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

با توجه به آن که نوسانات دمای سطح آب خلیج فارس (pgsst) (persian gulf sea surface temperature) تأثیر 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 1992-1947 به عنوان پیشگوکننده و سری زمانی این متغیر برای دوره 1993-1948 به عنوان پیشگو شونده در نظر گرفته شدند. تحلیل مؤلفه های اصلی (pca) (principal component analysis) به منظور استخراج مؤلفه های اصلی و کاهش حجم داده ها به کار برده شد. چهار سری زمانی جدید (pc1، pc2 ، pc3 و pc4) که 5/73% از واریانس کل را شرح دادند به عنوان مؤلفه های اصلی انتخاب شده و بقیه به عنوان اختلال در نظر گرفته شد. دوران واریماکس به منظور یافتن وابستگی هر مؤلفه اصلی با سری های زمانی اولیه pgsst استفاده شد. این دوران نشان داد که pc1، pc2 ، pc3 و pc4 به ترتیب معرف تغییرات دما در فصل زمستان، پاییز، بهار و تابستان می باشند. در مدل رگرسیونی، مؤلفه های اول، دوم و چهارم در سطح 5% معنی دار شدند و مؤلفه سوم معنی دار نگردید. نتایج نشان داد که متغیرهای معنی دار، 5/33% 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.