چکیده:
بطور متداول، برای درک ارتباطات فضایی بین متغیّرها محققان علوم محیطزیست و جغرافیا از الگوهایی چون رگرسیون حداقل مربعات معمولی (OLS) بهره میگیرند که دارای کاستیهای بسیاری در ارائهی نتایج فضایی بویژه در مقیاس محلی است. محققان در سالهای اخیر الگوی رگرسیونی وزنی جغرافیایی(GWR) به منظور درک روابط بین متغیّرهای فضایی در سطح محلی پیشنهاد دادهاند. در این تحقیق به منظور مقایسهی کارایی این الگوها، میزان تغییرات کاربری اراضی (به عنوان متغیّر وابسته) در رابطه با تغییرات افت و برداشت از منابع آب زیرزمینی (به عنوان متغیّرهای مستقل) در دوره زمانی 1379 تا 1389 در در دشت خانمیرزا (استان چهارمحال و بختیاری) مورد بررسی قرار گرفته است. به منظور بررسی کارایی الگوها از ضریب تغییرات باقیماندههای استانداردشده، وابستگیهای محلی فضایی، شاخص مورن، معیار اطلاعات اکائیک تصحیحشده و ضریب تبیین محلی بهره گرفته شد. نتایج تحقیق نشان داد بر اساس ضریب تغییرات استاندارد شده، الگوی GWR قابلیت انطباق دادهها را نسبت بهOLS را دارا است. همچنین بر اساس نتایج ضریب تبیین بر روی متغیّرهای تحقیق، الگوی GWRبرازش محلی مطلوبی را بین نقاط رگرسیونی و نمونهای برقرار میکند. بر اساس شاخص مورن، الگوی GWR کمترین شباهت مقداری و مکانی را درموقعیتهای مجاور دادههای نمونهای نشان میدهد و کارامدی الگوی GWR در ارائهی خروجیهای فضایی در برابر الگوی OLS را اثبات مینماید.
Usually environmental science and geography researcher use OLS model for variable spatial relations analyzing. This model has some lacks and shortagea in spatial outcome especially in local scale. In recent years, GWR model are used by some scientists for analyzing the relation of spatial variables in local scale. In this article, for analyzing and comparison of these models, land use change (as dependent variable) are assessed in relation with drawdown and withdrawal of groundwater resources (as independent variable) in years of 2001-2011 in Khanmirza Plain (Chaharmahal va bakhtiari province). In order to study the models efficiency, the Standardized residual variation's coefficient, Spatial Local dependencies, Morn’s Index, Corrected Akaike Information Criterion and Local coefficient of determinationwere used. Result indicate that based on Standardized residual coefficient of variation, GWR model has better ability to adopt data on variables respect to OLS. The findings of the research showed that based on the standardized coefficient of variations, GWR model has the ability to adapt data than OLS. Also, based on the results of the explanation coefficient on the variables of the research, GWR model creates a favorable local fit between regression and sample points. Based on Morrow index, GWR pattern represents the least similarity of the amount and location in the adjacent positions of the data samples and prows the performance of GWR model in providing spatial outputs relative to the OLS pattern