Regressive stochastic models for Lake Urmia water level
Urmiye Gölü su seviyesi için regresif stokastik modeller
- Tez No: 467154
- Danışmanlar: PROF. DR. HAFZÜLLAH AKSOY, DOÇ. DR. HIRAD ABGHARI
- Tez Türü: Doktora
- Konular: Çevre Mühendisliği, İnşaat Mühendisliği, İstatistik, Environmental Engineering, Civil Engineering, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Hidrolik ve Su Kaynakları Mühendisliği Bilim Dalı
- Sayfa Sayısı: 172
Özet
Urmiye Gölü, İran ve Ortadoğu'nun en büyük tuz gölü olmakla birlikte, aynı zamanda Dünya'nın en büyük ikinci tuz gölüdür. Göl, normalde 5200 km² yüzey alanına sahip olup 16 m derinliğe ulaşmaktadır. Göl, İran sınırları içinde bulunan kapalı bir havzada 44°07' - 47°53' Kuzey boylamı ve 35°40' - 38°30' Doğu enleminde bulunmaktadır. Türkiye'deki Van Gölüne çok yakın mesafede yer alan bu göl, İran ve Türkiye sınırının hemen yanında yer almaktadır. Van gölüne kıyasla çok daha sığ bir göl olan Urmiye Gölü, dünyada iklim değişikliği sonucunda kurumaya başlayan göller sınıfına girmektedir. Birleşmiş Milletler tarafından Ramsar konvansiyonunda küresel biyosfer ilan edilen Urmiye Gölü, ülke ve bölgedeki yaşayanlar için büyük önem taşımaktadır. Örneğin, gölün kuruması halinde 500 km çaplı dairesel bir alan içerisinde tuz fırtınaları beklenmektedir. Bu durumdan Türkiye, İran, Azerbaycan, Ermenistan ve Irak etkilenecektir. Gölün kuruması aynı zamanda bölgede yaşayan kuş, deniz canlıları ve memeli türleri için de bir tehdit oluşmaktadır. Örneğin pelikan, turna ve Artemiya Urmiyana isimli bölgeye özel deniz canlısı gölün kuruması ile birlikte sonsuza dek yok olma tehlikesi ile karşı karşıya kalacaktır. Şimdiye kadar dünyada çok sayıda bilim insanı tarafından incelenenmeye alınan Urmiye Gölü farklı açılardan değerlendirilmiştir. Buna hidrolojik, biyolojik, tarımsal, politik vs. konular dahildir. Araştırmacıların çoğu havzadaki yönetim problemleri, havzada barajların yapılması, tarım alanlarının geliştirilmesi ve iklim değişimini gölün kurumasına neden olarak göstermişlerdir. Bu araştırmalarda en az ilgi gören konular ise yer altı suyu hidrolojisi ve su kaynakları yönetimi politikasıdır. Bunun için Aral Gölü gibi kurumakta olan Urmiye Gölü, araştırmacılar ve yöneticiler tarafından ele alınmış ve son zamanlarda gölü kurtarma çabaları uluslarararası boyutlara taşınmıştır. Bu çabalara dahil olan Birleşmiş Milletler ise sürekli internet ortamında ve farklı ülkelerden bilim insanlarını destekleyerek Urmiye Gölü'nü kurtarma çalışmalarına destek olmaktadır. Bunun için su bütçesi ve yönetim politikasına dayanarak, ileride araştırmalarda bu konulara daha ağırlık verilmesi beklenmektedir. Hidrolojik çalışmalarda istatistiksel yaklaşımlar yaygın olarak kullanılmaktadır. Bu çalışmada gölün su bütçesi incelenmiş, göl hidrolojik çevrimine ait hidrometeorolojik değişkenler kullanılarak göl su seviyesi modellemesi yapılmıştır. Bu değişkenler gölün üzerine yağan yağış, buharlaşma, nehirlerden göle giren akış ve yer altı suyudur. Göldeki su derinliği model çıktısı olarak ele alınmıştır. Genelde akış, buharlaşma ve yağış verilerini kulanarak modellenen göllerde, yer altı su seviyesi ile göl su seviyesi arasındaki etkileşim göz ardı edilmektedir. Bunu için bu çalışmada yer altı su seviyesi ve göl su seviyesi arasındaki etkileşim de hesaba katılarak literatüre örnek bir çalışma sunulmuştur. Bu amaçla İran Su Kaynakları Yönetimi Şirketi'nden Urmiye Gölü havzasında bulunan meteoroloji istasyonları, akarsu gözlem istasyonları ve yeraltı suyu gözlem kuyularına ait veriler sağlanmış ve incelenmeye alınmıştır. Veri tabanı frekans-tabanlı analiz ile bileşenlerine ayrılmak suretiyle önemli miktardaki eksik veriden arındırılmıştır. Bu çalışmada, yağış, buharlaşma, akış ve yeraltı suyu gibi hidrometerolojik değişkenleri kullanan bir göl su bütçe yaklaşımı kullanılmıştır. Bu amaçla, meteoroloji ve akım gözlem istasyonlarından alınan veriler ile yeraltı su seviyesi ölçümleri değerlendirilmiştir. Veriler incelenmiş ve bir veri envanteri çıkarılmıştır. Veri envanterinde 253 meteoroloji istasyonu, 156 akım gözlem istasyonu, 593 yeraltı suyu gözlem kuyusu ve 1 göl su seviye ölçüm istasyonu bulunmaktadır. Bu Urmiye Gölü için önemli bir veri kaynağıdır. Ölçüm istatyonları ve gözlem kuyuları Urmiye Gölü havzasına dağılmış durumdadır. Bu çalışmada kullanılan yağış ve buharlaşma verileri meteroloji istasyonlarından alınmıştır. Modelleme çalışmaları için göl su seviye ölçüm istasyonu ile birlikte 7 meteoroloji istasyonu, 18 akım gözlem istasyonu ve 9 yeraltı suyu gözlem kuyusu kullanılmıştır. Seçilen meteroloji ve akım gözlem istasyonları ile yeraltı suyu gözlem kuyuları göle yakın ve göl etrafında havzaya yayılmıştır. Seçilen istasyonlardaki ve yerlatı suyu gözlem kuyularındaki verilerde eksik veri olup olmadığı incelenmiştir. Çoğu istasyonda az ya da çok eksik veri bulunduğu belirlenmiştir. Özellikle yeraltı suyu gözlem kuyularındaki eksik veri önemli düzeyde bulunmuştur. İnceleme için ortak bir gözlem periyodu belirlenmesi amacıyla eksik verilerin tamamlanması yoluna gidilmiş, bunun için frekans tabanlı bir yöntem kullanılmıştır. Bu yöntemde her bir zaman serisi bileşenlerine ayrılmıştır. Bu bileşenler, eğilim, yıliçi ve yıllar arası mevsimsellik ile rastgele bileşendir. Toplam şeklinde bir bileşenlere ayırma yöntemi tercih edilmiştir. Gözlenen zaman serisi kalibrasyon ve validasyon olmak üzere iki parçaya ayrılmıştır. Yöntem kalibrasyon zaman seris üzerinde uygulanmış, elde edilen parametreler kullanılarak validasyon zaman serisi üzerinde kontrol edilmiştir. Kalibre edilen ve sonrasında test edilen yöntem kullanılarak eksik veriler tamamlanmıştır. Veri tamamlama işlemi uzun veya kısa olduğuna bakılmaksızın seçilen istasyonlarda eksik verisi bulunan yağış, buharlaşma, akış ve yeraltı su seviye gözlem kuyularındaki zaman serilerine uygulanmıştır. Urmiye Gölü'nün üzerine düşen yağış, göl yüzeyinden meydana gelen buharlaşma, göle akarsulardan giren akış ve göl ile yeraltı su seviyesi arasındaki su alışverişi hesaba katılarak seçilen istasyonlarda eksiği tamamlanmış veriler kullanılarak hesaplanmıştır. Hesaplanan göl su seviyesi zaman serisi gözlenmiş göl su seviyesi ile karşılaştırılmış, hesaplanan göl su seviyesinin gözlenen su seviyesi çok iyi bir uyum içinde olduğu belirlenmiştir. Buna göre yapılan veri tamamlama yönteminin uygun olduğu; buöylece eksiği tamamlanmış zaman serilerinin sonraki adımda geliştirilen modelleme çalışmalarında kullanılabilirliği ortaya konmuştur. Eksiği tamamlanmış şekli ile gözlenen zaman serileri kullanılarak göl su derinliğini belirleyen modeller geliştirilmiştir. Bunun için regresyon modeli kullanılmıştır. Çok sayıda model denenmiş, bunlar arasında en uygun olanları belirlenmiştir. Modellerde göl su seviyesi yerine göl su derinliği kullanılmıştır. Modellemede iki adım söz konusudur. Birinci adımda göl su derinliği ile yağış, buharlaşma, akış ve yeraltı su seviyesi arasında bir regresyon denklemi olarak ifade eden basit bir model elde edilmiştir. Modelin ikinci adımında yağış, buharlaşma, akış ve yeraltı su seviyesi bağımsız değişkenlerinin her biri için otoregressive hareketli ortalama (ARIMA) tipinde stokastik modeller geliştirilmiştir. Önceki adımda olduğu gibi yine çok sayıda model denenmiş ancak modellerin olabildiğinde az sayıda parametreli olması hedeflenmiştir. Modellemenin son adımında, bu kez elde edilen stokastic modeller önceki adımda elde edilen regresyon mdellerinde temsil ettikleri bağımsız değişkenin yerine kullanılmıştır. Yani, regresyon denkleminde yağış zaman serisi yerine yağışa ait stokastik model, buharlaşma zaman serisi yerine buharlaşmaya ait stokastik model, akış zaman serisi yerine akışa ait stokastik model ve yeraltı su seviyesi zaman serisi yerine yeraltı su seviyesine ait stokastik model kullanılarak regresif stokastik bir model elde edilmiştir. Göl su derinliği göl su seviyesinde meydana gelen değişim yanında çok büyük olduğundan göl su seviyesinde meydana gelen değişimlerin ortaya konması zorlaşabilmektedir. Bu nedenle, göl su derinliği yerine göl su seviyesinde veya derinliğinde her ay meydana gelen değişimin modellenmesi, küçük de olsa meydana gelen değişimin ortaya konması açısından önemlidir. Bu nedenle, yukarıda açıklanan göl su derinliği ile yağış, buharlaşma, akış ve yeraltı su seviyesi bağımsız değişkenleri arasındaki regresyon denklemi bu kez göl su derinliğindeki değişim ile aynı bağımsız değişkenler arasında kurulmuştur. Yine yukarıda açıklandığı şekilde belirlenen stokastik modellerin regresyon modellerinde bağımsız değişkenleirn yerine kullanılması ile derinlik değişimine ait regresif stokastik modeler elde edilmiş olur. Bu modellerin kullanılması sayesinde göl su derinliği ile karşılaştırıldığında çok küçük olan göl su seviyesindeki değişimlerin daha hassas bir şekilde değerlendirimesi mümkün olmaktadır. Bu çalışmadan elde edilen sonuçlara göre, Urmiye Gölü'nün ciddi bir su çekilmesi sorunu ile karşı karşıya olduğu ortadadır. Mevcut durum devam ettiği taktirde gölün kurumaması içten bile değildir. Bu nedenle gölün uzun erimli disiplinler arası yaklaşımlar ile ele alınması önemlidir. Urmiye Gölü havzasında mevcut meteoroloji ve akım gözlem istasyonları ile yeraltı suyu gözlem kuyularında kısmen eksik olmakla birlikte önemli bir veri envanteri sağlanabilmektedir. Eksik verinin tamamlanmasında frekans tabanlı analiz önemli bir görevi tamamlanmış, eksik verilerin gözlenmiş verilerin yerine kullanılabilecek şekilde hesaplanabilmiştir. Göl su seviyesi modelleri, göl su derinliği veya göl su derinliğindeki değişim cinsinden aylık zaman aralığında hesaplanabilir. Göl su seviyesindeki değişime göre yapılan modellemede model performansı daha hassas bir şekilde ortaya konabilmektedir. Çünkü göl su derinliği, göl su seviyesindeki değişime göre her zaman çok daha büyük olduğundan derinlik yerine derinlikteki değişimin modellenmesi önemlidir. Bu nedenle göl su seyiesindeki değişime göre yapılan modellerin esas alınması önerilmektedir. Stokastik modeller ile birleştirilen regresyon modelleri göl su seviyesinin belirlenmesinde başarılı bulunmuştur. Regresif stokastik modellerde öncek aylarda yapılan gözlem verileri kullanılmaktadır. Bu modeler, gelecek aya ait göl su seviyesinin tahmini için uygulanabilir bir araç olarak kullanılabilir. Bu aynı zamanda karar verici mekanizmalara önceden hareket etme ve uygulamaya geçme olanağı sunmaktadır. Gelecek için öneri niteliğinde olmak üzere gölün ve havzasının disiplinler arası bir yaklaşımla incelenmesi önemlidir. Artık değişimin kaçınılmaz olduğu dünyada geliştirilen modelleirn sürekli güncellenmesi ve değişen koşullar çerçevesinde revize edilmesi gereklidir. Bu itibarla bu çalışmada ve benzer araştırmalarda geliştirilen modellerin birkaç yılda bir değişen koşullar dikkate alınarak revize edilmesi gerekli görülmektedir.
Özet (Çeviri)
Lake Urmia was the second largest permanent hyper-saline lake in the World and the biggest in Middle East. The alerting situation of the lake pushed the authority such that the United Nations declared it as the wetland of international importance and World's biosphere reserve. In late 1990's water level in the lake started to decline with a sharp trend such that a wasteland of salty desert was conceptualized for the lake's future. Many researchers around the world tried to model, suggest or decode the fact behind the lake's atrophy mostly accused by miss-management, dam construction, development of agricultural zones, climate change etc. as the main reason for the lake atrophy. In this study, a lake water budget approach using hydrometeorological variables; precipitation, evaporation, runoff and groundwater, was considered. For this aim, data from meteorological stations, streamflow gauging stations and groundwater wells were gathered. Data were analyzed and a data inventory was obtained. The data inventory consists of 253 meteorological stations, 156 streamflow gauging stations, 593 groundwater wells and 1 lake water level station all scattered over the Lake Urmia basin. Precipitation and evaporation were taken from meteorological stations. In this study, 7 meteorological stations, 18 streamflow gauging stations and 9 groundwater wells were considered together with the lake water level station. The selected stations and groundwater wells are close to the lake and scatter around it. Data in the selected stations and groundwater wells were checked against any missing data periods. Most of the stations were found with missing data. Groundwater wells have particularly long period of time with no data. For getting a common period for the analysis, missing data were reconstructed by a frequency domain analysis using decomposition. With this method, each time series of each station and groundwater well were decomposed into its components; trend, cycle, seasonality and randomness. An additive decomposition method was chosen. Observed time series was divided into calibration and validation parts. The decomposition method was used to fit a model to the calibration time series and to validate it then on the validation time series. Once validated, the model was run to reconstruct the missing data. This procedure was applied on all time series of precipitation, evaporation, runoff and groundwater. The observed and reconstructed precipitation, evaporation, runoff and groundwater time series were used to calculate lake water level. The calculated lake water level was compared with the observed lake water level. They were found in a very good agreement. This has been considered as a further validation of the reconstructed missing data. Observed and reconstructed hydrometeorological data were used together to develop models for forecasting lake water level. In the model, lake water depth was considered instead of lake water level. For this aim, two methods were combined. First, lake water depth was regressed on independent variables; precipitation, evaporation, runoff and groundwater. The second step is the development of stochastic model for each variable. Autoregressive integrated moving average (ARIMA) models were used. A number of models were tested and finally the best models were determined based on performance criteria for each variable. The number of parameters was kept at minimum for the sake of parsimony. As the final step in the modeling, not hydrometeorological variables (precipitation, evaporation, runoff and groundwater) but their selected stochastic models were inserted into the regression model developed at the very beginning step. This is defined as regressive-stochastic depth model. Alternatively, difference in the lake water levels of two subsequent months was taken into account instead of the lake water depth when the regression model is developed in the first step. Because lake water depth can mask change in the lake water level as they have different orders of magnitudes. From this study it is seen that Lake Urmia is under a serious atrophy problem that should be studied in a long-term interdisciplinary approach. Lake Urmia has a considerably well documented data although record periods without data may become problematic. The frequency domain analysis can be a tool to satisfactorily reconstruct the missing data in the hydrometeorological time series. Lake water level models can be developed based on either lake water depth or the difference in the lake water level between subsequent months. Due to the order of magnitude difference between the depth and the depth difference, it is clear that depth models can mask the effect of each input variable; precipitation, evaporation, runoff and groundwater, on the lake water level. Therefore, depth difference models should be preferred for the sake of understanding the physical process in the lake water level precisely. Regressive-stochastic models were found successful in calculating the lake water level. In the proposed regressive-stochastic models, only previously observed hydrometeorological data are needed. This is a good opportunity for one to be able to estimate the next month lake water level. This will help us decision makers to act in advance. As a future suggestion, the lake and its watershed should be investigated through an interdisciplinary approach. As the change is a continuous process it is suggested that any model proposed should be revised every several years and/or after any major change happens in the basin.
Benzer Tezler
- Göl su seviyesi değişimlerinin stokastik modellenmesi
Prediction of water level changes in lake
AYÇA BEYZA TANIR
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiPamukkale Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ÜLKER GÜNER BACANLI
- An investigation of system identifiation with eccentric mass shakers
Egzantrik kütleli sarsma cihazları kullanarak sistem çözümleme deneylerinin incelenmesi
UMUT KARACADAĞLI
Yüksek Lisans
İngilizce
2010
İnşaat MühendisliğiBoğaziçi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİLMİ LUŞ
- Akım serilerinin kaotik analizi karadeniz havzası uzerine bir uygulama
Chaotic analysis of river discharge time series a case study on black sea river basins
ASLIHAN ALBOSTAN
Doktora
Türkçe
2015
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. BİHRAT ÖNÖZ
- Öz enerji üretiminde stokastik çizelgeleme: Organize sanayi bölgesi için model ve uygulama
Stochastic scheduling of self generated energy: Case for organized industrial zone
SEÇİL ERCAN
Doktora
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLGÜN KAYAKUTLU