KAHRAMANMARAŞ İLİ İÇİN GELECEĞE YÖNELİK YAĞIŞ OLASILIKLARININ MARKOV ZİNCİRLERİ YAKLAŞIMIYLA BELİRLENMESİ

Yıl 2017, Cilt: 1 Sayı: 1, 75 - 84, 30.04.2017

Mahmut Reis , Hurem Dutal , Zeynep Kayrak

https://doi.org/10.32328/turkjforsci.297928

Cited By: 2

Öz

Yağışlar dünyadaki tüm ekosistemlerin
su ihtiyacını karşılayan yegâne kaynaktır. Canlı yaşamının vazgeçilmez bir
ögesidir. Türkiye başta Akdeniz Bölgesi olmak üzere iklim değişikliği nedeniyle
yağış değişikliklerinin beklendiği alanlar arasındadır. Kahramanmaraş iklim
değişikliğinden en fazla etkilenmesi beklenen Akdeniz Bölgesi’ nde yer
almaktadır. Türkiye’ nin en büyük su rezervine sahip olması nedeniyle bölgede
yaşanan değişimin sürekli  olarak takip
edilmesi ve geleceğe yönelik planların bir takım tahmin modelleri ışığında
yapılması akılcı bir yol olarak görülmektedir. Bu çalışmada, Kahramanmaraş ili
için geleceğe yönelik yağış olasılıklarının Markov zincirleri modeli
kullanılarak tahmin edilmesi amaçlanmıştır. Kahramanmaraş yağış istasyonuna ait
1970-2014 periyodunu kapsayan 44 yıllık yağış verisi kullanılmıştır. Yağış
verileri SYİ (Standardize edilmiş Yağış İndeksi) kriterlerine göre
sınıflandırılmıştır. Modelin doğruluğunun test edilmesi amacıyla 2014 yılında
gözlenen değer ile modelin 2014 yılı için tahmin değerleri karşılaştırılmıştır.
Ardından model 2015, 2016, 2017, 2018, 2019 ve 2020 yılları için
çalıştırılmıştır. Elde sonuçlara bakıldığında bu yıllar arasındaki tahmin
değerlerinin çok küçük farklılıklar gösterdiği görülmüştür. Bu nedenle bu 6
yılın sonuçları tek bir vektör olarak gösterilmiştir. Buna göre Kahramanmaraş’
ta 2015, 2016, 2017, 2018, 2019 ve 2020 yıllarında beklenen yağış miktarları ve
gerçekleşme olasılıkları %7 olasılıkla 1079 mm ve üzeri, %5 olasılıkla 990-1078
mm, %74 olasılıkla 545-900 mm, % 12 olasılıkla 456-544 mm ve %2 olasılıkla
367-455 mm şeklindedir. Bununla birlikte Kahramanmaraş’ ta 901-989 mm arasında
ve 366 mm ve altında yağışların oluşması beklenmemektedir.

Anahtar Kelimeler

Markov zinciri modeli, yağış tahmini, iklim değişikliği

DETERMINING FUTURE PRECIPITATION PROBABILITY FOR KAHRAMANMARAS CITY USING MARKOV CHAIN APPROACH

Öz

ABSTRACT: Precipitation is
unique source meeting water need of all ecosystems in the world. It is the
irreplaceable element of the organism life. Turkey, particularly its
Mediterranean region, ranks among the regions expected precipitation changes
due to climate change. Kahramanmaras is located in Mediterranean region where
is expected to experience the effects of the climate change at the very most.
Since Kahramanmaras has the largest water reserve in Turkey, it is acknowledged
as a rational way that alterations in the area should be watched consistently
and future plans should be made in the light of a set of prediction models. In
this study, it is aimed to predict future precipitation probability for
Kahramanmaras city using Markov chain model. For this purpose, 44 years
precipitation data including 1970-2014 period belonging to Kahramanmaras
precipitation station has been used. Precipitation data has been classified by
taking SPI (Standardized Precipitation Index) criterions into consideration. In
order to test the model accuracy, observed value in 2014 has been compared with
predictions of the model for 2014. Then the model is run for 2015, 2016, 2017,
2018, 2019 and 2020 years. When results have been examined, negligible
differences have been seen among predictions value for these years. Thus the results
of these 6 years are submitted as a single vector. According to this, predicted
precipitation amounts and their probability of occurrences are 1079 mm and
above with 7%, 990-1078 mm with 5%, 545-900 mm with 74%, 456-544 mm with 12%
and 367-455 mm with 2% for 2015, 2016, 2017, 2018, 2019 and 2020 respectively.
In addition to this, precipitation amounts are not expected to occur 901-989 mm
and 366 mm and below for all these years in Kahramanmaras.

Anahtar Kelimeler

Markov chain model, precipitation prediction, climate change

Kaynakça

• Akyurt İ. Z., (2011), Ülke Derecelendirme Sisteminin Markov Zinciri İle Analizi. Yönetim Dergisi, yıl: 22, sayı: 69, İstanbul Üniversitesi.
• Ameur L. S. and Haddad B., (2007), "Analysis of precipitation data by approach Markovienne" Larhyss journal, no. 6, pp. 7-20.
• Arnaud M. R., (1985), "Contribution to the study stochastic Markovienne of precipitation in the Adour-Garonne basin"; thesis of Phd, Toulouse, (France).
• Austin L., Burns M. and James R., (1985), Management Science: An Aid for Managerial Decision Making. Macmillan Publishing Company: New York.
• Barkotulla M. A. B., (2010), Stochastic Generation of the Occurrence and Amount of Daily Rainfall. Pak.j.stat.oper.res. Vol.VI No.1, pp61-73.
• Cosun F. and Karabulut M., (2009), Kahramanmaraş’ ta Ortalama, Minimum ve Maksimum Sıcaklıkların Trend Analizi. Türk Coğrafya Dergisi Sayı 53: 41-50, İstanbul.
• Dash P. R., (2012), A Markov Chain Modelling Of Daily Precipitation Occurrences Of Odisha. International Journal of Advanced Computer and Mathematical Sciences, Vol 3, Issue 4, pp 482-486.
• DMİ, (2010), Devlet Meteoroloji İşleri Gn. Md., K.Maraş Meteoroloji İl Müdürlüğü, K.Maraş Meteoroloji İstasyonu Verileri, 1975-2010. Kahramanmaraş.
• IPCC, (2014), Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland, 151 pp.
• Karabulut, M., Cosun, F. (2009). “Kahramanmaraş İlinde Yağışların Trend Analizi.” Coğrafi Bilimler Dergisi, 7 (1): 65‐83.
• Kocak K. and Sen Z., (1998), Kurak ve yağışlı gün oluşumlarının Markov zinciri yaklaşımı ile uygulamalı incelenmesi. Tr. J. of Engineering and Environmental Science, 22 , 479 - 487.
• Korkmaz H., (2001), K.MARAŞ Havzası’nın Jeomorfolojisi. Marmara Üniversitesi Sosyal Bilimler Enstitüsü Coğrafya Eğitimi Anabilim Dalı Doktora Tezi. İstanbul.
• Kottegoda N. T, Natale L. and Raiteri E., (2004), Some considerations of periodicity and persistence in Daily rainfalls, J. Hydrol. 296:23–37.
• Lazaro R., Rodrigo F. S., Gutierrez L. and Puigdefafregas J., (2001), Analysis of a 30-year rainfall record (1967-1997) in semi-arid SE Spain for implications on vegetation, J. Arid Environ., 48, 373 - 395.
• McKee T. B., Doesken N. J. and Kleist J., (1993), The Relationship of Drought Frequency and Duration to Time Scales, Preprints, 8th Conference on Applied Climatology, 17-22 January, Anaheim, CA, pp.179-184.
• N'guessan Bı V. H., Saley M. B., Pop S., Terebech R., Be B., Djagoua E. V., Kouamé F., Borda M. and Affıan K., (2014), Markovian approach for analysis and prediction of monthly precipitation field in the department of Sinfra ( Central-west of Côte d'Ivoire). International Journal of Engineering Research and General Science, Volume 2, Issue 1, January.
• Oguzturk G. and Yıldız O., (2014), Kırıkkale ilinde farklı zaman periyotları için kuraklık analizi. International Journal of Engineering Research and Development, Vol.6, No.2.
• Ozgurel M. and Kılıc M., (2003), İzmir İçin Geleceğe Yönelik Yağış Olasılıklarının Markov Zinciri Modeliyle Belirlenmesi. Ege Üniv. Ziraat Fak. Derg., 40(3):105-112.
• Selvi S. T. and Selvaraj R. S., (2011), Stochastic Modelling of Annual Rainfall at Tamil Nadu. Universal Journal of Environmental Research and Technology, Volume 1, Issue 4: 566-570.
• Srikanthan R. and Mc Monan T. A., (1984), Stochastic generation of rain-fall and evaporation data. AWRC technical paper No: 84, 301.
• Taylor H. M. and Karlin S., (1984), An Introduction To Stochastic Modeling, Orlando, Florida, Academic Press, Inc.
• Turkes M., (2011), Akhisar ve Manisa Yörelerinin Yağış ve Kuraklık İndisi Dizilerindeki Değişimlerin Hidroklimatolojik ve Zaman Dizisi Çözümlemesi ve Sonuçların Çölleşme Açısından Coğrafi Bireşimi. Coğrafi Bilimler Dergisi CBD 9 (1), 79-99.
• Turkes M., (1999), Vulnerability of Turkey to desertification with respect to precipitation and aridity conditions. Turkish Journal of Engineering and Environmental Sciences 23, 363-380.
• Winston, W. L., (2004), Operations Research-Applications and Algorithms. Brooks/Cole, Fourth Ed: USA.
• Yusuf A. U., Adamu L. and Abdullahi M., (2014), Markov chain model and its application to annual rainfall distribution for crop production. American Journal of Theoretical and Applied Statistics, 3(2): 39-43.
• Zamani A. M. R, Monadi M. and Zarei H., (2013), Usıng A Fırst Order Markov Chaın Model And Spı Index To Forecastıng, Monıtorıng And Zonıng Of Meteorologıcal Drought Case Study: Chahar Mahal And Bakhtıarı Provınce, Iran. Journal of Environmental Research And Development, Vol. 8, No. 2.