تحلیل ارتباطات بین متغیرهای فضایی در دشت خان میرزا: مقایسه ی کارایی الگوی رگرسیون وزنی جغرافیایی و الگوی حداقل مربعات معمولی
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 350
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GDIJ-15-48_006
تاریخ نمایه سازی: 11 تیر 1398
Abstract:
بطور متداول، برای درک ارتباطات فضایی بین متغیرها محققان علوم محیط زیست و جغرافیا از الگوهایی چون رگرسیون حداقل مربعات معمولی (OLS) بهره می گیرند که دارای کاستی های بسیاری در ارائه ی نتایج فضایی بویژه در مقیاس محلی است. محققان در سال های اخیر الگوی رگرسیونی وزنی جغرافیایی (GWR) به منظور درک روابط بین متغیرهای فضایی در سطح محلی پیشنهاد داده اند. در این تحقیق به منظور مقایسه ی کارایی این الگوها، میزان تغییرات کاربری اراضی (به عنوان متغیر وابسته) در رابطه با تغییرات افت و برداشت از منابع آب زیرزمینی (به عنوان متغیرهای مستقل) در دوره زمانی 1379 تا 1389 در در دشت خان میرزا (استان چهارمحال و بختیاری) مورد بررسی قرار گرفته است. به منظور بررسی کارایی الگوها از ضریب تغییرات باقیمانده های استاندارد شده، وابستگی های محلی فضایی، شاخص مورن، معیار اطلاعات اکائیک تصحیح شده و ضریب تبیین محلی بهره گرفته شد. نتایج تحقیق نشان داد بر اساس ضریب تغییرات استاندارد شده، الگوی GWR قابلیت انطباق داده ها را نسبت بهOLS را دارا است. همچنین بر اساس نتایج ضریب تبیین بر روی متغیرهای تحقیق، الگوی GWRبرازش محلی مطلوبی را بین نقاط رگرسیونی و نمونه ای برقرار می کند. بر اساس شاخص مورن، الگوی GWR کمترین شباهت مقداری و مکانی را درموقعیت های مجاور داده های نمونه ای نشان می دهد و کارامدی الگوی GWR در ارائه ی خروجی های فضایی در برابر الگوی OLS را اثبات می نماید.
Keywords:
رگرسیون وزنی جغرافیایی , رگرسیون حداقل مربعات معمولی , تغییرات کاربری اراضی , تغییرات کمی منابع آب زیرزمینی , دشت خان میرزا
Authors
سجاد شمشیری
مربی فضای سبز، دانشگاه سیدجمال الدین اسدآبادی، همدان، ایران
حبیب شهبازی
دانشگاه سید جمال الدین اسدآبادی
شهاب الدین تقی پور جاوی
کارشناس ارشد مدیریت و برنامه ریزی محیط زیست، دانشگاه تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :