مشخصات پژوهش

عنوان	مقایسه یافته های مدل شبکه استنتاج تطبیقی عصبی-فازی با مدلهای رگرسیونی به منظور برآورد دمای خاک در سه اقلیم متفاوت
نوع پژوهش	مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها	دمای خاک، مدلهای رگرسیونی، ANFISاقلیم خشک، اقلیم مرطوب
چکیده	چکیده دمای خاک از پارامترهای مهم و تأثیر گذار در کلیه فرآیندهای هیدرولوژی و کشاورزی است که اندازه گیری و پیش بینی آن ضروری است . مطالعاتی که تا کنون در زمینه برآورد دمای خاک در مناطق فاقد داده صورت گرفته همگی به اتفاق از مدل های رگرسیونی جهت برآورد دمای خاک استفاده به عنوان روشی نوین، به (ANFIS) کردهاند. در این پژوهش ض من استفاده از مدل های رگرسیونی، با بکارگیری سامانه استنتاج تطبیقی عصبی -فازی 4 50 و 100 سانتی متر ) اقدام شد. علاوه براین، مهمترین پارامترهای هواشناسی (دمای ،30 ،20 ،10 ، پیشبینی دمای خاک در شش عمق مختلف ( 5 بیشینه، دمای کمینه، م یانگین دمای روزانه، رطوبت نسبی، ساعات آفتابی و سرعت باد ) به عنوان عوامل اثرگذار بر دمای خاک در یک دوره 15 ساله 1992-2006 ) در ایستگاه های مورد مطالعه معرفی می گردند. مطالعه روی داده های هواشناسی 3 ایستگاه سینوپتیک زاهدان، تهران و رامسر که دارای ) نسبت به روش آماری رگرسیون بود . همچنین دقت ANFIS اقلیم متفاو تی می باشند، انجام گرفت . یافتهها حاکی از 4 درصد دقت بیشتر روش 4 درصد بهتر از رامسر (اقلیم مرطوب ) / در دو ایستگاه زاهدان و تهران (اقلیم خشک ) به ترتیب 12 درصد و 5 ANFIS پیش بینی دمای خاک با روش و مدل رگرسیون انتخابی با دمای واقعی خاک، نشان داد که با ANFIS بین دمای خاک پیشبینی شده توسط شبکه (r) بود. مقدار ضریب همبستگی کاهش می یابد. نتایج همچنین نشان داد که بر خلاف مناطق خشک، در اقلیم مرطوب رامسر با افزایش عمق خاک دقت r افزایش عمق خاک مقدار پیشبینی تا 18 درصد افز ایش می یابد، در حالیکه در دو ایستگاه زاهدان و تهران دقت پیش بینی دمای خاک در لایه های کم عمق تا 10 درصد بیشتر از لایه های عمیق میباشد.
پژوهشگران	علی اکبر سبزی پرور (نفر اول)، حمید زارع ابیانه (نفر دوم)، مریم بیات ورکشی (نفر سوم)