Estimation of the Monthly Mean Temperature Values of the Eastern Black Sea Basin with Statistical Downscaling Method Using EraInterim Re-analysis Data

Öz

Statistical downscaling methods are based on determination of statistical relationships between low resolution atmospheric variables and measured climate parameters from meteorological stations. In this study, it was aimed to estimate the monthly mean temperature measured from 12 meteorological stations in and around the Eastern Black Sea Basin using atmospheric variables in the EraInterim re-analysis data set with grid resolution (0.75° x 0.75°). For this purpose, the variables of precipitation, temperature, sea surface pressure, surface air pressure and air temperature, geopotential height and relative humidity at 850, 500 and 200 hPa pressure levels in the EraInterim re-analysis data set were used as independent variables. Monthly mean temperature values measured from meteorological stations (1981-2010) were used as dependent variables. Multivariate adaptive regression splines (MARS) method selected as downscaling method. The root mean square error, scattering index, mean absolute error and Nash Sutcliffe (NS) efficiency coefficient statistics were used to evaluate the performance of the MARS model based on the station. The NS value calculated for all stations was in the range of 0.9-1.0. In addition, the global scale variables selected from the EraInterim data set were found to be quite successful in estimating local temperature values. The results obtained from the study showed that MARS statistical downscaling method can be used to downscale the coarse scale atmospheric variables to the regional scale.

Anahtar Kelimeler

• EraInterim
• MARS
• Eastern Black Sea Basin
• Climate Change
• Statistical Downscaling
• Temperature

EraInterim Re-analiz Verileri Kullanılarak İstatistiksel Ölçek İndirgeme Yöntemi ile Doğu Karadeniz Havzası Aylık Ortalama Sıcaklık Değerlerinin Tahmin Edilmesi

Öz

İstatistiksel ölçek indirgeme yöntemleri düşük çözünürlüğe sahip atmosferik değişkenler ile istasyonlardan ölçülmüş meteorolojik parametreler arasında istatistiksel ilişkiler kurulmasına dayanan yöntemlerdir. Bu çalışmada (0,75° x 0,75°) sayısal ağ çözünürlüğüne sahip EraInterim re-analiz veri setinde yer alan atmosferik değişkenler kullanılarak Doğu Karadeniz Havzası’nda ve çevresinde yer alan 12 meteoroloji istasyonundan ölçülmüş olan aylık ortalama sıcaklık parametresinin her bir istasyon için tahmin edilmesi amaçlanmıştır. Bu amaçla EraInterim re-analiz veri setinde yer alan yüzeysel parametrelerden yağış, sıcaklık, deniz yüzeyi basıncı ve yüzeysel hava basıncı ile 850, 500 ve 200 hPa basınç seviyelerindeki hava sıcaklığı, jeopotansiyel yükseklik ve rölatif nem atmosferik değişkenleri bağımsız değişkenler olarak kullanılmıştır. Meteoroloji istasyonlarından (1981-2010) döneminde ölçülmüş olan aylık ortalama sıcaklık değerleri ise bağımlı değişken olarak kullanılmıştır. Ölçek indirgeme yöntemi olarak çok değişkenli uyarlanabilir regresyon eğrileri (ÇDURE) yöntemi seçilmiştir. İstasyon temelinde kurulmuş olan ÇDURE model performanslarının değerlendirilmesi için ortalama karesel hatanın karekökü, saçılım indeksi, ortalama mutlak hata ve Nash-Sutcliffe (NS) etkinlik katsayısı istatistikleri kullanılmıştır. Hesaplanan NS değerinin tüm istasyonlar için 0.9-1.0 aralığında olduğu görülmüştür. Ayrıca EraInterim veri setinden seçilmiş olan küresel ölçekli değişkenlerin yerel ölçekteki sıcaklık değerleri tahmininde başarılı olduğu ortaya çıkmıştır. Bu sonuçlar ÇDURE istatistiksel ölçek indirgeme yönteminin kaba ölçekli atmosferik değişkenlerin bölgesel ölçeğe indirgenmesinde kullanılabilir olduğunu göstermiştir.

Anahtar Kelimeler

• EraInterim
• ÇDURE
• Doğu Karadeniz Havzası
• İklim Değişikliği
• İstatistiksel Ölçek İndirgeme
• Sıcaklık

Kaynakça

1. Akhter M.S., Shamseldin A.Y., Melville B.W., (2019), Comparison of dynamical and statistical rainfall downscaling of CMIP5 ensembles at a small urban catchment scale, Stochastic Environmental Research and Risk Assessment, 33(4-6), 989-1012.
2. Atay H., (2015), Kızılırmak Havzasının 2013-2040 Periyodunda İklim İndisleri Projeksiyonları, Yüksek Lisans Tezi, Ankara Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara.
3. Bayraç H.N., Doğan E., (2016), Türkiye’de iklim değişikliğinin tarım sektörü üzerine etkileri, Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 11(1), 23-48.
4. Bayram A., Uzlu E., Kankal M., Dede T., (2015), Modeling stream dissolved oxygen concentration using teaching–learning based optimization algorithm, Environmental Earth Sciences, 73, 6565-6576.
5. Berrisford P., Dee D., Fielding K., Fuentes M., Kallberg P., Kobayashi S., Uppala S., (2009), The ERA-interim archive, ERA report series no.1, Shinfield Park, Reading, Berkshire RG2 9AX, United Kingdom, 16ss.
6. Berrisford P., Kallberg P., Kobayashi S., Dee D.P., Uppala S.M., Simmons A.J., Poli P., Sato H., (2011), Atmospheric conservation properties in ERA-Interim, Quarterly Journal of the Royal Meteorological Society, 137(659), 1381-1399.
7. Chen H., Xu C.Y., Guo S., (2012), Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff, Journal of Hydrology, 434, 36-45.
8. Crane R.G., Hewitson B.C., (1998), Doubled CO2 precipitation changes for the Susquehanna Basin: Down‐scaling from the Genesis general circulation model, International Journal of Climatology: A Journal of the Royal Meteorological Society, 18(1), 65-76.

9. Çınaklı M., (2008), Doğu Karadeniz bölümü’nde meydana gelen taşkınlar, Yüksek Lisans Tezi, Ankara Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara.
10. Dee D.P., Uppala S.M., Simmons A.J., Berrisford P., Poli P., Kobayashi S., Andrae U., Balmaseda M.A., Balsamo G., et al., (2011), The ERA‐Interim reanalysis: Configuration and performance of the data assimilation system, Quarterly Journal of the Royal Meteorological Society, 137(656), 553-597.
11. Demir Ö., Atay H., Eskioğlu O., Tuvan A., Demircan M., Akçakaya A., (2013), RCP4.5 Senaryosuna göre Türkiye’de sıcaklık ve yağış projeksiyonları, III. Türkiye İklim Değişikliği Kongresi (TİKDEK 2013), 3-5 Haziran, İstanbul.
12. Demircan M., Demir Ö., Atay H., Eskioğlu O., Yazıcı B., Gürkan H., Tuvan A., Akçakaya A., (2014), Türkiye’de yeni senaryolara göre iklim değişikliği projeksiyonları, TÜCAUM VIII. Coğrafya Sempozyumu, 23-24 Ekim, Ankara.
13. Fistikoglu O., Okkan U., (2010), Statistical downscaling of monthly precipitation using NCEP/NCAR reanalysis data for Tahtali River Basin in Turkey, Journal of Hydrologic Engineering, 16(2), 157-164.
14. Fowler H.J., Ekström M., Kilsby C.G., Jones P.D., (2005), New estimates of future changes in extreme rainfall across the UK using regional climate model integrations. 1. Assessment of control climate, Journal of Hydrology, 300(1-4), 212-233.
15. Frei C., Christensen J.H., Deque M., Jacob D., Jones R.G., Vidale P.L., (2003), Daily precipitation statistics in regional climate models: Evaluation and intercomparison for the European Alps, Journal of Geophysical Research: Atmospheres, 108(D3), 4124, doi:10.1029/2002JD002287.
16. Friedman J.H., (1991), Multivariate adaptive regression splines, The Annals of Statistics, 19(1), 1-67.
17. Hamlet A.F., Byun K., Robeson S.M., Widhalm M., Baldwin M., (2019), Impacts of climate change on the state of Indiana: ensemble future projections based on statistical downscaling, Climatic Change, 1-15.
18. Horton P., Brönnimann S., Weingartner R., (2018), Impact of the choice of a reanalysis dataset on statistical downscaling of precipitation, EGU General Assembly, Geophysical Research Abstracts, Vol. 20, EGU2018-14297, ss.14297.
19. IPCC, (2013), Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1535ss.
20. IPCC, (2018), Summary for Policymakers. In: Global Warming of 1.5°C, https://www.ipcc.ch/site/assets/uploads/sites/2/2019/05/ SR15_SPM_version_report_LR.pdf, [Erişim 1 Mart 2020].
21. Kisi O., Parmar K.S., (2016), Application of least square support vector machine and multivariate adaptive regression spline models in long term prediction of river water pollution, Journal of Hydrology, 534, 104-112.
22. Mearns L.O., Bogardi I., Giorgi F., Matyasovszky I., Palecki M., (1999), Comparison of climate change scenarios generated from regional climate model experiments and statistical downscaling, Journal of Geophysical Research: Atmospheres, 104(D6), 6603-6621.
23. MGM, (2015), Yeni senaryolar ile Türkiye iklim projeksiyonları ve iklim değişikliği, Araştırma Dairesi Başkanlığı Klimatoloji Şube Müdürlüğü, Meteoroloji Genel Müdürlüğü Matbaası, Ankara.
24. Moriasi D.N., Arnold J.G., Van Liew M.W., Bingner R.L., Harmel R.D., Veith T.L., (2007), Model evaluation guidelines for systematic quantifcation of accuracy in watershed simulations, Transactions of the ASABE, 50(3): 885-900.
25. Murakami H., (2014), Tropical cyclones in reanalysis data sets, Geophysical Research Letters, 41(6), 2133-2141.
26. Nacar S., Satilmis U., (2017), Temporal variation of organic and inorganic carbon transport from the Southeastern Black Sea (Trabzon Province) rivers, European Journal of Engineering and Natural Sciences, 2(1), 149-153.
27. Nacar S., Kankal M., Okkan U., Dede T., (2019), İstatistiksel ölçek indirgeme yöntemi ile NCEP/NCAR re-analiz verilerinin Doğu Karadeniz havzası aylık yağış ve sıcaklık değerlerine indirgenmesi, International Conference on Innovation, Sustainability, Technology and Education in Civil Engineering (iSTE-CE’2019), 13-15 June, Iskenderun Technical University, Iskenderun –Hatay, Turkey, ss.470-483.
28. Nacar S., Kankal M., Hınıs M.A., (2018), Çok değişkenli uyarlanabilir regresyon eğrileri (ÇDURE) ile Günlük Akarsu Akımlarının Tahmini-Haldizen Deresi Örneği, Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 8(1), 38-47.
29. Okkan U., Karakan E., (2016), İklim değişikliğinin ikizcetepeler barajı akımlarına etkilerinin modellenmesi: 2015-2030 projeksiyonu, Teknik Dergi, 27(2), 7379-7401.
30. Okkan U., Kirdemir U., (2016), Downscaling of monthly precipitation using CMIP5 climate models operated under RCPs, Meteorological Applications, 23(3), 514-528.
31. Okkan U., Kirdemir U., (2018), Investigation of the behavior of an agricultural-operated dam reservoir under RCP scenarios of AR5-IPCC, Water resources management, 32(8), 2847-2866.
32. Okkan U., Fistikoglu O., (2014), Evaluating climate change effects on runoff by statistical downscaling and hydrological model GR2M, Theoretical and applied climatology, 117(1-2), 343-361.
33. OSİB, (2013), Havza koruma eylem planlarının hazırlanması projesi Doğu Karadeniz Havzası, Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) Marmara Araştırma Merkezi, Çevre ve Temiz Üretim Enstitüsü, Ankara.
34. Özfalcı Y., (2008), Çok değişkenli uyarlanabilir regresyon kesitleri: Mars, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
35. SYGM, (2016), İklim Değişikliğinin Su Kaynaklarına Etkisi Projesi, Proje Nihai Raporu, Ek 24 - Doğu Karadeniz Havzası, T.C. Orman ve Su İşleri Bakanlığı, Su Yönetimi Genel Müdürlüğü, 135ss.
36. Toprak S., (2011), Çok değişkenli uyarlamalı regresyon eğrileri ve konik programlama ile zaman serilerinin modellenmesi, Yüksek Lisans Tezi, Dicle Üniversitesi, Fen Bilimleri Enstitüsü, Diyarbakır.
37. Tripathi S., Srinivas V.V., Nanjundiah R.S., (2006), Downscaling of precipitation for climate change scenarios: a support vector machine approach, Journal of Hydrology, 330(3-4), 621-640.
38. Ünal B., (2009), Çok değişkenli uyarlamalı regresyon uzanımları, Yüksek Lisans Tezi, Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
39. Vu M.T., Aribarg T., Supratid S., Raghavan S.V., Liong S.Y., (2016), Statistical downscaling rainfall using artificial neural network: significantly wetter Bangkok?, Theoretical and Applied Climatology, 126(3-4), 453-467.
40. Wagesho N., Jain M.K., Goel N.K., (2012), Effect of climate change on runoff generation: Application to Rift Valley Lakes basin of Ethiopia, Journal of Hydrologic Engineering, 18(8), 1048-1063.
41. Wilby R.L., Charles S.P., Zorita E., Timbal B., Whetton P., Mearns L.O., (2004), Guidelines for use of climate scenarios developed from statistical downscaling methods, https://www.ipcc-data.org/guidelines/dgm_no2_v1_09_2004.pdf, [Erişim 1 Mart 2020].
42. Wilby R.L., Harris I., (2006), A framework for assessing uncertainties in climate change impacts: low-flow scenarios for the River Thames, UK, Water Resources Research, 42(2), W02419, doi: doi.org/10.1029/2005WR004065.
43. Yüksek Ö., Kankal M., Üçüncü O., (2013), Assessment of big floods in the Eastern Black Sea Basin of Turkey, Environmental Monitoring and Assessment, 185(1), 797-814.