افزایش دقت پیش‎بینی سری‎های زمانی دمای خاک در اعماق مختلف با استفاده از آنالیز طیفی و مدل‎های باکس-جنکینز

دمای خاک، یک پارامتر دینامیکی مهم است که پیش بینی آن نقش مهمی را در فرآیندهای هیدرولوژیکی در سطح خاک ایفا می‎کند. در این مطالعه، با هدف بهبود پیش بینی رفتار حرارتی لایه‎های خاک در اعماق مختلف، از ترکیب تحلیل طیفی و مدل های سری زمانی باکس-جنکینز استفاده شده است. دو سناریوی اصلی برای مدل سازی در نظر گرفته شد: سناریوی اول با تکیه بر داده های دمای خاک، و سناریوی دوم با در نظر گرفتن متغیرهای هواشناسی به عنوان ورودی های کمکی. عملکرد مدل ها با معیارهای MAE، RMSE، R۲ و AIC ارزیابی گردید. پس از انجام آزمون‎های مختلف مولفه‎های قطعی در سری زمانی شناسایی و با کمک پارامترهای آماری مختلف شدت این مولفه‎ها مورد ارزیابی قرار گرفت. تحلیل پارامترهای آماری نشان داد که فصلی بودن نقش مهمتری نسبت به روند در سری‎های زمانی دمای خاک دارد. مدل های توسعه یافته نشان دادند که ترکیب تحلیل طیفی با ساختارهای ARMA  و ARIMA به طور موثری دقت پیش بینی دمای خاک را افزایش می دهد. در عمق ۱۰۰ سانتی متری، این روش با ضریب تعیین ۹۷۵/۰، خطای پایین (MAE=۰.۸۳) و (RMSE=۱.۰۶) و پیچیدگی کمتر (AIC= -۲۲۱.۳۸)  نسبت به مدل های چندمتغیره، عملکرد بهتری را ارائه کرد. همچنین، گرچه در برخی سناریوها افزودن متغیرهای هواشناسی مانند تبخیر و تعرق، سرعت باد و تابش خورشیدی موجب بهبود در نتایج شد، اما مدل های تک متغیره مبتنی بر داده های دمای خاک عملکرد پایدارتری ارائه دادند. در نهایت، این مطالعه نشان داد که ترکیب روش های طیفی با مدل های سری زمانی، روشی موثر و قابل اعتماد برای پیش بینی دمای خاک در اعماق مختلف است.

کلیدواژه ها:

تحلیل طیفی ، رفتار حرارتی لایه‎های خاک ، تحلیل‎های آماری ، مدلسازی