تأثیر SLR در درآمد توچال ساحل در ساحل در Sahl Hasheesh و Makadi Bay ، دریای سرخ ، مصر ؛یک رویکرد قیمت گذاری هیدونیک

فرسایش و غرق شدن ساحلی بیانگر تأثیرات اصلی تغییرات آب و هوا و افزایش سطح دریا (SLR) در سواحل است. وخامت حاصل از زیستگاه های ساحلی و کاهش درآمد گردشگری ساحلی نگرانی اصلی مدیران و محققان ساحلی بوده است. با این وجود ، میزان SLR در گردشگری ساحل در مصر نسبتاً ناشناخته است. بنابراین ، این مطالعه رابطه بین انقباض عرض ساحل به دلیل SLR و از دست دادن درآمد توچال توریستی را بررسی می کند. ما از رویکرد قیمت گذاری هیدونیک ، که ترکیبی از متغیرهای اقتصادی و زیست محیطی است ، برای تعیین تأثیرات زیست محیطی در گردشگری ساحلی در طول 14 کیلومتری ساحل Sahl Hasheesh و Makadi Bay ، Hurghada ، مصر استفاده می کنیم. درآمد تفرجگاه بستگی به مزایای تجمعی از قیمت بازار اتاق های توچال دارد که تابعی از متغیرهای مورفولوژیکی و متغیرهای گردشگری است. برای انتخاب مناسب ترین مدل هیدونیک عملکردی ، از سه مدل رگرسیون (نیمه LOG ، Double-LoG و Custom-LOG) استفاده شد. سه دامنه ساحلی (0. 03 ، 0. 06 و 0. 12) برای رسیدگی به عدم اطمینان در عرض ساحل در نظر گرفته شد. هنگامی که از 0. 06 شیب ساحلی استفاده می شود ، ضررهای پیش بینی شده در درآمد 84،000 ، 220،000 و 546،000 USD در روز (به نمایندگی از 3 ٪ ، 7 ٪ و 18 ٪) برای 2030 ، 2050 و 2100 ، با توجه به کمترین نماینده سناریومسیر غلظت (RCP2. 6) ؛برای بدترین حالت (RCP8. 5 SLR) ، ضررهای پیش بینی شده به ترتیب 142،000 ، 369،000 و 897،000 دلار در روز (به نمایندگی از 5 ٪ ، 12 ٪ و 30 ٪) برای 2030 ، 2050 و 2100 است.

1. معرفی

گردشگری در مصر منبع اصلی درآمد ملی و ارز خارجی محسوب می شود. سهم مستقیم بخش سفر و گردشگری در تولید ناخالص داخلی مصر در سال 2017 5. 6 ٪ و در سال 2018 11. 9 ٪ بود [1]. گردشگری ساحل یکی از مهمترین عوامل رشد اقتصادی در صنعت گردشگری محسوب می شود. گردشگری ساحل در امتداد دریای سرخ مصر بخش قابل توجهی از محصول ملی ناخالص را به شما کمک می کند [2]. منطقه ساحلی Hurghada اخیراً رشد عمده اقتصادی در صنعت گردشگری ، به ویژه در استراحتگاه ها و روستاهای مرتبط را تجربه کرده است [3]. منطقه ساحلی Hurghada دارای زیستگاه های منحصر به فرد ساحلی و دریایی ، مانند صخره های مرجانی و حرا ها است و دارای سواحل طلایی ، آب آبی ، آب و هوای آفتابی و گرم و امکانات گردشگری خوب است و آن را به یک منطقه ساحلی جذاب برای فعالیت های توریستی و سرگرمی تبدیل می کند [4]علاوه بر این ، سواحل دریای سرخ به دنبال ویژگی های آب و هوا/آب و هوا به عنوان دومین جاذبه بزرگ خارجی به کشور رتبه بندی می شوند [5].

گزارش ارزیابی پنجم از پانل بین دولتی در مورد تغییرات آب و هوا (IPCC) (2013) پیش بینی می کند که سطح دریا جهانی با نرخ بالاتر از آنچه پیش بینی شده در چند دهه گذشته پیش بینی شده در آینده افزایش خواهد یافت [6]. در سراسر جهان ، افزایش سطح دریا (SLR) علاوه بر تغییر شرایط زیست محیطی در امتداد خطوط ساحلی (به عنوان مثال ، آسیب رساندن به زیستگاه های ساحلی ، غوطه وری ساحلی ، فرسایش و غیره) ، به خطرات مختلف ساحلی نیز کمک می کند و به یک تهدید بزرگ برای سواحل تبدیل می شود [7، 8]قانون Bruun [9] به طور گسترده ای در مقیاس جهانی برای برآورد عقب نشینی ساحلی به دلیل SLR استفاده می شود. این قانون فرض می کند که ساحل فوقانی با حرکت مشخصات ساحل به سمت زمین فرسوده می شود و حجم شن و ماسه فرسایش یافته به خارج از کشور منتقل می شود [10،11]. قانون Bruun برای طرح عقب نشینی ساحل آینده در امتداد ساحل شنی دریای مدیترانه در مصر استفاده شد [12]. گردشگری ساحلی از نظر از بین رفتن ساحل ، نابودی به امکانات گردشگری ساحلی ، خسارت هتل و توچال و غیره از وخیم تر رنج خواهد برد که این امر بر صنعت گردشگری تأثیر منفی خواهد گذاشت و باعث ایجاد رگرسیون در درآمدهای گردشگری می شود [7،13]. از این رو پایداری گردشگری ساحلی مسئله مهمی است که باید در طرح های یکپارچه مدیریت منطقه ساحلی برای حفظ سواحل و جلوگیری از خسارات اقتصادی مرتبط با وخامت ساحلی گنجانیده شود.

از روش قیمت گذاری هیدونیک [14] برای ارزیابی فواید یک ویژگی غیر بازار در قیمت های بازار با مشاهده رفتار ویژگی های مرتبط در بازار استفاده می شود [15]. این روش از ارزش/قیمت کالای موجود در بازار استفاده می کند ، که به راحتی از طریق بازار مشاهده می شود و سپس قیمت این ویژگی را از طریق تجزیه و تحلیل رگرسیون آماری جدا می کند ، با توجه به اینکه بسیاری از کالاهای بازار تابعی از ویژگی ها محسوب می شوند [14]. روش قیمت گذاری هیدونیک به طور گسترده ای در مورد تغییرات در قیمت های مسکونی استفاده می شود ، که نشان دهنده ارزش ویژگی های زیست محیطی محلی در صنعت گردشگری برای اندازه گیری تأثیر عوامل مختلف و بازار اتاق هتل است [16].

تحقیقات اساسی در مورد رابطه بین تغییرات درآمدهای گردشگری و عقب نشینی ساحل یا ارزش ساحل انجام شده است. به عنوان مثال ، تغییرات درآمد به دلیل عقب نشینی ساحل اقیانوس دلاور در سال 2001 ارزیابی شد [17] ؛قیمت اتاق هتل در رابطه با خصوصیات ساحل و محل هتل در کاستا براوا (کاتالونیا) در سال 2011 مورد بررسی قرار گرفت [18] ؛تأثیر نزدیکی به دریای مدیترانه بر ارزش اتاق های هتل در سال 2012 تخمین زده شد [19]. در سال 2015 ، ارزش ساحل و ضرر در سود گردشگری برای 10 ، 20 و 30 سال در امتداد ساحل شهر Rethymnon در کرت ، یونان پیش بینی شد [20]. تحقیقات مشابهی در ساحل Cua Dai از Hoi An ، ویتنام (میراث جهانی) برای ارزیابی رابطه بین فرسایش ساحل (عقب نشینی) و درآمدهای گردشگری در سال 2018 انجام شد [21]. علاوه بر این ، تأثیر منظره دریا و دسترسی به ساحل بر قیمت اتاق در سه منطقه توریستی Veracruz (مکزیک) در سال 2018 تعیین شد [22].

این مطالعه با هدف ارزیابی رابطه بین عقب نشینی های ساحلی ناشی از SLR ، با توجه به سناریوهای مسیر غلظت نماینده (RCP) صادر شده توسط IPCC (2013) و از بین رفتن نتیجه در مراحل درآمدهای تفریحی در مناطق ساحلی Sahl Hasheesh و Makadi Bay ، Hurghada ، Egypttt.، با استفاده از رویکرد قیمت گذاری هیدونیک ، که شامل متغیرهای اقتصادی و محیطی است.

2. مواد و روشها

2. 1منطقه مورد مطالعه

شهر هورگادا در سواحل دریای سرخ مصر (در حدود 350 کیلومتری جنوب دولت سوئز) واقع شده است. خط ساحلی Hurghada در حدود 35 کیلومتر در امتداد ساحل امتداد دارد [23] و شامل چندین استراحتگاه و امکانات گردشگری است. صنعت گردشگری در هورگادا برای رشد اقتصادی آن ضروری است. در سال 2017 ، هورگادا به عنوان پایتخت استراحتگاههای عرب (http://sis. gov. eg/story/132731؟lang=ar) معرفی شد. منطقه ساحلی هدف برای تحقیقات حاضر تقریباً 14 کیلومتری منطقه ساحلی از ساحل هاشیش تا خلیج ماکادی را شامل می شود (شکل 1) ، از جمله یکی از سواحل برتر (سواحل طلایی) در امتداد دریای سرخ ، طبق گفته اداره گردشگری مصر(http://www.egypt. travel/). Sahl Hasheesh و Makadi Bay به دلیل آب و هوا گرم ، مناظر مرجان-خطای و طیف وسیعی از فعالیت ها (به عنوان مثال ، غواصی ، گشت و گذار از قایق های شیشه ای یا زیر دریایی های کوچک و عکاسی زیر آب) ، فعالیت های تفریحی ساحل ، فعالیت های تفریحی ساحل ، ورزش و ورزش ، ورزش و ورزش ، و فعالیت های تفریحی ساحل ، فعالیت های تفریحی ساحلی ، ورزش و ورزش ، و فعالیت های تفریحی ساحلفعالیت های ماهیگیری [4].

دریای سرخ به عنوان یک حوضه نیمه محصور طبقه بندی می شود. در مصر ، سواحل دریای سرخ حدود 1200 کیلومتر از سوئز حاکم در شمال (لات. 30 درجه سانتیگراد) تا جنوب مرز مصر با سودان (22 درجه N). از نظر ژئومورفولوژیکی ، خط ساحلی دریای سرخ از نظر شکل و ترکیب از سواحل سنگی تا شنی متفاوت است ، با یک توپوگرافی کم و پر از صخره ها و سرزمین ها [24]. خط ساحلی توسط یک دشت ساحلی وسیع و به دنبال آن زمین های ناهموار کوهستانی پشتیبانی می شود و منبع اصلی رسوبات سواحل دریای سرخ مصر ، رسوبات زمینی است که در طول رواناب از طریق وادی های موجود در بسیاری از وادی های موجود به دریای سرخ منتقل می شود [25].

دامنه جزر و مدی از دریای سرخ نیمه دیرهنالی است ، با حداکثر اوج هر 12 ساعت و میانگین دامنه جزر و مدی در حدود 0. 8 متر ، و میانگین سطح دریا تغییرات فصلی را نشان می دهد که در زمستان در حدود 0. 5 متر بیشتر از تابستان است[4،26]. جهت باد غالب عمدتاً از شمال غربی است ، جایی که بادها در بیشتر سال از NW (حدود 54 ٪) و N (حدود 20 ٪) می رسند ، در حالی که در دوره موسمی از جنوب و جنوب شرقی می وزد [25 ،27]

امواج معمولاً متوسط هستند، با حداکثر ارتفاع قابل توجه مشاهده شده 4 متر در شناور مستقر در مرکز دریای سرخ، در حالی که میانگین ارتفاع موج قابل توجه از نظر مکانی بین 0. 6 تا 1. 2 متر متغیر است و متوسط دوره های موج بین 4 تا 6 ثانیه است. 28]. میانگین ارتفاع موج قابل توجه تقریباً 1. 3 متر با دوره موج 4. 5 ثانیه از جهت شمال غربی به خط ساحلی Hurghada نزدیک می شود. این جزء موجی مسئول ایجاد جریان های غالب به سمت جنوب است [24]. به طور کلی، جریان‌ها در دریای سرخ می‌توانند توسط جریان جزر و مدی، جریان ناشی از باد، شکستن موج در سواحل، یا جریان ساحلی که توسط موجی در نزدیکی خط ساحلی ایجاد می‌شود، ایجاد شوند. جریان های ساحلی در منطقه مورد مطالعه غالب هستند و برای پراکندگی رسوبات درشت دانه ساحل به سمت جنوب بسیار ضعیف هستند [25]. در نتیجه، تاثیر سازه های دست ساز مانند کشاله ران، سازه های مارینا (اسکله ها و سکوها)، یا سازه های سخت فراساحلی مرزهای تفرجگاه که در شمال منطقه مورد مطالعه قرار دارند، نادیده گرفته شدند. علاوه بر این، نوار ساحلی وسیع، که سرشار از صخره‌ها است، یک سیستم دفاعی طبیعی در برابر طوفان‌ها را فراهم می‌کند. بنابراین می توان از تاثیر امواج بر تاسیسات و فعالیت های گردشگری چشم پوشی کرد.

شاخص حساسیت ساحلی (CSI) برای ارزیابی پاسخ سواحل دریای سرخ به SLR با استفاده از شش متغیر مختلف، یعنی ژئومورفولوژی ساحلی، شیب ساحلی، عرض دشت ساحلی، قرار گرفتن در معرض خط ساحلی، جانوران / گیاهان و کاربری زمین استفاده شد [27].]. نتایج نشان می دهد که 30 درصد از خط ساحلی دریای سرخ بسیار حساس و مستعد تخریب است، به ویژه مناطق ساحلی مسکونی (هورگادا، صفاگا و مرسا علم). سواحل شنی عموماً مستعد فرسایش توسط امواج و موج‌ها هستند [29،30]. علاوه بر این، سواحل با شیب ملایم، مانند خط ساحلی Hurghada، در برابر اثرات SLR، مانند عقب نشینی و طغیان، بیشتر از سواحل با شیب تند آسیب پذیر هستند.

ساحل هورگادا در سال 2015 با استفاده از تصاویر ماهواره ای و مشاهدات میدانی مورد بررسی قرار گرفت و دفن زباله (پیوستگی ، حدود 7. 56 کیلومتر 2) و لایروبی (فرسایش ، حدود 2. 67 کیلومتر 2) فعالیت در سواحل هورگادا برای گسترش توریستی تشخیص داده شدسواحل و امکانات از سال 1972 تا 2011. این فرایندها بر خط ساحلی طبیعی ، تنوع زیستی و جوامع صخره های مرجانی که در منطقه ساحلی سکونت داشتند ، تأثیر گذاشت و در وخیم تر شدن اکوسیستم دریایی نقش داشت. با این حال ، حفظ صخره ها (جلوگیری از فعالیت های دفن زباله و لایروبی صخره های مرجانی) از مزایای موثری برای محافظت از آبشار/امکانات تفریحی و محیط ساحلی اطراف آن برخوردار بود. علاوه بر این ، نتایج این واقعیت را تقویت می کند که تغییرات خط ساحلی طبیعی با توجه به صخره ها و ماهیت صخره ای ساحل و عدم وجود امواج قوی و جریان های صمیمی به راحتی از تغییرات انسان ساخته نمی شود [23].

قانون Bruun (1962) یک مدل گسترده برای پیش بینی های عقب نشینی سواحل ساحلی/شنی در نتیجه SLR طولانی مدت است ، جایی که رابطه خطی بین SLR و رکود خط ساحلی بر اساس تئوری مشخصات تعادل ارائه می دهد. قانون Bruun فرض می کند که با افزایش سطح دریا ، مشخصات ساحل به سمت بالا حرکت می کند و شکل مشخصات اولیه خود را حفظ می کند. به طور همزمان ، مشخصات ساحل در یک رویکرد موازی به سمت زمین حرکت می کند تا میزان افزایش رسوب را جبران کند. عقب نشینی ساحل (ΔY) به شرح زیر بیان شده است:

جایی که S SLR است ، H* عمق بسته شدن ، Y* فاصله افقی تا H* ، b است_hارتفاع برم است و فرم قبلی می تواند به شرح زیر باشد:

این قانون در امتداد سواحل شنی دریای مدیترانه مصر ، که در آن عقب نشینی ساحلی و از بین رفتن ساحل مرتبط به راحتی پیش بینی می شود ، اعمال می شود [9]. متأسفانه ، قانون Bruun به شکل اصلی (معادله (1)) برای منطقه مورد مطالعه قابل استفاده نبود ، که در نظر گرفته می شود یک ساحل محدود شده در سنگهای کربنات صخره ای زیرین است [2]. علاوه بر این ، داده های موجود در مورد شرایط مشخصات تعادل ساحل و عمق بسته شدن محدود است. بنابراین ، عقب نشینی عرض ساحل برای ساحل هورگادا با در نظر گرفتن غرق شدن توسط SLR فقط ، از این پس به عنوان قانون مماس (معادله (2)) و با استفاده از مقادیر شیب ساحلی ، که در یک مطالعه قبلی ارائه شده است ، تعیین شد.[27] در سال 2015 ، جایی که شیب ساحلی از 3 تا 12 ٪ (شیب متوسط) در سواحل صخره ها و کمتر از 6 ٪ (شیب ملایم) در سواحل شنی متغیر است. براساس این مطالعه ، شیب ساحلی در مدل های ارتفاع دیجیتال از طریق استفاده از ابزار شیب تجزیه و تحلیل مکانی ارائه شده در نرم افزار ARCGIS برآورد شده است. شیب ساحلی در 10 کیلومتری نوار ساحلی عمود بر خط ساحلی اندازه گیری شد.

مجموعه داده SLR استفاده شده شامل میانگین میانگین داده های SLR منطقه ای (1 وضوح طول عرض جغرافیایی) از 21 مدل CMIP5 برای سناریوهای RCP2. 6 و RCP8. 5 در 2081-2100 ، نسبت به دوره مرجع 1986-2005 (IPCC 2013) است. در امتداد سواحل دریای سرخ مصر ، این گروه به این معنی است که SLR منطقه ای بین 0. 313 و 0. 331 متر برای RCP2. 6 و 0. 546 و 0. 564 متر برای RCP8. 5 متغیر است. بنابراین ، میانگین مقادیر SLR به طور متوسط 0. 32 متر و 0. 55 متر برای RCP2. 6 و RCP8. 5 به ترتیب است. فرسایش ساحلی به دلیل غرق شدن در نتیجه SLR برای سالهای 2030 ، 2050 و 2100 تخمین زده شد. در همین حال ، عرض ساحل آینده برای هر بخش از منطقه مورد بررسی به شرح زیر تخمین زده شده است: (عرض آینده ساحل (M) = ساحل فعلیعرض (M) - عقب نشینی ساحل (M)).

2. 2روش قیمت گذاری هیدونیک

روش قیمت گذاری هیدونیک [14] برای تعیین ارزشهای اقتصادی برای متغیرهای مختلف زیست محیطی یا امکانات ، که بر قیمت بازار تأثیر می گذارد ، کاربرد دارد. این مدل در تحقیقات ما در مناطق ساحلی Sahl Hasheesh و Makadi Bay برای تعیین تأثیر متغیرهای زیست محیطی بر گردشگری ساحلی اعمال شد. شکل 2 چارچوب کاربردی را برای مراحل تحقیقاتی طراحی شده برای برآورد از دست دادن درآمد استراحتگاه های ساحلی بر اساس عقب نشینی ساحل/فرسایش به دلیل SLR نشان می دهد. درآمدهای توچال (RR) می تواند به عنوان مزایای تجمعی از قیمت بازار همه اتاقهای تفریحی (RP) بیان شود ، در حالی که RP به عنوان تابعی از متغیرهای مورفولوژیکی (شرایط زیست محیطی: عرض ساحل (BW) و فاصله با شهر در نظر گرفته می شود. متغیرهای مرکز (DS)) و متغیرهای گردشگری (داده های اقتصادی: تعداد اتاق های توچال (RN) ، مشاغل ساحلی (CB) ، منطقه گردشگری (TA) و حضور در ساحل (BA)). به طور خاص تر ، مدل قیمت گذاری هیدونیک کاربردی برای منطقه مورد بررسی مورد بررسی را می توان به شرح زیر بیان کرد:

منطقه ساحلی مورد بررسی به 19 بخش تقسیم شده است که 19 استراحتگاه را نشان می دهد (شکل 1). بر اساس مرزهای توچال و مناطق مدیریت هتل ، هر تفرجگاه مسئولیت فعالیتهای خاص ساحل ، امکانات گردشگری و فعالیتهای تفریحی را بر عهده دارد. برای هر بخش ، انواع مختلف داده های اقتصادی و خصوصیات زیست محیطی در طول دوره بین ژوئن تا آگوست 2019 جمع آوری شد. اینها در جدول 1 خلاصه شده است.

از منابع داده باز مانند وب سایت ها ، امکانات گردشگری ، Google Earth Tools و وب سایت های رسمی استراحتگاه برای جمع آوری داده های مورد نیاز استفاده شده است. به عنوان مثال ، وب سایت www.booking.com (بزرگترین رزرو آنلاین برای هتل ها و استراحتگاه ها [19]) برای به دست آوردن میانگین قیمت اتاق های دونفره برای مدت 15 روز استفاده شده است ، که این دوره تعطیلات عادی در هورگادا و در محسوب می شود. فصل عالی (از ژوئن تا آگوست 2019). از وب سایت رسمی هر تفرجگاه برای به دست آوردن اطلاعات ضروری در مورد تعداد اتاق ها ، کافه ها ، رستوران ها ، کافه ها ، مغازه های سوغات ، مناطق تنیس/خلیج فارس ، استخرها و غیره استفاده شده است. این اطلاعات نشانگر تجارت ساحلی در این مناطق است. مناطقی که گردشگران برای فعالیت های تفریحی (خلیج فارس ، سبز ، استخر و مناطق آبی ورزش) مورد استفاده قرار می گرفتند به عنوان شاخص برای یک منطقه توریستی جمع آوری شدند. شکل 3 یک توچال جداگانه (توچال شماره 5) را نشان می دهد ، و مناطق تفریحی را برای فعالیت های توریستی نشان می دهد. از ابزارهای Google Earth برای برآورد طول ساحل ، عرض ، فاصله تا مرکز شهر و تعداد چترهای خورشید (که فرض می شود کاملاً در فصل بالا اشغال شده است) استفاده شد که به عنوان یک پروکسی برای حضور در ساحل برای هر بخش استفاده می شود.

تخمین این مدل بر اساس یک رویکرد چند رگرسیون بود. متغیر وابسته (قیمت اتاق توچال (RP)) لگاریتم طبیعی بود و مقادیر پایه برای متغیرهای مختلف قیمت گذاری هیدونیک با توجه به تجزیه و تحلیل رگرسیون حداقل مربعات معمولی (OLS) و حداقل مربعات دو مرحله ای (2SL) تخمین زده شد. سه مدل رگرسیون (نیمه LOG ، Double-LOG و Custom-LOG) برای تعیین مناسب ترین فرم مدل هیدونیک عملکردی برای RP ، از نظر متغیرهای زیست محیطی و اقتصادی تهیه و استفاده شدند. سه مدل بیان/رگرسیون ریاضی را می توان به شرح زیر بیان کرد:

که در آن ، ln (y) لگاریتم طبیعی متغیر وابسته (LN (RP)) است ، در حالی که ، b₁, b₂, b₃، و غیره ، ضرایب متغیرهای توضیحی هستند (x₁, X₂, X₃، و غیره.).

3. نتایج و بحث ها

نتایج سناریوهای RCP SLR مبتنی بر عقب نشینی ساحلی پیش بینی شده و عرض های آینده ساحل تخمین زده می شود. علاوه بر این ، مدل قیمت گذاری هیدونیک تأسیس شد و نتایج اقتصادی برای ارزیابی ضررهای مورد انتظار در درآمد برای 2030 ، 2050 و 2100 تخمین زده می شود.

3. 1عرض ساحل آینده

عقب نشینی ساحلی/فرسایش مبتنی بر SLR تأثیر منفی بر درآمدهای توریسم ساحل دارد و یک چالش برای دولت ملی خواهد بود ، که نیاز به توجه بیشتر و اجرای برنامه های مدیریت استراتژیک دارد. چندین روش برای پیش بینی پاسخ ساحلی به SLR طی 50 سال گذشته توسعه یافته است. این روشها شامل رویکردهای تجربی و مدل سازی ، ارزیابی فتوگرامتری ، SBEACH (مدل عددی برای شبیه سازی تغییر ساحل ناشی از طوفان) ، قانون Bruun ، مدل تکامل خط ساحلی و مدل پاسخ ساحل است. مدل تکامل خط ساحلی شامل تأثیر صخره ها ، سرزمین ها ، دیوارهای شکستن و سایر سازه ها ، آب و هوای موج و حمل و نقل طولانی در پیش بینی رکود اقتصادی ، به دلیل SLR است که محدودیت های اصلی در برنامه Bruun است [10].

این روشها شامل رویکردهای مبتنی بر نرخ رکود اقتصادی گذشته ، اصول اساسی هندسی و ارزیابی پیچیده تر مبتنی بر فرآیند است. علاوه بر این ، آنها مبتنی بر فرآیندها و فرضیات اساسی مشابه هستند و می توانند در تعریف پارامترهای مدل (به عنوان مثال ، عمق بسته شدن) تغییراتی داشته باشند. به طور کلی ، مدلهای عددی دو بعدی امواج مکانی و زمانی و فرآیندهای هیدرودینامیکی و ژئومورفیک را در نظر می گیرند و تخمین ها و پیش بینی های واقع بینانه تری را ارائه می دهند. با این حال ، این مدل ها به مهارت ، تلاش محاسباتی و داده های ورودی گسترده نیاز دارند که برای این مطالعه در دسترس نبود. علاوه بر عدم وجود سوابق تاریخی ، عدم وجود ابزارهای نظارت کافی و محدودیت امواج قوی و جریان های چرخشی در منطقه مورد مطالعه ، معادله (2) روش ساده ای برای تخمین عقب نشینی ساحلی آینده برای Sahl Hasheesh وخلیج ماکادی ، همانطور که فرض می کند که شیب پروفایل پاسخ شبیه به شیب ساحل موجود (برنزه α) است ، و تغییر زمین به سمت زمین (عقب نشینی ، ∆y) به دلیل SLR پیش بینی می شود. عقب نشینی ساحلی پیش بینی شده در امتداد Sahl Hasheesh و Makadi Bay به دلیل SLR با استفاده از چهار سناریوی RCP برای دوره زمانی 2081-2100 تخمین زده شد.

عقب نشینی خط ساحلی از 10. 8 متر تا 18. 3 متر برای 3٪ شیب ساحلی، 5. 4 متر تا 9. 2 متر برای شیب ساحلی 6٪، و 2. 7 متر تا 4. 6 متر برای شیب ساحلی 12٪، به ترتیب با در نظر گرفتن RCP2. 6 و RCP8. 5 متغیر بود.. در نتیجه، مناطق ساحلی از دست رفته بین 40419 مترمربع برای RCP2. 6 و 68613 مترمربع برای RCP8. 5، با در نظر گرفتن 6 درصد شیب ساحلی، به ترتیب 10. 7-18. 1 درصد از افت ساحل برای RCP2. 6 و RCP8. 5 پیش بینی شد.. عدم قطعیت ناشی از شیب ساحلی از 21. 3 تا 36. 2 درصد از دست دادن ساحل برای RCP2. 6 و RCP8. 5 به ترتیب برای شیب ساحلی 0. 03 و از 5. 3 تا 9 درصد از دست دادن ساحل برای RCP2. 6 و RCP8. 5 بود. به ترتیب با در نظر گرفتن 0. 12 شیب ساحلی. تلفات ساحل به طور قابل توجهی بر درآمد گردشگری تأثیر می گذارد زیرا منطقه موجود مورد استفاده برای فعالیت های گردشگری را محدود می کند و خطرات بالقوه را برای زوال امکانات گردشگری و زیرساخت های مربوطه در ساحل افزایش می دهد. شکل 4 نتایج عرض ساحل فعلی (m) برای هر بخش و عرض ساحل پیش بینی شده (m) را برای سال 2100 با استفاده از سناریوهای RCP2. 6 و RCP8. 5 با در نظر گرفتن شیب های ساحلی 0. 03، 0. 06، و 0. 12 نشان می دهد.

3. 2. نتایج اقتصادسنجی

برای استفاده از مدل قیمت هیدونیک ، متغیرهای مختلف زیست محیطی (BW و DS) و متغیرهای اقتصادی (RN ، CB ، TA و BA) که نمایانگر نگرش گردشگری برای هر بخش برای ارتباط با درآمدهای توچال (RR) از نظر قیمت بازار جمع آوری شداتاق های توچال (RP) و تنوع عرض ساحل. آمار توصیفی برای متغیرهای زیست محیطی و اقتصادی در جدول 1 ارائه شده است. میانگین عرض ساحل 49 متر است (St. D = 11). وسیع ترین ساحل در بخش 18 (70 متر عرض و 490 متر طول) رخ می دهد ، در حالی که باریک ترین ساحل در بخش 2 (20 متر عرض و 120 متر طول) رخ می دهد. مسافت تا مرکز شهر (DS) از بخش 1 به بخش 18 افزایش می یابد و میانگین فاصله آن 31752 متر است (St. D = 4117). مناطق توریستی (مناطق موجود مورد استفاده گردشگران برای فعالیت های تفریحی) دارای میانگین ارزش 44،746 متر 2 (St. D = 22،601) است. کوچکترین منطقه توریستی در بخش 2 (8000 متر 2) مشاهده شد ، در حالی که بزرگترین منطقه در بخش 9 (91،460 متر 2) حضور داشت. میانگین تعداد مشاغل ساحلی (CB) که نمایانگر امکانات گردشگری ، مانند کافه ها ، کافه ها ، مغازه های سوغات و رستوران ها است 23 (St. D = 13) در هر بخش است ، در حالی که میانگین تعداد اتاق در هر بخش 768 است (خیابانD = 530). علاوه بر این ، میانگین حضور در ساحل ، که با تعداد چترهای خورشید در هر بخش نشان داده شده است ، در روز 305 است (St. D = 246). میانگین قیمت اتاق بازار (RP) برای یک اتاق دونفره در طی یک دوره 15 روزه در فصل بالا ، 1989 USD (St. D = 808) است ، در حالی که حداکثر و حداقل قیمت به ترتیب 3750 دلار و 600 دلار است.

جدول 2 نتایج تجزیه و تحلیل رگرسیون اقتصادی را برای این مطالعه بر اساس مدل قیمت گذاری هیدونیک نشان می دهد. متغیر وابسته (قیمت اتاق توچال (RP)) لگاریتم طبیعی است ، در حالی که مقادیر پایه با در نظر گرفتن سه مدل (نیمه LOG ، Double Log و Log Custom) با استفاده از تجزیه و تحلیل رگرسیون OLS و 2SLS محاسبه می شود.

نتایج مدل نیمه LOG نشان می دهد که متغیرهای توضیحی BW ، RN ، TA و BA دارای ضرایب مثبت بودند. با این حال ، BW از نظر آماری معنی دار نبود. TA و BA در سطح 10 ٪ معنی دار بودند (P< 0.1) and RN had significance at the 5% level ( p < 0.05), while CB and DS had negative values. In the double-log model, results show that the whole coefficient of the explanatory variables was positive except for DS, and they had significance at the 10% level, except for RN, which had a significance at the 1% level ( p < 0.01). In the custom-log model, the results show positive coefficients for all the explanatory variables, except for DS in the OLS specification and fixed-term in the 2SLS specification. In the OLS, all explanatory variables had significance at the 10% level, except for RN, which had a significance at the 1% level. In the 2SLS scenario, CB, DS, TA, and BA had significance at the 10% level ( p < 0.1), BW had significance at the 5% level ( p < 0.05), and RN had significance at the 1% level ( p < 0.01).

با توجه به تجزیه و تحلیل رگرسیون 2SLS ، دو متغیر ابزاری برای BW به عنوان درون زا در نظر گرفته شد. اولین حضور یک جاده ساحلی در کنار ساحل بود که عمدتاً برای اهداف حمل و نقل گردشگری ساخته شده بود و دوم طول بخش/ساحل ، تحت تأثیر عقب نشینی ساحلی قرار گرفت. اعتبار متغیرهای ابزاری پیشنهادی با استفاده از رگرسیون مرحله اول ضریب تعیین (R 2) مورد بررسی قرار گرفت. از این رو ، متغیرهای پیشنهادی ضعیف بودند ، فرضیه تهی رد شد و BW یک متغیر درون زا بود. بنابراین ، با توجه به اهمیت آماری متغیرهای کاربردی ، نتایج مشخصات 2SLS از مدل سفارشی دقیق تر بود. بر این اساس ، معادله (4) فرموله شد. این شامل عبارات لگاریتمی طبیعی متغیر وابسته ، RP و متغیرهای توضیحی BW ، RN ، DS و TA است. متغیرهای توضیحی دیگر به عنوان غیر لگاریتمی بیان شدند. ضریب BA منفی بود ، اما در سطح 10 ٪ اهمیت داشت.

برای هر بخش ، درآمد مورد انتظار بر اساس معادله (4) با استفاده از سه دامنه ساحلی (0. 03 ، 0. 06 و 0. 12) برای سالهای 2030 ، 2050 و 2100 با توجه به کمترین و بدترین سناریوهای RCP SLR (RCP2. 6 RCP2. 6) برآورد شد. و به ترتیب RCP8. 5). برآوردهای از دست دادن کل در درآمد توچال 15 روز از ژوئن تا آگوست 2019 در نظر گرفته شده است که نمایانگر فصل عالی گردشگری در هورگادا است. در جدول 3 نتایج حاصل از عرض فعلی ساحل ، درآمدهای تفریحی مربوطه و درآمدهای تفریحی مورد انتظار برای هر بخش در امتداد Sahl Hasheesh و Makadi Bay ، به دلیل SLR با استفاده از شیب ساحلی 0. 06 و در نظر گرفتن کمترین و بدترین موارد RCP2. 6 و RCP2. 6 ارائه شده است. RCP8. 5 به ترتیب ، برای 2030 ، 2050 و 2100.

عرض باریک ساحل درآمدهای توچال به طور قابل توجهی ، همانطور که برای بخش های 2 و 12 تخمین زده می شود ، که با عقب نشینی ساحل تحت تأثیر ترین بخش ها قرار گرفتند. برای کمترین سناریو RCP2. 6 SLR ، ضررهای پیش بینی شده برای 2030 ، 2050 و 2100 به ترتیب برای بخش 2 و 7 ٪ ، 13 ٪ ، 27 ٪ به ترتیب 7 ٪ ، 19 ٪ و 45 ٪ بود. برای بدترین سناریو RCP8. 5 SLR ، ضررهای پیش بینی شده به ترتیب 12 ٪ ، 31 ٪ و 69 ٪ برای بخش 2 و 10 ٪ ، 20 ٪ ، 41 ٪ یا بخش 12 بود.

با توجه به کمترین سناریو RCP2. 6 ، از دست دادن درآمد تفرجگاه مورد انتظار برای Sahl Hasheesh و Makadi Bay به دلیل SLR 84،000 ، 220،000 و 546،000 دلار در روز بود. برای بدترین حالت (RCP8. 5 SLR) ، ضررهای پیش بینی شده به ترتیب 142،000 ، 369،000 و 897،000 دلار در روز برای سالهای 2030 ، 2050 و 2100 بود ، به ترتیب ، هنگامی که شیب ساحلی 0. 06 در نظر گرفته شد. در همین حال ، تلفات مربوطه هنگام استفاده از شیب ساحلی 0. 03 از 166،000 ، 431،000 و 1،037،000 دلار در روز برای RCP2. 6 SLR و 142،000 ، 369،000 و 897،000 USD در روز برای RCP8. 5 SLR برای سالهای 2030 ، 2050 و 2100 بود.، به ترتیب. کمترین ضرر درآمدهای توچال هنگامی پیش بینی شد که شیب ساحلی 0. 12 در نظر گرفته شد ، و ضرر و زیان 43،000 ، 111،000 و 280،000 دلار در روز بود ، با توجه به RCP2. 6 SLR ، و 72،000 ، 188،000 و 468،000 USD/DAY برای RCP8. 5 SLRبه ترتیب برای سالهای 2030 ، 2050 و 2100.

شکل 5 نتایج حاصل از از دست دادن کل مورد انتظار درآمدهای توچال (٪) را برای دامنه های ساحلی 0. 03 ، 0. 06 و 0. 12 نشان می دهد ، با توجه به کمترین و بدترین سناریوهای RCP SLR ، به ترتیب (RCP2. 6 و RCP8. 5) ، در سال 2030 ،2050 ، و 2100. عدم اطمینان تخمین زده شده در کل از دست دادن درآمدهای توچال از 6 تا 35 ٪ و از 9 تا 55 ٪ برای RCP2. 6 SLR و RCP8. 5 SLR به ترتیب با استفاده از یک شیب ساحلی بسیار ملایم 0. 03. در همین حال ، عدم اطمینان برآورد شده در کل از دست دادن درآمدهای توچال از 3 تا 18 ٪ و از 5 تا 30 ٪ برای RCP2. 6 SLR و RCP8. 5 SLR ، به ترتیب ، برای شیب ساحلی ملایم 0. 06. در غیر این صورت ، عدم اطمینان برآورد شده در کل از دست دادن درآمدهای توچال از 1 تا 9 ٪ و از 2 تا 16 ٪ برای RCP2. 6 SLR و RCP8. 5 SLR به ترتیب ، برای شیب متوسط ساحلی 0. 12.

تأثیر تغییرات آب و هوا بر گردشگری موضوع اصلی مطالعات بیشمار بوده است ، که چندین مورد از آنها از روش قیمت گذاری هیدونیک استفاده کرده اند ، که به طور گسترده در مطالعات گردشگری در مناطق ساحلی برای بررسی اهداف مختلف ، مانند ارزیابی تغییرات مورد انتظار در هتل یا استفاده می شود. درآمدهای ساحل توریستی از نظر ویژگی های زیست محیطی ، مانند عقب نشینی ساحل ، مکان هتل و نمای اتاق. این روش در یونان برای ارزیابی ارزش ساحل و ضرر در سود گردشگری استفاده شد [20]. همچنین برای بیان رابطه بین عقب نشینی ساحل و از دست دادن انتظار در درآمد گردشگری ، در ساحل میراث جهانی در ویتنام اعمال شد [21]. هر دو مطالعه به ارزش ساحل به عنوان یک متغیر مستقل (ارزش اجاره ساحل از طریق فصل گردشگری (USD) و ارزش زمین (USD/M 2)) بستگی داشت. در مقابل ، این روش در این مطالعه برای ارزیابی تلفات درآمدهای توچال از نظر عقب نشینی ساحل برای پایین ترین و بدترین سناریوهای RCP SLR استفاده شد. به دلیل کمبود اطلاعات در مورد سواحل ، روش قیمت گذاری هیدونیک برای استفاده از قیمت بازار در هر اتاق (دوره USD/15 روزه) به عنوان متغیر وابسته سازگار شد. داده های اقتصادی (قیمت اتاق بازار ، منطقه توریستی ، مشاغل ساحلی ، تعداد اتاق تفریحی و حضور در ساحل) از داده های منبع باز ، وب سایت و بروشور رسمی و دستورالعمل های گردشگری ارائه شده توسط وزارت گردشگری با کمک و راهنمایی جمع آوری شد. از کارمندان گردشگری دانشگاهی. علاوه بر این ، از ابزارهای Google Earth برای جمع آوری داده های زیست محیطی (عرض و طول ساحل) استفاده شده است ، که می تواند حاوی خطاهای جزئی باشد و می تواند خطاهای مربوطه را در از دست دادن درآمد توریستی ایجاد کند. انتظار می رود تخمین های از دست دادن هنگام در نظر گرفتن کل فصل ، به جای تنها 15 روز از فصل بالا ، تشدید شوند. علاوه بر این ، پروژه های گسترش برنامه ریزی شده و برنامه های سرمایه گذاری به دلیل کاهش احتمالی تعداد گردشگری در نتیجه وخیم تر شدن ویژگی های ساحل و فعالیت های تفریحی تحت تأثیر قرار می گیرند.

حفاظت و محافظت از سواحل ، به ویژه سواحل توریستی محبوب ، از این رو اولویت اصلی محققان ، مهندسان و ذینفعان برای اطمینان از بقای صنعت گردشگری در مصر است. تحقیقات بیشتر و اجرای روشهای حفاظت برای جلوگیری از وخامت لازم است. علاوه بر این ، اقدامات حفاظت موجود برای غرق شدن ساحلی ، که شامل ساختارهای سخت (آبشارهای دریایی ، بازبینی و غیره) و راه حل های نرم است ، باید اجرا شود. با توجه به شرایط محیطی منطقه مورد مطالعه در امتداد دریای سرخ ، اقدامات حفاظت نرم از نظر محیط زیست ، مانند تغذیه ماسه و ظروف ژئوتکستایل ماسه ای بسیار توصیه می شود. برنامه های تغذیه ای ، در صورتی که برای محافظت در نظر گرفته شود ، باید به صورت عقلانی مورد بررسی قرار گیرد و ارزیابی اثرات زیست محیطی باید بطور منظم انجام شود. علاوه بر این ، منابع ماسه ای باید با دقت انتخاب شوند [31].

4- نتیجه گیری < SPAN> حفظ و محافظت از سواحل ، به ویژه سواحل توریستی محبوب ، از این رو اولویت اصلی محققان ، مهندسان و ذینفعان برای اطمینان از بقای صنعت گردشگری در مصر است. تحقیقات بیشتر و اجرای روشهای حفاظت برای جلوگیری از وخامت لازم است. علاوه بر این ، اقدامات حفاظت موجود برای غرق شدن ساحلی ، که شامل ساختارهای سخت (آبشارهای دریایی ، بازبینی و غیره) و راه حل های نرم است ، باید اجرا شود. با توجه به شرایط محیطی منطقه مورد مطالعه در امتداد دریای سرخ ، اقدامات حفاظت نرم از نظر محیط زیست ، مانند تغذیه ماسه و ظروف ژئوتکستایل ماسه ای بسیار توصیه می شود. برنامه های تغذیه ای ، در صورتی که برای محافظت در نظر گرفته شود ، باید به صورت عقلانی مورد بررسی قرار گیرد و ارزیابی اثرات زیست محیطی باید بطور منظم انجام شود. علاوه بر این ، منابع ماسه ای باید با دقت انتخاب شوند [31].

4- نتیجه گیری حفاظت و محافظت از سواحل ، به ویژه سواحل توریستی محبوب ، از این رو اولویت اصلی محققان ، مهندسان و ذینفعان برای اطمینان از بقای صنعت گردشگری در مصر است. تحقیقات بیشتر و اجرای روشهای حفاظت برای جلوگیری از وخامت لازم است. علاوه بر این ، اقدامات حفاظت موجود برای غرق شدن ساحلی ، که شامل ساختارهای سخت (آبشارهای دریایی ، بازبینی و غیره) و راه حل های نرم است ، باید اجرا شود. با توجه به شرایط محیطی منطقه مورد مطالعه در امتداد دریای سرخ ، اقدامات حفاظت نرم از نظر محیط زیست ، مانند تغذیه ماسه و ظروف ژئوتکستایل ماسه ای بسیار توصیه می شود. برنامه های تغذیه ای ، در صورتی که برای محافظت در نظر گرفته شود ، باید به صورت عقلانی مورد بررسی قرار گیرد و ارزیابی اثرات زیست محیطی باید بطور منظم انجام شود. علاوه بر این ، منابع ماسه ای باید با دقت انتخاب شوند [31].

4. نتیجه گیری

در این مطالعه ، رابطه بین فرسایش ساحل به دلیل غرق شدن از طریق SLR و درآمدهای ساحلی توریسم در امتداد 14 کیلومتری ساحل Sahl Hasheesh و Makadi Bay در منطقه Hurghada ، با استفاده از روش قیمت گذاری هیدونیک مورد بررسی قرار گرفت. فرسایش ساحل به دلیل SLR عرض ساحل را کاهش می دهد ، که به نوبه خود ، بر امکانات گردشگری موجود و فعالیت های ساحل تأثیر می گذارد. برای کمترین سناریو (RCP2. 6 SLR) و با استفاده از متوسط شیب ساحلی 0. 06 ، عقب نشینی 5. 4 متر در عرض ساحل در امتداد ساحل مورد بررسی ، که 8-27 ٪ از عرض ساحل موجود را نشان می دهد ، تا سال 2100 پیش بینی می شود. این امر به ترتیب به ضرر اقتصادی درآمدهای توچال در این منطقه 3 ٪ ، 7 ٪ و 18 ٪ در 2030 ، 2050 و 2100 کمک می کند. برای بدترین حالت (RCP8. 5 SLR) و با استفاده از متوسط شیب ساحلی 0. 06 ، عقب نشینی 9. 2 متر در عرض ساحل در امتداد منطقه مورد مطالعه ، که نمایانگر 13-46 ٪ از عرض ساحل موجود است ، تا سال 2100 پیش بینی می شود. پیش بینی می شود ضرر اقتصادی مربوط در درآمدهای توچال به ترتیب در 2030 ، 2050 و 2100 به ترتیب 5 ٪ ، 12 ٪ و 30 ٪ باشد. ضرر و زیان درآمدهای توچال برای یک دوره 15 روزه در فصل بالا برآورد شد و درصد پیش بینی شده از کل ضرر درآمدهای توچال به ترتیب 35 ٪ و 55 ٪ در 2100 برای RCP2. 6 و RCP8. 5 SLR ، هنگامی که ، هنگامی که به ترتیب 35 ٪ و 55 ٪ است. شیب ساحلی 0. 03 است. در غیر این صورت ، درصد ضرر از 9 تا 16 ٪ در 2100 برای RCP2. 6 و RCP8. 5 SLR به ترتیب ، هنگامی که شیب ساحلی 0. 12 است. نتایج این مطالعه نشانگر ضرر مورد انتظار درآمدهای توچال ساحل به دلیل SLR است که باید توسط مدیران ساحلی و ذینفعان در مصر مورد بررسی قرار گیرد تا از بروز خسارات قابل توجه در صنعت گردشگری جلوگیری شود.

کمک های نویسنده

مفهوم سازی ، M. S. و K. U. ؛تجزیه و تحلیل رسمی ، M. S. و C. S. ؛تحقیقات ، C. S. ؛روش شناسی ، M. S. و C. S. ؛نظارت ، K. U. ؛نوشتن - پیش نویس Original ، M. S. ؛نوشتن - بررسی و ویرایش ، K. U. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و موافقت کرده اند.

منابع مالی