پیش بینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مولفه های اصلی

با توجه به آن که نوسانات دمای سطح آب خلیج فارس (PGSST) (Persian Gulf Sea Surface Temperature) تاثیر قابل ملاحظه ای بر بارش زمستانه، منابع آب و تولیدات کشاورزی نواحی جنوب غربی کشور دارد، امکان پیش بینی دمای زمستانه دمای سطح آب این گستره آبی با استفاده از مدل رگرسیون چندگانه مورد ارزیابی قرار گرفت. سری های زمانی PGSST برای کلیه فصول در دوره ۱۹۹۲-۱۹۴۷ به عنوان پیشگوکننده و سری زمانی این متغیر برای دوره ۱۹۹۳-۱۹۴۸ به عنوان پیشگو شونده در نظر گرفته شدند. تحلیل مولفه های اصلی (PCA) (Principal Component Analysis) به منظور استخراج مولفه های اصلی و کاهش حجم داده ها به کار برده شد. چهار سری زمانی جدید (PC۱، PC۲ ، PC۳ و PC۴) که ۵/۷۳% از واریانس کل را شرح دادند به عنوان مولفه های اصلی انتخاب شده و بقیه به عنوان اختلال در نظر گرفته شد. دوران واریماکس به منظور یافتن وابستگی هر مولفه اصلی با سری های زمانی اولیه PGSST استفاده شد. این دوران نشان داد که PC۱، PC۲ ، PC۳ و PC۴ به ترتیب معرف تغییرات دما در فصل زمستان، پاییز، بهار و تابستان می باشند. در مدل رگرسیونی، مولفه های اول، دوم و چهارم در سطح ۵% معنی دار شدند و مولفه سوم معنی دار نگردید. نتایج نشان داد که متغیرهای معنی دار، ۵/۳۳% از واریانس PGSST زمستانه را شرح می دهند. روشن شد که جهت پیش بینی دمای زمستانه سطح آب خلیج فارس، دمای سطح آب این گستره آبی در زمستان سال قبل از اهمیت ویژه ای برخوردار است. در مرحله بعدی دمای پاییزه و تابستانه برای پیش بینی دمای زمستانه نقش دارند.

کلیدواژه ها:

Persian Gulf Sea Surface Temperature ، Multiple regression ، Principal component analysis ، دمای سطح آب خلیج فارس ، رگرسیون چندگانه ، تحلیل مولفه های اصلی