Journal of Geomatics Science and Technology

fa تحلیل زمانی–مکانی شدت جزیره حرارتی سطحی شهری (SUHII) با استفاده از داده‌های MODIS و مدل رگرسیون تعاملی: مطالعه موردی تهران Spatio-Temporal Analysis of Surface Urban Heat Island Intensity (SUHII) Using MODIS Data and Interactive Regression Model: A Case Study of Tehran فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;">پدیده جزیره حرارتی سطحی شهری (SUHII) یکی از مهم‌ترین چالش‌های محیط‌زیستی ناشی از گسترش شهرنشینی است که به‌طور مستقیم بر کیفیت زندگی، مصرف انرژی و سلامت شهری تأثیر می‌گذارد. در این پژوهش، با هدف تحلیل زمانی–مکانی SUHII و شناسایی عوامل مؤثر بر آن، داده‌های دمای سطح زمین حاصل از تصاویر ماهواره‌ای MODIS در بازه زمانی ۲۰۰۲ تا ۲۰۲۳ برای شهر تهران مورد بررسی قرار گرفت. برای تحلیل اثرات محیطی، از مدل رگرسیون چندمتغیره OLS همراه با ترم‌های تعاملی استفاده شد و آزمون‌های آماری من-کندال و VIF به‌منظور تحلیل روند و تشخیص هم‌خطی متغیرها به کار گرفته شدند. نتایج نشان داد که شدت SUHII در فصول مختلف دارای الگوهای متفاوتی بوده و تنها در فصل زمستان روند کاهشی معناداری مشاهده شد (Z = –2.09, p = 0.037)  .شاخص‌های AOD (آلودگی هوا) و NDVI (پوشش گیاهی) بیشترین تأثیر را بر شدت گرمایش شهری داشتند و ترکیب تعاملی AOD × WSA نیز اثر افزایشی معناداری نشان داد. یکی از نوآوری‌های پژوهش حاضر، تمرکز بر تحلیل فصلی بلندمدت به همراه ارزیابی اثرات ترکیبی متغیرهاست؛ رویکردی که در اغلب مطالعات پیشین مغفول مانده یا به‌صورت تجمیعی انجام شده است. همچنین، با مقایسه پژوهش حاضر با مطالعاتی چون Zhang et al. (2025) و Wang et al. (2020)، مشخص شد که روش آماری رگرسیون تعاملی، با وجود محدودیت‌هایی نظیر فقدان داده‌های ترافیک یا اطلاعات کالبدی ساختمان‌ها، می‌تواند در مقیاس شهری دقت بیشتری در تحلیل روابط علی فراهم آورد. یافته‌های این تحقیق تأکید می‌کنند که تفسیر رفتار دمایی شهر نیازمند توجه به تعاملات پیچیده میان متغیرهای محیطی و انسانی است. در آینده، گسترش تحلیل‌های میان‌رشته‌ای با تلفیق داده‌های انسانی نظیر ترافیک، مصرف انرژی و طراحی شهری، می‌تواند درک کامل‌تری از سازوکار SUHII و راهکارهای مقابله با آن فراهم آورد.  </div> The Surface Urban Heat Island Intensity (SUHII) phenomenon is one of the most significant environmental challenges stemming from urbanization, directly impacting quality of life, energy consumption, and urban health. This research aimed to analyze the spatiotemporal patterns of SUHII and identify its influencing factors by examining land surface temperature data derived from MODIS satellite imagery from 2002 to 2023 for the city of Tehran. For analyzing environmental effects, a multivariate OLS regression model with interaction terms was used, and the Mann-Kendall test and VIF were employed to analyze trends and detect multicollinearity among variables, respectively. The results indicated that SUHII intensity exhibited different patterns across seasons, with a significant decreasing trend observed only in winter (Z = –2.09, p = 0.037). The AOD (air pollution) and NDVI (vegetation cover) indices had the greatest impact on urban warming intensity, and the interactive combination AOD × WSA also showed a significant increasing effect. One of the innovations of this study is its focus on long-term seasonal analysis alongside the evaluation of the combined effects of variables—an approach that has been neglected or performed only in aggregate in most previous research. Furthermore, comparing this study with research such as Zhang et al. (2025) and Wang et al. (2020) revealed that the interactive regression statistical method, despite limitations such as the lack of traffic data or detailed building information, can provide greater accuracy in analyzing causal relationships at the urban scale. The findings of this research emphasize that interpreting urban thermal behavior requires attention to the complex interactions between environmental and human variables. In the future, expanding interdisciplinary analyses by integrating human-related data such as traffic, energy consumption, and urban design can provide a more comprehensive understanding of SUHII mechanisms and strategies to mitigate it. جزیره حرارتی سطحی شهری, تحلیل تعاملی , رگرسیون چندمتغیره, AOD , WSA Surface Urban Heat Island, Interactive Analysis, Multivariate Regression, AOD, WSA 0 0 http://jgst.issgeac.ir/browse.php?a_code=A-10-790-8&slc_lang=fa&sid=1 Nastaran Kishmand نسترن کیش مند na.kishmand@mail.sbu.ac.ir 100319475328460011199 100319475328460011199 No Shahid Beheshti University دانشگاه شهید بهشتی Alireza Sharifi علیرضا شریفی a_sharifii@sbu.ac.ir 100319475328460011200 100319475328460011200 Yes Shahid Beheshti University دانشگاه شهید بهشتی Alireza Vafaeinejad علیرضا وفائی نژاد a_vafaei@sbu.ac.ir 100319475328460011201 100319475328460011201 No Shahid Beheshti University دانشگاه شهید بهشتی