research-article2017
Orono, ME, USA 3School of Sumberdaya Hutan, Universitas Maine, Orono, ME, USA 4School of Economics, Universitas Maine, Orono, ME,
USA Office of Tourism 2017, 19). Mengingat kepadatan populasi yang rendah dan cakupan yang tinggi dari hutan
belantara dan daerah berhutan serta aset pesisir, banyak dari pariwisata di negara bagian tersebut adalah
Penulis yang Berkorespondensi: Emily Wilkins, Departemen Lingkungan dan Masyarakat, Universitas Negeri Utah, 5215 Old Main Hill,
Logan, UT 84322, AS. berbasis rekreasi di luar ruangan. Kegiatan populer termasuk hiking,
Email: emily.wilkins@aggiemail.usu.edu
Cetak ulang dan izin: sagepub.com/journalsPermissions.nav DOI: https://doi.org/10.1177/0047287517728591
10.1177 / 0047287517728591 journals.sagepub.com/home / jtr
seleksi, cuaca juga berpengaruh selama perjalanan, Meskipun banyak studi memperkirakan bagaimana kunjungan
mengubah kegiatan, rencana perjalanan, dan lama dapat berubah dalam skenario perubahan iklim, studi ini unik
tinggal. Tidak hanya cuaca yang sebenarnya penting karena berfokus pada pengeluaran terkait pariwisata daripada
untuk pariwisata, tetapi persepsi pengunjung tentang jumlah kunjungan.
cuaca juga dapat mempengaruhi perilaku perjalanan
(Denstadli, Jacobsen, dan Lohmann 2011).
Pengeluaran Pariwisata dan
Meskipun iklim terdiri dari banyak parameter
atmosfer dan meteorologis, suhu udara dianggap Cuaca
sebagai faktor iklim paling penting untuk pariwisata Perubahan iklim diharapkan memiliki dampak yang cukup besar
musim panas, dan tutupan salju untuk pariwisata pada fasilitas alam yang mendukung pariwisata, yang akan
musim dingin (Matzarakis 2006).Cuaca telah terbukti mengubah permintaan pariwisata dan pemilihan tujuan. Oleh
karena itu, diharapkan bahwa perubahan dalam arus pariwisata —
memengaruhi perjalanan dan pengalaman sebagai hasil dari perubahan iklim — akan berdampak pada
pengunjung; misalnya, di Selandia Baru, 39% ekonomi regional (Amelung dan Moreno 2011). Meskipun banyak
wisatawan internasional mengubah waktu perjalanan penelitian menyelidiki dampak cuaca dan perubahan iklim pada
mereka karena cuaca, dan 51% mengubah kegiatan kunjungan, ada penelitian terbatas tentang dampak ekonomi.
saat berlibur (Becken dan Wilson 2013). Di Austria, Selain itu, sebagian besar penelitian tentang dampak cuaca pada
sebuah studi baru-baru ini menemukan bahwa cuaca rekreasi luar ruangan dan pengeluaran pariwisata berfokus pada
selama musim puncak mengubah menginap semalam cuaca musim dingin (Burakowski dan Magnusson 2012; Shih,
domestik, dengan sinar matahari dan suhu memiliki Nicholls, dan Holecek 2009; Pütz et al. 2011; Dawson dan Scott
korelasi positif, dan curah hujan memiliki efek 2013; Strasser et al . 2013), tetapi kesenjangan yang lebih besar
negatif (Falk 2014). Banyak pemilik bisnis terkait ada pada dampak cuaca musim panas pada pengeluaran
pariwisata mengakui bahwa cuaca memengaruhi pariwisata.
perusahaan mereka, meskipun efek pastinya tidak Dalam bulan-bulan musim dingin, nilai tambah bagi
diketahui (Rauken et al. 2010). Cuaca memengaruhi ekonomi AS dari bermain ski dan seluncur salju adalah $ 10,7
pengunjung, sehingga perubahan pola cuaca yang miliar per tahun, dan $ 1,5 miliar dari mobil salju (Burakowski
diakibatkan oleh perubahan iklim kemungkinan akan dan Magnusson
mengubah perilaku wisatawan di suatu wilayah. 2012). Dampak besar memberikan gambaran tentang bagaimana
Studi sebelumnya telah memproyeksikan perubahan dalam kebiasaan rekreasi musim dingin sebagai akibat
bahwa permintaan pariwisata dan musiman akan dari suhu yang lebih hangat (dan lebih sedikit salju) memiliki
bergeser secara global berdasarkan berbagai skenario potensi untuk mengubah ekonomi lokal dan negara bagian.
perubahan iklim (Amelung, Nicholls, dan Viner Sebuah studi baru-baru ini di Maine menemukan perbedaan 14%
2007; Gössling et al. 2012). Ketika memodelkan dalam kunjungan pemain ski, yang berhubungan dengan
suhu dan curah hujan di bawah skenario perubahan hilangnya $ 27.100.000 pendapatan selama dua tahun, karena
iklim di taman nasional Kanada, kunjungan tahun-tahun salju yang lebih rendah (Burakowski dan Magnusson
diharapkan meningkat sebagai hasil dari proyeksi 2012). Di Michigan, Shih, Nicholls, dan Holecek (2009)
perubahan (Scott, Jones, dan Konopek 2007). Selain menemukan bahwa setiap inci kedalaman salju meningkatkan
itu, model memperkirakan bahwa kunjungan di 95% penjualan tiket lift alpine setiap hari sebesar 7% menjadi 9%, dan
taman nasional AS akan berubah dengan proyeksi bahwa peningkatan suhu berdampak negatif pada penjualan tiket.
suhu di masa depan (Fisichelli et al. 2015). Di luar Amerika Serikat, Pütz et al. (2011) menemukan bahwa
perubahan iklim cenderung merusak ekonomi terjadi pada bulan-bulan musim panas dan bisa sangat sensitif
regional di Pegunungan Alpen Swiss, walaupun terhadap pola cuaca.
ukuran dampak bervariasi tergantung pada lokasi.
Secara umum, penelitian sebelumnya tentang kondisi
Perubahan Iklim dan Pariwisata di
cuaca musim dingin dan pariwisata telah berfokus
pada ski dan snowboarding, sedangkan kegiatan Maine
rekreasi musim dingin lainnya dapat mencakup Di Maine, suhu tahunan rata-rata telah meningkat sebesar 1,7 ° C
memancing di es dan mobil salju. Ini khususnya dari tahun 1895 hingga 2014, dan curah hujan tahunan rata-rata
terjadi di Maine. telah meningkat sebesar 15 cm (13%). Sebagian besar
Meskipun ada penelitian terbatas tentang peningkatan curah hujan telah terjadi selama musim gugur dan
dampak cuaca dan perubahan iklim pada musim panas, dengan badai yang lebih sering dan intens
pengeluaran pariwisata di musim panas, beberapa (Fernandez et al. 2015). Pada tahun 2050 di Maine, model
penelitian telah membahas topik ini. Misalnya, memproyeksikan kenaikan tambahan 1,1 ° C hingga 1,7 ° C dalam
Bigano et al. (2008) memperkirakan perubahan suhu tahunan rata-rata dan peningkatan curah hujan 1% hingga
dalam produk domestik bruto di semua musim di 7%, dengan perkiraan variabilitas curah hujan yang lebih banyak,
seluruh dunia yang dihasilkan dari kenaikan dan lebih banyak presipitasi yang turun karena hujan dan lebih
permukaan laut dan perubahan arus pariwisata, tetapi sedikit salju (Fernandez et al. 2015).
perubahan ini bervariasi di setiap negara. Selain Fisichelli et al. (2015) memodelkan perubahan kunjungan
perubahan iklim jangka panjang yang mengubah arus ke taman nasional berdasarkan proyeksi suhu dan Taman Nasional
dan pengeluaran pariwisata, penelitian telah Acadia yang ditetapkan, yang terletak di Maine, untuk
menunjukkan bahwa cuaca harian juga meningkatkan kunjungan pada tahun 2041-2060. Namun,
mempengaruhi pengeluaran konsumen. Sebuah studi penelitian ini didasarkan pada proyeksi suhu dan tidak termasuk
baru-baru ini menemukan bahwa suhu, salju turun, perubahan iklim atau ekologi lain yang diprediksi terjadi dengan
sinar matahari, dan kelembaban semuanya memiliki perubahan iklim. Sebaliknya, sebuah studi baru-baru ini
dampak signifikan pada penjualan harian di sebuah menunjukkan bahwa mayoritas pengunjung musim panas di
toko ritel besar di Amerika Utara, dengan efek sinar Taman Nasional Acadia berpikir perubahan iklim akan memiliki
matahari tergantung pada suhu (Murray et al. 2010). konsekuensi negatif
Di Maine, sebagian besar pengeluaran pariwisata
Wilayah Millinocket, Maine. Wilayah Millinocket berada yang populer, termasuk ski Nordic, memancing es, sepatu
di kawasan pariwisata Maine Highlands dan berada dalam salju, dan mobil salju. Hal ini terutama dikenal karena
batas Millinocket ESA, yang memiliki total populasi sekitar memiliki jaringan jejak mobil salju yang luas, dengan opsi
7.800 (Biro Sensus Amerika Serikat 2010). Salah satu daya untuk menyewa mobil salju atau melakukan tur
tarik utama di daerah ini adalah Baxter State Park, taman berpemandu.
negara bagian terbesar di Maine, yang menampilkan ujung
Trail Australia dan gunung tertinggi Maine, Katahdin. Wilayah Betel, Maine. Wilayah Betel berada di wilayah
Daerah ini juga memiliki kegiatan rekreasi musim dingin pariwisata Danau Maine dan Pegunungan dan didefinisikan
oleh Rumford ESA. Kota-kota terbesar adalah Rumford minatadalah kondisi cuaca, yang dijelaskan di bawah ini,
(populasi 5.840) dan Betel (populasi 2.607), tetapi total yang dikompilasi dari Administrasi Kelautan dan Atmosfer
populasi ESA ini adalah sekitar 21.000 (Biro Sensus Nasional (NOAA). Stasiun cuaca yang digunakan terletak
Amerika Serikat 2010). Daerah ini memiliki dua resor ski di Taman Nasional Acadia, Millinocket, dan Rumford,
dan terkenal dengan ski alpine-nya. Bethel juga masing-masing di dalam lokasi penelitian. Semua data
mempromosikan berbagai kegiatan rekreasi luar ruangan, dikompilasi pada resolusi temporal bulanan, menggunakan
termasuk dogledding, memancing, hiking, seluncur es, semua 18 variabel cuaca NOAA yang direkam pada skala
tabung, sepatu salju, dan mobil salju. Daerah ini sebagian bulanan dari Jan 2004 hingga Desember 2014 (NOAA
besar dikenal untuk wisata musim dingin, tetapi berfokus 2014). Variabel-variabel ini mencakup berbagai ukuran
pada peningkatan pariwisata musim panas dengan suhu (suhu minimum rata-rata, suhu tertinggi, jumlah hari
mempromosikan daerah itu sebagai tujuan hiking, dengan suhu maksimum di bawah 32 ° F, dll.) Dan curah
pernikahan, dan golf yang hebat (Kamar Dagang Daerah hujan (pengendapan total, kedalaman salju maksimum,
Betel 2014). jumlah hari dengan jumlah tertentu dari curah hujan, dll.).
Selain semua variabel cuaca bulanan NOAA, empat
Desain variabel independen lainnya diciptakan untuk menguji
kemungkinan pengaruhnya terhadap pengeluaran: Jumlah
Studi hari per bulan dengan kejadian badai, proporsi hari dengan
Tujuan dari penelitian ini adalah untuk lebih memahami salju apa pun, proporsi hari dengan 6 inci atau lebih besar
dampak perubahan pola cuaca di tiga destinasi pariwisata salju, dan proporsi hari dengan salju 12 inci atau lebih.
Maine selama sepuluh tahun terakhir, untuk membantu Jumlah hari dengan kejadian badai hebat dibuat
pengambilan keputusan dan lebih memahami bagaimana menggunakan basis data badai NOAA, dan ini termasuk
perubahan iklim dapat mengubah pengeluaran pariwisata. peristiwa seperti tornado, kilat, hujan es, banjir, badai salju,
Para peneliti berhipotesis bahwa suhu akan memiliki salju lebat, dan badai tropis (NOAA 2014). Proporsi hari
korelasi positif dengan belanja terkait pariwisata musim dengan jumlah salju tertentu dibuat menggunakan data
panas dan musim gugur, tetapi korelasi negatif dengan cuaca harian dan mengelompokkannya berdasarkan bulan.
pengeluaran terkait pariwisata musim dingin. Ini diprediksi Variabel-variabel ini ditambahkan untuk menguji dampak
karena Maine adalah tujuan yang lebih dingin dibandingkan potensial dari kejadian badai dan kemampuan pengunjung
dengan daerah lain di Amerika Serikat, sehingga untuk berpartisipasi dalam kegiatan pemenang.
peningkatan suhu mungkin menarik lebih banyak orang Meskipun kami memperkirakan kondisi cuaca akan
selama musim panas, tetapi peningkatan suhu di musim memengaruhi pengeluaran pengunjung di Maine, berbagai
dingin mengurangi kemungkinan ada salju untuk rekreasi faktor lain yang terkait dengan kondisi ekonomi secara
yang lebih baik. Selain itu, diperkirakan bahwa curah hujan keseluruhan cenderung mempengaruhi perilaku wisatawan.
akan mengurangi pengeluaran pariwisata di musim panas Untuk memperhitungkan faktor-faktor ini, model regresi
dan gugur, tetapi meningkatkan pengeluaran di musim mencakup variabel penjelas yang mengukur pengeluaran
dingin karena memungkinkan untuk kegiatan rekreasi luar terkait pariwisata bulanan di Maine, tetapi di luar wilayah
ruangan yang berhubungan dengan salju. yang diminati. Variabel ini menangkap efek pada
Pendekatan desain penelitian adalah ex post facto pengeluaran pariwisata terkait, antara lain, resesi (yaitu,
karena semua pengumpulan data dari masa lalu, dan seluruh negara mengalami pengurangan pengeluaran
variabel independen (cuaca) tidak dapat dimanipulasi pariwisata), dan fluktuasi harga bensin (yaitu, harga gas
(Black 1999). Pengeluaran terkait pariwisata, yang yang tinggi selama periode analisis dapat mempengaruhi
merupakan variabel dependen dalam analisis, diperkirakan wisatawan tingkah laku).
menggunakan restauran bulanan, penginapan, dan penjualan
ritel dari Januari 2004 hingga Desember 2014 untuk Analisis
masing-masing dari tiga Wilayah Ringkasan Ekonomi
Data
(Kantor Kebijakan Negara Bagian Maine dan Manajemen
2014). Untuk menyesuaikan inflasi, semua pengeluaran Langkah pertama dari analisis ini adalah untuk melakukan
dikonversi ke dolar Desember 2014. Variabel penjelas pohon regresi yang didukung nonparametrik (BRTs).
dariutama Pendekatan ini digunakan untuk mengidentifikasi variabel
yang paling berpengaruh — di antara 22 kondisi cuaca, meliputi bulan Mei hingga Agustus, musim gugur adalah
variabel yang mengukur belanja turisme seluruh negara September hingga November, dan musim dingin
bagian, bulan dan tahun — menjelaskan belanja terkait didefinisikan sebagai Desember hingga April. Oleh karena
pariwisata yang disesuaikan dengan inflasi (Elith, itu, ukuran sampel untuk setiap lokasi adalah 44 (musim
Leathwick, dan Hastie 2008). Untuk menyesuaikan panas), 33 (musim gugur), dan 55 (musim dingin), karena
musiman, tiga BRT terpisah diperkirakan untuk setiap area data dikumpulkan dari 11 tahun.
studi, menghasilkan total sembilan BRT. Musim panas
Wilkins et al. 5
Tabel 1. Rata-rata Cuaca Bulanan dan Pengeluaran untuk Setiap Lokasi dan Musim Studi.
Rata-rataMusim Terkait-Pariwisata Bulanan
Pengeluaran($) SD
BRT dijalankan menggunakan semua variabel cuaca, bulan, tahun, dan total pengeluaran konsumen kena pajak
Maine (di luar wilayah yang diminati) sebagai variabel independen, dan pengeluaran terkait pariwisata sebagai
variabel tak bebas. BRT digunakan sebagai alat untuk menentukan peringkat semua kondisi cuaca dan variabel
lainnya dan hubungannya dengan variabel dependen. Oleh karena itu, asumsi utama tentang variabel independen apa
yang mungkin berpengaruh tidak harus dibuat seperti yang disyaratkan dalam model parametrik.
Setelah variabel yang paling berpengaruh diidentifikasi melalui BRT, analisis efek campuran linear kovarians
(ANCOVA) dilakukan untuk setiap lokasi untuk secara statistik mengevaluasi hubungan sepanjang tahun dan
musim (Johnson dan Wichern 2002). Karena banyak variabel suhu berkorelasi, berarti suhu maksimum digunakan
karena memiliki tingkat pengaruh tertinggi untuk pengukuran suhu. ANCOVA menggunakan suhu maksimum rata-
rata bulanan, hari-hari dengan curah hujan, dan total pengeluaran konsumen Maine (dikurangi ESA yang sedang
dipelajari) sebagai variabel independen dengan efek tetap, dan tahun sebagai variabel efek acak. Tahun diperlakukan
sebagai efek acak karena ada beberapa pengamatan per tahun dan efeknya seharusnya ditangkap oleh total
pengeluaran konsumen Maine untuk tahun itu. ANCOVA dilakukan untuk setiap lokasi menggunakan ketiga
variabel independen, masing-masing variabel secara terpisah tanpa yang lain, dan kombinasi dari dua variabel. AIC
dibandingkan antara enam pilihan model untuk setiap lokasi dan musim, dan model dengan AIC terendah dipilih,
kecuali menambahkan variabel lain tidak menurunkan AIC sampai sepuluh atau lebih besar.
Akhirnya, efek campuran ANCOVA kemudian dilakukan dengan menggabungkan semua lokasi, musim, dan tahun.
Dalam model gabungan ini, lokasi, musim, dan interaksinya dimasukkan sebagai kovariat. Kedua model linier dan
lengkung dievaluasi dengan membandingkan AIC dan residual. Model akhir kemudian digunakan untuk
memperkirakan pengeluaran pariwisata dengan rata-lebih tinggi-
rata yangRatarata Suhu Maksimum Bulanan (° C) SD
Rata-rata Hari Bulanan dengan> 0,254
cm Curah Hujan SD
MDI
Musim Panas 29,875,000 14,742,500 22,70 3,58 7,52 2,76 Musim Gugur 17,273,500 12,137,800 14,96 5,18 7,06
2,37 Musim dingin 2,185,300 1,258,000 4,52 4.68 7.16 2,84 Bethel
Musim Panas 3.549.900 802.200 23,51 3,31 9,41 3,19 Jatuh 3.264.000 806.800 14,30 6,70 6,67 2,41 Musim dingin
6.083.000 1.905.800 2,56 5,82 6,20 2,61 Millinocket
Musim Panas 1.439.100 340.500 23,07 3,52 8,50 2,73 Jatuh 1.126.200 429.700 13,54 6,16 7,27 3,01 Musim dingin
927.500 286.500 1,62 5,88 6,18 2,31
suhu bulanan berdasarkan pada seluruh rentang suhu data yang digunakan untuk membuat model dari musim itu,
ditambah memproyeksikan ke 1,7 ° C di atas nilai terbesar. Proyeksi membentang tambahan 1,7 ° C lebih hangat
karena model IPCC untuk Maine memprediksi suhu tahunan rata-rata akan meningkat sebesar 1,1 ° C hingga 1,7 ° C
antara 2015 dan 2050 (Fernandez et al. 2015). Semua analisis statistik dilakukan dengan menggunakan perangkat
lunak statistik R v 3.1.1 (R Core Team 2014).
Hasil
Karakteristik Area
Tabel 1 menunjukkan rata-rata pengeluaran terkait pariwisata bulanan, suhu maksimum, dan jumlah hari dengan
curah hujan berdasarkan lokasi dan musim. Gunung Desert Island dan Millinocket memiliki pengeluaran terbesar di
musim panas dan paling sedikit di musim dingin, sementara Betel memiliki pengeluaran terbesar di musim dingin
dan paling sedikit di musim gugur. Selain itu, pengeluaran untuk MDI di musim panas lebih dari 13 kali lebih besar
dari pengeluaran di musim dingin. Temperatur di antara lokasi-lokasi tersebut sebanding, dengan MDI sedikit lebih
dingin di musim panas dan lebih hangat di musim dingin. Ketiga lokasi memiliki jumlah hari terbesar per bulan
dengan presipitasi di musim panas.
Pohon Regresi Boosted
Dari semua variabel yang digunakan dalam BRT, Tabel 2 menunjukkan lima variabel paling berpengaruh untuk
setiap musim dan lokasi. Total pengeluaran konsumen Maine, yang mewakili keadaan umum ekonomi, berpengaruh
pada 66% kasus. Meskipun beberapa ukuran suhu yang berbeda kembali sebagai berpengaruh di setiap BRT, hanya
suhu rata-rata maksimum yang digunakan untuk analisis tambahan karena semua variabel ini sangat berkorelasi.
Variabel suhu adalah variabel yang paling berpengaruh dalam 33% kasus, dan total Maine
6 Jurnal Penelitian Perjalanan 00 (0)
Tabel 2. Rangkuman Lima Variabel Paling Berpengaruh Paling Dipengaruhi oleh Pohon Regresi untuk Memprediksi
Pengeluaran Terkait-Pariwisata untuk Masing-masing Lokasi
MDI Bethel Millinocket
Musim Panas
Pemanasan hari 57,6 Total pengeluaran Maine 52,9 Total pengeluaran Maine 52,3 Suhu bulanan rata-rata 12,2
Bulan 13,2 Rata-ratamaksimum
suhu
pengeluaranadalah yang paling berpengaruh dalam 44%. Variabel curah hujan hanya kembali sebagai berpengaruh
untuk MDI di musim dingin dan Betel di musim panas, dan tingkat pengaruh relatif rendah.
ANCOVA oleh Location
Gambar 2 menunjukkan hubungan antara suhu dan pengeluaran terkait pariwisata di semua musim dan lokasi dari
2004 hingga 2014. Pengeluaran diubah pada skala log natural untuk meningkatkan normalitas. Selama musim panas
dan musim gugur, pengeluaran cenderung meningkat karena peningkatan suhu rata-rata maksimum. Di musim
dingin, suhu rata-rata maksimum memiliki hubungan negatif dengan pengeluaran di Betel dan Millinocket, tetapi
hubungan positif di MDI. Kemiringan garis terbesar di MDI untuk musim gugur dan musim panas. Secara
keseluruhan, ada lebih banyak variasi yang tidak dapat dijelaskan dalam data untuk model musim dingin, terutama
untuk Millinocket di musim dingin.
Hasilnya menemukan bahwa suhu adalah prediktor yang signifikan secara statistik dari pengeluaran terkait
pariwisata di MDI untuk musim panas dan musim gugur, di Betel untuk musim dingin, dan di Millinocket untuk
musim gugur dan musim dingin. Curah hujan signifikan pada
18.1
Total pengeluaran Maine 8.4 Hari denganminimum di
suhubawah titik beku
10.5 Hari derajat pemanasan 8.2
Suhu maksimum rata-rata 6.3 Curah hujan harian maksimum 6.6minimum ekstrim
Suhu
6.0
Bulan 3.9 Suhu bulanan rata-rata 6.1 Suhu rata-rata bulanan 6.1 Suhu rata-rata bulanan 5.1 Musim gugur
derajat Pemanasan hari 21.5 Total Pengeluaran Maine 49.8maksimum rata-ratamaksimum
SuhuSuhu
25.3
rata-rata 21.0 Suhu maksimum rata-rata 24.2 Hari derajat pemanasan 16.6 Hari dengan suhu minimum di
bawah titik beku
19.2 Suhu minimum rata-rata 10.2 Hari derajat pendinginan 15.9
Suhu minimum ekstrim 19.0 Hari derajat pendinginan, 7.2 Hari denganminimum di
suhubawah titik beku
15.2
Suhu maksimum ekstrem 7.9 Hari denganminimum di
suhubawah titik beku
4.6maksimum ekstrem
Suhu
10.9
Musim Dingin
Total pengeluaran Maine 47.9 Bulan 34.2 Bulan 49.5 Bulan 44.3 Suhu maksimum rata-rata 19.2 Total Maine
Pengeluaran 35.7 Total curah hujan 6.5 Pemanasan hari derajat 16.4 Tahun 9.8 Rata-rata bulanan Suhu 0,5
Ekstrimmaksimum
suhu
13,7 hari denganminimum
suhudi bawah titik beku
5.0
Ekstrim suhu minimum suhu 0,4 Berarti minimum 10,7 NA 0,0
Catatan: Angka menunjukkan pengaruh relatif, dari skala 100 perpecahan antara semua variabel yang berpengaruh. Analisis dibagi untuk
menyesuaikan musiman.
musim dingin untuk MDI dan Millinocket, dan memiliki hubungan positif dengan pengeluaran pariwisata di MDI,
tetapi hubungan negatif di Millinocket. Pengeluaran konsumen Maine signifikan dalam MDI di musim dingin, di
Betel pada musim panas dan musim gugur, dan di Millinocket pada musim panas dan musim dingin.
ANCOVA lintas Lokasi
Tabel 3 menunjukkan hasil regresi untuk model ini, yang meliputi pengeluaran konsumen Maine, suhu maksimum
rata-rata, hari-hari dengan curah hujan, musim, lokasi, dan interaksi mereka sebagai kovariat. Ini juga termasuk
istilah untuk suhu maksimum rata-rata + suhu maksimum rata-rata 2, yang akan menyarankan bahwa hubungan itu
kurva daripada linier. AIC menunjukkan bahwa istilah kurvilinear secara signifikan meningkatkan kecocokan
model. Secara keseluruhan, model ini menjelaskan 92,5% dari variasi asli dalam data pengeluaran dan menunjukkan
bahwa baik suhu rata-rata maksimum (p = 0,030) dan pengeluaran konsumen Maine (p = 0,000) adalah signifikan.
Gambar 3 menampilkan prediksi model regresi untuk pengeluaran terkait pariwisata dibandingkan dengan nilai
aktual. Secara keseluruhan, residualnya normal dan modelnya bukan
Wilkins et al. 7
Gambar 2. Plot pencar menunjukkan hubungan antara suhu maksimum rata-rata bulanan dan pengeluaran terkait pariwisata
di semua wilayah dan musim. Garis regresi linier dengan derajat ketidakpastian juga ditampilkan.
Tabel 3. Hasil Regresi untuk Model Gabungan Memeriksa Pengeluaran Terkait Pariwisata Inflasi (Variabel Dependen).
Mencegat 439,48 317,47 - 608,39 373 37,43 <0,01 Total pengeluaran Maine 1,00 1,00 - 1,00 373 12,62 <0,01 Rata-rata suhu
maksimum 1,00 - 1,993 −2,18 0,03 MMXT + MMXT2 1,00 - 1,00 373 6,55 <0,01 Hari dengan curah hujan> 0,254 cm 1,01 0,99 - 1,02
373 0,87 0,39 Lokasi: MDI 4,42 3,74 - 5,21 373 17,97 <0,01 Lokasi: Millinocket 0,36 0,30 - 0,42 373 −12,72 <0,01 Musim: musim
panas 0,56 0,47 - 0,66 373 −6,92 <0,01 Musim: musim dingin 2.45 2.01 - 3.00 373 9.01 <0.01 Lokasi: MDI; Musim: musim panas 1,99
1,62 - 2,44 373 6,77 <0,01 Lokasi: Millinocket; Musim: musim panas 1,18 0,97 - 1,43 373 1,64 0,10 Lokasi: MDI; Musim: musim
dingin 0,10 0,08 - 0,13 373 −19,84 <0,01 Lokasi: Millinocket; Musim: musim dingin 0,48 0,38 - 0,60 373 −6,54 <0,01
Catatan: Total pengeluaran Maine yang disesuaikan dengan inflasi, suhu maksimum rata-rata, hari-hari dengan curah hujan, lokasi, musim, dan
interaksi lokasi dan musim adalah kovariat tetap; tahun adalah variabel acak. Nilai dan 95% CI diubah kembali dari skala log natural. R 2 = 0,9247.
Figure 3. The predicted versus actual tourism-related spending across all three regions and seasons transformed on a
natural log scale. The straight line represents where predicted and actual spending are equal, and the curved line displays
the data smoothed with a loess curve at α=0.05.
during the winter. In MDI, the relationship was positive, but must be used in interpreting these results. Our results aim to
it was negative in Millinocket. As expected, one possible predict potential changes to tourism spending by analyzing
explanation for the negative relationship found between past weather con- ditions. However, the models do not take
tourism and winter precipitation in Millinocket is that into consideration how changing climate will alter
although snow allows for more outdoor activities, it also ecosystems, which could also impact visitation. For
makes traveling to a destination more dangerous and diffi- example, warming temperatures may correspond to the loss
cult. Therefore, visitors may forgo traveling by car to rela- of species or the spread of vector- borne diseases (such as
tively remote areas, such as Millinocket. Further studies are Lyme disease). These conditions may deter visitors from a
needed to understand how nontemperature variables impact destination, even if they prefer warmer temperatures. To
tourists' behavior and spending, and how their trip planning understand ecological effects on tourism, future studies
would change if increased precipitation became the new could survey visitors to see why they visit a particular area
normal. and what would prevent them from returning. Although this
A previous study in Acadia found that among the research only aimed to understand the impact of weather on
tourists who believed climate change would impact tourism future visitation under climate change, it would be helpful
on the island, a majority believed it would have a negative to see how weather, combined with other factors expected
effect (De Urioste-Stone, Scaccia, and Howe-Poteet 2015). to change due to climate change, would impact future
Although results from that study contrast with our finding visitation. Coastal areas in particular could incorporate
that climate change is predicted to have a positive effect on projected effects of sea level rise into mod- els of future
the MDI region, visitors' individual perceptions could be visitation. Visitor surveys could be administered to
dif- ferent than collective behavior. Additionally, visitors understand intended future visitation under various condi-
could perceive the negative impacts of indirect factors, such tions, and that data could help inform which dependent vari-
as spe- cies loss or sea level rise, that were not accounted ables to include in modeling. Additionally, future research
for in the model. could investigate the impacts of different conditions on visi-
Although results show tourism spending is tation and spending based on what recreational activities the
expected to increase with climate change, some caution visitor enjoys.
Conclusio tourism by analyzing spend- ing rather than visitation
n numbers, and by employing non- parametric methods to
assess the impact of a multitude of highly correlated
As temperatures rise across the globe, a comparatively weather variables. Overall, this study indi- cates that
cooler climate, such as that in Maine, could draw larger climate change will positively influence tourism spending
crowds and boost the local economy in several months per across three regions in Maine, but future studies should
year (Scott, address how uncertainty and ecosystem change will impact
McBoyle, and Schwartzentruber 2004). Temperature in tourism in order to more completely understand the
Maine is expected to increase by 1.1°C to 1.7°C by 2050, relationship between climate change and tourism.
which would change tourism spending and alter the local
economy. If temperatures continue to rise as projected, the Declaration of Conflicting
three locations are predicted to experience on average an Interests
8.1% to 13.5% increase in summer tourism spending by
The author(s) declared no potential conflicts of interest with
2050. In contrast, winter spending is forecasted to have a respect to the research, authorship, and/or publication of this
smaller change, decreasing by 0.6% to 1.4% in Bethel and article.
Millinocket, and increasing by 0.2% to 0.5% in MDI.
Overall, our findings show a net positive impact on Funding The author(s) disclosed receipt of the following
spending associated with an increase in mean maximum financial support for the research, authorship, and/or publication of
temperature in Maine. this article: This project was supported by the USDA National
Findings from this study are useful for long-term Institute of Food and Agriculture, McIntire Stennis project number
tourism planning within these communities. Businesses in ME0-41504, through the Maine Agricultural & Forest Experiment
Station, and by the University of Maine Office of the President.
these regions could develop strategic plans to recognize
Maine Agricultural and Forest Experiment Station Publication
spending is projected to increase with warmer temperatures
Number 3543.
in the future, assuming no changes in general tourism trends
result- ing from other factors. Potential long-term strategies
Reference
to capi- talize on this opportunity would be to increase
s
infrastructure to accommodate more visitors and spending
(or, alterna- tively, increase prices during peak season to Amelung, Bas, and Alvaro Moreno. 2011. “Costing the Impact of
reduce demand). Additionally, the results are useful for the Climate Change on Tourism in Europe: Results of the PESETA
Project.” Climatic Change 112 (1): 83–100. Amelung, Bas, Sarah
parks and pro- tected areas in the regions to better plan
Nicholls, and David Viner. 2007. “Implications of Global Climate
ahead for potentially larger crowds impacting the natural
Change for Tourism Flows and Seasonality.” Journal of Travel
amenities. Finally, this study advances the current state of Research 45 (3): 285–96.
knowledge on how to assess the effect of weather on
Wilkins et al. 11
Becken, Suzanne. 2012. “Measuring the Effect of Weather on Research in the Social Sciences: An Integrated Approach to
Tourism: A Destination- and Activity-Based Analysis.” Journal of Research Design, Measurement and Statistics. London: Sage.
Travel Research 52 (2): 156–67. Becken, Suzanne, and John E. Burakowski, Elizabeth, and Matthew Magnusson. 2012. “Climate
Hay. 2007. Tourism and Climate Impacts on the Winter Tourism Economy in the United States.”
Change: Risks and Opportunities. Clevedon: Channel https://www.nrdc.org/sites/default/files/climate-impacts-win- ter-
View. Becken, Suzanne, and Jude Wilson. 2013. “The Impacts of tourism-report.pdf. Dawson, Jacky, and Daniel Scott. 2013.
Weather on Tourist Travel.” Tourism Geographies 15 (4): 620–39. “Managing for Climate Change in the Alpine Ski Sector.”
Bethel Area Chamber of Commerce. 2014. “Bethel: 2014 Visitor's Tourism Management 35:244–54. De Urioste-Stone, Sandra M.,
Guide.” http://www.bethelmaine.com/uploads/pdf/ Lena Le, Matt D. Scaccia, and Emily Wilkins. 2016. “Nature-
BethelVG2014-web.pdf. Bigano, Andrea, Francesco Bosello, Based Tourism and Climate Change Risk: Visitors' Perceptions in
Roberto Roson, and Richard SJ Tol. 2008. “Economy-wide Mount Desert Island, Maine.” Journal of Outdoor Recreation and
Impacts of Climate Change: A Joint Analysis for Sea Level Rise Tourism 13:57–65. De Urioste-Stone, Sandra M., Matt D. Scaccia,
and Tourism.” Mitigation and Adaptation Strategies for Global and D. Howe- Poteet. 2015. “Exploring Visitor Perceptions of the
Change 13:765–91. Black, Thomas R. 1999. Doing Quantitative Influence of Climate Change on Tourism at Acadia National Park,
Maine.” Journal of Outdoor Recreation and Tourism 11 Analysis of SARS on Japanese Tourism Demand for Taiwan.”
(October): 34–43. Denstadli, Jon M., and Jens S. Jacobsen. 2014. Quality & Quantity 45 (1): 91–102. Murray, Kyle B., Fabrizio Di
“More Clouds on the Horizon? Polar Tourists' Weather Tolerances Muro, Adam Finn, and Peter Popkowski Leszczyc. 2010. “The
in the Context of Climate Change.” Scandinavian Journal of Effect of Weather on Consumer Spending.” Journal of Retailing
Hospitality and Tourism 14 (1): 80–99. Denstadli, Jon M., Jens S. and Consumer Services 17 (6): 512–20. Layanan Taman Nasional.
Jacobsen, and Martin Lohmann. 2011. “Tourist Perceptions of 2012. “A Guide's Guide to Acadia National Park.”
Summer Weather in Scandinavia.” Annals of Tourism Research 38 http://www.nps.gov/acad/upload/Guide-s- Guide-3-856-KB-2.pdf.
(3): 920–40. Elith, J., JR Leathwick, and T. Hastie. 2008. “A Layanan Taman Nasional. 2017. “Acadia NP Recreation Visits.”
Working Guide to Boosted Regression Trees.” Journal of Animal https://irma.nps.gov/Stats/SSRSReports/Park%20Specific%20
Ecology 77:802–13. Falk, Martin. 2014. “Impact of Weather Reports/Visitation%20by%20Month?Park=ACAD. NOAA
Conditions on Tourism Demand in the Peak Summer Season Over (National Oceanic and Atmospheric Administration). 2014.
the Last 50 Years.” Tourism Management Perspectives 9:24–35. “National Climactic Data Center.” http://www.ncdc.noaa.gov/
Fernandez, I., CV Schmitt, SD Birkel, E. Stancioff, AJ Pershing, (accessed January 8, 2015). Pütz, Marco, David Gallati, Susanne
JT Kelley, JA Runge, GL Jacobson, and PA Mayewski. 2015. Kytzia, Hans Elsasser, Corina Lardelli, Michaela Teich, Fabian
Maine's Climate Future: 2015 Update. Orono, ME: University of Waltert, and Christian Rixen. 2011. “Winter Tourism, Climate
Maine. Fisichelli, Nicholas A., Gregor W. Schuurman, William B. Change, and Snowmaking in the Swiss Alps: Tourists' Attitudes
Monahan, and Pamela S. Ziesler. 2015. “Protected Area Tourism and Regional Economic Impacts.” Mountain Research and
in a Changing Climate: Will Visitation at US National Parks Development 31 (4): 357– 62. Rauken, Trude, Ilan Kelman, Jens
Warm Up or Overheat?” PLoS One. 10 (6). Forests for Maine's Kr. Steen Jacobsen, and Grete K. Hovelsrud. 2010. “Who Can
Future. 2011. “FAQ's about Maine's Forests.” Stop the Rain? Perceptions of Summer Weather Effects among
http://www.forestsformainesfuture.org/forest-facts/ (accessed Small Tourism Businesses.” Anatolia 21 (2): 289–304. R Core
August 4, 2015). Gössling, Stefan, Daniel Scott, C. Michael Hall, Team. 2014. “R: A Language and Environment for Statistical
Jean-Paul Ceron, and Ghislain Dubois. 2012. “Consumer Computing.” R Foundation for Statistical Computing. http://
Behaviour and Demand www.R-project.org/. Raza, Syed Ali, and Syed Tehseen Jawaid.
Response of Tourists to Climate Change.” Annals of Tourism 2013. “Terrorism and Tourism: A Conjunction and Ramification
Research 39 (1): 36–58. Henderson, Joan C. 2003. “Terrorism and in Pakistan.” Economic Modelling 33 (July): 65–70. Rosselló-
Tourism Terrorism and Tourism: Managing the Consequences of Nadal, Jaume. 2014. “How to Evaluate the Effects of Climate
the Bali Bombings.” Journal of Travel & Tourism Marketing 15 Change on Tourism.” Tourism Management 42 (June): 334–40.
(1): 41–58. Johnson, Richard A., and Dean W. Wichern. 2002. Scott, Daniel, Jacky Dawson, and Brenda Jones. 2008. “Climate
Applied Multivariate Statistical Analysis, 5th ed. Singapore: Change Vulnerability of the US Northeast Winter Recreation—
Pearson Education. Maine Office of Tourism. 2017. “Maine Tourism Sector.” Mitigation and Adaptation Strategies for Global
Office of Tourism Visitor Tracking Research: 2016 Calendar Year Change 13 (5/6): 577–96. Scott, Daniel, Brenda Jones, and
Annual Report.” https://visitmaine.com/assets/downloads/2016- Jasmina Konopek. 2007. “Implications of Climate and
MOT-Annual- Report.pdf. Matzarakis, Andreas. 2006. “Weather Environmental Change for Nature-Based Tourism in the Canadian
and Climate Related Information for Tourism.” Tourism and Rocky Mountains: A Case Study of Waterton Lakes National
Hospitality Planning & Development 3 (2): 99–115. Min, Jennifer Park.” Tourism Management 28 (2): 570–79.
CH, Christine Lim, and Hsien-Hung Kung. 2011. “Intervention
12 Journal of Travel Research 00(0)
Scott, Daniel, Geoff McBoyle, and Michael Schwartzentruber. IIEndberichtUlrich-Strasser.pdf. Biro Sensus Amerika Serikat.
2004. “Climate Change and the Distribution of Climatic Resources 2010. “Census of Population and Housing.”
for Tourism in North America.” Climate Research 27:105–17. http://www.census.gov/prod/cen2010/cph-1-21.pdf. Badan
Shih, Charles, Sarah Nicholls, and Donald Holecek. 2009. “Impact Perlindungan Lingkungan Amerika Serikat. 2013. “Glossary of
of Weather on Downhill Ski Lift Ticket Sales.” Journal of Travel Climate Change Terms.” http://www.epa.gov/climat-
Research 47 (3): 359–72. State of Maine Office of Policy and echange/glossary.html. Wilder-Smith, Annelies. 2006. “The
Management. 2014. “Maine Taxable Retail Sales.” Severe Acute Respiratory Syndrome: Impact on Travel and
http://maine.gov/economist/retail/ index.shtml. Strasser, Ulrich, Tourism.” Travel Medicine and Infectious Disease 4 (2): 53–60.
Andreas Gobiet, Johann Stötter, Hannes Kleindienst, Karl World Travel and Tourism Council. 2017. “Travel & Tourism:
Steininger, Franz Prettenthaler, A. Damn, F. Hanzer, J. Koberl, T. Economic Impact 2017 United States.” https://www.wttc.org/-/
Lang, et al. 2011. “CC-Snow II: Effects of Future Snow media/files/reports/economic-impact-research/countries-2017/
Conditions on Tourism and Economy in Tyrol and Styria.” unitedstates2017.pdf.
http://www.klimafonds.gv.at/assets/
Uploads/Projektberichte/ACRP-2009/20130627CC-Snow- Author
Biographies
Emily Wilkins is a PhD student at Utah State University in the
department of Environment and Society. She earned her MS at the
University of Maine in Forest Resources. Her research focuses on
outdoor recreation and human dimensions of natural resources.