پديد آورندگان :
مظهري، محبوبه دانشگاه آزاد اسلامي – واحد كرج – گروه علوم خاك، البرز , اصغرزاده، ساجده دانشگاه آزاد اسلامي – واحد كرج – گروه علوم خاك، البرز , ملك نيا، سامان دانشگاه آزاد اسلامي – واحد كرج – گروه علوم خاك، البرز , مطلبي، الهام دانشگاه آزاد اسلامي - واحد گرمسار، گرمسار
كليدواژه :
اقليم خشك , اقليم مرطوب , دماي خاك , مدل سازي , مدل سازي عصبي فازي
چكيده فارسي :
هدف از تحقيق حاضر ارائه مدلي جهت تعيين دماي خاك در عمق هاي 5، 10، 20، 30، 50 و 100 سانتي متري توسط روش شبكه فازي عصبي در دو شهر اراك و رشت مي باشد. در اين تحقيق تلاش شده است دماي عمق هاي مختلف خاك با استفاده از داده هاي هواشناسي مدل سازي شود. يكي از مشكلات حوزه كشاورزي و خاك اندازه گيري دماي عمق هاي مختلف خاك به منظور استفاده در تصميم ها و بررسي هاي كشاورزي، هواشناسي و خاكشناسي مي باشد. متغيرهاي مستقل شامل دماي هواي خشك، دماي هواي مرطوب، رطوبت، نقطه شبنم، فشار بخار، فشار، روز و ساعت نمونه برداري، ميزان بارش، انرژي تابشي و دماي هواي سطح زمين بود. بعد از تعيين داده هاي تست و آموزش براي هر عمق خاك، در هر شهرستان به صورت جداگانه نوع موتور استنتاج و پارامترهاي آن مشخص شده و موتور ساخته شد. مقايسه ميزان خطاي مدل با تلاش هاي مشابه و همچنين روش رگرسيون نشان از كاهش خطاي مدل سازي دارد. ميزان خطاي مدل در عمق هاي 5، 10، 20، 30، 50 و 100 سانتي متري در شهر رشت به ترتيب 36/1، 19/1، 22/1، 17/1، 60/1 و 33/1 درجه سانتي گراد و در شهر اراك به ترتيب 02/3، 90/1، 61/1، 53/1، 44/1 و 06/1 درجه سانتي گراد بود. نتايج نشان داد كه اقليم به ويژه در سطوح ابتدايي خاك مي تواند بر خطاي شبيه سازي مدل فازي عصبي تاثيرگذار باشد و همچنين مدل هاي ساخته شده دماي سطح خاك براي عمق هاي 5 تا 30 سانتي متر در شهر رشت دقيق تر از شهر اراك است. توجيه اين نتيجه اين است كه اقليم رشت، مرطوب است در نتيجه سرعت بيشتر انتقال دما در خاك مرطوب، پارامترهاي هواشناسي سريع تر و موثرتر در دماي خاك تاثير مي گذارند؛ اما در عمق هاي 50 و 100 سانتي متري در هر دو شهر با اختلاف كمي دقت مشابه اي دارند. اين امر نشان مي دهد كه اعماق خاك كمتر تحت تاثير اقليم سطحي زمين قرار مي گيرد و نوع اقليم بر شبيه سازي خاك در اعماق بيشتر تاثيرگذار نبوده است.
چكيده لاتين :
The purpose of this study is to provide a model for determining the soil temperature at depths of 5, 10, 20, 30, 50 and 100 cm using a fuzzy-neural network method in two cities of Arak and Rasht. Independent variables included dry air temperature, humid air temperature, humidity, dew point, vapor pressure, pressure, day and hour of sampling, precipitation, radiant energy and ground air temperature. After determining the test and training data for each soil depth, in each city, the type of inference engine and its parameters were determined separately and the engine was constructed. Comparison of model error with similar attempts and regression method showed a decrease in modeling error. The error rate of the model at 5, 10, 20, 30, 50 and 100 cm depths in Rasht was 36/1, 19/1, 22/1, 17/1, 60/1 and 33/1 degrees C Grad and in Arak, respectively, were 0.002, 1.90, 1.61, 1.53, 1.44, and 1.61 ° C; respectively. The results showed that the models of soil surface temperature for 5 to 30 cm in depth in Rasht were more accurate than Arak city. The justification for this is that the climate of Rasht is wet, as a result of the higher velocity of temperature transfer in wet soil, weather parameters are faster and more effective at soil temperature, but at a depth of 50 and 100 cm in both cities with differences They have little or no precision. This indicates that the depths of the soil are less affected by the surface of the earth, and the type of climate has not been more effective in soil simulation at the depths.
