برآورد دمای اعماق خاک با استفاده از دمای عمق 5 سانتی متری توسط مدل های رگرسیونی و شبکه عصبی RBF و مقایسه دو مدل (مطالعه موردی: ایستگاه سینوپتیک همدلان)

یکی از متغیرهای مهم در هواشناسی بویژه هواشناسی کشاورزی، دمای عمق های مختلف خاک می باشد. رژیم دمایی خاک تاثیر مستقیم بر رشد گیاهان و گوناگونی آنها دارد. بنابراین اندازه گیری پیوسته و حتی تخمین این دماها اهمیت بالایی در بررسی های زیتس اقلیمی و کشاورزی دارد. هدف از این مطالعه بررسی دمای اعماق خاک اعماق 5، 10، 20، 30، 50 و 100 سانتی متری و رابطه بین آنها با استفاده از روابط رگرسیون خطی است. برای این منظور میانگین داده های روازنه یک دوره 21 ساله 2018-1998 دمای عمق های مختلف خاک ایستگاه هواشناسی سینوپتیک همدلان با بافت خاک شنی رسی مورد استفاده قرار گرفت. رابطه دمای بین عمق های 10، 20، 30، 50، 100 سانتی متری، با عمق 5 سانتی متری به وسیله رگرسیون خطی تک متغیره و همچنین شبکه عصبی شعاعی پایه RBF مورد مدل سازی و ارزیابی قرارگرفت. در این میان 75 درصد ابتدایی داده ها برای واسنجی و 25 درصد انتهایی آنها حدود 5 سال برای اعتبارسنجی انتخاب شدند. مدل ها توسط معیارها RMSE و R2 ارزیابی شدند. نتایج نشان داد که در برآورد دمای اعماق خاک، مدل هوش مصنوعی RBF تا حدودی دقیق تر از مدل رگرسیون خطی می باشد بنابراین در صورت خرابی یا عدم وجود سنسور یا دماسنج در یک دوره خاص برای برخی از این اعماق خاک در ایستگاه همدلان، می توان میانگین داده های مجهول را با استفاده از این مدل به دست آورد.

کلیدواژه ها:

رگرسیون خطی ، رژیم دمایی خاک ، همبستگی ، شبکه عصبی RBF ، همدلان