تخمین دمای خاک با استفاده از روش‌های نوین داده‌کاوی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران

2 دانشیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران

3 استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران

4 استادیار گروه مهندسی آب، دانشگاه تهران، تهران، ایران

چکیده

دمای خاک به­عنوان یکی از پارامترهای مهم زیست­محیطی، تنها در ایستگاه­های هواشناسی سینوپتیک و فقط سه نوبت در روز اندازه­گیری می­شود در حالی که دیگر پارامترهای هواشناسی مانند دمای هوا و رطوبت نسبی در بیش­تر ایستگاه­های هواشناسی به­جز ایستگاه­های باران­سنجی ثبت می­شوند. در این پژوهش انجام شده سه روش رگرسیون چندمتغیره خطی، شبکه عصبی مصنوعی و نزدیک­ترین k- همسایگی برای تخمین دمای اعماق مختلف خاک براساس دمای هوا و رطوبت نسبی و داده­های روزانه ایستگاه هواشناسی سینوپتیک گرگان طی دوره 10 ساله آماری 1996-2005 مورد ارزیابی قرار گرفتند. نتایج نشان دادکه با افزایش عمق، میزان تأثیر پارامترهای هواشناسی و دقت پیش­بینی دمای خاک کاهش می­یابد. بالا بودن دقت مدل­ها در لایه­های سطحی خاک به­واسطه تأثیرپذیری بیش­تر دمای خاک از عوامل جوی و تأخیر زمانی کم­تر جهت انتقال حرارت از سطح به این لایه­ها می­باشد. مقایسه مقادیر مشاهده شده و مقادیر پیش­بینی شده از خروجی مدل­های مختلف نشان می­دهد که بهترین عملکرد از اجرای الگوریتم نزدیک­ترین k- همسایگی به­دست می­آید که نسبت به سایر مدل­ها ضریب همبستگی بالاتر و میزان خطای کم­تری دارد. پس از آن مدل­های شبکه عصبی و رگرسیون به­ترتیب رتبه­های دوم و سوم را خواهند داشت

کلیدواژه‌ها


عنوان مقاله [English]

Estimating Soil Temperature Using Modern Methods of Data Analysis

نویسندگان [English]

  • Lida Asadi 1
  • Aboutaleb Hezarjaribi 2
  • Khalili Ghorbani 3
  • Mehdi Zakernia 3
  • Zahra AghaShariatmadari 4
1 - MSc Student of Irrigation & Drainage Engineering, Agricultural Sciences and Natural Resources University of Gorgan., Gorgan., Iran
2 Associate Professor of Department of Water Engineering, Agricultural Sciences and Natural Resources University of Gorgan., Gorgan., Iran
3 Assistant Professor of Department of Water Engineering, Agricultural sciences and Natural Resources University of Gorgan., Gorgan., Iran
4 Assistant Professor of Department of Water Engineering, University of Tehran., Tehran., Iran
چکیده [English]

Soil temperature as one of the important environmental parameters, is measured only in synoptic weather stations and three times per day, while the other meteorological parameters such as air temperature and relative humidity are measured most in meteorological stations except rain guage stations. In this research which based on three methods of multivariate linear regression, artificial neural network and k-nearest neighbor were evaluated to estimate the soil temperature at different depth based on air temperature and relative humidity using daily data from synoptic meteorology stations of Gorgan from 1996 to 2005. The results showed that with increasing soil depth, the effect of meteorological parameters and estimation accuracy will decrease.more accuracy of shallow depth soil temperature is due to the greater influence of climatic factors on soil temperature and less time delay of heat transfer from the surface to the deeper depths. By comparing the observed and predicted soil temperature values from the various models, it will be concluded that the best performance is obtained from the k-nearest neighbor algorithm which has higher R2 and less RMSE. Artificial neural network and regression models, are in second and third place to predict soil temperature.

کلیدواژه‌ها [English]

  • Soil temperature
  • Meteorological parameters
  • K-nearest neighbor
  • Artificial Neural Network
  • Regression
ابراهیمی،ا. 1374. مطالعه دمای اعماق مختلف خاک. پایان­نامه کارشناسی ارشد هواشناسی، مؤسسه ژئوفیزیک دانشگاه تهران.

ثنائی نژاد،ح.، ادیب­عباسی،م.، موسوی­بایگی،م و حیدری­گندمان،م.ط. 1387. بررسی رژیم دمایی هوا و اعماق خاک و تعیین توابع نوسانات ادواری آن­ها در ایستگاه ­های کردستان. مجله علوم و صنایع کشاورزی، ویژه آب و خاک  22:25-33.

جعفری­گلستانی،م.، رائینی­سرجاز،م و ضیاء­تباراحمدی،م. 1386. برآورد دمای ژرفای خاک با بهره­گیری از روش تجزیه منحنی و همبستگی­های رگرسیونی برای شهرستان ساری. مجله علوم کشاورزی و منابع طبیعی (ویژه­نامه زراعت و اصلاح نباتات)، 1(5): 112 تا 123.

سبزی پرور،ع.ا.، زارع­ابیانه،ح و بیات­ورکشی،م. 1389. مقایسه یافته­های مدل شبکه استنتاجی عصبی-فازی با مدل­های رگرسیونی به­منظور برآورد دمای خاک در سه اقلیم متفاوت نشریه آب و خاک 14(52):125-137.

قبائی­سوق،م.، مساعدی،ا.، حسام،م و هزارجریبی،ا. 1389. ارزیابی تاثیر پیش­پردازش پارامترهای ورودی به شبکه عصبی مصنوعی با استفاده از روش­های رگرسیون گام­به­گام و گاما تست   به­منظور تخمین سریعتر تبخیر و تعرق روزانه. نشریه آب وخاک (3):624-610.

مهدویان،م. 1378. پیش­بینی محلی دمای حداقل شبانه­روزی در منطقه کرج. پایان­نامه کارشناسی ارشد، دانشگاه تهران.

نجفی­مود،م.ح.، علیزاده،ا.، محمدیان،ا و موسوی،ج. 1387. بررسی رابطه دمای هوا و دمای اعماق مختلف خاک و برآورد عمق یخبندان (مطالعه موردی استان خراسان رضوی). مجله علمی-پژوهشی آب و خاک (علوم و صنایع کشاورزی)، 22(2): 456 تا 466.

Aldridge,R and Cook,FJ. 1983. Estimation of soil temperatures at 0.1m and 0.3m depths. New Zealand Soil Bureau Scientific Report 62: 18.

Jan,Z., AbrarM., Bashir,Sh And Mirza,A. 2008. Seasonal to inter-annual climate prediction using data mining KNN technique. In the international multi topic conference (IMTIC08) in the revised selected papers, Jamshoro, Pakistan.

Maclean,Jr.SF and Ayers, M.p. 1985. Estimation of soil temperature from climate variables at Barrow, Alaska., USA. Article and Alpine Research. 17,P. 425-432.

Meikle,R.W and Gilchrist AJ, 1983. A mathematical method for estimation of soil temperatures in England and Scotland. Agricultural Meteorology 30(3): 221-225.

Mihalakakou, G. 2002. On estimating soil surface temperature profiles. Energy and Buil. 34: 251-259.

Salehi,F., Lacroix,R and Wade,K.M. 1998. Effects of Learning Parameters and Data Presentation on the Performance of Back Propagation Networks for Milk Yield Prediction. Transaction of ASAE. 41 (1). 253-.952

Sommers,L.E., Gilmour,C.M., Wildung,R.E and Beck,S.M. 1981. The effect of water potential on decomposition processes in soils, in Water Potential Relations in Soil Microbiology. Edited by J.E. Parr, W.R. Gardner and W.R. Elliot, SSSA Spec. Publ. 9: 97-117.