Doğu Karadeniz Havzası’nda En Uygun Dağılımla Debi Süreklilik Eğrilerinin Bulunması

Abstract

Bu çalışmada, akım ölçümü olmayan ya da yetersiz olan havzalarda akım tahmini yapabilmek amaçlanmıştır. Doğu Karadeniz Havzası’nda bulunan akım gözlem istasyonlarının günlük ve aylık akım verileri kullanılarak yapılan araştırmada günlük ve aylık akımlar ayrı ayrı incelenmiş, aylık akımlarla çalışılırken havza bir bütün olarak değerlendirilmiştir. Günlük akımlarla yapılan çalışma ise 2 farklı şekilde gerçekleştirilmiş, öncelikle aylık akımlar gibi bir arada incelenmiş, bir sonraki adımda ise havza, iki bölüme ayrılmış ve her istasyon bulunduğu bölge içinde ayrı değerlendirilmiştir. Uygulama sırasında eldeki akım verileri uzun ölçüm süresi ortalamalarına bölünerek boyutsuzlaştırılmış, oluşturdukları serilere en uygun olasılık dağılımları bulunmuştur. Bu dağılımlardan, her %5’lik aşılma olasılığına denk gelen akımlar hesaplanmış, teorik akım değerleriyle çarpılarak boyutlu hale getirilmiş ve debi-süreklilik eğrileri çizilmiştir. Çizilen eğriler başlangıçta test istasyonu olarak seçilen akım gözlem istasyonlarının debi-süreklilik eğrileriyle karşılaştırılmıştır. Çalışma sonucunda günlük verilerle oluşturulan modelin aylıklara oranla daha iyi sonuç verdiği gözlenmiştir. Havzanın 2 parçaya bölünüp günlük akımlarla ayrı ayrı çalışılması ise test istasyonlarının ölçüm değerlerine en yakın ve uygun sonucu vermiştir.In this study, it is aimed to estimate the stream flows in ungauged or poorly gauged basins. The daily and monthly flow data of the stations which are located in the Eastern Black Sea Region are used and analyzed separately. The whole region is considered when using the monthly flow data. On the other hand, the analysis using the daily flow data has two different stages. Primarily, the whole region is considered once again when using daily flow data. Secondly, the region is separated into two sub-regions and each station is analyzed in the sub-region where it is located. During the study, the flow data are transformed to dimensionless data by dividing long-term mean, and the appropriate probability distributions for the dimensionless data is determined. The flow data which are corresponding to each 5% exceeding probability are calculated and rendered dimensional by multiplying with the theoretical flow values and so, the flow duration curves are obtained. These curves are compared to the flow duration curves of the test stations that are chosen initially. In conclusion, it is observed that, the model used the daily data gives better results than the model used the monthly data. Besides, by dividing the region into homogen parts and using daily flow data, it is seen that the model gives more satisfactory results.