METEOROLOJİK VERİLERİN DEĞERLENDİRİLMESİ VE SUNULMASI İÇİN ENTERPOLASYON YÖNTEMLERİNİN KARŞILAŞTIRILMASI

Transkript

1 TMMOB COĞRAFİ BİLGİ SİSTEMLERİ KONGRESİ Ekim - 04 Kasım 2011, Antalya METEOROLOJİK VERİLERİN DEĞERLENDİRİLMESİ VE SUNULMASI İÇİN ENTERPOLASYON YÖNTEMLERİNİN KARŞILAŞTIRILMASI A. Özgür Doğru 1, Merve Keskin 2, Koray Özdoğu 2, Nikolai İliev 3, N. Necla Uluğtekin 1, Filiz Bektaş Balçık 1, Çiğdem Göksel 1, Seval Sözen 4 1 İstanbul Teknik Üniversitesi, İnşaat Fakültesi, Geomatik Mühendisliği Bölümü, İstanbul, ozgur.dogru@itu.edu.tr, keskinmer@itu.edu.tr, ulugtek@itu.edu.tr, bektasfi@itu.edu.tr, goksel@itu.edu.tr 2 İstanbul Teknik Üniversitesi, İnşaat Fakültesi, Geomatik Mühendisliği Bölümü, Mezun, İstanbul, keskinmer@itu.edu.tr. 3 Blacksea Regional Energy Center, Sofia 1408, Bulgaria, iliev.nikolai@abv.bg. 4 İstanbul Teknik Üniversitesi, İnşaat Fakültesi, Çevre Mühendisliği Bölümü, İstanbul, sozens@itu.edu.tr. ÖZET Bu çalışmada meteorolojik verilerin değerlendirilmesi ve verilerden elde edilen bilgilerin haritalar aracılığı ile sunulması için kullanılan enterpolasyon yöntemleri araştırılmıştır. Bu kapsamda Bulgaristan ve Türkiye nin kuzey kesimlerini kapsayan çalışma alanı için kullanılabilecek en uygun mekansal enterpolasyon yöntemi veri kaynaklarının mekansal dağılımı ve verilerinin niteliğine bağlı olarak, çalışmanın kapsamı ve sınırları içerisinde belirlenmiştir. Anahtar Sözcükler: Enerji, kartografya, harita üretimi, görselleştirme, mekansal analiz. ABSTRACT COMPARISON OF THE INTERPOLATION METHODS FOR EVALUATION AND PRESENTATION OF THE METEOROLOGICAL DATA In this study spatial interpolation methods used for evaluation and presentation of the meteorological data were examined. In this context a case study covering Bulgaria and North part of Turkey were executed. The method with optimal performance for mapping meteorological data were determined based on spatial distribution of data sources within the study area and characteristics of the data. Keywords: Energy, cartography, map production, visualization, spatial analysis. 1. GİRİŞ Sıcaklık, nem, güneş radyasyonu, yağış ve rüzgar hızı gibi veriler bir bölgedeki meteorolojik durumu ortaya koyan ölçülebilir noktasal değerlerdir. Meteorolojik gözlem istasyonlarında belirli bir düzen içerisinde toplanan bu verilerin değerlendirilmesi aşamasında en önemli adımlardan birisi noktasal bazlı toplanan verilerin geniş alanları içeren yüzeyler olarak ifade edilmesidir. Noktasal verinin alansal bazda ifade edilebilmesi amacı ile mekansal enterpolasyon yöntemleri geliştirilmiştir. Bu yöntemler, noktasal geometriye referanslandırılmış öznitelik verilerini baz alarak bu noktalar arasındaki alanların değerlerini hesaplar ve sonuçları raster yüzeyler olarak ifade etmektedirler. Yani bu yöntemlerin kullanılması sonucunda vektör verinin raster veriye dönüştürülmesi söz konusudur. Özellikle yüzey yüksekliklerinin hesaplanması için sıklıkla kullanılan mekansal enterpolasyon yöntemleri günümüzde birçok ticari Coğrafi Bilgi Sistemi (CBS) yazılımında araç olarak kullanıcıya sunulmaktadır. Uygulama sırasında amaca bağlı olarak bu yöntemlerin hangisinin seçileceğine karar vermek ise araştırmacıların önemli görevlerinden biridir. Kullanılacak olan mekansal enterpolasyon yönteminin doğruluğu; enterpolasyona konu olan verinin özelliklerinin yanı sıra, bu verilerin toplandığı istasyonların çalışma alanı içerisindeki mekansal dağılımı ile de doğrudan ilgilidir. Avrupa Birliği 7. Çerçeve Programı tarafından desteklenen ve Karadeniz Havzası nı çalışma olarak kabul eden EnviroGRIDS Projesi kapsamında gerçekleştirilen bu çalışmada, Türkiye'nin kuzey kesimleri ve Bulgaristan'daki yenilenebilir enerji kaynağı potansiyelinin belirlenerek mevcut politikaların değerlendirilebilmesi ve ileriye yönelik modellerin oluşturulması için kullanılacak haritaların en uygun yöntem ile üretilmesini amaçlanmıştır. EnviroGRIDS Projesi, Karadeniz Havzası nda sürdürülebilirliğin ve hassasiyetin değerlendirilebilmesi için geçmişteki, günümüzdeki ve gelecekteki durumun belirlenebilmesi için büyük önem teskil eden bilgilerin toplanması, depolanması, dağıtılması, analiz edilmesi, görselleştirilmesi ve yayımlanması için bu bölgede yeni uluslararası standartları kullanma kapasitesini geliştirmeyi amaçlamaktadır. EnviroGRIDS projesinin bilimsel amacı, Karadeniz Havzası nda iklim değişiminden etkilenen su kalitesi ve miktarındaki değişimlerin 50 yıllık bir süreç için tahmin edilerek söz konusu değişimlerin biyoçeşitlilik, tarım, ekosistem, sağlık, enerji ve doğal afet konularındaki etkisini belirlemektir. Bu kapsamda projede, yapılan tahminler sonucu adı geçen konu baslıklarında ortaya çıkması muhtemel tablolar değerlendirilerek karar vericileri destekleyecek bir sistem oluşturulması amaçlanmıştır. Söz konusu sistem bilimsel/teknik ortaklar, paydaşlar ve toplum sınırında faaliyet gösteren bir müşterek bilgi sistemini içerecektir. (URL1, Bektaş Balçık ve diğ. 2009)

2 Meteorolojik Verilerin Değerlendirilmesi ve Sunulması için Enterpolasyon Yöntemlerinin Karşılaştırılması Bu kapsamda her iki ülke için veri kaynaklarının mekansal dağılımı ve verilerinin niteliğine bağlı olarak en uygun mekansal enterpolasyon yönteminin belirlenmesi konusunda çalışmalar gerçekleştirilmiştir (Keskin ve Özdoğu, 2011). Bu bildirinin ikinci bölümünde nokta referanslı mekansal verileri alansal veri olarak ifade etmek için geliştirilmiş ve günümüzde ticari ya da açık kaynaklı CBS yazılımlarında da yaygın olarak kullanılan mekansal enterpolasyon yöntemleri hakkında genel bilgiler verilmiştir. Bildirinin üçüncü bölümünde ise çalışma kapsamında kullanılan veri, yöntem ve uygulama adımları anlatılmıştır. Son bölümde ise çalışmanın sonuçları verilmiştir. 2. MEKANSAL ENTERPOLASYON YÖNTEMLERİ Enterpolasyon bir serideki eksik verilerin hesaplanabilmesi için geliştirilen matematiksel yöntem olarak tanımlanmaktadır (BSTS, 2004.). Belirli noktalardaki verileri baz alınarak yeni verilerin hesap yolu ile türetilmesini sağlayan enterpolasyon, bu hesabın yapılabilmesi için gerekli olan fonksiyonu hesaplama sürecidir (Waters, 1988; Kahaner ve diğ., 1989). Günümüzde CBS uygularında koordinatları bilinen noktalardan toplanan, yani noktasal olarak referanslandırılmış, verinin alansal olarak ifade edilmesi için mekansal enterpolasyon yöntemleri kullanılmaktadır. Enterpolasyon sonucunda nokta geometriler üzerine tanımlanmış vektör verilerden raster yüzeyler hesaplanmaktadır. Bu çalışma kapsamında nokta referanslı meteorolojik verilerden CBS yazılımlarında da yaygın olarak kullanılan İkinci Derece IDW (Inverse Distance Weighted - IDW2), Kriging ve Doğal Komşuluk (Natural Neighborhood) yöntemleri kullanılarak iki boyutlu yüzey verileri üretilmiştir. IDW yönteminde ağırlıklandırılmış nokta verilerden yararlanılarak değeri bilinmeyen yüzey verilerinin hesaplanması yapılmaktadır. IDW de noktalar için tanımlanan ağırlık noktalar arasındaki uzaklığın bir fonksiyonu olarak tanımlanmaktadır (Childs, 2004). Bu kapsamada mesafe arttıkça fonksiyonun etkisi azalmaktadır. Yüzeylerin hesaplanması güçlü yöntemlerden biri olan Kriging, değeri bilinen noktalar arasındaki mesafe ya da doğrultunun yüzey üzerindeki değişimlerini açıklamada kullanılabilecek bir mekansal ilişkiyi içerdiği kabulü ile geliştirilmiştir (Childs, 2004). Kriging enterpolasyonu, yarı variogram yapısal özellikleri kullanılarak örneklenmemiş noktalardaki konumsal değişikliklerin tahmininin optimal şekilde yapıldığı bir tekniktir (Trangmar ve diğ., 1985, Başkan, 2004; Yaprak ve Arslan, 2008). Kriging yöntemi kullanılan fonksiyonun yapısına göre doğal (ordinary) ve evrensel (universal) kriging olmak üzere iki farklı uygulamayı içermektedir. Bu çalışma kapsamında doğal kriging yönteminin sonuçları değerlendirilmiştir. Doğal Komşuluk yöntemi değeri hesaplanan noktaya en yakın değeri bilinen noktalar kümesinin belirlenmesi ilkesi ile geliştirilmiştir. Bu yöntemde değeri bilinen en yakın noktalar kümesindeki her bir noktaya noktanın nisbi alanına göre bir ağırlık belirlenerek yeni yüzey değerleri hesaplanır (Sibson, 1981). 3. UYGULAMA 3.1 Veri ve Yöntem Uygulamanın Bulgaristan aşamasında Karadeniz Bölgesel Enerji Merkezi (Blacksea Regional Energy Center - BSREC) tarafından sağlanan Bulgaristan'a ait 39 farklı meteorolojik ölçüm istasyonundan 10 m. ve 100 m. yüksekliklerinde toplanmış rüzgar hızı verileri kullanılmıştır (Bkz. Şekil 1). Uygulamanın Türkiye aşamasında ise Devlet Meteoroloji İşleri Genel Müdürlüğünden sağlanan ve EnviroGRIDS projesi uygulama alanı sınırları gereğince Türkiye'nin orta ve kuzey kesimlerine yayılmış 41 farklı meteorolojik gözlem istasyonundan 10 m. yükseklikte toplanmış ortalama rüzgar hızı ve ortalama sıcaklık verileri kullanılmıştır. Türkiye'ye ilişkin veriler bu uygulama için yıllarını kapsayan 10 yıllık veri setinden aylık ortalamalar alınarak türetilmiştir. Söz konusu veriler ile ticari CBS yazılımlarında da yaygın olarak kullanılan İkinci Derece IDW (Inverse Distance Weighted - IDW2), Kriging ve Doğal Komşuluk (Natural Neighborhood) yöntemleri kullanılarak yüzey verileri üretilmiştir. Çalışma kapsamında ArcGIS 9.3 yazılımı ve Spatial Analyst eklentisi kullanılmıştır. Her bir veri grubu için farklı yöntemler kullanılarak yüzey verileri üretildikten sonra kullanılan yöntemlerin performansı yapılan doğruluk analizi ile belirlenmiştir. 3.2 Doğruluk Analizi En iyi mekansal enterpolasyon yöntemin belirlenmesi için her iki ülke meteorolojik gözlem istasyonlarından uygun mekansal dağılıma sahip 4 tanesi kontrol noktası olarak belirlenmiş ve her bir enterpolasyon yöntemi bu veriler olmaksızın uygulanmıştır. Kontrol istasyonlarına ait gerçek verilerin hesaplanan yüzey değerleri ile karşılaştırılması yapılmış ve bu kapsamda karesel ortalama hatalar (KOH) hesaplanarak en uygun mekansal enterpolasyon yöntemine karar verilmiştir. Bulgaristan uygulaması için Tablo 1 de adı geçen kontrol istasyonlarına ait veriler veritabanından çıkarılarak çalışma kapsamında analiz edilen enterpolasyon yöntemleri uygulanmış ve kontrol istasyonu için her bir yöntemle hesaplanan

3 Doğru ve diğ. değerler Tablo1 de sunulmuştur. Türkiye uygulaması için de benzer bir yöntem izlenerek Tablo 2 deki kontrol istasyonları için aynı tabloda sunulan değerler elde edilmiştir. Şekil 1: Meteorolojik ölçüm istasyonlarının dağılımı - Bulgaristan. Uygulamada hesaplanan değerlerin gerçek değerlerinden farkı yani yöntemlerin hataları belirlenmiş ve bu hatalar kullanılarak her bir enterpolasyon yöntemi için karesel ortalama hata hesabı yapılmıştır. Yöntemlerin performans analizi için kullanılan bu değerler Bulgaristan ve Türkiye verisi için sırasıyla Tablo 3 ve Tablo 4 te sunulmuştur. Tablo 1. Bulgaristan daki kontrol istasyonlarına ait gerçek ölçmeler ve hesaplanan değerler İstasyon Adı Ölçülen Rüzgar Hızı (10 m m/s) IDW2 Hesaplanan Değerler Doğal Kriging Komşuluk LOVECH PLOVDIV RAZGRAD SLIVEN Tablo 2. Türkiye deki kontrol istasyonlarına ait gerçek ölçmeler ve hesaplanan değerler Ölçülen Rüzgar Hesaplanan Değerler Hızı (10 m İstasyon Adı m/s) IDW2 Kriging Doğal Komşuluk CORUM 1, , , , TOKAT 2, , , ,31356 BAYBURT 2, , , , BILECIK 2, , , , Tablo 3. Bulgaristan daki kontrol istasyonlarında hesaplanan hatalar ve karesel ortalama hatalar İstasyon Adı IDW2 Kriging Doğal Komşuluk LOVECH PLOVDIV RAZGRAD SLIVEN KOH

4 Meteorolojik Verilerin Değerlendirilmesi ve Sunulması için Enterpolasyon Yöntemlerinin Karşılaştırılması Tablo 4. Türkiye deki kontrol istasyonlarında hesaplanan hatalar ve karesel ortalama hatalar İstasyon Adı IDW2 Kriging Doğal Komşuluk CORUM 0, , , TOKAT 0, , , BAYBURT 0, , , BILECIK 0, , , KOH 0, , , SONUÇLAR Yapılan doğruluk analizleri sonucunda, Tablo 3 ve Tablo 4 de de görüldüğü gibi, Bulgaristan verisinin enterpolasyonu için IDW2 yöntemi en düşük KOH ile sonuçlanırken Türkiye verisi için ise Kriging yöntemi en uygun yöntem olarak belirlenmiştir. Çalışma kapsamında en doğru yöntemin belirlenmesinin ardından, tüm istasyonlara ait ölçmeler kullanılarak uygulama bölgelerine ait rüzgar hızı haritaları üretilmiştir (Bkz. Şekil 2 ve Şekil 3). Şekil 2: 10m deki rüzgar hızı dağılımı - Bulgaristan. Şekil 3: 10m deki rüzgar hızı dağılımı - Türkiye. Mekansal enterpolasyon yöntemlerinin doğruluğu veri kaynağı olan noktaların çalışma bölgesindeki dağılımına bağlı olduğu kadar, doğruluk analizi sırasında seçilen kontrol istasyonlarının konumu ve o istasyonda yapılan ölçüm değerinin genel veri grubundaki yerine de bağlıdır. Eğer kontrol istasyonu verisi veri grubunun en büyük ya da en küçük değerini içerirse ve ya bu istasyonun konumu çalışma alanı sınırlarına yakın ise bu istasyon değerinin diğer istasyon verilerini kullanarak yüksek doğruluklu olarak hesaplamak mümkün olmayacaktır. Bu nedenle doğruluk analizi sırasında kontrol istasyonlarının belirlenmesi çalışmanın sonuçlarını doğru değerlendirilebilmesi için önemli bir bileşendir. Bu çalışma CBS yazılımlarının birçoğunda kullanılabilen iki boyutlu enterpolasyon yöntemlerinin standart parametreleri ile gerçekleştirilmiştir. Özellikle kriging yöntemi için yönteme ilişkin parametrelerin değiştirilerek performans artışı elde etmek mümkündür. Ayrıca sadece 2 boyutlu enterpolasyon yöntemlerinin uygulaması olan bu çalışmanın üçüncü boyut olarak topografyanın etkisinin de dikkate alınarak geliştirilmesi konusundaki çalışmalar devam etmektedir. TEŞEKKÜR Bu çalışma, Avrupa Birliği 7. Çerçeve Programı tarafından desteklenen EnviroGRIDS projesi kapsamında gerçekleştirilmiştir. KAYNAKLAR Başkan, O., Gölbaşı Yöresi Topraklarının Mühendislik, Fiziksel Özellik İlişkilerinde Jeoistatistik Uygulaması, Doktora Tezi, A.Ü. Fen Bilimleri Enstitüsü, Ankara. Bektaş Balçık F., Doğru A.Ö., Köktuna M., Teksoy S., Göksel Ç., Sözen S., Uluğtekin N., Karadeniz Havzası nda Sürdürülebilir Kalkınmayı Destekleyici Gözlemleme ve Değerlendirme Sisteminin Oluşturulması, 11/2009, s. CD, TMMOB Coğrafi Bilgi Sistemleri Kongresi, İzmir, BSTS, BSTS / İktisat Terimleri Sözlüğü, (son giriş tarihi: ).

5 Doğru ve diğ. Childs, C., Interpolating Surfaces in ArcGIS Spatial Analyst, Esri Education Services, (son giriş tarihi: ). Projesi resmi internet sayfası, (son giriş tarihi: ). Kahaner, D., Moler, C. and Nash, S., Numerical Methods and Software, Prentice Hall, Englewood Cliffs, NJ, USA. Keskin, M., ve Özdoğu, K., Comparison of Interpolation Methods for Meteorological Data, Tasarım Projesi Raporu, İTÜ Geomatik Mühendisliği Bölümü, İstanbul. Sibson, R., A Brief Description of Natural Neighbor Interpolation, Chapter 2 in Interpolating multivariate data, John Wiley & Sons, New York, pp Trangmar, B.B., Yost, R.J.ve Wehara, G., Application of Geostatistic to Spatial Studies of Soil Properties, Advances in Agronomy, 38, s URL 1 EnviroGRIDS Waters, N.M., Expert Systems and Systems of Experts, Chapter 12 in W.J. Coffey, ed., Geographical Systems and Systems of Geography, University of Western Ontario, London, Ontario. Yaprak, S. ve Arslan, E., Kriging Yöntemi ve Geoit Yüksekliklerinin Enterpolasyonu, hkm Jeodezi, Jeoinformasyon ve Araz, Yönetimi Dergisi, 2008/1, sayı 98, s