The Statistical Methods for Precipitation Prediction with Trend Analysis

Öz

This study investigates the condensation of water vapor in the atmosphere, precipitating to the ground in either solid or liquid form. This meteorological variable exhibits temporal and spatial variations influenced by climate change and other factors. To better analyze the effects of climate change on precipitation, the Konya Closed Basin was selected as the research area. Key parameters and datasets critical for various sectors and activities—from hydraulic structure design to irrigation planning—were identified. Seasonal and annual precipitation trend analyses were conducted for the provinces of Aksaray, Ankara, Isparta, Mersin, and Nevşehir using statistical methods, including the Mann-Kendall test, Spearman’s Rho, and the Innovative Şen Test, with the aid of XLSTAT software. The results revealed negative precipitation trends in Aksaray, Ankara, and Nevşehir, while positive trends were observed in Isparta and Mersin. Additionally, complementary data were collected from the Muş Meteorology Provincial Directorate to support the findings.

Anahtar Kelimeler

• Precipitation
• Trend analysis
• Mann-Kendall
• Spearman Rho
• Innovative Şen Test.

Trend Analizi ile Yağış Tahmini için İstatistiksel Yöntemler

Öz

Bu çalışmada atmosferdeki su buharının yoğunlaşması ve daha sonra katı veya sıvı formda yere çökmesi araştırılmıştır. Bu meteorolojik değişken, iklim değişikliği ve diğer faktörlerden etkilenen zamansal ve mekansal değişimler göstermektedir. İklim değişikliğinin yağış üzerindeki etkilerini daha iyi analiz edebilmek için Konya Kapalı Havzası araştırma alanı olarak seçilmiştir. Hidrolik yapı tasarımından sulama planlamasına kadar çeşitli sektörler ve faaliyetler için kritik öneme sahip anahtar parametreler ve veri kümeleri belirlenmiştir. Mann-Kendall testi, Spearman’s Rho ve Yenilikçi Şen Testi gibi istatistiksel yöntemler kullanılarak Aksaray, Ankara, Isparta, Mersin ve Nevşehir illeri için mevsimsel ve yıllık yağış eğilimi analizleri XLSTAT yazılımının yardımıyla gerçekleştirilmiştir. Sonuçlar Aksaray, Ankara ve Nevşehir’de olumsuz yağış eğilimleri ortaya koyarken, Isparta ve Mersin’de olumlu eğilimler gözlenmiştir. Ayrıca bulguları desteklemek için Muş Meteoroloji İl Müdürlüğü’nden tamamlayıcı veriler toplanmıştır.

Anahtar Kelimeler

• Yağış
• Trend analizi
• Mann-Kendall
• Spearman Rho
• Yenilikçi Şen testi

Kaynakça

1. Şevgin F, Öztürk A. Variation of temperature increase rate in the Northern Hemisphere according to latitude, longitude and altitude: the Turkey example. Sci Rep 2024; 14(1): 18207.
2. Hussain S, Lu L, Mubeen M, Nasim W, Karuppannan S, Fahad S, et al. Spatiotemporal variation in land use land cover in the response to local climate change using multispectral remote sensing data. Land 2022; 11(5): 595.
3. Ghimire U, Shrestha S, Neupane S, Mohanasundaram S, Lorphensri O. Climate and land-use change impacts on spatiotemporal variations in groundwater recharge: A case study of the Bangkok Area, Thailand. Sci Total Environ 2021; 792: 148370.
4. Yuce MI, Esit M. Drought monitoring in Ceyhan basin. Turk J Appl Water Eng Res 2021; 9(4): 293-314.
5. Topçu E. Testing of Drought Exceedance Probability Index (DEPI) for Turkey using PERSIANN data for 2000-2021 period. Ital J Agrometeorol 2021; 15-28.
6. Gocic M, Trajkovic S. Analysis of changes in meteorological variables using Mann-Kendall and Sen’s slope estimator statistical tests in Serbia. Glob Planet Change 2013; 100: 172-182.
7. Partal T, Kahya E. Trend analysis in Turkish precipitation data. Hydrol Process 2006; 20(9): 2011-2026.
8. Lafdani EK, Nia AM, Pahlavanravi A, Ahmadi A, Jajarmizadeh M. Daily rainfall-runoff prediction and simulation using ANN, ANFIS and conceptual hydrological MIKE11/NAM models. Int J Eng Technol 2013; 1(1): 32-50.

9. Patel J, Parekh F. Forecasting rainfall using adaptive neuro-fuzzy inference system (ANFIS). Int J Appl Innov Eng Manag 2014; 3(6): 262-269.
10. Sojitra M, Purohit R, Pandya P. Comparative study of daily rainfall forecasting models using adaptive-neuro fuzzy inference system (ANFIS). Curr World Environ 2015; 10(2): 529.
11. Öztopal A, Şen Z. Innovative trend methodology applications to precipitation records in Turkey. Water Resour Manag 2017; 31: 727-737.
12. Sarıoglugil A, Tutar A. On ruled surface in Euclidean space E³. Int J Contemp Math Sci 2007; 2(1): 1-11.
13. Coşkun S. Van gölü kapali havzasinda yağişlarin trend analizi. Mühendislik Bilim Tasarım Derg 2020; 8(2): 521-532.
14. Aydın M, Öz A. Van Gölü Havzasında hidrometeorolojik verilerin eğilim analizi. Çukurova Univ Mühendis Fakültesi Derg 2021; 36(2): 441-456.
15. Yaman Y, Önen F. Yağış-akış ilişkisinin GEP ve ANFIS ile modellenmesi. Dicle Univ Mühendis Fakültesi Mühendis Derg 2023; 14(3): 489-498.
16. Yue S, Wang C. The influence of serial correlation on the Mann-Whitney test for detecting a shift in median. Adv Water Resour 2002; 25(3): 325-333.
17. Soydan NG, Gümüş V, Şimşek O, Gerger R, Ağun B. Seyhan Havzası aylık ortalama akım ve yağış verilerinin trend analizi. Dicle Univ Mühendis Fakültesi Mühendis Derg 2016; 7(2): 319-327.
18. Burn DH, Elnur MAH. Detection of hydrologic trends and variability. J Hydrol 2002; 255(1-4): 107-122.
19. Bulut H, Yeşilata B, Yeşilnacar Mİ. Atatürk Baraj Gölü’nün bölge iklimi üzerine etkisinin trend analizi ile tespiti. GAP V. Mühendislik Kongresi 2006; 79-86.
20. Kisi O, Ay M. Comparison of Mann-Kendall and innovative trend method for water quality parameters of the Kizilirmak River. J Hydrol 2014; 513: 362-375.
21. Şen Z. Innovative trend analysis methodology. J Hydrol Eng 2012; 17(9): 1042-1046.
22. Şen Z. Trend identification simulation and application. J Hydrol Eng 2014; 19(3): 635-642.
23. Çeribaşı G. Batı Karadeniz Havzasının yağış verilerinin yenilikçi Şen yöntemi ile analizi. J Environ Prot Ecol 2018; 19(1): 15-24.