فهرست نشریات علمی دسترسی آزاد ایران

این مطالعه به بررسی روش‌های درون‌یابی مقدار بخار آب قابل‌بارش PWV (Precipitable Water Vapor) با استفاده از داده‌های ایستگاه‌های GPS (Global Positioning System) پراکنده در منطقه لس‌آنجلس می‌پردازد. منطقه موردمطالعه به‌دلیل تنوع جغرافیایی و اقلیمی، شامل مناطق ساحلی، کوهستانی و دشت‌ها، و همچنین تغییرات فصلی، برای ارزیابی روش‌های مختلف انتخاب شده است. روش‌های مختلف درون‌یابی مورد بررسی، شامل عیارسنجی (Kriging)، ماشین بردار پشتیبان SVM (Support Vector Machine)، جنگل تصادفیRF  (Random Forest)، همسایگی طبیعی NN (Natural Neighbor) و شبکه عصبی مصنوعی ANN (Artificial Neural Network)، بودند. ابتدا تأخیر تروپسفری محاسبه و تأثیر پارامترهای هواشناسی مانند دمای سطح (Surface Temperature)، فشار سطح (Surface Pressure) و میانگین وزنی دما (Weighted Mean Temperature) بر PWV بررسی شد. نتایج نشان داد که مدل SVM به‌دلیل توانایی بالا در مدل‌سازی روابط غیرخطی، بهترین عملکرد را داشته و در مناطق کوهستانی دقت بیشتری ارائه داده است. همچنین، روش عیارسنجی نیز عملکرد مناسبی داشت، اما به‌دلیل فرض‌های ساده‌تر، ضعیف‌تر از SVM عمل کرد. جنگل تصادفی نیز به‌دلیل نیاز به داده‌های متراکم، نتایج مطلوبی ارائه نکرد. نتایج در تاریخ‌های 24 ژوئیه 2021 و 28 ژانویه 2022، با تحلیل‌های آماری تأیید شد. نقشه‌های توزیعPWV  جو نیز تهیه و تحلیل شدند که تغییرات زمانی و فضایی PWV را نشان دادند. این مطالعه به اهمیت انتخاب صحیح روش‌های درون‌یابی برای برآورد دقیقPWV  و کاربرد آنها در پیش‌بینی‌های جوی تأکید دارد.