Kıyaslamalı Yenilikçi Eğilim Çözümlemesi Temelleri ve Uygulamaları

Abstract

Son zamanlarda birçok hidrolojik ve meteorolojik verilerde artan veya azalan trendler (eğilimler) ortaya çıkmaktadır. Bu makalede eğilim analizini (çözümlemesi) herhangi bir kabule gerek duymadan gerçekleştiren Şen’in 1:1 doğru yöntemi ele alınmıştır. Daha önemlisi, diğer bir adı Yenilikçi Eğilim Çözümlemesi olan bu yöntem geliştirilmiştir. Yenilikçi Eğilim Çözümlemesi yönteminin temellerine dayanan Kıyaslamalı Yenilikçi Eğilim Çözümlemesi birbiriyle ilişki içinde bulunan üç farklı veri dizisinin karşılaştırmasını aynı grafik üzerinde yapmak için fırsat sunmaktadır ancak verilerin boyutsuzlaştırılması bu uygulamanın temel esaslarındandır. Sonuç itibariyle birbiriyle ilişkili günlük güneş ışınımı, güneşlenme süresi ve sıcaklık verilerinin kullanıldığı uygulama sonuçları dört önemli bilgiyi açığa çıkarabilmektedir. Bu bilgiler, üç farklı zaman dizisinin ayrı ayrı eğilim çözümlemeleri ve bu üç eğilimin birbirine göre değişimleridir. Meteoroloji Genel Müdürlüğünden temin edilen veriler Adana, Antakya, Gaziantep ve Şanlıurfa illerinde bulunan ölçüm noktalarında elde edilmiştir. Ayrıca, her istasyonun Kıyaslamalı Yenilikçi Eğilim Çözümlemesi uygulaması yapıldıktan sonra Yenilikçi Eğilim Çözümlemesi uygulamalarına da yer verilerek yeni yöntemin üstünlüğü gösterilmiştir.

Keywords

• Eğilim,1:1 Doğrusu,Güneş Işınımı,Şen Yöntemi,Zaman Dizisi

Fundamentals and Applications of Comparative Innovative Trend Analysis

Abstract

Nowadays, innovative trend analysis methodology proposed by Şen became to be employed for trend identification studies, since it presents visual inspection of trends, which is the subject of this study. On basis of this methodology, an alternative one is proposed as comparative innovative trend analysis approach. It helps to compare different data sets interrelated with each other such as temperature, sunshine duration, and solar radiation on the same graph but it is provided that the data must be dimensionless. Hence, comparative results represent four important information, which are visualizations of three data sets separately and comparison of their trend conditions. This study comprises daily total solar radiation, daily total sunshine duration, and daily mean temperature records obtained by Turkish State Meteorological Service in some meteorological stations namely Adana, Antakya, Gaziantep and Şanlıurfa in Turkey. In addition, after the visualizations of comparative innovative trend analysis results for each station, classical innovative trend analysis is implemented to show the superiority of the new method.

Keywords

• 1:1 Straightline,Solar Radiation,Şen’s Method,Trend,Time Series

References

1. Alashan S., (2018), An improved version of innovative trend analyses, Arab J Geosci, 11(3), 50.
2. Belihu M., Abate B., Tekleab S., Bewket W., (2017), Hydro-meteorological trends in the Gidabo catchment of the Rift Valley Lakes Basin of Ethiopia, Phys Chem Earth., doi:10.1016/j.pce.2017.10.002.
3. Chiew F.H.S., McMahon T.A., (1993), Detection of trend or change in annual flow of Australian rivers, Int. J. of Climatology, 13, 643-653.
4. Cui L., Wang L., Lai Z., Tian Q., Liu W., Li J., (2017), Innovative trend analysis of annual and seasonal air temperature and rainfall in the Yangtze River Basin, China during 1960–2015, J Atmos Sol-Terr Phy, 164, 48-59.
5. Dabanlı İ., Şen Z., Yeleğen M.Ö., Şişman E., Selek B., Güçlü Y.S., (2016), Trend assessment by the innovative-Şen method, Water Resour Manag, 30(14), 5193–5203.
6. Güçlü Y.S., Şişman E., Yeleğen M.Ö., (2018), Climate change and frequency–intensity–duration (FID) curves for Florya station, Istanbul, Journal of Flood Risk Management, DOI: 10.1111/jfr3.12229.
7. Güçlü Y.S., (2018), Alternative Trend Analysis: Half Time Series Methodology, Water Resources Management, doi: 10.1007/s11269-018-1942-4.
8. Haan C.T., (1977), Statistical Methods in Hydrology, The Iowa State University Press, Ames, Iowa, 378ss.

9. Hamed K.H., Rao A.R., (1998), A modified Mann-Kendall trend test for autocorrelated data, Journal of Hydrology, 204, 182-196.
10. Helsel D.R., Hirsch R.M., (2002), Statistical methods in water resources, Techniques of water resources investigations, Book 4, Chapter A3, U.S. Geological Survey, Shenandoah, TX.
11. Jhajharia D., Shrivastava S.K., Sarkar D., Sarkar S., (2009), Temporal characteristics of pan evaporation trends under the humid conditions of northeast India, Agricultural and Forest Meteorology, 149, 763–770.
12. Kendall M.G., (1975), Rank Correlation Method, 4th Edition, Charless Griffin, London, 202ss.
13. Mann H.B., (1945), Nonparametric tests against trend, Econometrica, 13, 245–259.
14. Markus M., Demissie M., Short M., Verma S., Cooke R., (2014), Sensitivity Analysis of Annual Nitrate Loads and the Corresponding Trends in the Lower Illinois River, Journal of Hydrologic Engineering, 19(3), 533-543.
15. Nalley D., Adamowski J., Khalil B., Ozga-Zielinski B., (2013), Trend detection in surface air temperature in Ontario and Quebec, Canada during 1967–2006 using the discrete wavelet transform, Atmospheric Research, 132–133, 375–398.
16. Saplioglu K., Kilit M., Yavuz B.K., (2014), Trend Analysis of Streams in the Western Mediterranean Basin of Turkey, Fresenius Environmental Bulletin, 23(1A) 313-324.
17. Sen P.K., (1968), Estimates of the regression coefficient based on Kendall’s tau, J. Am, Stat. Assoc., 63, 1379–1389.
18. Sonali P., Kumar Nagesh D., (2013), Review of trend detection methods and their application to detect temperature changes in India., Journal of Hydrology, 476, 212-227.
19. Şen Z., (2017), Innovative trend methodologies in science and engineering, Springer, Heidelberg, Germany, 349ss.
20. Şen Z., (2014), Trend Identification Simulation and Application, Journal of Hydrologic Engineering, 19(3), 635-642.
21. Şen Z., (2012), Innovative Trend Analysis Methodology, J. Hydrol. Eng., 17(9), 1042–1046.
22. Taylor C.H., Loftis J.C., (1989), Testing for trend in lake and groundwater quality time series, Water Resources Bulletin 25(4), 715-726.