برآورد دمای خاک با استفاده از مدل‌های‌ ترکیبی بر پایه تبدیل موجک گسسته

Abstract

دمای خاک از جمله مهم­ترین متغیرها در هواشناسی کشاورزی است و تاثیرات متعددی بر فرآیندهای فیزیکی، شیمیایی و بیولوژیکی خاک دارد. در این پژوهش، دمای روزانه خاک در عمق‌های 5، 10، 20 و 30 سانتی‌متری با استفاده از روش‌های شبکه عصبی مصنوعی، سیستم استنتاج عصبی- فازی تطبیقی، رگرسیون خطی چندگانه و نیز مدل‌های ترکیبی روش‌های فوق با تبدیل موجک گسسته برآورد شده است. برای ساخت مدل‌ها از داده‌های دمای کمینه و بیشینه هوا و دمای روزانه خاک در عمق‌های 5 تا 30 سانتی‌متری در ایستگاه­های سینوپتیک قوچان و گناباد در بازه زمانی 2010 تا 2013 و برای آزمون عملکرد مدل‌ها از داده‌های سال‌های 2004 (سال مرطوب) و 2008 (سال خشک) استفاده شده است. نتایج این پژوهش نشان داد که مدل‌های ترکیبی بر پایه تبدیل موجک گسسته توانسته‌اند دقت بهتری را در مدل‌سازی دمای روزانه خاک نسبت به مدل‌های غیرترکیبی ارایه نمایند. همچنین در اغلب موارد، مدل رگرسیون خطی چندگانه دارای ضعیف‌ترین عملکرد است.