مقايسه عملكرد روش رگرسيون وزن‌دار جغرافيايي و روش حداقل مربعات براي مدل‌سازي روابط فضايي دماي سطح درياي عمان

در مباحث دريايي، مطالعه‌ي دماي سطح دريا (SST) و بررسي روابط مكاني آن با ساير متغيرهاي اقيانوسي از اهميت ويژه‌اي برخودار است، به‌گونه‌اي كه شناخت دقيق و مناسب روابط SST با ساير متغيرها، امكان بررسي و مطالعه بسياري از فرآيندهاي اقيانوسي و جوّي را فراهم مي‌سازد. لذا، در اين پژوهش مدل‌سازي روابط فضايي SST با متغيرهاي سرعت باد سطحي (SWS)، غلظت كلروفيل a، طول و عرض جغرافيايي در درياي عمان توسط روش حداقل مربعات معمولي (OLS) و روش رگرسيون وزن‌دار جغرافيايي (GWR) موجود در نرم افزار ArcGIS، بين سال‌هاي 2003 تا 2016 صورت پذيرفت و خروجي‌هاي حاصل از اين دو روش با يكديگر مقايسه شد. نتايج حاصل از روش OLS نشان داد كه متغير سرعت باد سطحي بيشترين اثرگذاري را در برآورد مقادير SST در درياي عمان دارا بوده است و ساير متغيرها رابطه‌اي منفي و تأثيرگذاري پاييني را در برآورد SST به نمايش گذاشته‌اند. اما در مدل GWR مشخص شد كه متغير طول جغرافيايي بيشترين تأثيرگذاري و رابطه مثبت را در برآورد مقادير SST داشته است. در اين مدل نيز متغير SWS رابطه‌اي مثبت با SST داشته است اما تأثيرگذاري آن نسبت به مدل OLS كمتر بوده است. ساير متغيرها نيز رابطه‌اي منفي با SST داشته‌اند. در ادامه، با استفاده از ضريب تبيين محلي (R2) مشخص شد كه مدل GWR براي برآورد مقادير SST در درياي عمان از دقت بالاتري نسبت به مدل OLS برخوردار بوده است؛ به‌گونه‌اي كه مدل GWR توانسته است 85 درصد تغييرات مكاني SST در درياي عمان را توجيه كند ولي مدل OLS فقط 55 درصد تغييرات مكاني اين متغير را توجيه كرده است. دقت بالاتر مدل GWR در برآورد مقادير SST نيز در بخش‌هاي شرقي و غربي درياي عمان ديده شد و اين مدل در بخش مركزي اين دريا از دقت پايين‌تري برخوردار بود.

In Marine discussions, the study of sea surface temperature (SST) and study of its spatial relationships with other ocean parameters are of particular importance, in such a way that the accurate recognition of the SST relationships with other parameters allows the study of many ocean and atmospheric processes. Therefore, in this study, spatial relations modeling of SST with Surface Wind Speed (SWS), Chlorophyll a Concentration, latitude and longitude in Oman Sea between 2003 to 2016 was performed by Ordinary Least Squares (OLS) and Geographically Weighted Regression (GWR) method available in ArcGIS software and the outputs of the two methods were compared. The results of the OLS method showed that the Surface Wind Speed variable had the most effect on estimating SST values in the Oman Sea, and other variables had shown a low effect on the SST estimation. But in the GWR model, it was found that the longitude variable had the most effect in the estimation of SST values and had a positive relation with SST. In this model, the SWS variable has a positive relationship with SST, but its impact is less in compared with OLS model. Other variables also have a negative relationship with SST. Subsequently, using the local explanation coefficient (R2), it was determined that the GWR model had a higher accuracy than the OLS model for estimating SST values in the Oman Sea, so that the GWR model justify 85% of SST spatial changes in the Oman Sea, but the OLS model justifies only 55% of spatial variations of this parameter. The higher accuracy of the GWR model in the estimation of SST values was found in the eastern and western parts of the Oman Sea and this model was less accurate in the central part of the sea.