fa تحلیل همبستگی کانونی بخار آب قابل بارش و پارامترهای هواشناسی (مطالعه موردی ایالت کالیفرنیا، تابستان 2021) ژئودزی (عمومی) Geodesy پژوهشي Research <p><span style="font-size:10pt">در حوزه علوم زمین، درک و مدل‌سازی شبکه پیچیده وابستگی‌ها بین متغیرهای مختلف، از جمله توزیع‌های آماری و روابط بین مقادیر ژئوفیزیکی، برای مجموعه گسترده‌ای از کاربردها ضروری است. ارزیابی هم‌زمان تأثیر ترکیبی از چندین متغیر مستقل بر چندین متغیر وابسته هدف مورد توجه در اغلب تحقیقات است. تحلیل همبستگی کانونی به‌عنوان یک ابزار ارزشمند امکان سنجش تأثیر هم‌زمان چندین متغیر مستقل بر چندین متغیر وابسته را فراهم کرده است و تحلیل دقیق‌تر و معتبرتری ارائه می‌دهد. بخار آب قابل بارش <span style="font-size:8.0pt">(</span><span dir="LTR" style="font-size:8.0pt">PWV</span><span style="font-size:8.0pt">)</span> از جمله پارامترهای اساسی در حوزه تغییرات اقلیمی و پیش‌بینی هواشناسی است. این پارامتر تغییرات مکانی و زمانی قابل توجهی داشته و امروزه با استفاده از مشاهدات سیستم تعیین موقعیت جهانی <span style="font-size:8.0pt">(</span><span dir="LTR" style="font-size:8.0pt">GPS</span><span style="font-size:8.0pt">)</span> قابل ‌برآورد است. در این مطالعه از تکنیک آماری تحلیل همبستگی کانونی برای بررسی رابطه پیچیده بین <span dir="LTR" style="font-size:8.0pt">PWV</span> به‌دست‌آمده از مشاهدات <span dir="LTR" style="font-size:8.0pt">GPS</span> و پنج پارامتر هواشناسی (دما، رطوبت نسبی، دمای نقطه شبنم، دمای سطح خاک و سرعت باد) استخراج شده از مدل <span style="font-size:8.0pt">5-</span><span dir="LTR" style="font-size:8.0pt">ERA</span> استفاده گردید.&nbsp; منطقه مورد مطالعه در امریکای شمالی واقع شده و شامل ۲۵ ایستگاه <span dir="LTR" style="font-size:8.0pt">GPS</span> پراکنده می‌باشد. مقادیر <span dir="LTR" style="font-size:8.0pt">PWV</span> را برای یک هفته‌ تابستانی با استفاده از داده‌های <span dir="LTR" style="font-size:8.0pt">GPS</span> برآورد گردید. یافته‌های تحقیق نشان می‌دهند که ضریب همبستگی کانونی بین <span dir="LTR" style="font-size:8.0pt">PWV</span> و پارامترهای هواشناسی به‌دست‌آمده از مدل <a name="_Hlk144481235"><span style="font-size:8.0pt">5-</span></a><span dir="LTR" style="font-size:8.0pt">ERA</span>، برابر 88 درصد می‌باشد که نشان‌دهنده همبستگی قوی و مثبت این دو گروه متغیر با یکدیگر بوده و تغییرات در یکی از آن‌ها موجب تغییرات در دیگری می‌شود.</span></p> <p><span style="font-size:10pt"><span style="text-justify:kashida"><span style="text-kashida:0%"><span style="line-height:140%"><span style="page-break-after:avoid"><span style="unicode-bidi:embed"><span style="font-family:&quot;Times New Roman&quot;,serif"><span lang="ES" style="line-height:140%"><span style="color:black">In the field of Earth sciences, understanding and modeling the complex network of dependencies among various variables, including these statistical distributions and relationships of the geophysical values, is crucial for a wide variety of applications. Assessing the combined effect of multiple independent variables on several dependent variables is often the focus of many studies. Canonical correlation analysis (CCA) is a valuable tool that enables the simultaneous measurement of the impact of multiple independent variables on multiple dependent variables, providing a more precise and reliable analysis. Precipitable Water Vapor (PWV) is a fundamental parameter in the field of climate change and weather forecasting. This parameter exhibits significant spatial and temporal variations and can be estimated using Global Positioning System (GPS) observations. In this study, canonical correlation analysis was used to examine the relationship between PWV obtained from GPS observations and five meteorological parameters (temperature, relative, dew point temperature, soil surface temperature and wind speed) derived from the ERA-5 model. The study area, located in North America, includes 25 GPS stations. PWV values were estimated using GPS data for a week in summer. The findings show an 88% canonical correlation coefficient between PWV and the meteorological parameters derived from the ERA-5 model, indicating a strong positive correlation where changes in one group of variables lead to changes in the other one.</span></span></span></span></span></span></span></span></span><br> &nbsp;</p> تحلیل همبستگی کانونی, بخار آب قایل بارش, سیستم تعیین موقعیت جهانی, پارامترهای هواشناسی Canonical Correlation Analysis, Precipitable Water Vapor, Global Positioning System, Meteorological Parameters 1 17 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-93-9&slc_lang=fa&sid=1 Fateme Khorramdell فاطمه خرم‌دل nactarankhorramdell@gmail.com 100319475328460010670 100319475328460010670 No K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی Yazdan Amerian یزدان عامریان amerian@kntu.ac.ir 100319475328460010671 100319475328460010671 Yes K. N. Toosi University of Technology دانشگاه صنعتی خواجه‌نصیرالدین‌طوسی