Yapay Sinir Ağları ile Yüzey Sıcaklık ve Albedo Modellemesi

Öz

Standart meteoroloji istasyonlarında ölçülen hava sıcaklığı, ortamının ana tanımlayıcılarından biridir. Uydu görüntüsü verilerini kullanmak hava sıcaklığı değişimlerini incelemek ve tahmin etmek için etkili bir yoldur. Hava sıcaklığı farklı tıbbi problemlerin, hastalıkların incelenmesi, salgın tahmini, hava durumu tahmini, tarımsal araştırmalar, iklim değişikliği, su eksikliği, su potansiyeli, kentsel arazi kullanımı ve ısı adası, ekoloji, hidroloji ve atmosfer bilimleri vb. bir çok uygulama ve araştırma çalışmalarında girdi verisi olarak göz önüne alınmaktadır. Bu çalışmasının amacı, Yapay Sinir Ağları ve Kümeleme Yöntemi ile yüzey sıcaklığı ve Albedo değerlerinin zamansal değişimlerinin incelenmesi ve gelecek için kestirimidir. İnceleme bölgesi için Türkiye’de İstanbul (Kandilli ve civarı) ve İtalya’da Trieste şehirleri pilot bölge olarak seçilmiştir. 2012-2016 dönemini kapsayan beş yıl süre ile NASA’nın TERRA uydusu MODIS algılayıcısından alınan yüzey sıcaklığı (TS) ve Albedo değerleri MATLAB ve WEKA programları yardımı ile analiz edilmiştir. Verilerin sınıflandırılması aşamasında, WEKA programı yardımı ile K-means Yöntemi kullanılarak kümeleme yapılmış, inceleme bölgeleri için sonuçlar karşılaştırılmıştır. Bu sonuçlar YSA ile elde edilen bulguları desteklemektedir. Yapay Sinir Ağları Yöntemini kullanarak ortalama yüzey sıcaklığı ve ortalama Albedo değerlerinin zamansal değişimleri LM (LevenbergMarquardt) algoritması ile tahmin edilmiştir. Veri ön işlem aşamasında, eksik veriler tamamlanmış ve Min–Max yöntemi kullanılarak veriler normalize edilmiştir. YSA modeli ve MATLAB uygulamasında 2012-2015 yılı verileri eğitim aşamasında, 2016 yılı verileri tahmin test aşamasında kullanılmıştır. Levenberg-Marquardt Algoritması göz önüne alınmış model 1’den 10 nörona kadar değişen sayıda gizli nöron ile çalıştırılmıştır. Her iki şehir ve verileri için en iyi sonuç veren nöron sayıları saptanmıştır. Model çıktı değerleri ile TS ve Albedo gözlem değerleri karşılaştırılmıştır. Gözlem ve tahmin değerleri arasındaki ilişki katsayısı, Trieste için r2 =0,999 olarak saptanmış; MSE=2,930o K, olarak belirlenmiştir. Albedo için benzer sonuçlar, Trieste’de r2 =0,86 olarak, MSE= -0,248o K olarak hesaplanmıştır. İstanbul ve civarı ile ilgili TS gözlem ve model karşılaştırması sonuçlarına göre, r2 =0,995 olarak, MSE= 0,292o K, olarak saptanmıştır. Albedo için İstanbul’da r2 =0,95 olarak, MSE= -0,224o K olarak saptanmıştır. Modelin sıcaklık tahminleri açısından her iki ilde de yüksek performansla sonuç verdiği ancak, gözlem verilerinin tahmin değerlerinden genel olarak daha yüksek olduğu söylenebilir. Modelin yüzey sıcaklık değerlerini Albedo değerlerine göre daha yüksek başarı ile tahmin ettiği vurgulanabilir.

Anahtar Kelimeler

• Yapay Sinir Ağları,Levenberg-Marquardt Algoritması,Kümeleme,Albedo,Yüzey Sıcaklığı

Surface Temperature and Albedo Modeling with Artificial Neural Networks

Öz

The air temperature measured at standard meteorological stations is one of the main descriptors of its environment. Using satellite image data is also an effective way to estimate the air temperature. Research on air temperature forecasting; investigation of different medical problems, diseases, epidemic forecast, weather forecast, agricultural research, climate change, temperature, water potential, land use-land planning, heat island, ecology, hydrology, renewable energy and atmospheric sciences. In many applications and research studies are used as input data. The aim of this study is to investigate the temporal changing of surface temperature and Albedo values with Artificial Neural Networks and Clustering Method and to predict for the future. Istanbul in Turkey (Kandilli and near vicinity) and the city of Trieste in Italy have been chosen as two pilot areas. The surface temperature (TS) and Albedo values obtained from NASA’s TERRA satellite MODIS sensor for five years covering 2012-2016 period were analyzed with the help of MATLAB and WEKA programs. Based on the classification of the data andclustering analyses with the help of WEKA program the results were compared for regions. Using Artificial Neural Networks Method, mean surface temperature and temporal changes of mean Albedo values were estimated by LM (Levenberg-Marquardt) algorithm. In the data preprocessing phase, the missing data were completed and the data was normalized by using Min – Max method. In the ANN model and MATLAB application, 2012-2015 data were used for the training phase: 2016 data were used in the estimation and test phases. The Levenberg-Marquardt Algorithm model was run with a number of hiden neurons changing from 1 to 10. Model output values, TS and Albedo observation values were compared. The correlation coefficient between observation and estimation was found to be r2 = 0.999 for Trieste; MSE = 2,930 ° K. Similar results for Albedo were calculated as r2 = 0.86 in Trieste and MSE = -0.248o K. r2 = 0.995 and MSE = 0.292o K, are defined based on the results of TS observation and model comparison in Istanbul and its vicinity. For Albedo correlation coefficient and MSE are equal to r2 = 0.95 and MSE = -0.224oK in Istanbul. It can be said that the model gives high performance results in both provinces in terms of temperature forecasts, but the observation data are generally higher than the estimation values. It can be emphasized that the model predicts surface temperature values with higher performance than Albedo values

Anahtar Kelimeler

• Artificial Neural Networks,Levenberg-Marquardt,Clustering,Albedo,Surface Temperature

Kaynakça

1. Abercrombie, S.P. ve M.A. Friedl, 2016. Improving the Consistency of Multitemporal Land Cover Maps Using a Hidden Markov Model. IEEE Transactions on Geoscience and Remote Sensing, 54(2):703-713.
2. Duman Yüksel, Ü. ve O. Yılmaz, 2008. Ankara Kentinde Kentsel Isı Adası Etkisinin Yaz Aylarında Uzaktan Algılama ve Meteorolojik Gözlemlere Dayalı Olarak Saptanması ve Değerlendirilmesi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 23(4), 937-952
3. Eyvazov, A., 2019. Yapay Sinir Ağları ile Güneş Enerjisi Potansiyelinin Modellenmesi ve Güneş Pilleri Verim Analizi, İAÜ Fen Bilimleri Enstitüsü, İstanbul
4. Işık E. ve M. Inallı, 2018. Artificial neural networks and adaptive neuro-fuzzy inference systems approaches to forecast the meteorological data for HVAC: The case of cities for Turkey. Energy, 154, 7-16.
5. Mamizadeh, S. 2019. Yapay Sinir Ağları İle Yüzey Sıcaklık ve Albedo Modellemesi, İAÜ Fen Bilimleri Enstitüsü, İstanbul
6. Wan, Z. 2014. New refinements and validation of the collection-6 MODIS land-surface temperature/ emissivity product. Remote Sensing of Environment, 140, 36-45.