Geri Dön

Dağılı bir hidrolojik model kullanarak Konya kapalı havzasında eksik akım verilerini doldurma ve çoklu istasyon kalibrasyonu

Missing streamflow data filling and multi-gauge calibtarion in Konya closed basin using a distributed hydrological model

PDF İndir

  1. Tez No: 800584
  2. Yazar: ENES ERGÜN
  3. Danışmanlar: DOÇ. DR. MEHMET CÜNEYD DEMİREL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İnşaat Mühendisliği, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Hidrolik ve Su Kaynakları Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 75

Özet

Nehirler üzerindeki yapıları tasarlamak, planlamak ve işletmek için su kaynakları mühendislerinin eksiksiz akım verilerine ihtiyaçları vardır. İstatistiksel olarak anlamlı sonuçları ortaya çıkarmak için eksik veri içermeyen, yeterli uzunlukta gözlemler olmalıdır. Yıllar içinde ise bu veriler gerekli aletler ile kayıt altına alınmaya çalışılmıştır. Ancak, Manuel kayıt sırasında gösterge aletinin arızalanması, hava koşullarının değişmesi gibi farklı nedenlerle ölçümlerde eksik kısımlar olabilir. Eksik verilerin bulunması modellerde istenmeyen sonuçlar ortaya çıkarabileceğinden bu eksik veriler çeşitli yollarla doldurulmaya çalışılmıştır. Eksik verilerin doldurulması için ise zaman içerisinde farklı metotlar geliştirilmiştir. \\Bu çalışmada, Moselle Havzası ve Konya Kapalı Havzası (KKH) gibi yağış yönünden farklı iki havza için bir yıllık veri açığını tamamlamak üzere uzaktan algılanan yaprak alan indeksi (YAİ) verileriyle birlikte dağılmış bir hidrolojik model kullanmanın etkinliği değerlendirilmiştir. Veri kalitesinin ve uzunluğunun sonuçlar üzerindeki etkisini göstermek için Moselle Havzası'ndan Cochem istasyonu ve Konya Kapalı Havzası (KKH)'dan D16A100-Küçükmuhsine akım gözlem istasyonu (AGİ) kullanılmıştır. Modelin sonuçlarının tüm havzada değerlendirilebilmesi için dağılmış model tüm KKH için simüle edilmiştir. Modelin tamamının KKH'ya uyarlanmasında ise havza içerisinde bulunan 70 den fazla AGİ'nin verisi kullanılmıştır. İstasyon verilerde yıllar içerisine yayılmış küçük boşluklar için istatistiksel boşluk doldurma yöntemleri geliştirilmiş olduğundan, boşluk zamanının modele etkisi, yani akım zaman serisinin başından, ortasından veya sonundan rastgele seçilen bir yıllık boşluğun model kullanılarak analizi ile modelin veri doldurma verimi test edilmiştir. Nash–Sutcliffe Verimliliği (NSE), Kling-Gupta Verimliliği (KGE) ve Alansal Verimlilik (SPAEF), boşluk doldurmada hidrolojik model (mHM) performansını değerlendirmek için kullanılmıştır. Modelde her istasyon için baştaki 1 yıllık eksik veri simülasyonu yapmak amacı ile sonraki 1 yıl ısınma periyodu olarak, kalan akım verilerinin yarısını kalibrasyon diğer yarısı ise validasyon verisi olarak kullanılmıştır. Ortadaki 1 yıllık eksik veri simülasyonu yapmak için ise en baştaki 1 yıl ısınma periyodu olarak, kalan akım verilerinin boşluğa kadar olan yarısını kalibrasyon boşluktan sonraki yarısı ise validasyon verisi olarak kullanılmıştır. Sondaki 1 yıllık eksik veri simülasyonu yapmak için ise en baştaki 1 yıl ısınma periyodu olarak, kalan akım verilerinin yarısı kalibrasyon, diğer yarısı ise validasyon verisi olarak kullanılmıştır. Bu simülasyon haricinde GR4J modeli ile Cochem istasyonunda simülasyonlar da yapılmıştır. Bu simülasyon da dağılmış model olan mHM ile karşılaştırılmış, iki modelin performans değerlendirmesi yapılmıştır. Modelde ayrıca debi değerleri haricinde havzanın diğer model çıktıları dağılmış hidrolojik model ile elde edilmiş, bu hidrolojik bulgular da yağış verileri ile kıyaslanmıştır. Sonuçlar, mHM'nin sürekli meteorolojik girdiler kullanarak kalibrasyon periyodu boyunca her iki havzadaki (KGE 0.88'in üzerinde) akış dinamiklerini simüle edebildiğini göstermektedir. Ayrıca, kaliteli girdiler ve yeterli uzunlukta kalibrasyona sahip olmanın, bir yıllık uzun veya daha kısa ancak sık boşlukları başarılı bir şekilde doldurmanın anahtarı olduğu gösterilmiştir. Sonuçlar ayrıca mHM'nin Cochem (Moselle)'deki eksik verileri Küçükmuhsine (KKH) istasyonundan alınan verilerden daha iyi tahmin ettiğini göstermektedir. Bu sadece Cochem'in kaliteli ve uzun verileri nedeniyle değil, aynı zamanda Moselle'deki yağmurla beslenen akış rejiminin aralıklı nehirlere kıyasla tahmin edilmesinin daha kolay olmasından kaynaklanmaktadır.

Özet (Çeviri)

Complete streamflow data is indispensable for water resources engineers to design, plan and operate the structures on rivers. To reveal statistically meaningful results, there should be sufficient length of observations with no missing data. Observations of sufficient length without missing data should be available to reveal statistically significant results. Over the years, these data have been tried to be recorded with the necessary tools. However, for different reasons, e.g. failure of gauge instrument and weather conditions during manual recording, there can be missing parts in the measurements. These missing streamflo gaps lead to different problems such as interpreting data, poor model calibration, incorrect peak streamflow timing, and skewed statistics. Since the presence of missing data may cause undesirable results in the models, these missing data have been tried to be filled in various ways. There are many alternative models for estimating missing streamflow data such as interpolation from neighboring gauges, statistical approaches, hydrologic modeling, and numerous infilling methods are all utilized to fill in the gaps in the missing data. \\In this study, we assessed the effectiveness of using a distributed hydrologic model in combination with remotely sensed LAI data to complete one year data gap for two different basins i.e. Moselle Basin and Konya Closed Basin (KCB). The first one is a semi-arid catchment i.e. Konya Closed Basin (KCB) evaluated at Küçükmuhsine gauge (D16A100) whereas the other catchment is a rainfed catchment from Northern Europe i.e. Moselle Basin which is the lower tributary of the River Rhine evaluated at Cochem gauge (6336050). Infilling short gaps in streamflow data using statistical and hydrologic models is not a new topic; however, no previous study has investigated filling the large continues gap of one whole year at different parts of the time series using a fully distributed hydrologic model. The mesoscale hydrologic model (mHM) is a spatially explicit distributed hydrologic model which accounts for canopy interception, snow accumulation and melting, moisture in the soil dynamics, infiltration, runoffs, evaporation and transpiration, sub surface storage and discharge generation, deep percolation and baseflow, and discharge dissipation and flood orientation. The meteorological inputs of mHM i.e. daily precipitation (P), potential evapotranspiration (PET) and average temperature (Tavg) data are available without any gaps since 1950 for the two catch ments and retrieved from the ERA5 database in netCDF format. Cochem gauge from Moselle Basin and Küçükmuhsine gauge from KCB are used to show the effect of data quality and length on the results. The fully distributed model was simulated for the entire KCB so that the results of the model could be evaluated across the entire basin. Data from more than 70 streamflow observation stations in the basin were used in adapting the entire model to KCB. Further, the effect of gap location is analyzed using randomly selected one-year-gap from the beginning, middle or end of the discharge time series since there have been already statistical gap filling methods developed for small gaps spread over the data. Nash–Sutcliffe Efficiency (NSE), Kling-Gupta Efficiency (KGE) and SPAtial Efficiency (SPAEF) are used to evaluate the hydrologic model (mHM) performance in gap-filling. In the model, in order to simulate missing 1 year data for each station, the next 1 year was used as the warm-up period, half of the remaining streamflow data was used as calibration data and the other half as validation data. In order to simulate missing 1 year data in the middle, 1 year at the beginning was used as the warm-up period, half of the remaining streamflow data up to the gap was used as the calibration gap and the half after the validation data. In order to simulate missing 1 year data at the end, 1 year at the beginning was used as the warm-up period, half of the remaining current data was used as calibration data and the other half as validation data. The experiments were designed based on available data of each basin. Only gap year in the middle, i.e. year 2010, is the same for both catchments. For predicting daily streamflow values in the missing year of 2010, we calibrated mHM for 2001–2009 period in Moselle and 2004–2009 period in KCB. Similarly, we calibrated mHM for 2002–2008 period in Moselle and 2005–2011 period in KCB for predicting missing year of 2000 for Moselle and 2003 for KCB. Moreover, we calibrated mHM for 2008–2014 period in Moselle and 2011–2017 period in KCB for predicting missing year of 2015 for Moselle and 2017 for KCB. Since the calibration ended in March 2017, the gap year spanned from April 2017 to March 2018. In our study, 365 days in a row was missing from the data; how ever, this may not be the case in real situations of developing countries. More importantly, shorter but frequent gaps are more common in the hydrological data sets. Also, easier models can be utilized for the same purpose of gap filling. Therefore, we included a lumped model in our framework as a benchmark. Instead of 365 days in a row, both GR4J and mHM were utilized for simulating randomly generated short gaps in order of several days and weeks scattered over the time series of discharge which counts for 70\% of the total number of days from 2002 to 2015. In the model, apart from the flow values, other model outputs of the basin were obtained with the distributed hydrological model, and these hydrological findings were compared with the precipitation data. The results indicate that mHM can simulate streamflow dynamics in both basins (KGE above 0.88) during calibration period using continuous meteorological forcings. Further, having good quality forcing and adequate length of calibration are shown to be the key of successful gap filling either one-year long or shorter but frequent gaps. The results also show that mHM predicts the missing data in Cochem (Moselle) better than those data from gauge Küçükmuhsine (KCB). This seems to be not only due to the good quality and long data of Cochem but also rainfed flow regime in Moselle is easier to predict as compared to intermittent rivers. In order to test the model performance, whole basin modeling was performed using the streamflow observation stations with sufficient data from all stations found in the KCB basin. Since the model progresses by filling in the missing streamflow data while modeling the entire basin, it has been tested how the model simulates on the stations located in KCB and Moselle. As a result, both distributed and lumped models can be used for missing data imputation. They are both successful especially for continues gaps which require capturing streamflow dynamics in the different seasons that is different than simple patch-work in time series. Not only the length of the streamflow data, but also the increase in the number of iterations used in the calibration process positively affects the mHM performance. At least 300 model runs (iterations) should be planned for infilling gaps using distributed models with global search algorithms. The infilling performance of the hydrologic model was often better than the performance of simple-straightforward approach. This approach can work for small gaps but not for the continuous and long gaps requiring hydrologic insight and meteorological inputs. The framework of this study can be generalized and applied to other data scarce basins in the world. The use of simpler hydrologic models such as lumped and semi-distributed models is highlighted based on the objective of the modeller. The motivation of this study is daring to fill very long gap, i.e., 365 days in a row. Smaller and frequent gaps in the scale of weeks and days can also be handled in the same way using a distributed hydrologic model. In the presence of freely available global meteorologic and morphologic datasets such as ERA5-Land, SRTM and GLDAS etc., it is not difficult to set up physically based distributed models. Nevertheless, further work is necessary on the effectiveness of semi-distributed and black-box hydrologic models to fill multiple gaps spread over the data which is a common case in developing countries.

Benzer Tezler

  1. Tez No

    519749

    Catchment scaled drought analysis: Integrated climate and hydrological perspectives

    Havza ölçeğinde kuraklık analizi: Entegre iklim ve hidrolojik perspektifleri

    SAEED VAZIFEHKHAH

    Doktora

    İngilizce

    İngilizce

    2018

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ERCAN KAHYA

  2. Tez No

    574356

    Konya ili meteorolojik kuraklık analizi

    Analysis of meteorological drought in Konya

    TÜLİN ERSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    MeteorolojiSüleyman Demirel Üniversitesi

    Yapı Eğitimi Ana Bilim Dalı

    PROF. DR. ÖZLEM TERZİ

  3. Tez No

    887041

    Assessing the impact of climate change on Euphrates and Tigris discharge using distributed hydrologic model

    İklim değişikliğinin Fırat ve Dicle nehir akımları üzerindeki etkisinin dağılı hidrolojik modelle değerlendirilmesi

    EMRE SALKIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. YURDANUR ÜNAL

    DOÇ. DR. MEHMET CÜNEYD DEMİREL

  4. Tez No

    735043

    Hidrolojik model yapısının ve kalibrasyon algoritmasının debi simülasyon performansına etkisi

    Hydrological model structure and calibration algorithm effect on discharge simulation performance

    HARUN ALP

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET CÜNEYD DEMİREL

    DOÇ. DR. ÖMER LEVEND AŞIKOĞLU

  5. Tez No

    864102

    Çoruh, Seyhan ve Ceyhan havzalarında kuraklık analizi

    Drought analysis in Çoruh, Seyhan and Ceyhan river basins

    TOLGA BARIŞ TERZİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. BİHRAT ÖNÖZ

Geri Dön