دمای خاک یکی از مهم ترین پارامترهای موثر در فرایندهای هیدرولوژیکی و مطالعات کشاورزی است که اندازه گیری و تخمین آن امری ضروری می باشد، بنابراین تاکنون روش های مختلفی هم چون مدل های رگرسیونی و شبکه عصبی مصنوعی جهت برآورد دمای خاک مورد استفاده قرار گرفته است. در تحقیق حاضر نیز علاوه بر مدل شبکه عصبی مصنوعی، نخستین بار از برنامه ریزی ژنتیک به عنوان روشی نوین از روش های فراکاوشی که قادر به ارائه رابطه صریح بین متغیرهای وابسته و مستقل می باشد، در تخمین دمای خاک ایستگاه سینوپتیک تبریز در عمق های مختلف استفاده شده است. پارامترهای مهم هواشناسی از جمله دمای متوسط هوا، بارش، رطوبت نسبی و سرعت باد به عنوان عوامل موثر بر دمای اعماق مختلف خاک در طول دوره آماری 18 ساله (1388-1371) انتخاب گردید. سپس به منظور بررسی دقت هر یک از روش های یاد شده، در مرحله اول ترکیب های مختلفی از مقادیر دمای خاک تشکیل گردید و به عنوان ورودی های این مدل ها مورد استفاده قرار گرفت. در مرحله بعد به همین ترتیب ترکیب های متفاوت با تاخیر یک روزه از پارامترهای مختلف هواشناسی به عنوان ورودی های مدل و دمای خاک به عنوان خروجی هر مدل انتخاب گردید. با توجه به شاخص های آماری و هم چنین نمودارهای پراکنش هر دو مدل قادر به تخمین قابل قبول دمای اعماق مختلف خاک می باشند. هم چنین راه حل های صریحی که نشانگر ارتباط بین متغیرهای ورودی و خروجی باشد، بر مبنای برنامه ریزی ژنتیک ارائه گردیدند که این امر بر ارجحیت برنامه ریزی ژنتیک بر مدل دیگر می افزاید.