خلاصه

الگوی توزیع فعالیت های توریستی در فضا نشان دهنده اطلاعات ارزشمندی برای بهبود مدیریت یک مقصد گردشگری است. به همین دلیل است که روندی در ادبیات کنونی در پیشنهاد مدل‌سازی وجود دارد که امکان ادغام نحوه توزیع فعالیت‌های توریستی را به روشی عملیاتی به منظور توصیف و اندازه‌گیری الگوهای شناسایی‌شده برای مدیریت گردشگری فراهم می‌کند. مطالعه حاضر بر انجام این مدل‌سازی در یک قلمرو داخلی در مرحله توسعه متمرکز است که با توجه به دانش موجود از کار قبلی، عدم تعادل سرزمینی قوی در توزیع استخر مسکن آن، منطقه اکسترمادورا در اسپانیا ارائه می‌کند. به همین دلیل، شدت گردشگری از طریق فرآیند پواسون مدل‌سازی می‌شود تا مشخص شود کدام مدل به بهترین وجه با الگوی اسکان در منطقه مطابقت دارد.

کلید واژه ها:

الگوی نقطه فضایی (SPP) ; روند مدل سازی ; شدت توریست مدل های پواسون ؛ اکسترمادورا ؛ مدیریت گردشگری

1. معرفی

امروزه استفاده از تکنیک های آمار فضایی برای به دست آوردن دانش بهبود یافته در مورد فعالیت های گردشگری یک عمل رایج است. بدیهی است که گردشگری یک پدیده جغرافیایی است، به این معنی که توجه به تعامل فضایی بین فضا و فعالیت گردشگری در تحلیل های انجام شده، عملی حیاتی برای برنامه ریزی و مدیریت صحیح فعالیت های گردشگری است.
آگاهی از الگوهای بومی سازی عرضه و تقاضای گردشگری اطلاعات حیاتی را برای مدیران مقصد، سرمایه گذاران و بقیه بخش خصوصی فراهم می کند. بنابراین، دانستن محل اقامتگاه، اطلاعات ضروری را برای تلاش‌های برنامه‌ریزی منطقه‌ای، به‌ویژه در مواردی که شامل برنامه‌ریزی خدمات زیرساختی است، فراهم می‌کند [ 1 ]. به نوبه خود، سرمایه گذاران خصوصی اطلاعات ارزشمندی را در مورد دسترسی به بازار برای گردشگران بالقوه از دانش الگوی مکان اقامت در هتل به دست می آورند و همچنین از آن برای درک سطح رقابت موجود در یک منطقه خاص استفاده می کنند [2 ] .
به همین دلیل، مجموعه ای از مطالعات از حوزه دانشگاهی در حال ظهور است که به دنبال روشن کردن دانش در مورد الگوهای توزیعی است که متغیرهای توریستی در فضا دنبال می کنند. به این ترتیب، کارهایی که با هدف تجزیه و تحلیل الگوهای فعالیت گردشگری در قلمرو انجام می شود در سال های اخیر گسترش یافته است [ 3 ، 4 ، 5 ، 6 ، 7 ، 8 ، 9 ، 10 ، 11 ، 12 ، 13 ، 14 ، 15 ، 16. ، 17 ].
برای دستیابی به اهداف خود، اکثر این آثار از معیارهای تداعی فضایی مانند موران I یا Getis و Ord’s G [ 18 ، 19 ] استفاده کرده‌اند که موفق به شناسایی رژیم‌های مختلف تداعی فضایی در هر یک از قلمروهای مورد تجزیه و تحلیل شده‌اند. اگرچه این شاخص‌ها اعتبار خود را برای تجزیه و تحلیل ارتباط‌ها در فضا نشان داده‌اند، اما یک سری محدودیت‌ها را در استفاده از آن‌ها ارائه می‌کنند که در میان آنها حساسیت زیادی به پارامترهای خاصی مانند معیار همسایگی مورد استفاده (فاصله اقلیدسی، مجاورت، ماتریس وزن فضایی و غیره) وجود دارد. ) یا تأثیر تعیین حدود اداری هر قلمرو (اندازه، شکل، موقعیت در تقسیمات سرزمینی و غیره). به همه این دلایل، وال و همکاران. (1985) [ 20] استفاده از تکنیک های آماری مختلف را برای دستیابی به پایایی و اعتبار بیشتر در نتایج توصیه می کند.
از سوی دیگر، هدف مورد نظر این کار نه چندان معطوف به شناسایی روندهای فضایی در توزیع اقامتگاه‌های گردشگری در منطقه، بلکه مدل‌سازی این روند به منظور ارائه اطلاعاتی در مورد روندهای مکانی داده‌ها است. مدیران مقصد می توانند در تصمیم گیری در مورد مناسب ترین سیاست ها برای توسعه گردشگری در منطقه کمک کننده باشند. اطلاعات ارائه شده توسط این مدل‌سازی می‌تواند برای برنامه‌ریزی مناسب فعالیت‌های توریستی در منطقه مورد استفاده قرار گیرد، به عنوان مثال، هنگام تصمیم‌گیری در مورد مناسب بودن سرمایه‌گذاری زیرساختی در یک مکان خاص. بنابراین، هدف پیشنهاد مدلی است که به بهترین وجه نحوه توزیع اقامتگاه های توریستی در منطقه مورد مطالعه را توصیف می کند.
در همین راستا و برای اینکه بتوانیم اطلاعات به دست آمده را پس از تجزیه و تحلیل تعامل گردشگری و فضا به صورت عملیاتی ترکیب کنیم، مدل‌های متفاوتی اعم از نظری و تجربی نیز پیشنهاد شده‌اند که با هدف کمک به توصیف، نقشه‌برداری و اندازه گیری ساختارهای فضایی شناسایی شده به منظور کمک به تصمیم گیری در گردشگری. یانگ و همکاران [ 2] مدل‌های اصلی پیشنهاد شده در ادبیات کنونی را مرور کرد و از یک سو به این نتیجه رسید که هیچ روش برتری در همه موقعیت‌ها وجود ندارد. به همین دلیل، تطبیق روش با ویژگی های قلمرو مطالعه کمک بزرگی است. از سوی دیگر، در نتیجه کار آنها، تأیید می شود که اکثر تحقیقات قبلی، منطقه درون کلانشهری را به عنوان مرجع فضایی در نظر می گیرند، اما کمبود مطالعاتی وجود دارد که اطلاعاتی در مورد نحوه توزیع فعالیت های گردشگری در یک منطقه درون منطقه ای ارائه می دهد. مقیاس، با وجود مفید بودن این اطلاعات برای برنامه ریزی استراتژیک مقصد [ 21 ، 22 ، 23 ، 24]. به طور دقیق، از 54 مقاله بررسی شده برای انجام مطالعه خود، نویسندگان دریافتند که تنها 12 مقاله از مقیاس درون منطقه ای (در محدوده سرزمینی کل منطقه) به عنوان مرجع برای تجزیه و تحلیل خود استفاده می کنند.
با در نظر گرفتن تمام آنچه تا کنون گفته شد، هدف اصلی این تحقیق ایجاد دانش در مورد این شکاف در ادبیات فعلی است. برای انجام این کار، ما قصد داریم یک مدل تجربی پیشنهاد کنیم که سطح رضایت‌بخشی از تعدیل در الگوی موجود در توزیع مسکن در منطقه Extremadura در اسپانیا را نشان می‌دهد. بنابراین تحلیلی در مقیاس درون منطقه ای است که یک منطقه داخلی را نیز مبنای تحلیل خود قرار می دهد که در مرحله گسترش است.
برای دستیابی به این هدف، در این مطالعه، شدت گردشگر از طریق فرآیند پواسون مدل‌سازی می‌شود که پس از تأیید توزیع غیرهمگن فعالیت، امکان تعریف شدت توریست شرطی بر اساس مکان الگوی نقاط را فراهم می‌کند. که نمایانگر تمامی تأسیسات اقامتی موجود در منطقه و در نتیجه ذکر وجود روند فضایی است. برای ایجاد این تحلیل، سه نوع اصلی اقامتگاه موجود در منطقه (هتل، غیر هتلی و روستایی) در نظر گرفته می‌شود تا مشخص شود که آیا تفاوت‌های قابل توجهی وجود دارد که باید در توزیع هر نوع اقامت در نظر گرفته شود. پس از تایید توزیع غیر همگن محل اقامت در فضا، مدل‌های مختلفی در ابتدا پیشنهاد شده‌اند که با استفاده از یک روش حداکثر شبه درستنمایی برای مدل‌های پواسون تخمین زده می‌شوند تا متعاقباً اعتبارسنجی شود که آیا این مدل‌ها به خوبی با داده‌ها مطابقت دارند و اطمینان حاصل شود که همه شرایط آنها مناسب هستند. در نهایت، مدل‌های مختلف پیشنهادی با هم مقایسه می‌شوند تا بررسی شود که کدامیک با الگوی نقاط مشاهده‌شده در منطقه مطابقت دارد.
طبقه بندی انجام شده برای تمایز بین سه نوع شناسی در نظر گرفته شده در تحقیق حاضر (هتل، غیر هتلی و روستایی) از معیارهایی پیروی می کند که توسط قوانین لازم الاجرا در منطقه مورد مطالعه تعیین شده است. به طور خاص، می توان آن را در قانون 2/2011، 31 ژانویه، در مورد توسعه و نوسازی گردشگری مشاهده کرد. در این قانون طبقه بندی مشخصی تعیین شده است که موسسات در هر یک از گونه شناسی ها گنجانده شده اند و می توان آنها را به شرح زیر خلاصه کرد: هتلداران (هتل ها، هتل آپارتمان ها، خوابگاه ها و پانسیون ها)، غیرهتلداران (آپارتمان های توریستی، خوابگاه های توریستی، … کمپ ها، مناطق کمپینگ، مناطق موتورخانه) و روستایی (خانه های روستایی و هتل ها).
کمک های اصلی که با تکمیل این کار دنبال می شود را می توان به شرح زیر خلاصه کرد. از یک طرف، دانش استخراج شده از این کار به ما امکان می دهد مدل سازی متناسب با مقصدی را پیشنهاد کنیم که به دلیل ویژگی های خاص آن به عنوان یک مقصد داخلی در مرحله رشد، پیشینه ای در ادبیات فعلی به بهترین نحو ندارد. دانش نویسندگان از سوی دیگر، اگرچه شدت گردشگری و الگوهای توزیع فضایی توسط مطالعات مختلف در منطقه مورد مطالعه مورد تجزیه و تحلیل قرار گرفته است، اما تا به امروز، تجزیه و تحلیل ها تفکیک موسسات اقامتی موجود در دسته های اصلی منطقه: هتل را در نظر نگرفته است. اسکان غیر هتلی و روستایی که دیدگاه مورد استفاده برای تحلیل این تحقیق است. از این رو،
ساختار تحقیق زیر برای دستیابی به اهداف ما به شرح زیر است. پس از این مقدمه، بخش 2 بررسی کتابشناختی مشارکت های اصلی انجام شده در این زمینه است. منطقه مورد مطالعه متعاقباً به طور کامل شرح داده می شود تا خواننده بتواند وضعیت بخش گردشگری در منطقه را زمینه سازی کند. بخش 4 روش مورد استفاده برای توسعه این کار تحقیقاتی را شرح می دهد. در نهایت، بخش 5 و بخش 6 نتایج تجزیه و تحلیل و نتایج اصلی و پیامدهای آنها را برای فعالیت گردشگری در منطقه فهرست می کنند.

2. اهمیت فضا در توزیع محل اقامت

برنامه ریزی صحیح در صنعت گردشگری مستلزم داشتن اطلاعات جامع است و به همین دلیل برای این بخش داشتن تکنیک هایی که امکان نظارت و تجزیه و تحلیل جریان های توریستی را فراهم می کند مهم است. این به ما امکان می دهد اطلاعات جامعی را برای تصمیم گیری صحیح به دست آوریم [ 25 ]. علاوه بر این، متغیرهای گردشگری تعامل قوی با قلمرو دارند که با توزیع نابرابر در داخل و بین قلمروها مشخص می شود [ 17 ]. به همه این دلایل، آگاهی از نحوه توزیع متغیرهای توریستی در فضا برای مدیریت صحیح فعالیت گردشگری ضروری است.
در واقع، تجزیه و تحلیل بعد جغرافیایی جریان‌های گردشگری به ما کمک می‌کند تا ویژگی‌های توزیع و انتقال آنها را درک کنیم، در حالی که ورودی ارزشمندی برای مدیریت و بازاریابی گردشگری است. به همین دلیل، فضای متغیر در فرآیندهای اقتصادی بیشتر و بیشتر شناخته شده و مورد توجه قرار گرفته است [ 26 ].
این روند به ویژه در مورد گردشگری تاکید می‌شود، زیرا این بخش به شدت به دارایی‌ها و جاذبه‌های گردشگری که در مکان‌های خاص یافت می‌شوند وابسته است، که منجر به تمرکز فضایی بالا از نظر عرضه و تقاضا می‌شود [27 ] . با این حال، تمرکز توریستی شرکت‌ها باید نه تنها به‌عنوان یک فرآیند خودانگیخته با انگیزه ماهیت کسب‌وکار درگیر، بلکه به‌عنوان مکانیزم پاسخ مثبت بین تقاضا و سیستم مولد گردشگری درک شود که تمایل به توسعه آن دارد. به نام اقتصادهای تراکم [ 28 ].
اقتصاد انباشتگی به عنوان تمرکز جغرافیایی شرکت‌های به هم پیوسته، شرکت‌های صنعتی مرتبط، و مؤسسات مرتبط در زمینه‌های مرتبط که با یکدیگر همکاری می‌کنند، اما رقابت می‌کنند، درک می‌شود [ 29 ].
فرض اصلی تراکم این است که گروه بندی فضایی صنایع یا نهادهای مرتبط می تواند برای اقتصاد به عنوان یک کل، و همچنین برای بخش ها و شرکت هایی که در یک مکان خاص گروه بندی شده اند مفید باشد [30 ] . مارشال [ 31 ] اشاره می‌کند که شرکت‌ها می‌توانند از آن عوامل خارجی اقتصادی بهره ببرند، که به آن اثرات سرریز جغرافیایی نیز گفته می‌شود، که در شرکت‌هایی رخ می‌دهد که مناطقی را انتخاب می‌کنند که در آن تمرکز شدیدی از فعالیت اقتصادی وجود دارد، با هدف تشدید پیشنهاد. مجموعه ای از خدمات تخصصی تر
مزایای اصلی ناشی از شکل گیری اقتصادهای تراکمی را می توان به صورت زیر خلاصه کرد. اولا، هزینه های مبادله کاهش می یابد در حالی که بهره برداری از اقتصادهای مقیاس از طریق گسترش ریسک و بهبود دسترسی به منابع مکمل افزایش می یابد [ 32 ]. ثانیا، از رشد هزینه های بلندمدت حل تعارض ذینفعان اجتناب می شود [ 33 ]. در نهایت، هماهنگی سیاست‌ها و اقدامات مرتبط برای ارتقای در نظر گرفتن اثرات اقتصادی، زیست‌محیطی و اجتماعی گردشگری بهبود می‌یابد [ 34 ]. به طور خلاصه، می توان ترکیب کرد که دو نوع مختلف سود وجود دارد: بهبود در تولید و تشدید تقاضا [ 31 ].
از اولین مطالعات انجام شده توسط مارشال [ 31 ]، هوور [ 35 ] و جاکوبز [ 36 ] که بیشتر بر صنعت تولید متمرکز بود، مجموعه ای از مطالعات برای تجزیه و تحلیل اثرات اقتصادهای تراکم در بخش خدمات پدید آمده است [37] . , 38 , 39 , 40 ] که تأثیر خاصی بر حوزه خاص گردشگری دارند.
برخی از نویسندگان حتی تراکم را عامل کلیدی برای ارتقای توسعه گردشگری از طریق عوامل خارجی می دانند که رقابت و همکاری بین شرکت ها را تشویق می کند [ 41 ، 42 ]. این تضمین می‌کند که نسبت رشد بیشتر به شرط‌بندی بر روی اقتصادهای بومی‌سازی مرتبط است تا با وقف منابع طبیعی که مقاصد دارند [ 43 ]، به طوری که اگر اقتصادهای بومی‌سازی از صنعت گردشگری حمایت کنند، مقاصد می‌توانند بر پایه منابع ناکافی غلبه کنند [ 44 ].
به همه این دلایل، این باور وجود دارد که اقتصادهای تراکم به یک نیروی محرکه مهم در توسعه گردشگری تبدیل شده اند [ 45 ، 46 ]. به همین دلیل، مطالعات متعددی بررسی کرده‌اند که چگونه تئوری‌های تجمع و اثرات سرریز جغرافیایی بر الگوی فضایی به دنبال اقامت‌های توریستی در یک قلمرو خاص تأثیر می‌گذارند.
اکثر مطالعات انجام شده ماهیت اکتشافی دارند و بنابراین به دنبال شناسایی روندهای فضایی با استفاده از تکنیک های آماری فضایی هستند که می تواند به مدیریت صحیح و برنامه ریزی فعالیت های گردشگری در مناطق مورد نظر کمک کند. از مطالعات اولیه وال و همکاران. [ 20 ]، میزان تحقیقاتی که این هدف را دنبال می کند و همچنین تنوع بخشیدن به تکنیک های مورد استفاده برای این منظور تشدید شده است. بنابراین، بدون اینکه بخواهم جامع باشد، کار ماژوسکا [ 3 ، 4 ] و مایوسکا و تروکولاسکی [3] 47]تمرکز بر تجزیه و تحلیل الگوی فعالیت توریستی در لهستان و سایر کشورهای اروپای مرکزی را می توان برجسته کرد و خوشه های مختلفی را شناسایی کرد که خروجی های مهمی را برای مدیریت گردشگری در این مناطق نشان می دهد.
به نوبه خود، یانگ و ونگ [ 5 ] حضور خوشه ای را در چین شناسایی می کنند که آن ها را با مناطق ساحلی خاص، مناطق کوهستانی و شهرهایی که به عنوان دروازه یا سلسله مراتب بالاتر عمل می کنند مرتبط می دانند، که علاوه بر این، یک اثر سرریز ایجاد می کند که فراتر از مرزهای طبیعی گسترش می یابد. .
گارسیا-پالومارس و همکاران [ 15 ]، به نوبه خود، از تکنیک های داده های بزرگ استفاده می کنند که به آنها اجازه می دهد نقاط خاصی را از طریق جابجایی گردشگران در هشت شهر اصلی اروپایی شناسایی کنند. آنها نتیجه می گیرند که رم شهری با قوی ترین تمرکز فضایی در مقایسه با سایر مقاصد مورد تجزیه و تحلیل است. همراه با مطالعات قبلی، تحلیل‌های دیگری که فعالیت مشابهی را دنبال می‌کنند، می‌توانند به شیوه‌ای توصیفی برجسته شوند تا بتوانند الگوی فضایی فعالیت‌های توریستی را در مناطق خاص شناسایی و توصیف کنند [ 10 ، 16 ، 17 ، 44 ، 48 ، 49 ، 50 ، 51 ، 52 ،53 ].
به موازات این مطالعات – که نتایج آنها به تأیید این نکته کمک کرده است که توزیع متغیرهای گردشگری در فضا یکسان نیست، بلکه تمایل به تمرکز در فضا را نشان می دهد و باعث ایجاد هم افزایی و اثرات مسری می شود – مطالعات دیگری نیز برای نشان دادن تأثیرات این موضوع ایجاد شده است. تمرکز عرضه در فضا
بخش بزرگی از این مطالعات بر تقابل اثر انباشتگی در تشدید تقاضا متمرکز شده‌اند. چانگ و کالمینز [ 54 ] مطالعه ای را در تگزاس در سال 1992 بر روی نمونه ای از هتل ها و متل ها انجام دادند تا مشخص کنند کدام نوع شرکت بیشترین سهم را در ایجاد عوامل خارجی دارد و کدام نوع از آنها بیشترین سود را می برد. در میان نتایج اصلی آنها، آنها دریافتند که وجود زنجیره‌ها تقاضا را تشدید می‌کند، به‌ویژه در بازارهای روستایی، و هتل‌های مستقل از قرار گرفتن در نزدیکی این زنجیره‌ها سود می‌برند. به نوبه خود، Canina و همکاران. [ 22تحقیقاتی در ایالات متحده آمریکا بر روی نمونه ای متشکل از 14955 شرکت برای تأیید مزایا و معایب گروه رقابتی انجام دادند، آنها تشخیص دادند که هتل های رده بالاتر آن دسته از هتل هایی هستند که اثرات مثبتی را ایجاد می کنند که از آن هتل های طبقه پایین تر در کنار آنها قرار دارند. آنها سود می برند. در نهایت، فریدمن و کوسووا [ 55 ] به این نتیجه رسیدند که مزایای تراکم به نوع هتل بستگی دارد، و مکان انتخابی به درجه تمرکز و تنوعی که مجتمع به آن می‌رسد، ترجیح می‌دهد و مناطقی را ترجیح می‌دهد که بخش محصول آن در آن نیست. حاضر.
به عنوان نتیجه گیری از همه موارد فوق، تأیید می شود که تمرکز محل اقامت در یک منطقه خاص به تشدید تقاضا کمک می کند و برای این تمرکز فضایی مهم است که عرضه به اندازه کافی متنوع باشد تا سود بالایی ایجاد کند تا از مضرات احتمالی کاهش یابد. اثرات رقابت بیش از حد همانطور که Majewska [ 3 ] تأیید می کند، ناهمگونی و تراکم عرضه توریست نیز می تواند به عنوان یک جاذبه توریستی عمل کند.
تا آنجا که به بهبود تولید مربوط می شود، اگرچه Canina و همکاران. [ 22 ] به این نوع از مزایا مانند ایجاد بازار کار بسیار تخصصی، انتقال دانش یا فناوری اشاره می‌کند، از جمله، آنها معمولاً بیشتر با بخش‌های صنعتی پیشرفته مرتبط هستند. مجموعه ای از مطالعات انجام شده است که به تأیید این موضوع کمک کرده است که این تأثیر ممکن است در مورد خاص بخش گردشگری نیز مفید باشد. پولو و همکاران [ 11 ] تأیید می کند که تمرکز فضایی به نفع ایجاد یک جو رقابتی است که باعث می شود شرکت ها تمایل بیشتری به اتخاذ یک استراتژی بازار محور داشته باشند. به نوبه خود، یانگ [ 46 ، 56] نشان می دهد که گردشگری چین از طریق فرمول بهبود بهره وری عوامل تولید، پدیده تراکم را شکل داده است.
اگرچه مزایای متفاوتی که شرکت ها می توانند از تمرکز بر فضا به دست آورند ذکر شده است، اما نباید فراموش کرد که این تمرکز بیشتر شرکت ها می تواند در صورت رسیدن به سطح معینی از شدت توریست، مجموعه ای از معایب ایجاد کند. در واقع، تحقیقات انجام شده توسط باوم و هاومن [ 57 ] و اینگرام و اینمن [ 58 ]] مشخص می کند که یک رابطه U معکوس بین تعداد فعلی رقبا و ورود شرکت کنندگان جدید وجود دارد که نویسندگان آن را به اثر بازدارندگی ناشی از سطح بیش از حد رقابت نسبت می دهند. از سوی دیگر، نباید فراموش کرد که توسعه یک مدل گردشگری پایدار مستلزم تجاوز نکردن از سطوح خاصی از فشار گردشگران است که می‌تواند مدیریت ناکافی منابع را ایجاد کند. تأثیر گردشگری زمانی رخ می دهد که گردشگران بیشتری از مکانی بازدید کنند که بتواند آن را حفظ کند. بنابراین، دانستن و شناسایی میزان و زمان بازدید از یک جاذبه به طراحی راه‌حل‌هایی برای جلوگیری از تأثیرات منفی اجتماعی، زیست‌محیطی یا فرهنگی که فراتر از آستانه بار گردشگری ممکن است منجر شود، کمک می‌کند [59 ] .
با توجه به داده‌های ارائه‌شده، نیاز به دانستن نحوه توزیع فعالیت‌های گردشگری در یک منطقه منعکس می‌شود تا بتوان برنامه‌ریزی واقع‌بینانه را انجام داد، که از یک سو، اثرات خارجی مثبتی را که ممکن است از تمرکز گردشگری ناشی شود، افزایش دهد. از طرفی اثرات منفی احتمالی آن به حداقل می رسد. این اهمیت زمانی افزایش می یابد که صحبت از مقاصد نوظهور می شود، جایی که علاوه بر برنامه ریزی استراتژی گردشگری آنها، نیاز به ایجاد زیرساخت ها علاوه بر یک سری سرمایه گذاری است که به هدایت مسیر رشد این بخش کمک می کند، به ویژه زمانی که محصولات گردشگری در پیشنهاد نیاز به ایجاد یک مدل توسعه پایدار را نشان می دهد، همانطور که در مورد منطقه ای که ما را در این تحقیق نگران می کند، Extremadura در اسپانیا است.
با اشاره به این منطقه، تحلیل‌های مختلفی انجام شده است که نشان می‌دهد فعالیت گردشگران به سمت تمرکز در فضا می‌رود که به نفع ایجاد خوشه‌ها یا نقاط داغ یا در واقع نقاط سرد است که باید برای مدیریت صحیح آن تحلیل و درک شود. فعالیت [ 13 ، 14 ، 60 ، 61 ، 62 ، 63 ، 64 ].
مطالعه حاضر ادامه پیشرفت در امتداد این خطوط را پیشنهاد می‌کند و به‌منظور ارائه مدل‌سازی که امکان توصیف، نقشه‌برداری و اندازه‌گیری ساختارهای مختلف فضایی و سازماندهی فعالیت‌ها در فضا را فراهم می‌کند، به صورت تجربی روندهای فضایی مذکور را ارزیابی می‌کند. ابزاری برای مدیریت عمومی و خصوصی فعالیت های گردشگری در منطقه.
بخش بعدی توصیفی از منطقه مورد مطالعه ارائه می دهد که به خواننده اجازه می دهد تا نتایج به دست آمده را زمینه سازی کند و همچنین نتایج قبلی به دست آمده در مطالعه الگوی فعالیت های توریستی در منطقه Extremadura را ترکیب کند.

3. مطالعه موردی: Extremadura

منطقه اکسترمادورا واقع در جنوب غربی شبه جزیره ایبری (نگاه کنید به شکل 1 ) به دلیل داشتن قلمرو وسیع، با دو استان آن (باداخوز و کاسرس) بزرگترین در اسپانیا و با تراکم جمعیت کم، تنها 27 نفر در هر، برجسته است. کیلومتر 2 _ بنابراین، این یک منطقه داخلی است که به دلیل برخورداری از منابع طبیعی و میراث، پتانسیل بسیار زیادی برای استوار کردن مدل توسعه خود بر روی محصولات گردشگری بسیار پایدار دارد. با وجود این، می توان در نظر گرفت که بخش گردشگری آن هنوز در مرحله رشد است، که ناشی از نیاز به تنوع بخشیدن به فعالیت های اقتصادی منطقه است که به شدت به دامداری و کشاورزی وابسته است، که آن را به منطقه اسپانیا با کمترین تولید ناخالص داخلی سرانه تبدیل می کند. 65 ].
با توجه به فعالیت های توریستی آن، باید توجه داشت که شرایط اقتصادی نامطلوب آن، این منطقه را به هدف اولویت برنامه های کمکی اروپایی LEADER (Liaisons entre Activités de Development de L’Economie Rural)، LEADER II و PRODER (Programa Operativo de Desarrollo) تبدیل کرده است. y Diversificación de Zonas Rurales) که در میان اهداف اولویت دار خود تنوع درآمد کشاورزی از طریق توسعه گردشگری را توسعه داده است. این کمک‌ها همراه با سیاست‌های رشد انبساطی اجرا شده توسط مدیریت منطقه، باعث افزایش چشمگیر تعداد تسهیلات اقامتی در منطقه به‌ویژه در مورد گردشگری روستایی شده است. همانطور که مشاهده می شود درهمانطور که در جدول 1این منطقه در ابتدای سال 2019 در مجموع 1591 واحد اقامتی داشت که در مجموع 40947 مکان را در اختیار داشت که بیش از نیمی از آنها مربوط به موسسات گردشگری روستایی است.
با این حال، این افزایش ظرفیت اقامتی با افزایش شدید تعداد مسافران بازدیدکننده از منطقه همراه نبوده است، به این معنی که بخش گردشگری با عدم تعادل شدید بین عرضه و تقاضا مشخص می شود. علاوه بر این، رشد ظرفیت اقامتی به طور مساوی در سراسر قلمرو توزیع نشده است، که نیاز به بررسی الگوی فعالیت گردشگری در منطقه را ایجاد می کند تا بتوان برنامه ریزی مشترک منطقه را انجام داد که امکان نظارت و نظارت را فراهم می کند. برنامه ریزی این فعالیت به منظور دستیابی به توسعه بهینه آن.
به همین دلیل، مطالعات مختلفی بر روی ایجاد دانش از الگویی که بخش گردشگری در قلمرو اکسترمادورا ترسیم می کند، متمرکز شده است. کار Nieto و Cárdenas [ 64 ] شامل مطالعه ای بود که بررسی می کرد چگونه تحقق سرمایه گذاری های انجام شده توسط برنامه های LEADER در منطقه بین سال های 2000 و 2013 توزیع شده است. آنها دریافتند که توزیع آنها تمایل زیادی به تمرکز بر روی ارزش های بالا دارد، شمال یکی از مناطق اصلی ذینفع از آن است.
مطالعات دیگر بر بررسی الگوی ترسیم شده توسط مکان های توریستی در منطقه Extremadura متمرکز شده است. سانچز [ 60 ] بر تجزیه و تحلیل چگونگی توزیع مکان های توریستی در منطقه، هم محل اقامت و هم رستوران ها، تمرکز می کند. از جمله نتایج اصلی وی، قابل توجه است که در حالی که مکان‌های هتل در سه شهر اصلی باداخوز، کاسرس و مریدا متمرکز هستند، مکان‌های اقامتی روستایی در شمال منطقه (جرته و لا ورا) و همچنین در قلمرو Tajo Internacional-Sierra de San Pedro و اطراف پارک ملی ذخیره‌گاه زیست کره Monfragüe. از سوی دیگر، او متوجه می شود که این فرض که توزیع مکان های رستوران از یک الگوی تصادفی در فضا پیروی می کند که نمی توان آن را رد کرد. (نگاه کنید شکل 2 را ببینیدبه).
با در نظر گرفتن تعداد مکان های ارائه شده توسط محل اقامت در منطقه، سانچز و همکاران. [ 62 ] همچنین توزیع و تکامل مکان‌های ارائه شده در منطقه را بین سال‌های 2004 و 2014 تجزیه و تحلیل کردند. . توزیع مکان‌های اقامتی روستایی متعاقباً به‌صورت مجزا مورد مطالعه قرار گرفت، با خوشه‌های با ارزش بالا در قلمروهای لا ورا، زافرا-ریو بودیون، وگاس آلتاس، و مجاورت آلانژ، و سایر مکان‌های با ارزش پایین در قلمروهای مونتانچز شناسایی شدند. ، Sierra de Gata و Jerte ( شکل 2 را ببینید ).
تعداد موسسات اقامتی نیز مورد تجزیه و تحلیل قرار گرفت. دو ربع با درجه بالایی از شدت توریست شناسایی شده است، یکی در قلمروهای خرد Plasencia، Jerte-La Vera و دره Ambroz، و دومی در مجاورت شهر Cáceres و پارک طبیعی Monfragüe [66] (66 ) . شکل 2 را ببینید ).
از منظر تقاضا، مطالعات مختلفی نیز انجام شده است تا تأیید کند که توزیع آن نیز به سمت تمرکز در فضا گرایش دارد. رودریگز و سانچز [ 13تجزیه و تحلیل الگوی ارائه شده توسط مسافرانی که از منطقه بازدید می کنند. آنها گرایشی به سمت تمرکز خود در سه شهر اصلی منطقه پیدا کردند. کارایی مکان‌های توریستی متعاقباً از منظر فضایی، با استفاده از سطح اشغال به عنوان شاخصی از تعدیل رضایت‌بخش بین عرضه و تقاضا، تحلیل می‌شود. نتایج به‌دست‌آمده به ما این امکان را می‌دهد که سه خوشه با سطح رضایت‌بخش از تعدیل بین عرضه و تقاضا در سه شهر اصلی منطقه و همچنین دو خوشه کم‌ارزش با بیشترین عدم تعادل بین عرضه و تقاضا در سرزمین‌های Villuercas-Ibores شناسایی کنیم. -ژئوپارک Jara و ژئوپارک Trujillo-Miajadas-Montánchez [ 14 ] ( شکل 2 را ببینید ).
با توجه به همه این نتایج، بدیهی است که هم توزیع عرضه و هم تقاضا در منطقه مورد مطالعه، عدم توازن سرزمینی شدیدی را نشان می‌دهد که اگر بخواهیم برنامه‌ریزی مناسبی برای توسعه گردشگری ارائه دهیم، باید برای نظارت صحیح بر فعالیت مورد تجزیه و تحلیل قرار گیرد. منطقه با نیازهای خاص بازدیدکنندگان سازگار است.

4. روش شناسی

در این مقاله، شدت به عنوان چگالی متوسط ​​نقاط در فضا، یعنی تعداد مورد انتظار نقاط در واحد سطح [ 67 ] تعریف شده است. این شدت ممکن است برای هر واحد سطح ثابت باشد (شدت یکنواخت یا تصادفی فضایی کامل، CSR) یا ممکن است از مکانی به مکان دیگر متفاوت باشد (شدت ناهمگن). این شدت به عنوان یک فرآیند پواسون با پارامتر مدل‌سازی می‌شود λ(تو،ایکس)، که در آن x یک الگوی نقطه مکانی و u یک مکان است. این پارامتر شدت مشروط فرآیند فضایی را نشان می دهد.

ساده‌ترین راه برای مدل‌سازی این شدت شرطی به صورت لاگ خطی به شرح زیر است:

λ(تو،ایکس)=انقضا(θ0)

که در آن θ0ثابت است این بدان معنی است که شدت به محل الگوی نقطه بستگی ندارد. این پارامترسازی شدت معادل یک فرآیند پواسون ثابت (تصادفی فضایی کامل) است [ 68 ].

اگر فرآیند پواسون همگن نباشد، شدت مشروط به محل الگوی نقطه (یک فرآیند پواسون غیر ساکن) بستگی دارد. موقعیت توبا مختصات X (طول جغرافیایی) و/یا مختصات Y (عرض جغرافیایی) هر نقطه مکانی تعیین می شود. هنگامی که شدت شرطی به مکان بستگی دارد، می توان از یک “روند فضایی” صحبت کرد. برآورد روند به بهترین وجه برازش نقاط فضایی مشاهده شده، هدف این پژوهش کاربردی است. هنگامی که شدت یک فرآیند پواسون از نظر مکانی تغییر می کند، این شدت به عنوان یک تابع لگ خطی از مختصات جغرافیایی مدل می شود، یعنی: لnλ(تو،ایکس)=f(ایکس;y). Log-linearity یک فرض طبیعی در این مورد است، زیرا تضمین می‌کند که شدت یک کمیت غیرمنفی است و پیوند متعارفی برای داده‌های پواسون است [ 69 ]. علاوه بر این، این مدل‌سازی log-linear می‌تواند روابط غیرخطی بین شدت و مختصات x,y را ثبت کند.

اگر روند مکانی فقط به طول جغرافیایی بستگی داشته باشد، شدت شرطی به صورت زیر تعریف می شود:

λ(تو،ایکس)=انقضا(θ0+θ1ایکس)

که در آن θ0و θ1پارامترهای اسکالر هستند که باید برازش شوند و x مختصات دکارتی طول جغرافیایی است. این بدان معناست که شدت مشروط از شرق به غرب یا بالعکس متفاوت است.

اگر در نظر گرفته شود که روند مکانی به عرض جغرافیایی بستگی دارد، شدت شرطی به صورت زیر مدل می شود:

λ(تو،ایکس)=انقضا(θ0+θ2y)

که در آن y مختصات دکارتی عرض جغرافیایی است. در این مورد شدت مشروط از شمال به جنوب یا بالعکس متفاوت است.

همچنین می توان در نظر گرفت که هم طول و هم عرض جغرافیایی روند فضایی فرآیند پواسون را تعیین می کنند. اگر چنین باشد، روند فضایی زیر می تواند پیشنهاد شود:

λ(تو،ایکس)=انقضا(θ0+θ1ایکس+θ2y)
در بیان (4)، فرض می شود که شدت شرطی ممکن است نه تنها از شرق به غرب، بلکه از شمال به جنوب یا بالعکس متفاوت باشد.
در مدل های قبلی، یک رابطه خطی بین شدت شرطی و مکان (مختصات x و y ) در نظر گرفته شده است. اما در بسیاری از موارد (به ویژه در خوشه های فضایی) این رابطه نمی تواند خطی باشد. این می تواند به دلیل این واقعیت باشد که در بخشی از قلمرو، غلظت بالایی از محل اقامت وجود دارد، برازش یک روند خطی مناسب نخواهد بود، در حالی که یک روند غیر خطی می تواند بهتر با این غلظت تناسب داشته باشد. سپس می توان از یک تابع چند جمله ای درجه r برای مدل سازی روند فضایی استفاده کرد.

اولین مدل ثابت چند جمله‌ای که می‌توان پیشنهاد کرد، مدلی است که در آن شدت شرطی فقط به طول الگوی نقطه‌ای از طریق یک تابع درجه دوم مرتبط است، به عنوان مثال،

λ(تو،ایکس)=انقضا(θ0+θ1ایکس+θ3ایکس2)

اگر برعکس، شدت شرطی فقط به عرض جغرافیایی مربوط باشد، تابع درجه دوم برای مدل سازی آن به صورت زیر است:

λ(تو،ایکس)=انقضا(θ0+θ2y+θ4y2)

در نهایت، اگر رابطه بین شدت شرطی و هر دو مختصات دکارتی در یک فرآیند پواسون غیر ثابت درجه دوم باشد، شدت را می توان به صورت زیر تعریف کرد:

λ(تو،ایکس)=انقضا(θ0+θ1ایکس+θ2y+θ3ایکس2+θ4y2+θ5ایکسy)
از بین تمام این مدل‌ها، تنها مدل پواسون «خالص» مدل 1 است (که شامل گرایش‌های فضایی یا وابستگی‌های علامتی نمی‌شود). بقیه مدل ها (مدل (2) تا مدل (7)) در واقع فرآیندهای نقطه گیبس [ 70 ، 71 ] هستند. این مدل‌های نقطه‌ای گیبس، با فرض برهم‌کنش‌های بین مجموعه‌ای از نقاط، فرض استقلال را کاهش می‌دهند. علاوه بر این، این مدل ها امکان گنجاندن روند فضایی و وابستگی به علائم را فراهم می کنند [ 72 ].
برای تخمین همه این مدل‌ها، یک روش شبه احتمال حداکثری [ 73 ] برای مدل‌های پواسون [ 74 ] با بهبود هوانگ-اوگاتا [ 75 ] استفاده می‌شود.
هنگامی که مدل تخمین زده می شود، باید با بررسی اینکه مدل مناسب برای داده ها است و همه اصطلاحات موجود در مدل مناسب هستند، اعتبار سنجی شود. برای انجام این کار، باقیمانده های مدل رضایت بخش (تفاوت بین مقادیر مشاهده شده و مورد انتظار) را می توان محاسبه کرد [ 76 ، 77 ، 78 ]. این باقیمانده‌ها را می‌توان در یک نمودار تشخیصی برای ارزیابی مناسب بودن، شناسایی نقاط پرت در داده‌ها، آشکار کردن انحرافات از مدل برازش شده و غیره نشان داد.

در نهایت، و با توجه به اینکه حداکثر شبه درستنمایی معادل حداکثر احتمال برای فرآیندهای پواسون [ 69 ] است، مدل های تودرتو (یک مدل مورد خاص دیگری است) را می توان با استفاده از آزمون نسبت درستنمایی ترکیبی [ 79 ] مقایسه کرد. با توجه به دو مدل تودرتو (مدل 0 مدل کوچکتر است، یعنی مدل ساده تر، 1 مدل بزرگتر است، یعنی مدلی با پارامترهای بیشتر) و تعریف فرضیه صفر به عنوان «مدل کوچکتر است. بهترین مدل»، این تست به صورت زیر تعریف می شود:

Λ=2 ورود به سیستمCL(θ^1،ایکس)CL(θ^0،ایکس)

که در آن CL(θ^0،ایکس)حداکثر برآوردهای ترکیبی احتمال هستند θتحت مدل کوچکتر و CL(θ^1،ایکس)حداکثر برآوردهای ترکیبی احتمال هستند θتحت مدل بزرگتر Λمجانبی دارد χ2توزیع با درجه آزادی d ، که در آن d تفاوت در تعداد پارامترهای دو مدل است. اگر ارزش از Λبزرگ است (یعنی p -value زیر سطح معناداری)، فرضیه صفر باید رد شود. این بدان معناست که مدل بزرگتر بهتر از مدل کوچکتر با داده ها مطابقت دارد.

5. نتایج

الگوهای نقطه‌ای مکانی تحلیل‌شده در این مقاله، تعداد کل (کل جمعیت) هتل‌ها، موسسات غیر هتلی و موسسات اقامتی روستایی واقع در اکسترمادورا در 1 ژانویه 2019 (1591 نقطه فضایی) است. نمایش فضایی این سه نوع تأسیسات در شکل 3 نشان داده شده است . سیستم مرجع مختصات مورد استفاده در این تحقیق EPSG (گروه بررسی نفت اروپا): 4326—WGD84 است. ذکر این نکته ضروری است که در شکل 3طول جغرافیایی (محور X) بین 7.55- تا 4.75- درجه و عرض جغرافیایی (محور Y) بین 37.9 درجه و 40.5 درجه است. این مقادیر نشان دهنده حداقل و حداکثر مختصات جغرافیایی منطقه Extremadura است. این بدان معنی است که تمام 1591 نقطه فضایی در شکل 3 نشان داده شده است (نقاط مکانی در این نمایش مستثنی نمی شوند).
برای شناسایی تفاوت‌های احتمالی در مقادیر تخمینی مدل‌های ارائه‌شده قبلاً در بخش روش‌شناسی، یک متغیر کمکی (عامل) نشان‌دهنده نوع اقامت معرفی شد. این عامل دارای سه سطح است: هتل ها (هتل ها، خوابگاه ها، پانسیون ها و هتل آپارتمان ها)، موسسات خارج از هتل (آپارتمان های توریستی، کمپ ها و اقامتگاه های توریستی) و اقامتگاه های روستایی (هتل های روستایی، خانه های روستایی و آپارتمان های روستایی ) . تعداد کل نقاط فضایی مورد تجزیه و تحلیل 451 هتل، 343 موسسه خارج از هتل و 797 موسسه اقامتی روستایی است. به این ترتیب می توان مقادیر تخمینی این سه نوع اقامت را به دست آورد.
اولین مدلی که تخمینی ارائه می کند، فرآیند پواسون ثابت است (مدل (1)). نتایج برآورد مدل (1) در جدول 2 نشان داده شده است . مشاهده می شود که رهگیری مدل برای سه نوع استقرار از نظر آماری معنادار است. مقدار تخمینی شدت مشروط بر اساس این مدل به مقدار 61.9 هتل، 47.1 برون هتل و 109.5 اقامتگاه روستایی در واحد سطح می رسد. با این حال، غلظت بیشتر مؤسسات خاص در یک سوم شمالی منطقه (عمدتاً محل اقامت روستایی) و غلظت کمتر در ربع جنوب شرقی منطقه مشاهده شد ( شکل 3 را ببینید.) نشان می دهد که این مدل ثابت برای مدل سازی موسسات توزیع مسکن در اکسترمادورا مناسب ترین نیست.
در مقایسه با مدل (1)، مدل (2) تأثیر احتمالی طول جغرافیایی (مختصات X) را برای تخمین شدت شرطی گنجانده است. با این حال، این مختصات از نظر آماری برای سه نوع استقرار معنی‌دار نیست ( p – مقادیر بالاتر از 0.05 در همه موارد) ( جدول 3 را ببینید).). در نتیجه، شدت مشروط تأسیسات اقامتی در اکسترمادورا (حداقل به صورت خطی) به طول جغرافیایی بستگی ندارد، به این معنی که به نظر نمی‌رسد تمرکز بیشتری از هتل‌ها، مؤسسات خارج از هتل یا مؤسسات اقامتی روستایی هنگام جابجایی وجود داشته باشد. از شرق به غرب از طریق منطقه یا بالعکس. این وضعیت ممکن است به دلیل این واقعیت باشد که منابع اصلی توریستی در منطقه (به ویژه، زفرا، مریدا، کاسرس، تروخیلو، پلاسنسیا، مونفراگوئه و واله دل جرته)، زیرساخت‌های جاده‌ای (بزرگراه A-66) و پرجمعیت‌ترین شهرها ( Cáceres، Mérida و Plasencia) در مرکز جغرافیایی منطقه (بدون تمرکز بیشتر یا کمتر مؤسسات در شرق یا غرب این مرکز جغرافیایی) در نواری که از شمال به جنوب از منطقه عبور می کند، واقع شده اند.
با این حال، زمانی که به جای شرطی کردن شدت تخمینی تأسیسات اقامتی به طول جغرافیایی، به عرض جغرافیایی (مختصات Y) مشروط شود، این درست نیست. همانطور که در جدول 4 مشاهده می شود ، بسیار واضح است که پارامتر Y از نظر آماری برای همه انواع موسسات معنادار است. این بدان معناست که عرض جغرافیایی محل سکونتگاه های منطقه، غلظت (شدت) آنها را تعیین می کند.
ترکیب مختصات X، مدل (4) (با برآوردهای ارائه شده در جدول 5 ) در مدل (3) به طور قابل ملاحظه ای تنظیم مدل نظری را در توزیع مشاهده شده سه نوع نقطه فضایی مورد تجزیه و تحلیل بهبود نمی بخشد. قبلاً نظر داده شد (مدل (2)) که مختصات X در این مورد از نظر آماری معنی دار نیست. این در هنگام تخمین مختصات مشابه در مدل (4) نیز صادق است.
مدل (2) یک رابطه خطی بین طول جغرافیایی و شدت مشروط تأسیسات اقامتی در Extremadura را فرض می‌کند، در حالی که مدل (5) (برآوردهایی که در جدول 6 ارائه شده است ) یک رابطه درجه دوم را فرض می‌کند. همانطور که اشاره شد، عبارت درجه دوم در مدل از نظر آماری در مورد موسسات برون هتلی و اقامتگاه های روستایی معنادار است، اما در مورد هتل ها (در سطح 5% از معنی داری) معنی دار نیست. بنابراین، هنگام مدل‌سازی شدت در موسسات خارج از هتل و موسسات اقامتی روستایی، طول جغرافیایی باید به صورت درجه دوم و نه به صورت خطی در مدل گنجانده شود.
در مدل (6) عرض جغرافیایی مختصاتی است که به صورت درجه دوم در مدل پواسون غیر ساکن وارد شده است. تمام پارامترهای این مدل از نظر آماری برای سه نوع اقامتگاه در سطح معنی داری 5 درصد معنادار هستند ( جدول 7 را ببینید ). بنابراین، رابطه بین عرض جغرافیایی و شدت مشروط تأسیسات اقامتی در منطقه می تواند در برخی موارد درجه دوم باشد.
با ترکیب اطلاعات ارائه شده توسط مدل های (5) و (6) در یک مدل واحد، مدل (7) به عنوان مدل نهایی پیشنهاد شد. جدول 8 برآوردهای این مدل درجه دوم را برای سه نوع استقرار نشان می دهد. تمامی پارامترهای این مدل از نظر آماری در سطح معناداری 1 درصد معنادار هستند. به این ترتیب، بهترین تناسب ممکن برای مختصات XY موسسات اقامتی مورد تجزیه و تحلیل در یک مدل واحد به دست می‌آید.
هنگامی که تمام مدل‌های قبلی تخمین زده می‌شوند، و به منظور تعیین اینکه کدام یک از آنها به بهترین شکل با الگوهای نقطه‌ای فضایی مشاهده‌شده مطابقت دارد، آزمون‌های نسبت درستنمایی ترکیبی مدل‌های تودرتوی مختلف محاسبه می‌شوند. نتایج این محاسبات در جدول 9 نشان داده شده است .
در ابتدا، مدل پواسون ثابت (1) و مدل پواسون غیر ساکن (2) مقایسه شد. این به این دلیل است که ما می خواستیم تعیین کنیم که آیا شدت مشروط است یا خیر λ(تو،ایکس)به طول جغرافیایی هر الگوی نقطه فضایی بستگی دارد. همانطور که مشاهده می شود، آزمون نسبت احتمال از نظر آماری در 5٪ معنی دار نیست، به این معنی که مدل (2) برای هر نوع تاسیس به طور قابل توجهی بهتر از مدل (1) نیست. در نتیجه، به نظر نمی‌رسد که شدت استقرار اقامتگاه به صورت خطی به طول جغرافیایی بستگی داشته باشد، بنابراین می‌توان گفت که با حرکت از غرب به شرق منطقه و یا برعکس، تمرکز تأسیسات کمتر یا بیشتر وجود ندارد.
در مقابل، هنگام مقایسه مدل پواسون ثابت (1) با مدل پواسون غیر ثابت (3)، تأیید شد که آزمون نسبت احتمال از نظر آماری در سطح 1 درصد معنی‌داری برای مؤسسات غیرهتل و اقامتگاه‌های روستایی معنادار است. موسسات، و در سطح 5٪ از اهمیت برای موسسات هتل. در نتیجه می توان گفت که مدل (3) با الگوهای نقطه فضایی مشاهده شده بهتر از مدل (1) تناسب دارد. بنابراین می توان نتیجه گرفت که شدت مشروط λ(تو،ایکس)به طور خطی به عرض جغرافیایی مرتبط با الگوهای نقطه فضایی بستگی دارد. به عبارت دیگر، با حرکت از شمال به جنوب منطقه یا بالعکس، شدت تأسیسات اقامتی متفاوت است.
به منظور تأیید اینکه جزء Y (عرض جغرافیایی) موقعیت جغرافیایی موسسات اقامتی شدت مشروط آنها را تعیین می کند، مدل غیر ثابت (2) با مدل غیر ثابت (4) مقایسه شد. در حالی که اولین این مدل ها این را در نظر می گیرند λ(تو،ایکس)فقط به طول جغرافیایی بستگی دارد، مدل (4) فرض می کند که هم به طول و هم به عرض جغرافیایی بستگی دارد. نتایج آزمون نسبت احتمال نشان می‌دهد که مدل دوم با الگوهای نقطه فضایی مشاهده‌شده به طور قابل‌توجهی بهتر از اولی مطابقت دارد. بنابراین، عرض جغرافیایی این نقاط فضایی شدت مشروط را تعیین می کند، وضعیتی که با در نظر گرفتن طول جغرافیایی رخ نمی دهد.
به عنوان مکمل تحلیل قبلی، مدل های تودرتو (3) و (4) با توجه به سناریوی اولیه که در آن λ(تو،ایکس)منحصراً به عرض جغرافیایی بستگی دارد. یک سناریوی نهایی به دست می آید که در آن فرض می شود که شدت مشروط به طول جغرافیایی نیز بستگی دارد. در این مورد، مدلی که هر دو مختصات را در بر می گیرد، به طور قابل توجهی بهتر از مدلی نیست که فقط مختصات Y را شامل می شود. این نتیجه گیری برای سه نوع تأسیس معتبر است. بنابراین طول جغرافیایی هر نقطه فضایی به صورت خطی به مدل‌سازی شدت مشروط موسسات اقامتی واقع در Extremadura کمک نمی‌کند.
از مقایسه چهار مدل اول پیشنهادی، می توان نتیجه گرفت که بهترین مدل، مدل (3) است. با این حال، این مدل فرض می کند که رابطه بین λ(تو،ایکس)و مختصات Y هر الگوی نقطه فضایی یک رابطه خطی است. به خصوص هنگامی که غلظت‌های بالایی از تأسیسات اقامتی رخ می‌دهد، ممکن است این رابطه خطی نباشد، بلکه ماهیت چند جمله‌ای داشته باشد (برای مثال، رابطه بین شدت شرطی و مختصات جغرافیایی ممکن است درجه دوم باشد).
برای آزمون خطی بودن یا نبودن این رابطه، مدل (2) با مدل (5) مقایسه شد. فرض اول یک رابطه خطی بین شدت شرطی و طول جغرافیایی نقاط مکانی است. همانطور که مشاهده می شود، مدل (5) به طور قابل توجهی بهتر از مدل (2) تعدیل داده های مشاهده شده را ایجاد می کند. این بدان معنی است که تأثیر مختصات X بر λ(تو،ایکس)بهتر است توسط مدل از جمله عبارت درجه دوم که فقط رابطه خطی را نشان می دهد گرفته شود.
هنگامی که مدل های تودرتو (3) و (6) با هم مقایسه شوند، نتیجه مشابه است. نتیجه آزمون نسبت درستنمایی نشان می‌دهد که مدل (6) تناسب بهتری نسبت به مدل (3) برای سه نوع مؤسسه فراهم می‌کند. در نتیجه، رابطه بین شدت شرطی و عرض جغرافیایی با مدلی که شامل عبارت درجه دوم است که فقط رابطه خطی را نشان می‌دهد بهتر است.
در نهایت و برای تایید رابطه درجه دوم بین شدت شرطی و مختصات XY الگوهای نقطه فضایی تحلیل شده، مدل (4) با مدل (7) مقایسه شد. در حالی که مدل (4) یک رابطه خطی منحصراً بین λ(تو،ایکس)و مختصات Y، مدل (7) یک رابطه درجه دوم را فرض می کند. در این حالت، اگر نتایج آزمون نسبت درستنمایی مشاهده شود، می توان نتیجه گرفت که مدل (7) به طور قابل توجهی تناسب با الگوهای نقطه فضایی مشاهده شده را در مقایسه با مدل (4) بهبود می بخشد.
در نتیجه، از بین همه مدل‌های پیشنهادی، مدل (7) به بهترین وجه برای مکان مشاهده‌شده موسسات اقامتی در اکسترمادورا برازش می‌کند. این به حدی است که شکل 4 شدت مشاهده شده (سمت چپ) و شدت مورد انتظار را طبق مدل (7) (سمت راست) برای هتل ها و موسسات برون هتلی و برای موسسات اقامتی روستایی نشان می دهد. شباهت زیاد بین هر دو نمودار تأیید می کند که مدل انتخاب شده (7) اجازه می دهد تا توزیع فضایی موسسات اقامتی در اکسترمادورا بسیار نزدیک مدل شود.
تمام محاسبات در این مقاله با بسته R “spatstat” [ 80 ] انجام شد. مدل‌های فرآیند نقطه‌ای برآورد شده در spatstat، فرآیندهای نقطه‌ای Gibb [ 70 ، 71 ، 81 ] هستند.

6. بحث و نتیجه گیری

تعامل گردشگری و فضا در زمینه برنامه ریزی و مدیریت فعالیت های گردشگری اهمیت ویژه ای پیدا می کند. فرآیندهای برنامه ریزی بخش گردشگری نیاز به اطلاعات جامعی دارد که به عوامل مختلف درگیر اجازه می دهد تا بر اساس وضعیت بخش تصمیم گیری کنند. از این نظر، ترکیب اطلاعات در مورد الگوهای توزیع فعالیت های توریستی در قلمرو، امکان مدیریت کارآمدتر منابع، حمایت از هم افزایی های مثبت خاص مانند آنهایی که از اقتصادهای تجمعی به دست می آیند، و مدیریت و به حداقل رساندن اثرات منفی احتمالی مانند اشباع مقصد را می دهد. یا رقابت بیش از حد
این روند به شکل تکثیر مطالعاتی است که از طریق ترکیب GIS (سیستم‌های اطلاعات جغرافیایی) و تکنیک‌های اختصاصی آمار فضایی، به دنبال توضیح چگونگی توزیع متغیرهای توریستی در فضا هستند و مدل‌های نظری یا تجربی مختلفی را پیشنهاد می‌کنند که امکان تصمیم‌گیری عملیاتی‌سازی را فراهم می‌کند. – ایجاد ارتباط با حوزه های مختلف فعالیت گردشگری با توجه به تعامل آنها با فضا.
کار حاضر با هدف پیشنهاد مدلی با سطح سازگاری رضایت‌بخش با الگوی نقاط موجود در Extremadura آغاز می‌شود. این منطقه یک منطقه داخلی است که در مرحله گسترش است و بر اساس شناسایی مطالعات مختلف قبلی، مجموعه ای از عدم تعادل ها را نشان می دهد که شایسته است برای برنامه ریزی صحیح تحول و نیازهای بخش مورد تجزیه و تحلیل قرار گیرد. بنابراین، نویسندگان معتقدند که مدل‌سازی این الگو می‌تواند ابزار ارزشمندی برای مدیریت بخش عمومی-خصوصی باشد.
پس از ارائه و برآورد مدل‌های مختلف با در نظر گرفتن شدت اسکان مشروط به طول و عرض جغرافیایی، مشخص شد که مدلی که به بهترین وجه با واقعیت منطقه منطبق است، نشان دادن این است که شدت گردشگر در رابطه درجه دوم با طول و عرض جغرافیایی برای سه نوع است. محل اقامت مورد استفاده برای انجام این تحقیق.
دانستن مدلی که موقعیت جغرافیایی عرضه موسسات اقامتی در یک مقصد گردشگری را به بهترین شکل توضیح می‌دهد، در مدیریت گردشگری دولتی و خصوصی ضروری است. ایجاد زیرساخت های اقامتی در یک مقصد باید همیشه از یک فرض قبلی شروع شود: این زیرساخت ها در سراسر مقصد به یک اندازه ضروری نیستند. تنها زمانی که شدت این زیرساخت‌ها در سراسر قلمرو مقصد از نظر فضایی همگن باشد، افتتاح اقامتگاه‌های توریستی جدید صرف نظر از اینکه در کجا واقع شده است به همان اندازه موفق خواهد بود. با این حال، این وضعیت همگنی فضایی در مقاصد گردشگری غیرعادی است، زیرا سناریوی معمول این است که تمرکز فضایی در عرضه اقامتگاه‌های توریستی وجود دارد. به ویژه در مورد منابع گردشگری و محصولات ارائه شده توسط مقصد. به همین دلیل، مدل‌سازی شدت اقامت در یک مقصد، گامی مقدماتی برای تعیین اینکه آیا مکان انتخاب شده برای افتتاح موسسات جدید مناسب‌ترین است یا خیر است.
از منظر اداره گردشگری عمومی، کمک های اعطایی برای ایجاد زیرساخت های گردشگری به طور کلی و زیرساخت های اقامتی به طور خاص به ندرت تأثیر مکان را بر مناسب بودن آن زیرساخت جدید در نظر می گیرد. ارائه کمک های مالی برای ایجاد یک پیشنهاد جدید از محل اقامت در فضاهایی که غلظت بالایی از موسسات وجود دارد (مقادیر مشاهده شده بالاتر از مقادیر مورد انتظار) تنها به افزایش رقابت بین موسسات اقامتی واقع در آن فضا کمک می کند. برعکس، قرار گرفتن در فضاهایی با کمبود اقامتگاه (مقادیر مشاهده شده کمتر از مقادیر مورد انتظار) می تواند به توسعه گردشگری کمک کند که در حال حاضر به دلیل کمبود زیرساخت از جمله موارد دیگر وجود ندارد.
علاوه بر این، با توجه به ویژگی‌های قلمرو هدفی که در آن منابع طبیعی ادعای مهمی برای عملکرد مطلوب بخش گردشگری است، ایجاد یک مدل توسعه پایدار که امکان بهره‌برداری صحیح از منابع آن را فراهم می‌کند و در عین حال حفظ آنها را تضمین می‌کند، ضروری است. از این نظر، نظارت بر مناطقی که بیشترین شدت توریست را دارند به منظور تضمین عدم تجاوز از ظرفیت حمل گردشگر که می تواند با قلمرو مرتبط باشد برای مدیریت صحیح منابع ضروری خواهد بود.
علاوه بر این، از منظر کارآفرینی خصوصی، آگاهی از تمرکز تمرکز کسب و کار در مقصد، اطلاعات حیاتی در هنگام هدایت سرمایه‌گذاری است. در مناطقی از قلمرو که به دلیل عرضه محدود اقامتگاه و خدمات تکمیلی (احتمالاً به دلیل جذب توریستی کم) «کویرهای توریستی» محسوب می‌شوند، گروه‌های سرمایه‌گذاری علاقه‌ای به سرمایه‌گذاری در ایجاد زیرساخت‌های گردشگری نخواهند داشت. بسیار محتمل است که فعالیت کم گردشگری، سودآوری اقتصادی پروژه را به خطر بیندازد. برعکس، در فضاهایی از قلمرو که در آن محل اقامت توریستی و یک منبع مکمل (“واحه توریستی”) وجود دارد.
به این ترتیب، پژوهش انجام شده در این مقاله کاربرد عملی غیرقابل انکاری دارد، زیرا نادیده گرفتن توزیع فضایی عرضه مسکن در یک مقصد می‌تواند در بیشتر موارد منجر به تصمیم‌های سیاسی و تجاری نادرست شود.
داشتن مدلی که در آن بتوان از روی مختصات طول و عرض جغرافیایی آن فضا، تعداد مورد انتظار اقامتگاه‌هایی را که باید در یک فضای جغرافیایی خاص باشد و مقایسه آن با تعداد واقعی (مشاهده‌شده) مکان‌های اقامتی تخمین زد، گردشگری بسیار ارزشمندی است. ابزار مدیریتی که باید مورد توجه تمامی مقاصد گردشگری قرار گیرد.
به عنوان یک خط تحقیقاتی آینده، و از آنجایی که هیچ مدرکی مبنی بر وجود مطالعات مشابه در مقاصد قابل مقایسه با آنچه مورد تجزیه و تحلیل قرار گرفته است، وجود ندارد، جالب است که این پیشنهاد مدل‌سازی را به مناطق دیگر تعمیم دهیم تا تأیید کنیم که آیا شباهت‌هایی وجود دارد که بتوان آنها را به عنوان ویژگی‌های آن درک کرد. مقاصد داخلی در مرحله رشد از سوی دیگر، اگرچه کار حاضر بر پیشنهاد مدلی متمرکز شده است که با استفاده از موقعیت هر یک از محل‌های اقامتی که کارخانه اسکان در منطقه را تشکیل می‌دهند، به ما امکان می‌دهد نحوه توزیع این اقامتگاه‌ها در شی منطقه را توصیف کنیم. با مطالعه به روش عملیاتی، در کارهای آتی جالب خواهد بود که بتوان سایر متغیرهای کمکی را که می‌توانند به توضیح الگوی توزیع فضایی شناسایی‌شده، مانند سطح درآمد، قیمت‌ها، کمک کنند، درج کرد.

منابع

  1. مک نیل، دی. هتل و شهر. Prog. هوم Geogr. 2008 ، 32 ، 383-398. [ Google Scholar ] [ CrossRef ]
  2. یانگ، ی. لو، اچ. قانون، ر. مدل های نظری، تجربی و عملیاتی در تحقیقات مکان یابی هتل. بین المللی جی. هاسپ. مدیریت 2014 ، 36 ، 209-220. [ Google Scholar ] [ CrossRef ]
  3. Majewska، J. اثرات تراکم بین منطقه ای در گردشگری در لهستان. تور. Geogr. 2015 ، 17 ، 408-436. [ Google Scholar ] [ CrossRef ]
  4. Majewska، J. اندازه‌گیری بر اساس GPS سرریزهای جغرافیایی در گردشگری – نمونه‌ای از مناطق لهستانی. تور. Geogr. 2017 ، 19 ، 612-643. [ Google Scholar ] [ CrossRef ]
  5. یانگ، ی. Wong، KF توزیع فضایی جریان های توریستی به شهرهای چین. تور. Geogr. 2013 ، 15 ، 338-363. [ Google Scholar ] [ CrossRef ]
  6. لی، ام. نیش، ال. هوانگ، ایکس. Goh, C. تحلیل مکانی- زمانی هتل ها در مقصد گردشگری شهری. بین المللی جی. هاسپ. مدیریت 2015 ، 45 ، 34-43. [ Google Scholar ] [ CrossRef ]
  7. زینگ-ژو، ی. Qun, W. تحلیل فضا-زمان اکتشافی جریان‌های گردشگری ورودی به شهرهای چین. بین المللی تور. Res. 2014 ، 16 ، 303-312. [ Google Scholar ] [ CrossRef ]
  8. آلمیدا-گارسیا، اف. کورتس ماسیاس، آر. گالیگوس، آ. Schenkel، E. Evolución hotelera y pautas de localización en Torremolinos. BAGE 2018 ، 79 ، 1-29. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  9. یانگ، ی. وانگ، KKF یک رویکرد اقتصادسنجی فضایی برای مدل‌سازی اثرات سرریز در جریان‌های گردشگری. J. Travel Res. 2012 ، 51 ، 768-778. [ Google Scholar ] [ CrossRef ]
  10. چوا، ا. سرویلو، ال. مارچگیانی، ای. Vande, A. Mapping Cilento: استفاده از داده های رسانه های اجتماعی دارای برچسب جغرافیایی برای توصیف جریان های توریستی در جنوب ایتالیا. تور. مدیریت 2016 ، 57 ، 295-310. [ Google Scholar ] [ CrossRef ]
  11. پولو، هوش مصنوعی؛ چیکا، جی. Frías، DM; رودریگز، MA پذیرش بازارگرایی در بین شرکت‌های گردشگری روستایی: تأثیر مکان و ویژگی‌های شرکت. بین المللی جی. تور. Res. 2015 ، 17 ، 54-65. [ Google Scholar ] [ CrossRef ]
  12. بالاگر، جی. Pernías, JC رابطه بین تجمع فضایی و قیمت هتل. شواهد از و مصرف کننده گردشگری. تور. مدیریت 2013 ، 36 ، 391-400. [ Google Scholar ] [ CrossRef ]
  13. رودریگز-رانگل، سی. Sánchez-Rivero، M. تجزیه و تحلیل الگوی توزیع فضایی فعالیت توریستی: برنامه ای برای حجم مسافران در Extremadura. در روندهای رفتار توریستی. گردشگری، هتلداری و مدیریت ؛ Artal.Tur, A., Kozak, M., Kozak, N., Eds.; Springer: برلین/هایدلبرگ، آلمان، 2019؛ ص 225-245. شابک 978-3-030-11159-5. [ Google Scholar ]
  14. رودریگز، ام سی؛ سانچز، ام. عدم تعادل فضایی بین عرضه و تقاضای توریست: شناسایی خوشه فضایی در اکسترمادورا، اسپانیا. پایداری 2020 ، 12 ، 1651. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  15. Palomares, JC; گوتیرز، جی. Mínguez, C. شناسایی نقاط داغ توریستی بر اساس شبکه های اجتماعی: تحلیل مقایسه ای کلان شهرهای اروپایی با استفاده از خدمات اشتراک عکس و GIS. Appl. Geogr. 2015 ، 63 ، 408-417. [ Google Scholar ] [ CrossRef ]
  16. گوتیرز، جی. García-Palomares, JC; رومانیلوس، جی. Salas-Olmedo، MH Airbnb در شهرهای توریستی: مقایسه الگوهای فضایی هتل‌ها و اقامتگاه‌های همتا به همتا. تور. مدیریت 2017 ، 62 ، 278-291. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. باتیستا، اف. مارین، MA; روزینا، ک. ریبیرو، آر. فریره، اس. Schiavina, M. تجزیه و تحلیل الگوهای مکانی و زمانی گردشگری در اروپا با وضوح بالا با منابع داده های معمولی و بزرگ. تور. مدیریت 2018 ، 101-115. [ Google Scholar ] [ CrossRef ]
  18. Anselin، L. شاخص های محلی انجمن فضایی. Geogr. مقعدی 1995 ، 27 ، 93-115. [ Google Scholar ] [ CrossRef ]
  19. گتیس، ع. Ord, J. تجزیه و تحلیل ارتباط فضایی با استفاده از آمار فاصله. Geogr. مقعدی 1992 ، 24 ، 189-206. [ Google Scholar ] [ CrossRef ]
  20. دیوار، جی. دودیچا، دی. تحلیل الگوی هاچینسون، جی پوینت از محل اقامت در تورنتو. ان تور. Res. 1985 ، 12 ، 603-618. [ Google Scholar ] [ CrossRef ]
  21. کانینا، ال. انز، کالیفرنیا؛ هریسون، JS Aglomeration Effects و جهت گیری های استراتژیک: شواهد از صنعت مسکن ایالات متحده. آکادمی مدیریت J. 2005 ، 48 ، 565-581. [ Google Scholar ] [ CrossRef ]
  22. کالینز، ا. چانگ، دبلیو. سرمایه اجتماعی، جغرافیا و بقا: کارآفرینان مهاجر گجراتی در صنعت مسکن ایالات متحده. مدیریت علمی 2006 ، 52 ، 233-247. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. Sund، KJ تمرکز جغرافیایی هتل در سوئیس و چرخه عمر صنعت. تور. بیمارستان طرح. توسعه دهنده 2006 ، 3 ، 1-18. [ Google Scholar ] [ CrossRef ]
  24. راجرسون، جی.ام. جغرافیای اقتصادی صنعت هتلداری آفریقای جنوبی 1990-2010. Urb. انجمن 2013 ، 24 ، 425-446. [ Google Scholar ] [ CrossRef ]
  25. ویلیامز، اس. مسائل و رویکردها در جغرافیای معاصر گردشگری. در جغرافیای گردشگری ; Routledge: لندن، انگلستان، 1998; صص 1-20. شابک 0-415-14214-8. [ Google Scholar ]
  26. Goodchild، MF; آنسلین، ال. Appelbaum، RP; هارتورن، BH به سوی علوم اجتماعی یکپارچه فضایی. بین المللی Reg. علمی Rev. 2000 , 23 , 139-159. [ Google Scholar ] [ CrossRef ]
  27. رویدادهای Carreras، C. Mega: استراتژی‌های محلی و جاذبه‌های جهانی گردشگران. در گردشگری اروپا: مناطق، فضاها و بازسازی Montanari, A., Williams, AW, Eds. ویلی: چیچستر، بریتانیا، 1995; ص 193-205. [ Google Scholar ]
  28. یانگ، ی. تراکم تراکم و توسعه گردشگری در چین: یک تحقیق تجربی بر اساس مدل داده پانل پویا. تور مناگ. 2012 ، 33 ، 1347-1359. [ Google Scholar ] [ CrossRef ]
  29. Porter, M. On Competition ; بررسی کسب و کار هاروارد: بوستون، MA، ایالات متحده آمریکا، 2008; شابک 978-1-4221-2696-7. [ Google Scholar ]
  30. Krugman, P. افزایش بازده و جغرافیای اقتصادی. جی. پول. اقتصاد 1991 ، 99 ، 483-499. [ Google Scholar ] [ CrossRef ]
  31. مارشال، A. اصول اقتصاد ، ویرایش هشتم. مک میلیان: لندن، بریتانیا، 1920; شابک 978-0-230-24929-5. [ Google Scholar ]
  32. ترمبلی، پی. تفسیری تکاملی از نقش مشارکت های مشترک در گردشگری پایدار. در همکاری و مشارکت گردشگری: سیاست، عمل و پایداری ؛ Bramwell, B., Lane, B., Eds. Chanel View: Clevedon، UK، 2000; صص 314-329. شابک 978-1-873-15079-5. [ Google Scholar ]
  33. Roome, N. سرمقاله مفهوم سازی و مطالعه سهم شبکه ها در مدیریت زیست محیطی و توسعه پایدار. غنچه. استرات. محیط زیست 2001 ، 10 ، 69-76. [ Google Scholar ] [ CrossRef ]
  34. لین، ب. استراتژی های گردشگری روستایی پایدار: ابزاری برای توسعه و حفاظت. در گردشگری روستایی و توسعه پایدار روستایی ; Bramwell, B., Lane, B., Eds. نمای کانال: Clevedon, UK, 1994; صص 102-111. شابک 978-1-873-15002-3. [ Google Scholar ]
  35. هوور، ای. نظریه مکان و صنایع کفش و چرم . انتشارات دانشگاه هاروارد: کمبریج، انگلستان، 1936; شابک 978-0-674-18754-2. [ Google Scholar ]
  36. جیکوبز، جی. اقتصاد شهرها . Random House: نیویورک، نیویورک، ایالات متحده آمریکا، 1969; شابک 978-0-394-70584-2. [ Google Scholar ]
  37. جکسون، جی. مورفی، ص. مقصد گردشگری به عنوان خوشه: تجربیات تحلیلی از دنیای جدید. تور. بیمارستان Res. 2002 ، 4 ، 36-52. [ Google Scholar ] [ CrossRef ]
  38. ورنرهایم، ام سی; Sharpe، CA الگوهای استخدام و مکان خدمات پیشرفته در کانادا غیر شهری. خدمت Ind. J. 2005 , 25 , 181-211. [ Google Scholar ] [ CrossRef ]
  39. سولول، او. کتلز، سی. لیندکویست، جی. تخصص صنعتی و خوشه منطقه ای در ده کشور عضو جدید اتحادیه اروپا. Comp. Rev. 2008 , 18 , 104-130. [ Google Scholar ] [ CrossRef ]
  40. Kolko، J. شهرسازی، تراکم و انعقاد صنایع خدماتی. در اقتصاد تراکم ; گلیزر، EL، اد. انتشارات دانشگاه چیگاکو: Chigaco, IL, USA, 2010; صص 151-180. در دسترس آنلاین: https://www.nber.org/chapters/c7983.pdf (در 17 مه 2020 قابل دسترسی است).
  41. Zhang، M. ارتقاء قابلیت رقابتی گردشگری منطقه ای توسط خوشه صنعتی. مالی اقتصاد 2005 ، 6 ، 186-190. [ Google Scholar ]
  42. ژانگ، LL; کو، بی. یانگ، ی. روشی جدید برای ارتقای شایستگی صنعت هتلداری: توسعه خوشه. تور. قبیله 2006 ، 21 ، 55-59. [ Google Scholar ]
  43. کاپون، اف. Boix, R. منابع رشد و رقابت سیستم تولید توریست محلی: برنامه ای برای ایتالیا (1991-2001). ان Reg. علمی 2008 ، 42 ، 209-224. [ Google Scholar ] [ CrossRef ]
  44. یانگ، ی. Fik، TJ اثرات فضایی در رشد گردشگری منطقه ای. ان تور. Res. 2014 ، 46 ، 144-162. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  45. شی، سی. ژانگ، جی. شن، ZP; ژونگ، جی. بررسی مطالعات در زمینه رقابت فضایی گردشگری و همکاری. Geogr. Geo-Inf. علمی 2005 ، 21 ، 85-89. [ Google Scholar ]
  46. یانگ، ی. تخصص، تنوع و توسعه گردشگری: یک تحقیق تجربی بر اساس داده های آماری فعلی چین. اقتصاد Rev. 2011 , 2 , 119-128. [ Google Scholar ]
  47. ماژوسکا، جی. تروسکلولاسکی، اس. تمرکز فضایی فعالیت اقتصادی و رقابت پذیری مناطق اروپای مرکزی. در چالش های تجارت بین المللی در اروپای مرکزی و شرقی ; Wach, K., Knežević, B., Šimurina, N., Eds.; دانشگاه اقتصاد کراکوف: کراکوف، لهستان، 2017; صص 47-64. در دسترس آنلاین: https://ssrn.com/abstract=2940690 (در 2 ژوئن 2020 قابل دسترسی است).
  48. لی، SH; چوی، جی. یو، SH; اوه، YG ارزیابی مرکزیت فضایی برای مدیریت یکپارچه گردشگری در مناطق روستایی با استفاده از GIS و تجزیه و تحلیل شبکه. تور. مدیریت 2013 ، 34 ، 14-24. [ Google Scholar ] [ CrossRef ]
  49. گرینبرگر، ا. شوال، ن. مک کرچر، ب. انواع مصرف زمان-فضای گردشگران: رویکردی جدید با استفاده از داده های GPS و ابزارهای GIS. تور. Geogr. 2014 ، 16 ، 105-123. [ Google Scholar ] [ CrossRef ]
  50. ساریون، MD؛ بنیتز، MD؛ مورا، EO توزیع فضایی عرضه گردشگری در اندلس. تور. مدیریت چشم انداز 2015 ، 15 ، 29-45. [ Google Scholar ] [ CrossRef ]
  51. نیش، ی. هوانگ، ز. وانگ، ک. Cai، B. الگوی فضایی توسعه گردشگری چین و مکانیسم آن بر اساس مقیاس‌های زمانی- مکانی مختلف: به‌عنوان مثال در نظر گرفتن داده‌های تابلویی سرزمین اصلی چین (1996-2010). J. Landsc. Res. 2015 ، 7 ، 47-54. [ Google Scholar ]
  52. Mason, P. Tourism Impacts, Planning and Management , 3rd ed.; Routledge: نیویورک، نیویورک، ایالات متحده آمریکا، 2016; شابک 978-1-138-01630-9. [ Google Scholar ]
  53. رادرفورد، جی. کوبرین، اچ. Newsome، D. مطالعه موردی در ارزیابی پتانسیل ژئوتوریسم از طریق سیستم های اطلاعات جغرافیایی: کاربرد در کانون گردشگری جزیره ای غنی از زمین شناسی. Curr. تور مسائل. 2015 ، 18 ، 267-285. [ Google Scholar ] [ CrossRef ]
  54. چانگ، دبلیو. Kalnins، A. اثرات تراکم و عملکرد: آزمون صنعت مسکن تگزاس. استراتژی. مدیریت J. 2001 , 22 , 969-988. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  55. فریدمن، ام ال. Kosová، R. تراکم، ناهمگنی محصول و استحکام. جی. اکون. Geogr. 2012 ، 12 ، 601-626. در دسترس آنلاین: https://ssrn.com/abstract=1638332 (در 23 مه 2020 قابل دسترسی است). [ CrossRef ]
  56. یانگ، ی. یک مطالعه تجربی در مورد روند نوسان درجه تراکم منطقه ای صنعت گردشگری چین. تور. قبیله 2010 ، 25 ، 37-42. [ Google Scholar ]
  57. باوم، JAC; Haveman، HA همسایه خود را دوست دارید؟ تمایز و تراکم در صنعت هتلداری منهتن، 1898-1990. دریاسالار علمی کوارت 1997 ، 42 ، 304-338. [ Google Scholar ] [ CrossRef ]
  58. اینگرام، پی. Inman، C. مؤسسات، رقابت بین گروهی و تکامل جمعیت هتل ها در اطراف Nigara سقوط می کند. دریاسالار علمی کوارت 1996 ، 41 ، 629-658. [ Google Scholar ] [ CrossRef ]
  59. لو، آ. مک کرچر، بی. مدل سازی جنبش های توریستی: تحلیل مقصد محلی. ان تور. Res. 2006 ، 33 ، 403-423. [ Google Scholar ] [ CrossRef ]
  60. سانچز، ام. یک برنامه کاربردی فوق العاده. کشیش استود. امپراتور 2008 ، 2 ، 48-66. در دسترس آنلاین: https://revistaselectronicas.ujaen.es/index.php/REE/article/view/365 (در 15 مه 2020 قابل دسترسی است).
  61. سانچز، جی.ام. سانچز، ام. Rengifo، JI La evaluación del potencial para el desarrollo del turismo rural: Aplicación metodológica sobre la provincia de Cáceres. ژئوفوکوس 2013 ، 13 ، 99-130. [ Google Scholar ]
  62. سانچز، جی.ام. سانچز، ام. رنگیفو، JI حامیان توزیع خدمات گردشگری میانی تکنیک های جغرافیایی در اکسترمادورا (2004-2014). بول. Asoc. Geogr. به ویژه 2018 ، 76 ، 276-302. [ Google Scholar ] [ CrossRef ]
  63. نیتو، ا. کاردناس، جی. سیاست توسعه روستایی در اکسترمادورا (SW اسپانیا): تجزیه و تحلیل موقعیت مکانی پروژه‌های رهبر. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 76. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  64. سانچز-مارتین، جی.ام. Rengifo-Gallego، JI; Blas-Morato، R. تجزیه و تحلیل نقطه داغ در مقابل تجزیه و تحلیل خوشه و پرت: تحقیق در مورد گروه بندی مسکن روستایی در Extremadura (اسپانیا). J. Geo-Inf. 2019 ، 8 ، 176. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  65. Instituto Nacional De Estadística (INE). در دسترس آنلاین: https://www.ine.es/dyngs/INEbase/es/operacion.htm?c=Estadistica_C&cid=1254736167628&menu=ultiDatos&idp=1254735576581 (در 28 مه 2020 قابل دسترسی است).
  66. رودریگز رانگل، ام سی; سانچز-ریورو، ام. راماجو-هرناندز، جی. تحلیل فضایی شدت در اقامتگاه های گردشگری: برنامه ای برای اکسترمادورا (اسپانیا). Economies 2020 ، 8 ، 28. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  67. Baddeley، A. تجزیه و تحلیل الگوهای نقطه فضایی در R. در کارگاه یادداشت نسخه ; CSIRO: کانبرا، استرالیا، 2010. [ Google Scholar ]
  68. بادلی، ا. روبک، ای. Turner, R. Spatial Point Patterns: Methodology and Applications with R ; CRC Press: Broken Sound Parkway, FL, USA, 2016; شابک 978-1-482-21021-7. [ Google Scholar ]
  69. رنر، IW; الیت، جی. بادلی، ا. فیثیان، دبلیو. هستی، تی. فیلیپس، اس جی. پوپوویچ، جی. مدل‌های فرآیند وارتون، DI Point برای تحلیل حضوری. مت. Ecol. تکامل. 2015 ، 6 ، 366-379. [ Google Scholar ] [ CrossRef ]
  70. بادلی، ا. Turner, R. حداکثر شبه احتمال عملی برای الگوهای نقطه مکانی (با بحث). اوست آمار NZJ 2000 ، 42 ، 283-322. [ Google Scholar ] [ CrossRef ]
  71. مولر، جی. Waagepetersen، استنتاج آماری RP و شبیه سازی برای الگوهای نقطه ای فضایی . چپمن و هال/CRC: بوکا راتون، فلوریدا، ایالات متحده آمریکا، 2003; شابک 1-58488-265-4. [ Google Scholar ]
  72. بادلی، ا. Turner, R. مدل‌سازی الگوهای نقطه‌ای فضایی در R. در مطالعات موردی در مدل‌سازی فرآیند نقطه‌ای فضایی ; نکات سخنرانی در آمار; Baddeley, A., Gregori, P., Mateu, J., Stoica, R., Stoyan, D., Eds. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2006; جلد 185، ص 23-74. شابک 978-0-387-28311. [ Google Scholar ]
  73. Besag, JE تجزیه و تحلیل آماری داده های غیر شبکه ای. JR Stat. Soc. سر. D (آمار) 1975 ، 24 ، 179-195. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  74. برمن، م. ترنر، TR تقریب احتمالات فرآیند نقطه با GLIM. Appl. آمار 1992 ، 41 ، 31-38. [ Google Scholar ] [ CrossRef ]
  75. هوانگ، اف. Ogata، Y. بهبود برآوردگرهای حداکثر شبه درستنمایی در مدل های مختلف آماری فضایی. جی. کامپیوتر. گر آمار 1999 ، 8 ، 510-530. [ Google Scholar ] [ CrossRef ]
  76. بادلی، ای جی; ترنر، آر. مولر، جی. Hazelton، M. تجزیه و تحلیل باقیمانده برای فرآیندهای نقطه فضایی. JR Stat. Soc. 2005 ، 67 ، 1-35. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  77. لاوسون، AB باقیمانده انحراف برای فرآیندهای پواسون فضایی ناهمگن. بیومتریک 1993 ، 49 ، 889-897. [ Google Scholar ] [ CrossRef ]
  78. استویان، دی. Grabarnik، P. مشخصه مرتبه دوم برای ساختارهای تصادفی مرتبط با فرآیندهای نقطه گیبس. ریاضی. نچر. 1991 ، 151 ، 95-100. [ Google Scholar ] [ CrossRef ]
  79. بادلی، ای جی; Rubak، E. آزمون نسبت درستنمایی مرکب تنظیم شده برای فرآیندهای نقطه گیبس فضایی. J. Stat. محاسبه کنید. شبیه سازی 2015 ، 86 ، 922-941. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  80. بادلی، ا. Turner, R. Spastat: یک بسته R برای تجزیه و تحلیل الگوی نقطه فضایی. J. Stat. نرم افزار 2005 ، 12 ، 1-42. در دسترس آنلاین: https://www.jstatsoft.org/index (در 23 مه 2020 قابل دسترسی است). [ CrossRef ][ نسخه سبز ]
  81. Van Lieshout، MNM Markov Point Processes و کاربردهای آنها . انتشارات امپریال کالج: لندن، انگلستان، 2000; شابک 1-86094-071-4. [ Google Scholar ]
Ijgi 09 00473 g001 550
شکل 1. محل منطقه مورد مطالعه.
Ijgi 09 00473 g002 550
شکل 2. نقشه های مناطق توریستی اکسترمادورا.
Ijgi 09 00473 g003 550
شکل 3. نمایش فضایی انواع موسسات اقامتی در اکسترمادورا. ( الف ) موسسات هتل. ( ب ) موسسات خارج از هتل. ( ج ) مسکن روستایی.
Ijgi 09 00473 g004 550
شکل 4. مقایسه بین الگوی فضایی مشاهده شده ( سمت چپ ) و الگوی فضایی مورد انتظار ( راست ) تحت مدل (7) موسسات اقامتی در اکسترمادورا ( الف ) هتل ها (مشاهده شده) ( ب ) هتل ها (مورد انتظار) ( ج ) هتل های خارجی (مشاهده شده) ) ( د ) هتل های برون مرزی (مورد انتظار) ( ه ) روستایی (مشاهده شده) ( و ) روستایی (مورد انتظار).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید