Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/15239
Title: Bölgesel İklim Modelinin Farklı Konfigürasyonlarıyla Simüle Edilmiş Yağış Verisinin Türkiye Üzerindeki Yanlılık Düzeltmesi
Other Titles: Bias Correction Of Precipitation Simulated By Regional Climate Model With Different Configurations Over Turkey
Authors: Ünal, Yurdanur
Ballı, Ceren
10038820
Meteoroloji Mühendisliği
Meteorological Engineering
Keywords: RegCM
Bölgesel iklim modeli
yanlılık analizi
Dağılımı Dengeleme yanlılık düzeltmesi
Ortalama Değer yanlılık düzeltmesi
RegCM
Regional climate model
bias correction
Quantile Mapping bias correction
Mean Value bias correction
Issue Date: 15-Jun-2014
Publisher: Fen Bilimleri Enstitüsü
Institute of Science And Technology
Abstract: Yağış, kompleks topoğrafyaya sahip bir coğrafya için tahmin edilmesi en zor meteorolojik parametrelerden biridir. Genel sirkülasyon modelleri ve bölgesel iklim modelleri tarafından üretilen yağış simülasyonları, gözlem verileriyle karşılaştırılarak model yanlılığının hesaplanıp düzeltilmesi, model çıktılarının iklim ve hidroloji çalışmalarında kullanılabilmesi için büyük önem taşır. Bu çalışmanın amacı, farklı konfigürasyonlar ile koşturulan bölgesel iklim modeli ile yağış verisini kaba ve yüksek çözünürlüklü iki domain için modellemek, sonuçlarına yanlılık analizi uygulamaktır. Bu bağlamda bölgesel iklim modeli olarak RegCM4.3 kullanılmıştır. Modelin başlangıç ve sınır koşulları için Avrupa Orta Vadeli Hava Tahmin Merkezi (ECMWF)'den alınan 2.5 derece çözünürlüklü ERA-40 reanaliz veri seti önce kaba çözünürlüklü 50 km, sonra yüksek çözünürlüklü 10 km için koşturulmuştur. Yağış simülasyonları 1971-2000 yılları arasında yapılmış olup, ilk 20 yıl (1971-1990) düzeltme periyodu, son 10 yıl ise (1991-2000) doğrulama periyodu olarak seçilmiştir. İlk 20 yıldan elde edilen düzeltme katsayıları ve parametreleri son 10 yıllık yağış verisine uygulanmıştır. Bölgesel iklim modeli RegCM4.3, iki arazi yüzey modeli (LSM), Biyosfer-Atmosfer Transfer Şeması (BATS) ve Topluluk Arazi Modeli (CLM) ile koşturulmuştur. BATS her iki domain için kullanılırken CLM sadece kaba çözünürlük için kullanılmıştır.  İki arazi yüzey modeli kullanılarak elde edilen yağış simülasyonlarının klimatolojisi, Doğu Anglia Üniversitesi (University of East Anglia)'nden alınan 0.5 çözünürlüklü İklim Araştırma Birim (CRU TS3.10) veri seti ile karşılaştırılmıştır. Ayrıca Meteoroloji Genel Müdürlüğü'nden sağlanan 1971-2000 yılları arasındaki 245 istasyonun yağış gözlemleri ile yağış simülasyonlarındaki model yanlılığı hesaplanmıştır. Arazi yüzey modelinin her iki çözünürlükteki simülasyonları için, istasyon koordinatlarının modele en yakın grid noktaları hesaplanarak yanlılık düzeltme analizleri yapılmıştır. Yanlılık analizi için literatürde yaygın olarak en çok kullanılan ortalama değer yanlılık düzeltmesi (MV) ve dağılımı dengeleme (QM) yöntemleri tercih edilmiştir. Modelin yanlılığını indirgemek için kullanılan bu yöntemler; aylık, mevsimlik ve yıllık bazlarda uygulanmıştır. Dağılımı dengeleme (QM) yöntemi; istasyon gözlemlerine ve modelin ürettiği yağış çıktılarına en iyi uyan dağılım fonksiyonları hesaplanarak uygulanmıştır. En iyi dağılım fonksiyonlarını bulmak için, Uyum İyiliği Testi (GOF) ile Akaike ve Bayesian bilgi kriteri (AIC ve BIC) testleri yapılmıştır. Bunun sonucunda gözlemler için Weibull kümülatif dağılım fonksiyonu, yağış simülasyonları için Genelleştirilmiş Pareto kümülatif dağılım fonksiyonu seçilmiştir. Gamma kümülatif dağılım fonksiyonu yağış parametresini en iyi temsil eden dağılım fonksiyonu olduğu ve literatürde dağılım dengeleme yöntemi uygulamasında çok sık kullanıldığı için ayrıca incelenmiş, sonuçları gözlem ve model çıktılarına en iyi uyan dağılım fonksiyonları ile kıyaslanmıştır. Modelin performansını değerlendirmek için yanlılık düzeltmesi sonucu elde edilen yağış verilerinin son 10 yıllık periyoduna Spearman Rank Korelasyon, Ortalama Hata Karesinin Kökü (RMSE) ve Nash-Sutcliffe Verim İndeksi (NSE) gibi üç kantitatif doğrulama yöntemi uygulanmıştır.  Model performansı CRU TS3.10 yağış verisinin 30 yıllık mevsimsel ortalamaları ile karşılaştırıldığında, RegCM'in yağış paternlerini genel olarak iyi benzeştirdiği görülmektedir. Modelin pozitif yanlılığı genellikle Türkiye üzerinde ve sarp dağ sıralarının yamaçlarında kış ve ilkbahar mevsimleri boyunca hesaplanmıştır. Kuzey ve güney kıyılardaki benzeştirilen yağış miktarı 600 mm'yi bulmaktadır. Yaz mevsiminin kuraklığı modelin her iki arazi yüzey modeli ile iyi tahmin edilmiştir. Topluluk Arazi Modeli'nin (CLM50) performansı ile Biyosfer-Atmosfer Transfer Şeması’nın (BATS50) performansı arasında çok büyük farklılıklar olmamasına karşın; bahar mevsimi için BATS'ın, CLM'den daha fazla orografik yağış ürettiği gözlenmiştir. Yüksek çözünürlüklü yağış simülasyonlarının dağılımlarının ise topoğrafyayı mimik ettiği görülmektedir. Bununla birlikte en yüksek pozitif yanlılık 300 mm ile ilkbahar mevsiminde gözlenmiştir. Sonbahar mevsimi ise CRU klimatolojisinden daha kurak benzeştirilmiştir. İlk 20 yılın ortalama değer yanlılık düzeltmesi için hesaplanan düzeltme katsayılarının dağılımına bakıldığında, Karadeniz ve Akdeniz’de bulunan dağların kıyıya paralel uzanması nedeniyle yağış bu bölgelerde az, Ege kıyıları ve Türkiye’nin iç kesimlerinde ise fazla tahmin edilmiştir. İlkbahar mevsimi dışında, modelin genel eğilimi kaba çözünürlük için az yağış tahmini yapma yönündedir. Dağların dik olduğu topoğrafya üzerinde BATS50, CLM50'den daha fazla orografik yağış üretirken, iç kesimlerde CLM50'nin yağışları daha fazla gözlenmiştir. Kıyılardaki sistematik hatalar ise model çözünürlüğünün artması ile küçülmüştür. Düzeltme katsayılarının ortalamalarına bakıldığında BATS50, CLM50 ve BATS10 için sırasıyla; 1.21, 1.36 ve 0.77 olarak hesaplanmıştır. Modelin ürettiği sistematik hatalar Karadeniz ve Akdeniz kıyıları boyunca gözlenmiş olup, bu bölgelerdeki yağış yapılan üç çalışmada da az tahmin edilmiştir. Ege kıyıları ve Türkiye'nin iç kesimlerinde ise RegCM, gözlem verilerinden daha fazla yağış üretmiştir.  Yanlılık düzeltmesi yapılmış yağış simülasyonları ve istasyon gözlemleri arasındaki korelasyonlara bakıldığında; $\%$99 anlamlılık testine göre 0.25 limiti ile değerlendirilen korelasyon hesaplarına göre, en yüksek korelasyonlar Güneydoğu Anadolu’da 0.60 ile 0.90 arasında hesaplanırken, en düşük korelasyonlar Karadeniz kıyılarında 0.25 ile 0.75 değerlerinde gözlenmiştir. Korelasyon dağılımlarının genel paterni göz önüne alındığında, BATS50'nin dağılımı CLM50'den daha iyi iken özellikle Karadeniz bölgesi civarında BATS10 en iyi korelasyonlara sahiptir. Aylık bazda uygulanan ortalama değer (MV) düzeltme yöntemi genellikle Karadeniz, Doğu ve Güneydoğu Anadolu bölgelerindeki korelasyon sonuçlarını düzeltmektedir. Mevsimlik bazda uygulanan dağılımı dengeleme (QM) yönteminin korelasyon sonuçları ise yıllık bazda hesaplanan korelasyonlardan daha yüksektir. Model ve gözlemin dağılımına en iyi uyan dağılım fonksiyonları ile yapılan düzeltme, Gamma kümülatif dağılım fonksiyonu kullanılarak hesaplanan düzeltmeye göre daha iyi sonuçlar vermiştir. Mevsim bazında yapılan yanlılık düzeltmeleri ise yıllık hesaplamalardan daha iyi sonuçlar vermiştir.  En küçük hata değerleri (RMSE) ise aylık bazda uygulanan ortalama değer (MV) yönteminden elde edilmiş olup, hatalar 0-25 mm arasındadır. İç Anadolu' da 0-25 mm civarında hatalar elde edilirken, kıyılarda 150 mm'yi bulmaktadır. Yüksek çözünürlüklü simülasyonlarda görülen hataların ise kaba çözünürlükten daha düşük olduğu tespit edilmiştir. Nash-Sutcliffe Verim İndeksi hesaplamaları ise aylık bazda uygulanan ortalama değer (MV) yöntemi ile düzeltilen simülasyonların gözlem değerleri ile mükemmel bir uyum sağladığını göstermektedir. Dağılımı dengeleme (QM) yöntemi yağışların dağılımını düzeltse de değişimini düzeltemediği görülmüştür. Kıyıların dışında, batı İç Anadolu ve Güneydoğu Anadolu'da gözlemlerin ortalamasının model sonuçlarından daha belirleyici olduğu ortaya çıkmıştır. Sonuç olarak; Türkiye üzerinde kantitatif üç doğrulama yöntemine göre, aylık bazda uygulanan ortalama değer (MV) düzeltme yöntemi özellikle yüksek çözünürlüklü simülasyonlarda en yüksek korelasyonlara, en küçük hatalara ve Nash-Sutcliffe Verim İndeksi’ne göre mükemmel uyuma sahiptir.
In this study, 2.5 degree grid size ECMWF ERA40 reanalysis data are downscaled to first 50 km coarse resolution and then 10 km high resolution over Turkey by regional climate model, RegCM4.3. The precipitation field has been simulated for the period 1971 to 2000, while the first 20 years are calibrated and the last 10 years are validated. RegCM is coupled with two different land surface models (LSMs); BATS and CLM. Coarse resolution simulations are carried out for BATS and CLM while high-resolution simulations only for BATS. The simulated precipitation climatology of two different land surface models is compared to the CRU TS3.10 data set. Also, 245 station-observations of Turkish Meteorological Service are used to estimate model biases in the precipitation field. Two common bias correction methods, Mean Value (MV) and Quantile Mapping (QM), have been carried out to reduce the bias of the precipitation simulations for monthly, seasonal and yearly bases. The QM method is also applied with two fitted distributions, Gamma (Gamma QM) and the best-fitted cumulative distribution functions (best-fitted QM) and the results are compared with each other. The results of these methods are tested by three quantitative validation measures such as Spearman rank correlation, Root Mean Square Error (RMSE) and Nash-Sutcliffe Efficiency (NSE). Generally, RegCM is good at modeling the general precipitation patterns. Mostly, the positive biases have been obtained over Turkey and the mountainous regions when compared with CRU observations during winter and spring seasons. The dryness of the summer season is very well captured by two configurations of RegCM. Meanwhile, the highest positive bias is estimated in the spring with the amount of 300 mm. However, the autumn season has been simulated drier than the CRU climatology.  The precipitation is underestimated for two LSMs (BATS50, CLM50 and BATS10) along the Black Sea and the Mediterranean Sea regions where the mountains run parallel to the coastlines. Throughout the Aegean Sea and inland parts of Turkey, the overestimations have been observed. The winter correction factor distribution of BATS50 is similar with BATS10. Although, the systematic errors are becoming smaller with the increasing resolution over the shorelines. While BATS50 produces more precipitation over high topography, CLM50 generates more precipitation throughout inland. According to the correlation results between the corrected simulations and station observations, the highest correlation values are located throughout Southeast Anatolia, whereas the lowest correlations have been seen at the Black Sea coastline. The general pattern of the correlation distributions of CLM50 are worse than BATS50 while BATS10 has more improved correlations, especially along the Black Sea coastline. Although the Gamma QM is mostly preferred in the literature, the results of the best-fitted QM corrections are better than Gamma QM. On the other hand, the season-based QM calculations give better results than QM method. In comparison to all bias correction methods, the month-based MV method has higher correlations to the observations over Turkey. The month-based MV correction methods generate smaller RMSEs than the QM correction methods while the NSE results of the month-based MV methods show a perfect match over Turkey except Mediterranean shorelines. Overall, the month-based MV bias correction method has the best performance especially for the high resolution.
Description: Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2014
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2014
URI: http://hdl.handle.net/11527/15239
Appears in Collections:Meteoroloji Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
10038820.pdf35.63 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.