دمای خاک یک متغیر مهم دینامیکی است که از گرمای محسوس بین اتمسفر و سطح زمین تأثیر می پذیرد. در بیشتر موارد دمای خاک از نظر اکولوژیکی برای گیاه مهمتر از دمای هوا است. یکی از چالش های بزرگ در بسیاری از مطالعات مرتبط با کشاورزی، کمبود آماری در داده های اندازه گیری شده است. برای پر کردن خلاء های آماری مطالعاتی در ایران و سایر نقاط دنیا انجام شده و در نهایت روش های مختلفی از جمله روش های رگرسیونی، آنالیز فوریه و شبکه عصبی پیشنهاد گردیده است. در این پژوهش ابتدا با استفاده از رگرسیون های همزمان در فصل های مختلف سال و نیز در شرایط مختلف جوی و سپس نیز با استفاده از رگرسیون های تأخیری، دمای خاک در 6 عمق مختلف پیش بینی شده است. متغیرهای استفاده شده در پیش بینی های همزمان شامل متوسط های روزانه دمای هوا، فشاربخار آب، رطوبت نسبی، سرعت باد، درصد ابرناکی، مجموع روزانه تبخیر، ساعت آفتابی و بارندگی به عنوان متغیرهای مستقل و متوسط روزانه دمای خاک به عنوان متغیر وابسته منظور شدند. ایستگاه های مورد مطالعه شامل اردبیل، اهواز، اصفهان،ایلام، بابلسر، بندرعباس، تبریز، رشت، زاهدان، سبزوار، قزوین، کرمان، گرگان، نوشهر و همدان هستند. بر اساس طبقه بندی اقلیمی دومارتن، ایستگاه های ذکر شده در پنج کلاس خشک، نیمه خشک، مدیترانه ای، مرطوب و بسیار مرطوب دسته بندی شدند. دوره آماری مورد مطالعه از سال 1993 تا 2008 میلادی می باشد. اطلاعات مربوط به سال های 1993 تا 2005 برای ایجاد معادلات رگرسیونی و اطلاعات مربوط به سال های 2006 تا 2008 جهت اعتبارسنجی معادلات رگرسیونی به دست آمده استفاده شدند. از بین متغیرهای مستقل ذکر شده تنها آنهایی که ضریب همبستگی بیشتر از 3/0 با دمای خاک داشتند برای ورود به معادلات رگرسیونی انتخاب شدند. در این تحقیق همبستگی هایی که سطح معنی داری آنها بالای 95 درصد (05/0p<) بودند در محاسبات منظور شدند. رگرسیون ها نیز به روش گام به گام انجام شد. در بخش رگرسیون تأخیری نیز معادلات رگرسیونی بین دمای هوا و دمای خاک برقرار شدند. نتایج تحقیق نشان داد که ضریب همبستگی پیرسون بین دمای خاک و متغیرهای جوی در اکثر موارد با افزایش عمق کاهش پیدا می کند. متغیرهای دمای هوا و فشار بخار آب نیز بیشترین تأثیر را بر دمای خاک داشتند. بر اساس نتایج، معادله های رگرسیونی ارائه شده به تفکیک فصل های مختلف، فصل های بهار و پاییز با ضریب تعیین بیشتر از 85/0 در تمامی عمق ها بهترین پیش بینی را برای دمای خاک در عمق های مختلف داشته اند. فاکتورهای ضریب تعیین و ریشه دوم مربعات خطا که به عنوان معیارهای خطاسنجی ارائه شده اند این موضوع را تأیید می کنند. در قسمت بعد نیز پیش بینی دمای خاک در شرایط مختلف جوی شامل هوای صاف، ابری و بارانی انجام شد. بر اساس ضریب تعیین و ریشه دوم مربعات خطای محاسبه شده، معادلات رگرسیونی در عمق های سطحی برآورد بهتری از دمای خاک داشته اند. در بخش رگرسیون تأخیری نیز بر اساس ضریب همبستگی پیرسون میان دمای خاک و دمای هوا، تعداد روزهای تأخیر تعیین شد. تعداد روزهای تأخیر در اقلیم های مختلف متفاوت به دست آمد. اما به طور کلی با تغییر مقدار رطوبت تعداد روزهای تأخیر نیز تغییر نمود. نتایج این بخش نشان داد که منظور نمودن تعداد روزهای تأخیر (پسماند) بین وقوع دمای خاک و دمای هوا در بهبود روابط رگرسیونی پیش بینی دمای خاک در عمق های 50 و 100 سانتی متری تأثیر مثبتی دارد.