دانشگاه تهران محیط شناسی 1025-8620 51 4 2026 03 16 Spatial Analysis of the Effects of Green Infrastructure on Surface Urban Heat Island Intensity at the Neighborhood Scale in Tehran During the Period 2015-2025 تحلیل فضایی اثرات زیرساخت‌های سبز بر شدت جزایر گرمایی سطحی در مقیاس محله‌ای تهران طی دوره ۲۰۱۵–۲۰۲۵ 511 534 106250 10.22059/jes.2026.408985.1008667 FA ناهید نعمتی کوتنائی گروه جغرافیا، دانشکده علوم انسانی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران. راما قلمبردزفولی گروه شهرسازی، دانشکده معماری و شهرسازی، دانشگاه آزاد اسلامی واحد علوم و فناوری پردیس، پردیس، ایران. Journal Article 2026 01 02 <strong>Objective</strong>: This study aimed to spatially investigate the intensity of the surface urban heat island in 352 neighborhoods of the Tehran metropolis during the summers of 2015-2025. The emphasis was on the role of vegetation cover, percentage of tree cover, impervious surfaces, surface albedo, and topographic features (elevation, slope) in order to identify spatial heterogeneity patterns, calculate local cooling potential, and provide a prioritization framework for urban green infrastructure interventions.<br /><strong>Method</strong>: Satellite remote sensing data from Landsat 8/9 (OLI/TIRS thermal bands) and Sentinel‑2 (MSI Level‑2A) on the Google Earth Engine platform were used to derive land surface temperature, the normalized difference vegetation index, tree cover percentage (WorldCover 2021), impervious surfaces, surface albedo, mean elevation (SRTM), and slope. Surface urban heat island intensity was calculated as the difference between the mean neighborhood land surface temperature and the median temperature of the entire city. Exploratory analyses included descriptive statistics, global and local Moran’s I (spatial autocorrelation), hot spot analysis (Getis‑Ord Gi* statistic), Pearson correlation, and simple regression. modeling comprised ordinary least squares regression, Lagrange Multiplier tests (for selecting spatial error/lag/Durbin models), multiscale geographically weighted regression, and calculation of a cooling potential index (combining the absolute values of significant local coefficients) implemented in ArcGIS Pro and Python.<br /><strong>Results</strong>: According to the results, the mean land surface temperature was 44.21 ± 2.56, and the surface urban heat island intensity was 2.56 ± 0.10 degrees Celsius. Strong spatial autocorrelation was detected (global Moran’s I for heat island intensity = 0.7245, p < 0.001), and hot clusters of impervious surfaces were observed in the southern and central parts of the city. Strong correlations were found for elevation (r = −0.45), impervious surfaces (r = 0.38), and vegetation cover (r = −0.28). Multiscale geographically weighted regression (adjusted R² = 0.9224, adjusted Akaike information criterion = 2127.36) showed that vegetation cover (coefficient = −1.52), tree cover (coefficient = −0.11), and albedo (coefficient = −6.71) exerted significant cooling effects (p < 0.001 in 50–94% of neighborhoods), whereas impervious surfaces had a warming effect (in 100% of neighborhoods) with pronounced heterogeneity (local R² = 0.62–0.88). The mean cooling potential index was 3.97 (range: 2.28–6.38).<br /><strong>Conclusions</strong>: The results indicate that tree and vegetation cover in a substantial proportion of Tehran’s neighborhoods have high cooling potential and play a key role in moderating the surface urban heat island. The multiscale geographically weighted regression (MGWR) model, which clearly outperforms global models (ordinary least squares regression with R² = 0.62 and the spatial error model with R² = 0.75), accurately reveals the spatial heterogeneity and location dependence of the relationships between variables. From a policy perspective, the findings underscore the need to prioritize green interventions in southern neighborhoods and parts of the city center characterized by high imperviousness and low cooling potential, a strategy that can promote thermal justice and enhance urban climate resilience. <strong>هدف</strong><strong>:</strong> این پژوهش با هدف بررسی فضایی شدت جزیره گرمایی سطحی در ۳۵۲ محله کلان‌شهر تهران طی تابستان‌های ۲۰۱۵- ۲۰۲۵ صورت گرفته است. در این راستا، تأکید بر نقش پوشش گیاهی، درصد پوشش درختی، سطوح نفوذناپذیر، آلبدو سطحی و ویژگی‌های توپوگرافی (ارتفاع، شیب) به‌منظور شناسایی الگوهای ناهمگنی مکانی، محاسبه پتانسیل خنک‌کنندگی محلی و ارائه چارچوب اولویت‌بندی مداخلات زیرساخت سبز شهری بوده است.<br /><strong>روش پژوهش</strong><strong>:</strong> داده‌های سنجش‌ازدور ماهواره‌های لندست ۸/۹ (باندهای حرارتی OLI/TIRS) و سنتینل-۲ (MSI Level-2A) از پلتفرم Google Earth Engine برای استخراج دمای سطح زمین، شاخص نرمال ‌شده پوشش گیاهی، درصد پوشش درختی (WorldCover 2021)، سطوح نفوذناپذیر، آلبدو سطحی، ارتفاع میانگین (SRTM) و شیب استخراج گردید. شدت جزیره گرمایی سطحی بر اساس تفاضل میانگین دمای سطح محله با میانه دمای کل شهر محاسبه شد. تحلیل‌های اکتشافی شامل آمار توصیفی، آزمون موران جهانی/ محلی (خودهمبستگی فضایی)، تحلیل لکه‌های داغ (آماره گتیس- ارد جی)، همبستگی پیرسون و رگرسیون ساده انجام شد. مدل‌سازی شامل رگرسیون حداقل مربعات معمولی، آزمون‌های لاگرانژ (انتخاب مدل خطای/ تأخیر/ دوربین فضایی)، رگرسیون وزنی جغرافیایی چندمقیاسی و محاسبه شاخص پتانسیل خنک‌کنندگی (ترکیب قدرمطلق ضرایب محلی معنادار) در نرم افزارهای ArcGIS Pro و Python اجرا شد.<br /><strong>یافته‌ها</strong>: براساس نتایج، میانگین دمای سطح 21/44 ±56/2 و شدت جزیره گرمایی سطحی 10/0±56/2 درجه سلسیوس محاسبه شد. خودهمبستگی فضایی قوی (شاخص موران جهانی شدت جزیره گرمایی= 0/7245، سطح معناداری کمتر از 0/001) و خوشه‌بندی داغ سطوح نفوذناپذیر در جنوب و مرکز شهر مشاهده گردید. همبستگی‌های قوی شامل ارتفاع (همبستگی= 0/45-)، سطوح نفوذناپذیر (همبستگی= 0/38-) و پوشش گیاهی (همبستگی= 0/28-) بود. رگرسیون وزنی جغرافیایی چندمقیاسی (ضریب تعیین تعدیل ‌شده= 0/9224، معیار اطلاعات آکائیکه تعدیل ‌شده= 2127/36) نشان داد پوشش گیاهی (ضریب= 52/1-)، پوشش درختی (ضریب= 0/11-)، آلبدو (ضریب= 71/6-) اثرات خنک‌کننده معنادار (سطح معناداری کمتر از 0/001، ۵۰ تا ۹۴ درصد محلات) و سطوح نفوذناپذیر اثر گرم‌کننده (۱۰۰ درصد محلات) با ناهمگنی شدید (ضریب تعیین محلی: 0/62-0/88) دارند. شاخص پتانسیل خنک‌کنندگی میانگین 3/97 (با دامنه 2/28-6/38) محاسبه شد.<br /><strong>نتیجه‌گیری:</strong> نتایج نشان می‌دهد که پوشش درختی و گیاهی در تعداد قابل‌توجهی از محلات تهران، پتانسیل خنک‌کنندگی بالایی داشته و نقشی کلیدی در تعدیل جزیره گرمایی سطحی ایفا می‌کند. مدل رگرسیون وزنی جغرافیایی چندمقیاسی (MGWR) با عملکردی به‌مراتب برتر نسبت به مدل‌های جهانی (رگرسیون حداقل مربعات معمولی با ضریب تعیین 0/62 و مدل خطای فضایی با ضریب تعیین 0/75)، ناهمگنی و مکان‌ وابستگی روابط بین متغیرها را به‌طور دقیق آشکار می‌سازد. از منظر سیاستی، یافته‌ها بر ضرورت اولویت‌دهی به مداخلات سبز در محلات جنوبی و بخش‌هایی از مرکز شهر با سطوح بالای نفوذناپذیری و پتانسیل خنک‌کنندگی پایین تأکید دارد؛ رویکردی که می‌تواند به تحقق عدالت حرارتی و تقویت تاب‌آوری اقلیمی شهری منجر شود. https://jes.ut.ac.ir/article_106250_426b8e0e6321dbd130277e99e7ef7f64.pdf