fa تعیین عوامل موثر بر دمای سطح زمین شهر تهران با استفاده از تصاویر لندست و ترکیب رگرسیون وزن‌دار جغرافیایی و الگوریتم ژنتیک سیستمهای اطلاعات مکانی (عمومی) GIS پژوهشي Research <span style="font-family:b nazanin;">با توجه به توسعه شهرنشینی و تغییر در محیط حرارتی شهری، شناسایی عوامل مکانی موثر بر دمای سطح زمین در مناطق شهری از اهمیت بالایی برخوردار است. از این‌رو با شناسایی این عوامل می‌توان در جهت پیشگیری هرچه بیشتر این پدیده بااستفاده از آموزش عمومی، وضع قوانین و سیاست‌های مدیریتی کارآمد و نظارت بیشتر جهت مقابله با عوامل محرک افزایش دمای سطح زمین برآییم. در این تحقیق، هدف شناسایی ترکیب بهینه عوامل مکانی موثر بر دمای سطح زمین شهر تهران است. در این راستا، جهت شناسایی عوامل موثر از روش رگرسیون وزن‌دار جغرافیایی (</span><em><span dir="LTR"><span style="font-size:8.0pt;">GWR</span></span></em><span style="font-family:b nazanin;">) و جهت انتخاب ترکیب بهینه عوامل موثر بر روی دمای سطح زمین شهر تهران از الگوریتم ژنتیک استفاده شد. روش ترکیبی پیشنهادی روش مناسبی برای مسائل رگرسیون مکانی است زیرا این روش با دو خواص منحصر به فرد داده‌های مکانی یعنی خودهمبستگی و ناایستایی مکانی سازگار می‌باشد. در این تحقیق داده‌های دمای سطح زمین شهر تهران در دو تاریخ 27 مرداد 93 و 30 مرداد 94 بااستفاده از تصاویر ماهواره لندست8 بدست آمد و از دو روش وزن‌دهی گوسین و مکعبی سه‌گانه در </span><em><span dir="LTR"><span style="font-size:8.0pt;">GWR</span></span></em><span style="font-family:b nazanin;"> استفاده شد. مقدار تابع برازش <em>(</em></span><em><span dir="LTR"><span style="font-size:8.0pt;">1-R²</span></span></em><em><span style="font-family:b nazanin;">)</span></em><span style="font-family:b nazanin;"> برای دو تاریخ اشاره شده در فوق، بااستفاده از هسته گوسین 21752_/0 و 23448_/0 و با استفاده از هسته مکعبی سه‌گانه 10452_/0 و 14494_/0 به‌دست آمد. تاثیر عوامل کاربری اراضی، تراکم ساخت و ساز و فاصله از راه‌ها در دمای سطح زمین شهر تهران از سایر عوامل بیشتر بود. همچنین با استفاده از هسته مکعبی سه‌گانه برای وزن‌دهی در </span><em><span dir="LTR"><span style="font-size:8.0pt;">GWR</span></span></em><span style="font-family:b nazanin;">، نتایج دقیق‌تر و مناسب‌تری به‌دست آمد.</span><span style="font-family:b nazanin;"></span> Due to urbanization and changes in the urban thermal environment and since the land surface temperature (LST) in urban areas are a few degrees higher than in surrounding non-urbanized areas, identifying spatial factors affecting on LST in urban areas is very important. Hence, by identifying these factors, preventing this phenomenon become possible using general education, inserting rules and also retaining efficient management policies and more monitoring to counter the stimulating factors of increasing land surface temperature. The goal of this research is to identify the effective factors on land surface temperature in Tehran. In this regard, a geographically weighted regression (GWR) was used to identify the effective factors and a genetic algorithm (GA) was employed to select the best combination of these factors. The recommended combination method is a suitable method for spatial regression issues, because it is compatible with two unique properties of spatial data, i.e. the spatial autocorrelation and spatial non-stationarity. In this study, land surface temperature data in Tehran was obtained on August 18, 2014 and August 21, 2015 using Landsat 8 satellite imagery, and was used in two methods of Gaussian and Tri-cubic weighting in GWR. The values of 1-<em>R²</em>by using the Gaussian kernel were equal to 0.21752 and 0.23448, as well as by using the the Tri-cubic kernel were equal to 0.10452 and 0.14494 for August 18, 2014 and August 21, 2015, respectively. The results showed that the effects of factors such as land use, construction density, and distance from roads on land surface temperature in Tehran were more than other factors. Also, using the tri-cubic kernel for GWR provided more accurate results. دمای سطح زمین, رگرسیون وزندار جغرافیایی, الگوریتم ژنتیک Land Surface Temperature, Geographic Weighted Regression, Genetic Algorithm. 79 102 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-102-12&slc_lang=fa&sid=1 Amer Karimi عامر کریمی 10031947532846007512 10031947532846007512 No University of Tehran دانشگاه تهران Parham Pahlavani پرهام پهلوانی pahlavani @ut.ac.ir 10031947532846007513 10031947532846007513 Yes University of Tehran دانشگاه تهران Behnaz Bigdeli بهناز بیگدلی 10031947532846007514 10031947532846007514 No Shahrood University of Technology دانشگاه صنعتی شاهرود