Isparta İli için Gelecekteki Olası Meteorolojik Kuraklık Değerlendirmesi

Abstract

İklim değişikliği ile birlikte kuraklık olaylarında artışlar meydana gelmektedir. Kuraklık, diğer doğal afetlere göre geniş alanlar için uzun zaman dilimlerinde meydana gelen bir afettir. Bu nedenle, kuraklığın önceden tahmin edilerek önlemlerin alınması önem arz etmektedir. Bu çalışmada, uzun vadede kuraklığı yüksek doğrulukla tahmin etmek için uzun-kısa süreli bellek ağı (LSTM) yöntemi önerilmiştir. Öncelikle Isparta meteoroloji istasyonuna ait 1929-2021 yılları arasında ölçülen aylık toplam yağışlar kullanılarak LSTM yöntemi ile gelecek 10 yılda oluşması muhtemel aylık yağışlar tahmin edilmiştir. Hem mevcut hem de gelecek 10 yıl için tahmin edilen her iki yağış serisinin tanımlayıcı istatistiki özellikleri incelendiğinde benzerlikler görülmüştür. Daha sonra 1929-2021 yılları ve gelecek 10 yıl için standart yağış indis (SYİ) değerleri hesaplanmıştır. Aynı zamanda, 1929-2021 yılları arasındaki yağış verileri için elde edilen SYİ değerleri ile gelecek 10 yıl için hesaplanan SYİ değerlerinin eğilimleri incelenmiş ve tüm zaman aralıkları ve gelecek 10 yıllık verilerin eğilim analizinin RCP4.5 yağış projeksiyonları ile benzerlikleri ele alınmıştır.

Keywords

• Meteorolojik Kuraklık
• SYİ
• LSTM
• Isparta

Assessment of Future Possible Meteorological Drought for Isparta Province

Abstract

There is an increase in drought events with climate change. Drought is a disaster that occurs over long periods of time for large areas compared to other natural disasters. For this reason, it is important to forecast the drought and take precautions. In this study, a long-short term memory network (LSTM) method is proposed to predict drought in the long term with high accuracy. Firstly, monthly precipitation values that are likely to occur in the next 10 years were estimated using the LSTM method with the monthly total precipitation measured between 1929-2021 belonging to the Isparta meteorology station. When the descriptive statistical properties of both precipitation series, which are predicted for both the current and the next 10 years, were examined, the similarities were seen. Then, standardized precipitation index (SPI) values were calculated for the years 1929-2021 and the next 10 years. At the same time, the trends of the SPI values obtained for the precipitation data between 1929 and 2021 and the SPI values calculated for the next 10 years were examined and the similarities of the trend analysis of all time intervals and the next 10 years’ data with the RCP4.5 precipitation projections were discussed.

Keywords

• Meteorological Drought
• SPI
• LSTM
• Isparta

References

1. Aktürk G., Zeybekoğlu U., Yıldız O., (2022), SPI ve SPEI yöntemleri ile kuraklık araştırması: Kırıkkale Örneği, Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 14(2), 762-776.
2. Batan M., (2021), Çeşitli kuraklık indisleri ile Batman ilinin kuraklık analizi ve kontur haritalarının çıkarılması, Doğal Afetler ve Çevre Dergisi, 7(2), 252-265.
3. Çavus Y., Aksoy H., (2020), Critical drought severity/intensity-duration-frequency curves based on precipitation deficit, Journal of Hydrology, 584, 124312, 1-14.
4. Danandeh Mehr A., Rikhtehgar Ghiasi A., Yaseen Z.M., Sorman A.U., Abualigah L., (2022), A novel intelligent deep learning predictive model for meteorological drought forecasting, Journal of Ambient Intelligence and Humanized Computing, doi: 10.1007/s12652-022-03701-7.
5. Dikshit A., Pradhan B., Alamri A.M., (2021), Long lead time drought forecasting using lagged climate variables and a stacked long short-term memory model, Science of The Total Environment, 755, 142638. doi: 10.1016/j.scitotenv.2020.142638.
6. Duvan A., Aktürk G., Yıldız O., (2021), Meteorolojik kuraklığın zamansal ve alansal özelliklerine iklim değişikliğinin etkisi, Sakarya Havzası Örneği, Mühendislik Bilimleri ve Araştırmaları Dergisi, 3(2), 207-217.
7. Gidey E., Dikinya O., Sebego R., Segosebe E., Zenebe A., (2018), Predictions of future meteorological drought hazard (~ 2070) under the representative concentration path (RCP) 4.5 climate change scenarios in Raya, Northern Ethiopia, Modeling Earth Systems and Environment, 4(2), 475-488.
8. Gürkan H., Arabaci H., Demircan M., Eskioğlu O., Şensoy S., Yazici B., (2016), GFDL-ESM2M modeli temelinde RCP4. 5 ve RCP8. 5 senaryolarına göre Türkiye için sıcaklık ve yağış projeksiyonları, Coğrafi Bilimler Dergisi, 14(2), 77-88.

9. Hochreiter S., Schmidhuber J., (1997), Long short-term memory, Neural Computation, 9(8), 1735–1780.
10. Jehanzaib M., Sattar M.N., Lee J.H., Kim T.W., (2020), Investigating effect of climate change on drought propagation from meteorological to hydrological drought using multi-model ensemble projection, Stochastic Environmental Research and Risk Assessment, 34(1), 7-21.
11. Kang J., Wang H., Yuan F., Wang Z., Huang J., Qiu T., (2020), Prediction of precipitation based on recurrent neural networks in Jingdezhen, Jiangxi Province, China, Atmosphere, 11(3), 246. doi: 10.3390/atmos11030246.
12. Karavitis C.A., Alexandris S., Tsesmelis D.E., Athanasopoulos G., (2011), Application of the standardized precipitation index (SPI) in Greece, Water, 3(3), 787-805.
13. Kapluhan E., (2013), Türkiye’de kuraklık ve kuraklığın tarıma etkisi, Marmara Coğrafya Dergisi, (27), 487-510.
14. Katipoğlu O.M., Acar R., Şengül S., (2020), Comparison of meteorological indices for drought monitoring and evaluating: a case study from Euphrates basin, Turkey, Journal of Water and Climate Change, 11(S1), 29-43.
15. Livada I., Assimakopoulos V.D., (2007), Spatial and temporal analysis of drought in Greece using the Standardized Precipitation Index (SPI), Theoretical and Applied Climatology, 89(3), 143-153.
16. McKee T.B., Doesken N.J., Kleist J., (1993), The Relationship of Drought Frequency and Duration to Time Scales, Proceedings 8th Conference on Applied Climatology’in İçinde, American Meteorological Society, Anaheim, CA, ss. 1-6.
17. MGM, (2022), Yeni Senaryolarla Türkiye İçin İklim Değişikliği Projeksiyonları, Meteoroloji Genel Müdürlüğü, Rapor No. TR2015-CC, https://www.mgm.gov.tr/FILES/iklim/IKLIM_DEGISIKLIGI_PROJEKSIYONLARI.pdf, [Erişim 05 Ağustos 2022].
18. Pashiardis S., Michaelides S., (2008), Implementation of the standardized precipitation index (SPI) and the reconnaissance drought index (RDI) for regional drought assessment: a case study for Cyprus, European Water, 23(24), 57-65.
19. Poornima S., Pushpalatha M., (2019), Drought prediction based on SPI and SPEI with varying timescales using LSTM recurrent neural network, Soft Computing, 23(18), 8399-8412.
20. Şener E., Şener Ş., (2021), SPI ve CZI kuraklık indislerinin CBS tabanlı zamansal ve konumsal karşılaştırması: Burdur Gölü Havzası örneği, Doğal Afetler ve Çevre Dergisi, 7(1), 41-58.
21. Shah R., Bharadiya N., Manekar V., (2015), Drought index computation using standardized precipitation index (SPI) method for Surat District, Gujarat, Aquatic Procedia, 4, 1243-1249.
22. URL-1 (2022), İklim, https://isparta.ktb.gov.tr/TR-71025/iklim.html, [Erişim 22 Haziran 2022].
23. Wu X., Zhou J., Yu H., Liu D., Xie K., Chen Y., Hu J., Sun H., Xing F., (2021), The development of a hybrid wavelet-ARIMA-LSTM model for precipitation amounts and drought analysis, Atmosphere, 12(1), 74. doi: 10.3390/atmos12010074.
24. Xu D., Zhang Q., Ding Y., Zhang D., (2022), Application of a hybrid ARIMA-LSTM model based on the SPEI for drought forecasting, Environmental Science and Pollution Research, 29(3), 4128-4144.