Geri Dön

WRF bölgesel modeli, YTTS gözlemleri ve istatistiksel yöntemler kullanarak İstanbul yıldırım düzeninin incelenmesi

Using by WRF regional model, YTTS observations and statistical methods examining of the İstanbul lightning characteristics

PDF İndir

  1. Tez No: 738014
  2. Yazar: KERİM ATİLLA KORKMAZ
  3. Danışmanlar: PROF. DR. AHMET DURAN ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Meteoroloji, Meteorology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Meteoroloji Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Atmosfer Bilimleri Bilim Dalı
  13. Sayfa Sayısı: 100

Özet

Tarih boyunca insanlar doğa olaylarını incelemiştir. Çoğu doğa olayının açıklaması belli araştırmalar ve incelemeler sonucu yapılabilmiş, yapılamayanlar ise doğaüstü şekillerde açıklanmıştır. Doğaüstü sebeplerle açıklanan olayların fiziksel temel alınarak açıklanması ise günümüze kalmıştır. Bu olaylardan sayılabilecek olan yıldırım ve şimşek de fiziksel açıklaması günümüze kalmış olaylardandır. Çeşitli kültürlerde farklı tanrılarla açıklanmış olan bu fenomen, haftanın günlerine kadar etki edecek kadar insanları etkilemiştir. Geçmişteki insanlar dışında bu olaylar günümüzde de insanları etkilemektedir. Enerji, tarım, havacılık, lojistik, planlama, turizm, madencilik ve sigortacılık gibi sektörlerin dışında gündelik hayatta da oldukça önemli bir yere sahiptir. Sayısal şekilde yıldırım ve yıldırım tahmini yapmak da her geçen gün daha çok sektöre hitap edecek hale gelmektedir. Bu tez çalışmasında, çeşitli sayısal hava tahmin modelleri ve istatistiksel yöntemler kullanılarak İstanbul üzerinde gerçekleşen yıldırım ve şimşek hadiseleri incelenmiştir. Meteoroloji Genel Müdürlüğü gözlemleri sonucunda elde edilmiş olan yıldırım ve şimşek verileri kullanılmıştır. İlk etapta İstanbul üzerinde gözlenmiş olan yıldırım ve şimşek gözlemlerinin aylık ve mevsimsel dağılımı hakkında bilgi edinilmiştir. Bunun için 2018, 2019 ve 2020 yıllarının verileri kullanılmıştır. Tam yıl verisi olan bu yıllar üzerinden, gözlemler aylara dağıtılmış olup yıldırım ve şimşek sayısı, aylara göre gözlem sayısı, mevsimlere göre gözlem yüzdesi ve aylara göre gözlem yüzdesi olarak incelemeler yapılmıştır. Ardından sayısal tahmin yapabilmek için gerekli çalışmalar anlatılmıştır. Yıldırım ve şimşek konvektif hava olaylarıyla ilişkilendirildiği için, konvektif hava olayını doğru şekilde modellemek oldukça önemlidir. Konvektif modellemenin doğru şekilde yapılabilmesi için WRF Bölgesel Atmosferik Modeli kullanılmıştır. Modelin çalışmasında kullanılacak olan atmosfer verileri, daha sonrasında da tahmin yapılmasına olanak vermesi açısından GFS Atmosferik Modelinden alınmıştır. Konvektif hareketin doğru şekilde modellenebilmesi için daha önceden yıldırım ve şimşek tahminlemesinde kullanılmış olan mikrofizik parametreleri seçilmiştir. Bu parametrelerin dışında WRF Bölgesel Modelinin çalıştırıldığı yuvacıklar da önemli olduğu için iki adet yuva belirlenmiştir. 1000 kilometre x 1000 kilometreden daha geniş olan bir ilk yuvacık belirlenilmiş olup, alansal çözünürlüğü düşük olmasına ragmen WRF Bölgesel Modelinin hızlandırılması için kullanılmıştır. Her vakadaki 6 saatlik bir hızlandırma sonrasında ise en yoğun saatlerden üç saat önce küçük olan yuvacık içerisinde çalıştırılmaya devam edilmiştir. Analiz edilmesinde kullanılacak olan alan ise, gözlem verilerinin bulunduğu alandan en fazla 26 kilometre uzaklıkta seçilmiştir. Çözünürlüklere göre zaman adımı seçildiği için küçük olan yuvacık 15 saniyelik zaman adımıyla, büyük olan yuvacık ise 45 saniyelik zaman adımıyla çalışmaktadır. Model çıktılarının kaydedilmesi için ise 15 dakikalık bir zaman adımı belirlenmiştir. Böylece çalışılmış olan bütün vakalarda aynı zaman adımına sahip olacak şekilde düzen elde edilmiştir. Atmosferik modellemede önemli olan bir diğer konu ise zamandır. Girdi kullanılan GFS Model verisinin kullanılma sıklığı 3 saatte bir olarak seçilmiştir. Böylece WRF Bölgesel Modeline girilmiş olan parametreler, bir başka modelin dinamik süreçlerinden çok fazla etkilenmeden kendi çıktısını oluşturabilmektedir. WRF Modeli, girdi olarak kullanılan hava tahmin modellerinden en az şekilde etkilenmektedir. WRF Bölgesel Modelinde kullanılan büyük yuvacık 9 kilometre alansal çözünürlüğe sahiptir. Küçük olan yuvacık ise 3 kilometre alansal çözünürlüktedir. Yıldırm Tespit ve Takip Sistemi'nden elde edilmiş olan gözlemler, analiz için kullanılacak olan küçük yuvacıktaki noktalara dağıtılmıştır. Her zaman adımı için, her grid noktasına denk gelen yıldırım gözlemi sıklığı elde edilmiştir. Model dinamiklerinin ve özelliklerinin belirlenmesinin ardından ise analizde kullanılacak yöntemlere geçilmiştir. Eskiden beri gelen en önemli yöntem, konvektif hareketi temsil eden indisleri kullanmak veya kararsızlık indisleri ile karar vermektir. Bunların ardından ise yıldırım ve şimşeğin oluşumunda yer alan teorinin uygulandığı iki farklı yöntem anlatılmıştır. Bu iki yöntem Yıldırım Öngörü Algoritması (LFA) ve Yıldırım Potansiyel İndisi (LPI) olarak incelenmiştir. İstanbul üzerinde yıldırım gözlemi yapıldığı için, bölgesel olarak modellemeye imkan sağlayan Yıldırım Öngörü Algoritması seçilmiştir. Yıldırım Potansiyel İndisi'nin standartlaştırılmış halde bulunması, bölgeden bölgeye değişen bir performans ortaya koymasına neden olmaktadır. Çalışılan bölge özelinde daha tutarlı ve uygulanabilecek bir tahmin mekanizması geliştirebilmek için bölgesel kalibrasyonun da yapıldığı Yıldırım Öngörü Algoritması kullanılmıştır. Yıldırım Öngörü Algoritması temel olarak kar topağı akısı ve bulut buzu üzerinden ilerlemektedir. Bu iki değişken ayrı ayrı elde edilir. Kalibrasyon için ise, her zaman adımı için hesaplanmış olan en yüksek kar topağı akısı değeri, zaman adımı özelinde en yüksek bulut buzu miktarı ve zaman adımı özelinde en yüksek yıldırım gözlemi ayrı ayrı kaydedilir. Ardından gözlem-kar topağı akısı ve gözlem-bulut buzu kütlesi şeklinde iki farklı saçılım diyagramı elde edilir. En küçük kareler yaklaşımı kullanılarak bu iki ayrı grafik için de en yüksek temsil değerine sahip regresyon denklemi elde edilir. Ardından referans çalışmalarda da kullanılmış olan; kar topağı için 0.95, bulut buzu kütlesi için ise 0.05 ağırlık katsayıları çarpılarak toplanır. Yıldırım ve şimşek tahmini için kullanılan denklem bu şekilde elde edilmiş olur. Bu yaklaşımın sonunda kullanılmış olan ağırlık katsayıları ise deneyler sonucunda elde edilmiştir. Bu denemelerin de bölgeden bölgeye değişiklik gösterebileceğini düşünürsek, nesnel bir yaklaşımın daha kaliteli sonuç verebileceğini düşünmek yerinde olur. Bu sebeple bu çalışmada yeni bir yöntem daha denenmiştir. Kalibrasyon sürecinin başına kadar süreç aynı şekilde devam etmektedir. Ardından negatif olmayan en küçük kareler yöntemi kullanılarak kar topağı akısı ve bulut buzu kütlesi için beraber bir regresyon analizi yapılmıştır. Böylece ağırlıklı katsayıların nesnel şekilde verilmesi ve tek bir denklem ile yıldırım tahminine geçiş hedeflenmiştir. Yapılan analizler sonucunda, Yıldırm Öngörü Algoritmasının ve çoklu lineer regresyon ile beraber elde edilen yöntemin birbirine çok yakın sonuçlar verdiği görülmüştür. Bunun dışında alansal çözünürlüğün daha yüksek olması gerektiği anlaşılmıştır. Süreçler göz önüne alındığı zaman yıldırım ve şimşek tahmininin zor bir süreç olduğu açıkça belli olmaktadır. Başarılı bir şekilde sayısal yıldırım ve şimşek tahmini mekanizması oluşturabilmek için; tehlikeli hava meteorolojisi, mikrometeoroloji, sinoptik meteoroloji, uzaktan algılama meteorolojisi, sayısal hava tahmin modelleri, orta ölçek meteorolojisi, bulut fiziği, çeşitli yazılım dilleri, linux shell komutları ve derin bir istatistik bilgisinin olması gerekmektedir. Bu nedenle oldukça kompleks bir şekilde çok fazla veri işlemeyi gerektiren bir süreçtir

Özet (Çeviri)

Throughout history, people have studied natural phenomena. The explanation of most natural phenomena could be made as a result of certain research and investigations, and those that could not be explained in supernatural ways. The concepts of the events explained by supernatural reasons based on physical has survived to the present day. Lightning, which can be counted among these events, are also events whose physical explanation has survived to the present day. This phenomenon, which has been explained by different gods in various cultures, has affected people enough to affect the name of the days of the week. Apart from people in the past, these events also affect people today. Also effect sectors such as energy, agriculture, aviation, logistics, planning, tourism, mining, and insurance. It has a very important place in daily life. Predicting lightning and thunderstorms numerically is becoming more and more appealing to the sector. In this thesis, lightning events over Istanbul were examined by using various numerical weather forecast models and statistical methods. Lightning data obtained from result of the observations of the General Directorate of Meteorology were used. In the first stage, information was obtained about the monthly and seasonal distribution of lightning observations observed over Istanbul. For this analysis, the data for 2018, 2019, and 2020 were used. Over these years, which are full-year data, the observations were distributed to months, and the number of lightning, the number of observations by months, the percentage of observations by seasons, and the percentage of observations by months were made. Then, the necessary studies to make numerical estimation are explained. Since lightning are associated with convective weather events, it is very important to model convective weather correctly. WRF Regional Atmospheric Model was used to make convective modeling correctly. The atmosphere data to be used in the study of the model were taken from the GFS Atmospheric Model to allow predictions later on. To model convective motion accurately, microphysics parameters that were previously used in lightning prediction were selected. Apart from these parameters, two domains were determined since the domains on the WRF Regional Model run are also important. An initial domain larger than 1000 kilometers x 1000 kilometers was determined and was used to accelerate the WRF Regional Model, despite its low spatial resolution. After a 6-hour acceleration in each case, it was continued to be operated in the smaller nest three hours before the busiest hours. The area to be used in the analysis was chosen at a maximum distance of 26 kilometers from the area where the observation data is located. Another important issue in atmospheric modeling is time. The frequency of using the GFS Model data, which is used as input, was chosen as every 3 hours. Thus, the parameters entered into the WRF Regional Model can create their own output without being affected too much by the dynamic of GFS. Since the time step is chosen according to the resolutions, the smaller domain works with a time step of 15 seconds, and the larger domain works with a time step of 45 seconds. A 15-minute time step was determined for recording the model outputs. Thus, the layout was obtained to have the same time step in all studied cases. The large domain used in the WRF Regional Model has a spatial resolution of 9 kilometers. The smaller domain has a spatial resolution of 3 kilometers. The observations obtained from the Lightning Detection and Tracking System were distributed to the points in the small domain to be used for analysis. For each time step, the frequency of thunderstorm observations corresponding to each grid point was obtained. Since the time step is chosen according to the resolutions, the smaller domain works with a time step of 15 seconds, and the larger domain works with a time step of 45 seconds. A 15-minute time step was determined for recording the model outputs. Thus, the layout was obtained to have the same time step in all studied cases. The large domain used in the WRF Regional Model has a spatial resolution of 9 kilometers. The smaller domain has a spatial resolution of 3 kilometers. The observations obtained from the Lightning Detection and Tracking System were distributed to the points in the small domain to be used for analysis. For each time step, the frequency of thunderstorm observations corresponding to each grid point was obtained. After the model dynamics and features were determined, the methods to be used in the analysis were passed. The most important method from 20th century is to use indices representing convective motion or to make decisions with indices of indecision. After these, two different methods in which the theory involved in the formation of lightning are explained. These two methods are studied as Lightning Forecast Algorithm (LFA) and Lightning Potential Index (LPI). Since lightning observations were made over Istanbul, the Lightning Prediction Algorithm, which allows regional modeling, was chosen. The fact that the Lightning Potential Index is standardized causes a performance that varies from region to region. To develop a more consistent and applicable estimation mechanism specific to the studied region, the Lightning Forecasting Algorithm, in which regional calibration is also performed, was used. The main difference between Lightning Potential Index and Lightning Forecast Algoritm is calibration. Lightning Forecast Algorithm is a powerful asset to use since it uses observation-based calibration. For an area with numeric lightning observations, lightning forecast algorithm creates predictions based on local characteristics. Yet there is no way to directly calibrate Lightning Potential Index approach. Since it is standardized by developers of that index, it can be said that it is best to use on locations without numeric lightning observations. The Lightning Forecast Algorithm proceeds over the graupel flux and the glacial mass in the vertical profile. These two variables are obtained separately. For calibration, the highest graupel flux value calculated for each time step, vertical integrated ice for the time step, and the highest thunderstorm observation for the time step are recorded separately. Then, two different scatter diagrams are obtained as observation-graupel flux and observation-vertical integrated ice. By using the least-squares approach, the regression equation with the highest representation value is obtained for these two separate graphs. Then, which was also used in reference studies; The weight coefficients of 0.95 for the graupel flux and 0.05 for the vertical integrated ice are multiplied. This is how the equation used for lightning prediction is obtained. The weight coefficients used at the end of this approach were obtained as a result of the experiments. Considering that these trials may vary from region to region, it would be appropriate to think that an objective approach can yield higher quality results. For this reason, a new method was tried in this study. The process continues in the same way until the beginning of the calibration process. Then, using the non-negative leastsquares method, a regression analysis was carried out for the graupel flux and the vertical integrated ice. Thus, it is aimed to give the weighted coefficients objectively and to switch to lightning prediction with a single equation. As a result of the analyzes made, it was seen that the Lightning Forecast Algorithm and the method obtained together with the multiple linear regression have very close results. Apart from this, it has been understood that the areal resolution should be higher. Considering the processes, it is clear that lightning prediction is a difficult process. To create a successful lightning prediction mechanism; dangerous weather meteorology, micrometeorology, synoptic meteorology, remote sensing meteorology, numerical weather forecast models, various software languages, Linux shell commands, and deep statistical knowledge are required. Therefore, it is a very complex process that requires a lot of data processing. This complexity is the reason that there will be no 100% correct numeric lightning prediction. Since the lightning is a sudden event, predicting it should be also sudden. Today's meteorological models and observations are not enough to develop an atmospheric model with miliseconds and nanometers. In old Greek Mythology they say,“There were chaos before everything else.”Yet scientific chaos starts from meteorology also convectivity. From the studies of Lorenz it is said that, warping of butterfly's wings in Brazil, may set a tornado in Texas. This is the slogan of excessive dependency on initial conditions. Yet lightning researchers need to know initial conditions at most precise than anyone else. As a consequence, there were chaos before everything and chaos starts from meteorology. In an pessimist way there will be no 100% precise lightning forecast system but these systems will be improved day by day.

Benzer Tezler

  1. Tez No

    434245

    Investigation of agricultural damages caused by air pollution over Europe by using WRF/CMAQ modelling system

    WRF/CMAQ modelleme sistemi ile hava kirliliğinden kaynaklanan Avrupa'daki tarımsal zararın incelenmesi

    YAŞAR BURAK ÖZTANER

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Meteorolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ALPER ÜNAL

  2. Tez No

    460968

    Quantification of Saharan dust influences on Eastern Mediterranean air quality via atmospheric modeling

    Sahra tozunun Doğu Akdeniz hava kalitesi üzerindeki etkilerinin atmosfer modeliyle belirlenmesi

    BURCU KABATAŞ

    Doktora

    İngilizce

    İngilizce

    2016

    Meteorolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ALPER ÜNAL

  3. Tez No

    408735

    A comperative study of two regional mesoscale models in Eastern Mediterranean domain for a historical reference period

    İki orta ölçekli bölgesel modelin Doğu Akdeniz bölgesi üzerinde ve tarihsel referans dönemde karşılaştırmalı olarak incelenmesi

    DENİZ URAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Meteorolojiİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. HASAN NÜZHET DALFES

  4. Tez No

    535379

    Performance of wrf in simulating the hail event over İstanbul on 27 July 2017

    27 Temmuz 2017 tarihinde İstanbul üzerinde meydana gelen dolu olayının WRF simülasyonu performansı

    EMİR TOKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Meteorolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ÖMER LÜTFİ ŞEN

  5. Tez No

    847312

    Climate change impacts on surface water budget components using high-resolution regional climate data for snow-dominated basins in Turkiye

    Türkiye'de kar hakim havzalar için yüksek çözünürlüklü bölgesel iklim verileri kullanılarak yüzey suyu bütçesi bileşenleri üzerinde iklim değişikliği etkileri

    BUSE KARAKÖSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL YÜCEL

Geri Dön