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

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دکتری هواشناسی کشاورزی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد

2 استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد

چکیده

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.

کلیدواژه‌ها


عنوان مقاله [English]

Estimating Soil Temperature Using Hybrid Models Based on Discrete Wavelet Transform

نویسندگان [English]

  • Ali Reza Araghi 1
  • Mohammad Mousavi-Baygi 2
1 PhD in Agricultural Meteorology, Department of Water Engineering, Faculty of Agriculture, Ferdowsi University of Mashhad
2 Professor, Department of Water Engineering, Faculty of Agriculture, Ferdowsi University of Mashhad
چکیده [English]

Soil temperature is one of the most important variables in agricultural meteorology and has various effects on physical, chemical and biological processes in soil. In this study, daily soil temperature at depths of 5, 10, 20 and 30 cm were estimated using artificial neural network, adaptive network-based fuzzy inference system, multiple linear regression and also hybrid models based on the mentioned methods and discrete wavelet transform. To develop the models, daily minimum and maximum air temperature and daily soil temperature at depths of 5 to 30 cm in Ghoochan and Gonabad synoptic stations during 2010 to 2013 were employed, and for testing the performance of models, data of 2004 (wet year) and 2008 (dry year) were employed. Results of this study showed that hybrid models based on discrete wavelet transform could produce more accurate results compared to non-hybrid models in estimating daily soil temperature. Also, in most of the cases, the multiple linear regression (MLR) model had the weakest performance.

کلیدواژه‌ها [English]

  • Discrete Wavelet transform
  • Hybrid models
  • Soil temperature

اسدی،ل.، هزارجریبی،ا.، قربانی،خ.، ذاکری­نیا،م.، آقا شریعتمداری،ز. 1393. تخمین دمای خاک با استفاده از روش‌های نوین داده‌کاوی. نشریه آبیاری و زهکشی ایران. 8. 1: 145-152.

جعفری گلستانی،م.، رائینی سرجاز،م.، ضیا تباراحمدی،م. 1386. برآورد دمای ژرفای خاک با بهره‌گیری از روش تجزیه منحنی و همبستگی‌های رگرسیونی برای شهرستان ساری. مجله علوم کشاورزی و منابع طبیعی. 1.5: 112-123.

رحیم‌زاده،ف. 1390. روش‌های آماری در مطالعات هواشناسی و اقلیم شناسی. انتشارات سید باقر حسینی. 436 صفحه.

- سبزی پرور،ع.، زارع ابیانه،ح.، بیات ورکشی،م. 1389. مقایسه یافته‌های مدل شبکه استنتاج تطبیقی عصبی فازی با مدل‌های رگرسیونی به منظور برآورد دمای خاک در سه اقلیم متفاوت. مجله علوم و صنایع کشاورزی، آب و خاک، جلد 24: 274- 285.

- سبزی پرور،ع.، طبری،ح.، آیینی،ع. 1389. برآورد میانگین روزانه دمای خاک در چند نمونه اقلیمی ایران با استفاده از داده‌های هواشناسی. مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک. 52: 125- 137.

- شریفان،ح.، هزارجریبی،ا. 1390. اصول و عملیات هوا و اقلیم‌شناسی از دیدگاه کشاورزی. نشر آژند.

عراقی،ع.، موسوی بایگی،م.، هاشمی­نیا،م. 1393. به کارگیری تبدیل موجک گسسته برای تحلیل همبستگی بسامدی رطوبت نسبی. نشریه آبیاری و زهکشی ایران. 8.2: 257-265.

عراقی ع.، موسوی بایگی،م.، هاشمی­نیا،م. 1393. بررسی تشابه الگوهای نوسانی دما و فشار بخار آب با استفاده از تبدیل موجک گسسته. نشریه آب و خاک (علوم و صنایع کشاورزی). 28. 4: 846-854.

علیزاده،ا. 1389. اقلیم و هواشناسی کشاورزی. انتشارات دانشگاه امام رضا (ع). 504 صفحه.

علیزاده،ا. 1394. فیزیک خاک. انتشارات دانشگاه صنعتی سجاد. 626 صفحه.

قهرمان،ب. 1390. فیزیک خاک. انتشارات دانشگاه علوم کشاورزی و منابع طبیعی گرگان. 407 صفحه.

کافی،م.، کامکار،ب.، مهدوی دامغانی،ع. 1390. واکنش گیاهان زراعی به محیط رشد. انتشارات دانشگاه فردوسی مشهد. 298 صفحه.

محمدی،ب. 1390. آب و هواشناسی کشاورزی، اصول و کاربردهای مطالعات آب و هواشناسی در کشاورزی. انتشارات دانشگاه تهران. 426 صفحه.

میرصالحی،م.، تقی،زاده کاخکی،ح. 1388. شبکه‌های عصبی. انتشارات دانشگاه فردوسی مشهد. 282 صفحه.

نجفی‌مود،م.، علیزاده،ا.، محمدیان،آ.، موسوی،ج. 1387. بررسی رابطه دمای خاک و دمای اعماق مختلف خاک و برآورد عمق یخبندان. مجله آب و خاک (علوم و صنایع کشاورزی). 22. 2: 456-466.

نیرومند،ح. 1389. تحلیل رگرسیون با مثال. انتشارات دانشگاه فردوسی مشهد. 384 صفحه.

وحیدیان کامیاد،ع.، طارقیان،ح. 1392. مقدمه‌ای بر منطق فازی برای کاربردهای عملی. انتشارات دانشگاه فردوسی مشهد. 214 صفحه.

Araghi,A., Mousavi-Baygi,M., Adamowski,J., Malard,J., Nalley,D., Hasheminia,S.M. 2015. Using wavelet transforms to estimate surface temperature trends and dominant periodicities in Iran based on gridded reanalysis data. Atmospheric Research. 155: 52-72.

Bilgili,M. 2010. Prediction of soil temperature using regression and artificial neural network models. Meteorology and Atmospheric Physics. 110 .1:59-70.

Jang,J. 1993. ANFIS: Adaptive-Network-Based Fuzzy Inference System. IEEE Transactions on Systems, Man and Cybernetics. 23 .3: 665-685.

Mallat,S. 2009. A Wavelet Tour of Signal Processing. 3rd ed. Academic Press.

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

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

Misiti,M., Misiti,Y., Oppenheim,G and Poggi,J.M. 2016. Matlab Wavelet Toolbox User’s Guide. MathWorks, US.

Olkkonen,H. 2011. Discrete Wavelet Transforms - Biomedical Applications. InTech, Croatia.

Ruch,D.K and Van Fleet,P.J. 2009. Wavelet Theory: an Elementary Approach with Applications. Wiley Publications, New Jersey.

Tabari,H., Sabziparvar,A., Ahmadi,M. 2011. Comparison of artificial neural network and multivariate linear regression methods for estimation of daily soil temperature in an arid region. Meteorology and Atmospheric Physics. 110.3: 135-142.