ارزیابی قابلیت رگرسیون وزنی جغرافیایی در بهبود پیش‌بینی رشد اراضی شهری با استفاده از سلول‌های خودکار

رگرسیون وزنی جغرافیایی منطقی (gwlr) نسخه محلی مدل رگرسیون منطقی (lr) است که در هر مکان رابطه متفاوتی را بین متغیرهای وابسته و مستقل برآورد می کند. در تحقیق حاضر از مدل gwlr در توسعه قوانین تبدیل سلولهای خودکار(ca) استفاده و کارایی آن در پیش بینی رشد شهری در مقابل مدل ca مبتنی بر رگرسیون منطقی (logisticca) مورد ارزیابی قرار گرفت. همچنین پارامتری تحت عنوان ضریب رشد حاشیه ای برای تعیین توازن بهینه میان فرایندهای رشد حاشیه ای و رشد خود انگیخته که از جمله فرایندهای مهم در رشد اراضی شهری محسوب می شوند، تعریف گردید. جهت ارزیابی دقت مدل نیز از آماره کاپای فازی در کنار ضریب معمول کاپا استفاده شد. مدل پیشنهادی در تحقیق حاضر جهت پیش بینی توسعه بخشی از اراضی شهری واقع در جنوب غرب منطقه کلانشهری تهران برای دوره زمانی 1391-1383 اجرا گردید. نتایج این مطالعه نشان داد استفاده از مدل gwlr در تعریف قوانین تبدیل ca منجر به افزایش قابل توجه دقت پیش بینی رشد شهری در مقایسه با مدل logisticca می گردد. دقت پیش بینی مدل توسعه داده شده در تحقیق حاضر بر حسب ضریب کاپا برابر 0/54 می باشد که افزایش دقتی معادل 0/24 را در مقایسه با مدل logisticca نشان می دهد. همچنین دقت مدل پیشنهادی بر اساس شاخص کاپای فازی با در نظر گرفتن فواصل50 و 100 متری برای تابع نمایی افت فاصله، به 0/69 و 0/76 می رسد.