تعیین شدت بارندگی با استفاده از تجزیه و تحلیل فرکانس‎های صوتی حاصل از صدای برخورد قطرات باران

اطلاع از شدت و مدت بارندگی می تواند در بسیاری از تحلیل های زیست محیطی از جمله برآورد فرسایندگی باران و فرسایش خاک مفید باشد. دستگاه‎های مختلفی برای ثبت شدت و مدت بارندگی وجود دارد. اما خرید و نگهداری آن ها هزینه بر بوده و اغلب نیاز به متصدی جهت مراقبت از آن ها دارد. تحقیق حاضر به امکان سنجی استفاده از تحلیل سیگنال های صوتی ناشی از برخورد قطرات با سطوح و اجسام موجود در طبیعت برای تعیین ثبت شدت و مدت بارندگی پرداخته است. برای این منظور در آزمایشگاه گروه علوم خاک دانشکده کشاورزی دانشگاه تبریز در سال ۱۴۰۰، باران سازهایی طراحی شد که باران هایی با شدت های متفاوت ایجاد نماید. سپس سیگنال های صوتی ناشی از برخورد قطرات باران با سینی فلزی که در زیر باران قرار داده شد، توسط رکودر ضبط و جهت پردازش به رایانه انتقال داده شد. سپس در نرم افزار MATLAB، اندازه فرکانسی فایل های صوتی استخراج گردید. نتایج نشان داد که با افزایش شدت بارندگی، دامنه صوتی و اندازه فرکانسی سیگنال های صوتی افزایش یافت. سپس اندازه های فرکانسی در نرم افزار SPSS به روش خوشه بندی دو مرحله ای به طور خودکار در دو خوشه قرار گرفته شد. سپس میانگین و انحراف معیار هر خوشه محاسبه شده و با توجه به همبستگی هر کدام با یکدیگر و با شدت بارندگی، و جهت جلوگیری از پدیده چند هم خطی شدن تنها از میانگین خوشه دوم به عنوان ورودی مدل های برنامه ریزی بیان ژن و رگرسیون خطی استفاده شد. جهت آزمون دقت و صحت نتایج حاصل از مدل ها، از آماره های ضریب تبیین (R۲)، ریشه میانگین مربعات خطا (RMSE)، میانگین هندسی نسبت خطا (GMER) و انحراف استاندارد هندسی نسبت خطا (GSDER) استفاده شد. مقادیر R۲، RMSE (mm/h)، GMER (mm/h) و GSDER (mm/h) برای مدل برنامه ریزی بیان ژن در داده های سری آموزش به ترتیب برابر ۹۷/۰، ۸۵/۱، ۱۱/۱ و ۰۹/۱ و برای داده های سری اعتبارسنجی به ترتیب برابر ۹۶/۰، ۰۵/۲، ۱۴/۱ و ۱۲/۱ بدست آمد. در حالی که مقادیر معیارهای فوق در مدل رگرسیونی، برای داده های سری آموزش به ترتیب برابر ۹۴/۰، ۷۴/۲، ۲۵/۱ و ۳۴/۱ و برای داده های سری اعتبارسنجی به ترتیب برابر ۹۲/۰، ۹۱/۲، ۲۸/۱ و ۳۷/۱ بدست آمد. نتایج آماره های فوق حاکی از دقت و صحت نسبتا بیشتر مدل برنامه ریزی بیان ژن نسبت به مدل رگرسیونی و بیش برآوردی و پخشیدگی نسبتا زیادتر داده های تخمینی مدل رگرسیونی نسبت به مدل برنامه ریزی بیان ژن می باشد.