خلاصه

این مقاله به بررسی موضوع تحلیل توسعه زیرساخت‌های گردشگری فرامرزی در سرزمین‌های مرزی کشورهای دارای تقسیمات اداری متنوع و پایگاه‌های اطلاعاتی فضایی می‌پردازد که مانع استفاده از واحدهای آماری ملی برای تحقیقات تطبیقی ​​می‌شود. به عنوان مثال، توانایی استفاده از شبکه مربع و روش‌های تخمین چگالی هسته برای تحلیل و تجسم فضایی سطح توسعه زیرساخت‌های گردشگری برای کوه‌های Orlickie و Bystrzyckie، واقع در منطقه مرزی لهستان و چک مورد مطالعه قرار گرفته است. برای ارزیابی ترکیبی و مقایسه سطح تنوع، روش مورد استفاده در شاخص توسعه انسانی با استفاده از شاخص‌های مؤلفه انتخابی محاسبه‌شده برای یک شبکه مربع بریده شده با مرزهای منطقه مورد مطالعه، اقتباس شد. این تجزیه و تحلیل ما را قادر می سازد تا عدم تقارن در توسعه زیرساخت های گردشگری در مناطق مرزی را از طریق محاسبه شاخص توسعه زیرساخت مصنوعی کمی کنیم. این شاخص در چک 1.29 برابر بیشتر از منطقه مرزی لهستان است. با این حال، تجزیه و تحلیل تمرکز فضایی زیرساخت نشان می دهد که تنوع در منطقه مورد مطالعه را می توان با استفاده از شاخص های تراکم متوسط ​​بالاتر از نتایج ارزیابی کرد. این مقاله همچنین مزایا و مشکلات مربوط به استفاده از روش شبکه مربعی را برای نمایش و تحلیل داده‌های ناهمگن در زیرساخت‌های گردشگری در دو کشور ملی همسایه مورد بحث قرار می‌دهد. در چک 29 برابر بیشتر از منطقه مرزی لهستان است. با این حال، تجزیه و تحلیل تمرکز فضایی زیرساخت نشان می دهد که تنوع در منطقه مورد مطالعه را می توان با استفاده از شاخص های تراکم متوسط ​​بالاتر از نتایج ارزیابی کرد. این مقاله همچنین مزایا و مشکلات مربوط به استفاده از روش شبکه مربعی را برای نمایش و تحلیل داده‌های ناهمگن در زیرساخت‌های گردشگری در دو کشور ملی همسایه مورد بحث قرار می‌دهد. در چک 29 برابر بیشتر از منطقه مرزی لهستان است. با این حال، تجزیه و تحلیل تمرکز فضایی زیرساخت نشان می دهد که تنوع در منطقه مورد مطالعه را می توان با استفاده از شاخص های تراکم متوسط ​​بالاتر از نتایج ارزیابی کرد. این مقاله همچنین مزایا و مشکلات مربوط به استفاده از روش شبکه مربعی را برای نمایش و تحلیل داده‌های ناهمگن در زیرساخت‌های گردشگری در دو کشور ملی همسایه مورد بحث قرار می‌دهد.

کلید واژه ها:

برنامه ریزی فضایی ; سرزمین های مرزی ; عدم تقارن توسعه زیرساخت های گردشگری تحلیل تطبیقی ​​; شبکه مربعی ؛ تخمینگر چگالی هسته ; مرز لهستان و چک سودت ها

چکیده گرافیکی

1. معرفی

مطالعات تطبیقی ​​تنوع فضایی توسعه سرزمین‌های مرزی، از جمله استفاده از زمین، زیرساخت‌ها و مسائل گردشگری، رایج است [ 1 ، 2 ، 3 ]. این در مورد مرز لهستان و چک نیز صدق می کند، که به طور فزاینده ای موضوع تحلیل های فرامرزی است. این تحلیل‌ها محدود به یک منطقه واقع در یک کشور نیستند، بلکه کل مناطق عملکردی را که توسط مرزهای ایالتی عبور می‌کنند مورد بررسی قرار می‌دهند [ 4 ، 5 ]. به لطف تغییرات دموکراتیک در اوایل دهه 1990 و گنجاندن لهستان و جمهوری چک (تاسیس در سال 1993) به اتحادیه اروپا (EU) در سال 2004 و در منطقه شنگن در سال 2007، مرز دولتی معمولاً فقط اداری است. ]]. این امر به توسعه اجتماعی-اقتصادی مبتنی بر گردشگری [ 7 ] و همکاری فرامرزی جوامع محلی [ 8 ، 9 ، 10 ] کمک می کند.
هنگام بررسی مناطق مجاور واقع در دو طرف مرز دولتی که تحت شرایط اداری و قانونی متفاوت عمل می‌کنند، با محدودیت‌هایی در رابطه با نبود داده‌های آماری همگن برای مطالعات تطبیقی ​​از جمله مشکل تفاوت در تقسیمات اداری مواجه شدیم. در مقیاس کوچک (یعنی برای مناطق نسبتاً بزرگ)، این نوع تجزیه و تحلیل معمولاً بر اساس داده‌های جمع‌آوری شده در واحدهای آماری انجام می‌شود که اغلب با واحدهای اداری مطابقت دارند [ 1 ، 5 ، 11] .]. با این حال، در مورد داده های مقیاس بزرگ (یعنی برای مناطق محلی) یا تفاوت های قابل توجه در تقسیمات اداری کشورهای همسایه تحت پوشش تجزیه و تحلیل، مشکلات تحقیقاتی رو به رشدی وجود دارد که می تواند از جمع آوری داده ها برای مطالعات مقایسه ای روشمند جلوگیری کند. یکی دیگر از مشکلات احتمالی، شکل نامنظم واحدهای اداری – آماری است که تفسیر جغرافیایی را دشوار می کند. در این مورد، ممکن است استفاده از سلول های شبکه و نقشه های choropleth (یا “chorodot”) برای ارائه تنوع فضایی پدیده تجزیه و تحلیل شده [ 12 ، 13 ]، و همچنین روش های تحلیل زمین آماری [ 14] مفید باشد.]. با این حال، عدم استفاده از واحدهای آماری اداری معمولی مشکلاتی را در رابطه با نیاز به دستیابی به داده ها و محاسبه شاخص های خود برای زمینه های تحقیقاتی اتخاذ شده ایجاد می کند [ 15 ، 16 ].
دشواری در دستیابی به داده های قابل مقایسه از کشورهای همسایه دلیل این است که بسیاری از تحقیقات فرامرزی، از جمله تحقیقات بر اساس آمار واحدهای اداری، قبلا فقط در یک طرف مرز انجام می شد [1 ، 17 ] . نویسندگان همچنین از داده‌ها و روش‌های متنوعی برای همجواری سرزمین‌های مرزی ملی استفاده کرده‌اند [ 18 ]. مقاله ما تکمیل کننده تحقیقات انجام شده توسط سایر نویسندگان در مورد توسعه سرزمین مرزی لهستان و چک است.
هدف این مقاله پژوهشی، ارائه مشکلات اساسی و امکانات انجام تحلیل فضایی توسعه زیرساخت های گردشگری در منطقه فرامرزی با تمرکز بر استفاده از روش شبکه مربع است. منطقه مورد تجزیه و تحلیل، توده کوه‌های Orlickie (Orlické hory) و کوه‌های Bystrzyckie است که در مرز بین لهستان و جمهوری چک در Sudetes (کوه‌های Sudety) واقع شده‌اند. فرضیه اتخاذ شده پیشنهاد می کند که در منطقه مورد مطالعه، زیرساخت های گردشگری در قسمت چک منطقه تحقیقاتی به طور قابل توجهی بهتر توسعه خواهد یافت، که توسط مطالعات تاریخی و تحلیل های توسعه ای انجام شده در دو طرف مرز سودت ها پیشنهاد شد [4، 19 ] . ، 20]. ما از روش‌های شبکه مربعی استفاده کردیم که برای تجزیه و تحلیل مقایسه‌ای دو ناحیه مرزی مجاور و با شکل نامنظم اصلاح شد. شاخص های مولفه تراکم زیرساخت؛ و اندازه گیری شاخص مصنوعی که در روش شاخص توسعه انسانی استفاده می شود. ما تحقیق خود را با تجزیه و تحلیل نقطه داغ با استفاده از روش تخمین تراکم هسته (KDE)، منحنی لورنز و ضریب جینی تکمیل کردیم تا تمرکز فضایی زیرساخت گردشگری تحلیل‌شده را ارزیابی کنیم. ما همچنین برخی از مشکلات را در به دست آوردن و وارد کردن داده های در دسترس عموم برای انجام تجزیه و تحلیل فضایی به عنوان بخشی از تحقیق مورد بحث قرار می دهیم.
در ادامه این کار، مروری بر ادبیات عدم تقارن توسعه زیرساختی در مناطق مرزی و اطلاعات اساسی در مورد ابتکار INSPIRE برای ایجاد یک پایگاه داده فضایی بین‌المللی ارائه می‌کنیم. سپس، مفروضات و روش های مورد استفاده در مطالعه موردی خود را توضیح می دهیم. ما به ویژه بر روی کاربرد روش شبکه مربع برای تحلیل فضایی زیرساخت های گردشگری تمرکز می کنیم. پس از ارائه نتایج تحقیق تطبیقی، مشکلاتی را که در ارتباط با جمع آوری و تحلیل داده های مکانی با آن مواجه شده ایم، مورد بحث و بررسی قرار می دهیم. در نهایت، ما نتایج خود را در مورد امکان مشارکت در تحقیقات مقایسه ای زیرساخت های گردشگری در مناطق مرزی دو کشور همسایه ارائه می کنیم.
توسعه گردشگری یک موضوع مهم در مطالعات فضایی و اقتصادی است زیرا گردشگری اغلب یک هدف مهم برای جوامع محلی و دولت های محلی [ 21 ، 22 ، 23 ]، به ویژه در مناطق مرزی لهستان و چک در سودت ها [ 20 ، 24 ، 25 ] است. . بنابراین، نتایج حاضر می تواند برای محققان و ادارات دولتی درگیر در تجزیه و تحلیل توسعه مناطق فرامرزی، به ویژه در مواردی که در به دست آوردن داده های آماری همگن برای سرزمین های مرزی مشکل وجود دارد، مفید باشد.

2. تحقیق عدم تقارن توسعه زیرساخت در مناطق مرزی

مشکل تقارن یا عدم تقارن در توسعه اجتماعی (شامل مهاجرت و جمعیت) و اقتصاد (شامل کارآفرینی و زیرساخت‌های فنی) موضوعی است که اغلب در تحقیقات انجام شده در مرزها و مناطق مرزی مطرح می‌شود [26 ، 27 ، 28 ، 29 ] . به گفته ریتولد [ 30]، مرز ملی مانعی است که در آن می توان کاهش ناگهانی شدت تعامل بین دو مکان را مشاهده کرد. او ادعا می کند که پدیده هایی مانند مقررات ملی (مالیات یا سایر محدودیت های قانونی)، ترجیحات مصرف کنندگان برای محصولات داخلی یا مقصد سفر. مراکز مختلف مدیریت دولتی و خصوصی؛ کمبود اطلاعات در مورد کشورهای همسایه؛ و هزینه های حمل و نقل یا ارتباط بیشتر در مورد گمرک یا کنترل گذرنامه باعث ایجاد تفاوت های مشهود در توسعه زیرساخت ها در مناطق مرزی می شود. در نتیجه این تأثیر بر مرزهای دولتی مناطق اطراف، موضوعات توسعه انواع زیرساخت‌های مرزی و فرامرزی به طور مکرر در موضوعات تحقیقاتی مورد بحث قرار می‌گیرد [ 31 , 32] .]، از جمله مسائل زیرساخت های گردشگری و توسعه گردشگری در این مناطق [ 1 ، 6 ، 33 ]. این موضوعات همچنین برای سیاست های فضایی و سرمایه گذاری مقامات محلی عمومی در این مناطق اهمیت ویژه ای دارند [ 34 ، 35 ، 36 ].
این مقاله به مفهوم توسعه گردشگری اشاره دارد که در ادبیات به طور یکسان تعریف نشده است. به گفته روگالوسکی [ 37 ]، “توسعه گردشگری” را می توان به عنوان “فعالیت هایی با هدف انطباق محیط جغرافیایی با نیازهای گردشگری” تعریف کرد که به نوبه خود نیاز به تعریف “گردشگری” دارد. سازمان جهانی گردشگری سازمان ملل متحد گردشگری را به طور گسترده به عنوان «پدیده ای اجتماعی، فرهنگی و اقتصادی که مستلزم حرکت مردم به کشورها یا مکان های خارج از محیط معمولشان برای مقاصد شخصی یا تجاری/حرفه ای» تعریف می کند [38 ] . مشکلات در شکل‌گیری این مفهوم از آنجا ناشی می‌شود که گردشگری به اشکال مختلف رخ می‌دهد و با پدیده‌های بسیاری از جمله مسائل اقتصادی، فرهنگی و اجتماعی همراه است. ، 40 ] . به همین دلیل، تعیین یک تعریف روشن برای زیرساخت های گردشگری در ادبیات [ 41] نیز دشوار است]، به ویژه از آنجایی که بیشتر انواع زیرساخت ها می توانند عملکردهای مختلفی را در اقتصاد انجام دهند، نه فقط موارد توریستی. زیرساخت ها به طور کلی به عناصر فنی (شامل راه ها، آبرسانی و ارتباطات) و اجتماعی (دستگاه ها و نهادهای مرتبط با فرهنگ، آموزش، بهداشت، اداری و غیره) تقسیم می شوند [42 ، 43 ] . در مورد زیرساخت های گردشگری، بیشتر نویسندگان بر چهار نوع تمرکز دارند [ 37 ، 41 ، 42]: (1) تسهیلات اقامتی، (2) امکانات خوراکی (کترینگ)، (3) ارتباطات (جاده ها و وسایل حمل و نقل عمومی)، و (4) امکانات همراه (تفریحی، اطلاعاتی و غیره). اینها عناصر کلیدی هستند که بدون آنها بحث در مورد توسعه اقتصادی مبتنی بر گردشگری دشوار خواهد بود. بدون زیرساخت های حمل و نقل (جاده، راه آهن، حمل و نقل هوایی و غیره)، گردشگران نمی توانند به مقصد خود برسند. امکانات خوراکی (رستوران ها، بارها، میخانه ها و غیره) نیازهای اولیه و تفریحی گردشگران را برآورده می کند. در صورتی که سفر بیش از یک روز طول بکشد، امکانات اقامتی (هتل، متل، هاستل، اسپا، کمپینگ و …) ضروری است. اگرچه اجزای زیرساخت گردشگری مهم هستند، اما امکانات همراه آن (نقاط اطلاعاتی گردشگری، مسیرها و مسیرهای توریستی مشخص شده، مسیرهای اسکی و تله‌های اسکی، موزه‌ها،44 ]. همچنین باید به خاطر داشت که جذابیت یک منطقه برای گردشگران هم متاثر از عناصر انسانی است که می تواند در زیرساخت ها قرار گیرد و هم از منابع فرهنگی غیر مادی (مانند آداب و رسوم عامیانه) و هم عناصر طبیعی (فرم زمین، مکان های زمین شناسی و … دنیای گیاهان و جانوران)، که معمولاً به عنوان زیرساخت در نظر گرفته نمی شوند، اما اغلب عوامل اصلی توسعه گردشگری در یک منطقه معین هستند [ 45 ، 46 ]. در این مقاله، ما عمداً بر زیرساخت‌های فنی تمرکز می‌کنیم که مکمل اشیاء طبیعی و انسانی موجود است که جاذبه‌های اصلی گردشگری (منظره، طبیعت، پارک‌ها و غیره) را تشکیل می‌دهند.
تجزیه و تحلیل زیرساخت های فنی گردشگری در مناطق مرزی مستلزم جمع آوری داده های مکانی از هر دو منطقه است. توانایی به دست آوردن و ادغام این اطلاعات در حال تبدیل شدن به یک مشکل کلیدی است. برای داده‌های جمع‌آوری‌شده با استفاده از مدل‌های داده‌های مختلف، تجزیه و تحلیل کلی نیاز به یک فرآیند تبدیل برای یکسان سازی دارد. مسائل مربوط به اطلاعات مکانی در اتحادیه اروپا (EU) توسط دستورالعمل INSPIRE تنظیم می شود که توسط پارلمان اروپا در 14 مارس 2007 تصویب شد [ 47 ]. هدف اصلی آن فراهم کردن دسترسی جهانی به اطلاعات مکانی در اروپا با ایجاد زیرساخت داده های مکانی (SDI) است [ 48 , 49] .]. ساخت SDI اروپا بر اساس زیرساخت هایی است که توسط کشورهای عضو اتحادیه اروپا ایجاد و نگهداری می شود. هدف اساسی ایجاد زیرساخت‌های ملی داده‌های مکانی، تسهیل دسترسی به داده‌های مکانی در میان شهروندان یک کشور معین، مدیریت دولتی، شرکت‌های تجاری و دیگران است [ 50 ]. بسیاری از ابعاد فعالیت ها با اهداف این بخشنامه از جمله مسائل حقوقی، سازمانی و فنی مرتبط است. 49] .]. اسناد متعددی با دستورالعمل INSPIRE مرتبط هستند، از جمله احکام، تصمیمات، مشخصات داده ها، گزارش های فنی و بسیاری موارد دیگر. یکی از حیاتی ترین وظایف در پیاده سازی INSPIRE، هماهنگ سازی داده ها است که می توان آن را به عنوان «اقدامات فنی، سازمانی و قانونی با هدف دستیابی به انسجام متقابل مجموعه داده های مکانی و خدمات اطلاعات جغرافیایی» توصیف کرد. .]. داده هایی که باید در SDI گنجانده شوند باید به شیوه ای منسجم ارائه شوند. دستورالعمل INSPIRE 34 موضوع داده های مکانی را تعریف می کند، از جمله چندین موضوع مرتبط با گردشگری، مانند آدرس ها، ساختمان ها، سایت های حفاظت شده. یک مشخصات فنی برای هر موضوع ایجاد شد تا اصول هماهنگ سازی و انتشار داده های مکانی را با جزئیات شرح دهد. دستورالعمل INSPIRE موظف است که کشورهای عضو داده‌های مکانی مرتبط با موضوعات فوق‌الذکر را با استفاده از استانداردهای خدمات شبکه مانند سرویس نقشه وب (WMS) یا سرویس ویژگی وب (WFS) منتشر کنند و ابرداده‌هایی را که داده‌های مکانی را در سرویس‌های کاتالوگ توصیف می‌کنند ارائه دهند. گردشگری مستقیماً توسط موضوعات INSPIRE پوشش داده نمی شود. بنابراین داده های مکانی مانند داده های مسیرهای گردشگری و امکانات اقامتی در مناطق مرزی از طریق سامانه های مختلف جمع آوری و منتشر می شود. با این حال،52 ]).
مشکلات در دستیابی به داده‌های یکسان بدین معناست که تحلیل‌ها در سرزمین مرزی لهستان و چک، تا به امروز، تنها به میزان محدودی انجام شده است – آنها معمولاً بر پدیده‌های اجتماعی، مانند پدیده‌های جمعیتی، و بیکاری تمرکز می‌کنند [5 ، 53 ] . کدام داده ها به راحتی در دسترس هستند. تاکنون، بسیاری از این مطالعات تنها یک طرف مرز را پوشش می‌دادند [ 18 ، 54 ] و معمولاً بر اساس روش‌های کیفی (توصیفی) [ 20 ، 25 ، 55 ، 56 ] بودند. برخی از تحلیل‌ها بر نشان دادن تفاوت‌ها در داده‌های آماری از منابع مختلف در هر دو طرف مرز متمرکز بودند [ 57]]. مسائل مربوط به توسعه زیرساخت های خطی مانند جاده ها به ندرت با استفاده از روشی یکسان در دو طرف مرز اجرا شده است. تجزیه و تحلیل کل مناطق مرزی نشان دهنده سطح کمی بالاتر از توسعه اجتماعی-اقتصادی در مناطق چک است. با این حال، این تفاوت ها قابل توجه نیستند [ 58 ]. با این حال، تحلیل های دقیق از کل مرز در سطح اداری شهرداری ها نشان می دهد که تفاوت های محلی قابل توجهی در توسعه اجتماعی-اقتصادی در برخی مناطق مرزی وجود دارد [ 4 ، 5 ]. در زمینه امکانات گردشگری در سودت ها، توسعه بهتر در سمت چک قابل توجه است [ 59]. برای نشان دادن تقارن/عدم تقارن پدیده‌های فضایی در مرز لهستان و چک، مطالعات قبلی از بخش‌های مقطعی واحدهای اداری در تحلیل‌های خود استفاده کردند [ 5 ]. در بسیاری از موارد، تجزیه و تحلیل عدم تقارن در توسعه امکانات خدماتی به بررسی موجودی مستقیم در مناطق مرزی نیاز داشت [ 26 ، 29 ]. با این حال، این بررسی‌ها معمولاً بر اساس نشانه‌های نقطه‌ای رویدادهای مورد مطالعه بر روی نقشه‌ها و تحلیل ساختار کلی آنها بود. برای زیرساخت های خطی (به عنوان مثال، جاده ها، خدمات حمل و نقل، و مسیرهای توریستی)، روش های تحلیل شبکه ساده شده استفاده شده است [ 54 ، 60] ]. با این حال، نمونه های مربعی به ندرت در تحقیقات در مورد سرزمین های مرزی، مانند مطالعات پوشش زمین در مرز چک و اتریش استفاده می شود. 15 ] استفاده می شود. همانطور که بررسی ارائه‌شده ادبیات نشان می‌دهد، تحلیل‌های فضایی و مقایسه‌ای دقیق در مورد توسعه امکانات گردشگری در مرز لهستان و چک نسبتاً نادر است، به‌ویژه آنهایی که از شبکه‌های هندسی استفاده می‌کنند. با بررسی توسعه زیرساخت های گردشگری در منطقه Orlickie (Orlické) و کوه Bystrzyckie در Sudetes، ما این شکاف را در ادبیات پر می کنیم.

3. مواد و روشها

3.1. منطقه مطالعه

برای مطالعه موردی، منطقه توریستی مرزی کوه‌های Orlickie ( Orlické hory؛ Góry Orlickie ) و کوه‌های Bystrzyckie ( Góry Bystrzyckie ) را انتخاب کردیم. مناطق فیزیوگرافی که با مرزهای اداری همپوشانی ندارند. این منطقه در مرز لهستان و چک ( شکل 1 ) در سودت ها (کوه های سودتی) واقع شده است که اغلب در زمینه مدیریت زمین یا توسعه گردشگری در مناطق مرزی آن تحلیل می شود [ 5 ، 36 ، 61 ، 62 ، 63 ] . سودت ها منطقه ای فراصنعتی و پسا معدنی هستند که در آن نقش بخش خدمات، از جمله گردشگری، در حال حاضر در حال رشد است [ 25 ، 64، 65 ]. پس از جنگ جهانی دوم، این مناطق در معرض پدیده های اجتماعی-اقتصادی نامطلوب مرتبط با موقعیت پیرامونی و محدودیت های مربوط به حفاظت سیاسی و نظامی از مرزهای دولتی بین چکسلواکی و لهستان قرار گرفتند. در نتیجه کاهش جمعیت در مرز لهستان مشاهده شد که منجر به ناپدید شدن روستاهای سابق و کاهش کیفیت زیرساخت ها شد [ 19 ، 25 ، 66 ]، در کنار طبیعی سازی مجدد و افزایش مساحت جنگل ها [ 67 ، 68]. کوه های Orlickie و Bystrzyckie به ندرت موضوع مطالعات جداگانه در مرز لهستان و چک بوده اند، به جز مقالات Kołodziejczyk، که توسعه شبکه های مسیرهای گردشگری مشخص را تحلیل می کند [ 6 ، 60 ].

3.2. شبکه مربع

بسیاری از تحلیل های فضایی با اندازه گیری پدیده ها در زمینه های تحقیقاتی خاص انجام می شود. در مطالعات جغرافیایی، این میدان ها معمولاً به دو دسته طبیعی و مصنوعی تقسیم می شوند [ 69 ]. میدان‌های طبیعی بر اساس مرزهای طبیعی ایجاد می‌شوند، در حالی که میدان‌های مصنوعی را می‌توان با تقسیم‌بندی‌های هندسی، اداری یا ژئودتیکی تعریف کرد. در عمل، مرزهای تیز (مانند ساحل دریاچه) به ندرت در طبیعت رخ می دهد. اغلب، تغییرات در محیط تدریجی است، به همین دلیل است که مطالعات مرزهای مصنوعی را برای اهداف تحقیقاتی تعیین می کنند.
زمینه های تحقیقاتی بر اساس تقسیمات اداری یا آماری به دلیل در دسترس بودن داده های آماری عمومی مناسب است. این زمینه ها اغلب در مطالعات مرزی لهستان و چک استفاده می شود [ 5 ، 63 ]. با این حال، تنوع مساحت آنها و نامنظم بودن مرزهای آنها می تواند در مناطق کوچکتر مشکل ساز باشد. در بسیاری از مطالعات مبتنی بر تجزیه و تحلیل واحدهای اداری، یک عدم تناسب آشکار بین شهرداری‌های لهستانی در مقیاس بزرگ و شهرداری‌های چک به وضوح کوچکتر وجود دارد [ 5 ]. در مطالعات مرزی، می توان از واحدهای آماری NUTS اتحادیه اروپا استفاده کرد [ 29 ، 63 ، 70]، اما سطح اجباری NUTS-3 برای کشورهای عضو اتحادیه اروپا، واحدهایی را پوشش می دهد که برای تجزیه و تحلیل زیر منطقه ای ما بسیار بزرگ هستند.
میدان های هندسی در برخی از مطالعات بسیار مفید هستند و اغلب به دلیل یکنواختی استفاده می شوند [ 71 ]. آنها یک شبکه منظم و خودکار از زمینه های تحقیقاتی با اندازه معینی را تشکیل می دهند که منطقه مورد تجزیه و تحلیل را پوشش می دهد. این روش ها به ویژه برای تجزیه و تحلیل مناطقی که واحدهای آماری، اداری یا ژئودزیکی جداگانه ندارند، مناسب هستند. آنها همچنین اغلب هنگام ارائه پدیده های مستقل از مرزهای اداری، به ویژه در محیط زیست [ 72 ] یا برای ارائه داده های آماری در سراسر مرزهای سیاسی، مانند شبکه جمعیت در ابتکار GeoSTAT [ 73 ، 74] استفاده می شوند.]. در دسترس بودن نرم‌افزارهای کامپیوتری تحلیلی، تعداد تحلیل‌های اجتماعی-اقتصادی را با استفاده از این نوع روش افزایش داده است، از جمله تحقیقات در مورد گسترش شهری، پوشش زمین [ 15 ، 75 ]، گسترش بیماری [ 12 ، 13 ]، و دسترسی فضا-زمان در شهری. مناطق [ 16 ، 76 ].
شکل انتخاب شده برای شکل هندسی میدان های مصنوعی اولیه (مثلاً مربع یا شش ضلعی) به نوع تحلیل انجام شده بستگی دارد و عمدتاً تصمیمی است که به طور دلخواه توسط تحلیلگر گرفته می شود. مزیت شش ضلعی ها این است که شکل آنها شبیه دایره است و نسبت محیط به سطح پایینی دارند. این به فرد امکان می دهد فضا را به بهینه ترین روش تقسیم کند [ 16 ، 71 ]. استفاده از شش ضلعی ها به ویژه هنگام انجام تحلیل همسایگی مطلوب است [ 77 ]. زمینه‌های تحقیقاتی هندسی مصنوعی نباید در مناطقی با سطوح بزرگ (مثلا قاره‌ها) استفاده شود، زیرا سطح کروی زمین در یک نقشه دو بعدی مسطح انحراف زیادی دارد [78] .]. با این حال، آنها در مناطق کوچک راحت هستند. مزیت استفاده از شبکه مربعی در سادگی تجمع آن نهفته است. تغییر وضوح فضایی شبکه فقط مستلزم پیوستن حداقل چهار سلول به یک سلول بزرگتر یا تقسیم آنها بسته به کاهش یا افزایش وضوح است [ 72 ]. صرف نظر از شکل هندسی انتخاب شده، مزیت اصلی استفاده از میدان‌های مرجع هندسی مصنوعی، قابل مقایسه بودن نتایج تحلیل‌های حاصل است زیرا تقسیم فضا یکنواخت است. این عامل تفسیر تمایز فضایی چگالی پدیده را تسهیل می کند. در مقاله ما تصمیم گرفتیم از یک شبکه مربع استفاده کنیم.
اتخاذ یک اندازه و شکل مناسب برای میدان های اولیه هنگام استفاده از روش شبکه هندسی مهم است [ 79 ]. فیلدهای خیلی کوچک می توانند باعث از دست دادن خوانایی نقشه شوند. با این حال، میدان‌های خیلی بزرگ ممکن است نتایج را تحریف کنند – یعنی ممکن است وقوع پدیده‌ای را در یک منطقه بزرگ نشان دهند که ممکن است فقط در یک مکان متمرکز باشد. شکل و اندازه میدان اولیه بر برخی از انواع تحلیل‌ها تأثیر می‌گذارد، مانند آنهایی که از ضرایب همبستگی، منحنی لورنز یا ضریب جینی استفاده می‌کنند. این مسئله “مسئله واحد منطقه قابل اصلاح” (MAUP) نامیده می شود [ 80 ، 81]، که یک اثر سوگیری آماری است که توسط نمونه‌ها در یک ناحیه معین برای نمایش اطلاعاتی مانند تراکم منطقه استفاده می‌شود. با این حال، این عامل تاثیری بر مقایسه چگالی کل مناطق مورد مطالعه (که هدف اصلی مقاله ما است) زمانی که شبکه هندسی به مرزهای آن بریده می شود، ندارد. در ادبیات، فرمول های ریاضی برای تعیین اندازه فیلدهای اولیه معمولاً داده نمی شود [ 82 ]. بنابراین، این اندازه اغلب به صورت دلخواه از طریق “روش تخصصی” (معمولاً با مساحت یا اندازه که به صورت اعداد صحیح در مضرب ده ها بیان می شود، مانند 1، 10، و 100) اتخاذ می شود [15، 16]. برخی از محققان از اندازه شبکه بهینه استفاده کردند . انتخاب بر اساس مقایسه ضریب تعیین R انتخاب بر [ 76 ، 83 ]. در مقاله خود، ما تصمیم گرفتیم از یک شبکه سه کیلومتر مربعی استفاده کنیم، که یک منطقه ارزیابی مربع شکل پایه نه کیلومتر مربع را ارائه می دهد.
موضوع دوم تعیین وسعت میدان های هندسی اولیه در رابطه با مرزهای معمولاً نامنظم منطقه مورد مطالعه است. چنین میدان هایی را می توان با بیش از حد (زمینه هایی که اغلب خارج از منطقه مورد تجزیه و تحلیل [ 75 ] هستند)، با جریان زیرین (میدان هایی که خارج از منطقه مورد تجزیه و تحلیل قرار نمی گیرند [ 84 ])، یا با توجه به سیر محدوده مطالعه ایجاد می شوند. فیلدها بریده می شوند [ 85 ]). در حالت دوم، هنگامی که شبکه ها به مرز منطقه مورد مطالعه بریده می شوند، میدان های اولیه در حاشیه منطقه مورد مطالعه نامنظم می شوند، بنابراین مساحت واقعی آنها باید برای تجزیه و تحلیل چگالی پدیده مورد مطالعه محاسبه شود [85] .]. در مطالعات تطبیقی ​​دو ناحیه مجاور، کوتاه کردن مزارع تا مرز آنها ضروری به نظر می رسد. با این حال، برخی از نویسندگان از نمونه برداری مربعی با جریان زیرین استفاده کردند [ 15 ]. در تجزیه و تحلیل مناطق غیر مجاور، شبکه هایی که بیش از منطقه تحقیقاتی هستند رایج ترین هستند [ 16 ، 75 ]. در مقاله ما، از یک شبکه مربع بریده شده بر روی مرزهای منطقه مورد مطالعه برای تسهیل تجزیه و تحلیل مقایسه ای شاخص های تراکم استفاده می کنیم.
شکل 2 منطقه مورد مطالعه را با یک تقسیم اداری اولیه و یک شبکه مربع نشان می دهد. بی نظمی مرزهای اداری و نواحی مختلف مناطق شهری (کمون) در لهستان و جمهوری چک به وضوح تحلیل های فضایی مقایسه ای بالقوه را محدود می کند (به عنوان مثال، در سمت لهستان، تنها هفت واحد اداری با اندازه های مختلف وجود دارد). چنین تنوع بالایی از واحدهای تحقیقاتی آماری ما را وادار کرد تا شبکه‌های مربعی دلخواه را برای تجزیه و تحلیل انتخاب کنیم. مزایای بدون شک استفاده از سلول های شبکه شامل سهولت استفاده از آنها برای تعیین خودکار با استفاده از GIS و انجام تجزیه و تحلیل است.
پس از ساخت شبکه ای از مربع ها، مکان های مربع به دست آمد (تقسیم A-K و 1-18، به عنوان مثال، B4، C8، و J18)، و همچنین تعداد موارد در یک مربع (DPS – Dot Per Square) ) برای اشیاء نوع نقطه ای یا طول اشیاء نوع خطی. میدان‌های کنار مرز ایالتی به بخش لهستانی (“PL”) و بخش چک (“CZ”، به عنوان مثال، B3-PL و B3-CZ تقسیم شدند. مقدار چگالی پدیده بر روی نقشه choropleth با شدت رنگ یک مربع معین ارائه می شود.

3.3. نوع تحلیل زیرساخت گردشگری

در طول تحقیق خود، با مشکل قابل توجهی در دسترس بودن داده ها و نیاز به دستیابی به آن به صورت دستی از بسیاری از منابع متفاوت مواجه شدیم. به طور خاص، داده های موضوعی در مورد زیرساخت های گردشگری به سختی به دست می آمد. پایگاه‌های اطلاعاتی آنلاین موجود از تسهیلات اقامتی و پذیرایی اغلب قدیمی و ناهمگون بود، که بارگیری خودکار داده‌ها را برای تجزیه و تحلیل غیرعملی می‌کرد. حتی وضعیت فعلی مسیرهای توریستی مشخص شده از یک منبع به سختی به دست می آمد. یک مشکل دیگر، سیستم های مختلف جمع آوری و انتشار داده ها بود که در کشورهای مستقل همسایه استفاده می شد. مشکل ارتباط و تنوع رابط‌ها در میان مجموعه داده‌های در دسترس عموم اغلب در ادبیات شرح داده شده است [ 57 , 86]. بر اساس بررسی ادبیات (به بخش 2 مراجعه کنید ) و تجزیه و تحلیل داده های موجود مورد نیاز برای محاسبه شاخص ها، در نهایت شش ویژگی انتخاب شدند:
  • امکانات اقامتی (محل هتل ها، متل ها، امکانات گردشگری کشاورزی، آسایشگاه ها، اتاق های مهمان خصوصی، آپارتمان ها و کمپینگ ها)؛
  • امکانات غذایی (محل بارها و رستوران‌ها، از جمله رستوران‌های موجود در هتل‌ها برای افرادی که مهمان هتل نیستند) باز است.
  • جاده ها (طول بر حسب کیلومتر، جاده های عمومی آسفالت شده قابل دسترسی برای رانندگان)؛
  • مسیرهای پیاده روی مشخص شده (طول بر حسب کیلومتر)؛
  • دوچرخه سواری مسیرهای مشخص شده توریستی (طول بر حسب کیلومتر)؛
  • بالابرهای اسکی (هر نوع، طول بر حسب کیلومتر).
هنگامی که داده ها در مورد منطقه مورد مطالعه جمع آوری شد، فهرستی از مواد ثانویه تهیه شد. اطلاعات منابع آنلاین زیر برای جمع‌آوری داده‌هایی مانند تعداد و مکان اقامتگاه‌ها و امکانات خوراک‌شناسی استفاده شد:
  • از Duszniki ( https://visitduszniki.pl ، مشاهده شده در 26 مه 2019)، بازدید کنید.
  • Lasówka در قلب Sudetes ( https://lasowka.info/ ، قابل دسترسی در 27 مه 2019)؛
  • اقامت در جمهوری چک و اسلواکی ( https://www.ceskoslovensko.cz ، دسترسی به 28 مه 2019)؛
  • پورتال رسمی اینترنتی گردشگری منطقه پاروبیکو در جمهوری چک https://www.czechy-wschodnie.info ، قابل دسترسی در 28 مه 2019).
  • پورتال اینترنتی “Spalona” ( https://www.spalona.com.pl/noclegi.php ، دسترسی به 28 مه 2019)؛
  • پورتال اینترنتی “E-turysta” ( https://e-turysta.pl ، دسترسی به 28 مه 2019).
مکان‌های اقامتی خاص و امکانات خوراک‌شناسی توسط Google Maps تأیید شده است ( https://www.google.pl/maps/ ، در 28 مه 2019 مشاهده شده است). داده‌ها همچنین با استفاده از اطلاعات وب‌سایت‌های فردی اشیاء مورد بررسی تأیید شد. اقامتگاه ها و امکانات غذایی بدون تعیین تعداد تخت در اشیاء داده شده مورد تجزیه و تحلیل قرار گرفت زیرا چنین داده هایی در دسترس نبود. تنها در نظر گرفتن تعداد این اشیاء، تفسیر داده ها را دشوار می کند، اما به دست آوردن اطلاعات دقیق تر به مطالعات میدانی یا بررسی های تلفنی وقت گیر نیاز دارد. طول بالابرهای اسکی بر اساس داده‌های وب‌سایت‌های زیر است: “Zieleniec Ski Arena” ( https://www.zieleniec.pl/ ، قابل دسترسی در 24 مه 2019)، «اطلاعات اسکی» (https://www.skiinfo.pl/، قابل دسترسی در 24 مه 2019)، و “Na narty” ( https://www.nanarty.info/ ، در 24 مه 2019).
داده های مرجع، یعنی داده های مربوط به مکان جاده ها و ساختمان ها، از منابع نقشه خیابان باز به دست آمد. این داده ها رایگان هستند. با این حال، ممکن است حاوی خطاهایی باشد، به خصوص در مناطق کوچک مانند روستاها و شهرهای کوچک، زیرا به طور داوطلبانه به روز می شوند. مکان همه مسیرها، جاده‌ها، ساختمان‌ها، آسانسورها و غیره با استفاده از اطلاعات قرار داده شده در نقشه‌های الکترونیکی [ https://mapa-turystyczna.pl/gory-bystrzyckie ، دسترسی به ۲۴ مارس ۲۰۱۹] و نقشه‌های توریستی آنالوگ (چاپی) تأیید شد. کوه های Bystrzyckie و کوه های Orlické از شرکت خصوصی Galileos در مقیاس 1:40000 (معتبر برای سال 2016). همه داده ها به صورت دستی وارد شدند، در راستای این اصل که ویژگی های آنها باید الزامات داشتن یک تعریف یکسان را برآورده کند.

3.4. روش‌های محاسبه شاخص‌های مولفه و شاخص مصنوعی نهایی

برای تمام ویژگی های تجزیه و تحلیل شده، از شاخص های مؤلفه زیر استفاده شد – I d (تعداد اشیاء یا طول اجسام خطی در یک کیلومتر مربع)، که در ادبیات موضوع [ 87 ] توضیح داده شده است. فرمول کلی برای اندیکاتور است

مند=Loپ

که در آن L o عدد مشخص کننده عنصر مورد بررسی زیرساخت است (به عنوان مثال، تعداد واحدهای امکانات نوع نقطه ای، مانند اقامتگاه ها و امکانات خوراک شناسی، و طول کل اشیاء خطی مانند مسیرهای توریستی، مسیرهای دوچرخه سواری، بالابرهای اسکی، و غیره.)؛ و P مساحت سطح یک واحد آماری خاص (منطقه تحقیق) است.

برای جمع بندی توسعه مناطق مورد مطالعه، از یک شاخص مصنوعی بر اساس روش شاخص توسعه انسانی (HDI) استفاده شد [ 88 ]. این روش به فرد امکان می دهد تا تغییرپذیری گروهی از ویژگی ها را در مجموعه ای از متغیرهای مختلف به مدت یک سال ارزیابی کند و یک روش چند متغیره است [ 89 ]. این شاخص توسط سازمان ملل متحد برای تحلیل های تطبیقی ​​بین المللی توسعه اجتماعی پیشنهاد شده و در علوم جغرافیایی نیز کاربرد دارد. 90] .]. شاخص در دو مرحله محاسبه می شود. در مرحله اول، متغیرها به انواع کوچکتر-بهتر (STB) و بزرگتر-بهتر (LTB) تفکیک می شوند. LTB به این معنی است که متغیری با افزایش مقدار عددی خود پدیده ای مطلوب در نظر گرفته می شود، در حالی که متغیرهایی با مقادیر کم نامطلوب هستند. در نوع STB، تفسیر معکوس است. شاخص های مولفه جداگانه محاسبه می شوند و مقادیری از 0 تا 1 به دست می آورند (0 ≤ P ij ≤ 1). برای و LTB،

پمنj=(ایکسمنj-دقیقهایکسمن)(حداکثرایکسمن-دقیقهایکسمن)،

در حالی که برای STB،

پمنj=(حداکثرایکسمن-ایکسjمن)(حداکثرایکسمن-دقیقهایکسمن)،

که در آن P i j – زیرشاخص ویژگی i ( i = 1,2,3…,m) در شیء j ( j = 1,2,3…,n)؛ X ij – مقدار i th متغیر ( i = 1,2,3…,m) در j امین شی ( j = 1,2,3…,n)؛ max X i – حداکثر مقدار متغیر i . min X i – حداقل مقدار ویژگی i .

در تحلیل خود، ما فقط بر LTB تمرکز کردیم. از این رو، تنها یک فرمول برای محاسبات استفاده شد. در مرحله دوم، شاخص مصنوعی از شاخص های مؤلفه محاسبه می شود:

(اچ)j=1متر∑من=1مترپمنj

که در آن m تعداد نشانگرهای مؤلفه است.

در تحقیق خود، هر یک از شاخص های مؤلفه مرتبط با زیرساخت های گردشگری را به یک اندازه مهم در نظر می گیریم زیرا وزن هر شاخص همیشه ذهنی است. شاخص ترکیبی به‌دست‌آمده، صرف‌نظر از تعداد ویژگی‌های مورد بررسی، همیشه از 0 (با حداقل مقادیر همه شاخص‌های مؤلفه) تا 1 (با حداکثر مقادیر شاخص‌ها) متغیر است که تفسیر متغیر جدید را تسهیل می‌کند. علاوه بر این، در توزیع آماری شاخص‌های مؤلفه (و همچنین در تمرکز فضایی پدیده‌های تحلیل‌شده) نسبت به عدم تقارن بالا نسبتاً مقاوم است. نقطه ضعف اصلی HDI ذهنی بودن آن در انتخاب متغیرهای مؤلفه بر اساس روش خبره است. 91]]. شاخص های مؤلفه و شاخص مصنوعی محاسبه شده برای کل مناطق مورد مطالعه به مسئله MAUP حساس نیستند.

3.5. تجزیه و تحلیل توزیع فضایی

تأسیسات زیرساخت گردشگری تجزیه و تحلیل شده، ویژگی‌های نقطه‌ای (هتل‌ها و امکانات خوراک‌شناسی) و ویژگی‌های خطی (جاده‌ها، مسیرهای پیاده‌روی مشخص شده، مسیرهای دوچرخه‌سواری علامت‌گذاری شده توریستی و تله‌اسکی) را نشان می‌دهند. ما برآوردگر چگالی هسته ناپارامتری Epanechnikov (KDE) را برای تحلیل توزیع فضایی [ 92 ] انتخاب کردیم. نماد KDE است

f^(ایکس)=1nساعتد∑من=1nک(1ساعت(ایکس-ایکسمن))

که در آن K تابع هسته، h پهنای باند، n تعداد نقاط شناخته شده در پهنای باند، و d ابعاد داده [ 93 ] است. ما از ابزار Kernel Density در نرم افزار ESRI ArcGIS برای پیاده سازی KDE استفاده می کنیم. پارامترهای ورودی تابع عبارتند از مختصات -x،- y، ویژگی های جغرافیایی نشان دهنده یک متغیر، مقدار متغیر یک ویژگی معین، و شعاع ناحیه واحد جستجو. KDE به دلیل مجموعه ای از تخمین ها که بر روی یک شبکه قرار داده شده در کل الگوی نقطه انجام می شود برای شناسایی نقاط مهم مفید است [ 94 , 95]. یکی از مزایای استفاده از KDE این است که این روش می تواند تنوع مکانی نقاط و توزیع پدیده خطی را بدون توجه به واحدهای مرجع اتخاذ شده ارائه دهد.

علاوه بر این، تمرکز فضایی تأسیسات زیرساخت گردشگری را با استفاده از منحنی لورنز [ 96 ] و ضریب جینی [ 97 ] تحلیل کردیم. منحنی لورنز ( شکل 3 ) اغلب در تحقیقات اقتصاد و کاربری زمین برای توصیف نابرابری یا تمرکز پدیده مورد مطالعه استفاده می شود [ 98 ، 99 ]. نمادها و تفسیرهای ریاضی منحنی لورنز به طور گسترده در ادبیات موجود است [ 96 ، 100 ، 101 ]. در تحلیل ما، محور x نسبت تجمعی مناطق واحد تحقیق را ثبت می‌کند، در حالی که y-axis نسبت تجمعی تعداد یا طول تأسیسات زیرساخت رتبه‌بندی شده توسط شاخص تراکم زیرساخت را ثبت می‌کند. بنابراین، هر دو محدوده (0،1) هستند. در تجزیه و تحلیل ما، منحنی لورنز یک خط مستقیم y = x (خطی از توزیع کامل/برابر) است زمانی که همه واحدها دارای چگالی یکسانی از امکانات در هر میدان هندسی هستند. فرمول ریاضی ضریب جینی در یک تفسیر گرافیکی به شکل G = A/(A + B) است، که در آن A مساحت بین منحنی لورنز و خط توزیع کامل/برابر است، در حالی که B مساحت زیر لورنتس است. منحنی [ 97 ].
در تجزیه و تحلیل ما، مقدار ضریب G = 0 نشان دهنده تراکم زیرساخت یکسان در هر میدان آزمایشی است، در حالی که مقدار نزدیک به 1 نشان دهنده غلظت قوی است. شکل منحنی و ضریب جینی به تعداد و اندازه واحدهای تحقیقاتی حساس است (مسئله MAUP [ 100 ])، بنابراین داده‌های لهستان و جمهوری چک قابل مقایسه نیستند. با این حال، تمرکز امکانات زیرساختی مختلف در یک منطقه را می توان رتبه بندی کرد.

4. نتایج

4.1. زیرساخت های گردشگری در حوزه پژوهش

در این بخش فرعی، توزیع فضایی زیرساخت های گردشگری را از طریق روش توصیفی بر اساس مواد کارتوگرافی سنتی ( شکل 4 A-C) و تراکم آن در شبکه مربع ( شکل 5 A-F) و همچنین با استفاده از آن تحلیل می کنیم. روش هات اسپات KDE ( شکل 6 A–F).
در سمت لهستانی مطالعه، ما در مجموع 142 تسهیلات اقامتی (عمدتا در تمام طول سال) در 13 شهر یا روستا پیدا کردیم. اکثر امکانات اقامتی (به اندازه 68٪ از کل در سمت لهستانی منطقه مورد مطالعه) در Duszniki Zdrój و منطقه کوهستانی آن Zieleniec قرار داشتند، در حالی که 15 تسهیلات در Lasówka قرار داشتند. در سایر نقاط، تعداد تسهیلات اقامتی از 1 تا 5 متغیر بود. در سمت چک مطالعه، 240 تسهیلات اقامتی در 22 مکان وجود داشت. بیشترین تمرکز امکانات اقامتی در Deštné v Orlických horách (51) و پس از آن Čenkovice (39) و Říčky v Orlických horách (23) مشاهده شد. در سایر روستاها، تعداد تسهیلات اقامتی بین 2 تا 15 مورد بود ( شکل 4 الف).
برای تجزیه و تحلیل تراکم اقامتگاه ها در شبکه های مربع، بالاترین مقدار شاخص (هشت شی در هر کیلومتر مربع) در میدانی که مرکز شهر آبگرم Duszniki Zdrój (میدان C2-PL) را پوشش می دهد، مشاهده شد، جایی که 59 امکانات اقامتی قرار گرفتند. دومین مقدار برای میدان D6-PL در سمت لهستان 5.41 بود. اما این نتیجه به دلیل مساحت کوچک میدان تحقیقاتی (0.37 کیلومتر) بود ) بود) که فقط دو شی را شامل می شد. سومین نتیجه بالاتر از مقدار شاخص 4.22 برای منطقه Dusznik Zdrój–Zileniec (زمینه C4-PL) بود که دارای 37 امکانات اقامتی بود. از 48 حوزه ارزیابی اولیه تعیین شده، تقریباً در نیمی (26)، مقدار شاخص صفر بود. در سمت چک، بالاترین مقدار اندیکاتور 11 و مربوط به میدان J13-CZ واقع در منطقه لیچکوف بود. سایر مقادیر بالای شاخص در روستاهای Orlické Záhoří (فیلد E6-CZ، مقدار نشانگر 5.68 با پنج شی)، Deštné v Orlických horách (فیلد B5-CZ، مقدار نشانگر 4.16، تعداد اشیاء 33) و Říčky یافت شد. v Orlických horách (فیلد D9-CZ، مقدار نشانگر 2.33؛ تعداد اشیاء 21). مقدار شاخص تراکم تسهیلات اقامتی برای کل منطقه در سمت لهستان 0.54 و 0 بود. 71 در تیم چک. تجزیه و تحلیل هات اسپات از طریق روش KDE تمرکز امکانات اقامتی را در سه مکان اصلی تایید می‌کند: نزدیکی Duszniki Zdrój در لهستان و نزدیک Deštné v Orlických horách و Čenkovice در جمهوری چک (شکل 6 الف).
امکانات غذا و غذا عمدتاً در بزرگترین شهرها و روستاها متمرکز است و در بسیاری از موارد با وقوع اقامتگاه ها همزمان است. در سمت لهستانی منطقه مرزی مورد تجزیه و تحلیل، بیشترین تعداد امکانات غذایی در Duszniki Zdrój (16) و Zieleniec (22) قرار داشت. معمولاً فقط یک مرکز در مکان‌های دیگر قرار دارد (حداکثر دو مورد). در مجموع 79 مرکز غذا شناسی در منطقه مورد مطالعه چک وجود داشت. ما بیشترین تعداد امکانات خوراکی را در Deštné v Orlických horách (25) یافتیم، در حالی که در شهرهای دیگر، تعداد چنین امکاناتی معمولاً سه یا چهار بود. در زمینه های تحقیقاتی تعیین شده ( شکل 5ب)، بالاترین مقادیر شاخص مؤلفه در منطقه لهستانی 2.51 (22 شی، فیلد C4-PL، Zieleniec) و 2.19 (16 شی، فیلد C2-PL، Duszniki Zdrój) بود. سومین ناحیه با شاخص چگالی بالا (1.72) میدان H13-PL بود. با این حال، این میدان فقط شامل یک شیء خوراکی بود. مقدار شاخص بالای آن ناشی از منطقه تحقیقاتی کوچک (0.58 کیلومتر مربع ) است. مقادیر اندیکاتور برای سایر فیلدها از 0.25 تجاوز نکرد و در 38 فیلد (از 48 فیلد تعیین شده) مقدار نشانگر صفر بود.
در طرف چک، بالاترین مقدار تراکم تسهیلات غذایی 5.55 (میدان J13-CZ) بود، اما این تنها یک شی را در یک میدان با مساحت کوچک – 0.18 کیلومتر مربع نشان داد .. هم فیلد B6-CZ (12 شیء، مقدار 2.10) و هم فیلد B5-CZ (11 شیء، مقدار 1.39) مقادیر پایین‌تری از اندیکاتور ارائه می‌کنند که هر دو بخش‌هایی از دهکده Deštné v Orlických horách را پوشش می‌دهند. در سایر فیلدها، مقادیر شاخص تراکم از 1.25 تجاوز نکرد، در حالی که در 38 فیلد (از 67 فیلد)، این نشانگر صفر بود. مقدار شاخص تراکم تسهیلات غذایی محاسبه شده برای کل منطقه مورد تجزیه و تحلیل در سمت لهستانی مطالعه 0.18 و برای چک این مقدار 0.22 بود. تجزیه و تحلیل هات اسپات با استفاده از روش KDE تنها دو غلظت اصلی از امکانات خوراکی را تأیید کرد: Duszniki Zdrój در نزدیکی لهستان و نزدیک Deštné v Orlických horách در جمهوری چک ( شکل 6 B).
در منطقه لهستانی مورد مطالعه، طول کل جاده های عمومی آسفالت شده قابل دسترسی برای رانندگان 219.2 کیلومتر بود که 405.0 کیلومتر در منطقه چک موجود است ( شکل 4 B). بیشترین تراکم جاده در شهرهای Duszniki Zdrój (لهستان)، Deštné v Orlických horách (جمهوری چک) و Těchonín (جمهوری چک) ثبت شده است. در سمت لهستان، بالاترین شاخص تراکم جاده 4.27 بود و به میدان D6-PL تعلق داشت ( شکل 5 C). با این حال، مساحت آن تنها 0.37 کیلومتر مربع بود. کمترین مقدار اندیکاتور مربوط به فیلد G4-PL و 0.01 بوده است. فقط در پنج میدان شبکه هیچ جاده عمومی وجود نداشت. در منطقه چک، بالاترین مقدار اندیکاتور 12.58 بود و مربوط به فیلد F13-CZ بود. اما مساحت این میدان تنها 0.12 کیلومتر مربع (1.51 کیلومتر جاده) بود. دومین مقدار برای میدان K15-CZ 4.63 بود (طول جاده 0.37 کیلومتر و مساحت میدان 0.08 کیلومتر مربع). در جمهوری چک، هیچ جاده عمومی باز در شش میدان شبکه وجود نداشت. مقدار شاخص جزء تراکم جاده برای منطقه لهستانی مورد مطالعه 0.83 و 1.14 برای منطقه چک بود. روش KDE غلظت اصلی شبکه‌های جاده‌ای را در قسمت جنوبی منطقه مورد مطالعه در جمهوری چک و در محله‌های Deštné v Orlických horách نشان می‌دهد ( شکل 6 C)
طول کل مسیرهای پیاده روی در منطقه لهستان 262.5 کیلومتر و 450.7 کیلومتر در منطقه چک بود ( شکل 4 B). بیشترین تراکم مسیرها در سمت لهستانی منطقه مورد مطالعه را می توان در شمال در نزدیکی Duszniki Zdrój و Polanica Zdrój مشاهده کرد ( شکل 5 D). در منطقه چک، بالاترین مقادیر شاخص در بخش شمال غربی کوه ها (به عنوان مثال، در اطراف Deštné v Orlických horách)، و همچنین در جنوب در نزدیکی مرز با لهستان (در اطراف Lichkov و Těchonín) مشاهده شد. در زمینه های تحقیق مورد تجزیه و تحلیل، بالاترین مقدار شاخص چگالی 8.75 در زمینه A3-PL بود. اما مساحت این میدان تنها 0.12 کیلومتر مربع بود، و 1.05 کیلومتر مسیر پیاده روی وجود داشت. دومین مقدار برای H13-PL 3.74 بود. با این حال، مساحت میدان ارزیابی نیز در این مورد کم بود – 0.58 کیلومتر مربع . علاوه بر این، هیچ مسیر پیاده روی در دو زمینه تحقیقاتی وجود نداشت. در منطقه چک، بالاترین مقدار شاخص در میدان C4-CZ 9.26 بود، اما مساحت این میدان تنها 0.23 کیلومتر مربع بود . دومین مقدار بالاتر برای میدان نامنظم B8-CZ، با مساحت 0.76 کیلومتر مربع، 4.82 بود .. هیچ مسیر پیاده روی در هشت رشته ارزیابی پایه وجود نداشت. مقدار تراکم برای شبکه مسیرهای پیاده روی در منطقه مورد مطالعه لهستان 0.99 و 1.27 در منطقه چک بود. روش KDE غلظت نوری از مسیرهای مشخص شده را در ناحیه شمال غربی نشان می دهد که در قسمت جنوبی منطقه تحقیقاتی در جمهوری چک ضعیف تر بود ( شکل 6 D).
شبکه مسیرهای دوچرخه‌سواری مشخص شده و مسیرهای پیاده‌روی، شهرهای نسبتاً متراکم مجاور مانند Duszniki Zdrój در لهستان و Výprachtice، Mladkov و Orličky در جمهوری چک بود (شکل 4 B ). طول کل مسیرهای دوچرخه سواری مشخص شده 201.5 کیلومتر در منطقه لهستان و 317.5 کیلومتر در چک بود. در منطقه لهستان، بالاترین مقدار شاخص تراکم مسیرهای چرخه 2.81 در میدان D6-PL (1.04 کیلومتر مسیر) بود ( شکل 5 E). هیچ مسیر دوچرخه سواری در هفت زمینه ارزیابی اولیه وجود نداشت. در منطقه چک، بالاترین مقدار شاخص تراکم 4.42 در میدان F13-CZ بود، اما مساحت آن تنها 0.12 کیلومتر مربع بود . دومین مقدار بالاتر 3.20 برای E11-CZ، با مساحت 2.13 کیلومتر مربع بود .و طول مسیر 6.81 کیلومتر. هیچ مسیر دوچرخه سواری در 9 زمینه ارزیابی پایه وجود نداشت. مقدار شاخص تراکم دنباله چرخه برای منطقه لهستانی در مطالعه 0.76 و 0.92 برای منطقه چک بود. روش KDE غلظت نوری از مسیرهای چرخه مشخص شده را در قسمت جنوبی منطقه مورد مطالعه در جمهوری چک و در قسمت شمالی منطقه مورد مطالعه در لهستان، در نزدیکی Kudowa Zdrój نشان داد (شکل 6 E ) .
بالابرهای اسکی فقط در نزدیکی Zieleniec در منطقه مورد مطالعه در لهستان قرار داشتند و طول کل آنها 7.5 کیلومتر بود ( شکل 4 C). آنها فقط در دو زمینه ارزیابی ظاهر شدند: C4-PL (شاخص 0.8) و C5-PL (شاخص 0.27) ( شکل 5 F). در جمهوری چک، این آسانسورها در چندین مکان قرار داشتند. طول کل آنها 14.7 کیلومتر بود و در 9 میدان ارزیابی ظاهر شدند. بالاترین مقدار نشانگر (0.86) برای میدان نامنظم B6-CZ به وسعت 5.71 کیلومتر مربع ، واقع در Deštné v Orlických horách یافت شد. مقدار نسبت تراکم بالابرهای اسکی در منطقه مورد مطالعه لهستان 0.03 و 0.04 برای منطقه جمهوری چک بود. روش KDE یک هات اسپات اصلی را در مرز چک/لهستان و همچنین دو نقطه اتصال کمتر قابل مشاهده را نشان داد ( شکل 6و)
تجزیه و تحلیل ضرایب جینی ( جدول 1 ) و منحنی های لورنز ( شکل 7 ) ویژگی های غلظت تاسیسات زیرساختی مورد مطالعه را در هر دو منطقه مورد مطالعه تایید می کند. متمركزترين ويژگي ها در دو طرف مرز، تله اسكي بود. در لهستان، تمرکز امکانات غذایی بیشتر از امکانات اقامتی بود، زمانی که جمهوری چک برای هر دو سطح تمرکز مشابهی داشت. هم در لهستان و هم در جمهوری چک، متداول‌ترین امکانات پراکنده مسیرهای پیاده‌روی و دوچرخه‌سواری علامت‌گذاری شده بودند و پس از آن شبکه جاده‌ای.

4.2. شاخص ترکیبی توسعه زیرساخت های گردشگری

تجزیه و تحلیل تراکم عناصر مورد مطالعه زیرساخت گردشگری در میدان‌های تحقیقاتی مربعی، ما را قادر ساخت تا نقشه‌ای خلاصه بر توسعه این زیرساخت بر اساس روش HDI تهیه کنیم ( شکل 8 ).
بالاترین مقادیر شاخص در منطقه مورد مطالعه لهستان توسط زمینه های پوشش Duszniki Zdrój و منطقه آن، Zieleniec (میدان های C2-PL و C4-PL) به دست آمد. این مناطق از نظر تراکم اقامتگاه ها و امکانات غذایی و همچنین مسیرهای گردشگری مشخص شده آنها توسعه یافته ترین مناطق بودند. در منطقه چک، بهترین زیرساخت توسعه‌یافته گردشگری در اطراف Deštné v Orlických horách (میدان B6-CZ) و به دنبال آن در جنوب منطقه مورد مطالعه در اطراف Orličky (میدان J16-CZ)، Čenkovice (میدان J17-CZ) و Výprachtice قرار داشت. (میدان I16-CZ، I17-CZ)، در بخش‌های مرکزی نزدیک مرز لهستان – ملادکوف (میدان H13-CZ)، České Petrovice (میدان H12-CZ)، Říčky v Orlických horách (میدان D9-CZ) و Zdobnice (فیلد C8-CZ). ارزش شاخص ترکیبی توسعه زیرساخت های گردشگری در منطقه لهستان 0 بود. 082 در مقایسه با 0.106 در منطقه چک. بنابراین، نسبت شاخص در منطقه چک به طور کلی 1.29 بالاتر از منطقه لهستان است. چنین مقایسه ای با روش KDE امکان پذیر نیست.

5. بحث

در این مقاله، برای ارزیابی عدم تقارن توسعه زیرساخت‌های گردشگری در مناطق مرزی لهستان و چک، با استفاده از دو روش اساسی – در نظر گرفتن شاخص‌های تراکم زیرساخت‌های گردشگری در میدان‌های مربع و بررسی نقاط داغ با استفاده از روش KDE، تحلیلی را انجام دادیم. ما علاوه بر این از شاخص HDI استفاده کردیم، که امکان انجام یک تجزیه و تحلیل مصنوعی را با در نظر گرفتن تمام شاخص‌های مؤلفه تحلیل‌شده و منحنی لورنز با ضریب جینی برای تجزیه و تحلیل غلظت فضایی زیرساخت فراهم کرد. شاخص ترکیبی HDI تراکم زیرساخت‌های گردشگری، ارزیابی کمی تفاوت‌ها در توسعه زیرساخت‌های گردشگری در مناطق لهستانی و چکی منطقه مورد تحقیق را با در نظر گرفتن انواع نقطه‌ای و خطی زیرساخت‌ها امکان‌پذیر کرد. این عدم تقارن در توسعه منطقه مورد تجزیه و تحلیل را تأیید کرد، که تقریباً 30٪ در سمت چک بیشتر از طرف لهستان بود. این امر نتایج تحقیقات نویسندگان دیگر در مورد سودت ها را با استفاده از روش های دیگر تأیید می کند.5 ، 59 ]. تنوع موجود نتیجه شرایط تاریخی و سیاسی است. چکسلواکی (و سپس جمهوری چک) از پایان جنگ جهانی اول (به جز 1938-1945) در این منطقه وجود داشته است. با این حال، مناطق سودت ها تنها در سال 1945 در نتیجه تصمیمات سیاسی ائتلاف ضد هیتلر به لهستان داده شد [ 102 ]. ساکنان سابق آلمان پس از جنگ جهانی دوم به اجبار آواره شدند. منطقه قابل توجه سودت های لهستان یک منطقه مرزی ویژه تحت پوشش انواع محدودیت های اسکان و مسافرت بود و تا سال 1991 توسط نیروهای حفاظت مرزی محافظت می شد. زیرساخت های گردشگری از قبل موجود [ 19 ،55 ، 103 ]. در دهه 1980، این مناطق بالاترین نرخ مصرف سرمایه ثابت را در لهستان داشتند [ 17 ، 56 ]. پدیده های نامطلوب اما تا آغاز قرن بیست و یکم در این منطقه رخ داد [ 104 ]. انگیزه توسعه در نتیجه باز شدن تدریجی مرزهای دولتی و الحاق لهستان و جمهوری چک در سال 2004 به اتحادیه اروپا بود [ 66 ]. این با حمایت قوی برای سرمایه گذاری در مناطق مرزی از سوی صندوق های کمک اتحادیه اروپا و توسعه سریع گردشگری همراه بود [ 62 , 105]. با این حال، همانطور که تحقیقات نشان می دهد، در طول این ده سال توسعه، امکان حذف تفاوت های قابل توجه بین بخش های لهستانی و چکی منطقه مرزی مورد بررسی وجود نداشته است. سرمایه گذاری در زیرساخت های گردشگری ابزار مهمی برای بازسازی مناطق حاشیه نشین در نظر گرفته می شود [ 106 ].
توسعه زیرساخت در مناطق مورد مطالعه ناهمگن است و به وضوح تمایل به تمرکز حول مقاصد عمده گردشگری را نشان می دهد. شبکه مربع استفاده شده در این مقاله امکان ارائه تنوع فضایی پدیده و در نتیجه محاسبه (و تفسیر آسان) شاخص های چگالی مربوطه را فراهم می کند. با این حال، این شاخص ها منجر به تعمیم قابل توجهی از وقوع فضایی پدیده ها شد. مهم‌ترین مشکل، کوتاه کردن زمین‌های مربعی به محدوده مطالعه و مرز دولتی بود. در مرزهای خارجی، از نظر تئوری امکان استفاده از فیلدهای کامل با مازاد وجود داشت که در بسیاری از مطالعات انجام شده است [ 16 ، 75 ، 107] .]. با این حال، این امکان در مناطق مجاور مرز وجود نداشت، زیرا برای مقاصد مقایسه ای، قطع قطعات چک و لهستانی در زمینه های تحقیقاتی انتخاب شده شرط لازم برای تجزیه و تحلیل بود. با این حال، این پیرایش منجر به ایجاد مناطق زیادی با سطوح مختلف شد که تا حدی از مزایای استفاده از زمینه‌های تحقیقاتی یکنواخت غفلت کرد. ایجاد بسیاری از زمینه ها با مساحت های بسیار کوچک به ویژه نامطلوب بود. در تحقیقات تطبیقی ​​مرزی که توسط سایر نویسندگان انجام شده است، از نمونه مربعی با جریان زیرین نیز استفاده شده است که در آن مربع های واقع در دو طرف مرز مجاور نیستند [ 15 ]. با این حال، در مورد ما، زیرساخت‌های گردشگری که معمولاً در پشته‌های مرزی یافت می‌شوند، که اغلب مناطق توریستی مهم هستند، به اندازه کافی در نظر گرفته نمی‌شود [ 6] .]. علاوه بر این، تجزیه و تحلیل میدان های مربع توسط مشکل MAUP سنگین شد. در واقع، اگر از سایزهای شبکه مربعی دیگر استفاده شود، پدیده مشاهده شده کمی متفاوت به نظر می رسد. بنابراین، استفاده از روش های اضافی برای تجزیه و تحلیل غلظت زیرساخت مورد مطالعه مفید بود.
تجزیه و تحلیل غلظت با استفاده از روش KDE و منحنی لورنز نشان داد که زیرساخت های گردشگری در فضا به طور ناهموار قرار دارند. به خصوص در سمت لهستان، تمرکز شدیدی در مجاورت Kudowa Zdrój وجود دارد، در حالی که در سمت چک، چندین استراحتگاه توریستی با دو منطقه اصلی تمرکز در نزدیکی Deštné v Orlických horách و Orličky وجود دارد. در منطقه چک، این نوع زیرساخت بسیار پراکنده‌تر است و چندین شهر و روستای کوچک را پوشش می‌دهد که به دلیل قرار گرفتن در مناطق کوهستانی جذاب، نقاط داغ گردشگری هستند. تجزیه و تحلیل KDE نشان داد که زیرساخت‌های اسکی سراشیبی، اقامتگاه‌ها و امکانات غذایی با تمرکز فضایی ویژه در این منطقه مشخص می‌شوند. با این حال، زیرساخت‌های پیاده‌روی، مسیرهای دوچرخه‌سواری و جاده‌ها بیشترین پراکندگی را داشتند. این روش همچنین مکان‌های خوشه‌ای از تأسیسات زیرساختی فردی را که اغلب با شهرها و روستاهای اصلی مرتبط هستند، به وضوح نشان می‌دهد. با این حال، این روش امکان مقایسه توسعه کل مناطق را به روش مصنوعی فراهم نمی کند، که با استفاده از روش HDI با میدان های مربعی امکان پذیر است. علاوه بر این، ارزیابی تفاوت در غلظت پدیده دشوار است. در این مورد، روش منحنی لورنز و ضریب جینی مفید هستند، زیرا فرد را قادر می‌سازد تا به وضوح مشخص کند که کدام عناصر توسعه کم و بیش در یک ناحیه معین متمرکز شده‌اند. با این حال، به دلیل MAUP، مقایسه غلظت این پدیده ها در مناطق لهستانی و چک غیرممکن است.
شاخص‌های مؤلفه تنها به بخشی از زیرساخت‌های موجود مربوط می‌شوند که تحلیل آن می‌تواند برای ارزیابی توسعه گردشگری و تفریحی مورد استفاده قرار گیرد. همچنین باید توجه داشت که تراکم بالای یک نوع زیرساخت معین همیشه نشان دهنده توسعه گردشگری نیست. توجه به جاده‌های آسفالت‌شده به‌ویژه مشکل‌ساز است، زیرا شهرک‌های مسکونی در مناطق شهری با شبکه‌های خیابانی متراکم، اغلب ربطی به گردشگری ندارند. از سوی دیگر، فقدان راه های عمومی باز می تواند مانع یا مانع توسعه گردشگری شود، زیرا امروزه گردشگران موتوری از اهمیت بالایی برخوردار هستند [ 20 ].

6. خلاصه و نتیجه گیری

این مطالعه سطح بالاتری از زیرساخت های گردشگری در مرز چک را تایید کرد. شاخص ترکیبی توسعه زیرساخت در زیر منطقه مورد مطالعه در منطقه چک 30 درصد بیشتر از لهستان بود. با این حال، تجزیه و تحلیل فضایی نشان می دهد که این تفاوت ها به دلیل تمرکز زیرساخت ها در نزدیکی مراکز عمده گردشگری (شهرها و روستاها) بیشتر است. تجزیه و تحلیل توسعه زیرساخت های گردشگری هنگام دسترسی به داده های استاندارد شده در مناطق متعلق به دو کشور مجزا که از سیستم های مختلف برای نمایش، جمع آوری و انتشار داده ها استفاده می کنند، با مشکلات جدی مواجه می شود. این مقاله همچنین برخی از احتمالات و مشکلات استفاده از نقشه کروپلث مربع و روش KDE نقطه کانونی را برای تحلیل فضایی مقایسه ای مناطق توریستی نشان می دهد.
(1)
استفاده از سلول های شبکه هندسی به ویژه برای تجزیه و تحلیل و مقایسه پدیده هایی که در مناطقی اتفاق می افتد که اندازه های قابل توجهی متفاوتی از واحدهای اداری یا آماری دارند یا به طور داخلی به چنین واحدهایی تقسیم نمی شوند مفید است. در این مورد، داده ها باید از منابع دیگر مانند نقشه های آنالوگ، نقشه های دیجیتال، تصاویر ماهواره ای یا مطالعات میدانی به دست آیند (از این رو، آنها اغلب در تحقیقات اکولوژیکی و در شهرهایی که یک واحد اداری واحد را تشکیل می دهند استفاده می شوند).
(2)
مزیت استفاده از یک شبکه هندسی مصنوعی خوانایی بیشتر آن برای کاربر نهایی در مقایسه با یک نقشه معمولی choropleth بر اساس واحدهای اداری است زیرا تقسیم فضا یکنواخت است.
(3)
میدان‌های کامل هندسی محاسبه شاخص‌های چگالی را که می‌توان در تحلیل‌های چند متغیره مانند HDI استفاده کرد، تسهیل می‌کند و بدین ترتیب معیارهای ترکیبی برای توسعه پدیده مورد مطالعه به دست می‌آید و شاخص‌های مؤلفه برای اجسام خطی، نقطه‌ای و سطحی را در یک شاخص در نظر می‌گیرد.
(4)
تحلیل تطبیقی ​​ویژگی‌ها در دو ناحیه مجاور با استفاده از روش‌های شبکه‌ای، مشکلاتی را تجربه می‌کند که با نیاز به بریدن (برش) نامنظم میدان‌های هندسی تا مرز منطقه مورد مطالعه، که برخلاف اصل تقسیم منطقه به میدان‌های مساوی است، مواجه می‌شود.
(5)
روش KDE نقطه کانونی فرد را قادر می‌سازد تا خوشه‌های اصلی تأسیسات زیرساختی مورد بررسی را تعیین کند، اما اجازه ایجاد شاخص‌های توسعه مصنوعی برای کل منطقه مورد مطالعه را نمی‌دهد.
هر یک از روش های تحلیل مورد استفاده دارای محدودیت ها و نقاط قوت خاص خود است. تنها استفاده تکمیلی از چندین روش تحقیق، هم روش های تحلیل آماری فضایی (مانند نقطه داغ) و هم روش های قدیمی تر که ساده هستند اما همچنان در تحقیقات علمی مورد استفاده قرار می گیرند (مانند HDI، منحنی لورنز و ضریب جینی)، درک بهتری را ممکن می سازد. از تنوع فضایی پدیده های مورد مطالعه.

منابع

  1. Więckowski، M. توسعه گردشگری در مناطق مرزی لهستان. Geogr. پول 2010 ، 83 ، 67-81. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  2. پروکولا، ای.-ک. مرزها در گردشگری: دگرگونی چشم انداز مرزی سوئد و فنلاند Curr. تور مسائل. 2010 ، 13 ، 223-238. [ Google Scholar ] [ CrossRef ]
  3. انیسیویچ، آر. Palmowski، T. ترافیک مرزی کوچک و گردشگری فرامرزی بین لهستان و استان کالینینگراد فدراسیون روسیه. کوئست. Geogr. 2014 ، 33 ، 79-85. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  4. کلادیوو، پ. پتاچک، پ. روبینک، پ. Ziener، K. سرزمین مرزی چک-لهستان و اتریش-اسلوونی – شباهت ها و تفاوت های توسعه و گونه شناسی مناطق. موراو. Geogr. Rep. 2012 , 20 , 48-63. [ Google Scholar ]
  5. پاستو، وی. ماکو، ک. بوریان، جی. پانک، جی. توچک، پی. تداوم فرامرزی: مورد سرزمین مرزی چک و لهستان. موراو. Geogr. Rep. 2019 , 27 , 122-138. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  6. Kołodziejczyk، K. تغییرات در شبکه مسیرهای گردشگری در مناطق مرزی جمهوری چک پس از ورود به منطقه شنگن. J. Mt. Sci. 2020 ، 17 ، 949–972. [ Google Scholar ] [ CrossRef ]
  7. Dołzbłasz, S. From Divided to Shared Spaces: Transborder Tourism in the Borderlands لهستان و چک. در گردشگری و ژئوپلیتیک: مسائل و مفاهیم اروپای مرکزی و شرقی . هال، دی.، اد. CABI: بوستون، MA، ایالات متحده آمریکا، 2017; صص 163-177. [ Google Scholar ]
  8. Furmankiewicz, M. Town-winning به عنوان یک عامل ایجاد کننده جریان های بین المللی کالاها و مردم – مثال لهستان. بلژئو کشیش بلژ. De Geographie 2005 ، 1 ، 145-162. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  9. پرزیبیلا، ک. Kulczyk-Dynowska، A. دگرگونی عملکردهای توریستی در مناطق شهری کوههای Karkonosze. IOP Conf. سر. ماتر علمی مهندس 2017 ، 245 ، 1-7. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  10. بوهم، اچ. Šmída, J. مرزها در نقشه های قدیمی کوه Jizera. متفرقه Geogr.-Reg. گل میخ. توسعه دهنده 2019 ، 23 ، 199-209. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. کاپلو، آر. کاراگلیو، ا. فراتسی، U. اندازه گیری اثرات مرزی در مناطق فرامرزی اروپا. Reg. گل میخ. 2018 ، 52 ، 986-996. [ Google Scholar ] [ CrossRef ]
  12. اسلوکام، TA; مک مستر، آر.بی. کسلر، اف سی؛ هاوارد، HH نقشه Chorodot. در کارتوگرافی موضوعی و تجسم جغرافیایی ; Pearson Prentice Hall: Upple Saddle River، NJ، ایالات متحده آمریکا، 2004. [ Google Scholar ]
  13. MacEachren، AM; DiBiase، D. نقشه های متحرک داده های کل: مسائل مفهومی و عملی. کارتوگر. Geogr. Inf. سیستم 1991 ، 18 ، 221-229. [ Google Scholar ] [ CrossRef ]
  14. ماسوت، AN; آلونسو، GC سیاست توسعه روستایی در اکسترمادورا (SW اسپانیا): تجزیه و تحلیل موقعیت مکانی پروژه‌های رهبر. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 1-16. [ Google Scholar ]
  15. اسکلنیکا، پی. شیمووا، پ. هردینووا، ک. سالک، ام. تغییر مناظر روستایی در امتداد مرز اتریش و جمهوری چک بین سال‌های 1952 و 2009: نقش عوامل سیاسی، اجتماعی-اقتصادی و محیطی. Appl. Geogr. 2014 ، 47 ، 89-98. [ Google Scholar ] [ CrossRef ]
  16. Burdziej، J. استفاده از شبکه های شش ضلعی و تجزیه و تحلیل شبکه برای ارزیابی دسترسی فضایی در محیط های شهری – مطالعه موردی امکانات عمومی در تورون. متفرقه Geogr.-Reg. گل میخ. توسعه دهنده 2019 ، 23 ، 99–110. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. Ciok, S. Problematyka obszarów przygranicznych polski południowo-zachodniej. Studium społeczno-ekonomiczne. در Acta Universitatis Wratislaviensis No 1155 ; Państwowe Wydawnictwo Naukowe، Oddział Wrocławski: Wrocław، لهستان، 1990. [ Google Scholar ]
  18. کولژکا، ج. ژیسکوفسکا، دبلیو. باتلکوا، ک. سیوک، اس. دولزبلاس، اس. کرشنر، ک. کریچی، تی. Raczyk، A. اسپالک، دبلیو. Zapletalová، J. نفوذپذیری مرز چک-لهستان با استفاده از معیارهای انتخاب شده. Geogr. فنی 2015 ، 10 ، 51-65. [ Google Scholar ]
  19. Latocha، A. تغییرات در چشم انداز روستایی کوه های سودتی لهستان در دوره پس از جنگ. Geogr. پول 2012 ، 85 ، 13-21. [ Google Scholar ] [ CrossRef ]
  20. وایشار، ع. دوورژاک، پ. Hubačíková، V. Zapletalová، J. توسعه معاصر بخش های پیرامونی سرزمین مرزی چک-لهستان: مطالعه موردی منطقه جاورنیک. Geogr. پول 2013 ، 86 ، 237-253. [ Google Scholar ] [ CrossRef ]
  21. فورمانکیویچ، ام. Knieć، W. Atterton, J. حکومت روستایی در کشورهای عضو جدید اتحادیه اروپا: تجربه برنامه آزمایشی LEADER + لهستان (2004-2008). در حکومت داری در حال گذار ; Buček, J., Ryder, A., Eds. Springer Geography: Dordrecht, The Netherlands, 2015; صص 133-153. [ Google Scholar ]
  22. فورمانکیویچ، ام. کمپبل، الف. از حمایت تسهیلات اجتماعی یکبار مصرف تا توسعه پایدار یکپارچه: اهداف همکاری بین شهری در لهستان، 1990-2018. پایداری 2019 ، 11 ، 5890. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  23. Dołzbłasz, S. رویکرد شبکه ای برای مطالعات همکاری فرامرزی که نمونه آن مرز شرقی لهستان است. Geogr. پول 2018 ، 91 ، 63-76. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. بوهم، اچ. دراپلا، ای. همکاری فرامرزی به عنوان ابزار آشتی: نمونه ای از مرزهای شرق چک و لهستان. Reg. فدرال رزرو گل میخ. 2017 ، 27 ، 305-319. [ Google Scholar ] [ CrossRef ]
  25. Czetwertyński-Sytnik، L. کوزیول، ای. Mazurski، KR حل و فصل و پایداری در سودت های لهستانی. جئوژورنال 2000 ، 50 ، 273-284. [ Google Scholar ] [ CrossRef ]
  26. Dołzbłasz، S. تقارن یا عدم تقارن؟ باز بودن فرامرزی ارائه دهندگان خدمات در شهرهای مرزی لهستان، چک و لهستان و آلمان. موراو. Geogr. Rep. 2015 , 23 , 2-12. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. Mun, S.-I.; ناکاگاوا، اس. قیمت گذاری و سرمایه گذاری زیرساخت های حمل و نقل فرامرزی. Reg. علمی اقتصاد شهری 2010 ، 40 ، 228-240. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  28. هالی، دبلیو. نکواپیل، ج. Scherm، I. Tišerová، P. همسایگان نابرابر: مقابله با عدم تقارن. J. Ethn. مهاجرت گل میخ. 2003 ، 29 ، 819-834. [ Google Scholar ] [ CrossRef ]
  29. فورمانکیویچ، ام. بوریلو، ک. Dołzbłasz, S. از مناطق خدماتی تا راهروهای حمل و نقل خالی؟ تأثیر باز شدن مرزها بر تسهیلات خدماتی و خرده فروشی در گذرگاه های مرزی لهستان و چک. موراو. Geogr. Rep. 2020 , 28 , 136-151. [ Google Scholar ]
  30. Rietveld, P. Barrier Effects of Borders: Implications for Border Crossing Infrastructures. یورو J. Transp. زیرساخت. Res. 2012 ، 12 ، 150-166. [ Google Scholar ]
  31. هلداک، م. Bykowa، E. ساخت جاده های عمومی در نقطه ملاقات سیستم های مختلف قانون گذاری. جی. اکول. مهندس 2017 ، 18 ، 86-94. [ Google Scholar ] [ CrossRef ]
  32. Forest, P. انتقال آب فله بین کانادا و ایالات متحده: بیش از یک قرن منابع آب بین‌مرزی بین محلی. Geoforum 2012 ، 43 ، 14-24. [ Google Scholar ] [ CrossRef ]
  33. Lamparska، M. مسیر توریستی فراصنعتی در لهستان و مرز جمهوری چک. Acta Geogr. سیل. 2016 ، 23 ، 57-66. [ Google Scholar ]
  34. Furmankiewicz، M. همکاری بین‌المللی شهرداری‌های لهستان: جهت‌گیری‌ها و تأثیرات. Tijdschr. Voor Econ. En Soc. Geogr. 2007 ، 98 ، 349-359. [ Google Scholar ] [ CrossRef ]
  35. سیوک، اس. Raczyk، A. اجرای ابتکار جامعه اتحادیه اروپا INTERREG III A در مرز لهستان و آلمان: تلاشی برای ارزیابی. در حکمرانی فرامرزی و توسعه فضایی پایدار: به شکاف‌ها توجه کنید! Leibenath, M., Korcelli-Olejniczak, E., Knippschild, R., Eds. Springer: برلین، آلمان، 2008; صص 33-47. [ Google Scholar ]
  36. استاچرزاک، ا. هلداک، ام. توسعه ناحیه وابسته به سطوح کشاورزی، گردشگری و اقتصادی. پایداری 2019 ، 11 ، 415. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  37. Rogalewski، O. Zagospodarowanie Turystyczne ; Wydawnictwa Szkolne i Pedagogiczne: Warszawa، لهستان، 1979. [ Google Scholar ]
  38. سازمان جهانی گردشگری سازمان ملل متحد. واژه نامه اصطلاحات گردشگری ; سازمان جهانی گردشگری سازمان ملل متحد: مادرید، اسپانیا، 2008. [ Google Scholar ]
  39. کوناک اوغلو، اس اس کی؛ هلداک، م. کورد اوغلو، ق.م. Wysmułek، J. ارزیابی توسعه پایدار گردشگری در شهرهای منتخب در ترکیه و لهستان. پایداری 2019 ، 11 ، 2552. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  40. یووانوویچ، اس. Ilić, I. زیرساخت به عنوان عامل تعیین کننده مهم توسعه گردشگری در کشورهای جنوب شرقی اروپا. Ecoforum 2016 ، 5 ، 288-294. [ Google Scholar ]
  41. مندیک، ا. Mrnjavac، Ž. کوردیچ، L. زیرساخت های گردشگری، امکانات تفریحی و توسعه گردشگری. تور. بیمارستان مدیریت 2018 ، 24 ، 41-62. [ Google Scholar ] [ CrossRef ]
  42. Panasiuk، A. زیرساخت های گردشگری به عنوان یک عامل تعیین کننده توسعه منطقه ای. Ekon. ایر وادیب. Aktualijos Ir Perspekt. 2007 ، 1 ، 212-215. [ Google Scholar ]
  43. کولچیک-دینوسکا، ا. Stacherzak، A. عناصر منتخب زیرساخت فنی در شهرداری‌هایی که از نظر سرزمینی با پارک‌های ملی مرتبط هستند. پایداری 2020 ، 12 ، 4015. [ Google Scholar ] [ CrossRef ]
  44. پرزیبیلا، ک. کاچنیارز، م. کولچیک-دینوسکا، ا. رمزی، دی. تأثیر تغییرات در وضعیت اداری بر عملکردهای توریستی شهرها: مطالعه موردی از لهستان. اقتصاد Res.-Ekon. Istraživanja 2019 ، 32 ، 578–603. [ Google Scholar ] [ CrossRef ]
  45. Kozak، MW نوآوری، گردشگری و توسعه مقصد: مطالعه موردی Dolnośląskie. یورو طرح. گل میخ. 2014 ، 22 ، 1604-1624. [ Google Scholar ] [ CrossRef ]
  46. پیجت-میگون، ای. Migoń, P. ترویج و تفسیر میراث جغرافیایی در سطح محلی- رویکرد پایین به بالا در سرزمین آتشفشان های خاموش، سودت، جنوب غربی لهستان. Geoheritage 2019 ، 11 ، 1227–1236. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. پارلمان اروپا و شورای اتحادیه اروپا. دستورالعمل 2007/2/EC پارلمان اروپا و شورای 14 مارس 2007 مبنی بر ایجاد زیرساختی برای اطلاعات مکانی در جامعه اروپا (INSPIRE). خاموش J. Eur. Union 2007 ، L108 ، 1. [ Google Scholar ]
  48. برگت، آ.ک. Smits، PC INSPIRE (زیرساخت اطلاعات فضایی در اروپا). Geo-Info 2004 , 1 , 460–462. [ Google Scholar ]
  49. کازک، ج. Szewrański، S. استفاده از اطلاعات جغرافیایی در تملک زمین برای توسعه جاده. مدیریت املاک. ارزش گذاری 2014 ، 22 ، 32-38. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  50. اولشفسکی، آر. گوتلیب، دی. Iwaniak، A. GIS: Obszary Zastosowań ; Wydawnictwo Naukowe PWN: Warszawa، لهستان، 2007. [ Google Scholar ]
  51. Ustawa z Dnia 4 Marca 2010 r. o Infrastrukturze Informacji Przestrzennej ; شماره 76 پوز. 489; Dziennik Ustaw: Warszawa، لهستان، 2010.
  52. آندرژیوسکا، م. جالا، ز. Rusztecka, M. Harmonizacja danych przestrzennych dotyczących transgranicznego obszaru chronionego na przykładzie Karkonoskiego Parku Narodowego oraz Krkonosského Národního Parku w ramached projectu “NSlPIRE-ISPrzyww. Rocz. Geomatyki 2011 ، 9 ، 7-13. [ Google Scholar ]
  53. مالیکووا، ال. کلوبوچنیک، م. باچیک، وی. Spišiak، P. تغییرات اجتماعی-اقتصادی در مناطق مرزی کشورهای گروه ویسگراد (V4). موراو. Geogr. 2014 ، 23 ، 26-37. [ Google Scholar ] [ CrossRef ]
  54. اسمولارسکی، ام. یورکوفسکی، دبلیو. Raczyk، A. اتصالات اتوبوس و قطار بین شهرها در سیلزی پایین تحت مدل های عملیاتی مختلف: رقابت یا مکمل؟ موراو. Geogr. جمهوری 2019 ، 27 ، 31–40. [ Google Scholar ]
  55. Czerwiński، J. Problemy turystyki i wypoczynku w Sudetach. در Przestrzenne مشکل rozwoju społeczno-gospodarczego Sudetów. Acta Universitatis Wratislaviensis No 1343. Studia Geograficzne 58 ; Łoboda، J.، Ed. Wydawnictwo Uniwersytetu Wrocławskiego: Wrocław، لهستان، 1993. [ Google Scholar ]
  56. Ciok, S. Niekorzystne tendencje zmian w rozwoju społeczno-gospodarczym Sudetów. Czas Geogr. 1988 ، 59 ، 171-183. [ Google Scholar ]
  57. پوشتولکا، وی. Šmída، J. Źródła informacji o środowisku województwa libereckiego i Euroregionu Neisse-Nisa-Nysa. در Problemy współpracy na rzecz ekorozwoju Sudetów ; Furmankiewicz, M., Jadczyk, P., Eds. Muzeum Przyrodnicze w Jeleniej Górze: Jelenia Góra، لهستان، 2006. [ Google Scholar ]
  58. Bartniczak، B. توسعه پایدار در منطقه فرامرزی لهستان و چک – تجزیه و تحلیل شاخص ها. در Hradec Economic Days Vol. 9 (1). قسمت مجموعه مقالات بررسی شده دو سو کور. اولین کنفرانس علمی بین المللی روزهای اقتصادی هردک 2019 ؛ Jedlička, P., Soukal, I., Marešová, P., Eds.; دانشگاه Hradec Králové: Hradec Králové، جمهوری چک، 2019؛ ص 19-28. [ Google Scholar ]
  59. پوشتولکا، وی. اسمیدا، جی. Dítĕtová، V. Wybrane مشکل استراتژیک opracowania zrównoważonego rozwoju województwa libereckiego i Euroregionu Neisse-Nisa-Nysa. در Problemy współpracy na rzecz ekorozwoju Sudetów ; Furmankiewicz, M., Jadczyk, P., Eds. Muzeum Przyrodnicze w Jeleniej Górze: Jelenia Góra، لهستان، 2006; صص 49-70. [ Google Scholar ]
  60. Kołodziejczyk، K. Rozwój sieci szlaków turystycznych wzdłuż granicy polsko-czeskiej w Sudetach w latach 1945–2013. Prz. Geogr. 2014 ، 136 ، 81-101. [ Google Scholar ]
  61. پوتوکی، جی. کاچنیارز، م. Piepiora، Z. Sudetes-منطقه فرامرزی؟ در کنفرانس بین المللی Hradec Economic Days 2014. توسعه اقتصادی و مدیریت مناطق. مجموعه مقالات همایش بررسی شده ; Part, V., Jedlicka, P., Eds. Gaudeamus: Hradec Králové، جمهوری چک، 2014; صص 191-200. [ Google Scholar ]
  62. کاچنیارز، م. Szewranski، S. Kazak, J. استفاده از بودجه اروپا در شهرداری های لهستان و چک. مطالعه ای از Voivodship سیلزی پایین و منطقه Hradec Kralove. IOP Conf. سر. ماتر علمی مهندس 2019 , 471 , 112047. [ Google Scholar ] [ CrossRef ]
  63. کوروسکا-پیسز، جی. Szczepańska-Woszczyna، K. تجزیه و تحلیل عوامل تعیین کننده همکاری فرامرزی پایدار و توصیه هایی در مورد هماهنگ سازی آن. Sustainability 2017 , 9 , 2226. [ Google Scholar ] [ CrossRef ][ Green Version ]
  64. فورمانکیویچ، ام. پوتوکی، جی. کازاک، جی. درگیری‌های کاربری زمین در سودت‌ها، لهستان. IOP Conf. سر. ماتر علمی مهندس 2019 , 471 , 092033. [ Google Scholar ] [ CrossRef ]
  65. Mazurski، KR مشکلات زیست محیطی در سودت ها، لهستان. جئوژورنال 1999 ، 46 ، 271-277. [ Google Scholar ] [ CrossRef ]
  66. اسمیتکی، آر. Tomczak, P. احیای سکونتگاه های روستایی در سرزمین Kłodzko. Geogr. پول 2017 ، 90 ، 319-333. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  67. کرایوسکی، پ. سولکا، آی. Mrozik، K. تغییر چشم انداز جنگل و مطالعه مقدماتی در مورد نیروهای محرک آن در پارک چشم انداز Ślęża (جنوب غربی لهستان) در 1883-2013. Sustainability 2018 , 10 , 4526. [ Google Scholar ] [ CrossRef ][ Green Version ]
  68. میگون، پی. Latocha، A. تاثیر انسان و تغییرات ژئومورفیک در طول زمان در سودت‌ها، اروپای مرکزی. کوات. بین المللی 2018 ، 470 ، 194-206. [ Google Scholar ] [ CrossRef ]
  69. برودکا، اس. Macias, A. Etapy oceny środowiska przyrodniczego oraz ich znaczenie w processie planistycznym (مراحل ارزیابی محیط طبیعی و اهمیت آنها در فرآیند برنامه ریزی). در Waloryzacja środowiska przyrodniczego w planowaniu przestrzennym (ارزیابی محیطی در برنامه ریزی فیزیکی) ; Kistowski، M.، Korwel-Lejkowska، B.، Eds. Fundacja Rozwoju Uniwersytetu Gdańskiego: گدانسک، لهستان، 2007; صص 61-75. [ Google Scholar ]
  70. EUROSTAT. تاریخچه NUTS. در دسترس آنلاین: https://ec.europa.eu/eurostat/web/nuts/history (در 15 مارس 2020 قابل دسترسی است).
  71. Carr، DB; اولسن، آر. نقشه های موزاییک شش گوش سفید، دی برای نمایش داده های جغرافیایی تک متغیره و دو متغیره. کارتوگر. Geogr. Inf. سیستم 1992 ، 19 ، 228-236. [ Google Scholar ] [ CrossRef ]
  72. توس، CPD; اوم، اس پی; شبکه های مستطیلی و شش ضلعی بیچم، JA برای مشاهده، آزمایش و شبیه سازی در اکولوژی استفاده می شود. Ecol. مدل. 2007 ، 206 ، 347-359. [ Google Scholar ] [ CrossRef ]
  73. دی اولیویرا، ام جی; De Souza Baptista، C. GeoSTAT – سیستمی برای تجسم، تجزیه و تحلیل و خوشه بندی داده های مکانی-زمانی توزیع شده. در مجموعه مقالات سیزدهم GEOINFO، Campos do Jordão، برزیل، 25-27 نوامبر 2012. صص 108-119. [ Google Scholar ]
  74. Radermacher، W. آمار شبکه جمعیتی از منابع ترکیبی. واقعی. Datos Y Espac.–Rev. بین المللی De Estadística Y Geogr. 2012 ، 3 ، 48-59. [ Google Scholar ]
  75. نیستور، م.-م. رهاردجو، ح. Satyanaga، A. ارزیابی توسعه سرزمین سنگاپور: رویکرد مکانی-زمانی Gis بر اساس تحلیل پوشش زمین. Geogr. فنی 2019 ، 14 ، 60-73. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  76. وانگ، ال. فن، اچ. Wang, Y. انتخاب سایت فروشگاه‌های خرده‌فروشی بر اساس دسترسی فضایی و شبکه عصبی هیبریدی BP. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 202. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  77. اوهر، وی. گایدوش، پ. Snášel, V. جستجوی محله های دایره ای در مربع و شبکه های منظم شش ضلعی. در تحلیل و پردازش هوشمند داده ها ؛ Pan, J.-S., Snášel, V., Sung, T.-W., Wang, XD, Eds.; Springer International Publishing AG: Cham, Switzerland, 2016; صص 121-129. [ Google Scholar ]
  78. Battersby، SE; استربیا، دی. Finn, MP Shapes on a plane: ارزیابی تأثیر اعوجاج برآمدگی بر روی همبندی فضایی. کارتوگر. Geogr. Inf. علمی 2016 ، 44 ، 410-421. [ Google Scholar ] [ CrossRef ]
  79. Klimczak, H. (Ed.) Analizy przestrzenne w badaniach warunków gospodarowania na obszarach wiejskich województwa dolnośląskiego (تحلیل های فضایی در مطالعات شرایط توسعه در مناطق روستایی در نمونه Dolivąlśląskie ; Wydawnictwo Uniwersytetu Przyrodniczego we Wrocławiu: Wrocław، لهستان، 2008. [ Google Scholar ]
  80. Jelinski، DE; Wu, J. مسئله واحد منطقه ای قابل اصلاح و پیامدهای آن برای بوم شناسی چشم انداز. Landsc. Ecol. 1996 ، 11 ، 129-140. [ Google Scholar ] [ CrossRef ]
  81. سویفت، آ. لیو، ال. Uber, J. کاهش سوگیری MAUP از آمار همبستگی بین کیفیت آب و بیماری GI. محاسبه کنید. محیط زیست شهری. سیستم 2008 ، 32 ، 134-148. [ Google Scholar ] [ CrossRef ]
  82. Fotheringham، AS; Wong، DWS مسئله واحد سطحی قابل اصلاح در تحلیل آماری چند متغیره. محیط زیست طرح. A 1991 , 23 , 1025-1044. [ Google Scholar ] [ CrossRef ]
  83. وانگ، ال. فن، اچ. Gong, T. برآورد تقاضای مصرف کننده و استراتژی های خرید بهینه سازی خرده فروشان FMCG بر اساس روش های جغرافیایی. Sustainability 2018 , 10 , 466. [ Google Scholar ] [ CrossRef ][ Green Version ]
  84. ژونگ، ا. وو، ی. نی، ک. کانگ، ام. استفاده از نام های محلی برای بازسازی شبکه های رودخانه تاریخی در استان هوبی، چین. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 318. [ Google Scholar ] [ CrossRef ]
  85. پینیژک، م. Szejgiec، B. زیچ، ام. آجدین، ع. Nowakowska, G. Graficzna Prezentacja Danych Statystycznych: Wykresy, Mapy, GIS ; Główny Urząd Statystyczny، Departament Badań Regionalnych i środowiska: Warszawa، لهستان، 2014. [ Google Scholar ]
  86. ایوانیاک، ع. لزچوک، ام. استرزلکی، م. هاروی، اف. Kaczmarek، I. یک رویکرد جدید برای انتشار داده های جغرافیایی باز پیونددار از ثبت ملی با استفاده از صفحات وب وابسته به بافت حاشیه نویسی معنایی. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 252. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  87. Bednarek-Szczepańska، M. Więckowski، M. Możliwości pozyskania danych na temat zagospodarowania i ruchu turystycznego oraz propozycje wskaźników. Biul. KPZK PAN 2013 ، 252 ، 143-163. [ Google Scholar ]
  88. آناند، اس. Sen, AK Human Development Index: Methodology and Measurement ; دفتر گزارش توسعه انسانی، برنامه توسعه سازمان ملل: نیویورک، نیویورک، ایالات متحده آمریکا، 1994. [ Google Scholar ]
  89. Szewrański، S. بوچنکیویچ، م. کاچنیارز، م. Kazak، JK; سیلا، م. Świąder، M. Tokarczyk-Dorociak، K. سیستم پشتیبانی مکان برای مدیریت خوشه های انرژی در سطح منطقه ای. IOP Conf. سر. محیط زمین. علمی 2019 , 354 , 012021. [ Google Scholar ] [ CrossRef ]
  90. سیوک، اس. دولزبلاس، اس. Raczyk، A. Dolny Śląsk: مشکلی Rozwoju Regionalnego (سیلزیای پایین: مشکلات توسعه منطقه ای) ; Wydawnictwo Uniwersytetu Wrocławskiego: Wrocław، لهستان، 2006. [ Google Scholar ]
  91. Kovacevic، M. بررسی نقدهای HDI و بهبودهای بالقوه. هوم توسعه دهنده Res. پاپ 2010 ، 33 ، 1-44. [ Google Scholar ]
  92. زهران، E.-SMM; تان، اس جی. قهوهای مایل به زرد، EHA; محمد اسری پوترا، NAAB; یاپ، YH; عبدالرحمن، EK تحلیل فضایی نقاط حادثه خیز ترافیک جاده ای: ارزیابی و اعتبار سنجی رویکردهای اخیر با استفاده از ممیزی ایمنی راه. J. Transp. Saf. امن 2019 ، 1–30. [ Google Scholar ] [ CrossRef ]
  93. چانگ، K.-T. مقدمه ای بر سیستم های اطلاعات جغرافیایی ، ویرایش نهم. McGraw Hill: نیویورک، نیویورک، ایالات متحده آمریکا، 2019. [ Google Scholar ]
  94. کالینیچ، م. کریسپ، تخمین تراکم هسته JM (KDE) در مقابل تجزیه و تحلیل نقطه داغ-تشخیص نقاط داغ جنایی در شهر سانفرانسیسکو. در فناوری‌های مکانی برای همه: مقالات کوتاه، پوسترها و چکیده‌های پوستر بیست و یکمین کنفرانس AGILE در علم اطلاعات جغرافیایی، دانشگاه لوند، لوند، سوئد، 12 تا 15 ژوئن 2018 ؛ منصوریان، A.، Pilesjö، P.، Harrie، L.، van Lammeren، R.، ویرایش. دانشگاه لوند: لوند، سوئد، 2018; صص 1-5. [ Google Scholar ]
  95. لین، ی.-پی. چو، اچ.-ج. وو، سی.-ف. چانگ، T.-K. چن، سی.-ای. تجزیه و تحلیل Hotspot آلاینده های محیطی فضایی با استفاده از تخمین تراکم هسته و تکنیک های زمین آماری. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2011 ، 8 ، 75-88. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  96. Gastwirth، JL تعریف کلی منحنی لورنز. Econometrica 1971 ، 39 ، 1037-1039. [ Google Scholar ] [ CrossRef ]
  97. سها، د. کمانیان، ع. مونتس، اف. گال، اچ. آدلر، روابط عمومی Rau، BM Lorenz Curve و ضریب جینی نقاط داغ و لحظه های داغ را برای انتشار اکسید نیتروژن نشان می دهند. جی. ژئوفیز. Res. Biogeosciences 2018 ، 193-206. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  98. استاچرزاک، ا. هاجک، ال. Hełdak، M. تغییرات در استفاده از زمین کشاورزی در لهستان و جمهوری چک. جی. اکول. مهندس 2019 ، 20 ، 211-221. [ Google Scholar ] [ CrossRef ]
  99. کارلینو، جی. کر، WR تجمع و نوآوری. در کتاب اقتصاد منطقه ای و شهری ; دورانتون، جی.، هندرسون، جی وی، استرنج، WC، ویرایش. الزویر: آمستردام، هلند، 2015; صص 349-404. [ Google Scholar ]
  100. Bellu, LG; لیبراتی، پی. نمودار نابرابری درآمد. در منحنی لورنز ; سازمان غذا و کشاورزی سازمان ملل متحد، فائو: رم، ایتالیا، 2005. [ Google Scholar ]
  101. Alonso-Villar, O. اندازه گیری غلظت: منحنی های لورنز و تجزیه آنها. ان Reg. علمی 2011 ، 47 ، 451-475. [ Google Scholar ] [ CrossRef ]
  102. ابرهارت، پ. مرزهای سیاسی و اداری ایالت آلمان در قرن بیستم. Geogr. پول 2017 ، 90 ، 335-350. [ Google Scholar ] [ CrossRef ]
  103. Oleszek, J. تغییرات قابل توجه در شخصیت و شکل روستاها در منطقه مرزی کوه های Złote Góry (لهستان). موراو. Geogr. Rep. 2007 , 15 , 37-43. [ Google Scholar ]
  104. هلداک، م. Kempa، O. تغییرات جمعیتی فعلی در مناطق روستایی جنوب غربی لهستان، 1988-2002. موراو. Geogr. Rep. 2007 , 15 , 25-30. [ Google Scholar ]
  105. برنامه Ciok، S. Interreg IIIA در کشورهای اروپای مرکزی و شرقی. ژئوپلیت گل میخ. 2006 ، 14 ، 17-26. [ Google Scholar ]
  106. سچی، ال. موسکارلی، ر. Pileri، P. برنامه ریزی زیرساخت های توریستی برای بازسازی مناطق حاشیه نشین: مورد مطالعه ساردینیا شمالی، ایتالیا. سیتی تریت. آرشیت. 2020 ، 7 ، 1-12. [ Google Scholar ] [ CrossRef ]
  107. Kałamucki، K. Kamińska، A. Buk, D. جنبه های فضایی تحقیق در مورد زیرساخت های گردشگری با استفاده از روش نقشه برداری بر اساس پارک ملی Roztoczański. ان دانشگاه ماریا کوری-اسکلودووسکا. فرقه B 2012 ، 67 ، 245-261. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Ijgi 09 00470 g001 550
شکل 1. موقعیت منطقه مورد مطالعه.
Ijgi 09 00470 g002 550
شکل 2. منطقه مورد مطالعه در پس زمینه تقسیم اداری ( سمت چپ ) به یک شبکه مربع ( راست ) تقسیم شده است.
Ijgi 09 00470 g003 550
شکل 3. منحنی لورنز و خط توزیع مساوی.
Ijgi 09 00470 g004 550
شکل 4. زیرساخت های گردشگری تجزیه و تحلیل شده در منطقه مورد مطالعه: ( الف ) اقامتگاه ها، امکانات خوراک شناسی، و جاده ها. ( ب ) مسیرهای پیاده روی و دوچرخه سواری مشخص شده؛ ( ج ) بالابرهای اسکی. منبع: تحقیقات خود نویسندگان
Ijgi 09 00470 g005 550
شکل 5. تراکم زیرساخت های گردشگری تحلیل شده در منطقه مورد مطالعه (شبکه مربع): ( الف ) امکانات اقامتی. ( ب ) امکانات خوراکی؛ ( ج ) جاده ها؛ ( D ) مسیرهای پیاده روی مشخص شده؛ ( E ) مسیرهای دوچرخه سواری مشخص شده. ( F ) بالابرهای اسکی. منبع: تحقیقات خود نویسندگان
Ijgi 09 00470 g006 550
شکل 6. تجزیه و تحلیل نقطه کانونی زیرساخت های گردشگری انتخاب شده در منطقه مورد مطالعه با استفاده از روش برآوردگر تراکم هسته (KDE): ( الف ) امکانات اقامتی. ( ب ) امکانات خوراکی؛ ( ج ) جاده ها؛ ( D ) مسیرهای پیاده روی مشخص شده؛ ( E ) مسیرهای دوچرخه سواری مشخص شده. ( F ) بالابرهای اسکی. منبع: تحقیقات خود نویسندگان
Ijgi 09 00470 g007 550
شکل 7. تمرکز فضایی (منحنی های لورنز) زیرساخت های گردشگری در مناطق تحقیقاتی چک ( سمت چپ ) و لهستان ( راست ). توجه: منحنی‌های بین لهستان و جمهوری چک به دلیل تفاوت در تعداد و مساحت زمینه‌های تحقیقاتی بریده شده با مرزهای منطقه مورد مطالعه قابل مقایسه نیستند. کلمات اختصاری: HT—Hiking Trails; CT—مسیرهای دوچرخه سواری. RS—جاده ها. AF—امکانات اسکان؛ GF—امکانات خوراکی؛ SL – تله اسکی. منبع: تحقیقات خود نویسندگان
Ijgi 09 00470 g008 550
شکل 8. شاخص ترکیبی تراکم زیرساخت های گردشگری محاسبه شده با روش HDI. منبع: تحقیقات خود نویسندگان

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید