پیشبینی دمای خاک در شرایط جوی مختلف (مطالعه موردی: اصفهان)

دمای خاک، پارامتری مهم در مطالعات هیدرولوژی، هواشناسی کشاورزی و اقلیم شناسی است، که اندازهگیری و پیشبینی آن ضروری است. این پارامتر فقط در ایستگاههای سینوپتیک اندازه گیری می شود، لذا کمبود آن در مناطقی که فاقد ایستگاه میباشد، از چالشهای مهم در بسیاری از علوم مرتبط با کشاورزی می باشد. در این تحقیق برای پیشبینی دمای خاک در شش عمق 5، 10، 20، 30، 50 و 100 سانتیمتری، و طی شرایط جوی متفاوت هوای صاف، ابری و بارانی، از دادههای یک دوره 13 ساله ( 2005-1993 ) استفاده شد. منطقه مورد مطالعه در این تحقیق، ایستگاه سینوپتیک شهر اصفهان است که طبق طبقه بندی دومارتن منطقهای نیمهخشک است. متغیرهای مورد بررسی شامل دمای هوا، بارندگی،رطوبت نسبی، سرعت باد، ساعت آفتابی، تبخیر، درصد ابرناکی و فشار بخار آب هستند که برای پیشبینی دمای خاک مورد ارزیابی قرار گرفتند. روابط تجربی با استفاده از روش رگرسیون چند متغیره خطی بین دمای خاک (متغیر وابسته) و متغیرهای روزانه هواشناسی (متغیر های مستقل) استخراج شدند. در ادامه نیز این پیشبینیها با استفاده از روش شبکه عصبی مصنوعی نیز انجام شد. به همین منظور شبکهای پیشخور با یک لایه مخفی در نظر گرفته شد. برای آموزش شبکه از روش یادگیری لونبرگ و مارکوارت استفاده شد. تعداد نرونهای لایه مخفی را نیز از 3 تا 7 تغییر دادیم. نتایج به دست آمده نشان داد که ضریب تعیین ((R(2) بین دمای خاک واقعی و برآورد شده از هر دو روش رگرسیونی و شبکه عصبیمصنوعی، با افزایش عمق کاهش مییابد. مقایسه ضرایب تعیین و مقدار خطاها از یک طرف، و سهولت استفاده از روش شبکه عصبی مصنوعی از طرف دیگر باعث میشود که استفاده از این روش قابل توصیه گردد.

کلیدواژه ها:

دمای خاک ، متغیرهای هواشناسی ، همبستگی خطی چند متغیره ، شبکه عصبی مصنوعی