Research Article
BibTex RIS Cite

A Downscaling Application for Local Meteorological Variables of Eastern Black Sea Basin and Scenario Based Predictions

Year 2022, Volume: 33 Issue: 6, 12877 - 12911, 01.11.2022
https://doi.org/10.18400/tekderg.895112

Abstract

Climate change has become one of the most important problems discussed around the world due to its environmental, economic and social impacts. In order to determine the magnitude of the impact of climate change and possible adaptation studies, it is necessary to determine the changes in the future periods of temperature and precipitation being the most important variables of the climate. For this purpose, scenario outputs of general circulation models (GCM) with coarse spatial resolution are used. The low resolution of these outputs limits their direct use in determining the effects of climate change on a local scale. Therefore, GCM outputs should be downscaled into finer scale. The aim of this study is to determine the possible effects of climate change on precipitation and temperature values of Eastern Black Sea Basin (EBSB), which is one of the most important hydrological basin in Turkey. For this purpose, the coarse resolution outputs of the GFDL-ESM2M model under RCP4.5 and RCP8.5 scenarios were reduced to local scale using the multivariate adaptive regression splines (MARS) and classical regression analysis (CRA) methods. Various performance statistics were used to compare the downscaling capabilities of MARS and CRA based models, and the method with the highest performance was determined according to these statistics. Within the scope of the study, the monthly average temperature and total precipitation values for the next period (2021-2050, 2051-2080, 2081-2100) of 12 meteorology stations located in and around the basin were produced by using MARS-based models that give the best performance values. Mann-Kendall trend analysis was also applied to the scenario data obtained. According to the results, it is expected that the temperature values in the southern part of the basin with terrestrial climate characteristics (Bayburt, Gümüşhane, Suşehri ve Şebinkarahisar stations) will increase by an average of 1 °C according to the RCP4.5 scenario and 1.5 °C according to the RCP8.5 scenario in the period 2021-2050. In addition, temperature increases of up to 2.5 °C are foreseen on the coastline of the basin where the Pazar, Rize and Hopa stations are located. According to the outputs of both scenarios, is expected in long-term precipitation average values in almost all of the basin. In the periods of 2051-2080 and 2081-2100, it is foreseen that the increases and decreases in temperature and precipitation values will be more than the 2021-2050 period. According to the results of the trend analysis, the RCP4.5 scenario for temperature and precipitation, no trend is expected in the future, while according to the RCP8.5 scenario, an increase trend for temperature and a decrease trend for precipitation have been determined.

References

  • Al-Mukhtar, M., Qasim, M., Future predictions of precipitation and temperature in Iraq using the statistical downscaling model. Arabian Journal of Geosciences, 12(2), 25, 1-16, 2019.
  • Nourani V., Razzaghzadeh Z., Baghanam A.H., Molajou A., ANN-based statistical downscaling of climatic parameters using decision tree predictor screening method. Theoretical and Apllied Climatology, 137, 1729-1746, 2019.
  • Smith, J. B., Schneider, S. H., Oppenheimer, M., Yohe, G. W., Hare, W., Mastrandrea, M. D., Patwardhan, A., Burton, I. Morlot, J. C., Magadza, C. H. D., Füssel, H. M., Pittock, A. B., Rahman, A., Suarez, A., Ypersele, J. P., Assessing dangerous climate change through an update of the Intergovernmental Panel on Climate Change (IPCC)“reasons for concern”. Proceedings of the national Academy of Sciences, 106(11), 4133-4137, 2009.
  • IPCC Climate change 2013: The Physical Science Basis: Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change In: Stocker T. F., Qin D., Plattner G. K., Tignor M., Allen S. K., Boschung J., Nauels A., Xia Y., Bex V., Midgley P. M., (eds) Cambridge university press, Cambridge, United Kingdom and New York, NY, USA, 1535 pp, 2013.
  • IPCC Summary for policymakers 2018. In: Masson-Delmotte V, et al, editors. Global warmingof 1.5°C: An IPCC special report on the impacts of global warming of 1.5°C above pre-industrial levels and related global greenhouse gas emission pathways, in the contextof strengthening the global response to the threat of climate change. Geneva,Switzerland: World Meteorological Organization, 32 pp, 2018.
  • Osses D.A., Casanueva A., Figueroa C.R., Uribe J.M., Peneque M., Climate change projection of temperature and precipitation in Chile based on statistical downscaling. Climate Dynamics, 54, 4309-4330, 2020.
  • Ouhamdouch, S., Bahir, M., Climate change impact on future rainfall and temperature in semi-arid areas (Essaouira Basin, Morocco). Environmental Processes, 4(4), 975-990, 2017.
  • Trenberth, K. E., Changes in precipitation with climate change. Climate Research, 47, 123-138, 2011.
  • Bergström, S., Carlsson, B., Gardelin, M., Lindström, G., Pettersson, A., Rummukainen, M., Climate change impacts on runoff in Sweden assessments by global climate models, dynamical downscaling and hydrological modelling. Climate Research, 16(2), 101-112, 2001.
  • Chu, J. T., Xia, J., Xu, C. Y., Singh, V. P., Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios in Haihe River, China. Theoretical and Applied Climatology, 99(1-2), 149-161, 2010.
  • Goyal, M. K., Ojha, C. S. P., Downscaling of surface temperature for lake catchment in an arid region in India using linear multiple regression and neural networks. International Journal of Climatology, 32(4), 552-566, 2012.
  • Duhan, D., Pandey, A. Statistical downscaling of temperature using three techniques in the Tons River basin in Central India. Theoretical and Applied Climatology, 121(3-4), 605-622, 2015.
  • Kouhestani, S., Eslamian, S. S., Abedi-Koupai, J., Besalatpour, A. A., Projection of climate change impacts on precipitation using soft-computing techniques: A case study in Zayandeh-rud Basin, Iran. Global and Planetary Change, 144, 158-170, 2016.
  • Okkan, U., Fistikoglu, O., Evaluating climate change effects on runoff by statistical downscaling and hydrological model GR2M. Theoretical and Applied Climatology, 117(1-2), 343-361, 2014.
  • Yilmaz, A., G., The effects of climate change on historical and future extreme rainfall in Antalya, Turkey, Hydrological Sciences Journal, 60, 12, 2148-2162, 2015.
  • Serbes, Z. A., Yıldırım, T. Ö., Mengü, G. P., Akkuzu, E., Aşık, Ş., Okkan, U., Temperature and precipitation projections under AR4 scenarios: The case of kucuk menderes basin, Turkey. Journal of Environmental Protection and Ecology, 20(1), 44-51, 2019.
  • Yilmaz, A. G., Imteaz, M. A., Climate change and water resources in Turkey: a review. International Journal of Water, 8(3), 299-313, 2014.
  • Yüksek, Ö., Kankal, M., Üçüncü, O., Assessment of big floods in the Eastern Black Sea Basin of Turkey. Environmental Monitoring and Assessment, 185(1), 797-814, 2013.
  • Mekonnen, D.F., Disse, M., Analyzing the future climate change of Upper Blue Nile River basin using statistical downscaling techniques. Hydrology and Earth System Sciences, 22: 2391–2408, 2018.
  • Wilby, R. L., Harris, I., A framework for assessing uncertainties in climate change impacts: Low‐flow scenarios for the River Thames, UK. Water Resources Research, 42(2), 1-10, 2006.
  • Wilby, R. L., Hay, L. E., Gutowski Jr, W. J., Arritt, R. W., Takle, E. S., Pan, Z., Leavesley G. H., Martyn P. C., Hydrological responses to dynamically and statistically downscaled climate model output. Geophysical Research Letters, 27(8), 1199-1202, 2000.
  • Hay, L. E., Wilby, R. L., Leavesley, G. H., A comparison of delta change and downscaled GCM scenarios for three mountainous basins in the United States. Journal of the American Water Resources Association, 36(2), 387-397, 2000.
  • Wilby, R. L., Dawson, C. W., Barrow, E. M., SDSM-a decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software, 17(2), 145-157, 2002.
  • Mora, D. E., Campozano, L., Cisneros, F., Wyseure, G., Willems, P., Climate changes of hydrometeorological and hydrological extremes in the Paute basin, Ecuadorean Andes. Hydrology and Earth System Sciences, 18(2), 631-648, 2014.
  • Okkan, U., Kirdemir, U. Downscaling of monthly precipitation using CMIP5 climate models operated under RCPs. Meteorological Applications, 23(3), 514-528, 2016.
  • Fistikoglu, O., Okkan, U., Statistical downscaling of monthly precipitation using NCEP/NCAR reanalysis data for Tahtali River Basin in Turkey. Journal of Hydrologic Engineering, 16(2), 157-164, 2011.
  • Timbal, B., Dufour, A., McAvaney, B., An estimate of future climate change for western France using a statistical downscaling technique. Climate Dynamics, 20(7-8), 807-823, 2003.
  • Feng, K. O. N. G., Characteristics and Comparison of Different Downscaling Methods in Global Climate Model. Meteorological & Environmental Research, 11(1), 40-44, 2020.
  • Bermudez, M., Cea, L., Van Uytven, E., Willems, P., Farfán, J. F., Puertas, J., A robust method to update local river inundation maps using global climate model output and weather typing based statistical downscaling. Water Resources Management, 34(14), 4345-4362, 2020.
  • Klein, W. H., Objective specification of monthly mean surface temperature from mean 700 mb heights in winter. Monthly Weather Review, 111(4), 674-691, 1983.
  • Landman, W. A., Mason, S. J., Tyson, P. D., Tennant, W. J., Statistical downscaling of GCM simulations to streamflow. Journal of Hydrology, 252(1-4), 221-236, 2001.
  • Wang, Q., Huang, J., Liu, R., Men, C., Guo, L., Miao, Y., Jiao, L., Wang, Y., Shoaib, M., Xia, X., Sequence-based statistical downscaling and its application to hydrologic simulations based on machine learning and big data. Journal of Hydrology, 586, 124875, 2020.
  • Sun, L., Lan, Y., Statistical downscaling of daily temperature and precipitation over China using deep learning neural models: Localization and comparison with other methods. International Journal of Climatology, 41, 1128-1147, 2020.
  • Sulca, J., Vuille, M., Timm, O. E., Dong, B., Zubieta, R., Empirical–Statistical Downscaling of Austral Summer Precipitation over South America, with a Focus on the Central Peruvian Andes and the Equatorial Amazon Basin. Journal of Applied Meteorology and Climatology, 60(1), 65-85, 2021.
  • Adnan, R. M., Liang, Z., Heddam, S., Zounemat-Kermani, M., Kisi, O., Li, B., Least square support vector machine and multivariate adaptive regression splines for streamflow prediction in mountainous basin using hydro-meteorological data as inputs. Journal of Hydrology, 586, 124371, 2020.
  • Wang, L., Wu, C., Gu, X., Liu, H., Mei, G., Zhang, W., Probabilistic stability analysis of earth dam slope under transient seepage using multivariate adaptive regression splines. Bulletin of Engineering Geology and the Environment, 79(6), 2763-2775, 2020.
  • Akin, M., Eyduran, S. P., Eyduran, E., Reed, B. M., Analysis of macro nutrient related growth responses using multivariate adaptive regression splines. Plant Cell, Tissue and Organ Culture (PCTOC), 140(3), 661-670, 2020.
  • Nacar, S., Mete, B., Bayram, A., Estimation of daily dissolved oxygen concentration for river water quality using conventional regression analysis, multivariate adaptive regression splines, and TreeNet techniques. Environmental Monitoring and Assessment, 192(12), 1-21, 2020.
  • Nacar, S., Bayram, A., Baki, O. T., Kankal, M., Aras, E., Spatial forecasting of dissolved oxygen concentration in the Eastern Black Sea Basin, Turkey. Water, 12(4), 1041, 2020.
  • Okkan U., İnan G., Gediz Havzası’nda gözlenen ve re-analiz veri setlerinden elde edilen yağış ve sıcaklık verilerine ait eğilimlerin 1980-2010 referans iklim dönemi için karşılaştırılması. DSİ Teknik Bülteni, 119, 10-26, 2015.
  • Wu, J., Zhang, P., Zha, J., Zhao, D., Lu, W., Evaluating the long-term changes in temperature over the low-latitude plateau in China using a statistical downscaling method. Climate Dynamics, 52(7), 4269-4292, 2019.
  • Mutz, S. G., Scherrer, S., Muceniece, I., Ehlers, T. A., Twenty-first century regional temperature response in Chile based on empirical-statistical downscaling. Climate Dynamics, 1-14, 2021.
  • Çıtakoğlu, H., Demir, V., Haktanır, T., L Momentler Yöntemiyle Karadeniz’e Dökülen Akarsulara Ait Yıllık Anlık Maksimum Akım Değerlerinin Bölgesel Frekans Analizi. Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, Cilt 6, Sayı 2, 571-580, 2017.
  • Orman ve Su İşleri Bakanlığı (OSİB), Havza Koruma Eylem Planlarının Hazırlanması Projesi Doğu Karadeniz Havzası, Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) Marmara Araştırma Merkezi, Çevre ve Temiz Üretim Enstitüsü, 2013.
  • Erkek, C. ve Ağıralioğlu, N., Su Kaynakları Mühendisliği, Altıncı Baskı, Beta Basım, İstanbul, 2010.
  • Çınaklı, M., Doğu Karadeniz Bölümü’nde Meydana Gelen Taşkınlar, Yüksek Lisans Tezi, Ankara Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara, 2008.
  • Meteoroloji Genel Müdürlüğü (MGM), Meteorolojik Afetler, Araştırma Dairesi Başkanlığı, Meteorolojik Afetler Şube Müdürlüğü, Meteoroloji Genel Müdürlüğü Matbaası, Ankara, 2018.
  • Anandhi, A., Srinivas, V. V., Nanjundiah, R. S., Nagesh Kumar, D., Downscaling precipitation to river basin in India for IPCC SRES scenarios using support vector machine. International Journal of Climatology: A Journal of the Royal Meteorological Society, 28(3), 401-420, 2008.
  • Okkan, U., Assessing the effects of climate change on monthly precipitation: proposing of a downscaling strategy through a case study in Turkey. KSCE Journal of Civil Engineering, 19(4), 1150-1156, 2015.
  • Okkan, U., Karakan, E., İklim Değişikliğinin İkizcetepeler Barajı Akımlarına Etkilerinin Modellenmesi: 2015-2030 Projeksiyonu. Teknik Dergi, 27(2), 7379-7401, 2016.
  • Berrisford, P., Kallberg, P., Kobayashi, S., Dee, D., Uppala, S., Simmons, A. J., Polii P., Sato, H., Atmospheric conservation properties in ERA‐Interim. Quarterly Journal of the Royal Meteorological Society, 137(659), 1381-1399, 2011.
  • Dee D.P., Uppala S.M., Simmons A.J., Berrisford P., Poli P., Kobayashi S., Andrae U., Balmaseda M.A., Balsamo G., Bauer P., Bechtold P., Beljaars A.C.M., van de Berg L., Bidlot J., Bormann N., Delsol C., Dragani R., Fuentes M., Geer A.J., Haimberger L., Healy S.B., Hersbach H., Holm E.V., Isaksen L., Kallberg P., Köhler M., Matricardi M., McNally A.P., Monge-Sanz B.M., Morcrette J.-J., Park B.-K., Peubey C., de Rosnay P., Tavolato C., Thépaut J. N., Vitart F., The ERA‐Interim reanalysis: Configuration and performance of the data assimilation system, Quarterly Journal Of The Royal Meteorological Society, 137(656), 553-597, 2011.
  • Berrisford P., Dee D.P.K.F., Fielding K., Fuentes M., Kallberg P., Kobayashi S., Uppala S., The ERA-interim archive, ERA report series, (1), 1-16, 2009.
  • Orman ve Su İşleri Bakanlığı (OSİB), Konya Havzası Kuraklık Yönetim Planı. Su yönetimi Genel Müdürlüğü, Taşkın ve Kuraklık Yönetim Dairesi Başkanlığı, Ankara, 2015.
  • Demircan, M., Gürkan, H., Eskioğlu, O., Arabacı, H., Coşkun, M., Climate change projections for Turkey: three models and two scenarios, Türkiye Su Bilimi ve Yönetimi Dergisi, 1(1), 22-43, 2017.
  • Orman ve Su İşleri Bakanlığı (OSİB), İklim değişikliğinin su kaynaklarına etkisi projesi Proje Nihai Raporu, 2016.
  • Okkan, U., Kirdemir, U., Investigation of the behavior of an agricultural-operated dam reservoir under RCP scenarios of AR5-IPCC. Water Resources Management, 32(8), 2847-2866, 2018.
  • Friedman J.H., Multivariate adaptive regression splines, The Annals of Statistics, 19(1), 1-67, 1991.
  • Friedman, J. H., Roosen, C. B. An introduction to multivariate adaptive regression splines. Statistical Methods in Medical Research, 4(3), 197-217, 1995.
  • Kisi O., Parmar K.S., Application of least square support vector machine and multivariate adaptive regression spline models in long term prediction of river water pollution, Journal of Hydrology, 534, 104-112, 2016.
  • Özfalcı Y., Çok değişkenli uyarlanabilir regresyon kesitleri: Mars, Yüksek Lisans Tezi, Gazi Üniversitesi, Ankara, Türkiye, 2008.
  • Nacar S., Kankal M., Hınıs M.A., Çok değişkenli uyarlanabilir regresyon eğrileri (ÇDURE) ile Günlük Akarsu Akımlarının Tahmini-Haldizen Deresi Örneği, Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 8(1), 38-47, 2018.
  • Ünal B., Çok değişkenli uyarlamalı regresyon uzanımları, Yüksek Lisans Tezi, Hacettepe Üniversitesi, İstanbul, Türkiye, 2009.
  • Kırdemir, U., Okkan, U., Farklı yanlılık düzeltme yöntemlerinin istatistiksel ölçeğe indirgenmiş yağış projeksiyonlarına uygulanması. Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 21(2), 868-881, 2019.
  • Schmidli, J., Frei, C., Vidale, P. L., Downscaling from GCM precipitation: a benchmark for dynamical and statistical downscaling methods. International Journal of Climatology: A Journal of the Royal Meteorological Society, 26(5), 679-689, 2006.
  • Lenderink, G., Buishand, A., Van Deursen, W., Estimates of future discharges of the river Rhine using two scenario methodologies: direct versus delta approach. Hydrology and Earth System Sciences, 11(3), 1145–1159, 2007.
  • Ines, A. V., Hansen, J. W., Bias correction of daily GCM rainfall for crop simulation studies. Agricultural and Forest Meteorology, 138(1-4), 44-53, 2006.
  • Jakob Themeßl, M., Gobiet, A., Leuprecht, A., Empirical‐statistical downscaling and error correction of daily precipitation from regional climate models. International Journal of Climatology, 31(10), 1530-1544, 2011.
  • Cannon, A. J., Sobie, S. R., Murdock, T. Q., Bias correction of GCM precipitation by quantile mapping: How well do methods preserve changes in quantiles and extremes?. Journal of Climate, 28(17), 6938-6959, 2015.
  • Wilby, R. L., Charles, S. P., Zorita, E., Timbal, B., Whetton, P., Mearns, L. O., Guidelines for use of climate scenarios developed from statistical downscaling methods. Supporting material of the Intergovernmental Panel on Climate Change, available from the DDC of IPCC TGCIA, 27, 2004.
  • Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D., Veith, T. L., Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 50(3), 885-900, 2007.
  • Tatli, H., Nüzhet Dalfes, H., Sibel Menteş, Ş., A statistical downscaling method for monthly total precipitation over Turkey. International Journal of Climatology: A Journal of the Royal Meteorological Society, 24(2), 161-180, 2004.
  • Tatli, H., Dalfes, H. N., Menteş, Ş. S., Surface air temperature variability over turkey and its connection to large‐scale upper air circulation via multivariate techniques. International Journal of Climatology, 25(3), 331-350, 2005.
  • Gürkan, H., Arabaci, H., Demircan, M., Eskioğlu, O., Şensoy, S., Yazici, B., GFDL-ESM2M modeli temelinde RCP4. 5 ve RCP8. 5 senaryolarına göre Türkiye İçin sıcaklık ve yağış projeksiyonları. Coğrafi Bilimler Dergisi, 14(2), 77-88, 2016.
  • Turp, M. T., Öztürk, T., Türkeş, M., Kurnaz, M. L., RegCM4. 3.5 bölgesel iklim modelini kullanarak Türkiye ve çevresi bölgelerin yakın gelecekteki hava sıcaklığı ve yağış klimatolojileri için öngörülen değişikliklerin incelenmesi. Ege Coğrafya Dergisi, 23(1), 1-24, 2014.
  • Meteoroloji Genel Müdürlüğü, Yen senaryolarla Türkiye iklim projeksiyonları ve iklim değişikliği, Araştırma Dairesi Başkanlığı, Klimatoloji Şube Müdürlüğü, Ankara, 2015.
  • Mahdavi, M., Sharifi, F., Bihamta, M. R., Methodology for selecting the best predictor for climate change impact assessment in Karkheh basin, Iran. Journal of Environmental Science & Engineering, 51(4), 249-256, 2009.
  • Chan, S. C., Kendon, E. J., Roberts, N., Blenkinsop, S., Fowler, H. J., Large-scale predictors for extreme hourly precipitation events in convection-permitting climate simulations. Journal of Climate, 31(6), 2115-2131, 2018.
  • Mann, H. B., Nonparametric tests against trend. Econometrica: Journal of the Econometric Society, 245-259, 1945.
  • Kendall M. G., Rank correlation methods. Oxford University Press, New York, 1975.
  • Akçay, F., Kankal, M., Şan, M., Innovative approaches to the trend assessment of streamflows in the eastern Black Sea basin, Turkey. Hydrological Sciences Journal, 67(2), 222-247, 2022.
  • Şan, M., Akçay, F., Linh, N. T. T., Kankal, M., Pham, Q. B., Innovative and polygonal trend analyses applications for rainfall data in Vietnam. Theoretical and Applied Climatology, 144(3), 809-822, 2021.
  • Xoplaki, E., González-Rouco, J. F., Luterbacher, J., Wanner, H., Wet season Mediterranean precipitation variability: influence of large-scale dynamics and trends. Climate Dynamics, 23(1), 63-78, 2004.
  • Maheras, P., Tolika, K., Anagnostopoulou, C., Vafiadis, M., Patrikas, I., Flocas, H. On the relationships between circulation types and changes in rainfall variability in Greece. International Journal of Climatology: A Journal of the Royal Meteorological Society, 24(13), 1695-1712, 2004.
  • Anılan, T., Yüksek, Ö., Kankal, M., Doğu Karadeniz Havzası’nın L-Momentlere Dayalı Taşkın Frekans Analizi. Teknik Dergi, 27(2), 7403-7427, 2016.
  • Demircan, M., Demir, Ö., Atay, H., Eskioğlu, O., Yazıcı, B., Gürkan, H., Tuvan, A., Akçakaya, A., Türkiye’de Yeni Senaryolara Göre İklim Değişikliği Projeksiyonları. TÜCAUM-VIII. Coğrafya Sempozyumu, 23-24, 2014.
  • Karahan, H, Bahar, E, Zeybekoğlu U., Standart Süreli Maksimum Yağış Şiddetleri için Trend Analizi: Doğu Karadeniz Bölgesi için Bir Uygulama, 7. Kentsel Altyapı Sempozyumu, Bildiriler kitabı, 227-238, Kasım 2015, Trabzon, 2015.
  • Zeybekoğlu, U., Karahan, H., Standart süreli yağış şiddetlerinin eğilim analizi yöntemleriyle incelenmesi . Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 24(6) , 974-1004, 2018.
  • Dikici, M., Aksel, M., Evaluation of two vegetation indices (NDVI and VCI) Over Asi Basin in Turkey. Teknik Dergi, 32(4), 2020.
  • Şen, K., Aksu, H., İstanbul için standart süreli gözlenen en büyük yağışların eğilimleri. Teknik Dergi, 32(1), 1-2, 2021.
  • Alramlawi, K., Fıstıkoğlu, O., Estimation of Intensity-Duration-Frequency (IDF) Curves from Large Scale Atmospheric Dataset by Statistical Downscaling. Teknik Dergi, 33(1), 2022.
  • Gao, C., Booij, M. J., Xu, Y. P., Impacts of climate change on characteristics of daily‐scale rainfall events based on nine selected GCMs under four CMIP5 RCP scenarios in Qu River basin, east China. International journal of climatology, 40(2), 887-907, 2020.

Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması ve Senaryo Esaslı Öngörüler

Year 2022, Volume: 33 Issue: 6, 12877 - 12911, 01.11.2022
https://doi.org/10.18400/tekderg.895112

Abstract

İklim değişikliği konusu çevresel, ekonomik ve sosyal etkileri nedeniyle dünya çapında tartışılan en önemli sorunlardan biri haline gelmiştir. İklim değişikliği etkisinin büyüklüğünün belirlenmesi ve olası uyum çalışmaları için en önemli iklim değişkenlerinden olan sıcaklık ve yağışın, gelecek dönemlerdeki değişimlerinin belirlenmesi gerekmektedir. Bu amaçla genel dolaşım modellerinin (GDM) kaba çözünürlüklü senaryo çıktıları kullanılmaktadır. Bu çıktıların düşük çözünürlüğe sahip olması bölgesel ölçekteki iklim değişikliği etkilerinin belirlenmesinde doğrudan kullanımlarını kısıtlamaktadır. Bölgesel ölçekteki değişimlerin belirlenebilmesi için GDM çıktılarının uygun bir ölçeğe indirgenmesi gerekmektedir. Bu çalışmada Türkiye’nin en önemli hidrolojik havzalarından biri olan Doğu Karadeniz Havzası’nda (DKH) iklim değişikliğinin aylık toplam yağış ve aylık ortalama sıcaklık değişkenleri üzerindeki olası etkilerinin belirlenmesi amaçlanmıştır. Bu amaçla GFDL-ESM2M GDM modelinin iyimser (RCP4.5) ve kötümser (RCP8.5) senaryolarına ait düşük çözünürlüklü çıktıları Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (ÇDURE) ve klasik regresyon analizi yöntemleri kullanılarak bölgesel ölçeğe indirgenmiştir. Yöntemlerin ölçek indirgeme başarılarının karşılaştırılabilmesi için çeşitli performans istatistikleri kullanılmış ve en yüksek performansı veren yöntem bu istatistiklere göre seçilmiştir. Çalışma kapsamında DKH içinde ve çevresinde yer alan 12 adet meteoroloji istasyonuna ait gelecek dönem (2021-2050, 2051-2080, 2081-2100) aylık ortalama sıcaklık ve aylık toplam yağış değerleri en iyi performans gösteren ÇDURE tabanlı modeller kullanılarak iki farklı senaryo için elde edilmiştir. Elde edilen senaryo verilerine ayrıca Mann-Kendall eğilim analizi uygulanmıştır. Sonuçlar DKH’nın karasal iklim karakteristiğine sahip güney bölümünde (Bayburt, Gümüşhane, Suşehri ve Şebinkarahisar istasyonları) gelecek dönem 2021-2050 periyodunda sıcaklık değerlerinde RCP4.5 senaryosuna göre ortalama 1,0 °C, RCP8.5’e göre ise ortalama 1,5 °C artış beklendiğini göstermektedir. Bunun yanında Rize, Pazar ve Hopa istasyonlarının yer aldığı kıyı şeridinde sıcaklık değerlerinde 2,5 °C’ye varan artışlar öngörülmektedir. Uzun süreli yağış ortalaması değerlerinde ise havza genelinde her iki senaryoya göre düşüş beklenmektedir. 2051-2080 ve 2081-2100 dönemlerinde ise sıcaklık ve yağış değerlerinde beklenen değişimlerin 2021-2050 dönemine kıyasla daha fazla olacağı öngörülmektedir. Eğilim analizi sonuçlarına göre sıcaklık ve yağış için RCP4.5 senaryosuna göre gelecek dönemlerde %5 anlamlılık düzeyinde herhangi bir eğilim beklenmezken RCP8.5 senaryosuna göre sıcaklık için artış, yağış için düşüş eğilimleri tespit edilmiştir.

References

  • Al-Mukhtar, M., Qasim, M., Future predictions of precipitation and temperature in Iraq using the statistical downscaling model. Arabian Journal of Geosciences, 12(2), 25, 1-16, 2019.
  • Nourani V., Razzaghzadeh Z., Baghanam A.H., Molajou A., ANN-based statistical downscaling of climatic parameters using decision tree predictor screening method. Theoretical and Apllied Climatology, 137, 1729-1746, 2019.
  • Smith, J. B., Schneider, S. H., Oppenheimer, M., Yohe, G. W., Hare, W., Mastrandrea, M. D., Patwardhan, A., Burton, I. Morlot, J. C., Magadza, C. H. D., Füssel, H. M., Pittock, A. B., Rahman, A., Suarez, A., Ypersele, J. P., Assessing dangerous climate change through an update of the Intergovernmental Panel on Climate Change (IPCC)“reasons for concern”. Proceedings of the national Academy of Sciences, 106(11), 4133-4137, 2009.
  • IPCC Climate change 2013: The Physical Science Basis: Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change In: Stocker T. F., Qin D., Plattner G. K., Tignor M., Allen S. K., Boschung J., Nauels A., Xia Y., Bex V., Midgley P. M., (eds) Cambridge university press, Cambridge, United Kingdom and New York, NY, USA, 1535 pp, 2013.
  • IPCC Summary for policymakers 2018. In: Masson-Delmotte V, et al, editors. Global warmingof 1.5°C: An IPCC special report on the impacts of global warming of 1.5°C above pre-industrial levels and related global greenhouse gas emission pathways, in the contextof strengthening the global response to the threat of climate change. Geneva,Switzerland: World Meteorological Organization, 32 pp, 2018.
  • Osses D.A., Casanueva A., Figueroa C.R., Uribe J.M., Peneque M., Climate change projection of temperature and precipitation in Chile based on statistical downscaling. Climate Dynamics, 54, 4309-4330, 2020.
  • Ouhamdouch, S., Bahir, M., Climate change impact on future rainfall and temperature in semi-arid areas (Essaouira Basin, Morocco). Environmental Processes, 4(4), 975-990, 2017.
  • Trenberth, K. E., Changes in precipitation with climate change. Climate Research, 47, 123-138, 2011.
  • Bergström, S., Carlsson, B., Gardelin, M., Lindström, G., Pettersson, A., Rummukainen, M., Climate change impacts on runoff in Sweden assessments by global climate models, dynamical downscaling and hydrological modelling. Climate Research, 16(2), 101-112, 2001.
  • Chu, J. T., Xia, J., Xu, C. Y., Singh, V. P., Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios in Haihe River, China. Theoretical and Applied Climatology, 99(1-2), 149-161, 2010.
  • Goyal, M. K., Ojha, C. S. P., Downscaling of surface temperature for lake catchment in an arid region in India using linear multiple regression and neural networks. International Journal of Climatology, 32(4), 552-566, 2012.
  • Duhan, D., Pandey, A. Statistical downscaling of temperature using three techniques in the Tons River basin in Central India. Theoretical and Applied Climatology, 121(3-4), 605-622, 2015.
  • Kouhestani, S., Eslamian, S. S., Abedi-Koupai, J., Besalatpour, A. A., Projection of climate change impacts on precipitation using soft-computing techniques: A case study in Zayandeh-rud Basin, Iran. Global and Planetary Change, 144, 158-170, 2016.
  • Okkan, U., Fistikoglu, O., Evaluating climate change effects on runoff by statistical downscaling and hydrological model GR2M. Theoretical and Applied Climatology, 117(1-2), 343-361, 2014.
  • Yilmaz, A., G., The effects of climate change on historical and future extreme rainfall in Antalya, Turkey, Hydrological Sciences Journal, 60, 12, 2148-2162, 2015.
  • Serbes, Z. A., Yıldırım, T. Ö., Mengü, G. P., Akkuzu, E., Aşık, Ş., Okkan, U., Temperature and precipitation projections under AR4 scenarios: The case of kucuk menderes basin, Turkey. Journal of Environmental Protection and Ecology, 20(1), 44-51, 2019.
  • Yilmaz, A. G., Imteaz, M. A., Climate change and water resources in Turkey: a review. International Journal of Water, 8(3), 299-313, 2014.
  • Yüksek, Ö., Kankal, M., Üçüncü, O., Assessment of big floods in the Eastern Black Sea Basin of Turkey. Environmental Monitoring and Assessment, 185(1), 797-814, 2013.
  • Mekonnen, D.F., Disse, M., Analyzing the future climate change of Upper Blue Nile River basin using statistical downscaling techniques. Hydrology and Earth System Sciences, 22: 2391–2408, 2018.
  • Wilby, R. L., Harris, I., A framework for assessing uncertainties in climate change impacts: Low‐flow scenarios for the River Thames, UK. Water Resources Research, 42(2), 1-10, 2006.
  • Wilby, R. L., Hay, L. E., Gutowski Jr, W. J., Arritt, R. W., Takle, E. S., Pan, Z., Leavesley G. H., Martyn P. C., Hydrological responses to dynamically and statistically downscaled climate model output. Geophysical Research Letters, 27(8), 1199-1202, 2000.
  • Hay, L. E., Wilby, R. L., Leavesley, G. H., A comparison of delta change and downscaled GCM scenarios for three mountainous basins in the United States. Journal of the American Water Resources Association, 36(2), 387-397, 2000.
  • Wilby, R. L., Dawson, C. W., Barrow, E. M., SDSM-a decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software, 17(2), 145-157, 2002.
  • Mora, D. E., Campozano, L., Cisneros, F., Wyseure, G., Willems, P., Climate changes of hydrometeorological and hydrological extremes in the Paute basin, Ecuadorean Andes. Hydrology and Earth System Sciences, 18(2), 631-648, 2014.
  • Okkan, U., Kirdemir, U. Downscaling of monthly precipitation using CMIP5 climate models operated under RCPs. Meteorological Applications, 23(3), 514-528, 2016.
  • Fistikoglu, O., Okkan, U., Statistical downscaling of monthly precipitation using NCEP/NCAR reanalysis data for Tahtali River Basin in Turkey. Journal of Hydrologic Engineering, 16(2), 157-164, 2011.
  • Timbal, B., Dufour, A., McAvaney, B., An estimate of future climate change for western France using a statistical downscaling technique. Climate Dynamics, 20(7-8), 807-823, 2003.
  • Feng, K. O. N. G., Characteristics and Comparison of Different Downscaling Methods in Global Climate Model. Meteorological & Environmental Research, 11(1), 40-44, 2020.
  • Bermudez, M., Cea, L., Van Uytven, E., Willems, P., Farfán, J. F., Puertas, J., A robust method to update local river inundation maps using global climate model output and weather typing based statistical downscaling. Water Resources Management, 34(14), 4345-4362, 2020.
  • Klein, W. H., Objective specification of monthly mean surface temperature from mean 700 mb heights in winter. Monthly Weather Review, 111(4), 674-691, 1983.
  • Landman, W. A., Mason, S. J., Tyson, P. D., Tennant, W. J., Statistical downscaling of GCM simulations to streamflow. Journal of Hydrology, 252(1-4), 221-236, 2001.
  • Wang, Q., Huang, J., Liu, R., Men, C., Guo, L., Miao, Y., Jiao, L., Wang, Y., Shoaib, M., Xia, X., Sequence-based statistical downscaling and its application to hydrologic simulations based on machine learning and big data. Journal of Hydrology, 586, 124875, 2020.
  • Sun, L., Lan, Y., Statistical downscaling of daily temperature and precipitation over China using deep learning neural models: Localization and comparison with other methods. International Journal of Climatology, 41, 1128-1147, 2020.
  • Sulca, J., Vuille, M., Timm, O. E., Dong, B., Zubieta, R., Empirical–Statistical Downscaling of Austral Summer Precipitation over South America, with a Focus on the Central Peruvian Andes and the Equatorial Amazon Basin. Journal of Applied Meteorology and Climatology, 60(1), 65-85, 2021.
  • Adnan, R. M., Liang, Z., Heddam, S., Zounemat-Kermani, M., Kisi, O., Li, B., Least square support vector machine and multivariate adaptive regression splines for streamflow prediction in mountainous basin using hydro-meteorological data as inputs. Journal of Hydrology, 586, 124371, 2020.
  • Wang, L., Wu, C., Gu, X., Liu, H., Mei, G., Zhang, W., Probabilistic stability analysis of earth dam slope under transient seepage using multivariate adaptive regression splines. Bulletin of Engineering Geology and the Environment, 79(6), 2763-2775, 2020.
  • Akin, M., Eyduran, S. P., Eyduran, E., Reed, B. M., Analysis of macro nutrient related growth responses using multivariate adaptive regression splines. Plant Cell, Tissue and Organ Culture (PCTOC), 140(3), 661-670, 2020.
  • Nacar, S., Mete, B., Bayram, A., Estimation of daily dissolved oxygen concentration for river water quality using conventional regression analysis, multivariate adaptive regression splines, and TreeNet techniques. Environmental Monitoring and Assessment, 192(12), 1-21, 2020.
  • Nacar, S., Bayram, A., Baki, O. T., Kankal, M., Aras, E., Spatial forecasting of dissolved oxygen concentration in the Eastern Black Sea Basin, Turkey. Water, 12(4), 1041, 2020.
  • Okkan U., İnan G., Gediz Havzası’nda gözlenen ve re-analiz veri setlerinden elde edilen yağış ve sıcaklık verilerine ait eğilimlerin 1980-2010 referans iklim dönemi için karşılaştırılması. DSİ Teknik Bülteni, 119, 10-26, 2015.
  • Wu, J., Zhang, P., Zha, J., Zhao, D., Lu, W., Evaluating the long-term changes in temperature over the low-latitude plateau in China using a statistical downscaling method. Climate Dynamics, 52(7), 4269-4292, 2019.
  • Mutz, S. G., Scherrer, S., Muceniece, I., Ehlers, T. A., Twenty-first century regional temperature response in Chile based on empirical-statistical downscaling. Climate Dynamics, 1-14, 2021.
  • Çıtakoğlu, H., Demir, V., Haktanır, T., L Momentler Yöntemiyle Karadeniz’e Dökülen Akarsulara Ait Yıllık Anlık Maksimum Akım Değerlerinin Bölgesel Frekans Analizi. Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, Cilt 6, Sayı 2, 571-580, 2017.
  • Orman ve Su İşleri Bakanlığı (OSİB), Havza Koruma Eylem Planlarının Hazırlanması Projesi Doğu Karadeniz Havzası, Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) Marmara Araştırma Merkezi, Çevre ve Temiz Üretim Enstitüsü, 2013.
  • Erkek, C. ve Ağıralioğlu, N., Su Kaynakları Mühendisliği, Altıncı Baskı, Beta Basım, İstanbul, 2010.
  • Çınaklı, M., Doğu Karadeniz Bölümü’nde Meydana Gelen Taşkınlar, Yüksek Lisans Tezi, Ankara Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara, 2008.
  • Meteoroloji Genel Müdürlüğü (MGM), Meteorolojik Afetler, Araştırma Dairesi Başkanlığı, Meteorolojik Afetler Şube Müdürlüğü, Meteoroloji Genel Müdürlüğü Matbaası, Ankara, 2018.
  • Anandhi, A., Srinivas, V. V., Nanjundiah, R. S., Nagesh Kumar, D., Downscaling precipitation to river basin in India for IPCC SRES scenarios using support vector machine. International Journal of Climatology: A Journal of the Royal Meteorological Society, 28(3), 401-420, 2008.
  • Okkan, U., Assessing the effects of climate change on monthly precipitation: proposing of a downscaling strategy through a case study in Turkey. KSCE Journal of Civil Engineering, 19(4), 1150-1156, 2015.
  • Okkan, U., Karakan, E., İklim Değişikliğinin İkizcetepeler Barajı Akımlarına Etkilerinin Modellenmesi: 2015-2030 Projeksiyonu. Teknik Dergi, 27(2), 7379-7401, 2016.
  • Berrisford, P., Kallberg, P., Kobayashi, S., Dee, D., Uppala, S., Simmons, A. J., Polii P., Sato, H., Atmospheric conservation properties in ERA‐Interim. Quarterly Journal of the Royal Meteorological Society, 137(659), 1381-1399, 2011.
  • Dee D.P., Uppala S.M., Simmons A.J., Berrisford P., Poli P., Kobayashi S., Andrae U., Balmaseda M.A., Balsamo G., Bauer P., Bechtold P., Beljaars A.C.M., van de Berg L., Bidlot J., Bormann N., Delsol C., Dragani R., Fuentes M., Geer A.J., Haimberger L., Healy S.B., Hersbach H., Holm E.V., Isaksen L., Kallberg P., Köhler M., Matricardi M., McNally A.P., Monge-Sanz B.M., Morcrette J.-J., Park B.-K., Peubey C., de Rosnay P., Tavolato C., Thépaut J. N., Vitart F., The ERA‐Interim reanalysis: Configuration and performance of the data assimilation system, Quarterly Journal Of The Royal Meteorological Society, 137(656), 553-597, 2011.
  • Berrisford P., Dee D.P.K.F., Fielding K., Fuentes M., Kallberg P., Kobayashi S., Uppala S., The ERA-interim archive, ERA report series, (1), 1-16, 2009.
  • Orman ve Su İşleri Bakanlığı (OSİB), Konya Havzası Kuraklık Yönetim Planı. Su yönetimi Genel Müdürlüğü, Taşkın ve Kuraklık Yönetim Dairesi Başkanlığı, Ankara, 2015.
  • Demircan, M., Gürkan, H., Eskioğlu, O., Arabacı, H., Coşkun, M., Climate change projections for Turkey: three models and two scenarios, Türkiye Su Bilimi ve Yönetimi Dergisi, 1(1), 22-43, 2017.
  • Orman ve Su İşleri Bakanlığı (OSİB), İklim değişikliğinin su kaynaklarına etkisi projesi Proje Nihai Raporu, 2016.
  • Okkan, U., Kirdemir, U., Investigation of the behavior of an agricultural-operated dam reservoir under RCP scenarios of AR5-IPCC. Water Resources Management, 32(8), 2847-2866, 2018.
  • Friedman J.H., Multivariate adaptive regression splines, The Annals of Statistics, 19(1), 1-67, 1991.
  • Friedman, J. H., Roosen, C. B. An introduction to multivariate adaptive regression splines. Statistical Methods in Medical Research, 4(3), 197-217, 1995.
  • Kisi O., Parmar K.S., Application of least square support vector machine and multivariate adaptive regression spline models in long term prediction of river water pollution, Journal of Hydrology, 534, 104-112, 2016.
  • Özfalcı Y., Çok değişkenli uyarlanabilir regresyon kesitleri: Mars, Yüksek Lisans Tezi, Gazi Üniversitesi, Ankara, Türkiye, 2008.
  • Nacar S., Kankal M., Hınıs M.A., Çok değişkenli uyarlanabilir regresyon eğrileri (ÇDURE) ile Günlük Akarsu Akımlarının Tahmini-Haldizen Deresi Örneği, Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 8(1), 38-47, 2018.
  • Ünal B., Çok değişkenli uyarlamalı regresyon uzanımları, Yüksek Lisans Tezi, Hacettepe Üniversitesi, İstanbul, Türkiye, 2009.
  • Kırdemir, U., Okkan, U., Farklı yanlılık düzeltme yöntemlerinin istatistiksel ölçeğe indirgenmiş yağış projeksiyonlarına uygulanması. Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 21(2), 868-881, 2019.
  • Schmidli, J., Frei, C., Vidale, P. L., Downscaling from GCM precipitation: a benchmark for dynamical and statistical downscaling methods. International Journal of Climatology: A Journal of the Royal Meteorological Society, 26(5), 679-689, 2006.
  • Lenderink, G., Buishand, A., Van Deursen, W., Estimates of future discharges of the river Rhine using two scenario methodologies: direct versus delta approach. Hydrology and Earth System Sciences, 11(3), 1145–1159, 2007.
  • Ines, A. V., Hansen, J. W., Bias correction of daily GCM rainfall for crop simulation studies. Agricultural and Forest Meteorology, 138(1-4), 44-53, 2006.
  • Jakob Themeßl, M., Gobiet, A., Leuprecht, A., Empirical‐statistical downscaling and error correction of daily precipitation from regional climate models. International Journal of Climatology, 31(10), 1530-1544, 2011.
  • Cannon, A. J., Sobie, S. R., Murdock, T. Q., Bias correction of GCM precipitation by quantile mapping: How well do methods preserve changes in quantiles and extremes?. Journal of Climate, 28(17), 6938-6959, 2015.
  • Wilby, R. L., Charles, S. P., Zorita, E., Timbal, B., Whetton, P., Mearns, L. O., Guidelines for use of climate scenarios developed from statistical downscaling methods. Supporting material of the Intergovernmental Panel on Climate Change, available from the DDC of IPCC TGCIA, 27, 2004.
  • Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D., Veith, T. L., Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 50(3), 885-900, 2007.
  • Tatli, H., Nüzhet Dalfes, H., Sibel Menteş, Ş., A statistical downscaling method for monthly total precipitation over Turkey. International Journal of Climatology: A Journal of the Royal Meteorological Society, 24(2), 161-180, 2004.
  • Tatli, H., Dalfes, H. N., Menteş, Ş. S., Surface air temperature variability over turkey and its connection to large‐scale upper air circulation via multivariate techniques. International Journal of Climatology, 25(3), 331-350, 2005.
  • Gürkan, H., Arabaci, H., Demircan, M., Eskioğlu, O., Şensoy, S., Yazici, B., GFDL-ESM2M modeli temelinde RCP4. 5 ve RCP8. 5 senaryolarına göre Türkiye İçin sıcaklık ve yağış projeksiyonları. Coğrafi Bilimler Dergisi, 14(2), 77-88, 2016.
  • Turp, M. T., Öztürk, T., Türkeş, M., Kurnaz, M. L., RegCM4. 3.5 bölgesel iklim modelini kullanarak Türkiye ve çevresi bölgelerin yakın gelecekteki hava sıcaklığı ve yağış klimatolojileri için öngörülen değişikliklerin incelenmesi. Ege Coğrafya Dergisi, 23(1), 1-24, 2014.
  • Meteoroloji Genel Müdürlüğü, Yen senaryolarla Türkiye iklim projeksiyonları ve iklim değişikliği, Araştırma Dairesi Başkanlığı, Klimatoloji Şube Müdürlüğü, Ankara, 2015.
  • Mahdavi, M., Sharifi, F., Bihamta, M. R., Methodology for selecting the best predictor for climate change impact assessment in Karkheh basin, Iran. Journal of Environmental Science & Engineering, 51(4), 249-256, 2009.
  • Chan, S. C., Kendon, E. J., Roberts, N., Blenkinsop, S., Fowler, H. J., Large-scale predictors for extreme hourly precipitation events in convection-permitting climate simulations. Journal of Climate, 31(6), 2115-2131, 2018.
  • Mann, H. B., Nonparametric tests against trend. Econometrica: Journal of the Econometric Society, 245-259, 1945.
  • Kendall M. G., Rank correlation methods. Oxford University Press, New York, 1975.
  • Akçay, F., Kankal, M., Şan, M., Innovative approaches to the trend assessment of streamflows in the eastern Black Sea basin, Turkey. Hydrological Sciences Journal, 67(2), 222-247, 2022.
  • Şan, M., Akçay, F., Linh, N. T. T., Kankal, M., Pham, Q. B., Innovative and polygonal trend analyses applications for rainfall data in Vietnam. Theoretical and Applied Climatology, 144(3), 809-822, 2021.
  • Xoplaki, E., González-Rouco, J. F., Luterbacher, J., Wanner, H., Wet season Mediterranean precipitation variability: influence of large-scale dynamics and trends. Climate Dynamics, 23(1), 63-78, 2004.
  • Maheras, P., Tolika, K., Anagnostopoulou, C., Vafiadis, M., Patrikas, I., Flocas, H. On the relationships between circulation types and changes in rainfall variability in Greece. International Journal of Climatology: A Journal of the Royal Meteorological Society, 24(13), 1695-1712, 2004.
  • Anılan, T., Yüksek, Ö., Kankal, M., Doğu Karadeniz Havzası’nın L-Momentlere Dayalı Taşkın Frekans Analizi. Teknik Dergi, 27(2), 7403-7427, 2016.
  • Demircan, M., Demir, Ö., Atay, H., Eskioğlu, O., Yazıcı, B., Gürkan, H., Tuvan, A., Akçakaya, A., Türkiye’de Yeni Senaryolara Göre İklim Değişikliği Projeksiyonları. TÜCAUM-VIII. Coğrafya Sempozyumu, 23-24, 2014.
  • Karahan, H, Bahar, E, Zeybekoğlu U., Standart Süreli Maksimum Yağış Şiddetleri için Trend Analizi: Doğu Karadeniz Bölgesi için Bir Uygulama, 7. Kentsel Altyapı Sempozyumu, Bildiriler kitabı, 227-238, Kasım 2015, Trabzon, 2015.
  • Zeybekoğlu, U., Karahan, H., Standart süreli yağış şiddetlerinin eğilim analizi yöntemleriyle incelenmesi . Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 24(6) , 974-1004, 2018.
  • Dikici, M., Aksel, M., Evaluation of two vegetation indices (NDVI and VCI) Over Asi Basin in Turkey. Teknik Dergi, 32(4), 2020.
  • Şen, K., Aksu, H., İstanbul için standart süreli gözlenen en büyük yağışların eğilimleri. Teknik Dergi, 32(1), 1-2, 2021.
  • Alramlawi, K., Fıstıkoğlu, O., Estimation of Intensity-Duration-Frequency (IDF) Curves from Large Scale Atmospheric Dataset by Statistical Downscaling. Teknik Dergi, 33(1), 2022.
  • Gao, C., Booij, M. J., Xu, Y. P., Impacts of climate change on characteristics of daily‐scale rainfall events based on nine selected GCMs under four CMIP5 RCP scenarios in Qu River basin, east China. International journal of climatology, 40(2), 887-907, 2020.
There are 92 citations in total.

Details

Primary Language Turkish
Subjects Civil Engineering
Journal Section Articles
Authors

Sinan Nacar 0000-0003-2497-5032

Murat Kankal 0000-0003-0897-4742

Umut Okkan 0000-0003-1284-3825

Publication Date November 1, 2022
Submission Date March 11, 2021
Published in Issue Year 2022 Volume: 33 Issue: 6

Cite

APA Nacar, S., Kankal, M., & Okkan, U. (2022). Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması ve Senaryo Esaslı Öngörüler. Teknik Dergi, 33(6), 12877-12911. https://doi.org/10.18400/tekderg.895112
AMA Nacar S, Kankal M, Okkan U. Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması ve Senaryo Esaslı Öngörüler. Teknik Dergi. November 2022;33(6):12877-12911. doi:10.18400/tekderg.895112
Chicago Nacar, Sinan, Murat Kankal, and Umut Okkan. “Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması Ve Senaryo Esaslı Öngörüler”. Teknik Dergi 33, no. 6 (November 2022): 12877-911. https://doi.org/10.18400/tekderg.895112.
EndNote Nacar S, Kankal M, Okkan U (November 1, 2022) Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması ve Senaryo Esaslı Öngörüler. Teknik Dergi 33 6 12877–12911.
IEEE S. Nacar, M. Kankal, and U. Okkan, “Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması ve Senaryo Esaslı Öngörüler”, Teknik Dergi, vol. 33, no. 6, pp. 12877–12911, 2022, doi: 10.18400/tekderg.895112.
ISNAD Nacar, Sinan et al. “Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması Ve Senaryo Esaslı Öngörüler”. Teknik Dergi 33/6 (November 2022), 12877-12911. https://doi.org/10.18400/tekderg.895112.
JAMA Nacar S, Kankal M, Okkan U. Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması ve Senaryo Esaslı Öngörüler. Teknik Dergi. 2022;33:12877–12911.
MLA Nacar, Sinan et al. “Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması Ve Senaryo Esaslı Öngörüler”. Teknik Dergi, vol. 33, no. 6, 2022, pp. 12877-11, doi:10.18400/tekderg.895112.
Vancouver Nacar S, Kankal M, Okkan U. Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması ve Senaryo Esaslı Öngörüler. Teknik Dergi. 2022;33(6):12877-911.