Akademik Veri Yönetim Sistemi
Mühendislik Alanında Araştırma ve Değerlendirmeler Eylül / 2021, PROF. DR. BANU NERGIS,DOÇ. DR. SELAHATTIN BARDAK,DOÇ. DR. MAHMUT KAYAR,DR. ARIF FURKAN MENDİ, Editör, GECE KİTAPLIĞI, Ankara, ss.195-212, 2021
GİRİŞ:
Küresel ısınma ve iklim değişikliği tüm canlıları olumsuz etkileyen global bir sorun olarak karşımıza çıkmaktadır. Bu nedenle iklim değişikliği ve beraberinde görülen olumsuz etkilerin araştırılması önem arz etmekte ve literatürde oldukça büyük bir yer kaplamaktadır. İklim değişikliğinin sebeplerinin ve etkilerinin araştırılıp çözüm bulunması için hükümetler arası paneller düzenlenmekte ve geleceğe yönelik durum tespiti yapılmaktadır. Bu çalışmalardan en önemlisi Hükümetler arası İklim Değişikliği Paneli (IPCC) olarak görülmekte ve bu panel kapsamında Dünya’nın geldiği iklim durumunu değerlendirmek amacıyla 5-7 yılda bir raporlar hazırlanmaktadır. 1990 yılında hazırlanan ilk rapor sonrasında 1995 (FAR), 1996 (SAR), 2001(TAR), 2007 (AR4) ve 2013-2014(AR5) yıllarında raporlar hazırlanmış ve son olarak 6. IPCC değerlendirme raporu (AR6) ise 2015 yılında hazırlanmaya başlanmış ve 2021 yılında tamamlanmıştır (IPCC,2014; IPCC 2021). Tüm bu raporlarda insanların doğaya yapmış oldukları baskının büyüdüğü ve iklim değişikliğinin bu sebeple git gide arttığı vurgulanmıştır (Nacar ve ark., 2019). İklim değişikliğinin etkilerinin tam olarak belirlenebilmesi için iklim değişikliğini etkileyen tüm parametrelerin tek tek analiz edilmesi ve gelecekteki durumlarının tespit edilmesi gerekmektedir (Daba ve You, 2020; Okkan ve Karakan, 2016; Okkan ve Kırdemir, 2018). Gelecek dönemlere ait iklim parametrelerinin modellenmesinin en etkin yolu iklim modelleme çalışmaları olarak görülmektedir. Bu kapsamda küresel iklim modelleri veya genel dolaşım modelleri (GCM: Global Climate Model) güvenilir modeller olarak görülmektedir. Ancak GCM; iklim modelleri arasında oldukça karmaşık bir yapıya sahip olması ve veri takım çözünürlüklerinin düşük olması sebebiyle tek başına kullanımı tercih edilmeyen modellerdir. Bu model yapısında yerel ölçekte çalışmak mümkün olmadığından bölgesel ölçeğe indirgenerek çalışılması gerekmektedir. Ölçek indirgeme için temelde dinamik veya istatistiksel ölçek indirgeme yöntemleri kullanılmaktadır. Dinamik ölçek indirgeme modellerindeki çözünürlükteki artış, modellerin kullanılabilmesi için üst düzey bilgisayar donanımı gerektirmekte ve bu nedenle tercih edilememektedir. Kaba çözünürlüklü atmosferik değişkenler ile gözlem verileri arasında ilişki kurmayı hedefleyen istatistiksel ölçek indirgeme yöntemleri ise dinamik ölçek indirgeme yöntemlerine göre daha fazla tercih edilen modellerdir. Tercih edilmesine; kullanım kolaylığı, daha düşük bilgisayar donanımı ile uygulanabilmesi, hesaplama verimliliğinin olması, çok sayıda benzeşime olanak vermesi gibi avantajlar sebep olmaktadır. (Daba ve Yu, 2020; Nacar ve ark., 2021). Bu ölçek indirgeme yöntemleri yapay sinir ağları (YSA), regresyon tipleri, destek vektör makinaları gibi birçok teknikle uygulanabilmektedir.
Literatürdeki bu uygulamalar incelendiğinde (Nacar ve ark., 2021) çalışmada yaygın kullanılan Era-Interim re-analiz veri seti ile çalışılarak ölçek indirgeme yöntemi olarak Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (ÇDURE) yöntemi seçilmiştir. Doğu Karadeniz Havzası verileri kullanılan çalışmada Era-Interim verileri ile aylık ortalama sıcaklık değerleri modellenmiş ve model yapısının çok başarılı olduğu görülmüştür. (Kırdemir ve Okkan, 2019) çalışmada yanlılık değerleri Kantil Haritalama (QM), Eş Oran Kantil Haritalama (ERQM), Trendsizleştirilmiş Kantil Haritalama (DQM) ve Kantil Delta Haritalama (QDM) yöntemleri ile düzeltilmiş ve istatistiksel ölçek indirgeme ile yağış projeksiyonlarına uygulanmıştır. (Berissford ve ark., 2011) yapılan çalışmada ise Era 40 ve Era Interim veri setleri ile oluşturulan modeller karşılaştırılmıştır. (Shevnina ve ark., 2021) çalışmada Antartika’daki buzul gölleri üzerindeki buharlaşma değerlerinin tahmini için Era5 veri seti kullanılmıştır. (Lu ve ark., 2021) çalışmada ise 1980-2010 yılları arasındaki buharlaşma verilerinin tahmini üzerine çalışılmıştır. Reliability Ensemble Averaging (REA) yöntemi, seçilen üç veri seti olan ERA5, GLDAS2 ve MERRA2’yi birleştirerek 0.25 derecelik uzamsal çözünürlüğe sahip uzun vadeli (1980–2017) günlük buharlaşma değerlerinin elde edilmesi için kullanılmıştır. Sonuçlar; verilerin ve REA yönteminin buharlaşma tahmini için kullanılabileceğini göstermektedir. (Vu ve ark. 2015) çalışmada Era-Interim re analiz verilerini ölçek indirgeme için kullanmış ayrıca veri setine günümüz GBM verilerin ekleyerek bu yeni veri setinden türetilen büyük ölçekli tahmin değişkenleri yardımıyla İleri Beslemeli Geri Yayılım algoritması ile (Feed Forward Back Propagation) çalışılmıştır
Bu çalışmada ise kullanılacak olan istatistiksel ölçek indirgeme yöntemlerinin uygulanabilmesi için gözlem verileri Türkiye Meteoroloji Genel Müdürlüğü bünyesindeki meteoroloji istasyonlarından elde edilmiştir.
Re-analiz verilerine ise beşinci nesil ECMWF yeniden analiz verileri olan
ve Era-Interim re-analizinin yerini alan Era5 veri seti yardımı ile ulaşılmıştır. Era5 verilerine ulaşabilmek için Panoply uygulaması kullanılan
çalışmada GBM ve Bagged Tree için R- Studio kullanılmıştır. Re-analiz
veri setleri, model verilerini gözlemlerle birleştirerek eksiksiz ve tutarlı
veri kümeleri oluşturmayı amaçlamaktadır. Küresel olarak tüm bölgelerin
verilerine erişilebilen ve özelleştirilerek istenilen bölgede istenilen veri
setlerinin kullanılabilmesine olanak sağlayan Era5 Re-analiz verileri;
0.25°*0.25° atmosfer verilerine sahiptir (ECMWF, 2021). Bu çalışmada
da “ERA5 monthly averaged data on single levels from 1979 to present”
data setinde yer alan atmosferik değişkenlerin aylık toplam açık yüzey
buharlaşma verileri ile arasındaki ilişki incelenerek yüksek ilişkiye sahip olan veriler kullanılmış ve Antalya İl’inde bulunan iki meteoroloji istasyonuna ait aylık toplam açık yüzey buharlaşması verilerinin Gradyan Arttırma Makinesi (Gradient Boosting Machine - GBM) ve Bagged Tree
yöntemleri kullanılarak tahmin edilmesi amaçlanmıştır.