برای تعیین تغییرات مکانی دمای خاک در اعماق مختلف به چندین دماسنج یا حسگر نیاز است که اندازه¬گیری دمای خاک با انواع حسگرها هزینه¬بردار بوده و به نیروی انسانی زیاد نیاز است. ضمناً دمای خاک تنها در ایستگاه¬های سینوپتیک کشور اندازه¬گیری شده و عدم اندازه¬گیری آن در نقاط فاقد ایستگاه مشکلاتی را در بخش کشاورزی ایجاد می¬نماید. اخیراً روش¬های جدید داده¬کاوی به¬طرز موفقیت¬آمیزی در علوم محیطی استفاده شده¬اند. داده¬کاوی فرایندی است که برای کاوش داده¬ها صورت می¬گیرد و یافته¬ها با به¬کارگیری الگوهایی اعتبارسنجی می¬شوند. به¬طور کلی اهداف این تحقیق، تعیین موثرترین متغیرهای موثر بر دمای خاک و تعیین مدل بهینه پیش¬بینی دمای خاک در اقلیم¬های متفاوت از روی پارامترهای هواشناسی است. بدین منظور مدل¬های نزدیکترین k- همسایگی، مدل درختی m5 و شبکه عصبی مصنوعی مورد آزمون قرار گرفته¬اند. به این منظور از داده¬های روزانه چهار ایستگاه با اقلیم متفاوت و دارای آمار 10 ساله و معتبر سازمان هواشناسی کشور شامل ایستگاه شهرهای گرگان، انزلی، تبریز و کرمان در دوره آماری 2005-1996 استفاده گردید. این داده¬ها شامل دمای هوای خشک، دمای هوای تر، دمای نقطه شبنم، رطوبت نسبی و دمای خاک می-باشد. در تمامی ایستگاه¬ها، پارامترهای رطوبت نسبی و دمای هوای خشک به¬عنوان متغیرهای اصلی موثر بر دمای خاک انتخاب گردید. نتایج نشان داد که مدل نزدیکترین k- همسایگی در تمامی ایستگاه¬ها بهترین عملکرد را برای پیش¬بینی دمای خاک داشت. با افزایش عمق خاک میزان تأثیر متغیرهای هواشناسی بر دمای خاک کاهش و دقت مدل¬ها برای پیش¬بینی نیز کاهش یافت.