TY - JOUR T1 - Determining Effective Factors on Land Surface Temperature of Tehran Using LANDSAT Images And Integrating Geographically Weighted Regression With Genetic Algorithm TT - تعیین عوامل موثر بر دمای سطح زمین شهر تهران با استفاده از تصاویر لندست و ترکیب رگرسیون وزن‌دار جغرافیایی و الگوریتم ژنتیک JF - kntu-jgit JO - kntu-jgit VL - 7 IS - 3 UR - http://jgit.kntu.ac.ir/article-1-743-fa.html Y1 - 2019 SP - 79 EP - 102 KW - Land Surface Temperature KW - Geographic Weighted Regression KW - Genetic Algorithm. N2 - 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 (GWR) 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 GWR استفاده شد. مقدار تابع برازش (1-R2) 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 GWR، نتایج دقیق‌تر و مناسب‌تری به‌دست آمد. M3 10.29252/jgit.7.3.79 ER -