Uydu Ve Yer Kaynaklı Meteorolojik Değişkenlerle Kısa Vadeli Yağış Modellemesi İçin Yapay Sinir Ağı Yaklaşımı

Abstract

Yağış kaynaklı doğal afetlerin (sel, taşkın, vb.) önlenebilmesi ile su kaynakları ve havza yönetimi için yağışların ölçümü, modellenmesi ve tahminleri çok önemlidir. Kurulu olan yağış ölçer ağlarının hem zaman hem de uzay değişkenliklerinin yüksek olması sebebiyle, küçük ölçeklerdeki şiddetli yağışların belirlenmesinde çeşitli zorluklar vardır. Mevcut hava tahminlerinin son yıllardaki güvenilir sonuçlarına rağmen konvektif yağışların zaman ve alan yağış desenleri tam olarak yakalanamamaktadır. Bu sebeple uydulardan elde edilen bilgiler hava tahmin modellerine girdi olarak kullanılmaktadır. Konvektif yapılar için bulut tepe sıcaklığı yağış ile ilişkilendirilebilen anahtar bir parametredir. Bu çalışmada 2000 yılı içerisindeki 5-7 Eylül, 23-25 Mayıs, 21-23 Temmuz ve 25-27 Ağustos dönemlerine ait 4 ayrı konvektif yağışlı olay incelenerek bir Yapay Sinir Ağı modeli kurulmuştur. Bu modelin Eylül ayı yağışını gayet iyi tahmin edebildiği görülürken Ağustos ayı için model başarısız olmuştur.

In order to hinder the natural hazards (surface water, floods, etc.) the origin of precipitation, it is necessary to measure, model and predict the precipitation for water resources and catchment management. Due to high spatial and temporal variability of precipitation measurement networks, there are difficulties in determining small scale intensive rainfall events. Although currently available weather prediction models yield reliable results, they cannot catch the spatio-temporal patterns of convective rainfall events. For this reason, the satellite based meteorological information is used as input in weather prediction models. For convective structures the cloud top temperature is a key parameter that can be related to precipitation. In this thesis, four convective precipitation events in 2000 are examined each within different time periods as 5-7 September, 23-25 May, 21-23 July and 25-27 August. Finally, a model is proposed as Artificial Neural Network. Although for September month rainy events are predicted with success, for August there are failures.