استخراج روابط رگرسيوني بين دماي خاك در اعماق مختلف و پارامترهاي هواشناسي (مطالعه موردي: ايستگاه همدان)

Deriving Regression Relationships between Soil Temperature at Different Depths and Meteorological Parameters Case Study: Hamedan Station

در اين پژوهش روابط رگرسيوني خطي و درجه دوم بين پارامترهاي هواشناسي (دماي هوا، رطوبت نسبي و ساعات آفتابي) و دما در اعماق خاك (5، 10، 20، 30، 50 و 100 سانتي‌متري) در ايستگاه هواشناسي همدان (دوره سال‌هاي ميلادي 1992-2005) بررسي گرديد. داده‌هاي دماي خاك در هر روز در ساعت 3 صبح، 9 صبح و 3 بعدظهر اندازه‌گيري و به‌كار گرفته شد و نرم‌افزار Excel جهت بررسي هم‌بستگي بين پارامترهاي هواشناسي و دماي خاك استفاده گرديد. نتايج نشان داد كه بيشترين ضريب تبيين خطي بين دماي هوا و دماي خاك مربوط به ساعت 3 بعدظهر و عمق 20 سانتي‌متري (%98/15 R2=) و بيشترين ضريب تبيين غيرخطي (معادله درجه دوم) بين دماي هوا و دماي خاك مربوط به ساعت 3 بعدظهر و عمق 10 سانتي‌متري (%98/45 R2=) است. بيشترين ضريب تبيين خطي بين پارامترهاي هواشناسي (ساعات آفتابي و درصد رطوبت نسبي) و دماي خاك در ساعت 3 بعدظهر و عمق 10 سانتي‌متري ديده شد. هم‌چنين نتايج نشان داد كه كمترين ضريب تبيين بين پارامترهاي هواشناسي و دماي خاك در عمق 100 سانتي‌متري مشاهده گرديد. دماي هوا هم‌بستگي بيشتري با دماي خاك در مقايسه با دو پارامتر ديگر نشان داد. هم‌چنين ضرايب تبيين رگرسيون غيرخطي بيشتر از رگرسيون خطي بود.

In this research, we estimated soil shallow depths temperatures using regression methods (Linear and Polynomial). The soil temperatures at soil depths (5, 10, 20, 30, 50 and 100 cm) were correlated with meteorological parameters. For this purpose, temperature data of Hamedan station (in the period 1992-2005) were employed. Soil temperature data were measured on a daily basis at 3 PM, 9 PM and 3 AM. MS Excel was used for deriving the regressions between soil temperature and meteorological parameters (air temperature, relative humidity and sunshine hours). The results showed that the highest coefficient of determination (R2) of the linear regression was between soil temperature in 20 cm soil depth and air temperature at 3 AM (R2= 98.15%) and the lowest value in 100 cm soil depth at 3PM (R2= 83.96%). Also, the highest R2 of non-linear regression was observed between soil temperature in 10 cm soil depth and air temperature at 3 AM (R2= 98.45%) and lowest value in 100 cm soil depth at 3PM (R2= 84.11%). The results showed that the highest and lowest values of R2 of linear relations between meteorological parameters (relative humidity and sunshine hours) and soil temperature were observed in 10 cm soil depth (at 3 AM) and in 100 cm soil depth, respectively. Correlations of soil temperature with air temperature were greater than those with the other two parameters. Moreover, R2 values of non- linear relation were higher than linear relation.