ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

Transkript

1 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Ali Demir KESKİNER FARKLI OLASILIKLI YAĞIŞ VE SICAKLIKLARIN CBS ORTAMINDA HARİTALANMASINDA UYGUN YÖNTEM BELİRLENMESİ VE M. TURC YÜZEY AKIŞ HARİTASININ GELİŞTİRİLMESİ: SEYHAN HAVZASI ÖRNEĞİ TARIMSAL YAPILAR VE SULAMA ANABİLİM DALI ADANA, 2008

2 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ FARKLI OLASILIKLI YAĞIŞ VE SICAKLIKLARIN CBS ORTAMINDA HARİTALANMASINDA UYGUN YÖNTEM BELİRLENMESİ VE M. TURC YÜZEY AKIŞ HARİTASININ GELİŞTİRİLMESİ: SEYHAN HAVZASI ÖRNEĞİ Ali Demir KESKİNER YÜKSEK LİSANS TEZİ TARIMSAL YAPILAR VE SULAMA ANABİLİM DALI Bu tez 15/12/2008 Tarihinde Aşağıdaki Jüri Üyeleri Tarafından Oybirliği İle Kabul Edilmiştir. İmza... Prof.Dr.Mahmut ÇETİN DANIŞMAN İmza... Doç.Dr.Süha BERBEROĞLU ÜYE İmza... Doç.Dr.Fatih TOPALOĞLU ÜYE Bu Tez Enstitümüz Tarımsal Yapılar ve Sulama Anabilim Dalında Hazırlanmıştır. Kod No: Prof. Dr. Aziz ERTUNÇ Enstitü Müdürü İmza ve Mühür Bu Çalışma Ç.Ü. Bilimsel Araştırma Projeleri Fonu Tarafından Desteklenmiştir. Proje No: ZF2007YL20 Not: Bu tezde kullanılan özgün ve başka kaynaktan yapılan bildirişlerin, çizelge, şekil ve fotoğrafların kaynak gösterilmeden kullanımı, 5846 sayılı Fikir ve Sanat Eserleri Kanunundaki hükümlere tabidir.

3 ÖZ YÜKSEK LİSANS TEZİ FARKLI OLASILIKLI YAĞIŞ VE SICAKLIKLARIN CBS ORTAMINDA HARİTALANMASINDA UYGUN YÖNTEM BELİRLENMESİ VE M. TURC YÜZEY AKIŞ HARİTASININ GELİŞTİRİLMESİ: SEYHAN HAVZASI ÖRNEĞİ Ali Demir KESKİNER ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ TARIMSAL YAPILAR VE SULAMA ANABİLİM DALI Danışman : Prof. Dr. Mahmut ÇETİN Yıl : 2008, Sayfa :100 Jüri : Prof. Dr. Mahmut ÇETİN Doç. Dr. Süha BERBEROĞLU Doç. Dr. Fatih TOPALOĞLU Bu araştırma; km² genişliğindeki Seyhan Havzasında yürütülmüştür. Araştırmada, uzun yıllık sıcaklık ve yağış serileri ile yağış-akım verileri kullanılmıştır. Bu çalışmada, gölet projelemelerinde tesis kapasitesinin en az hata ile planlanabilmesi için farklı olasılıklı yağış ve sıcaklıkların CBS ortamında haritalanmasında uygun yöntem belirlenmesi ve M. Turc yüzey akış haritasının geliştirilmesi amaçlanmıştır. Havza ve civarında yer alan istasyonların coğrafi konumunu, alan üzerindeki dağılımını ve gözlemler arasındaki korelasyonu dikkate alan Ordinary Kriging, Ordinary Cokriging ve Çoklu Regresyon yöntemleriyle %50, %80 ve %90 olasılıklı toplam yağış ve %50 olasılıklı ortalama sıcaklık haritaları oluşturulmuştur. Minimum hata kriteri ve şahit istasyonların gözlem değerleri dikkate alındığında, %50 olasılıklı ortalama sıcaklıkların Çoklu Regresyon; %50, %80 ve %90 olasılıklı toplam yağışların ise Cokriging yöntemi ile haritalanmasının uygun olduğu sonucuna varılmıştır. Belirlenen uygun haritalama yöntemleri kullanılarak Seyhan Havzasının %50, %80 ve %90 olasılıklı M. Turc yüzey akış haritaları üretilmiştir. CBS ortamında hesaplanan M. Turc yüzey akış değerlerinin, geleneksel yöntemle hesaplanan M. Turc havza su verimine kıyasla havzadaki gerçek akım gözlemlerine daha yakın sonuçlar verdiği belirlenmiştir. M. Turc yönteminde, Seyhan Havzası için kullanılan A katsayısının havzayı temsil etmediği sonucuna varılmış; bu kat sayının yeni bir araştırma ile havzaya uyarlanması önerilmiştir. Anahtar Kelimeler: Seyhan Havzası, CBS, Kriging, M.Turc, Yüzey Akış I

4 ABSTRACT MSc. THESIS DETERMINATION OF APPROPRIATE METHOD FOR MAPPING RAINFALL AND TEMPERATURE WITH DIFFERENT PROBABILITY LEVELS IN GIS ENVIRONMENT AND PRODUCING M. TURC RUNOFF MAP: A CASE STUDY IN THE SEYHAN BASIN Ali Demir KESKİNER UNIVERSITY OF CUKUROVA INSTITUTE OF BASIC AND APPLIED SCIENCES DEPARTMENT OF AGRICULTURAL STRUCTURES AND IRRIGATION Supervisor : Prof. Dr. Mahmut ÇETİN Year : 2008, Page :100 Jury : Prof. Dr. Mahmut ÇETİN Doç. Dr. Süha BERBEROĞLU Doç. Dr. Fatih TOPALOĞLU This study was conducted in Seyhan River Basin, covering km² area. Long term annual temperature and precipitation series were collected for meteorological observation stations, and rainfall-runoff data were collected from archives of research institutes and DSI. The aim of this study was to determine appropriate method for mapping rainfall and temperature with different probability levels in GIS environment and to produce M. Turc runoff map in the Seyhan river basin. The aim was also extended to compare the real-time flow measurements observed in research basins and in small earth dams located in the basin with M. Turc runoff estimates at those locations. Ordinary Kriging, Ordinary Cokriging and Multiple Regression techniques which consider the correlation amongst observations, geographical positions of meteorological stations and their distributions on the study area were utilized to produce temperature map with 50% probability level, and precipitation maps with 50%, 80% and 90% probability levels. By using minimum error criterion and also precipitation data observed at the critical locations where small earth dams were constructed, it was concluded that Multiple Regression and Ordinary Cokriging techniques were suitable for the purpose of mapping mean temperature with 50% probability level, and precipitation with 50%, 80% and 90% probability levels, respectively. Through using the suitable mapping techniques determined, M. Turc runoff maps with 50%, 80% and 90% probability levels were produced for Seyhan Basin. It was determined that M. Turc runoff values calculated in GIS media yielded more realistic results close to the observed runoff data in the basin, compared to M. Turc runoff values calculated conventionally. It was concluded that the A coefficient assigned to the Seyhan Basin was no longer representative, that a representative coefficient should be determined by an appropriate technique. Key Words: Seyhan Basin, GIS, Kriging, M. Turc, Runoff II

5 TEŞEKKÜR Mezun olduktan 11 yıl sonra başladığım yüksek lisans çalışmamda; aldırdığı derslerle, çalışmamım her aşamasında beni sabırla, heykeltıraş ustalığında işleyen, tezin oluşmasında her türlü desteği esirgemeyen danışman hocam Sayın Prof. Dr. Mahmut ÇETİN e katkılarından dolayı teşekkür ve saygılarımı sunarım. Haritaların oluşturulmasında yardımını esirgemeyen, tezimin yapısal içeriğine büyük katkıda bulunan Sayın Doç. Dr. Süha BERBEROĞLU na ve alanlarında hepsi birer virtiyöz durumuna gelmiş olan Sayın Mehmet Akif ERDOĞAN, Sayın Cenk DÖNMEZ, Sayın Anıl TANRIÖVER ve Sayın Onur ŞATIR a içtenlikle minnettarlığımı belirtmek isterim. Meteorolojik verilerin temin edilmesinde esirgemedikleri destekten dolayı, mütevazi kişilikleriyle kamu sektöründe çalışmalarını sürdüren Adana Meteoroloji Bölge Müdürlüğü elemanı Sayın Dr. Kadir TEPECİK e; DSİ 6.Bölge Müdürlüğü elemanlarından Sayın Met. Yük. Müh. Gülnur KAVUKÇU ya, Sayın Met. Yük. Müh. Süleyman UYSAL a ve Sayın Murat YILMAZ a yardımlarından dolayı çok teşekkür ederim. Sulama tesisi projelemelerinde engin bilgisinden faydalandığım her zaman beraber çalışmak istediğim Adana Valiliği İl Özel İdaresi elemanı Sayın Zir. Müh. Türker ÇETİN e ve yardımlarını hiçbir zaman esirgemeyen Sayın Harita Müh. Bülent ŞEKERLİ ye sağladıkları teknik destekten dolayı teşekkür ederim. Bilgi birikimlerini her zaman paylaşabilen, birlikte aynı işyerinde çalışmaktan onur duyduğum mesai arkadaşlarım Sayın Jeo. Müh. Nurettin BAŞARIR ve Sayın Jeo. Müh. Yücel YÜKSEL e bana sabırla tahammül ettikleri için saygılar sunarım. Ailemi ihmal ettiğim halde hiç yakınmadıkları için şükranlarımı sunarım. Her ne vakit olursa olsun verilerin kontrol edilmesinde bana yardımcı olan kardeşim Sn. Nilüfer KESKİNER e teşekkür ediyorum. Ayrıca, dokuz aylık kızım Adeviyye Rabia KESKİNER in saygı duyduğum bilim insanları arasında bir hayatının olmasını diliyor ve kızıma daha fazla zaman ayıracağım için mutlu olduğumu belirtmek istiyorum. III

6 İÇİNDEKİLER SAYFA ÖZ I ABSTRACT II TEŞEKKÜR III İÇİNDEKİLER IV ÇİZELGELER DİZİNİ VII ŞEKİLLER DİZİNİ X 1. GİRİŞ 1 2. ÖNCEKİ ÇALIŞMALAR İklim Elemanlarının CBS Ortamında Haritalanması Çalışmaları İklim Elemanlarının CBS Ortamında Haritalanması ve Karşılaştırılması İle İlgili Çalışmalar İklim Elemanlarının CBS Ortamında Kestiriminde En Uygun Yöntemin Bulunması ve Pratiğe Uyarlanmasına Yönelik Çalışmalar MATERYAL VE YÖNTEM Materyal Çalışma Alanının Coğrafi Konumu ve Özellikleri Havzanın Topoğrafyası Havzanın İklim Durumu Sıcaklık ve Yağış Verileri Sıcaklık Verileri Yağış Verileri Akım Verileri İçel-Tarsus Topçu Deresi Havzası Yağış-Akım Verileri İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Yağış-Akım Verileri Adana Hakkıbeyli Göleti Havzası Akım Verileri Verilerin Alındığı İstasyonların Koordinatları DEM Görüntüleri Yöntem Regresyon Analizi 25 IV

7 Frekans Analizi Kolmogorov-Smirnov Uygunluk Testi Doğrusal Regresyonda Sapan Değer Analizi Coğrafi Bilgi Sistemi Ortamında Çoklu Regresyon Modeli İle Tahmin Haritalarının Oluşturulması Jeoistatistik Analiz Yarıvariogram Analizi Ordinary Kriging Yöntemi Ordinary Cokriging Yöntemi M. Turc Yöntemi Yöntemlerin Kıyaslanması İstatistiksel Test Kriterlerine Göre Yapılan Kıyaslamalar Şahit İstasyon Kullanılarak Yapılan Kıyaslamalar Gerçek Akım Verileri Kullanılarak Yapılan Kıyaslamalar ARAŞTIRMA BULGULARI VE TARTIŞMA Eksik Gözlemlerin Regresyon Yöntemi İle Tamamlanması Frekans Analizi Sonuçları Sıcaklık Serilerinin Frekans Analizi Sonuçları Yağış Serilerinin Frekans Analizi Sonuçları İçel-Tarsus Topçu Deresi Havzası Yağış Serilerinin Frekans Analizi Sonuçları İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Yağış Serilerinin Frekans Analizi Sonuçları Çoklu Regresyon Analizi Sonuçları Seyhan Havzasında %50 Olasılıkla Beklenen Ortalama Sıcaklık Model Denkleminin Oluşturulması Seyhan Havzasında %50 Olasılıkla Beklenen Toplam Yağış Model Denkleminin Oluşturulması Seyhan Havzasında %80 Olasılıkla Beklenen Toplam Yağış Model Denkleminin Oluşturulması Seyhan Havzasında %90 Olasılıkla Beklenen Toplam Yağış V

8 Model Denkleminin Oluşturulması Jeoistatistiksel Analiz Sonuçları Ordinary Kriging Yarıvariogram Analizi Sonuçları Ordinary Cokriging Covariogram Analizi Sonuçları Yöntemlerin İstatistiksel Test Ölçütlerine Göre Kıyaslanmasından Elde Edilen Sonuçlar Şahit İstasyon Kullanılarak Yapılan Kıyaslamalardan Elde Edilen Sonuçlar Seyhan Havzasının M. Turc Yüzey Akış Haritasının Oluşturulması Gerçek Akım Gözlemleri Kullanılarak Yapılan Kıyaslamalardan Elde Edilen Sonuçlar İçel-Tarsus Topçu Deresi Havzası Şahit Değerler İle Elde Edilen M. Turc Yöntemi Havza Su Verimi Sonuçları İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Şahit Değerler İle Elde Edilen M. Turc Yöntemi Havza Su Verimi Sonuçları M. Turc Yüzey Akış Haritaları ile Topçu, Kaleönü ve Hakkıbeyli Göleti Havzaları Gerçek Akım Verilerinin Kıyaslanması SONUÇLAR VE ÖNERİLER Sonuçlar Eksik Gözlem Serilerinin Uzatılması İle İlgili Sonuçlar Frekans Analizi Sonuçları Çoklu Regresyon Analizi Sonuçları Jeoistatistiksel Analiz Sonuçları Yöntemlerin İstatistiksel Test Ölçütlerine Göre Kıyaslama Sonuçları Şahit İstasyonların Yağış Serilerinin Frekans Analizleri Kullanılarak Yapılan Kıyaslama Sonuçları Akım Gözlemleri Kullanılarak Yapılan Kıyaslama Sonuçları Öneriler 92 KAYNAKLAR 93 ÖZGEÇMİŞ 100 VI

9 ÇİZELGELER DİZİNİ SAYFA Çizelge 3.1. Seyhan Havzası ve Civarında Bulunan Yıllık Ortalama Sıcaklık Serilerinin Temin Edildiği Gözlem İstasyonları (DMİ, 2007) 18 Çizelge 3.2. Seyhan Havzası ve Civarında Bulunan Yıllık Toplam Yağış Serilerinin Temin Edildiği Gözlem İstasyonları (DMİ, 2007) 19 Çizelge 3.3. İçel-Tarsus Topçu Deresi Havzası Su Yılı Ortalama Yağış ve Akımları (Kuşvuran ve ark., 2006) 20 Çizelge 3.4. İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Su Yılı Ortalama Yağış ve Akımları (Sevinç ve ark., 2000) 21 Çizelge 3.5. Adana-Hakkıbeyli Göleti Havzası Su Yılları Han Deresi Ortalama Akımları (DSİ., 2008) 21 Çizelge 4.1. Yıllık Ortalama Sıcaklık Gözlem Serilerinin Eksik Verilerinin Tamamlanmasında İlişkilendirilen İstasyonlar 41 Çizelge 4.2. Yıllık Toplam Yağış Gözlem Serilerinin Eksik Verilerinin Tamamlanmasında İlişkilendirilen İstasyonlar 42 Çizelge 4.3. Araştırmada Kullanılan Meteoroloji Gözlem İstasyonlarının Yıllık Ortalama Sıcaklık Serilerinin Uyduğu Olasılık Dağılım Modelleri 44 Çizelge 4.4. Araştırmada Kullanılan Meteoroloji Gözlem İstasyonlarının %50 Olasılık Düzeyinde Beklenen Ortalama Sıcaklık Değerleri 45 Çizelge 4.5. Araştırmada Kullanılan Meteoroloji Gözlem İstasyonlarının Yıllık Toplam Yağış Serilerinin Uyduğu Olasılık Dağılım Modelleri 47 Çizelge 4.6. Araştırmada Kullanılan Meteoroloji Gözlem İstasyonlarının %50, %80 ve %90 Olasılıkla Beklenen Yağış Değerleri 48 Çizelge 4.7. İçel-Tarsus Topçu Deresi Havzası Yağış Serilerinin Frekans Analizi Sonuçları 49 VII

10 Çizelge 4.8. İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Yağış Serilerinin Frekans Analizi Sonuçları 50 Çizelge 4.9. Seyhan Havzasında %50 Olasılıkla Beklenen Ortalama Sıcaklık Değerlerinin 36 Örnekli Regresyon Analizi Sonuçları 51 Çizelge Seyhan Havzasında %50 Olasılıkla Beklenen Ortalama Sıcaklık Değerlerinin Model Denklemi Regresyon Analizi Sonuçları 52 Çizelge Bağımlı ve Bağımsız Değişkenler Arasındaki Doğrusal İlişkiyi Gösteren Pearson Korelasyon Katsayıları 53 Çizelge Seyhan Havzasında %50 Olasılıkla Beklenen Toplam Yağış Değerlerinin 46 Örnekli Regresyon Analizi Sonuçları 54 Çizelge Seyhan Havzasında %50 Olasılıkla Beklenen Toplam Yağış Değerlerinin 61 Örnekli Regresyon Analizi Sonuçları 55 Çizelge Toplam Yağışların %50, %80 ve %90 Olasılıklardaki Sapan Değerleri 55 Çizelge Sapan Değerlerin Kümeden Atılmasıyla Değişkenler Arasındaki Pearson Korelasyon Katsayısının Değişimleri 56 Çizelge Seyhan Havzasında %50 Olasılıkla Beklenen Toplam Yağış Değerlerinin Model Denklemi Regresyon Analizi Sonuçları 57 Çizelge Seyhan Havzasında %80 Olasılıkla Beklenen Toplam Yağış Değerlerinin Model Denklemi Regresyon Analizi Sonuçları 58 Çizelge Seyhan Havzasında %90 Olasılıkla Beklenen Toplam Yağış Değerlerinin Model Denklemi Regresyon Analizi Sonuçları 59 VIII

11 Çizelge Farklı Olasılıklı Sıcaklık (C ) ve Yağışın (mm) Küresel Tip Yarıvariogram Model Parametreleri ve Kriging Tahmin Parametreleri 61 Çizelge Farklı Olasılıklı Sıcaklık (C ) ve Yağışın (mm) Küresel Tip Covariogram Model Parametreleri ve Cokriging Tahmin Parametreleri 64 Çizelge P=%50 Olasılıklı Ortalama Sıcaklık Değerlerinin Haritalanmasında Kullanılan Yöntemlerin Kıyaslanması 69 Çizelge P=%50 Olasılıklı Toplam Yağış Değerlerinin Haritalanmasında Kullanılan Yöntemlerin Kıyaslanması 69 Çizelge P=%80 Olasılıklı Toplam Yağış Değerlerinin Haritalanmasında Kullanılan Yöntemlerin Kıyaslanması 69 Çizelge P=%90 Olasılıklı Toplam Yağış Değerlerinin Haritalanmasında Kullanılan Yöntemlerin Kıyaslanması 69 Çizelge Topçu Şahit İstasyonu Değerleri ile Yöntemlerden Elde Edilen Sonuçların Yüzde Tahmin Hataları (PH T ) 71 Çizelge Kaleönü Şahit İstasyonu Değerleri ile Yöntemlerden Elde Edilen Sonuçların Yüzde Tahmin Hataları (PH T ) 71 Çizelge İçel-Tarsus Topçu Deresi Havzası Gerçek ve Farklı Olasılıklardaki Beklenen Havza Su Verimleri 81 Çizelge İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Gerçek ve Farklı Olasılıklardaki Beklenen Havza Su Verimleri 82 Çizelge CBS Ortamında Elde Edilen %50, %80 ve %90 Olasılıklı M. Turc Yöntemi Yüzey Akış Değerleri İle Gerçek Yüzey Akış Değerlerinin Kıyaslanması 83 Çizelge CBS Ortamında Elde Edilen Yüzey Akış Değerleri İle Geleneksel Yöntemle Hesaplanan Yüzey Akış Değerlerinin Kıyaslanması 86 IX

12 ŞEKİLLER DİZİNİ SAYFA Şekil 3.1. Çalışma Alanının Türkiye deki Konumu ve DEM Görüntüsü 15 Şekil 3.2. Çalışmada Kullanılan Meteoroloji Gözlem İstasyonları ve Yüzey Akış Kıyaslamalarında Kullanılan Akım Gözlem İstasyonları Konumları 23 Şekil 3.3 Çalışmanın Genel Akış Şeması 24 Şekil 4.1. Çoklu Regresyon Modelleriyle Tahmin Edilen Farklı Olasılık Düzeylerinde Beklenen Sıcaklık ve Yağış Haritaları 60 Şekil 4.2. Ordinary Kriging Yöntemi İle Farklı Olasılık Düzeyleri İçin Elde Edilen Sıcaklık ve Yağış Haritaları 63 Şekil 4.3. Ordinary Cokriging Yöntemi İle Farklı Olasılık Düzeyleri İçin Elde Edilen Sıcaklık ve Yağış Haritaları 66 Şekil 4.4. Seyhan Havzasının Çoklu Regresyon Yöntemi ile Oluşturulan %50 Olasılıklı Ortalama Sıcaklık Haritası 70 Şekil 4.5. Seyhan Havzasının Ordinary Cokriging Yöntemi ile Oluşturulan %50 Olasılıklı Toplam Yağış Haritası 73 Şekil 4.6. Seyhan Havzasının Ordinary Cokriging Yöntemi ile Oluşturulan %80 Olasılıklı Toplam Yağış Haritası 74 Şekil 4.7. Seyhan Havzasının Ordinary Cokriging Yöntemi ile Oluşturulan %90 Olasılıklı Toplam Yağış Haritası 75 Şekil 4.8. Seyhan Havzasının %50, %80 ve %90 Olasılıklı M.Turc Yöntemi Kayıp (Kuşvuran (2006) Gerçek Evapotranspirasyon) Haritaları 77 Şekil 4.9. Seyhan Havzasının %50 Olasılıklı M.Turc Yöntemi Yüzey Akış Haritası 78 Şekil Seyhan Havzasının %80 Olasılıklı M.Turc Yöntemi Yüzey Akış Haritası 79 Şekil Seyhan Havzasının %90 Olasılıklı M.Turc Yöntemi Yüzey Akış Haritası 80 X

13 1. GİRİŞ Ali Demir KESKİNER 1. GİRİŞ Su kaynaklarının, sürdürülebilir kalkınma ilkesine uygun olarak havza bazında ve diğer doğal kaynaklarla bütünlük içerisinde yönetilmeleri gerekmektedir. Bu koşulların sağlanmasında temel araç; sürekli olarak güncelleştirilip, uyarlanabilen bir havza bilgi sistemidir. Ülkemizde, henüz havza bilgi sistemi kavramı ve felsefesi yerleşmiş değildir. Dolayısıyla havza yönetiminde, başlangıç aşamasında bile önemli bir eksiklikle karşı karşıya kalınmaktadır (Şen, 2002). Havza yönetiminde ana hedef; doğal kaynakların korunması, çevrenin kendini yenileyebileceği bir duruma getirilmesi ve kaynakların sürdürülebilir şekilde yönetimi olmalıdır. Coğrafi Bilgi Sistemleri (CBS), böylesi bir planlama anlayışı için havzaya ait verilerin toplanması, sayısal ortamda depolanması ve konumsal analizlere olanak sağlayacak şekilde sorgulanması için gerekli ortamların hazırlanmasında, teknolojik ve vazgeçilmez bir araç olarak görülmektedir (Nişancı ve ark., 2007). Havza yönetimi planlamalarında, CBS yardımıyla noktasal gözlem değerleri kullanılarak iklim verilerinin alansal dağılımları farklı katmanlarda üretilebilmektedir. Bu durum; CBS kullanımını kaçınılmaz hale getirmiştir. İklim parametrelerinin alansal dağılımının belirlenmesi ve ilgili iklim katmanlarının üretilmesinde ise, birden çok yöntem ile karşılaşmak mümkündür. Ancak, bir bölge için uygun olan yöntem diğer bir bölgede uygun olmamaktadır. Bu nedenle, yapılacak benzer çalışmaların bölgenin özelliklerine ve eldeki verilerin yapısına bağlı olarak değişik yöntemlerle her bölgede uygulanması (Güler ve Kara, 2007) gerekmektedir. Örneğin; bitki su tüketimi üzerine iklim, toprak rutubeti, büyüyen bitkilerin çeşidi, kök yapıları, toprağın fiziksel ve kimyasal özellikleri, işletme yöntemi vb. etki eder. Bu nedenlerle, genel geçerliliği olan üniversal bir denklemin geliştirilmesi olası olmamaktadır (Tülücü, 1990). Bitki su tüketimi kestirimi için genel geçerliliği olan üniversal bir denklemin olmaması, çok sayıda ampirik denklem geliştirilmesine sebep olmuştur. Koşullar böyle olunca; hangi yöntemin, hangi bölgeye veya havzaya daha uygun olduğu, sorun teşkil etmektedir. Üstelik, bitki su tüketiminin hesaplanmasında kullanılan yöntemler için gerekli yağış, nem, sıcaklık, 1

14 1. GİRİŞ Ali Demir KESKİNER radyasyon, buharlaşma vb. iklim elemanları, meteoroloji gözlem istasyonlarında noktasal olarak gözlenmektedir. Veriler bu şekilde elde edildiklerinden dolayı, havzada noktasal nitelik arz etmektedir. Dolayısıyla, noktasal gözlem değerleri olan iklim verileri kullanılarak alansal dağılımların CBS ortamında farklı katmanlarda üretilmesine ihtiyaç duyulmaktadır. Böylece veri katmanları arasında ilişkiler araştırabilmekte ve sorgulama imkanı elde edilebilmektedir. Su kaynaklarının geliştirilmesine yönelik çalışmalarda noktasal yağış değerleri yerine, belirli bir alan üzerine düşen ortalama alansal yağış derinliği kullanılmaktadır (Creutin ve Obled, 1982). Gölet etüt ve planlamaları, noktasal yağış verileri yerine alansal yağış verilerinin kullanıldığı çalışmalardan biridir. Göletler; genellikle kuru dereler üzerine tesis edilmekte; kış ve bahar aylarında boşa giden yüzey akış sularını depolamak suretiyle kurak dönemlerde su sağlamayı amaçlayan su depolama yapılarıdır. Mevcut su kullanımı dikkate alındığında, tahmini olarak dünya nüfusunun üçte ikisinin 2025 li yıllarda su sıkıntısı ile karşılaşacağı (Çakmak ve ark., 1999) belirtilmektedir. Bu durum, su depolama yapılarının planlamalarına yönelik çalışmalara önem verilmesi gerektiğini vurgulamaktadır. Kasap (1988), yapılan ön envanter çalışmalarına göre yurdumuzda on bin göletin yapılabilirliğinin ortaya çıktığını bildirmektedir. Gölet planlamalarında havza su veriminin saptanmasında en güvenli yol, akım gözlemlerine dayanan hesaplamalardır. Ancak, göletlerin tesis edildiği akarsuların çoğunda yukarıda da değinildiği gibi akım gözlemleri bulunmamaktadır. Akım gözlemleri bulunmayan ya da eksik verileri bulunan havzalardaki akarsular üzerine gölet yapılması söz konusu olduğunda ise; ampirik yöntemlerin kullanılması kaçınılmaz olmaktadır (Gündoğdu ve ark., 2001). Ampirik yöntemlerden yaygın olarak kullanılanları; M. Turc, Langbein ve Coutagne yöntemleridir. Göletlerin kapasitelerinin saptanmasında en önemli parametre olan ortalama akışın saptanmasında, uygulamacı kuruluşlarca ülkemizde en çok kullanılan ampirik yöntem ise, M. Turc (Vanlı, 1990) yöntemidir. Ancak; bu yöntemin kullanılması pratik olmakla beraber, yöntemde kullanılan parametrelerin göletin planlanacağı havzaya uyarlanamaması, havza su verimi hesaplamalarında önemli sapmalara neden olmaktadır. Bu durum, Özer (1990) tarafından da işaret edildiği gibi, metodun güvenirliğinin sorgulanmasına neden olmaktadır. Mevcut 2

15 1. GİRİŞ Ali Demir KESKİNER uygulamalarda M. Turc yöntem ile havza su verimi hesaplanırken, havzayı temsil ettiği varsayılan istasyonun yıllık toplam yağış serileri ve yıllık ortalama sıcaklık serileri kullanılmaktadır. Ancak; havzayı temsil ettiği varsayılan söz konusu meteoroloji gözlem istasyonunun yıllık yağış ve sıcaklık serileri, noktasal nitelikli verilerden oluştuğundan havzayı yeterince temsil etmemektedirler. Barnes (2003) tarafından da işaret edildiği gibi, bir alan üzerine rastgele dağılmış meteoroloji gözlem istasyonlarına ilişkin iki farklı zamana ait, iki farklı veri gurubundan elde edilen istatistikler hemen hemen birbirine çok yakın ve histogramlar da birbirine oldukça benzer olabilmektedir. Bu istatistiklere bakılarak, iki veri gurubunun alan üzerindeki dağılımlarının aynı olduğu sonucuna da varılamaz. Çünkü, havzada eş zamanlı olarak gözlenen verilere ilişkin istatistiklerin hesabında da gözlemlerin yapıldığı yerin coğrafi konumu, gözlem istasyonlarının alan üzerindeki dağılımı (konfigürasyonu) ve gözlemler arasındaki korelasyon dikkate alınmamaktadır (Çetin, 1996). Gözlemlerin birbirinden bağımsız olduğu, örnek ortalamasının kitle ortalamasını en iyi şekilde temsil ettiği ve normal dağılıma uyduğu kabul edilmektedir (Çetin ve Tülücü, 1997). Ancak; bir gözlem uzayındaki veriler konumları ve aralarındaki uzaklığa bağlı olarak önemli derecede birbirleriyle bağımlı olabilmektedirler. Bu nedenle; eksik verilerin tamamlanması, gözlemi bulunmayan noktalardaki ihtiyaç duyulan verilerin tahmini, verilere ilişkin istatistikler haritalanarak elde edilen eş düzey eğrileri yardımı ile incelenen özelliğin alan üzerindeki değişiminin belirlenmesinde, veriler arasındaki korelasyonda (Burgess ve Webster, 1980) göz önünde bulundurulmalıdır. Böylece, gözlemi olmayan bir yer için sıcaklık, yağış vb. veri tahmininde tek bir istasyon yerine birden çok istasyon verisi kullanılarak daha gerçekçi bir tahmin yapılmış olacaktır. Değinildiği gibi mevcut uygulamalarda geleneksel olarak M. Turc yöntemi ile havza su verimi hesaplanırken, havzayı temsil ettiği varsayılan tek bir istasyona ilişkin yıllık yağış ve yıllık ortalama sıcaklık serileri kullanılmaktadır. Ancak; Özer (1990), Vanlı (1990), Türkyılmaz (1996) ve Kuşvuran (2006) tarafından da işaret edildiği gibi akım gözlemleri ile hesaplanan yıllık havza su verimi ile M. Turc denklemi ile hesaplanan havza su verimleri arasında sapmalar olmaktadır. Söz konusu bu sapmaların en aza indirilebilmesi; M. Turc yönteminde kullanılan belirli 3

16 1. GİRİŞ Ali Demir KESKİNER olasılıklardaki yağış ve sıcaklık değişkenleri için en uygun haritalama yöntemlerinin saptanması ve uygun yöntemle haritalanarak alansal dağılımlarının göz önünde tutulması ile olasıdır. Bu araştırma, km 2 lik bir alanı kapsayan Seyhan Havzasında yürütülmüştür. Çalışma ile: 1. Gölet inşasında havza su veriminin ampirik yöntemle hesaplanmasında temel değişken olarak kullanılan %50 olasılıklı sıcaklık; %50, %80 ve %90 olasılık düzeylerinde beklenen yağış değerlerinin Coğrafi Bilgi Sistemi (CBS) ortamında Ordinary Kriging, Ordinary Cokriging ve Çoklu Regresyon Analizi olmak üzere üç farklı enterpolasyon yöntemi ile haritalarının oluşturulması, 2. Enterpolasyon yöntemlerinin birbiriyle kıyaslanarak yöntemler arasında havzayı temsil eden en uygun haritalama tekniğinin belirlenmesi, 3. M. Turc yönteminde kullanılan %50, %80 ve %90 olasılıklarda beklenen toplam yağış ve %50 olasılıklı ortalama sıcaklık değerlerinin en uygun haritalama tekniğiyle haritalanması; böylece, M. Turc yöntemi parametrelerinin havzaya uyarlanmasındaki sapmaların azaltılması, planlama ve envanter çalışmalarında biriktirme yapılarının ekonomikliğinin en önemli kriteri olan tesis kapasitesinin hesabının en az hata ile belirlenerek elde edilen sonuçların uygulamacıların hizmetine sunulması amaçlanmıştır. 4

17 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER 2. ÖNCEKİ ÇALIŞMALAR Havza bazında iklim elemanlarının CBS ortamında alansal olarak haritalanması bir çok disiplinde kullanılmaktadır. Konu ile ilgili olarak yapılmış çalışmalar üç ana başlık altında incelenmiştir İklim Elemanlarının CBS Ortamında Haritalanması Çalışmaları Çalışmanın bu kısmında iklim elemanlarının CBS ortamında alansal olarak haritalanmasının yapıldığı araştırmalara değinilmiştir. Parajka ve Szolgay (1998), Slovakya da uzun dönem ortalama gerçek evapotranspirasyonu (ET) ve potansiyel evapotranspirasyonu (EP) gridlere dayalı enterpolasyon ile haritalamışlardır. Araştırmalarında 50 adet meteoroloji gözlem istasyonu verisi kullanmışlardır. El yardımıyla çizilmiş ET, EP, Yağış, Sıcaklık ve Yüzey Akışın uzun dönem ortalamasına ilişkin haritalarını raster formatına dönüştürmüşlerdir. ET ve EP nin hesaplanması için raster formatındaki yağış ve sıcaklık haritalarını M. Turc denkleminde kullanmışlardır. Tahminleri Budyko- Tomlain su bütçesi modeli ile kıyaslamışlardır. Konumsal ve istatistiksel açıdan bakıldığında cebirsel haritalama tekniği ile raster formatında oluşturulan hidrolojik haritaların, gerçekçi ve sürekli güncellemeye uygun yapıda olduğunu açıklamışlardır. Ninyerola ve ark. (2000), İspanya da km² lik bir alanda yürüttükleri çalışmalarında 160 adet sıcaklık gözlem istasyonu ve 257 adet yağış gözlem istasyonu kullanmışlardır. Amaçlarının; iklimsel değişkenleri haritalamak için coğrafi değişkenleri hesaba katan, CBS tekniğini kullanan, objektif haritalama ve doğru enterpolasyon yapan bir yöntem geliştirmek olduğunu belirtmişlerdir. Çoklu regresyon denklemi oluşturarak bağımsız değişkenlerin raster formatında harita katmanlarını hazırlamışlardır. MiraMon yazılımını kullanarak regresyon denklemlerinden tahmin haritalarını oluşturmuşlardır. Tahminler ile istasyonların gözlem değerlerini karşılaştırarak, Kriging tekniği ile düzeltme katsayılarının haritasını elde etmişlerdir. Tahmin haritası ile düzeltme haritasını toplayarak gerçek haritaları oluşturmuşlardır. Sonuç olarak; CBS ve istatistiksel tekniklerin 5

18 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER birleşiminden amaca uygun yüksek doğrulukta aylık ve yıllık iklimsel haritaların elde edildiğini belirtmişlerdir. Madelin ve Beltrando (2005), Fransa nın Marne bölgesinde km² lik bir alanda araştırmalarını yürütmüşlerdir. Çalışmalarında 23 adet meteorolojik istasyon verisini kullanmışlardır. Günlük minimum sıcaklıklar ile coğrafik (koordinatlar) ve topoğrafik (yükseklik, eğim, bakı) veriler arasında çoklu regresyon denklemi kurmuşlardır. Oluşturdukları günlük minimum sıcaklık haritası yardımıyla dona duyarlı bölgeleri saptamışlardır. Modelden elde edilen tahmin haritası ile 2003 yılı baharında gözlenen don zararı alanlarını karşılaştırmışlar, gözlenen ve tahmin edilen alanların uyum sağladığını belirtmişlerdir. Gomez ve ark. (2007), Meksika da km² lik bir alanda 41 adet meteoroloji gözlem istasyonu verisi kullanarak, kısıtlı verilerle aylık ve yıllık ortalama sıcaklık ve yağış değerlerinin tahmininde yeni bir yöntem geliştirmeyi amaçlamışlardır. Sıcaklığın yükseklik ile değişimini regresyon eşitliği geliştirerek tahmin etmişlerdir. Regresyon eşitliklerini ve DEM görüntülerini kullanarak ArcView programı ile sıcaklık haritalarını oluşturmuşlardır. Yağış tahminlerini ise; meteorolojik sistemin analiz edilmesine dayalı grafik metot ile gerçekleştirmişlerdir. Grafik yöntemde; istasyonların coğrafi konumu, rüzgar nemi ve bitki örtüsü kullanılmıştır. Uydu görüntüleri yardımıyla istasyonların yağış bilgileri arasında ilişki kurmak için vejetasyon ve toprak nemi birlikte değerlendirilmiştir. Kuzey yamaçlardaki bitki örtüsünün aynı yağışı alsa bile güney yamaçlardaki bitki örtüsünden önemli derecede farklı olduğunu, bunun sebebinin alınan radyasyonun bitki örtüsündeki su oranına etkisinden kaynaklandığını açıklamışlardır İklim Elemanlarının CBS Ortamında Haritalanması ve Karşılaştırılması İle İlgili Çalışmalar İklim elemanlarının CBS ortamında birkaç farklı yöntemle haritalanması ve sonuçların kıyaslanarak yöntemler arasında en gerçekçi tahmin yapan yöntemin saptandığı çalışmalara bu başlık altında değinilmiştir. 6

19 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER Tabios ve Salas (1985), Amerika Birleşik Devletlerinde yürüttükleri bir çalışmada 29 adet yağış gözlem istasyonu verisi kullanmışlardır. Amaçlarının; belirtilen bölgelerde yıllık yağış toplamlarının tahmininde önerilen farklı enterpolsayon tekniklerini kıyaslamak olduğunu vurgulamışlardır. Altı enterpolasyon tekniğini birbiriyle karşılaştırmışlardır. Değerlendirmeler; seçilmiş beş istasyon gözlemleri ile tahmin edilen değerler kıyaslanarak yapılmıştır. Kriging enterpolasyon tekniğinin diğer yöntemlere göre daha iyi sonuçlar elde ettiğini belirtmişlerdir. Ayrıca, Multiquadratik tekniğin bu iki teknikle yaklaşık aynı sonuçları verdiğini, Ters Uzaklık yöntemi ve Thiessen Poligon tekniklerinin tatmin edici neticeler vermesine karşın, Polinomal Enterpolasyon tekniğinin iyi tahminde bulunamadığı sonucuna varmışlardır. Borga ve Vizzaccaro (1996), İtalya da yürüttükleri bir araştırmada amaçlarının Kriging tekniği ile deterministik bir yaklaşım olan Multiquadratik Surface Fitting tekniği arasındaki bağı incelemek olduğunu belirtmişlerdir. Kriging doğrusal variogram denklemlerinin konik yüzeylerde Multiquadratic Surface Fitting denklemleriyle eşit olduğunu açıklamışlardır. İki tahminin doğruluğu saatlik sağanak yağış haritaları ile değerlendirilmiştir. Sonuç olarak; Kriging yönteminin az sayıdaki gözlem istasyonu ile yapılan enterpolasyonda daha iyi netice sağladığını, gözlem istasyonu sayısı artırıldığında ise iki yönteminde benzer sonuçlar verdiğine değinmişlerdir. Ayrıca, her tekniğin kendine göre avantaj ve dezavantajlarının olduğunu, bu durumun veri setlerinin yapısından kaynaklandığını belirtmişlerdir. Kullanılan yöntem ile veri setlerinin uyumlu olması gerektiğini vurgulamışlardır. Hartkamp ve ark (1999), Meksika da km² lik bir bölgede yürüttükleri araştırmalarında; yağış serilerini 510 gözlem istasyonundan, sıcaklık serilerini ise 315 gözlem istasyonundan temin etmişlerdir. Belirledikleri ölçütlerle verilerin bir kısmını filtre etmişler, bir kısmını da enterpolasyona sokmayarak şahit olarak değerlendirmişlerdir. ArcView ve ANUSPLIN yazılımlarını kullanarak üç farklı enterpolasyon tekniği ile yağış ve sıcaklık haritaları oluşturmuşlardır. Değerlerin tahmin edilen hataları göz önüne alındığında, sıcaklık ve yağış haritalarının Thin- Plate Smoothing Splines yöntemi ile üretilmesini önermişlerdir. 7

20 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER Kurtzman ve Kadmon (1999), İsrail de yürüttükleri çalışmalarında; 38 adet meteoroloji gözlem istasyonu verisi kullanmışlardır. Araştırmalarında üç yöntem seçmişlerdir. Lokal bazdaki 725 km² lik alanda yaptıkları sıcaklık haritalarını; Spline ve Ağırlıklı Ters Uzaklık (IDW) yöntemleri ile, ülke bazındaki haritalamayı ise Çoklu Regresyon yöntemi ile yapmışlardır. Amaçlarının; lokal bir alan için sıcaklıkların alansal dağılım haritalarını elde etmek ve bu haritaları tüm alan için Çoklu Regresyon yöntemi ile oluşturulan haritalar ile karşılaştırmak olduğunu belirtmişlerdir. Sonuç olarak; enterpolasyon tekniklerinin hiçbirinin 4 sıcaklık değişkenin haritalanmasında sağlıklı netice vermediğini belirtmişlerdir. Her yöntemin doğru sonuçlar ürettiği sıcaklık değişkenleri olduğu gibi; farklı sıcaklık değişkenlerinde aynı yöntemlerin doğru performansı yakalayamadıklarına dikkat çekmişlerdir. Bununla birlikte lokal enterpolasyon yöntemlerinin regresyon modellerine göre daha etkili olduğunu vurgulamışlardır. Goovaerts (2000), Portekiz de km² lik alanda, 36 yağış gözlem istasyonu kullanarak yaptığı bir araştırmada; yedi adet entorpolasyon tekniği kullanmıştır. Bu tekniklerin performanslarının karşılaştırılmasını çapraz doğrulama (Cross Validation) metoduyla yapmıştır. Karşılaştırma ölçütü olarak hata kareler ortalamasına (MSE) bakmıştır. Yağış haritalamalarında yüksekliğin kullanılması gerektiğini vurgulamıştır. Yükseklik ve yağış ilişkisini dikkate almayan yöntemlerin (Ters Uzaklık ve Thiessen Poligon) tahmin hataları büyük bulunmuştur. Jeoistatistiksel yöntemlerle yapılan tahminler diğer tekniklere göre daha doğru sonuçlar vermiştir. Özellikle, Doğrusal Regresyonda yağış gözlemlerinin alansal bağımlılığın yükseklikle beraber düşünülmesi gerektiği vurgulanmıştır. Ordinary Kriging tekniğinin yağış ve yükseklik arasındaki korelasyon dikkate alındığında Doğrusal Regresyon yönteminden daha etkili tahmin yaptığını belirtmiştir. Hofierka ve ark. (2002), Slovakya ve İsviçre den sağladıkları; sırasıyla 435 ve 467 meteorolojik gözlem istasyonu verisi kullanarak araştırmalarını yürütmüşlerdir. Amaçlarının Regularized Spline With Tension (RST) yöntemine dayalı ileri metodoloji geliştirmek olduğunu belirtmişlerdir. Karşılaştırmaları; Kriging ve Cokriging yöntemleri ile oluşturulan yağış tahmin haritaları, uzmanlar tarafından el ile oluşturulmuş yağış-akış haritaları ve gözlenen yüzey akış 8

21 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER değerleriyle yapmışlardır. Karşılaştırmaları istatistiksel parametreler ve çapraz doğrulama yöntemi ile test etmişlerdir. Sonuç olarak; RST yönteminin; teste tabi tutulan diğer yöntemlerle benzer tahminler veya daha doğru tahminler yaptığını vurgulamışlardır. Ayrıca; RST yönteminin uzun dönem alansal yağış haritalarının, el yardımıyla üretilmiş yağış haritalarının yerine kullanılabileceğini belirtmişlerdir. Naoum ve Tsanis (2002), km² lik yüzölçüme sahip İsviçre de yağışın alansal değişimini 467 adet meteoroloji gözlem istasyonu verisi kullanarak araştırmışlardır. On iki enterpolasyon tekniğini; gridlerin hücre büyüklüğü ile birlikte gözlem istasyonu sayısını değiştirerek kullanmışlardır. Yöntemler; 3 aşamada, 3 farklı gözlem istasyonu sayısı ve 4 farklı grid hücre büyüklüğüyle işleme sokulmuştur. Tahmin ettikleri değerlerle işleme girmemiş istasyon değerlerini karşılaştırmışlardır. Sonuç olarak; bir enterpolasyon tekniğinin ne kadar gelişmiş olursa olsun ölçüm ağı olmayan bölgelerdeki yağışı doğru bir şekilde tahmin edemediğini belirtmişlerdir. Araştırma yapılan bölgelere mümkün olduğunca yakın gözlem istasyonları verilerini kullanarak çok sayıda veri setlerini işleme dahil etmek gerektiğini vurgulamışlardır. Veri setlerine bağlı olarak 12 enterpolasyon tekniğinden; gözlem istasyonu sayısı ve grid hücre büyüklüğüne bakılmaksızın, Kriging Exponential ve Kriging Universal-1 modellerinin daha tutarlı ve güvenebilir tahmin yaptıklarını belirtmişlerdir. Vicente-Serrano ve ark. (2003), İspanya da yürüttükleri bir çalışmada; 99 yağış ve 61 adet sıcaklık istasyonu kullanmışlardır. Enterpolasyon metotlarını global, lokal, jeoistatistik ve kombine (global, lokal, jeoistatistik) yöntemler olarak dört başlık altında sıralamışlardır. Toplam 11 yöntemi haritalamada kullanmışlardır. Kıyaslamalarını Willmott (1982) önerilerine göre yapmışlardır. Sonuç olarak; yağış haritalarında en iyi sonuçları Kriging ve dört farklı coğrafik ve topoğrafik değişken kullanan regresyon modelinden elde edilen tahminlerden sağlandığını belirtmişlerdir. Sıcaklık tahminlerinde regresyon tabanlı enterpolasyon tekniklerinin başarılı sonuçlar elde ettiğini görmüşlerdir. Farklı enterpolasyon yöntemleriyle sağlanan sonuçların doğruluğunun; haritalanan iklim elemanına bağlı olduğunu ve topoğrafik, jeoğrafik ve atmosferik faktörlerin iklim elemanlarının alansal dağılımı üzerine etki ettiğini vurgulamışlardır. 9

22 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER Anderson (2003), ABD nin Arizona bölgesinde yaklaşık km² lik bir alanda, 36 adet meteoroloji gözlem istasyonu kullanarak alansal sıcaklık haritası üretmiştir. Sıcaklık değerleri; Spline, Ağırlıklı Ters Uzaklık (IDW) ve Kriging yöntemiyle haritalanmış ve sonuçlar karşılaştırılmıştır. Değerlendirme; istatistiksel sonuçları ve Willmott denklemi baz alınarak gerçekleştirilmiştir. Sonuç olarak; Kriging yönteminin alansal enterpolasyonda muhtemel en iyi tahmini yaptığını belirtmiştir. Kriging yönteminden sonra ikinci en iyi tahmininin IDW yöntemi sonuçlarından elde edildiğini vurgulamıştır. Apaydın ve ark. (2004), Güney Doğu Anadolu Projesi kapsama alanı olan km² lik bir alanda, 112 adet meteoroloji gözlem istasyonu verisi kullanarak çalışmalarını yürütmüşlerdir. On iki farklı enterpolasyon tekniği ile altı iklim elemanını alansal olarak haritalamışlardır. Karşılaştırmaları çapraz doğrulama yöntemi ve istatistiksel parametreler yardımıyla gerçekleştirmişlerdir. Sonuç olarak; sıcaklık, solar radyasyon, oransal nem ve rüzgar hızı değerlerinde en iyi tahmin haritalarının Simple Cokrging yöntemiyle elde edildiğini belirtmişlerdir. Güneşlenme ve yağış değerlerinin enterpolasyonun da ise, en iyi sonucun Düzeltilmiş Spline (Completely Regularized Spline) yönteminin sağladığını tespit etmişlerdir. Simpson ve ark. (2004), Alaska Konumsal Veri Merkezi (AGDC) ve Oregon Devlet Üniversitesi Konumsal İklim Analiz Servisi (SCAS) arasında ortak bir çalışma yürütmüşlerdir. Enterpolasyon yöntemi olarak AGDC, ANUSPLIN yöntemini; SCAS ise, PRISM yöntemini kullanmıştır. ANUSPLIN yöntemi ile harita oluşturmak için yağış verileri 54 adet istasyondan, yüzey ısısı verileri ise 74 adet istasyondan sağlanmıştır. PRISM yönteminde ise toplamda 455 adet istasyon verisi kullanılmıştır. Sonuçta; SCAS gurubunun oluşturduğu veri setlerinin, Alaska nın alansal olarak uzun dönem aylık ortalama yüzey ısısı ve yağış değerlerini en iyi şekilde temsil ettiğini belirtmişlerdir. Hunter ve Meentemeyer (2005), A.B.D nin Californiya eyaletinde yaptıkları bir araştırmada 779 adet gözlem istasyonu verisi kullanmışlardır. Yağış ve sıcaklık haritalarını, Interpolation Only (IO) yöntemi ve Climate Imprint (CI) yöntemiyle gerçekleştirmişlerdir. IO yöntemiyle sıcaklık ve yağışın haritalanması ArcInfo 8.3 ortamında Kriging enterpolasyon yöntemi kullanılarak oluşturulmuştur. CI 10

23 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER yönteminde PRISM yönteminin çevresel faktörleri içine alan algoritması ve Kriging tahminleri birleştirilerek sıcaklık ve yağış haritaları oluşturulmuştur. Yöntemlerin değerlendirilmesinde yağış, maksimum ve minimum sıcaklıların tahmin sonuçlarına bakılmıştır. Ortalama mutlak hata (MAE) kriterine göre CI yönteminin IO yöntemine göre daha doğru tahmin yaptığını belirtmişlerdir. Ustrnul ve Czekierda (2005), Polonya da yürüttükleri çalışmalarında ülke içinden ve dışından toplam 223 meteorolojik gözlem istasyonundan sıcaklık verilerini temin etmişlerdir. Dört farklı Kriging yöntemiyle Polonya nın sıcaklık haritalarını oluşturmuşlardır. Haritalar arasında yaptıkları değerlendirmede, Residual Kriging yönteminin en gerçekçi tahminde bulunduğuna karar vermişlerdir. Farklı sıcaklık tiplerinin haritalanma işlemini bu yöntemle gerçekleştirmişlerdir. Yöntem seçiminde coğrafik değişkenlerin (arazi topoğrafyası, arazi kullanımı, toprak tipi vb.) dikkate alınması gerektiğini belirtmişlerdir. Nikolova ve Vassilev (2006), Bulgaristan da km² lik alanda 11 adet meteoroloji gözlem istasyonu verisi kullanarak araştırmalarını yürütmüşlerdir. Surfer yazılımını kullanarak alansal yağışı sekiz değişik enterpolasyon tekniğiyle haritalamışlardır. Amaçlarının farklı enterpolasyon yöntemlerinin meteorolojik veri analizleri ile birleştirilmesine dikkat çekmek olduğunu belirtmişlerdir. Sonuç olarak; Enterpolasyon yöntemi seçiminin, araştırma alanının noktasal meteorolojik veri ölçüm sayısına ve alanın iklim özelliklerinin bilinmesine bağlı olduğunu vurgulamışlardır. Araştırmalarında doğruluk oranı en yüksek yağış tahminlerinin Kriging, Minimum Eğrilik (Minimum Curvature) ve Radyal Bazlı Fonksiyon (Radial Basis Function) yöntemleri ile elde edildiğini açıklamışlardır. Alaghmand ve ark. (2007), İran da yürüttükleri araştırmalarında; yirmi yıllık gözlem süresi olan 15 gözlem istasyonu ve 5 şahit istasyon kullanmışlardır. Çalışmalarında ILWIS yazılımı ile altı farklı enterpolasyon metodu kullanarak alansal yağış haritası oluşturmuşlardır. Metotların etkinliğinin istatistiksel değerlendirilmesin de MSE ve RMSE (Hata Kareler Ortalamasının Karekökü) parametreleri dikkate alınmıştır. Sonuç olarak; tahminden elde edilen yağış değerlerini, beş şahit istasyon değerleri ile kıyaslanmıştır. Yapılan karşılaştırmalarda en az hata oranının Kriging yöntemi ile elde edildiğini belirtmişlerdir. 11

24 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER Miras-Avalos ve ark. (2007), İspanya da km² lik bir alanda 121 adet meteorolojik gözlem istasyonu verisi kullanarak çalışmalarını yürütmüşlerdir. Aylık toplam yağış verilerinin haritalanmasında tek bir yöntemin uyum sağlamadığını, farklı modellerin farklı veri setleriyle uyumlu sonuç verdiğini belirtmişlerdir. Çalışılan ölçekte Ters Uzaklık tekniğinin diğer yöntemlere göre daha iyi tahminde bulunduğunu açıklamışlardır. Morales ve ark. (2007), Şili de yürüttükleri bir çalışmada; mikrokilimatik alanların belirlenmesi için enterpolasyon metotlarını karşılaştırmışlardır. Araştırmalarında 78 adet meteoroloji gözlem istasyonu kullanmışlardır. İklim elemanlarını Ağırlıklı Ters Uzaklık, Ordinary Kriging (OK), Block Kriging, Global Regresyon ve Geographicaly Weighted Regresyon (GWR) yöntemleri ile haritalamışlardır. Tahmin edilen iklim elamanları değerlerini inceleyerek mikrokilimatik bölgeleri belirlemeye çalışmışlardır. Tahminlerin performansını; Bağıl Hata (RE), Ortalama Hata (ME), Hata Kareler Ortalamasının Karekökü (RMSE) kriterlere göre yapmışlardır. Sonuç olarak; OK ve GWR metotlarının tahminlerde en iyi performansı yakaladıklarını saptamışlardır. Topoğrafyayı dikkate alan birleştirilmiş enterpolasyon metotları ile topoklimotolojik ve mikroklimitolojik bölgelerin saptanmasında daha iyi sonuçlara ulaşıldığını vurgulamışlardır İklim Elemanlarının CBS Ortamında Kestiriminde En Uygun Yöntemin Bulunması ve Pratiğe Uyarlanmasına Yönelik Çalışmalar İklim elemanlarının CBS ortamında elde edilen haritalarının daha kapsamlı kullanıma yönelik yapılan araştırmalardır. Farklı yöntemlerle oluşturulan haritalar kıyaslanarak en gerçekçi tahmin yapan yöntem belirlenmiştir. Bu yöntemlerle elde edilen iklim elemanları haritaları; hidrolojik, klimatolojik vb. alanlarda girdi olarak kullanılmıştır. Li ve ark. (2000), A.B.D de yürüttükleri bir araştırmada 139 adet gözlem istasyonu kullanmışlardır. ArcGIS yazılımıyla dört farklı enterpolasyon planlaması yapmışlardır. Çapraz doğrulama yöntemiyle, RMSE değerlerine bakarak gözlenen ve tahmin edilen sıcaklık değerlerinin performanslarını kıyaslamışlardır. Elevationally 12

25 2. ÖNCEKİ ÇALIŞMALAR Ali Demir KESKİNER Detrended Ordinaray Kriging yönteminin en düşük RMSE değeriyle tercih edilebilir enterpolasyon yöntemi olduğunu belirtmişlerdir. Çalışmalarının esasının; ArcGIS Arcobjects çevre modellemesini kullanarak bölgesel evepotranspoarsyon (ET) modelinin oluşturulması olduğunu açıklamışlardır. Elevationally Detrended Ordinaray Kriging yöntemini kullanarak oluşturulan sıcaklık haritaları yardımıyla CBS temelli referans ET modellemişlerdir. Attore ve ark. (2006), türlerin biyoklimatik çevre örtüsünün tanımlanmasına yönelik yaptıkları araştırmada; 304 gözlem istasyonu kullanmışlardır. Bölgesel ölçekte biyoklimatik ve iklimsel değişkenlerin haritalanması için üç enterpolasyon tekniğini kıyaslamışlardır. Sıcaklık ve yağışın 12 farklı değeri ile 9 biyoklimatik dizini analiz etmişledir. Oluşturulan haritaların performansını RMSE kriterine göre değerlendirmişlerdir. Bu sonuçlara göre; türlerin biyoklimatik çevre örtüsünün tanımlanmasına yönelik haritaları Universal Kriging tekniği ile yapmışlardır. Dubrovsky ve ark. (2006), Çek Cumhuriyeti nde 125 adet gözlem istasyonu ile CBS ve iki farklı yöntem kullanarak iklim elemanlarını enterpole etmişledir. Tarımsal hidrolojide; ürün veriminde duyarlılıkların belirlenmesi, iklim karakterlerinin değişimi, yüzey akışın belirlenmesi gibi konularda model kullanımının önemine değinmişlerdir. Amaçlarının, oluşturdukları sentetik zaman serileriyle gözlenen değerleri kıyaslayarak model sonuçlarının test etmek ve bu sonuçlara göre modelleri kalibre etmek olduğunu vurgulamışlardır. Gelecekteki model planlamalarında kullanılması amacıyla üç farklı yöntemle iklim elemanı haritaları oluşturmuşlardır. Yöntemlerin performanslarını çapraz doğrulama yöntemiyle değerlendirmişlerdir. CBS ortamında Cokriging yönteminin diğer iki yönteme göre daha iyi tahmin yaptığını açıklamışlardır. 13

26 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER 3. MATERYAL VE YÖNTEM 3.1. Materyal Çalışma Alanının Coğrafi Konumu ve Özellikleri Bu araştırma; km² (Çetin ve ark., 1998) genişliğindeki Seyhan Havzasında yapılmıştır (Şekil 3.1). Seyhan Havzası Doğu Akdeniz bölgesinde kuzey enlemleri ile doğu boylamları arasında yer almaktadır (Öztopal ve Şen, 2007). Havzanın kuzey doğusunda Aşağı Fırat Havzası, doğusunda Ceyhan Havzası, kuzey ve kuzey batısında Kızılırmak Havzası, batısında Orta Anadolu Kapalı Havzası ve güney batısında Doğu Akdeniz Havzaları bulunmaktadır. Havzanın adını aldığı Seyhan Nehri Türkiye'nin Akdeniz'e dökülen ırmaklarının en büyüğü ve en önemlisidir. Uzunluğu 560 km'dir. İki önemli kolu vardır. Seyhan nehrinin kaynağındaki adı Zamantı suyudur. Sivas-Altınyayla ilçesi, 1500 metre yükseklikteki Uzun Yayla'dan doğar. Kayseri'nin Pınarbaşı, Tomarza, Develi, ve Yahyalı ilçelerinden geçer. Orta Toroslar'ın (Tahtalı Dağları) uzanış doğrultusunda akan Zamantı ırmağı, Çukurova'ya inmeden önce Adana'nın 80 km kuzeyinde Aladağ ilçesinin Akinek Dağı yamaçlarında diğer önemli kolu olan Göksu ile birleşir. Birleştikten sonra Seyhan nehri adıyla anılmaya başlar. Adana'nın içinden geçer ve bu kenti Seyhan ve Yüreğir isimli iki ilçeye böler. Yaklaşık 60 km sonra Tarsus'un 20 km güneyindeki Tarsus Çayı ile birleşir. Çukurova'nın en batı kesiminde, Adana-İçel sınırında Deliburun dan Akdeniz'e dökülür (Anonim, 2008). Bunlara ek olarak, Seyhan nehri üzerine kurulmuş ve halen işletmede olan mevcut tesislerden en eskisi Seyhan barajı ve hidroelektirik santralidir. Bu baraj, sulama, enerji ve taşkın kontrolü olmak üzere çok maksatlı olarak planlanmış ve 1956 yılında işletmeye açılmıştır. Günümüzde ise barajın ölü hacminin 2 katı büyüklükte bir sediment ile dolması nedeniyle Seyhan barajı mansap kısmında meydana gelen taşkınları tek başına kontrol edemez duruma gelmiştir. Bu nedenle, havzada yapımına öncelik verilen ikinci önemli su yapısı ise enerji ve taşkın kontrolü amacıyla hizmete yeni açılmış Çatalan barajıdır (Topaloğlu, 1999). 14

27 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Şekil 3.1. Çalışma Alanının Türkiye deki Konumu ve DEM Görüntüsü 15

28 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Havzanın Topoğrafyası Seyhan Havzası Öztopal ve Şen (2007) tarafından belirtildiği gibi topoğrafik yapı bakımından değişken bir yapıya sahiptir. Havza deniz düzeyinden başlayarak topoğrafik olarak, ova, eşik alanlar ve dağlık alanlar biçiminde bir dizilim gösterir. Eşik alanlardan kuzeye doğru çıkıldığında yerini dağlık alanlara bırakmaktadır. Söz konusu dağlık alanlar, Toros dağlarının orta uzantısında yer alan ve Seyhan Havzasının üst kesimini oluşturan Aladağlar dır Bu dağ sırası 40 km ye yakın bir uzunluk üzerinde 3000 m den yüksek bir set oluşturmakta ve toplam uzunluğu 100 km ye ulaşmaktadır. Morfolojik yapısı; derin vadiler, sarp yamaçlar, yüzey akışlarının oluşturduğu ondüleli topografya ile biçim kazandığından eğim açısından da oldukça değişken bir karaktere sahiptir. Topaloğlu (1999) tarafından yürütülen Seyhan Havzası Akarsularında Taşkınların Büyüklük ve Frekanslarının Tahmini İçin Uygun Bir Yöntemin Araştırılması adlı çalışmada Seyhan Havzasının önemli bir topoğrafik özelliğine değinilmiştir. Yüksekliği 3756 m ye ulaşan Demirkazık tepesinin; havzanın güneyi ile Toros dağlarının kuzey batı bölümü arasında bulunarak yağış fırtınalarının havza içerisine girişini etkilediği belirtilmiştir Havzanın İklim Durumu Toros dağlarının havzayı iki kısma bölmesi havzada iki ayrı özellikte iklimin oluşmasına neden olmuştur. Toros dağlarının güney ve güneydoğu bölgesinde kalan havza kesimi Akdeniz iklim kuşağına girmekte olup, yağışlar topoğrafyanın etkisiyle ani sağanaklar halinde olmaktadır (Topaloğlu, 1999). Ulukışla dan Pınarbaşı na ve daha kuzeye uzanan kesim İç Anadolu özelliklerini yansıtmaktadır. Çukurova ve eteklere mm; Ulukışla, Çiftehan, Pınarbaşı, Sarız ve Tufanbeyli merkezlerini kapsayan kurak kesime ise mm arasında yağış düşmektedir. En yağışlı kesim yüksek orta bölümdür. Aladağları da içine alan bu orta bölümde, dağların sırt doruklarında yağış 1500 mm ye yaklaşmaktadır. Daha aşağılarda mm dir. Yağış Çukurova da yağmur, orta ve kuzey bölümünde ise yağmur ve 16

29 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER kar şeklindedir. Çukurova da yıllık sıcaklık ortalaması 18 C nin üzerindedir. Adana merkezine göre en soğuk ay (Ocak) ortalaması 9.4 C, en sıcak ay (Ağustos) 28.8 C dir. Yıllık sıcaklık farkı 19.4 C dir. Yıllık en düşük aylık sıcaklık ortalaması 14.1 C, aylık en yüksek sıcaklık ortalaması ise 25.1 C dir. Arada 11 C fark vardır. Kuzeyde ve dağlık orta bölümde yıllık sıcaklık ortalaması 11 C ve daha düşüktür (Öztopal ve Şen, 2007) Sıcaklık ve Yağış Verileri Çalışmada DMİ Genel Müdürlükleri taşra teşkilatlarınca işletilen meteorolojik gözlem istasyonlarının uzun yıllık ortalama sıcaklık ve yağış serileri kullanılmıştır. Sıcaklık ve yağış serilerinin temin edildiği meteorolojik gözlem istasyonlarının tamamı Seyhan Havzası sınırları içerisinde değildir. Havzanın yakın komşuluğunda bulunan meteorolojik gözlem istasyonlarının sıcaklık ve yağış serileri de temin edilerek araştırmada kullanılmak üzere değerlendirilmiştir Sıcaklık Verileri Araştırmada; havza içinde ve hemen sınırında yer alan 48 adet meteorolojik gözlem istasyonun uzun yıllık ortalama sıcaklık serileri kullanılmıştır. Bu istasyonların 27 adeti Seyhan Havzası dışında, 21 adeti ise Seyhan Havzası içerisindedir. Meteoroloji gözlem istasyonların; adları, kayıt yılları ve kayıt uzunlukları Çizelge 3.1 de sunulmuştur. Çalışmada kullanılan sıcaklık verileri DMİ Genel Müdürlüğünden günlük olarak temin edilmiştir. İstasyonların eksik gözlemleri, gözlem serisi tam olan ayların günlük değerleri arasında kurulan regresyon denklemi yardımıyla tamamlanmıştır. Aylık ortalamaları bulunmuştur. Belirlenen aylık ortalama sıcaklık serileri kullanılarak ait olduğu yılın ortalaması hesaplanmıştır. Böylece istasyona ait kaç yıllık gözlem varsa her yıla ait yıllık ortalama sıcaklık değerleri belirlenerek istasyonunun ortalama sıcaklık serileri oluşturulmuştur. 17

30 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Çizelge 3.1. Seyhan Havzası ve Civarında Bulunan Yıllık Ortalama Sıcaklık Serilerinin Temin Edildiği Gözlem İstasyonları (DMİ, 2007) S. N İSTASYON ADI KOT (m) KAYIT PERİYODU KAYIT SÜRESİ S. N İSTASYON ADI KOT (m) KAYIT PERİYODU KAYIT SÜRESİ 1 KANGAL YAHYALI ULAŞ NIĞDE ALTINYAYLA BOR * ŞARKIŞLA ÇAMARDI GEMEREK FEKE SARIOĞLAN SAİMBEYLİ ÖRENŞEHİR ANDIRIN GÜRÜN ULUKIŞLA PINARBAŞI EREĞLİ PAZARÖREN POZANTI ELBAŞI GÜLEK BÜNYAN ÇAMLIYAYLA GESİ KARAİSALI KAYSERİ ÇATALAN * HACILAR Ç.OVATARİŞ YEŞİLHİSAR CEYHAN DEVELI YUMURTALIK TOMARZA HACIALİ ADANA KARATAŞ SARIZ TUZLA AFŞİN TARSUS ÇARDAK KOZAN GÖKSÜN KADİRLİ TUFANBEYLİ DOĞANKENT * * Frekans Analizi İçin Veri Serisi İlişkilendirilmeyip Analizden Çıkarılan İstasyonlar Yağış Verileri Seyhan Havzası içinde ve yakın komşuluğunda yer alan 64 adet meteoroloji gözlem istasyonunun uzun yıllık yağış gözlem serileri araştırmada kullanılmıştır. Bu istasyonların 37 adeti Seyhan Havzası dışında, 27 adeti ise Seyhan Havzası içerisindedir. İstasyonlara ilişkin bazı bilgiler Çizelge 3.2 de verilmiştir. Yağış verileri meteoroloji istasyonlarından ay içerisinde belirli günlerde düşen yağış değerleri olarak elde edilmiştir. Aylık toplam yağışlar; ay içersindeki günlük yağış 18

31 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER miktarları toplanarak elde edilmiştir. Aylık toplam yağış serilerindeki eksik gözlemi bulunan yıllar, aylık gözlem serileri tam olan yıllar arasında oluşturulan regresyon denklemi kullanılarak tamamlanmıştır. Aylık toplam yağışlar toplanarak yıllık toplam yağışlar hesaplanmıştır. Gözlem istasyonunun kaç yıllık yağış gözlemi varsa bu işlem her yıl için yapılarak yıllara göre toplam yıllık yağış serileri bulunmuştur. Çizelge 3.2. Seyhan Havzası ve Civarında Bulunan Yıllık Toplam Yağış Serilerinin Temin Edildiği Gözlem İstasyonları (DMİ, 2007) S. N İSTASYON ADI KOT (m) KAYIT PERİYODU KAYIT SÜRSİ S. N İSTASYON ADI KOT (m) KAYIT PERİYODU 1 KANGAL BAKIRDAĞ KONAKPINAR ŞIHLI YAZYURDU YAHYALI ULAŞ HÜYÜKOFİS ALTINYAYLA NIĞDE ŞARKIŞLA BOR * GEMEREK ÇAMARDI GEMEREKOFIS* MANSURLU SARIOĞLAN FEKE AKKIŞLA SAİMBEYLİ KAYNAR ÇOKAK ÖRENŞEHİR ANDIRIN GÜRÜN KARSANTI PINARBAŞI ÇİFTEHAN PAZARÖREN ULUKIŞLA ELBAŞI EREĞLİ BÜNYAN POZANTI GESİ GÜLEK TALAS ÇAMLIYAYLA KAYSERİ KARAİSALI HACILAR ÇATALAN * YEŞİLHİSAR İMAMOĞLU DEVELI KÖSRELİ TOMARZA Ç.OVATARİŞ TOKLAR CEYHAN ADANA YUMURTALIK SARIZ HACIALİ TANIR KARATAŞ AFŞİN TUZLA ÇARDAK TARSUS GÖKSÜN KOZAN TUFANBEYLİ KADİRLİ * Frekans Analizi İçin Veri Serisi İlişkilendirilmeyip Analizden Çıkarılan İstasyonlar KAYIT SÜRESİ 19

32 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Akım Verileri Seyhan Havzasında çalışmamıza yönelik akım verileri DSİ ve Tarsus Toprak ve Su Kaynakları Araştırma Enstitüsünden (TTSKAE) sağlanmıştır. Seyhan Havzasında küçük havzalara yönelik yağış-akım çalışması yeterince olmadığından 3 adet havza yağış akım verisi bulunabilmiştir. Bu verilerden iki tanesi Tarsus Toprak ve Su Kaynakları Araştırma Enstitüsü tarafından havzaların hidrolojik karakterlerinin saptanmasına yönelik araştırma projesinden alınmıştır. Diğer akım verisi ise DSİ tarafından 1994 yılında inşa edilen sulama amaçlı Hakkıbeyli göletine ait etüt raporlarından temin edilmiştir. Hakkıbeyli göleti; m boylam ve m enleminde olup, mevki olarak Seyhan Havzası dışında kalmaktadır. Gölet havzası ise, Seyhan Havzası ile sınır teşkil etmektedir. Araştırmamızda; yağış-akış kayıtlarının az miktarda olması göletin projelenmesinde kullanılan yağış-akış kayıtlarının değerlendirilmesini zorunlu kılmıştır. Seyhan Havzasındaki gerçek akım verileri ile M.Turc yöntemi sonuçlarını kıyaslayabilmek için Hakkıbeyli gölet aks koordinatları yerine göletin Seyhan Havzası sınır koordinatları kullanılmıştır İçel-Tarsus Topçu Deresi Havzası Yağış-Akım Verileri Topçu Deresi Havzasında yağış ve akımları ölçmek için TTSKAE tarafından 3 adet istasyon kurulmuştur. İstasyonlarda ölçümler limnigraf, pluviyometre, pluviyograf ve savak kullanılarak yapılmıştır. Çizelge 3.3 de araştırmada kullanılan Topçu Deresi Havzasının 20 yıllık ortalama yağış ve akımları verilmiştir. Çizelge 3.3. İçel-Tarsus Topçu Deresi Havzası Su Yılı Ortalama Yağış ve Akımları (Kuşvuran ve ark., 2006) Havza Alanı ( km²) 1.69 Yükseklik (metre) 65 Koordinatlar Boylam (m) Enlem (m) Aylar X XI XII I II III IV V VI VII VIII IX Yıllık Ortalama Yağış (mm) Ortalama Akım (mm) mm/yıl 55.2 mm/yıl 20

33 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Yağış-Akım Verileri Kaleönü Göleti Havzasına TTSKAE tarafından yağış ve akımları ölçmek için üç adet yağış istasyonu ile bir adet akım istasyonu kurulmuştur. Yağış istasyonlarında pluviyometre ile akım istasyonunda ise eşel ile ölçüm yapılmıştır. Çizelge 3.4 de araştırmada kullanılan Kaleönü Göleti Havzasının 7 yıllık ortalama yağış ve akımları sunulmuştur. Çizelge 3.4. İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Su Yılı Ortalama Yağış ve Akımları (Sevinç ve ark., 2000) HavzaAlanı (km²) Yükseklik (m) 260 Koordinatlar Boylam (m) Enlem (m) Aylar X XI XII I II III IV V VI VII VIII IX Ortalama Yağış (mm) Ortalama Akım (mm) Topla m mm/yıl 78.4 mm/yıl Adana Hakkıbeyli Göleti Havzası Akım Verileri Hakkıbeyli göleti, Sulama amaçlı inşa edilmiş bir gölettir. Göletin proje karakteristiklerini belirlemek için yılları arasında Han deresi üzerine kurulan akım gözlem istasyonu ile havzanın akışları ölçülmüştür. Araştırmamızda kullanılan Han deresi akımlarının bütün yıllar ortalama değerleri Çizelge 3.5 de verilmiştir. Çizelge 3.5. Adana-Hakkıbeyli Göleti Havzası Su Yılları Han Deresi Ortalama Akımları (DSİ, 2008) Havza Alanı ( km² ) Yükseklik (m) 183 Koordinatlar Boylam (m) Enlem (m) Aylar X XI XII I II III IV V VI VII VIII IX Toplam Dönem mm/yıl 21

34 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Verilerin Alındığı İstasyonların Koordinatları Çalışmada kullanılan sıcaklık, yağış ve akım gözlem istasyonlarının enlem ve boylam olarak koordinat değerleri; DMİ, DSİ ve Mülga Köy Hizmetleri nin ilgili ünitelerinden derece-dakika biriminden temin edilmiştir. Gauss-Krüger (Çetin ve ark., 1998) koordinat sistemine NETCAD yazılımı ile çevrilmiştir. Dönüşümler; UTM projeksiyonu, WGS 84 datum, 33 dilim orta boylamı ve 6 derecelik orta boylam dilimine göre yapılmıştır. Enlem ve boylamlar metre olarak ifade edilmiştir. Meteoroloji gözlem istasyonları ve akım gözlem istasyonlarının konumları Seyhan Havzasının DEM görüntüsü ile birlikte Şekil 3.2 de verilmiştir DEM Görüntüleri Araştırmada kullanılan Seyhan Havzasına ait DEM görüntüleri, 1/ ölçekli topoğrafik haritalar kullanılarak ArcGIS yazılımı ile sayısallaştırılarak üretilmiştir. DEM görüntüleri 250x250 metre çözünürlükte türetilerek işleme alınmıştır. Çözünürlüğün 250x250 metre seçilmesinin iki ana nedeni vardır. Birinci neden, 30x30 m veya 100x100 m gibi yüksek çözünürlükte çalışıldığında, sıcaklık ve yağış değişkenlerinin yarıvariogram ve covariogram modelleri oluşturulurken büyük kapasiteli bilgisayara ihtiyaç duyulmuştur. İşlemlerde kullanılan DEM görüntülerinin çözünürlüğü 250x250 m seçildiğinde ise, büyük kapasiteli bilgisayarlara ihtiyaç duyulmadan enterpolasyon yapılabilmiştir. İkinci ve en önemli sebep ise, 250x250 m çözünürlüğün gölet projelemeleri için uygun hassasiyette bir çözünürlük olarak değerlendirilmiş olmasıdır. Gölet inşasında kullanılan önemli proje ölçütlerinden biri; göletin depolayacağı su miktarının, gölet inşasında kullanılan dolgu hacmine oranı ile belirlenmektedir. Dolayısıyla gölet projelemelerinde havza alanı büyüklüğünün ana proje ölçütlerinden olmadığını vurgulamak gerekir. Ancak, sulama göletlerinde en küçük havza alanı 1 km² olarak değerlendirilmektedir (Anonim, 2002). Çözünürlük 250x250 m kullanıldığında 1 km² lik alanda 16 adet grid hücresi olacağından, gölet projelemelerinde bu sayının mevcut uygulamalarla kıyaslandığında oldukça yeterli olacağı düşünülmüştür. 22

35 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Şekil 3.2. Çalışmada Kullanılan Meteoroloji Gözlem İstasyonları ve Yüzey Akış Kıyaslamalarında Kullanılan Akım Gözlem İstasyonları Konumları 23

36 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER 3.2. Yöntem Seyhan Havzasında yapılan bu araştırmada; CBS ortamında; Ordinary Kriging, Ordinary Cokriging ve Çoklu Regresyon Analizi olmak üzere üç farklı enterpolasyon yöntemi kullanılmıştır. Bu yöntemler ile %50, %80 ve %90 olasılıklı toplam yağış ve %50 olasılıklı ortalama sıcaklık haritaları oluşturulmuştur. Yöntemler, istatistik test ölçütlerine göre ve şahit istasyon kullanılarak kıyaslanmıştır. Kıyaslamalar neticesinde en gerçekçi tahmin yapan yöntem ile oluşturulan iklim elemanları haritası kullanılarak M. Turc yöntemi havza su verimi hesaplanmıştır. M.Turc yöntemi havza su verimleri ile gerçek akımlar karşılaştırılmıştır. Çalışmanın akış şeması Şekil 3.3 te sunulmuş ve yöntemler izleyen bölümlerde açıklanmıştır. Verilerin Toplanması Sıcaklık, Yağış ve Akış Verilerinin Temin Edilmesi Sayısal Yükseklik Modelinin (DEM) Oluşturulması Ham Verilerin Bilgisayar Ortamında Analiz Edilmesi İstasyonların Eksik Gözlemlerinin Regresyon Analizi İle Tamamlanması Frekans Analizi Yapılarak; %50, %80, %90 Olasılıkta Toplam Yağış ve %50 Olasılıkta Ortalama Sıcaklık Değerlerinin İstasyon Bazında Bulunması ArcGIS Ortamında Üç Yöntemle Olasılıklı Sıcaklık ve Yağış Haritaların Oluşturulması Haritalar Kıyaslanarak Havzayı Temsil Eden En Uygun Yöntemin Saptanması En uygun Yöntemle Oluşturulan Haritalarla %50, %80, %90 Olasılıkta M. Turc Yüzey Akış Haritasının Elde Edilmesi M. Turc Yöntemi Yüzey Akış Haritaları İle Akım Gözlemleri Havza Su Verimlerinin Kıyaslanması Şekil 3.3. Çalışmanın Genel Akış Şeması 24

37 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Regresyon Analizi Bir veya birden çok değişken arasındaki ilişkilerin deterministik olarak bulunmasını sağlar. Diğer bir ifadeyle, ilişkinin modellenmesidir. Regresyon analizi basit ve çok değişkenli olabilir (Erol, 2006). Bu araştırmada; Çoklu Doğrusal Regresyon Modeli ve Polinom Tipi Regresyon Modelleri kullanılmıştır Polinom Tipi regresyon modellerinden; Basit Doğrusal, Kuadratik ve Kübik regresyon modelleri ile eksik veriler tamamlanmıştır. Belirtme Katsayısı (R²) değeri en büyük, standart sapması en küçük model seçilerek eksik gözlem serileri uzatılmıştır. Eksik gözlem serilerinin uzatılmasında kullanılan polinom tipi regresyon modelleri matematiksel olarak Eşitlik 3.1 ile ifade edilebilir (Ryan ve Cryer, 2005). Burada; ( Dogrusal Kuadratik : Y = b Kübik : Y = b 0 : Y = b 0 + b X + e Y = Bağımlı değişken, b X + b X 1 + b X + b X X = Bağımsız değişken, e + b X e (3.1) bi = Regresyon katsayıları, e = Hata terimini göstermektedir. Çoklu Regresyon modelinde ise bir bağımlı ve bağımlı değişkeni etkileyen birden fazla değişken yer almaktadır. Araştırmada kullanılan çoklu regresyon denkleminde; meteoroloji istasyonundan sağlanan %50 olasılıktaki ortalama sıcaklık (T ) değerleri ve toplam yağışların (P ) %50, %80 ve %90 olasılıktaki beklenen değerleri bağımlı değişken olarak seçilmiştir. Enlem (EN), yükseklik (YÜK), denizden uzaklık (DU), solar radyasyon (SR) ve bakı (B) bağımsız değişkenleri temsil etmektedir. Çoklu regresyon modelini oluşturmak için SPSS istatistik bilgisayar yazılımı kullanılmıştır. Sıcaklık ve yağış verilerinin model denklemleri regresyon analizinde geriye doğru ayıklama yöntemi kullanılarak oluşturulmuştur. 25

38 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Model denklemi katsayılarının önem testi t istatistiğine göre yapılmıştır. Model denkleminin önem testi ise varyans analizi (F-testi) ile belirlenmiştir. Model denklemi ve değişkenlerinin önem testi α= 0.05 ve α= 0.10 önem düzeylerinde incelenmiştir. Önem düzeylerinin seçimi; bağımlı ve bağımsız değişkenler arasındaki korelasyon katsayılarının büyüklüklerine göre belirlenmiştir. Bunun nedeni; bağımlı ve bağımsız değişkenler arasında korelasyonu az olan değişkenlerin modeli temsil edebilme olasılıklarını azaltmak içindir. Denklem 3.2 ile ifade edilen model denkleminde hangi bağımsız değişkenlerin yer alıp almayacağı incelenen olasılık düzeyindeki F ve t istatistikleri ile belirlenmiştir. Y = b b EN + b YÜK + b DU + b SR b B (3.2) Burada; Burada; Y = %50 olasılıkta beklenen ortalama sıcaklık (T), (C ) Y = %50, %80 ve %90 olasılıkta beklenen toplam yağış, (P), (mm) b i= Regresyon katsayılarını göstermektedir. EN, YÜK, DU, SR ve B bağımsız değişkenleri temsil eden coğrafik verilerdir. EN = Enlem (m), YÜK = Yükseklik (m), DU SR B = Denizden Uzaklık (m), = Solar Radyasyon (k J/m²), = Bakı (derece), göstermektedir Frekans Analizi Belirli tek bir olayın frekansı, söz konusu olayın uzun bir deney serisinde meydana gelme sayısının, toplam deney sayısın oranı olarak tanımlanır. Frekans analizinde genel yöntem, olayın oluş şekline uyan özel frekans dağılımının seçilmesi 26

39 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER ve deneysel gözlemlerden denklemin parametrelerinin hesaplanması şeklinde olmaktadır (Tülücü, 1988). Bu çalışmada frekans analizleri; en az beş yıllık gözlemlerin olasılık dağılımlarını hesaplayan BestFit yazılımı ile gerçekleştirilmiştir. BestFit yazılımında verilerin hangi olasılık dağılımı ile temsil edileceği 28 adet olasılık dağılım fonksiyonu arasından belirlenerek yapılmaktadır (Bestfit, 2004). Dağılımlar belirlendikten sonra uygunluk testleri %5 önem düzeyinde Kolmogorov-Smirnov testi ile değerlendirilmiştir. Belirlenen dağılımlara ilişkin frekans faktör eşitliği (Chow ve ark., 1988) Denklem 3.3, 3.4 ve 3.5 yardımıyla, M. Turc yönteminde kullanılmak üzere; %50, %80 ve %90 olasılıklardaki toplam yağış ve %50 olasılıklı ortalama sıcaklık değerleri hesaplanmıştır. S = X Cv (3.3) X = 1+ K Cv (3.4) X Denklem 3.4 değişik şekilde şöyle yazılabilir; Burada; X X = X K S (3.5) p % + p%. p % = İncelenen değişkenin belirli olasılık düzeyinde beklenen değeri, X = X Değerlerinin ortalaması, K = p % Frekans faktörü olup, belirlenen olasılık düzeyinde ( P %) verilen frekans dağılımının bir özelliğidir (Çetin ve ark., 2001), Cv = X e bağlı değişim katsayısı, S = Standart sapma Kolmogorov-Smirnov Uygunluk Testi Frekans dağılımlarının hangi dağılımla temsil edilebileceği %5 önem düzeyinde Kolmogorov-Smirnov testi ile belirlenmiştir. Bu test yapılırken; gözlem değerleri olasılıkları (yığışımlı yoğunluk fonksiyonları frekansları) ile kuramsal 27

40 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER olarak hesaplanan olasılık değerlerinin bilinmesi gerekir. Test, örnek verilerin yığışımlı dağılım fonksiyonu ile kuramsal yığışımlı dağılım fonksiyonunu kıyaslamayı hedefler. Bu testte önce; gözlenmiş seri elemanları büyükten küçüğe veya küçükten büyüğe doğru sıraya dizilir. Seçilen noktalama pozisyonu formülü ile her bir elemanın olasılığı p i hesaplanır. Üç nokta yöntemi ile seçilen dağılımın frekans doğrusu çizilir. Seçilen olasılık dağılım fonksiyonunda bu ( x i ) değerine karşılık gelen F x = x ) olasılıkları bulunur. Diğer bir ifadeyle burası; aynı değerin gözlem ( i grafiklenen nokta olasılığı ile kuramsal hesaplanan nokta olasılıklarıdır. Bu p ve F x = x ) olasılıkları arasındaki farklar Denklem 3.6 ile bulunur. i ( i max = F( x = x i ) p i (3.6) Bu farklar arasındaki maksimum değer max, Kolmogorov-Smirnov testi için örnek sayısı ve çeşitli önem düzeylerine göre hazırlanan çizelge değerinden çizelge küçükse seçilen olasılık dağılım modeli kabul edilir (Tülücü, 1988; Topaloğlu, 1999) Doğrusal Regresyonda Sapan Değer Analizi Araştırma yapan herhangi bir kimse çalıştığı numunelerden elde ettiği rakamsal verilerden bazılarının incelediği guruptan olup olmadığından kuşkulanabilir. Bu gibi değerlere sapan değer veya kuşkulu gözlem denmektedir. Bağımlı ve bağımsız değişkenlerin söz konusu olduğu doğrusal regresyon modellerinde sapan değerle ilgili testler söz konusudur. Bu gibi çalışmalarda ele alınan modelden mutlak olarak en çok sapma gösteren gözlemlerin sapan değer olduğundan kuşkulanılır. Bunun için doğrusal regresyonda her gözlem için sapan değerler Eşitlik 3.7 ile hesaplanabilir. Bunlardan mutlak değeri en büyük olanı, regresyon modeli standart sapmasına bölünerek Eşitlik 3.8 ile test birimi t bulunur (Kesici ve Kocabaş, 1998). 28

41 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER e i = Y Yˆ (3.7) i i Yi Yˆ i t = (3.8) S e Burada; e = Sapan değer, i Y = İstasyonlardan elde edilen değer, i Yˆ = Regresyon modeli ile bulunan değer, i S = Regresyon modeli standart sapması, e t = Test istatistiği olarak ifade edilir. Bulunan t değerlerinin sapan değer olup olmadığına karar verme işlemi 0.01 olasılık düzeyinde incelenmiştir. Bu olasılık düzeyi; değişkenin ortalamasından 3 standart sapma daha büyük veya daha küçük olan değerlere karşılık gelmektedir (Erol, 2006). Araştırmamızda; incelenen değişkenin t istatistiği 3 ten büyük olan değerleri sapan değer olarak kabul edilmiştir Coğrafi Bilgi Sistemi Ortamında Çoklu Regresyon Modeli İle Tahmin Haritalarının Oluşturulması Bilgisayarın yaygınlaşmasıyla otomatik enterpolasyon yöntemleri geliştirilmiş ve uygulanmıştır. Ters Uzaklık, Thiessen Poligonu vb. matematiksel modeller ile daha gelişmiş yöntemler olan Cokriging ve Elevation Detrended Kriging gibi jeoistatistik yöntemler bunlara örnek verilebilir. Ancak, bu yöntemler birçok durumda coğrafi bilgileri hesaba katmamaktadırlar. CBS ortamında çoklu regresyon analizi yöntemi ise coğrafi bilgileri hesaba katarak kullanılan teknikleri önemli derecede geliştirebilmektedir. Yöntemin amacı; iklim elemanlarının haritasını elde ederken coğrafi değişkenleri hesaba katan, CBS tekniğini kullanan, objektif haritalama ve doğru enterpolasyon yapan bir yöntem geliştirmektir. Yönteminin 29

42 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER ampirik olmasının nedeni modelin oluşturulması ve doğrulanmasın da meteoroloji istasyonlarından elde edilen verileri kullanmasıdır. Yöntemin istatistiksel olması ise, çoklu regresyon analizine ve analizin uygunluğunun doğrulanmasından kaynaklanır (Ninyerola ve ark., 2000). Bu çalışmada çoklu regresyon analizi ile elde edilen regresyon modelleri ve cebirsel haritalama tekniği kombinasyonu birlikte uygulanmıştır. Her grid hücresi incelenen bağımsız değişkeni temsil edecek şekilde, alana düzenli olarak yayılan coğrafi matrisler halinde, raster formatında harita katmanları hazırlanmıştır. Denklem 3.2 de yer alan EN, YÜK, DU, SR ve B bağımsız değişkenlerinin her biri için Erdas yazılımı ile Seyhan Havzası DEM görüntüsü kullanılarak raster formatındaki haritaları oluşturulmuştur. Raster formatında oluşturulan harita katmanları ile model denkleminin işletimi, ArcGIS yazılımının Map Algebra modülü ile yapılmıştır. Bu modül; Denklem 3.2 nin sonucunu, oluşturulan raster harita katmanlarını kullanarak 250x250 m boyutlu grid hücreleri için elde etmektedir. Bu işlemlerde, regresyon analizi sonrasında belirlenen regresyon katsayıları kullanılmaktadır. Böylece; %50, %80 ve %90 olasılıktaki toplam yağış ve %50 olasılıktaki ortalama sıcaklık değişkenlerinin CBS ortamında çoklu regresyon modelleri ile tahmin haritaları oluşturulmuştur Jeoistatistik Analiz Belli bir gözlem alanı içerisinde belirli bir yapıya sahip gözlemi bulunmayan yöresel değişkenler ile gözlemi bulunan değişkenler arasında konumlarına göre enterpolasyon yaparak değişkenlerin tahmin edilmesini sağlar. Jeoistatistik analizin birinci ve en önemli aşaması gözlem alanı içersindeki uzaysal bağımlılık yapısını ortaya koyan yarıvariogram analizleridir. Araştırmada; ArcGIS ortamında Ordinary Kriging ve Ordinary Cokriging olmak üzere iki adet jeoistatistik yöntemle enterpolasyon işlemi yapılmıştır. Bu yöntemlerle; %50, %80 ve %90 olasılıkta beklenen toplam yağış ve %50 olasılıkta beklenen ortalama sıcaklık değerlerinin haritaları oluşturulmuştur. 30

43 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Yarıvariogram Analizi Yarıvariogram; örnek çiftleri arasındaki uzaklığın bir işlevi olarak incelenen değişkenin uzaysal bağımlılık derecesini ifade eder (Olea,. 1977; Çetin, 1996). x i ve x j sırasıyla i inci ve j inci gözlem noktası koordinatlarını, z( x i ) ve z( x j ) sırasıyla i ve j gözlem noktalarındaki gözlenen değeri göstermek üzere; N sayıdaki gözlem değerinin deneysel yarıvariogramı, (i,j) gözlem çiftleri arasındaki öklid uzaklığı h a bağımlı olarak Eşitlik 3.9 ile belirlenmektedir (Tabios ve Salas, 1985). [ ] 1 2 ( h) = E { Z( x) Z( x )} i j γ ; i, j =1,N (3.9) 2 h uzaklıkları için hesaplanan deneysel yarıvaryans değerleri γ ( h) karşılıklı olarak grafiklenerek deneysel yarıvariogram elde edilir. Bu deneysel yarıvariograma teorik bir model uydurularak parametreleri belirlenir (Clark, 1979). Hidrolojik çalışmalarda genellikle Küresel, Doğrusal ve Gauss tip yarıvariogram modelleri yaygın olarak kullanılmaktadır (Delhomme, 1978; Englund ve Sparks, 1988). Bu yarıvariogram modelleri matematiksel olarak Eşitlik 3.10 ile ifade edilebilir (Vieira ve ark., 1983). Küresel : γ Gauss : γ ( h) ( Dogrusal : γ Burada; ( h) = c h 1h = a 2a c 0 c 0 + c c 1 + bh h a h > a 2 ( h) = c + [ 1 exp( 3( h / a) )] 0 c1 h = Gözlem çiftleri arasındaki vektörel uzaklık, C 1 = Yapısal varyans, (3.10) a = Gözlemlerin birbirinden bağımsız olduğu kabul edilen etki uzaklığı, 31

44 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER C 0 = Nugget (Kontrolsuz etki) varyansı, C = C 0 + C 1 ; Eşik değer veya tepe varyansı göstermektedir Ordinary Kriging Yöntemi İncelenen yöresel değişkenin teorik yarıvariogram yapısı matematiksel olarak belirlendikten sonra, gözlemi bulunmayan ya da eksik gözlemli yörelerin noktasal değerleri tahmin edilebilir. Bu z(x 0 ) tahmin değeri, z(x) nümerik fonksiyonunun x 0 noktasındaki değerini vereceğinden, gözlenmiş değerlerin lineer toplamı olarak Eşitlik 3.11 ile tanımlanabilir (Bastin ve Gevers, 1985). Eşitliktekiλ i ağırlık katsayıları, tahminin yansız ve minimum varyanslı (Burgess ve Webster, 1980) olması koşulları altında Lagrange çarpanları yöntemi uygulanarak ve Kriging denklem sistemi olarak bilinen (3.12) denklem takımının çözümü ile belirlenebilir. n 0 ) = i z( x i ) i= 1 Z(x λ (3.11) n i= 1 n i= 1 λ γ ( d i λ = 1 i ij ) + µ = γ ( d ); i, j = { 1, 2, 3,..., n } 0 j (3.12) Burada; µ=lagrange çarpanı, γ(d ij ) =i. ve j. gözlem noktaları arasındaki d ij uzaklığına bağlı olarak elde edilen yarıvariogram değerini, γ(d 0j ) = x 0 noktası ile j. gözlem noktası arasındaki d 0j uzaklığına bağlı olarak elde edilen yarıvariogram değeri Minimum tahmin varyansı S² E, (3.13) eşitliği ile hesaplanabilir (Journel ve Huijbregts, 1991; Çetin, 1996). 32

45 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER 2 n i= 1 ( ) S E = µ + λ γ d (3.13) i 0i Eşitlik 3.11 kullanılarak yapılan tahminin güvenilirliği, 3.13 eşitliği ile verilen tahmin varyansına bağlı olmaktadır. Tahmin varyansının büyüklüğü, tahminde kullanılan gözlem sayısı n ve yarıvariogram fonksiyonu tarafından etkilenmektedir (Trangmar ve ark., 1985) Ordinary Cokriging Yöntemi Cokriging yöntemi; yarıvariogram veya kovaryansı (otokorelasyon) ve çapraz kovaryansı (çapraz korelasyon ) kullanır. Modeldeki ölçüm hatasına bağlı olarak bir dereceye kadar tam veya düzeltilmiş olarak enterpolasyon yapar. Çapraz korelasyon ve otokorelasyon grafiklerinin incelenmesi sağlayan çoklu veri seti kullanan esnek bir yapıya sahiptir (Iguzquiza ve ark., 2006). Olasılık, tahminin standart hatası vb. harita çıktılarının elde etmeye yarayan istatistiksel modeller ile çalışır. Birkaç değişken tipi bilgisi mevcuttur. Daha iyi tahmin yapabilmek için, incelenen ana değişken Z 1 in ikili otokorelasyonunu ve Z 1 ile diğer tüm değişken türleri arasındaki çapraz korelasyonu kullanır. İyi bir tahmin için diğer değişken tiplerini hesaba almak daha uygundur. Ancak, bu durum belirli bir ek işlem anlamına gelmektedir. Her değişken için otokorelasyon ve de çapraz korelasyon tahminlerini kapsayan birçok tahmine gereksinim duyar. Teorik olarak; eğer çapraz korelasyon yoksa Kriging den daha kötü bir tahmin yapılamaz. Değişkenler arasında ilişki olmadığından tek değişkenli bir enterpolasyon olur ki buda Kriging işlemidir. Bu durumda Z 1 için otokorelasyon hata verir. Bununla birlikte; tanıtılan çok fazla değişkenle, her zaman bilinmeyen otokorelasyon parametreleri tahmin edilebilir. Ordinary Cokriging model varsayımı Denklem 3.14 te verilen eşitliklerle tanımlanır. Z ( s) = µ + ε ( s) Z ( s) = µ ε ( s) 2 (3.14) 33

46 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Burada; µ 1, µ 2 bilinmeyen sabitlerdir. Dikkat edilmesi gereken husus ε 1 (s) ve ε 2 (s) gibi iki tesadüfi hataya sahip olunduğu; böylece, her biri arasında otokorelasyon ve çapraz korelasyonun olduğudur. Ordinary Cokriging, Ordinary Kriging de olduğu gibi Z 1 (s 0 ) i tahmin etmeye çalışır. Ancak, daha iyi tanımlayabilmek için kovaryans bilgilerini de kullanır. Değinildiği gibi, Ordinary Krigingden farkı ikinci bir değişkenin eklenmesidir. Dikkat edilmesi gereken, Z 1 ve Z 2 verilerinin aralarında otokorelasyonun olmasıdır. Ayrıca, zıt bir şekilde Z 1 ; µ 1 kendi ortalamasının altında ve Z 2 ; µ 2 kendi ortalamasının üstündedir. Bu sonuca göre; Z 1 ve Z 2 de negatif çapraz korelasyon mevcuttur (Johnston ve ark., 2001). Yansız kısıtlamalarıyla Ordinary Cokriging negatif ağırlık oluşumunu azaltırken ikinci verilere daha geniş ağırlık verir. Ordinary Cokriging tahminleri birinci verilin ağırlıklarını bire eşitlemeye zorlarken, diğer taraftan ikinci verilerin ağırlıkları sıfıra eşitlenmeye yönlendirilirler. İkinci veri ağırlıklarının çoğu küçülmeye, bazıları da negatif birikim gibi kabul edilemez riskler oluşturmaktadır. Negatif ağırlık oluşumunu azaltmak ve ikinci verilerin yapay sınırlamalarından kaçınmak için birinci ve ikinci veri ağırlıklarını sıfıra eşitlemeye zorlayan, tek bir kısıtlamanın kullanımı önerilmektedir (Goovaerts, 1998). Tek ikinci nitelik Z 2 için, ordinary cokriging (OCK) tahmini u bölgesindeki Z 1 : Z n ( ) = 1 u 2 u () 1 * OCK OCK ( u) λ ( u) Z ( u ) + ( u) Z ( u ) OCK α 1= 1" α 1 1 α1 n ( ) α 2 α 2 = 1 λ (3.15) Tahmin edilen diğer cokriging ağırlıkları olarak; aşağıdaki kısıtlamalar altında şartlıdır. n1( u) α 1= 1" OCK 2 u λ ( u) = 1, OCK ( u) α 1 n ( ) 2 α 2 λ = 0 (3.16) α 2 α 2 = 1 2 Eşitlik 3.16 da belirtilen kısıtlar altında hata varyansının ( u) aşağıda belirtilen doğrusal denklem ( ( u) + n ( u) 2 ) olmaktadır σ azaltılması n sistemi ile mümkün E 34

47 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER n1( u) β 1= 1" n1( u) β 1= 1" n1( u) β 1= 1" n2 ( u) λ β 2= 1 OCK β1 + µ λ OCK β1 + µ λ λ OCK β1 OCK β2 ( u) C ( u u ) OCK 1 n2 ( u) ( u) C ( u u ) ( u) = C ( u u), α = 1,..., n ( u) ( u) C ( u u ) OCK 2 ( u) ( u) n2 ( u) ( u) C ( u u ) ( u) = C ( u u), α = 1,..., n ( u) = 1 = 0 α1 α β1 α1 β1 α β 2= 1" β 2= 1" λ λ OCK β2 OCK β α1 α1 β 2 1 β 2 2 (3.17) OCK OCK Eşitlik 3.17 ile Lagrange parametreleri µ ( u) ve ( u) açıklama getirmektedir. Burada; λ ( u) = Birinci değişken ( u ) OCK α 1 1 α1 λ ( u) = İkinci değişken ( u ) OCK α 2 1 Z in belirlenmiş ağırlığıdır. Z in belirlenmiş ağırlığıdır. 2 α 2 µ iki yansızlık şartına 2 C ij ( u u ) = α i β j u α i ve u β j bölgesindeki Zi ve Zj değişkenleri arasındaki çapraz kovaryanstır (Goovaerts, 1998) M. Turc Yöntemi M. Turc isimli araştırıcı, dünyanın bütün iklimlerinde mevcut 254 havza üzerinde yaptığı gözlemlere dayanarak bulduğu akım açığını Denklem 3.18 ile ifade etmiştir. Formülün kullanılması pratik sağlamakla beraber içeriğinde yer alan parametrelerin havzaya uyarlanmasında sapmalar göstermesi, yöntemin güvenirliğini sarsmaktadır. M. Turc yöntemini kullanırken havza jeolojisi göz önünde bulundurulmalıdır. Aksi takdirde, özellikle karstik sahalarda çok büyük yanıltıcı sonuçlar alınmaktadır (Türkyılmaz, 1996). 35

48 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER Burada; D = Q = P D P ( P ) L 2 D= Havzadaki yıllık ortalama kayıp (mm), P= Havzadaki yıllık ortalama yağış (mm), T= Havzadaki yıllık ortalama sıcaklık (C ), Q= Havzada tahmin edilen yıllık ortalama akımı (mm) göstermektedir. L parametresi ise, L + (3.18) 3 = A + 25T 0.05T olarak tanımlanan bir kat sayıdır. Buradaki A, havzaya özgü bir katsayıdır. Bu katsayı, ülkemizdeki 26 ana akarsu havzası için belirlenmiş olup, Özer (1990) a göre bu kat sayı 0 ile 300 arasında değişim göstermektedir. Seyhan Havzasının A katsayısı 6 olarak belirlenmiştir. Gölet planlamalarında geleneksel olarak M. Turc yöntemi ile havza su verimi hesaplanırken, havzayı temsil ettiği varsayılan istasyonun yıllık toplam yağış serileri ve yıllık ortalama sıcaklık serileri kullanılmaktadır. Havzayı temsil ettiği varsayılan bu istasyonun seçimi zaman alıcı ve yorucu olmaktadır. Bu işlemde öncelikle Thiessen, Aritmetik Ortalama, İzohiyet vb. yöntemler kullanılarak noktasal yağış verilerinden havzayı temsil eden alansal yağış derinliği bulunmaktadır. Bulunan, havza alansal ortalama yağış değeri ile havza ortalama kotu ve havza yönüne bakılarak, hesaplamalarda kullanılmak üzere havzayı temsil edecek istasyon saptanmaktadır. Havzayı temsil eden istasyonun uzun yıllık toplam yağış serilerinin frekans analizi yapılarak; %50, %80 ve %90 olasılıkla beklenen toplam yağış değerleri belirlenmektedir. Havzayı temsil eden istasyonun yıllık ortalama sıcaklık değeri; havza ortalama kotu ve havza ortalama enlem derecesine göre istasyonun enlem ve kot değerlerine bakılarak düzeltilmektedir. Beklenen olasılıklardaki toplam yağış değerleri M. Turc denkleminde yerine konularak %50, %80 ve %90 olasılıklardaki havza su verimi saptanmaktadır. Bulunan havza su verimleri, diğer havza su verimi hesaplama yöntemleri ile elde edilen miktarlarla kıyaslanarak 36

49 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER projelemede kullanılacak havza su verimi seçilmektedir (Dalgün, 1998). Ancak, hesaplanan havza su verimlerinde havzayı temsil eden istasyonun ortalama sıcaklık değerleri kullanılmaktadır. Oysa, iklim elemanlarının meteoroloji gözlem istasyonlarında gözlenen uzun yıllar ortalama değerleri çarpık dağılım gösterebilmektedir. Dolayısıyla, uzun yıllar ortalaması gibi bir değerin proje kriteri olarak kullanılması sakınca yaratmaktadır (Çetin ve ark., 2001). Bu nedenle; bu araştırmada havzayı temsil eden istasyonun ortalama sıcaklık değeri yerine, havzadaki istasyonların sıcaklık serilerinin frekans dağılımlarından elde edilen %50 olasılıkla beklenen ortalama sıcaklık değerlerinin kullanılması benimsenmiştir. M. Turc yöntemi ile gölet aktif hacmi belirlenirken P= Havzada %50, %80 ve %90 olasılıkla beklenen toplam yağış (mm), T= Havzada %50 olasılıkla beklenen ortalama sıcaklık (C ), değerleri Denklem 18 deki eşitliklerde yerine konularak beklenen olasılıklardaki havza su kaybı D ve havza su verimi Q belirlenebilmektedir (Türkyılmaz, 1996) Yöntemlerin Kıyaslanması İstatistiksel Test Kriterlerine Göre Yapılan Kıyaslamalar Tahminlerin performansını belirlemede; Topaloğlu (1999) da belirtilen Bias, PH T, RMSE, MSE ve MAD ölçütlerince elde edilen sonuçların 0 a yakın olanları tercih etmiştir. Seyhan Havzasında üç yöntemle elde edilen; %50, %80 ve %90 olasılıklarda beklenen toplam yağış ve %50 olasılıkla beklenen ortalama sıcaklık haritalarının havzaya en uygun hangi yöntemle haritalanabileceği; Denklem 3.19 Bias (Oransal Taraflılık), Denklem 3.20 Yüzde Tahmin Hatası (PH T ), Denklem 3.21 Hata Kareler Ortalamasının Karekökü (RMSE), Denklem 3.22 Hata Kareler Ortalaması (MSE) ve Denklem 3.23 Ortalama Mutlak Fark (MAD) ölçütleri kullanılarak belirlenmiştir. 37

50 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER 38 = = n i i i i Y Y Y n Bias 1 ^ 1 / (3.19) ( ) 100 / 1 ^ 1 i n i i i T Y Y Y n PH = = (3.20) ^ 1 = = n i Y i Y i n RMSE (3.21) = = i n i i i Y Y Y n MSE / 2 1 ^ 1 (3.22) = = n i Y i Y i n MAD 1 ^ 1 (3.23) Burada; i Y = İstasyonlardan elde edilen değer, ^ i Y = Göz önüne alınan yöntemle her bir istasyon için tahmin edilen değer, n = Gözlem sayısını göstermektedir Şahit İstasyon Kullanılarak Yapılan Kıyaslamalar Topçu Deresi Havzası ve Çavuşlu Kaleönü Göleti Havzası yağış serilerinin frekans analiz sonuçları yöntemler arasındaki kıyaslamalarda şahit olarak kullanılmıştır. Bu havzaların yağış serilerinin şahit olarak seçilmelerinin nedeni; havza büyüklüğüne göre yağış ölçüm istasyonlarının çok olmasıdır. Çalışmamızda yaklaşık 350 km² ye bir yağış gözlem istasyonu düşmektedir. Oysa; Topçu deresi havzasında 0.56 km² ye bir yağış gözlem istasyonu, Çavuşlu Kaleönü göleti havzasında ise 4 km² ye bir yağış gözlem istasyonu düşmektedir. Bu nedenle; iki

51 3. MATERYAL VE YÖNTEM Ali Demir KESKİNER havzanın %50, %80 ve %90 olasılıklardaki beklenen toplam yağış miktarları şahit olarak kullanılmıştır. Kıyaslamalar; %50, %80 ve %90 olasılıkla üretilen haritalardan elde edilen bulgular ile havzaların yağış dağılımlarının aynı olasılıklardaki değerlerine bakılarak yapılmıştır Gerçek Ortalama Akım Verileri Kullanılarak Yapılan Kıyaslamalar DSİ ve Tarsus Toprak ve Su Kaynakları Araştırma Enstitüsü tarafından gözlem yapılarak havza su verimleri belirlenmiş olan Hakkıbeyli göleti, Topçu deresi ve Kaleönü göleti havzalarının su verimleri kıyaslamalarda kullanılmıştır. Bu üç havzanın su verimleri, CBS ortamında %50, %80 ve %90 olasılıkla oluşturulan M. Turc yüzey akış haritalarıyla karşılaştırılmıştır. Geleneksel yöntemle elde edilen M. Turc havza su verimlerindeki sapmaları ile CBS ortamında elde edilen M. Turc yöntemi havza su verimi sonuçları değerlendirilmiştir. 39

52 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER 4. ARAŞTIRMA BULGULARI VE TARTIŞMA 4.1. Eksik Gözlemlerin Regresyon Yöntemi İle Tamamlanması Güvenilir frekans analizi yapabilmek için en az on beş yıllık gözlem serileri kullanılmıştır. On beş yıldan daha az uzunluğu olan istasyonların sıcaklık ve yağış değerleri Çizelge de görüldüğü gibi komşu istasyonlarla ilişkilendirilerek elde edilen regresyon eşitlikleri ile seriler on beş yıla tamamlanmıştır. İstasyonlar arasındaki ilişkinin saptanmasında kullanılan temel değişkenler; konum, istasyon yüksekliği, gözlem sürelerinin uygunluğu ve ara mesafelerdir. İstasyonlar arasında regresyon modeli oluşturulurken; serisi uzatılacak istasyonla ilişkilendirilen istasyonlar bu dört ölçüte göre işleme alınmıştır. Öncelikle; istasyonlar arasında ikinci ve üçüncü derece ilişki yerine doğrusal ilişki tespit edilmeye çalışılmıştır. Bunun sebebi, doğrusal olmayan ilişkilerde verilerdeki küçük değişimler diğer istasyonun hesaplanan veri değerlerinde büyük farklılıklara neden olmaktadır. Diğer bir ifadeyle; iyi bir ilişki modeli oluşturmak için benzer olasılık dağılımlarına sahip olan istasyonlar kullanılarak daha gerçekçi tahminler yapılmaktadır. Bu nedenle, ilişkilendirilecek istasyonların öncelikle Pearson korelasyon katsayısına bakılmıştır. Daha sonra bu katsayılara göre r=0.5 den büyük değerlere sahip olan istasyonların doğrusal, kuadratik ve kübik matematiksel ilişki modelleri oluşturulmuştur. Oluşturulan modellerden standart sapması en küçük olan model eksik serilerin uzatılması için kullanılmıştır. Standart sapmaları bir birine çok yakın olan modeller için istasyon yüksekliklerine bakılmakla birlikte doğrusal modeller yönünde tercih kullanılmıştır. Modellemeler MINITAB istatistiksel paket programı ile yapılmıştır. Akkışla, Hüyükofis, Kaynar, Konakpınar, Kösreli, Şıhlı, Talas ve Tanır yağış gözlem istasyonları kayıtları yılları arasında gerçekleşen yağış gözlemlerinden elde edilmiştir. Bu nedenle, istasyonların eksik gözlem serilerini tamamlamak için ilişkilendirmeye uygun periyoda sahip komşu istasyon bulunamadığından veri serileri uzatılamamıştır. 40

53 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Sıcaklık serilerinin frekans dağılımları belirlenirken en çok sorunla Örenşehir istasyonunda karşılaşılmıştır. Dört yıllık gözlem serisine sahip bu istasyonun işlemden çıkarılması gerekirken yakın çevresinde gözlem istasyonunun olmaması ve kritik bir konumda bulunması nedeniyle haritaların çiziminde kullanılması zorunlu olmuştur. Örenşehir meteoroloji gözlem istasyonundan elde edilen dört yıllık sıcaklık serilerinin regresyon analizi yapılmıştır. Bünyan ile negatif yönde kuadratik ilişkisi bulunmuştur. Model denklemi; R² düzeltilmiş değeri %96.6 ve standart sapması 0.09 değeri ile çok anlamlı sonuç vermiştir. Çizelge 4.1. Yıllık Ortalama Sıcaklık Gözlem Serilerinin Eksik Verilerinin Tamamlanmasında İlişkilendirilen İstasyonlar BAĞIMSIZ DEĞİŞKEN OLARAK KULLANILAN İSTASYONLAR YILLIK ORTALAMA SICAKLIK REGRESYON MODEL DENKLEMİNDE KULLANILAN İSTASYONLAR SERİSİ UZATILAN BAĞIMLI DEĞİŞKEN OLARAK KULLANILAN İSTASYONLAR ALTINYAYLA ANDIRIN BÜNYAN Ç.OVATARİŞ ÇAMLIYAYLA ÇARDAK ELBAŞI GESİ HACILAR KADİRLİ ÖRENŞEHİR PAZARÖREN SAİMBEYLİ TARSUS TUZLA YAHYALI YEŞİLHİSAR BÜNYAN x CEYHAN x DEVELİ x FEKE x GÖKSÜN x GÜLEK x KANGAL x KAYSERİ x KOZAN x NİĞDE x PINARBAŞI x x x x TUFANBEYLİ x YUMURTALIK x x 41

54 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge 4.2. Yıllık Toplam Yağış Gözlem Serilerinin Eksik Verilerinin Tamamlanmasında İlişkilendirilen İstasyonlar BAĞIMSIZ DEĞİŞKEN OLARAK KULLANILAN İSTASYONLAR YILLIK TOPLAM YAĞIŞ REGRESYON MODEL DENKLEMİNDE KULLANILAN İSTASYONLAR ADANA BÜNYAN CEYHAN DEVELİ FEKE GÖKSÜN KARAİSALI KAYSERİ KOZAN NİĞDE ŞARKIŞLA TUFANBEYLİ ALTINYAYLA x ANDIRIN x BÜNYAN x Ç.OVATARİŞ x SERİSİ UZATILAN BAĞIMLI DEĞİŞKEN OLARAK KULLANILAN İSTASYONLAR ÇAMLIYAYLA ÇARDAK ELBAŞI GESİ HACIALİ HACILAR KADİRLİ ÖRENŞEHİR PAZARÖREN SAİMBEYLİ x x x x x x x x x x TARSUS x TUZLA x YAHYALI x YEŞİLHİSAR x 42

55 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER 4.2. Frekans Analizi Sonuçları Sıcaklık Serilerinin Frekans Analizi Sonuçları Seyhan Havzasında yapılan bu çalışmada, kullanılan yıllık ortalama sıcaklık serileri Çizelge 3.1 de görüldüğü gibi 48 adettir. Ancak; Doğankent, Çatalan ve Bor frekans analizi öncesi hiçbir işleme dahil edilmeden çalışmadan çıkarılmışlardır. Doğankent ve Çatalan istasyonları kayıt uzunluklarının yetersizliği nedeniyle frekans analizi öncesi listeden çıkarılmıştır. Bor istasyonu ise, 4 yıl uzunluklu gözlem serisinin bulunması ve Niğde ile konumunun çok yakın olması sonucu analizlere tabi tutulmamıştır. Frekans analizi öncesinde, havzada bulunan her istasyonun yıllık ortalama sıcaklık gözlemlerinin en az on beş yıl olması için gerekli çalışma yapılmıştır. Bu istasyonlardan 17 adetinin eksik verileri Çizelge 4.1 de görüldüğü gibi ilişkilendirilerek seriler on beş yıla tamamlanmıştır. Ancak, frekans analizi öncesi yapılan planlamaya göre, dört yıllık gözlem değeri bulunan Örenşehir in daha önce değinildiği gibi işlem dışı tutulması gerekirken, etrafında yakın mesafede istasyon olmaması nedeniyle zorunlu olarak kullanılması gerekmiştir. Değerlendirmeler sonucunda kalan 45 adet istasyonun yıllık ortalama sıcaklık serilerinin frekans analizi BestFit programı ile yapılmıştır. Frekans analizi sonucunda; olasılık dağılımlarının uygunluğu, %5 önem düzeyinde Kolmogorov- Smirnov testi ile değerlendirilmiştir. Bu teste göre; istasyonlara ait yıllık ortalama sıcaklık serilerinin hangi dağılım ile temsil edildiği Çizelge 4.3 te listelenmiştir. Belirlenen dağılımlara ilişkin frekans faktörü Denklem 3.5 kullanılarak, her bir istasyonun %50 olasılıkla beklenen ortalama sıcaklık değerleri elde edilmiş ve Çizelge 4.4 te sunulmuştur. Frekans analizi sonucunda; Seyhan Havzası içinde ve dışında bulunan 45 istasyonun yıllık ortalama sıcaklık serileri 5 farklı olasılık dağılımı ile temsil edilmiştir. İstasyonların; 27 si Lojistik, 5 i Log-Lojistik, 5 i Normal, 5 i Weibull ve 3 ü Genel Beta dağılımları ile ifade edilmiştir. Bu bulgulara göre; yıllık ortalama sıcaklık serilerinin olasılık dağılımlarının karakteristiğinin homojen bir yapı sergilediği görülmüştür. 43

56 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge 4.3. Araştırmada Kullanılan Meteoroloji Gözlem İstasyonlarının Yıllık Ortalama Sıcaklık Serilerinin Uyduğu Olasılık Dağılım Modelleri İSTASYONLAR İSTASYONLAR S. N. ADI DMİ NO OLASILIK DAĞILIM FONKSİYONU S. N. ADI DMİ NO OLASILIK DAĞILIM FONKSİYONU 1 KANGAL LOJİSTİK 24 TUFANBEYLİ 6204 LOJİSTİK 2 ULAŞ 9024 LOG-LOJİSTİK 25 YAHYALI 6377 LOJİSTİK 3 ALTINYAYLA 4315 LOJİSTİK 26 NIĞDE LOJİSTİK 4 ŞARKIŞLA 4311 LOJİSTİK 27 ÇAMARDI 6893 NORMAL 5 GEMEREK LOJİSTİK 28 FEKE 6902 LOJİSTİK 6 SARIOĞLAN 4833 LOJİSTİK 29 SAİMBEYLİ 6560 LOG-LOJİSTİK 7 ÖRENŞEHİR 4839 LOJİSTİK 30 ANDIRIN 7420 LOJİSTİK 8 GÜRÜN 5362 NORMAL 31 ULUKIŞLA LOJİSTİK 9 PINARBAŞI LOG-LOJİSTİK 32 EREĞLİ LOJİSTİK 10 PAZARÖREN 5525 LOJİSTİK 33 POZANTI LOJİSTİK 11 ELBAŞI 5523 GENEL BETA 34 GÜLEK 7929 NORMAL 12 BÜNYAN 5177 LOJİSTİK 35 ÇAMLIYAYLA 8258 LOJİSTİK 13 GESİ 5345 LOJİSTİK 36 KARAİSALI WEIBULL 14 KAYSERİ WEIBULL 37 Ç.OVATARİŞ 9007 LOJİSTİK 15 HACILAR 5518 NORMAL 38 CEYHAN WEIBULL 16 YEŞİLHİSAR 6040 LOG-LOJİSTİK 39 YUMURTALIK GENEL BETA 17 DEVELI LOJİSTİK 40 HACIALİ 9032 LOG-LOJİSTİK 18 TOMARZA LOJİSTİK 41 KARATAŞ WEIBULL 19 ADANA LOJİSTİK 42 TUZLA 8647 LOJİSTİK 20 SARIZ WEIBULL 43 TARSUS 8402 NORMAL 21 AFŞİN GENEL BETA 44 KOZAN LOJİSTİK 22 ÇARDAK 6391 LOJİSTİK 45 KADİRLİ 7767 LOJİSTİK 23 GÖKSÜN LOJİSTİK 44

57 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge 4.4. Araştırmada Kullanılan Meteoroloji Gözlem İstasyonlarının %50 Olasılık Düzeyinde Beklenen Ortalama Sıcaklık Değerleri NO ISTASYONLAR %50 OLASILKTA BEKLENEN ORTALAMA SICAKLIKAR ( C) NO ISTASYONLAR %50 OLASILKTA BEKLENEN ORTALAMA SICAKLIKAR ( C) 1 KANGAL TUFANBEYLİ ULAŞ YAHYALI ALTINYAYLA NIĞDE ŞARKIŞLA ÇAMARDI GEMEREK FEKE SARIOĞLAN SAİMBEYLİ ÖRENŞEHİR ANDIRIN GÜRÜN ULUKIŞLA PINARBAŞI EREĞLİ PAZARÖREN POZANTI ELBAŞI GÜLEK BÜNYAN ÇAMLIYAYLA GESİ KARAİSALI KAYSERİ Ç.OVATARİŞ HACILAR CEYHAN YEŞİLHİSAR YUMURTALIK DEVELI HACIALİ TOMARZA KARATAŞ ADANA TUZLA SARIZ TARSUS AFŞİN KOZAN ÇARDAK KADİRLİ GÖKSÜN Yağış Serilerinin Frekans Analizi Sonuçları Frekans analizinde kullanılmak amacıyla Seyhan Havzası ve civarında bulunan yıllık toplam yağış serilerinin temin edildiği 64 adet meteoroloji gözlem istasyonu Çizelge 3.2 de listelenerek verilmiştir. Ancak; Gemerekofis, Bor ve Çatalan istasyonları frekans analizi öncesi hiçbir işleme dahil edilmeden analizden 45

58 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER çıkarılmışlardır. Çatalan istasyonu, yetersiz gözlem serisine sahip olması nedeniyle analize tabi tutulmamıştır. Gemerekofis ve Bor istasyonları ise, iki nedenden dolayı analiz edilmemiştir; Birinci neden; Gemerek ve Niğde istasyonlarının Gemerekofis ve Bor istasyonlarına çok yakın olmasıdır. İkinci ise, Gemerekofis ve Bor istasyonlarının gözlem sürelerinin, Gemerek ve Niğde istasyonlarına göre çok az olmasıdır. Bu durumda, enterpolasyon işleminde Gemerek ve Niğde istasyonlarının kullanılmasına karar verilmiştir. Frekans analizi öncesi yapılan değerlendirme sonucunda, havzada bulunan her istasyona ait yıllık toplam yağış gözlem serilerinin en az on beş yıl uzunluğunda olmasına karar verilmiştir. Bu istasyonlardan 18 adetinin eksik verileri Çizelge 4.2 de görüldüğü gibi uygun istasyonlar ile ilişkilendirilerek, seriler 15 yıla tamamlanmıştır. Ancak; Akkışla, Hüyükofis, Kaynar, Konakpınar, Kösreli, Şıhlı, Talas ve Tanır yağış gözlem istasyonlarının kayıtları oldukça geçmiş yıllara ait olduğundan ilişkilendirilmek için uygun periyoda sahip komşu istasyon bulunamamıştır. Kayıt süreleri yıl arasında değişen bu istasyonların frekans analizleri mevcut serileri kullanılarak yapılmıştır. Eksik veriler tamamlandıktan sonra kayıt uzunluğu 15 ve üzerinde olan 61 adet istasyonun yıllık toplam yağış serileri frekans analizi çalışmasında kullanılmıştır. Yağış serilerinin hangi dağılım ile temsil edildiği, %5 önem düzeyinde Kolmogorov-Smirnov uygunluk testi ile değerlendirilmiştir. İstasyonlara ait toplam yıllık yağış serilerini temsil eden dağılımlar Çizelge 4.5 te sunulmuştur. Belirlenen dağılımlara ilişkin frekans faktörü Denklem 3.5 kullanılarak %50, %80 ve %90 olasılıkla beklenen toplam yağış değerleri ise Çizelge 4.6 da görüldüğü gibi listelenmiştir. Frekans analizi sonucunda yıllık toplam yağış serileri 10 farklı olasılık dağılımı ile temsil edilmiştir. İstasyonların; 24 ü Lojistik, 8 i Normal, 7 si Log- Lojistik, 5 i Genel Beta, 5 i Weibull, 4 ü Ekstrem Değer, 3 ü Rayleigh, 2 si InverseGauss, 2 si Lognormal-2 ve 1 i Pearson-5 dağılımları ile ifade edilmiştir. Bu sonuçlara göre; Seyhan Havzası içinde ve dışında bulunan 61 adet meteorolojik gözlem istasyonu %39 oranında Lojistik dağılım fonksiyonuyla temsil edilmesine rağmen, yıllık toplam yağış serilerinin dağılım karakteristiklerinin homojen bir yapı sergilemediği görülmüştür. 46

59 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge 4.5. Araştırmada Kullanılan Meteoroloji Gözlem İstasyonlarının Yıllık Toplam Yağış Serilerinin Uyduğu Olasılık Dağılım Modelleri İSTASYONLAR İSTASYONLAR S. N. ADI NO OLASILIK DAĞILIM FONKSİYONU S. N. ADI NO OLASILIK DAĞILIM FONKSİYONU 1 KANGAL EKSTREM DEĞER 32 BAKIRDAĞ 6200 LOJİSTİK 2 KONAKPINAR 5020 LOG-LOJİSTİK 33 ŞIHLI 6557 EKSTREM DEĞER 3 YAZYURDU 5188 NORMAL 34 YAHYALI 6377 WEIBULL 4 ULAŞ 9024 LOGNORMAL2 35 HÜYÜKOFİS 3246 EKSTREM DEĞER 5 ALTINYAYLA 4315 LOJİSTİK 36 NIĞDE LOJİSTİK 6 ŞARKIŞLA 4311 LOJİSTİK 37 ÇAMARDI 6893 WEIBULL 7 GEMEREK GENEL BETA 38 MANSURLU 6899 NORMAL 8 SARIOĞLAN 4833 EKSTREM DEĞER 39 FEKE 6902 GENEL BETA 9 AKKIŞLA 4834 RAYLEIGH 40 SAİMBEYLİ 6560 PEARSON5 10 KAYNAR 5011 INVERSEGAUSS 41 ÇOKAK 7077 GENEL BETA 11 ÖRENŞEHİR 4839 LOJİSTİK 42 ANDIRIN 7420 WEIBULL 12 GÜRÜN 5362 LOGNORMAL2 43 KARSANTI 7411 LOJİSTİK 13 PINARBAŞI NORMAL 44 ÇİFTEHAN 7405 LOJİSTİK 14 PAZARÖREN 5525 LOJİSTİK 45 ULUKIŞLA NORMAL 15 ELBAŞI 5523 LOG-LOJİSTİK 46 EREĞLİ LOJİSTİK 16 BÜNYAN 5177 LOJİSTİK 47 POZANTI NORMAL 17 GESİ 5345 LOJİSTİK 48 GÜLEK 7929 NORMAL 18 TALAS 5520 LOJİSTİK 49 ÇAMLIYAYLA 8258 LOJİSTİK 19 KAYSERİ LOJİSTİK 50 KARAİSALI LOG-LOJİSTİK 20 HACILAR 5518 LOJİSTİK 51 İMAMOĞLU 7937 LOJİSTİK 21 YEŞİLHİSAR 6040 LOJİSTİK 52 KÖSRELİ 8110 NORMAL 22 DEVELI LOJİSTİK 53 Ç.OVATARİŞ 9007 LOJİSTİK 23 TOMARZA GENEL BETA 54 CEYHAN LOJİSTİK 24 TOKLAR 5871 LOG-LOJİSTİK 55 YUMURTALIK NORMAL 25 ADANA INVERSEGAUSS 56 HACIALİ 9032 LOG-LOJİSTİK 26 SARIZ RAYLEIGH 57 KARATAŞ WEIBULL 27 TANIR 6058 LOG-LOJİSTİK 58 TUZLA 8647 LOG-LOJİSTİK 28 AFŞİN LOJİSTİK 59 TARSUS 8402 LOJİSTİK 29 ÇARDAK 6391 WEIBULL 60 KOZAN LOJİSTİK 30 GÖKSÜN GENEL BETA 61 KADİRLİ 7767 RAYLEIGH 31 TUFANBEYLİ 6204 LOJİSTİK 47

60 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge 4.6. Araştırmada Kullanılan Meteoroloji Gözlem İstasyonlarının %50, %80 ve %90 Olasılıkla Beklenen Yağış Değerleri NO ISTASYONLAR TOPLAM YAĞIŞ (mm) NO ISTASYONLAR TOPLAM YAĞIŞ (mm) P=% 50 P=% 80 P=% 90 P=% 50 P=% 80 P=% 90 1 KANGAL BAKIRDAĞ KONAKPINAR ŞIHLI YAZYURDU YAHYALI ULAŞ HÜYÜKOFİS ALTINYAYLA NIĞDE ŞARKIŞLA ÇAMARDI GEMEREK MANSURLU SARIOĞLAN FEKE AKKIŞLA SAİMBEYLİ KAYNAR ÇOKAK ÖRENŞEHİR ANDIRIN GÜRÜN KARSANTI PINARBAŞI ÇİFTEHAN PAZARÖREN ULUKIŞLA ELBAŞI EREĞLİ BÜNYAN POZANTI GESİ GÜLEK TALAS ÇAMLIYAYLA KAYSERİ KARAİSALI HACILAR İMAMOĞLU YEŞİLHİSAR KÖSRELİ DEVELI Ç.OVATARİŞ TOMARZA CEYHAN TOKLAR YUMURTALIK ADANA HACIALİ SARIZ KARATAŞ TANIR TUZLA AFŞİN TARSUS ÇARDAK KOZAN GÖKSÜN KADİRLİ TUFANBEYLİ

61 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER İçel-Tarsus Topçu Deresi Havzası Yağış Serilerinin Frekans Analizi Sonuçları Topçu Deresi havzasındaki yağışlar, Thiessen Poligonu yöntemi kullanılarak alansal yağışa çevrilmiştir. Havzanın yirmi yıllık yağış serisi frekans analizine tabi tutulmuştur. Kolmogorov-Smirnov uygunluk testine göre, yağış serilerinin Log- Lojistik dağılıma uyduğu belirlenmiştir. Sonuçlar; Çizelge 4.7 de listelenmiştir. Bu değerler oluşturulacak haritaların kıyaslanmasında şahit olarak kullanılmıştır. Çizelge 4.7. İçel-Tarsus Topçu Deresi Havzası Yağış Serilerinin Frekans Analizi Sonuçları Havza Alanı ( km² ) Limnigraf Koordinatları (m) Frekans Dağılımının Adı Beklenen Toplam Yağış (mm) Boylam Enlem P=%50 P=%80 P=% Log-Lojistik Topçu istasyonuna en yakın meteorolojik gözlem istasyonu Tarsus istasyonudur. Tarsus istasyonunun yağış serileri, Lojistik olasılık dağılımı ile temsil edilmesi analizlerin doğruluğu açısından olumlu değerlendirilmiştir İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Yağış Serilerinin Frekans Analizi Sonuçları Kaleönü Göleti havzasının hidrolojik karakterlerini belirlemek için yapılan araştırmanın süresi; yağışların frekans analizi için yeterli değildir. Bu nedenle havzanın yedi yıllık yağış serisi ile Topçu Deresi havzası yağışları arasında regresyon analizi yapılmıştır. Analiz sonucunda; Topçu ve Kaleönü istasyonları arasında pozitif yönde doğrusal bir ilişki bulunmuştur. Model denkleminin R² düzeltilmiş istatistiği %94.1 ve standart sapması 56.3 mm değeri ile istatistiksel olarak anlamlı bulunmuştur. Oluşturulan matematik model ile Kaleönü havzası yıllık 49

62 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER yağış serileri 15 yıla uzatılmıştır. Havzanın uzatılmış 15 yıllık toplam yağış serilerinin frekans analizi yapılmıştır. Kolmogorov-Smirnov uygunluk testine göre bu serinin Log-Lojistik dağılıma uyduğu belirlenmiştir. Çizelge 4.8 de sunulan bu değerler oluşturulan haritaların kıyaslanmasında şahit olarak kullanılmıştır. Çizelge 4.8. İçel-Tarsus Çavuşlu Kaleönü Göleti Havzası Yağış Serilerinin Frekans Analizi Sonuçları Havza Alanı ( km² ) Eşel Koordinatları (m) Frekans Dağılımının Adı Beklenen Toplam Yağış (mm) Boylam Enlem P=%50 P=%80 P=% Log-Lojistik Kaleönü istasyonuna en yakın yağış gözlem istasyonu Karaisalı yağış gözlem istasyonudur. Karaisalı istasyonunun olasılık dağılımının Log-Lojistik dağılıma uyması analizlerin doğruluğunun göstergesi olarak değerlendirilmiştir Çoklu Regresyon Analizi Sonuçları Seyhan Havzasında %50 Olasılıkla Beklenen Ortalama Sıcaklık Model Denkleminin Oluşturulması Coğrafi bilgi sitemi ortamında çoklu regresyon analizi yöntemiyle iklim elemanları haritasını yapabilmek için haritalanacak değişkenin model denklemi olmalıdır. Bu nedenle, Seyhan Havzasında gözlemi olmayan noktalardaki %50 olasılıkla beklenen ortalama sıcaklığı tahmin etmede kullanılabilecek model denklemini bulmak için regresyon analizi yapılmıştır. Regresyon analizinde iki gurup veri seti kullanılmıştır. İki gurup veri setinin kullanılma sebebi Çizelge 4.4 te belirtilen 45 adet meteoroloji gözlem istasyonunun tamamında solar radyasyon gözlemi olmamasıdır. Enlem (EN), yükseklik (YÜK) denizden uzaklık (DU), solar radyasyon (SR) ve bakı (B) değerleri 45 istasyonun 36 sında mevcuttur. Bu nedenle 50

63 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Denklem 4.1 de belirtilen %50 olasılıklı ortalama sıcaklık T %50) model denklemi 36 örnekle oluşturulmuştur. ( 36 T36 %50 = b b EN + b YÜK + b DU + b SR b B (4.1) Bu bilgiler doğrultusunda SPSS istatistik paket programı ile geriye doğru ayıklama yöntemi ile Denklem 4.1 de gösterilen model değişkenlerinin regresyon analizi yapılmıştır. Analiz sonucunda; Çizelge 4.9 da görüldüğü gibi, α=0.10 önem düzeyinde bakı ve solar radyasyon modelden çıkarılmıştır. Solar radyasyon ve bakının modelden atılacağını Çizelge 4.11 de bağımlı ve bağımsız değişkenler arasındaki doğrusal ilişkinin küçüklüğü ile de gözlemlemek mümkündür. Pearson korelasyon katsayısın pozitif ve negatif yönde sıfıra yakın sonuç alması değişkenler arasında doğrusal ilişkisinin az olduğunu göstermektedir. Bu kat sayı, 1 e yaklaştıkça ilişkinin kuvvetliliği artmaktadır (Akkurt, 1999). Çizelge 4.9. Seyhan Havzasında %50 Olasılıkla Beklenen Ortalama Sıcaklık Değerlerinin 36 Örnekli Regresyon Analizi Sonuçları Model Bağımlı Değişken 1 T 36 %50 2 T 36 %50 3 T 36 %50 Bağımsız Değişkenler t istatistiği t olasılığı Sabit EN YÜK DU SR B Sabit EN YÜK DU SR Sabit EN YÜK DU R² R² düz F istatistiği F olasılığı Çizelge 4.9 da görüldüğü gibi; 3 numaralı model kullanıldığında, sıcaklık tahmininde enlem, yükseklik ve denizden uzaklık değişkenlerini kullanılmasının 51

64 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER isabetli olacağı anlaşılmaktadır. Ancak, elimizde 45 adet istasyonun enlem, yükseklik ve denizden uzaklık değerleri mevcuttur. Daha fazla sayıda örnek kullanımı; istatistiksel açıdan ana kütleyi daha iyi temsil edecek model denkleminin bulunma olasılığının yüksek olması demektir (Baykul, 1996). Bu nedenle; 36 örnekle elde edilen 3 numaralı model kullanılmamıştır. Seyhan Havzasını daha iyi temsil edebilecek model bulmak için ikinci gurup veri seti ile tekrar regresyon analizi yapılmıştır. Geriye doğru ayıklama yöntemi ile 45 adet örnek kullanılarak yapılan regresyon analizi sonuçları Çizelge 4.10 da sunulmuştur. Çizelge Seyhan Havzasında %50 Olasılıkla Beklenen Ortalama Sıcaklık Değerlerinin Model Denklemi Regresyon Analizi Sonuçları Model Bağımlı Değişken 1 T 45 %50 2 T 45 %50 Bağımsız Değişkenler t istatistiği t olasılığı Sabit EN YÜK DU Sabit YÜK DU R² R² düz F istatistiği F olasılığı Görüldüğü gibi F ve t olasılıkları α=0.10 önem düzeyinde istatistiksel olarak çok anlamlıdır. Bağımsız değişkenlerin ve bağımsız değişken katsayılarının 2 numaralı modelde kesinlikle olması önerilmektedir. Seyhan Havzasında %50 olasılıkla beklenen ortalama sıcaklık değerlerinin; 45 örnekle yapılan regresyon analizi sonucu elde edilen model, Denklem 4.2 ile ifade edilmiştir. T %50 = YÜK DU (4.2) Denklem 4.2 de görüldüğü gibi, denizden uzaklık (m) ve yükseklik (m) artıkça sıcaklık azalmaktadır. Bu durum, sıcaklığın havzadaki dağılımı ile paralellik arz etmektedir. 52

65 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Seyhan Havzasında %50 Olasılıkla Beklenen Toplam Yağış Model Denkleminin Oluşturulması Seyhan Havzasında %50 olasılıkta beklenen toplam yağışlarının model denklemini bulmak için yapılan regresyon analizinde iki gurup veri seti kullanılmıştır. Bunun nedeni, Çizelge 4.6 da belirtilen 61 adet meteoroloji gözlem istasyonunun tamamında solar radyasyon gözlemi olmamasıdır. Enlem, yükseklik, denizden uzaklık, solar radyasyon ve bakı değerleri 61 istasyonun 46 sında mevcuttur. Bu nedenle; Denklem 4.3 de belirtilen %50 olasılıkta toplam yağış P %50) model değişkenlerinin regresyon analizi 46 örnekle oluşturulmuştur. ( 46 P46 %50 = b b EN + b YÜK + b DU + b SR b B (4.3) Analizlerde öncelikli olarak Çizelge 4.11 de bağımlı ve bağımsız değişkenler arasındaki ilişki dikkate alınmıştır. Nitekim, bakı ve solar radyasyon değişkenlerinin; 36 örnekli %50 olasılıkla beklenen ortalama sıcaklık ve 46 örnekli %50 olasılıkta beklenen toplam yağış değişkenleriyle ilişkisi önemli ölçüde azdır. Bu durumun incelenen değişkenin periyoduna bağlı olarak değiştiğini vurgulamak gerekir. Örneğin, aylık sıcaklık ortalamaları ile aylık solar radyasyon ortalamaları anlamlı derecede ilişkilidir. Ancak; belirli olasılıklardaki sıcaklık ve yağış değişkenlerinin bakı ve solar radyasyonla arasındaki ilişki, Çizelge 4.11 de listelendiği gibi anlamsız çıkmıştır (α=0.05). Çizelge Bağımlı ve Bağımsız Değişkenler Arasındaki Doğrusal İlişkiyi Gösteren Pearson Korelasyon Katsayıları Bağımlı Değişkenler Enlem Yükseklik Denizden Uzaklık Solar Radyasyon Bakı T 36 % P 46 % Bu nedenle; Denklem 4.3 de kullanılan değişkenler arasında model denklemine katkısı az olanların modele alınmaması için önem düzeyi α=

66 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER alınmıştır. Yapılan regresyon analizi sonucunda; Çizelge 4.12 de görüldüğü gibi α=0.05 önem düzeyinde yükseklik, bakı ve solar radyasyon değişkenleri modelden çıkmıştır. Doğrusal ilişkilerde bağımlı ve bağımsız değişkenler arasındaki korelasyonun düşük olması bağımsız değişkenlerin modelde olma olasılığını azaltmıştır. Dört numaralı modelin yağış tahmininde enlem ve denizden uzaklık değişkenlerini kullanacağı anlaşılmaktadır. Ancak, elimizde 61 adet istasyonun enlem, yükseklik ve denizden uzaklık değerleri mevcuttur. Bu nedenle Çizelge 4.12 de belirtilen 46 örnekle elde edilen 4 numaralı model, ilerleyen aşamalardaki yağış tahmininde kullanılmamıştır. Seyhan Havzasını daha iyi temsil edebilecek model bulmak için 61 örnekli ikinci gurup veri seti ile regresyon analizine devam edilmiştir. Sonuçlar, Çizelge 4.13 te sunulmuştur. Çizelge Seyhan Havzasında %50 Olasılıkla Beklenen Toplam Yağış Değerlerinin 46 Örnekli Regresyon Analizi Sonuçları Model Bağımlı Değişken Bağımsız Değişkenler t istatistiği t olasılığı R² R² düz F istatistiği F olasılığı 1 P 46 %50 2 P 46 %50 3 P 46 %50 4 P 46 %50 Sabit EN YÜK DU SR B Sabit EN YÜK DU SR Sabit EN YÜK DU Sabit EN DU

67 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge Seyhan Havzasında %50 Olasılıkla Beklenen Toplam Yağış Değerlerinin 61 Örnekli Regresyon Analizi Sonuçları Model Bağımlı Değişken 1 P 61 %50 2 P 61 %50 Bağımsız Değişkenler t istatistiği t olasılığı Sabit EN YÜK DU Sabit EN DU R² R² düz F istatistiği F olasılığı Çizelge 4.13 te görüldüğü gibi F ve t olasılıkları α=0.05 önem düzeyinde 2 numaralı modelde istatistiksel olarak çok anlamlı bulunmuştur. Ancak, belirtme katsayıları incelendiğinde modelimizin bağımsız değişkenler tarafından açıklanma oranının düşük olduğu söylenebilir. Belirtme katsayılarının model denklemini yeterince açıklayamamasının nedeninin 61 örnekli %50 olasılıkla beklenen toplam yağış değerleri arasında sapan değer olmasından kaynaklandığı düşünülmüştür. SPSS yazılımı ile α= 0.01 önem düzeyinde yapılan sapan değer analizinde Çizelge 4.14 de listelendiği gibi Çokak ve Andırın istasyonları verilerinin sapan değerler olduğu saptanmıştır. Çizelge Toplam Yağışların %50, %80 ve %90 Olasılıklardaki Sapan Değerleri Beklenen Olasılıklar İstasyon Adı Y i Yˆ i e i S e t P%50 P%80 P%90 Çokak Andırın Çokak Andırın Çokak Andırın Bu nedenle, Çizelge 4.13 de belirtilen 61 örnek kullanılarak bulunan 2 numaralı model kullanılmamıştır. Sapan değerler 61 örnekli kümeden 55

68 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER uzaklaştırılarak regresyon analizi 59 örnekle tekrar yapılmıştır. Ancak, sapan değerler analizden çıkarıldıktan sonra model ve değişkenlerinin önem düzeyi, α=0.05 den α=0.10 a yükseltilmiştir. Bunun iki nedeni vardır: Birincisi açıklayıcı değişkenlerin beş değişkenden 3 değişkene inmiş olmasıdır. Tek değişkenli yağış modeli oluşturulmak istenmemiştir. İkincisi ise sapan değerlerin örnek kümesinden uzaklaştırılması ile örnek kümesinin daha homojen hale gelmesidir. Çizelge 4.15 incelendiğinde; 59 örnekli kümenin Pearson Korelasyon katsayılarının 61 örnekli kümeden daha büyük olduğu açıkça görülmektedir. Çizelge Sapan Değerlerin Kümeden Atılmasıyla Değişkenler Arasındaki Pearson Korelasyon Katsayısının Değişimleri Toplam Yağışların Beklenen Olasılık Düzeyi Örnek Sayısı Enlem Yükseklik Denizden Uzaklık r r r P%50 P%80 P% Sapan değerlerin 61 örnekli kümeden atılması bağımlı ve bağımsız değişkenler arasındaki korelasyonu yükseltmiştir. Değişkenlerin arasındaki korelasyon ise birbirine çok yakındır. Bu yüzden model denkleminde daha fazla açıklayıcı değişken kullanmak için modelde olmama olasılıkları α=0.05 önem düzeyinden α=0.10 a çıkarılmıştır. Böylece; modelde kullanılacak 3 bağımsız değişkenin modeli ifade etme olasılıkları artırılmıştır. Çizelge 4.16 da 59 örnekli α=0.10 önem düzeyinde %50 olasılıkla beklenen toplam yağış değerlerinin regresyon analizi sonuçları listelenmiştir. 56

69 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge Seyhan Havzasında %50 Olasılıkla Beklenen Toplam Yağış Değerlerinin Model Denklemi Regresyon Analizi Sonuçları Model Bağımlı Değişken Bağımsız Değişkenler t istatistiği t olasılığı R² R² düz F istatistiği F olasılığı 1 P 59 %50 2 P 59 %50 Sabit EN YÜK DU Sabit EN DU Görüldüğü gibi α=0.10 önem düzeyinde iki numaralı modelin bağımsız değişkenlerinin ve bağımsız değişken katsayılarının denklemde olması önerilmektedir. Seyhan Havzasında %50 olasılıkla beklenen toplam yağış değerlerinin; 59 örnekle yapılan regresyon analizi sonucu elde edilen model ve katsayıları Denklem 4.4 de verilmiştir. P %50 = EN DU (4.4) Denklem 4.4 den, %50 olasılık düzeyinde beklenen yağışın denizden uzaklaştıkça azalacağı; enlem ile artacağı anlaşılmaktadır. Katsayısı küçük olmasına rağmen, enlemin yağışa etkisinin oldukça büyük olduğu belirlenmiştir Seyhan Havzasında %80 Olasılıkla Beklenen Toplam Yağış Model Denkleminin Oluşturulması Andırın ve Çokak istasyonlarının %80 olasılıkla beklenen yağışlarının aykırı değerler olduğu istatistiksel olarak belirlenmiştir. Bu istasyonlar regresyon analizine dahil edilmemiştir. Çizelge 4.17 de 59 örnekli α=0.10 önem düzeyinde %80 olasılıkta beklenen toplam yağış değerlerinin regresyon analizi sonuçları sunulmuştur. 57

70 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge Seyhan Havzasında %80 Olasılıkla Beklenen Toplam Yağış Değerlerinin Model Denklemi Regresyon Analizi Sonuçları Model Bağımlı Değişken Bağımsız Değişkenler t istatistiği t olasılığı R² R² düz F istatistiği F olasılığı 1 P 59 %80 2 P 59 %80 Sabit EN YÜK DU Sabit EN DU F ve t olasılıkları α=0.10 önem düzeyinde incelendiğinde; 2 numaralı modelin bağımsız değişkenlerinin ve bağımsız değişken katsayılarının denklemde bulunması önerilmektedir. Seyhan Havzasında %80 olasılıkla beklenen toplam yağış değerlerinin α=0.10 önem düzeyinde 59 örnekle yapılan regresyon analizi sonucu elde edilen model ve parametreleri Denklem 4.5 ile ifade edilmiştir. P %80 = EN DU (4.5) Modeldeki değişkenlere ait katsayıların %50 olasılıkla beklenen yağış için elde edilen regresyon modeli katsayılarına benzediği görülmektedir Seyhan Havzasında %90 Olasılıkla Beklenen Toplam Yağış Model Denkleminin Oluşturulması Regresyon analizine devam edilerek Çizelge 4.18 de 59 örnekli α=0.10 önem düzeyinde %90 olasılıkla beklenen toplam yağış değerlerinin regresyon analizi sonuçları elde edilmiştir. 58

71 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge Seyhan Havzasında %90 Olasılıkla Beklenen Toplam Yağış Değerlerinin Model Denklemi Regresyon Analizi Sonuçları Model Bağımlı Değişken 1 P 59 %90 2 P 59 %90 Bağımsız Değişkenler t istatistiği t olasılığı Sabit EN YÜK DU Sabit EN DU R² R² düz F istatistiği F olasılığı F ve t olasılıkları α=0.10 önem düzeyinde istatistiksel olarak çok anlamlıdır. Bağımsız değişkenlerin ve bağımsız değişken katsayılarının 2 numaralı modelde kesinlikle olması önerilmektedir. Seyhan Havzasında %90 olasılıkla beklenen toplam yağış değerlerinin; α=0.10 önem düzeyinde 59 örnekle yapılan regresyon analizi sonucu elde edilen model ve bu modele ait katsayılar Denklem 4.6 ile ifade edilmiştir. P %90 = EN DU (4.6) P=%50 olasılıkla beklenen sıcaklık ile P=%50, %80 ve %90 olasılıkla beklenen yağışlara ilişkin çoklu regresyon modelleri CBS ortamında üretilen harita katmanlarına uygulanmıştır. Bu amaçla; Seyhan Havzası DEM görüntüsü kullanılarak EN, YÜK ve DU bağımsız değişkenlerinin Erdas yazılımı ile raster formatındaki görüntüleri türetilmiştir. Elde edilen raster formatındaki bu katmanlar ArcGIS yazılımının Map Algebra modülü kullanılarak %50 olasılıkla ortalama sıcaklık ve %50, %80 ve %90 olasılıkla toplam yağış değerlerinin raster formatında haritaları elde edilmiştir (Şekil 4.1). Sıcaklık haritası incelendiğinde, Seyhan Havzasının en yüksek noktalarının %50 olasılıkta eksi sıcaklık değerleriyle ifade edilmesinden yönteminin gerçekçi tahminlerde bulunduğu anlamı çıkarılmıştır. Yağış haritalarında ise, tahminlerin tedrici olarak belirli bir eğimi takip etmesi süreklilik arz ettiğini düşündürmüştür. Bu durumdan, yağış gibi süreksiz bir değişkenin tahmininde hataları artırabileceği anlamı çıkarılmıştır. 59

72 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Şekil 4.1. Çoklu Regresyon Modelleriyle Tahmin Edilen Farklı Olasılık Düzeylerinde Beklenen Sıcaklık ve Yağış Haritaları 60

73 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER 4.4. Jeoistatistiksel Analiz Sonuçları Ordinary Kriging Yarıvariogram Analizi Sonuçları Seyhan Havzası konum itibarıyla kuzey ile belirli bir açıda bulunmaktadır. Bu nedenle Seyhan Havzasının içinde ve komşu havza sınırlarında bulunan meteoroloji gözlem istasyonlarının öklid uzaklığına bağlı deneysel yarıvariogramları 45 derecelik yön gözetilerek oluşturulmuştur. Açı töleransı 90 derece alınarak maksimum düzeyde örnek çiftleri analize alınmaya çalışılmıştır. Sıcaklık ve yağış değişkenlerinin yarıvariogram modellerini net görebilmek için band genişliği 0.5 düzeyinde tutulmuştur. İstasyonlar arasındaki lag mesafesi (sınıf aralıkları) ve lag sayısı incelenen değişkeni temsil edebilecek en uygun model bulununcaya kadar değişik aralık ve sayıda işleme alınmıştır. ArcGIS ortamında yapılan yarıvariogram analizleri sonucunda belirli olasılıklardaki yağış ve sıcaklık değişkenlerinin deneysel yarıvariogram yapılarının küresel tip teorik yarıvariogram modeline uygun olduğuna karar verilmiştir. Belirli olasılıklardaki sıcaklık ve yağış değişkenlerinin küresel tip yarıvariogram model parametreleri Çizelge 4.19 da listelenmiştir. Çizelge Farklı Olasılıklı Sıcaklık (C ) ve Yağışın (mm) Küresel Tip Yarıvariogram Model Parametreleri ve Kriging Tahmin Parametreleri Sıcaklık ve Yağış Küresel Tip Teorik Yarıvariogram Model Parametreleri Lag Uzun. (m) Lag Adedi C 0 (m) C 1 (m) a (m) Kriging Tahmin Parametreleri Sektör Bilgileri Eksenler İstasyon Adedi Minumum x y Sektöre Tahminde (m) (m) Alınan Kullanılan Test İstatistiği RMSE T % P % P % P % Model parametreleri belirlendikten sonra gözlemi bulunmayan bölgelerin noktasal değerleri yine Çizelge 4.19 da verilen Kriging tahmin parametreleri ile elde edilmiştir. Tahmin parametrelerinin bulunmasında belirlenen yarıvariogram 61

74 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER modellerinin etki uzaklığına eşit veya daha küçük olan dairesel sektörler kullanılmıştır. Sektörler oktantlara ayrılmadan en yakın komşu yöntemine göre Kriging tahmin parametreleri bulunmuştur. Çalışma alanını en iyi temsil edebilecek belirli olasılıklardaki ortalama sıcaklık ve toplam yağış değerlerinin deneysel yarıvariogramları km sınıf aralıkları kullanılarak elde edilmiştir. Farklı olasılıklardaki sıcaklık ve yağış değerlerinin yarıvariogram modellerinin en iyi küresel tip yarıvariogram modeline uyduğu belirlenmiştir. Toplam yağış değerlerinin %50, %80 ve %90 olasılıklardaki tüm yarıvariogram modelleri kontrolsüz etki (nugget etki) bileşeni içermiştir. Buna karşın; %50 olasılıkla beklenen ortalama sıcaklık yarıvariogram modelinde kontrolsüz etki bileşeni bulunmamıştır. Belirli olasılıktaki yağış değişkenlerinin yarıvariogram modellerinin etki uzaklıkları olasılık değerlerine göre önemli farklılıklar göstermemiştir. Etki uzaklıkları %80 olasılık değerinde km, %50 olasılıkta 152 km ve %90 olasılıkta km olarak belirlenmiştir. Ancak; %50 olasılıktaki ortalama sıcaklık değerinin yarıvariogram modelinin etki uzaklığı 200 km bulunmuştur. Kriging tahmin parametrelerinin belirlenmesinde kullanılan sektör çapları %50, %80 ve %90 olasılıklardaki toplam yağış değerleri için sayıldığı sıraya göre; 26.50, ve km olarak elde edilmiştir. İstasyon sayısı az olan %50 olasılıkla beklenen ortalama sıcaklık değerlerinin tahmininde kullanılan sektör çapı ise 62 km bulunmuştur. Kriging tahmin parametreleri ile hesaplanan belirli olasılıktaki yağış değişkeninin olasılık düzeyi ile RMSE değerleri arasında negatif bir ilişki olduğu gözlemlenmiştir. Olasılık düzeyi küçüldükçe RMSE ölçütüne göre Kriging yöntemi tahmin hataları artmıştır. Analiz sonucunda; en düşük RMSE değerlerini veren Kriging parametreleri kullanılarak Şekil 4.2 de görüldüğü gibi farklı olasılıklarda sıcaklık ve yağış haritaları oluşturulmuştur. Haritalar görsel olarak incelendiğinde, sıcaklık haritasında eksi sıcaklık değerlerinin havzada temsil edilmemesi düşündürücü olmuştur. Yağış haritalarının ise, havzada bölgesel farklılıkları göstermesi tahminlerin gerçekçi olabileceği anlamı verilmiştir. 62

75 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Şekil 4.2. Ordinary Kriging Yöntemi İle Farklı Olasılık Düzeyleri İçin Elde Edilen Sıcaklık ve Yağış Haritaları 63

76 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Ordinary Cokriging Covariogram Analizi Sonuçları Ordinary Cokriging yöntem ile sıcaklık ve yağış değişkenlerinin haritalanması için ikinci değişken olarak Seyhan Havzası DEM görüntüsü kullanılmıştır. Değişkenlerin teorik covariogram model parametreleri oluşturulurken; yöney 45 derece, açı töleransı 90 derece ve 0.5 band genişliği seçilmiştir. İstasyonlar arasındaki lag mesafesi ve lag sayısı incelenen değişkeni temsil edebilecek en uygun model bulununcaya kadar değişik aralık ve sayıda işleme alınmıştır. ArcGIS ortamında yapılan covariogram analizleri sonucunda belirli olasılıklardaki yağış ve sıcaklık değişkenlerinin deneysel covariogram yapılarının küresel tip teorik covariogram modeline uyduğu görülmüştür. Değişkenlerinin küresel tip covariogram model parametreleri ile Cokriging tahmin parametreleri Çizelge 4.20 de listelenmiştir. Çizelge Farklı Olasılıklı Sıcaklık (C ) ve Yağışın (mm) Küresel Tip Covariogram Model Parametreleri ve Cokriging Tahmin Parametreleri Teorik Covariogram Model Parametreleri Cokriging Tahmin Parametreleri Kıyas İstatistiği Sıcaklık ve Yağış Lag Uzun. (m) Lag Adedi C 0 (m) C 1 (m) a (m) x (m) Eksenler Sektör Bilgileri y (m) İstasyon Adedi Minimum Tahminde Kullanılan Sektöre Alınan RMSE T % P % P % P % Çalışma alanını en iyi temsil edebilecek belirli olasılıklardaki ortalama sıcaklık ve toplam yağış değerlerinin deneysel covariogramları km sınıf aralıkları kullanılarak elde edilmiştir. 64

77 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Covariogram modellerinin en iyi küresel tip covariogram modeline uyduğu belirlenmiştir. Toplam yağış değerlerinin %50, %80 ve %90 olasılıklardaki tüm covariogram modellerinde kontrolsüz etki (nugget etki) bileşeni içermiştir. Buna karşın; %50 olasılıkla beklenen ortalama sıcaklık covariogram modelinde kontrolsüz etki bileşeni bulunmamıştır. Covariogram modellerinin etki uzaklıkları olasılık değerlerine göre farklılıklar göstermiştir. Etki uzaklıkları %90 olasılık değerinde 260 km, %80 olasılıkta km ve %50 olasılıkta km olarak belirlenmiştir. Olasılık düzeyi %50 olan ortalama sıcaklık değerinin covariogram modelinin etki uzaklığı ise 180 km bulunmuştur. Cokriging tahmin parametrelerinin belirlenmesinde kullanılan sektör çapları %50, %80 ve %90 olasılıklardaki toplam yağış değerleri için sayıldığı sıraya göre; 30.75, ve km olarak elde edilmiştir. İstasyon sayısı az olan %50 olasılıkla beklenen ortalama sıcaklık değerlerinin tahmininde kullanılan sektör çapı ise 62.5 km bulunmuştur. Cokriging tahmin parametreleri ile hesaplanan belirli olasılıktaki yağış değişkeninin olasılık düzeyi ile RMSE değerleri arasında Kriging yöntemi sonuçlarında olduğu gibi negatif bir ilişki çıkmıştır. Olasılık düzeyi küçüldükçe RMSE ölçütüne göre Cokriging yöntemi tahmin hataları artmıştır. En düşük RMSE değerlerini veren Cokriging tahmin parametreleriyle Şekil 4.3 de görülen belirli olasılıklarda sıcaklık ve yağış haritaları oluşturulmuştur. Haritalar görsel olarak incelendiğinde, özellikle %50 olasılıklı ortalama sıcaklık haritalarının Kriging yöntemi ile oluşturulan haritalara benzer haritalar olduğu görülmüştür. Bunun sebebinin; %50 olasılıklı ortalama sıcaklık tahmininde ikinci değişken olarak kullanılan Seyhan Havzası DEM görüntüsünün, Cokriging tekniğinde konumla aynı algılamasından kaynaklandığı düşünülmüştür. Nitekim; istasyonlardaki sıcaklık gözlemleri, istasyonun bulunduğu yüksekliğinde bir fonksiyonu olarak kaydedilmektedir. Dolayısıyla, sıcaklık değerleri yüksekliğe bağımlı olmaktadır. Cokriging ve Kriging sıcaklık haritalarının birbirine benzer olmasında bunun önem arz ettiği söylenebilir. 65

78 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Şekil 4.3. Ordinary Cokriging Yöntemi İle Farklı Olasılık Düzeyleri İçin Elde Edilen Sıcaklık ve Yağış Haritaları 66

79 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER 4.5. Yöntemlerin İstatistiksel Test Ölçütlerine Göre Kıyaslanmasından Elde Edilen Sonuçlar Ordinary Kriging, Ordinary Cokriging ve Çoklu Regresyon yöntemleriyle oluşturulan belirli olasılıklardaki sıcaklık ve yağış haritaları belirtilen istatistiksel yöntemlerle karşılaştırılmıştır. Çizelge 4.21 incelendiğinde %50 olasılıkla en iyi ortalama sıcaklık tahmininin Çoklu Regresyon yöntemi ile elde edildiği görülmektedir. Bu yöntemle elde edilen test istatistikleri diğer iki yönteme göre 0 a daha yakın çıkmıştır. Vicente-Serrano ve ark. (2003) tarafından yapılan sıcaklık tahminlerinin 11 enterpolasyon yöntemi ile kıyaslandığı bir araştırmada; regresyon tabanlı enterpolasyon tekniklerinin sıcaklık tahminlerinde başarılı sonuçlar elde etmeleri araştırma bulgularımızla örtüşmüştür. Ayrıca, tahmin edilen değerler incelendiğinde Çoklu Regresyon yöntemiyle diğer yöntemlerden daha gerçekçi tahminlerde bulunulduğu anlaşılmaktadır. Örneğin, Seyhan Havzasının Demirkazık mevkii 3600 rakımında ve diğer yüksek rakımlı bölgelerde %50 olasılıktaki sıcaklık değerlerinin eksi sıcaklık değerleri vermesi tahminler açısından olumlu değerlendirilmiştir. Diğer iki yöntemin hiçbir tahmininde +3 C nin altında sıcaklık ortalaması olan bölge gösterilmemiştir. Ayrıca, Seyhan nehrinin ana kolları olan Zamantı, Göksü nehri ve Körkün, Çakıt suları incelendiğinde nehirlerin vadi içerisindeki sıcaklık değişimleri bile Çoklu Regresyon yöntemi ile oluşturulan haritalarda yansıtılmıştır. Bu sonuçlara göre Şekil 4.4 te verilen Seyhan Havzasının %50 olasılıklı sıcaklık haritası Çoklu Regresyon yöntemi ile oluşturulmuştur. M.Turc yöntemine göre yüzey akış haritası oluşturulurken bu harita kullanılarak sıcaklığın bir fonksiyonu olan L parametresi haritalanmıştır. Ordinary Kriging ve Ordinary Cokriging yöntemlerinin iyi tahminde bulunamamasının Seyhan Havzasının topoğrafik farklılığından kaynaklandığı düşünülmüştür. Haritalar incelendiğinde havzanın güneyden kuzeye doğru dağlık alanlara gidildikçe sıcaklık değişimi yansıtılmış olmasına rağmen, değinildiği gibi Demirkazık vb. yüksek rakımlı alanlarda %50 olasılıklı ortalama sıcaklık değerleri eksi sıcaklıklarla ifade edilmemiştir. Ayrıca, vadilerdeki sıcaklık değişiminin yansıtılmadığı ve havzadaki sıcaklık dağılımının kabaca haritalanabildiği 67

80 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER görülmüştür. Topoğrafyanın daha düzgün olduğu güney kesiminde ise, Ordinary Kriging ve Ordinary Cokriging yöntemi Çoklu Regresyon yöntemiyle benzer tahminlerde bulunmuştur. Sonuç olarak; Seyhan Havzasında 45 adet meteorolojik gözlem istasyonu kullanılarak yapılan bu araştırmada, Ordinary Kriging ve Ordinary Cokriging yöntemi topoğrafik farklılığın çok olduğu bölgelerde sıcaklık tahminlerini gerçekçi bir şekilde yansıtamamıştır. Çizelge te ise %50, %80 ve %90 olasılık düzeyleri için en iyi yağış tahmini Ordinary Kriging ve Ordinary Cokriging yöntemleriyle sağlanmıştır. Bu iki yöntem ile elde edilen sonuçlar karşılaştırıldığında aralarında anlamlı bir fark olmadığı görülmüştür. Ancak, Ordinary Cokriging yöntemi daha küçük oranda tahmin hataları yapmıştır. Test ölçütlerine göre en kötü tahminler Çoklu Regresyon yöntemi ile yapılmıştır. Çoklu Regresyon gibi doğrusal ilişkilerin tanımlandığı belirli bir eğime sahip süreklilik arz eden yapılar; yağış gibi sürekliliği olmayan değişkenlerin tahmininde büyük hatalar verebilmektedir. Araştırmada sürekliliği olmayan yağış değişkeninin tahmininde; enlem ve denizden uzaklık gibi iki açıklayıcı değişkenden oluşan Çoklu Regresyon modeli tahminlerinin büyük tahmin hataları yaptığı görülmüştür. Yağış gibi süreklilik arz etmeyen kesikli değişkenlerin farklı topoğrafyaya sahip büyük alanlarda modellenmesinde, açıklayıcı değişken sayısı az olan modeller kullanılarak gerçekçi tahmin yapılamamıştır. Bu sonuçlara göre yağış tahminlerinde daha fazla bağımsız değişken kullanılarak oluşturulacak Çoklu Regresyon modellerinin kullanılması gerektiği sonucuna varılmıştır. Ancak, bağımsız değişken seçiminde yağış miktarı ile bağımsız değişkenler arasındaki ilişkinin yüksek olmasına dikkat edilmesi gerekmektedir. Bu sonuçlara göre; kesikli değişkenlerin tahmininde belirli bir olasılık yapısının modellendiği jeoistatistiksel yöntemler daha iyi sonuç vermiştir. Seyhan Havzasında %50, %80 ve %90 olasılıklı toplam yağış haritalarının hangi yöntemle oluşturulacağı ise, belirtilen olasılık düzeylerindeki şahit istasyon değerleri ile yöntemlerle oluşturulan haritaların bu olasılık düzeylerindeki tahminlerinin kıyaslanmasıyla belirlenmiştir. 68

81 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Çizelge P=%50 Olasılıklı Ortalama Sıcaklık Değerlerinin Haritalanmasında Kullanılan Yöntemlerin Kıyaslanması Yöntemler İstatistiksel Test Ölçütleri Bias PH T RMSE MSE MAD Ordinary Kriging Ordinary Cokriging Çoklu Regresyon Çizelge P=%50 Olasılıklı Toplam Yağış Değerlerinin Haritalanmasında Kullanılan Yöntemlerin Kıyaslanması Yöntemler Ordinary Kriging İstatistiksel Test Ölçütleri Bias PH T RMSE MSE MAD Ordinary Cokriging Çoklu Regresyon Çizelge P=%80 Olasılıklı Toplam Yağış Değerlerinin Haritalanmasında Kullanılan Yöntemlerin Kıyaslanması Yöntemler İstatistiksel Test Ölçütleri Bias PH T RMSE MSE MAD Ordinary Kriging Ordinary Cokriging Çoklu Regresyon Çizelge P=%90 Olasılıklı Toplam Yağış Değerlerinin Haritalanmasında Kullanılan Yöntemlerin Kıyaslanması Yöntemler İstatistiksel Test Ölçütleri Bias PH T RMSE MSE MAD Ordinary Kriging Ordinary Cokriging Çoklu Regresyon

82 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Şekil 4.4. Seyhan Havzasının Çoklu Regresyon Yöntemi ile Oluşturulan %50 Olasılıklı Ortalama Sıcaklık Haritası 70

83 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER 4.6. Şahit İstasyon Kullanılarak Yapılan Kıyaslamalardan Elde Edilen Sonuçlar Topçu Deresi Havzası ve Çavuşlu Kaleönü Göleti Havzası yağış serilerinin frekans analizleri sonuçları, yöntemler arasındaki kıyaslamalarda şahit olarak kullanılmıştır. Üç yöntem ile şahit istasyonların bulunduğu koordinatlardaki belirli olasılıklardaki toplam yağışlar tahmin edilmiştir. Yöntemlerden elde edilen miktarlar ile şahit istasyon değerleri Çizelge da listelenmiştir. Yöntemlerin tahmin performansı; Yüzde Tahmin Hata (PH T ) kriterine göre incelenmiştir. Çizelge Topçu Şahit İstasyonu Değerleri ile Yöntemlerden Elde Edilen Sonuçların Yüzde Tahmin Hataları (PH T ) Topçu Olasılık İstasyonu Ordinary Kriging Ordinary Cokriging Çoklu Regresyon Şahit Değerleri Tahmin Tahmin Tahmin mm PH mm T (%) PH mm T (%) mm PH T (%) P=% P=% P=% Çizelge Kaleönü Şahit İstasyonu Değerleri ile Yöntemlerden Elde Edilen Sonuçların Yüzde Tahmin Hataları (PH T ) Olasılık Kaleönü İstasyonu Şahit Değerleri mm Ordinary Kriging Ordinary Cokriging Çoklu Regresyon Tahmin mm PH T (%) Tahmin mm PH T (%) Tahmin mm PH T (%) P=% P=% P=% Topçu istasyonuna ait %50 olasılıklı toplam yağış değerlerine en yakın tahmin Cokriging yöntemi ile elde edilmiştir. Yüzde Tahmin Hata (PH T ) ölçütüne göre %6.6 oranında tahminde yanılmıştır. İkinci en iyi tahmin %7.8 hata ile Çoklu Regresyon yöntemi tarafından yapılmıştır. Bu olasılık düzeyindeki en uzak tahminler %11.2 ile Kriging yönteminden elde edilen sonuçlarda görülmüştür. 71

84 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Topçu şahit istasyonuna ait %80 ve %90 olasılıklardaki toplam yağış değerlerine en yakın tahmin değerleri sayıldığı sıraya göre %6.1 ve %5.2 ile Çoklu Regresyon yöntemi sonuçlarından elde edilmiştir. Bu olasılıklardaki Cokriging ve Kriging yöntemleri tahminlerinin aralarında anlamlı bir fark bulunamamıştır. Cokriging yöntemi %80 ve % 90 olasılıklarda sayıldığı sıraya göre %10.6 ve %5.6 tahmin hatası yapmıştır. Kriging yönteminin ise, bu olasılık düzeylerinde sayıldığı sıraya göre %10.8 ve %5.6 oranında tahmin hatası bulunmuştur. Kaleönü şahit istasyonu %50, %80 ve %90 olasılıklı toplam yağış değerlerinin üç yöntemle oluşturulan tahminlerinde Cokriging yöntemi; %50 ve %80 olasılıklarda sayıldığı sıraya göre %1.9 ve %7.0 oranında hata yaparak en gerçekçi tahminde bulunmuştur. Cokriging ve Kriging yöntemi %90 olasılıkta sayıldığı sıraya göre %19.6 ve %19.5 oranında tahmin hatası yaparak aralarında anlamlı bir fark oluşmamıştır. Kaleönü şahit istasyonunun %50, %80 ve %90 olasılık düzeyinde yapılan tahminlerinde en büyük sapmalar Çoklu Regresyon yöntemi bulgularında görülmüştür. Bu yöntem üç olasılık değerinde sayıldığı sıraya göre %17.5, %25.4 ve %30.2 oranında tahmin hatası vermiştir. Yöntemin tüm alan boyunca yaptığı tahminlerin belirli bir eğime sahip olması, sürekliliğin olmadığı alanlarda tahminde büyük sapmalara neden olduğu düşünülmüştür. Nitekim, birbirine yakın olan Topçu ve Kaleönü havzalarının yağış tahminlerinde yöntem Topçu istasyonu değerlerine yakın tahminlerde bulunurken, Kaleönü istasyonunda büyük sapmalar göstermiştir. Dolayısıyla, covariogram yapıları ile tahmin yapan Cokriging yöntemi, Çoklu Regresyon ve Kriging yöntemine göre daha az hata ile en gerçekçi tahminlerde bulunmuştur. Çoklu Regresyon yöntemi ise, Kriging yöntemine göre topçu istasyonunda daha iyi tahminde bulunmuş olmasına rağmen, Kaleönü istasyonundaki tahmin sapmalarının büyüklüğü güvenilirliğini azaltmıştır. İstatistiksel test ölçütleri ve şahit değerlere göre; Seyhan Havzasındaki %50, %80 ve %90 olasılıklı toplam yağış haritaları Ordinary Cokriging yöntemiyle oluşturulmuştur. Bu nedenle Seyhan Havzasının M. Turc yöntemine göre %50, %80 ve %90 olasılıklardaki yüzey akış haritası elde edilirken Ordinary Cokriging yöntemi ile oluşturulan %50, %80 ve %90 olasılıklardaki toplam yağış haritaları kullanılmıştır (Şekil ). 72

85 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Şekil 4.5. Seyhan Havzasının Ordinary Cokriging Yöntemi ile Oluşturulan %50 Olasılıklı Toplam Yağış Haritası 73

86 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Şekil 4.6. Seyhan Havzasının Ordinary Cokriging Yöntemi ile Oluşturulan %80 Olasılıklı Toplam Yağış Haritası 74

87 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Şekil 4.7. Seyhan Havzasının Ordinary Cokriging Yöntemi ile Oluşturulan %90 Olasılıklı Toplam Yağış Haritası 75

88 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER 4.7. Seyhan Havzasının M. Turc Yüzey Akış Haritasının Oluşturulması Harita çiziminde kullanılan yöntemlerin kıyaslanması sonucunda; %50 olasılıklı ortalama sıcaklık değerlerinin en az hata ile Çoklu Regresyon yöntemi ile tahmin edilebildiğine karar verilmiştir. Cokriging tekniği ise; %50, %80 ve %90 olasılıklı toplam yağış değerlerini en az hata ile tahmin eden yöntem olmuştur. CBS ortamında, M. Turc yöntemi kullanılarak amaçlanan yüzey akış haritasını elde etmek için ArcGIS yazılımının Map Algebra modülü kullanılmıştır. Bu modül ile öncelikle M. Turc yönteminde yüzey akış hesaplamasında sıcaklığın bir fonksiyonu olan L parametresi haritası üretilmiştir. L parametresi haritası oluşturulurken Çoklu Regresyon yöntemi ile elde edilen %50 olasılıklı sıcaklık (T) değerlerinin raster formatındaki görüntüsü kullanılmıştır. Daha sonra aynı modül ile Cokriging yöntemi ile elde edilen %50, %80 ve %90 olasılıklardaki toplam yağış (P) haritaları Denklem 3.18 ile ifade edilen M. Turc eşitliğinde her olasılık düzeyi için ayrı ayrı işleme alınmıştır. Hesaplamalar sonunda; Parajka (1998) tarafından gerçek evapotranspirasyon (ET) olarak da ifade edilen Seyhan Havzasındaki %50, %80 ve %90 olasılıklı M. Turc yöntemi kayıp (D) haritaları oluşturulmuştur (Şekil 4.8). Seyhan Havzasındaki ampirik yüzey akışı bulmak için ise Cokriging yöntemi ile elde edilmiş %50, %80 ve %90 olasılıklı yağış (P) haritaları kullanılmıştır. Aynı olasılık düzeyi için çizilen P ve D haritaları Map Algebra modülü ile birbirinden çıkarılmıştır. Sonuç olarak; Şekil ve 4.11 de görüldüğü gibi Seyhan Havzasında M. Turc yöntemi ile elde edilen %50, %80 ve %90 olasılık düzeylerinde yüzey akış (Q) haritaları oluşturulmuştur. Üretilen farklı olasılıklı kayıp (D) haritaları incelendiğine; havzada meydana gelen kayıp, diğer bir ifade ile ET sıcak ve eğimi az olan bölgelerde maksimum değerler ile ifade edilmiştir. Özelliklede vadi içerisinde ET değerlerinin yüksek olduğu görülmektedir. Güneyden kuzeye doğru gidildikçe havzada tutulan su azalmaktadır. Ayrıca, yüksek dağ zirvelerinde havzada tutulan su minimum düzeyde olup, yağışın yüzey akışa geçtiği görülmektedir. Yüzey akış (Q) haritalarında ise, havzanın kuzey doğu Çamlıyayla-Çokak istikametinde yağışın yüksek olduğu görülmekte olup; bu bölgelerde yüzey akış artmaktadır. Yüzey akışa geçen bu sular Çatalan ve Seyhan barajını beslemektedir. 76

89 4. ARAŞTIRMA BULGULARI VE TARTIŞMA Ali Demir KESKİNER Şekil 4.8. Seyhan Havzasının %50, %80 ve %90 Olasılıklı M.Turc Yöntemi Kayıp (Kuşvuran (2006) Gerçek Evapotranspirasyon) Haritaları 77