Doğu Anadolu Bölgesi İçin Hidrometeorolojik Tahmin Çalışmalarının Değerlendirilmesi

Transkript

1 VI. Ulusal Hidroloji Kongresi, Eylül 2010, Pamukkale Üniversitesi, Denizli Doğu Anadolu Bölgesi İçin Hidrometeorolojik Tahmin Çalışmalarının Değerlendirilmesi Şensoy A. 1, Şorman A.A. 2, Uysal G. 3, Şorman A.Ü. 4 Özet: Türkiye nin dağlık doğu bölümlerindeki kar erimesinin meydana getirdiği akımlar bahar ve ilkyaz ayları süresince yıllık akımın yaklaşık 2/3 ünü oluşturmaktadır. Büyük barajların yer aldığı Fırat Havzasında, kar erimesinden oluşan akımların modellenmesi, ülkenin su kaynaklarının verimli kullanılması açısından büyük önem taşımaktadır. Bu çalışmada, pilot havza olarak seçilen Yukarı Fırat Havzası (10200 km 2 ), m arasında beş yükseklik aralığına bölünmüştür. Öncelikle gözlem verileri daha sonra da tahmin verileri toplanarak gerekli analizler yapılmıştır. Havzanın farklı yerlerinde ve yüksekliklerinde bulunan otomatik ve diğer gözlem istasyonlarından toplanan verilerin alansal dağılımları yapılmıştır. Hidrolojik modele girdi oluşturmak üzere her bir yükseklik aralığı için günlük ortalama sıcaklığın ve toplam yağışın alansal ortalaması Detrended Kriging Metodu ile hesaplanmıştır. Çalışmanın tahmin kısmında ise MM5 Mesoscale sürüm 5 (MM5) atmosferik tahmin modelinden elde edilen sıcaklık ve yağış tahmin verileri, dağılımlı gözlem değerleri ile karşılaştırılmış ve tutarlılıkları incelenmiştir. Gözlem verileri ile yapılan istatistiksel karşılaştırma esas alınarak tahmin verisinde bir düzenleme yapılarak model girdisi haline getirilmiştir. Çalışmada, uydu ürünü olan karla kaplı alan dağılımını da içeren SRM (Snowmelt Runoff Model) günlük zaman aralığında kullanılmıştır. Karla kaplı alanların tespitinde MODIS (Moderate Resolution Imaging Spectroradiometer) görüntülerinden yararlanılmıştır. Sonuç olarak, tahmin verilerinin tutarlılığı alansal ortalamalar ile kıyaslanarak incelenmiştir. Tahmin verileri model girdisi alınarak, 2009 su yılı erime döneminin hidrolojik model uygulaması ve akımların bir gün sonrası için tahminleri yapılmıştır. Ayrıca, gözlenen ve atmosferik model çıktısı olan tahmin verileri hidrometeorolojik tahmin çalışmaları içinde kullanılarak, fiziksel hidrolojik model uygulama sonuçları değerlendirilmiş ve modelle akımların tahmin edilebilme yeteneği sorgulanmıştır. Anahtar Sözcükler: MM5; hidrometeorolojik tahmin; hidrolojik modelleme; Yukarı Fırat Havzası 1 Anadolu Üniversitesi, İnşaat Mühendisliği Bölümü, Eskişehir, E-Posta: asensoy@anadolu.edu.tr 2 Anadolu Üniversitesi, İnşaat Mühendisliği Bölümü, Eskişehir, E-Posta: asorman@anadolu.edu.tr 3 Anadolu Üniversitesi, İnşaat Mühendisliği Bölümü, Eskişehir, E-Posta: gokcenuysal@anadolu.edu.tr 4 Orta Doğu Teknik Üniversitesi, İnşaat Mühendisliği Bölümü, Ankara, E-Posta: sorman@metu.edu.tr 1

2 Evaluation of Hydrometeorological Forecast Studies for the Eastern Turkey Abstract: Streamflow occurring mainly due to snowmelt during spring and early summer months in the mountainous eastern part of Turkey is important as it constitutes approximately 2/3 of total annual volume of runoff. For this reason, modeling the runoff due to snow melting in Euphrates basin, where large reservoirs are located, forms the backbone of the forecasting studies in terms of effective management of water resources. In this study, the Upper Euphrates Basin (10200 km 2 ) selected as a pilot basin is divided into five elevational zones between m. Firstly, observed and then numerical weather prediction data are collected and required analysis are performed. Areal distribution of observed data collected from automatic and other observation stations which are located at different locations and altitudes is done. Areal average values of daily mean temperature and daily total precipitation are calculated using detrended kriging method to be used as an input to the hydrological model. In the forecasting part of the study, temperature and precipitation values obtained from atmospheric forecast model MM5 (Mesoscale version 5) are compared with areal average observed values and their consistencies are analyzed. Based on the statistical comparison using observed data, forecast data are modified to be used as an input for the model. SRM (Snowmelt Runoff Model) that includes satellite product snow cover area is used in this study at daily time step. MODIS (Moderate Resolution Imaging Spectroradiometer) images are used to detect snow cover areas. As a conclusion, consistencies of numerical weather prediction data are analyzed by comparing them with areal average observed values. Taking forecasted data as model input, hydrologic model application and forecasting daily discharges for one day ahead is done for melting period of 2009 water year. Furthermore, physical hydrologic model application results are evaluated and ability of runoff forecasting by the model is questioned using observed and numerical weather prediction data in hydrometeorological forecast studies. Keywords: MM; hydrometeorological forecast; hydrological modeling; The Upper Euphrates Basin 1. GİRİŞ Barajların işletilmesi ve taşkın kontrol çalışmaları, rezervuarlarda yağmur ve kar erimesinden gelecek olan akımların tahminine ve önceden hesaplanmasına bağlıdır. Böylece, barajların taşkından korunması, mevcut ve beklenen su miktarlarının tahmin edilmesi yoluyla barajın işletilmesi gerçekleştirilerek, hidrolik enerjinin en verimli şekilde üretilmesi ve depolama yapılarından azami ölçüde yararlanılması sağlanabilecektir. Türkiye nin dağlık doğu bölgelerindeki kar erimesinin meydana getirdiği akımlar, bahar ve ilkyaz ayları süresince toplam yıllık akımın yaklaşık 2/3 ünü oluşturduğu için büyük bir öneme sahiptir (Kaya, 1999). Bu nedenle, öncelikle Keban Barajı, daha sonra sırasıyla Karakaya ve Atatürk Barajı gibi büyük barajların yer aldığı Fırat Havzasında, kar erimesinden oluşan akımların miktarının ve zamanının tahmin edilmesi, ülkenin su kaynaklarının verimli bir biçimde kullanılmasını sağlamak çalışmaya ayrı bir önem 2

3 kazandırmaktadır. Bu kapsamda Yukarı Fırat Havzasını (10200 km 2 ) ilgilendiren bu çalışma ile, hidrolojik olaylar zincirinin; gerçek zamanlı veri akışı, uydu teknolojilerinin kullanımı ve atmosferik-hidrolojik model entegrasyonu ile, incelenmesi sağlanmıştır. Öncelikle gözlem verileri daha sonra da tahmin verileri toplanarak gerekli analizler yapılmıştır. Havzanın farklı yer ve yüksekliklerinde yer alan otomatik ve diğer gözlem istasyonlarından toplanan verilerin alansal dağılımları yapılmıştır. Hidrolojik modele girdi oluşturmak üzere her bir yükseklik aralığı için günlük ortalama sıcaklığın ve toplam yağışın alansal dağılımı hesaplanmıştır. Çalışmanın tahmin kısmında öncelikle MM5 (Mesoscale version 5) atmosferik tahmin modelinden elde edilen sıcaklık ve yağış tahmin verileri, dağılımlı gözlem değerleri ile karşılaştırılmış ve tutarlılıkları incelenmiştir. Gözlem verileri ile yapılan istatistiksel karşılaştırma esas alınarak denklemler çıkartılmış ve 2009 yılı tahmin verilerinde bir iyileştirme yapılarak model girdisi haline getirilmiştir. İyileştirilmiş tahmin verileri (sıcaklık ve yağış) ve sıcaklığa bağlı olarak tahmin edilen karla kaplı alan yüzdesi model girdisi alınarak, hidrolojik model uygulaması ile 2009 su yılı erime döneminin akım tahminleri yapılmıştır. Çalışmada, uydu ürünü olan karla kaplı alan dağılımını da içeren SRM (Snowmelt Runoff Model) günlük zaman aralığında kullanılmıştır. 2.ÇALIŞMA ALANI Yukarı Fırat Havzası olarak tanımlanan Karasu Havzası (Şekil 1) yaklaşık km 2 lik bir alana sahiptir ve yükseklik değişimi m arasındadır. Havza, çıkışındaki 2119 numaralı Elektrik İşleri Etüt İdaresi (EİE) tarafından işletilen akım gözlem istasyonu ile kontrol edilmektedir. İstasyon verilerinin uzun yıllar analizi, yıllık ortalama akımların % nin bahar ve ilkyaz aylarındaki kar erimesinden meydana geldiğini göstermektedir. Arazi örtüsü çayır, mera ve büyük ölçüde çıplak alanlardan oluşmaktadır ve hipsometrik ortalama yüksekliği 1977 m dir. Karasu Havzası, Erzurum ve Erzincan şehirleri ile Kuzgun, Erzincan ve Tercan barajlarını içermektedir. Havza çıkışından sonra yer alan, Keban, Karakaya ve Atatürk Barajı gibi büyük barajlar havzadaki çalışmaları önemli kılmaktadır. Türkiye nin bu büyük barajlarının, su potansiyeli ve hidroelektrik enerji açısından ulusal ekonomiye büyük katkıları olması nedeniyle etkin bir planlama ve tahmin çalışmaları ile işletilmesi önemlidir. Kar çalışmalarında topoğrafya önemli bir rol oynamaktadır; bu sebeple yükseklik aralığı fazla olan Karasu Havzası 5 farklı yükseklik kotuna (zon) bölünmüştür. Karasu Havzası Şekil 1 de ve her yükseklik zonuna ait bilgiler Çizelge 1 de verilmiştir. 3

4 Şekil 1. Yukarı Fırat (Karasu) Havzası nın konumu Çizelge 1. Karasu Havzası zon bilgileri Zon Yükseklik Alan Alan Zon Ortalama Zon Ortalama Aralığı (m) (km 2 ) (%) Yüksekliği (m) Eğim (%) A B C D E Toplam VERİLER VE ANALİZLER 3.1. Meteorolojik Veriler Karasu Havzasında daha önce yürütülen projeler kapsamında altyapıları oluşturulmuş ve Devlet Su İşleri (DSİ) nin ve Devlet Meteoroloji İşleri (DMİ) nin işbirliği ile işletilen otomatik gözlem istasyonları (AWOS) yer almaktadır. Ayrıca, DMİ tarafından işletilmekte olan iki tip istasyon bulunmaktadır. Bunlardan biri sinoptik, diğeri ise klima istasyonlarıdır. Bu veriler, hidrolojik modelleme çalışmalarında özellikle yağışın ve sıcaklık değişkenlerinin alansal dağıtımında kullanılmaktadır. Sıcaklık ve yağış değerlerinin farklı yükseklik zonlarındaki alansal dağılımını gerçekleştirmek için; havza içinde ve civarında yer alan AWOS ile çeşitli klima istasyonlarındaki gözlem verileri kullanılmıştır. Günlük ortalama sıcaklık ve günlük toplam yağış değerlerinin her bir zon için alansal dağılımları Garen ve diğ. (1994) 4

5 tarafından geliştirilen bir programla detrended kriging metodu kullanılarak hesaplanmıştır. Sıcaklık dağılımında kullanılan istasyonların (18 adet) konumları Şekil 2 de gösterilmiştir. Yağış dağılımında aynı istasyonlar kullanılmış, fakat yağış ölçeri olmayan AWOS istasyonu (4 adet) dikkate alınmamıştır. Şekil 2. Sıcaklık ve yağış dağılımı için kullanılan istasyonlar 3.2. Karla Kaplı Alan Verileri Yer gözlem istasyonları, ilgili alanın ancak küçük bir kısmını temsil edebileceği için, Coğrafi Bilgi Sistemleri (CBS) ve Uzaktan Algılama (UA) teknolojilerinden faydalanılmaktadır. Araziden nokta bazında alınan verilerinin yanı sıra, özellikle kar örtüsünün alansal ve zamansal değişimini gözleyebilmek için uydu görüntüleri kullanılmaktadır. MODIS uydusu, 2000 yılında başlayan Terra ve 2002 yılında başlayan Aqua platformaları üzerinde, 36 dar spektral bant aralığında, 250, 500 ve 1000 metre mekansal çözünürlükte veri sağlamaktadır. Hall ve diğ. (2002) tarafından karla kaplı alanların 500 metre mekansal çözünürlükte ve günlük bazda oluşturulduğu bir algoritma geliştirilmiştir. Yeni bir uydu olmasından dolayı yakın zamandaki literatürde, MODIS uydusundan elde edilen karla kaplı alanların uygulaması konusunda bir çok makale 5

6 yayınlanmıştır, Hall ve diğ., (1998), Tekeli ve diğ. (2005a), Riggs ve diğ. (2006), Parajka ve Blöschl (2008). Daha sonra bahsi geçecek olan kar çekilme eğrileri elde edilirken MODIS Terra uydusunun MOD10A1 karla kaplı alan ürünleri kullanılmıştır. MOD10A1 verisi 1200 km ye 1200 km alanı taramaktadır, sinusoidal projeksiyonu sahiptir ve alansal çözünürlüğü 500 m dir. National Snow and Ice Data Center (NSIDC) da bulunan NASA Distributed Active Archive Center (DAAC) web sayfasından ücretsiz olarak sağlanabilmektedir. MODIS karla kaplı alan algoritması Denklem (1) de gösterilen, Normalize Kar İndeks Farklılığı (Normalized Difference Snow Index, NDSI) nı temel almaktadır. (1) 3.3 Sayısal Hava Tahmin Verileri Sayısal hava tahmini, şu anki havanın birkaç gün sonrasına kadar olacak durumunu atmosferik modeller yardımıyla tahmin etme tekniğine verilen isimdir. DMİ, Türkiye deki hava tahminlerini hem nitelik hem de nicelik açısından ilgili kullanıcılara sağlayan kurumdur. Türkiye, Avrupa Orta Ölçekli Hava Tahmin Merkezi (European Center for Medium Range Weather Forecasts, ECMWF) üye ülkelerinden birisidir. Dolayısıyla, Devlet Meteoroloji İşleri, 3 ile 6 saat arasında değişen ve 0.5 o (~45 km) yersel hücre çözünürlüğü olan orta-ölçekli hava tahmin değerlerini ECMWF den temin ederek, bu verileri Mesoscale Model 5 (MM5) atmosferik modeline sınır koşulları olarak belirleyip çalıştırmaktadır. MM5 modeli günde dört defa çalıştırılarak (00, 06, 12, 18 UTC saatleri) 1 saat zaman aralıklarında, yersel hücre çözünürlüğü 7 km ve tahmin periyodu 48 saat olan hava tahminleri üretmektedir. Bu çalışmada kısa vadeli akım tahminlerini gerçekleştirmek üzere kullanılan hidrolojik modele en fazla 24 saat ilerisine ait meteorolojik veri girilmiştir. Havza içine düşen her MM5 grid noktasi için 5, 12 ve 19 saatlerindeki sıcaklık değerleri Denklem (2) de gösterilen formül ile noktasal ortalama sıcaklık değerlerine çevrilmiştir. Aynı şekilde konvektik ve konvektif olmayan noktasal yağış değerleri de Denklem (3) te gösterilen formülle noktasal toplam yağış değerlerine çevrilmiştir. (2) Oluşturulan noktasal MM5 günlük ortalama sıcaklık ve toplam yağış tahmin verileri CBS ortamında Ters Mesafe Ağırlıklı Enterpolasyon Tekniği (Inverse Distance Weighting, IDW) metodu ile yükseklik zonlarına dağıtılmıştır. (3) 6

7 4. SRM HİDROLOJİK MODELİ Su kaynaklarına katkıda bulunan su hacimlerinin ve katkı zamanlarının belirlenebilmesi için olayın fiziksel yönlerini ifade edebilecek hidrolojik modellere ihtiyaç duyulmaktadır. Bu çalışmada kullanılan hidrolojik model dağlık alanlarda derece-gün yöntemini kullanarak yağış/kar erimesi-akış ilişkisini kuran SRM (Snowmelt Runoff Model), (Martinec, 1975; Martinec ve diğ., 1998) kavramsal modelidir. SRM dünya literatüründe kabul gören ve yüzden fazla havza üzerinde uygulanmış modellerden biridir (WMO, 1986; Seidel ve Martinec, 2004). Hidrolojik modelleme çalışmalarında kullanılan SRM için model girdi değişkenleri, her bir zondaki günlük toplam yağış, ortalama sıcaklık ve kar çekilme eğrileridir. Ayrıca, model parametreleri olarak, kritik sıcaklık, yağış ve kar erime akım katsayıları, derecegün katsayısı, akım çekilme katsayısı yer almaktadır. SRM modelinin genel uygulaması Şekil 3 te verilmiştir. SRM diğer kalibrasyon modellerinin yanı sıra kullanıcılarına erime sezonunda değişik zamanlarda kullanılan değerleri tekrar gözden geçirme fırsatı vermektedir (Ferguson, 1999). Ferguson, SRM i kalibrasyon ve fiziksel arası bir model olarak tanımlamaktadır. SRM kavramsal bir model olduğundan, sağlanan girdilerin çeşitli matematiksel denklemlerden geçerek ürettikleri çıktıların arazide ölçülen değerlerle tutarlı olması için modelin içinde bulunan bazı parametrelerin düzenlenmesi gerekmektedir. Şekil 3. SRM modelinin genel uygulaması SRM in temel denklemi Denklem (4) te verilmiştir. (4) n : gün sayısı Q : havza akımı 7

8 T : sıcaklık dağılımı P : yağmur şeklinde düşen yağış dağılımı S : karla kaplı alan oranı A : bölgenin alanı kn+1: çekilme katsayısı a : derece-gün faktörü CS : kar erimesi için doğrulama faktörü CR : yağmur için doğrulama faktörü SRM hidrolojik modeli, 2009 erime sezonunun gerçek zamanlı akım tahmini çalışmasını gösterebilmek amacıyla kullanılmıştır. Model önceki yıllarda akım simülasyonu yapmak için kullanılmış, model parametrelerinin değerlerinin ya da fiziksel aralıklarının belirlenmesi sağlanmıştır. Akımların günlük tahmini çalışmasında ise model değişkenlerinin bir gün sonrası için tahmin değerleri bulunarak kullanılmıştır. Model parametreleri ise önceki yıllarda bulunan model parametreleri arasından seçilmiştir. 5. SAYISAL HAVA TAHMİN VERİLERİNİN DEĞERLENDİRİLMESİ Hidrolojik modelleme çalışmalarında Karasu Havzası ve civarında bulunan klima ve güncellenerek geliştirilen otomatik yer gözlem istasyonlarından alınan sıcaklık ve yağış verileri kullanılmıştır. İstasyon nokta verileri Detrended Kriging (DK) algoritması kullanılarak havzanın daha önce bahsedilen beş yükseklik zonuna dağıtılmıştır. Atmosferik-hidrolojik model entegrasyonu yapılmadan önce, tahmin verilerinin yer gözlem istasyonlarıyla karşılaştırılması gerekmektedir, çünkü MM5 modeli sayısal hava tahmin verilerini üretirken belirli altlıklar kullanmaktadır. Bu altlıklardan ikisi, arazi kullanım haritası ile yükseklik bilgileridir. Arazinin dağlık olduğu ve yüksekliklerin çok değişkenlik gösterdiği havzada, MM5 modeli, sayısal hava tahmin verilerini hücresel bazda oluştururken kaba bir yükseklik altlığı kullanmaktadır. Dolayısıyla, sayısal hava tahmin verilerinin, yer ölçüm istasyonlarından kaydedilen değerlerle ilişkileri gözden geçirilerek, gerekirse hidrolojik modele girilmeden önce ayarlamalar yapılmaktadır. Bu çalışmada, 2009 su yılının erime dönemi için akım tahminleri yapıldığı için, 2008 yılı tahmin verilerinin yer gözlemleri ile verdiği ilişkiler gözönüne alınarak uygulama yapılan dönem için tahmin verilerinde iyileştirme yapılmıştır. Karşılaştırmalar ve ilişkiler noktasal olarak değil alansal ortalamalar bazında yapılmıştır Yer Gözlem ve MM5 Değerlerinin Karşılaştırılması Her bir yükseklik zonu için Bölüm 3.3 de belirtildiği şekilde alansal dağılımları yapılmış yer gözlem ve MM5 tahmin değerleri Mart-Haziran 2008 tarihlerinde kıyaslanmıştır. Grafiksel gösterimler için C zonu seçilerek Şekil 4 te sıcaklık değerlerinin zaman serisi, Şekil 5 te de yağış değerlerinin zaman serisi çizdirilerek kıyaslanmıştır. 8

9 Ayrıca; yağış tutarlılığına bir başka açıdan bakmak için yağış değerlerinin kümülatif olarak kıyaslanması Şekil 6 da yapılmıştır. Şekil 4 te görüldüğü gibi gözlenen ve MM5 sıcaklık değerleri zaman serileri aralarında farklar bulunmaktadır. A zonu hariç tahmin değerlerinin gözlenen değerlerden yüksek olduğu gözlenmiştir. B zonundan E zonuna çıkıldıkça tahmin ve gözlenen değerler arası sıcaklık farkları artmaktadır. Aynı şekilde, Şekil 5 te C zonu için MM5 tahmin yağış değerleri genelde gözlenen değerlerin üzerinde çıkmaktadır. Diğer zonlarda da bu durum nispeten böyle devam etmektedir. Bu farkların tespit edilebilmesi için her yükseklik zonu için tahmin ve gözlenen değerler arası doğrusal ilişkilerin aylık olarak kurulmasına ve bu ilişkilerin determinasyon katsayılarının tespit edilmesine ihtiyaç duyulmuştur. Şekil 4. C Zonu için alansal dağıtılmış gözlenen ve MM5 sıcaklık değerleri (Mart-Haziran 2008) 9

10 Şekil 5. C Zonu için alansal dağıtılmış gözlenen ve MM5 yağış değerleri (Mart-Haziran 2008) Şekil 6. C Zonu için alansal dağıtılmış gözlenen ve MM5 kümülatif yağış değerleri (Mart-Haziran 2008) Hem sıcaklık hem de yağış değerlerinin karşılaştırılmasında Denklem (5) te verilen korelasyon katsayısının karesi olan determinasyon katsayısı (R 2 ) kullanılmıştır. R 2 parametresi değişkenlerden birinin değişiminin ne kadarının diğer değişkenle olan doğrusal bağıntısı ile açıklanabileceğinin gösterir. Bu değer 0.0 ile 1.0 arasında değişmektedir. Determinasyon katsayısının 1 olması durumunda değerler arası tam uyum gözlenmektedir. 10 (5)

11 2008 Mart-Haziran arası sıcaklık sıcaklık ve yağış değerlerinin determinasyon katsayıları sırasıyla Çizelge 2 de ve Çizelge 3 te verilmiştir. Çizelge 2. Sıcaklık (MM5-Gözlenen) determinasyon katsayıları Aylar A Zonu B Zonu C Zonu D Zonu E Zonu Mar Nis May Haz Çizelge 3. Yağış (MM5-Gözlenen) determinasyon katsayıları Aylar A Zonu B Zonu C Zonu D Zonu E Zonu Mar Nis May Haz Yer Gözlem ve İyileştirilmiş MM5 Değerlerinin Karşılaştırılması Akım tahmin modeline girdi olmak üzere ihtiyaç duyulan 2009 yılı sayısal tahmin verileri; 2008 yılında gözlenen aylık ilişkiler (Mart-Haziran) göz önünde bulundurularak iyileştirilmiştir yılı için yapılan iyileştirmeler; 2008 yılı aylık kurulan doğrusal ilişkilerin denklemlerinin ortamalarının düzenlenerek tahmin verilerinde kullanılması ile sağlanmıştır. Bu şekilde; 2009 yılı sıcaklık ve yağış model denklemleri oluşturulmuştur. Öte yandan bir önceki seneden (2008) faydalanarak oluşturulan model denklemlerinin 2009 yılında kullanılması sırasında, iyileştirilmiş tahmin verilerinin gözlem değerleri ile ne kadar tutarlı olduklarının da incelenmesi gerekmektedir. Bu nedenle her yükseklik zonu için iyileştirilmiş ve gözlenen sıcaklık ve yağış değerleri zaman serileri oluşturulmuştur yılı erime periyodunda, her bir yükseklik zonu için alansal dağılımları yapılmış yer gözlem ve iyileşitirilmiş MM5 tahmin değeri Mart-Haziran tarihleri arasıda kıyaslanmıştır. Grafiksel gösterimler için C zonu seçilerek Şekil 7 de sıcaklık değerlerinin zaman serisi, Şekil 8 de de yağış değerlerinin zaman serisi çizdirilerek kıyaslanmıştır. Uygulanan iyileştirme neticesinde zaman serisine baktığımızda sıcaklık ve yağış değerlerinde gözlenen değerlere yaklaşımın arttığı görülmektedir. Her yükseklik zonu için iyileştirilmiş ve gözlenen sıcaklık ve yağış değerleri için determinasyon katsayılarına bakılarak iyileştirmenin katkısı sorgulanmıştır. Şekil 9 da ve Şekil 10 da C zonu örneğinde sıcaklık ve yağış değerleri için regresyon doğruları çizilmiş ve R 2 leri hesaplanmıştır. Bu hesaplar her bir zon için tekrarlanmıştır. 11

12 Şekil 7. C Zonu için alansal dağıtılmış gözlenen ve MM5 iyileştirilmiş sıcaklık değerleri (Mart-Haziran 2009) Şekil 8. C Zonu için alansal dağıtılmış gözlenen ve MM5 iyileştirilmiş yağış değerleri (Mart-Haziran 2009) 12

13 Şekil 9. C Zonu için alansal dağıtılmış gözlenen ve MM5 iyileştirilmiş sıcaklık değerleri regresyon analizi (Mart-Haziran 2009) Şekil 10. C Zonu için alansal dağıtılmış gözlenen ve MM5 iyileştirilmiş yağış değerleri regresyon analizi (Mart-Haziran 2009) Her bir zon için, 2009 erime periyodundaki; gözlenen, MM5 ve iyileştirilmiş MM5 ortalama sıcaklık ve toplam yağışın değerleri sırası ile Çizelge 5 ve Çizelge 6 da verilmiştir. Çizelge Ortalama sıcaklık (C ) özet tablosu (Mart-Haziran) Ort.Sıcaklık (C ) Gözlenen değerler MM5 İyileştirilmiş MM5 13

14 A-Zonu B-Zonu C-Zonu D-Zonu E-Zonu Çizelge Toplam yağış (mm) özet tablosu (Mart-Haziran) Toplam Gözlenen MM5 İyileştirilmiş Yağış (mm) değerler MM5 A-Zonu B-Zonu C-Zonu D-Zonu E-Zonu KAR ÇEKİLME EĞRİLERİNİN TAHMİNİ SRM modelinin diğer bir girdisi ise kar çekilme eğrileridir. MODIS uydu görüntülerinden yükseklik zonları bazında elde edilen kar çekilme eğrileri modele girdi olarak verilmektedir. MODIS görüntülerinde Terra günlük karla kapla alan ürünleri kullanılmıştır, ancak, bulutluluk oranlarının modelleme çalışmalarını çok fazla etkilememesi için tüm havzada bulut oranı %25 in altında olan günlerin görüntüleri seçilmiştir. Çalışmanın tahmin kısmında karla kaplı alanların bir gün sonrası için her bir yükseklik zonunda tahmin edilmesi gerekmektedir. Bu konuda model yaratıcılarının literatürde yaptıkları çalışmalarda (Rango, 1998) gözlenen kar su eşdeğerine göre önceki yılların geliştirilerek elde edilmiş karla kaplı alan haritalarından yararlandıkları görülmüştür. Ancak burada sunulan tahmin çalışmalarında karla kaplı alanların günlük ortalama sıcaklıklarla doğrusal ilişkisi göz önüne alınmıştır. Sıcaklık artışı ile havza içerisindeki kar çizgisi alt kotlardan üst kotlara doğru çekilmektedir. Bu nedenle KKA ile günlük ortalama sıcaklık arasında bir ilişkinin varlığından söz edilebilir. Nitekim, daha önce yapılan çalışmalarda KKA ile sıcaklık arasında farklı yöntemlerle ilişkiler bulunmuştur. Örneğin literatürde; KKA ile kümülatif ortalama hava sıcaklıklığının eksponansiyel ilişkisi (Singh, 2003; Tekeli ve diğ., 2005b), KKA ile aylık ortalama sıcaklık arası lineer ilişkisi (Tong ve diğ., 2009) üzerine çalışmalar mevcuttur. Bu çalışmada, Şekil 11 de C zonu örneğinde görüldüğü gibi yılları arası KKA ile günlük ortalama sıcaklığın doğrusal ilişkisi her bir yükseklik zonu için sorgulanarak bir gün sonraya ait KKA tahmini iyileştirilmiş MM5 ortalama sıcaklık değerleri kullanılarak 2009 yılı için model girdisi olacak şekilde tespit edilmiştir. Ayrıca 2009 için KKA erime periyodunda zamana bağlı sıcaklık artışının kar erimesine olan etkisi Şekil 12 de gösterilmiştir. 14

15 KKA ve ortalama sıcaklıktan çıkarılan ilişkiler ( ) doğrultusunda her bir yükseklik zonu için oluşturulan denklem parametreleri ile 2009 yılı için iyileştirilmiş MM5 günlük ortalama sıcaklık değerleri kullanılarak KKA tahmini yapılmıştır da MODIS görüntülerinden çıkarılan açık günler (%25 den az bulut olan) için hesaplanan kar çekilme eğrisileri ile sıcaklık ilişkileri ile hesaplanan kar çekilme eğrileri kıyaslanarak tutarlılıkları incelenmiştir. Şekil 13 te de 2009 C zonu için aynı grafikte çizdirilen tahmin ve uydu görüntüsü kar çekilme eğrileri görülmektedir. Şekil 11. KKA ve sıcaklık ilişkisi (C zonu) KÇE ve Sıcaklık İlişkisi 2009 C Zonu KKA Sıcaklık Mart 19 Mart 23 Mart 27 Mart 31 Mart 4 Nisan 8 Nisan 12 Nisan 16 Nisan 20 Nisan 24 Nisan 28 Nisan Karla kaplı alan (%) Günlük ortalama sıcaklık ( o C) -10 Şekil 12. KKA ve sıcaklık ilişkisi (C zonu) 15

16 Şekil yılı için KKA tahmini (C Zonu) 7. SONUÇLAR ve DEĞERLENDİRME Yukarı Fırat Havzası (Karasu Havzası) için (geriye dönük de olsa) tam olarak gerçek zamanlı koşullar gözönüne alınarak bir tahmin çalışması yapılmış ve bir gün sonraki akım değerleri SRM modeli kullanılarak tahmin edilmiştir. SRM ile yapılan akım tahmini çalışmasında, model değişkenleri olarak bir gün sonrasına ait iyileştirilmiş MM5 günlük ortalama sıcaklık ve günlük toplam yağış değerleri zonların alansal ortalamalarını temsil edecek şekilde kullanılmıştır. Ayrıca, bir gün sonrasına ait tahmini karla kaplı alan yüzdesi bir önceki bölümde aktarıldığı gibi hesaplanarak kullanılmıştır. Model parametreleri ise önceki yılların akım simülasyonları sırasında elde edilen parametre aralıklarından seçilmiştir. Modelin tahmin modülü ile kullanılması sırasında en büyük iyileşme 1-9 gün öncesinde gözlenen akım değerlerinin modele girilebilmesi ile mümkün olmaktadır. Bu tahmin çalışması, akımların üç gün öncesinde gözlenerek programa sağlanabilmesi esas alınarak yapılmıştır yılı erime dönemi süresince yapılan tahmin değerlerinin gözlenen akım değerleri ile ilişkisi Şekil 14 te sunulmaktadır. İstatistiksel değerlendirme sonucunda gözlenen ve tahmin edilen akımların hacimsel farkının -7.56% (tahmin fazla) ve determinasyon katsayısının 0.79 olduğu görülmektedir. 16

17 Günlük Akım Tahmini (2009 yılı) Gözlenen Akımlar Tahmin Akımları Tahmin Akımları (Gözlenen veri ile güncelleme) Akım (m 3 /s) Mar 8-Mar 15-Mar 22-Mar 29-Mar 5-Apr 12-Apr 19-Apr 26-Apr 3-May 10-May 17-May 24-May 31-May 7-Jun 14-Jun 21-Jun 28-Jun Şekil yılı için akım tahmini Akım tahmini çalışmalarının en önemli kısimlarindan biri tahmin verilerinin yer gözlemleri ile tutarlı olmasıdır. Bu nedenle, tahmin verilerinin geçmiş yıllarda yer gözlemleri ile kıyaslanması ve sonuçlar doğrultusunda iyileştirilmesi gerekmektedir. Bu çalışmada, MM5 sıcaklık ve yağışı içeren meteorolojik tahmin verileri ilk aşamada 2008 yılı erime periyodundaki yer gözlem verileri ile kıyaslanmıştır.verilerin aylık olarak (Mart-Haziran baz alınarak) incelenmiş aralarındaki doğrusal ilişkiden yola çıkılarak denklemler oluşturulmuştur. Bu kısımda elde edilen denklemler, tahmin yapılan 2009 erime periyodunda MM5 verilerinin iyileştirilmesinde kullanılmıştır. Uygulanan denklemlerinin geçerlilikleri de iyileştirilmiş tahmin verilerinin daha sonra gözlenen verilerle kıyaslanması ile sorgulanmıştır. Ayrıca, karla kaplı alanların yüzdesel tahmini için önceki yıllarda karla kaplı alan ve sıcaklık ilişkilerinden elde edilen denklemler kullanılmıştır. Sayısal hava tahminlerinin sıcaklık değerlerindeki tutarlılığı yüksek olmakla birlikte yağışda zaman zaman farkların oluştuğu dikkati çekmektedir yılındaki yağış tahmini ile gözlenen arasındaki doğrusal ilişkilerde determinasyon katsayılarının görece düşük olması da bunun bir işaretidir. Karla kaplı alan yüzdesinin tahmini ise çalışmanın en çok iyileşmeye açık kısmı olarak görülmektedir. Bu çalışmada sıcaklık ilişkisine göre tahminler yapılmıştır. Şekil 14 incelendiğinde en çok tutarsızlıkların, yağış ve karla kaplı alan tahminlerinin gözlenenden daha fazla olduğu Nisan ayının ikinci yarısında olduğu görülebilmektedir Nisan 2009 tarihleri arasıda gözlenen yağışların C zonu için alansal ortalamalarının toplamı 4.10 cm iken, bu değerin MM5 karşılığı 8.41 cm dir. İyileştirilmiş MM5 değerleri için bu dönemdeki toplam yağış 6.47 cm olarak hesaplanmıştır ve yine de gözlenmiş değerlerden çok yüksek olduğu dikkat çekmektedir. Bu uygulama sırasında model girdisi olarak gözlenen akımların (üç gün öncesinden) güncellenmesi sağlanmıştır, ancak tahmin akımlarının grafikte görsel olarak izlenebilmesi için diğer gözlem verileri (yağış, sıcaklık ve KKA) güncellenmeden doğrudan tahmin verisi olarak kullanılmıştır. Nisan ayındaki sapmaların giderilmesinin bir diğer yolu gözlem değerlerinin geriye dönük olarak 17

18 modele güncellenerek girilmesidir. Şekil 14 te Nisan tarihleri arasındaki mavi kesik çizgili kısım tahmini model değişkenlerinin gözlem verileri ile güncellenmesi halinde meydana gelecek iyileşmeyi göstermektedir. Yıllar bazında havzada gözlenen kar çekilme eğrilerinin analizi sonucunda hesaplanan erime oranları tahmin çalışmasına bir başka boyut getirebileceği gibi, farklı uydu görüntülerinin kullanılması ile bir gün öncesinin karla kaplı alanlarının kullanılması da uygun olabilecektir. Şekil 11 de gösterilen ilişkilerin tek bir denklemle değil de birkaç parçalı denklemle ele alınması da tahmini KKA ların düzelmesine katkıda bulunabilir. Özellikle tahmini yağış değerlerinin gözlem değerleri ile tutarlı hale getirilmesi için değişiklikler yapılabilir. Bu çalışmada, model parametreleri için önceki yıllarda kullanılan parametrelerin ortalamaları alınmıştır, diğer bir yaklaşım ise tahmin edilecek yıla uygun (ıslak, kuru) model parametrelerinin seçimi olacaktır. Akım gözlemlerinin üç gün öncesinden yenilenebileceği varsayımı ise iyileştirilerek bir gün öncesine kadar çekilebilir. Akımın günlük ve dönemsel tahmini yönündeki çalışmalar bu bölgedeki barajların işletimi için önem taşımaktadır. Bu anlamda ilk aşamada elde edilen bu çalışma sonuçları başarılı ve iyileşmeye açık olarak nitelendirilebilir. 7. TEŞEKKÜR Bu çalışma, BAP ve TÜBİTAK 108Y161 numaralı projeler kapsamında Anadolu Üniversitesi ve TÜBİTAK tarafından desteklenerek yapılmıştır. Projelerde görev alarak ve almayarak destek olan DMİ ve DSİ personeline teşekkürü bir borç biliriz. Ayrıca, çalışmadaki katkılarından dolayı Koray Sağlam a da teşekkür ederiz. 8. KAYNAKLAR FERGUSON RI, Snowmelt Runoff Models Progress in Physical Geography, 23: , GAREN DC, GREGORY LJ, CLAYTON LH, Mean areal precipitation for daily hydrologic modeling in mountainous regions, Water Resour. Bull. 30(3), , HALL DK, FOSTER JL, VERBYLA DL, KLEIN AG, AND BENSON CS, Assessment of snow-cover mapping accuracy in a variety of vegetation-cover densities in central Alaska, Remote Sensing of Environment, 66(2): , HALL DK, RIGGS GA, SALOMONSON VV, DIGIROLAMO NE, BAYR KJ, MODIS snow cover products, Remote Sensing of Environment, 83: , KAYA I, Application of snowmelt runoff model using remote sensing and geographic information systems, Master of Science Thesis, Water resource laboratory, Civil Engineering Department, Graduate School of Natural and Applied Sciences, Middle East Technical University, Turkey,

19 MARTINEC J, Snowmelt Runoff Model for Streamflow Forecasts, Nordic Hydrology, 6: , MARTINEC J, RANGO A, ROBERTS R, Snowmelt Runoff Model (SRM) User s Manual (ed. by M. F. Baumgartner & G. M. Apfl), University of Berne, Switzerland, 1998 RIGGS GA, HALL DK, AND SALOMONSON VV, MODIS snow products user guide for collection 5 data product, modis-snow-ice.gsfc.nasa.gov/sug main.html, Aralık RANGO A, Progress in Developing an Operational Snowmelt-Runoff Forecast Model with Remote Sensing Input, Nordic Hydrology, 19: 65-76, PARAJKA J, BLÖSCHL G, Spatio-temporal combination of MODIS images-potential for snow cover mapping, Water Resour. Res., 44, W03406, doi: /2007wr006204, SEIDEL K, MARTINEC J, Remote Sensing in Snow Hydrology, Praxis Publishing, Springer-Verlag, Germany, SINGH P, Relating air temperatures to the depletion of snow covered area in a Himalayan basin, Nordic Hydrology, 34(4), , TEKELİ AE, AKYÜREK Z, ŞORMAN AA, ŞENSOY A, ŞORMAN AÜ, Using MODIS snow cover maps in modeling snowmelt runoff process in the Eastern part of Turkey, Remote Sensing of Environment, 97: , 2005a. TEKELİ AE, AKYÜREK Z, ŞENSOY A, ŞORMAN AA, ŞORMAN AÜ, Modeling the temporal variation in snow cover area on subbasin scale for simulating/forecasting of snowmelt runoff in Turkey, Hydrological Sciences Journal, 50(4): , 2005b. TONG J, DERY SJ, JACKSON PL, Topographic control of snow distribution in an alpine watershed of western Canada inferred from spatially-filtered MODIS snow products, Hydrology and Earth System Sciences 13: , WMO, World Meteorological Organization, Intercomparison of Models of Snowmelt Runoff, Publication No. 646, Operational Hydrology Report No. 23, Geneva, Switzerland,