تخمین دمای خاک با استفاده از روش های نوین داده کاوی

دمای خاک به عنوان یکی از پارامترهای مهم زیست محیطی، تنها در ایستگاه های هواشناسی سینوپتیک و فقط سه نوبت در روز اندازه گیری می شود در حالی که دیگر پارامترهای هواشناسی مانند دمای هوا و رطوبت نسبی در بیش تر ایستگاه های هواشناسی به جز ایستگاه های باران سنجی ثبت می شوند. در این پژوهش انجام شده سه روش رگرسیون چندمتغیره خطی، شبکه عصبی مصنوعی و نزدیک ترین k- همسایگی برای تخمین دمای اعماق مختلف خاک براساس دمای هوا و رطوبت نسبی و داده های روزانه ایستگاه هواشناسی سینوپتیک گرگان طی دوره 10 ساله آماری 1996-2005 مورد ارزیابی قرار گرفتند. نتایج نشان دادکه با افزایش عمق، میزان تاثیر پارامترهای هواشناسی و دقت پیش بینی دمای خاک کاهش می یابد. بالا بودن دقت مدل ها در لایه های سطحی خاک به واسطه تاثیرپذیری بیش تر دمای خاک از عوامل جوی و تاخیر زمانی کم تر جهت انتقال حرارت از سطح به این لایه ها می باشد. مقایسه مقادیر مشاهده شده و مقادیر پیش بینی شده از خروجی مدل های مختلف نشان می دهد که بهترین عملکرد از اجرای الگوریتم نزدیک ترین k- همسایگی به دست می آید که نسبت به سایر مدل ها ضریب همبستگی بالاتر و میزان خطای کم تری دارد. پس از آن مدل های شبکه عصبی و رگرسیون به ترتیب رتبه های دوم و سوم را خواهند داشت