مقایسه روش رگرسیون چند متغیره و شبکه‌ی عصبی مصنوعی در مدل‌سازی دمای خاک با استفاده از عناصر هواشناسی (مطالعه موردی: ایستگاه سینوپتیک بندرعباس)

نویسندگان

1 فارغ التحصیل کارشناسی ارشد رشته هواشناسی، دانشگاه هرمزگان

2 دانشیار، گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان

چکیده

دمای خاک به عنوان یک عنصر مهم و تأثیر‌گذار در رشد گیاهان مطرح است، که در ایستگاه‌­های هواشناسی به صورت منظم و پیوسته اندازه‌گیری نمی‌شود، ازاین روی داده‌های دمای خاک با کمبود آماری مواجه است. دمای خاک در اعماق مختلف متفاوت و متاثر از دمای محیط بیرون و دیگر عوامل است. در این تحقیق سعی شده است تا دمای اعماق مختلف خاک رسی- شنی (5،10،20،30،50 و100 سانتی‌متری) را به کمک پارامترهای روزانه‌ی هواشناسی موجود در ایستگاه هواشناسی بندرعباس به روش رگرسیون چند متغیره و شبکه‌ی عصبی مصنوعی برای دوره آماری سال­‌های 1372 تا 1396 مدل سازی شود. پس از محاسبه‌ی ضریب همبستگی بین دمای اعماق خاک با پارامترهای هواشناسی مشخص گردید، دمای خشک، مقدار تبخیر و دمای نقطه‌ی شبنم بیش­ترین همبستگی را با دمای خاک در اعماق مختلف دارد. میزان قدر مطلق خطای محاسبه شده در روش رگرسیون بین 09/1 درجه (برای عمق 10 سانتی­‌متری) و 88/1 درجه (برای عمق 100 سانتی‌متری) و در روش شبکه‌ی عصبی بین 17/1 و 85/1 درجه می‌باشد. بنابراین با توجه به ساده بودن رگرسیون چندمتغیره و عدم تفاوت زیاد با نتایج شبکه عصبی مصنوعی، از مدل فوق در مناطق مشابه برای پیش‌بینی دمای خاک می‌توان بهره برد.

کلیدواژه‌ها