مدل‌سازی دمای اعماق خاک به کمک پارامترهای هواشناسی

یکی از ویژگی‌های عمده خاک درجه حرارت آن می‌باشد به‌طوری‌که رشد و نمو گیاه و تکوین فرآیندهای خاک‌سازی در گرو تغییرات آن می‌باشند. در این راستا دمای سطح و ژرفای خاک به‌صورت پیوسته اندازه‌گیری نمی‌شوند، بنابراین از نظر داده‌های دمای خاک با کمبود آماری رو به رو هستیم، این در حالی است که پارامترهای هواشناسی به‌طور مرتب اندازه‌گیری می‌شوند. با توجه به این‌که رابطه‌های ارایه شده در پژوهش‌های قبلی از دقت چندان مناسبی برخوردار نمی‌باشند، در این مقاله سعی بر آن است که رابطه‌ای با دقت مناسب و براساس مقایسه روش‌های رگرسیونی و شبکه عصبی با استفاده از داده‌های روزانه هواشناسی سه ایستگاه مشهد، سبزوار و شیراز معرفی گردد. بررسی ضرایب همبستگی مشخص نمود که دمای هوا، تبخیر و تعرق و تبخیر به‌ترتیب بیش‌ترین ضریب همبستگی را با دمای خاک در عمق 5 سانتی‌متر دارند. با توجه به ضرایب همبستگی و نتایج دو مدل بهترین پارامترهای ورودی به‌ترتیب دمای هوا، تبخیر و تعرق، رطوبت و باران موثر با تاخیر زمانی یک روز در نظر گرفته شد. رگرسیون درجه دوم تک‌متغیره دارای کم‌ترین دقت بود و در مقابل بالاترین دقت در شبکه عصبی مشاهده گردید. ضمن این‌که رگرسیون چندمتغیره نیز از دقت مناسبی برخوردار بود. در محاسبه عمق یخ‌بندان مشاهده شد که رابطه فنلاندی از دقت قابل‌قبولی برخوردار است، ضمن این‌که با در نظر گرفتن یک پارامتر اضافی مربوط به عمق باران در روزهای یخ‌بندان به نمای معادله فنلاندی، معادله بالا بهبود یافت. حداکثر خطای برآورد دمای خاک از رابطه پیشنهادی 15 درصد در ایستگاه شیراز بوده و میزان خطا در مشهد و سبزوار به‌ترتیب 6/0 و 2 درصد مشاهده شد.