meteorology, 151: 1297-1304

www.drought.iran hydrologhy.net

www.See morgh.com/health  

   www.Taamolnews.ir

منبع: اولین همایش ملی اقتصاد گردشگری، لرستان، خرم آباد، اردیبهشت ماه ۱۴۰۰، میزبان همایش: کاسیت نشینان زاگرس