فهرست نشریات علمی دسترسی آزاد ایران

دمای خاک به­عنوان یکی از پارامترهای مهم زیست­محیطی، تنها در ایستگاه­های هواشناسی سینوپتیک و فقط سه نوبت در روز اندازه­گیری می­شود در حالی که دیگر پارامترهای هواشناسی مانند دمای هوا و رطوبت نسبی در بیش­تر ایستگاه­های هواشناسی به­جز ایستگاه­های باران­سنجی ثبت می­شوند. در این پژوهش انجام شده سه روش رگرسیون چندمتغیره خطی، شبکه عصبی مصنوعی و نزدیک­ترین k- همسایگی برای تخمین دمای اعماق مختلف خاک براساس دمای هوا و رطوبت نسبی و داده­های روزانه ایستگاه هواشناسی سینوپتیک گرگان طی دوره 10 ساله آماری 1996-2005 مورد ارزیابی قرار گرفتند. نتایج نشان دادکه با افزایش عمق، میزان تأثیر پارامترهای هواشناسی و دقت پیش­بینی دمای خاک کاهش می­یابد. بالا بودن دقت مدل­ها در لایه­های سطحی خاک به­واسطه تأثیرپذیری بیش­تر دمای خاک از عوامل جوی و تأخیر زمانی کم­تر جهت انتقال حرارت از سطح به این لایه­ها می­باشد. مقایسه مقادیر مشاهده شده و مقادیر پیش­بینی شده از خروجی مدل­های مختلف نشان می­دهد که بهترین عملکرد از اجرای الگوریتم نزدیک­ترین k- همسایگی به­دست می­آید که نسبت به سایر مدل­ها ضریب همبستگی بالاتر و میزان خطای کم­تری دارد. پس از آن مدل­های شبکه عصبی و رگرسیون به­ترتیب رتبه­های دوم و سوم را خواهند داشت