A comprehensive analysis of turkish sea level changes and future modeling using machine learning methods

Türk deniz seviyesi değişikliklerinin kapsamlı analizi ve makine öğrenimi yöntemleriyle gelecek modellemesi

PDF İndir

Tez No: 919024
Yazar: ELİF KARTAL
Danışmanlar: PROF. DR. ABDÜSSELAM ALTUNKAYNAK
Tez Türü: Doktora
Konular: İnşaat Mühendisliği, Civil Engineering
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2025
Dil: İngilizce
Üniversite: İstanbul Teknik Üniversitesi
Enstitü: Lisansüstü Eğitim Enstitüsü
Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
Bilim Dalı: Hidrolik ve Su Kaynakları Mühendisliği Bilim Dalı
Sayfa Sayısı: 154

Özet

Küresel deniz seviyesi yükselmesi, iklim değişikliğinin giderek daha belirgin hale gelen etkilerinden biri olup, kıyı bölgeleri ve ekosistemler üzerinde geri dönülmez değişiklikler oluşturma potansiyeline sahiptir. Hükümetlerarası İklim Değişikliği Paneli (IPCC), küresel deniz seviyelerinin 21. yy boyunca artan ivmeyle yükselmeye devam edeceğine işaret etse de artış oranı dünya genelinde dengeli olarak dağılmayacağını belirtiyor. Farklı iklim senaryolarının işaret ettiği global ölçekteki dramatik artışın yansımaları meteorolojik, oşinografik ve yerel faktörler nedeniyle bölgesel ölçekte değişebilir. Dolayısıyla, deniz seviyesinin bölgesel değişimlerinin anlaşılması, bununla birlikte global eğilimlere kıyıların reaksiyonun belirlenmesi her bir alanın özel ihtiyaçlarına ve risklerine göre uyarlanmış sürdürülebilir yönetim uygulamaları planlamak için önem kazanır. Küresel seviye artışları tabii ki en çok kıyı bölgelerini tehdit ediyor. Küresel ısınma kaynaklı muhtemel taşkınlar, erozyon veya tuzlu su girişimleri için kıyı toplulukları, ekosistemler ve ekonomiler için ciddi riskler oluşturuyor. Demografi, yerleşim eğilimleri, tarım planlamaları gibi antropojenik etkenler kıyı topluluklarının deniz seviyesi yüksekmesi ve aşırı deniz seviyesi olaylarına hassasiyetini arttırmakta. Bu bağlamda kıyılarda mevcut seviye değişimlerini gözlemlemek, analiz etmek, yorumlamak ve bu birikime dayalı olarak tanımlanan modellerle seviye değişimlerini tahmin etmek kıyılarda etkili afet riski azaltma planları geliştirmek için elzem. Bu çalışma tam bu ihtiyaca binean, kıyı bölgelerinde faydalı yorumlanabilir ve farklı disiplinlerce değerlendirilebilir deniz seviye bilgisinin üretilmesine dair motivasyonla üretildi. Prototip olarak seçilen çalışma sahası Türkiye kıyılarında, deniz seviyesi verileri toplanarak zamansal ve mekansal değişimleri incelendi. Tanımlanan modeller ve üretilen tahmin/projeksiyonlar doğrultusunda kıyı şeridinin risk altındaki bölgeleri belirlendi. Türkiye kıyılarındaki deniz seviyesi değişimlerine odaklanan bu çalışma temel olarak veri analizi, alansal analiz, kısa vadeli tahmin modelleri, uzun vadeli tahmin/ projeksiyon modelleri olmak üzere 4 aşamadan oluşmaktadır. Çalışmanın analiz kısmı denilecek ilk yarısında hem istasyon bazlı hem de bölgesel ölçekte yürütülmüş hesaplamalar doğrultusunda Türkiye kıyılarındaki seviye salınımlarının tekrar eden, belirgin özellikleri, eğilimleri incelenmiştir. Çalışmanın tahmin modellerine ayrılmış ikinci yarısı ise deniz seviyesi zamansal değişimlerinin temel dinamiklerini anlamaya ve gelecekteki muhtemel seviye değerlerini belirlemeye hizmet edecektir. Modelleme çalışmaları da analiz çalışmaları gibi noktasal ve bölgesel olmak üzere iki boyutlu ele alınmıştır. Kısa vadeli tahmin modelleri tek bir noktada bir gün, bir hafta ve bir ay sonrası için tahminler üretmektedir. Kısa vadeli modeller çok zengin bir yöntemsel arka plana sahiptir. Çok sayıda tahmin modeli, pek çok algoritma kombinasyonu tek bir istasyona ait verileri tahmini için kullanılmıştır. Modellerin başarısı pek çok performans indeksi ile değerlendrilmiştir. Uzun vadeli modeller ise tüm Türkiye kıyılarında her bir istasyon için ayrı ayrı kurulmuştur. Metodolojik olarak tek bir modelleme yaklaşımı kullanılmıştır. Elde edilen istasyon bazlı sonuçlar interpole edilmiş ve alansal olarak raporlanmıştır. Risk haritaları oluşturulmuş, model sonuçlarının bölgesel etkileri değerlendirilmiştir. Genel değerlendirmenin ardından bölümler özelinde yapılanlara da değinmek faydalı olacaktır. Veri analizi aşamasında Türkiye kıyılarında 18 farklı gelgit istasyonundan toplanan deniz seviyesi verilerinin zamansal değişimleri incelendi. Uzun vadeli eğilimler çeşitli trend analizleri aracılığıyla çok boyutlu olarak gözlemlendi. Ayrıca her bir istasyonda mevsimsel döngülere bağlı olarak meydana gelen deniz seviyesi bileşeni belirlendi. Ek olarak ekstrem değer analizi uygulandı. Zaman serilerinin dağılımları dikkate alınarak 100 yıllık periyotlarda görülebilecek en yüksek değer istatistiksel olarak belirlendi. Alansal analiz aşaması ise Türkiye kıyılarındaki tüm gelgit ölçüm istasyonundan toplanan deniz seviyesi verilerinin kümülatif olarak incelenmesine ayrılmıştır. Başka bir deyişle bölgesel analiz, veri setlerinin tekil veya konumlarına has özelliklerine odaklanmak yerine bölgesel deniz seviyesi değişimlerinin kalıplarına ve eğilimlerina odaklanmaktadır. Tüm istasyonların genel eğilimleri QR pivoting (QR eksen değiştirme) destekli Ampirik Mod Ayrıştırma (AMA) yöntemi kullanıldı. Bu kümülatif bilginin, daha az sayıda istasyonla temsil edilebilirliği araştırıldı. Bir sensor lokasyonu optimizasyonuna hizmet edebilecek bu yöntem sayesinde tüm bölgedeki deniz seviyesi değişimlerinin yalnızca 4 istasyonla %96 oranında temsil edilebileceği gösterildi. Kısa vadeli tahmin modellerinde, deniz seviyesi verilerin zamansal iç bağımlılığını dikkate alan,öğrenen ve bu bağımlılıklar üzerinden tahmin veya model oluştururan makine öğrenmesi yöntemleri kullanılmıştır. Zaman serileri pek çok etkenin kümülatif cevabı olarak oluşur. Bu aşamada tahmin modelleri bu etkileri teker teker dikkate almayan yani sadece zamansal iç bağımlılığa odaklanan tek değişkenli modeller olarak tasarlanmıştır. Bu basit yaklaşım, özellikle karmaşık çok değişkenli modellere erişimi veya uzmanlığı olmayan kişiler için daha basit bir analiz ve tahmin sürecini kolaylaştırır. Bu kapsamda, Istanbul istasyonunun 1, 7 ve 30 günlük sonrası için günlük deniz seviyesi değerleri çeşitli ML algoritmları ile elde edilmesidir. Serinin zamansal içbağımlılığı aşırı gradyan güçlendirme (AGG), karar ağaçları (KA), destek vektör makinaları (DVM) ve k-en yakın komşuluk (kEY) yöntemleri ile tanımlanmıştır. ML yaklaşımı, hem küresel hem de yerel ölçeklerde fiziksel değişkenlerin modellenmesinde literatürde sıklıkla kullanılmış ve rüştünü ispat etmiştir. Ancak pek çok farklı frekanslı bileşenin etkisiyle oluşan serilerde yalnızca zaman alanında değişim desenini yakalamakta zorlanabilirler. Bu noktada, ML yöntemlerinin tahmin performansını kuvvetlendirmek için wavelet ayrıştırma (WA), ampirik mod ayrıştırma (AMA) ve tekil spektrum analizi (TSA) gibi sinyal ayrıştırma (SA) tekniklerinden destek alınmıştır. Sonuçlar SA yöntemlerinin tahmin başarısına yüksek katkısına işaret eder. Ayrıca bu alternatif yöntemleri kullandığımız metodolojik yaklaşım farklı sinyal analizi ve makine öğrenmesi kombinasyonlarının performanslarının karşılaştırmasına imkan sağlar. Istanbul istasyonu özelinde yürütülen çalışma pek çok bölgede deniz seviyesi tahmin modellerinde uygulanabilecek bir yöntem sunmaktadır. Uzun vadeli modeller tahmin ve projeksiyon olmak üzere 2 kategoride incelenebilir. Diğer bölümlerden farklı olarak uzun vadeli deniz seviyesi değerlerinin üretildiği bu bölümde yalnızca çalışma sahasına özel verilere odaklanmak yerine global deniz seviyesi verileri de kullanılmıştır. Farklı iklim senaryoları altında global ölçekte üretilen deniz seviyesi verilerinden gelgit ölçümleri tahmin edilmiştir. İlk kategori olarak nitelendirdiğimiz uzun vadeli tahmin modelleri ile her bir istasyonun yerinde gözlem zaman serileri (tide gauge data) ile global iklim modelleri çıktısı olarak sunulan deniz seviyesi değerleri arasındaki ilişki matematiksel olarak belirlenmiştir. Tahmin yöntemi deniz seviyesi tahmininde ilk kez değerlendirilen yığınlama topluluğu makine öğrenimi yaklaşımı kullanılmıştır. Makine öğreniminde yığınlama topluluğu, tahmin performansını iyileştirmek için birden fazla modelin birleştirildiği bir tekniktir. Amaç, nihai ve daha doğru bir model üretmek için farklı modellerin güçlü yönlerinden yararlanmaktır. Yığınlamada öncelikle aynı veri kümesi üzerinde birkaç farklı makine öğrenimi algoritması eğitilir ve her model veriler üzerinde kendi tahminlerini yapar. Sonrasında bir diğer algoritma temel modellerin tahminleri üzerinde eğitilir, doğruluğu artırmak için temel modellerden gelen tahminleri en iyi şekilde nasıl birleştireceğini öğrenir. Bu bağlamda, çalışmamızın uzun vadeli tahmin bölümü, birincil (temel) ve ikincil (meta) algoritmaların eğitim süreçleri ve optimal parametre setlerinin belirlenmesinden oluşmaktadır. İkinci kategori olarak nitelendiridiğimiz projeksyion aşamasında ise belirlenen bu en başarılı model (parametre) kombinasyonları global deniz seviyesi projeksiyonlarından yerel deniz seviyesi projeksiyonlarının üretilmesinde kullanılacaktır. Uzun vadeli modelleme yaklaşımı sayesinde hem iyimser hem de kötümser karbon salınımı senaryoları altında bölgede görülebilecek deniz seviyesi değerleri elde edilmiştir. Böylece global verilerin yerelleştirmesine önemli bir metodolojik katkı sağlanmıştır. 21. yüzyılın sonuna kadar muhtemel deniz seviyesi serileri her bir istasyon için oluşturulmuştur. 2100 yılı değerlerinin kıyı şeridinde nasıl bir değişime sebep olacağı haritalarla gösterilmiştir. Sonuçlar, kıyılarda bulunan tarım arazilerinin ve sulak alanların global ve/veya yerel deniz seviyesi artışından en çok etkilenecek bölgeler olduğunu gösteriyor. Tuzlu suyun tatlı su sistemlerine ve topraklara girmesi, içme suyu kaynakları, tarım ve kıyı ekosistemleri için bir tehdit oluşturuyor. Deltalar, adalar ve kıyı ovaları gibi alçak alanlar özellikle savunmasız ve kıyılar boyunca yer alan birçok büyük şehir altyapı hasarı, ekonomik kayıplar ve sosyal bozulmalar yaşayabilir. Çalışmamızda esas itibari ile deniz seviyesi zaman serileri kullanılmıştır. Deniz seviyesi artışını izlemek için temel veri kaynakları arasında uydu gözlemleri, gelgit ölçer kayıtları ve atmosferik/oşinografik iklim modellerinden elde edilen çıktılar bulunur. Gelgit ölçerler yerel ölçekte yüksek çözünürlüklü veriler sağlarken uydu altimetresi küresel kapsam sunar ve geniş ölçekli deniz seviyesi eğilimlerini belirlemek için idealdir. İklim modelleri, gelecekteki tahminleri üretebilmelerine rağmen, özellikle bölgesel ve yerel ölçeklerde deniz seviyesindeki değişimi yönlendiren tüm süreçleri doğru bir şekilde yakalamada hala zorluklarla karşı karşıyadır. Bu çeşitli veri kaynaklarını etkili bir şekilde entegre etmek ve işlemek, her bölgeye özgü eyleme geçirilebilir içgörüler üretmek için esastır. Çalışmamımız yerel su seviyesi değişimlerini tanımlamaya gayretiyle oluşturduğumuz bölümleri, veri analizi ve bölgesel analiz kısmında tide gauge verilerinden faydalanılmıştır. Türkiye kıyılarında 18 farklı noktada güncel tide gauge verisi Harita genel müdürlüğünce yürütülen TUDES gözlem servisi tarafından sağlanmaktadır. Kimi noktada erişilebilir deniz seviyesi verisi 25 yıla geçmişe kadar uzanmaktadır. Son olarak Boğazın kuzey girişinde bulunan İstanbul Istasyonu 2014 yılında faaliyete başlamıştır. Istanbul Boğazı'ndaki deniz seviyesi salınımları, boğazın komşu hazneleri Marmara Denizi ile Karadeniz'i akım rejimlerinin etkisi, yerel meteorolojik koşulların baskısı ile oldukça değişken karakterdedir. Ayrıca İstanbul, kıyı alanlarının yoğun olarak kullanıldığı büyük bir metropol olduğundan, deniz seviyesi verileri kıyı alanlarının planlanması ve yönetilmesi açısından kritik bir rol oynar. Hem oşinografik, hem meteorolojik, hem demografik özellikleri Istanbul diğer tide gauge noktalarında kısmen farklılaşır. Bu sebeple kısa vadeli modelleme prosedürlerini uygulamak ve tahmin yöntemlerinin başarısını sınamak bir ıstasyon belirleme ihtiyacı oluştuğunda özel durumlarını dikkate alarak Istanbul istasyonun en uygun nokta olduğuna karar verdik. Ek olarak uzun vadeli modellerde türkiye kıyılarında global ve yerel verileri ilişkilendirdik. Bu entegrasyon yaklaşımının farklı veri kaynaklarının avantajlarını ortak kullanmak, çok boyutlu bir bakış açısı kazandırarak daha kapsamlı ve doğru sonuçlara ulaşmakta faydalı olacağı kanaatindeyiz. Yürütülen analiz ve modeme çalışmaları, Türkiye kıyılarındaki deniz seviyesi değişimlerine dair hem kısa hem de uzun vadeli öngörülerde bulunan kapsamlı modeller geliştirildi ve bu modellerin doğruluğu değerlendirilerek pratik uygulamalar için kullanıma uygun hale getirildi. Öncelikle Türkiye'yi çevreleyen üç farklı denizde konumlandırılan istasyonlarda farklı salınımlar, eğilimler, dağılımlar görülmektedir. Bununla birlikte bölgede deniz seviyesi değişimlerinin ortak, bitincil bir deseneni çıkarmak mümkündür. Deniz seviyesinin çok bileşenli doğasının dikate alınarak model prosedürlerinin belirlenmesi tahmin başarısına yüksek katkı sağlamıştır. Sinyal analiz teknikleri, zaman serisi verilerindeki karmaşık ve çok bileşenli yapıları çözümleyip makine öğrenmesi modellerinin bu veriyi daha iyi anlamasını sağlamıştır. Farklı iklim senaryoları altında doğru yerelleştirilmiş deniz seviyesi projeksiyonlarının geliştirilmesi özellikle kıyı bölgelerindeki deniz seviyesi değişikliklerinin etkilerine uyum sağlamak ve bunları azaltmak için bilinçli karar alma açısından çok önemli olacaktır. Sonuçlar özellikle beklenen deniz seviyesi artışı ışığında, kıyı risk yönetimi, kentsel planlama ve politika formülasyonu karar alacılara rehberlik edebilir niteliktedir. Gelecekteki araştırmalar, daha karmaşık iklim etkileşimlerini dahil ederek, ek tahmin yöntemlerini araştırarak ve deniz seviyesi artışına karşı dayanıklılığı artırmak için dinamik uyarlanabilir yönetim stratejileri geliştirerek bu çalışmayı genişletebilir. Bu çalışmada, Türkiye kıyılarındaki deniz seviyesi değişimlerini inceleyerek geliştirilen yöntemlerin, başka bölgelerde de kullanılabilecek esnek ve uyarlanabilir bir modelleme çerçevesi sunduğunu belirtmekte fayda var. Çalışmada uygulanan veri analizi, kısa ve uzun vadeli tahmin modelleri, sinyal analiz destekli makine öğrenimi yaklaşımları ve risk değerlendirme yöntemleri, sadece Türkiye kıyılarına özgü değil, aynı zamanda farklı bölgelerdeki deniz seviyesi çalışmalarına da adapte edilebilecek genel prensipleri ve teknikleri içerir. Bu nedenle, bu çalışmanın ortaya koyduğu yaklaşım, farklı kıyı bölgelerinin özel dinamikleri ve veri yapılarına uyum sağlayabilecek şekilde kullanılabilir ve bu bölgelerdeki deniz seviyesi değişimlerini anlamak ve tahmin etmek için de etkili bir yol sunar.

Özet (Çeviri)

Global sea level rise is one of the increasingly evident impacts of climate change, with the potential to create irreversible changes in coastal regions and ecosystems. While the Intergovernmental Panel on Climate Change (IPCC) indicates that global sea levels will continue to rise throughout the 21st century with increasing acceleration, it also emphasizes that the rate of increase will not be uniform across the globe. The implications of the dramatic rise at a global scale, as highlighted by different climate scenarios, may vary regionally due to meteorological, oceanographic, and local factors. Therefore, understanding the regional variations in sea level and determining the coastal response to global trends are crucial for planning sustainable management practices tailored to the specific needs and risks of each area. This study was conducted to address precisely this need, motivated by the goal of producing sea level information that can be interpreted in a useful way for coastal regions and evaluated across different disciplines. Focusing on the coasts of Turkey, which were chosen as a prototype study area, sea level data were collected to analyze temporal and spatial changes. Risk areas along the coastline were identified based on the defined models and generated predictions/projections. This study, which focuses on sea level changes along Turkey's coasts, consists of four main stages: data analysis, spatial analysis, short-term prediction models, and long-term prediction/projection models. In the first half of the study, devoted to analysis, sea level oscillations along the Turkish coasts were examined both on a station basis and at a regional scale, identifying their recurring, distinct features and trends. The second half of the study, which is dedicated to prediction models, aims to understand the fundamental dynamics of sea level temporal changes and to determine probable future sea level values. The modeling studies are addressed in two dimensions, just like the analysis: point-based and regional. Short-term prediction models produce forecasts for 1, 7, and 30 days ahead at a single point. These models are supported by a rich methodological background, utilizing various prediction models and combinations of multiple algorithms to forecast data for a single station. The success of the models is evaluated using numerous performance indices. Long-term models, on the other hand, are established separately for each station along Turkey's coasts, using a single modeling approach. The station-based results obtained are interpolated and reported spatially. Map of potantial sea level increase are created, and the regional impacts of the model results are evaluated. After an overall evaluation, it is also beneficial to discuss the specific sections of the study. In the data analysis phase, temporal changes in sea level data collected from 18 different tide gauge stations along the coasts of Turkey were examined. Long-term trends were observed multidimensionally through various trend analyses. Additionally, the sea level component resulting from seasonal cycles at each station was identified. Furthermore, extreme value analysis was applied, statistically determining the highest values that could be observed in 100-year periods based on the distributions of the time series. The spatial analysis phase is dedicated to the cumulative examination of sea level data collected from all tide gauge stations along Turkey's coasts. In other words, regional analysis focuses on patterns and trends of regional sea level changes rather than the unique or location-specific characteristics of individual datasets. The general trends of all stations were analyzed using the QR pivoting-supported Empirical Mode Decomposition (EOF) method. The representability of this cumulative information with a reduced number of stations was investigated. Through this method, which could aid in optimizing sensor locations, it was shown that sea level changes across the entire region could be represented by only 4 stations with 96% accuracy. Short-term prediction models use machine learning methods that consider and learn the temporal internal dependencies of sea level data to generate forecasts or models based on these dependencies The daily sea level values for 1, 7, and 30 days ahead for the Istanbul station were obtained using various Machine Learning (ML) algorithms. The temporal internal dependencies of the series were defined using methods such as Extreme Gradient Boosting (XGB), Decision Trees (DT), Support Vector Machines (SVM), and k-Nearest Neighbors (kNN). The ML approach is frequently used and proven in the literature for modeling physical variables at both global and local scales. However, they may struggle to capture the change pattern solely in the time domain in series formed by the influence of many different frequency components. At this point, signal decomposition (SA) techniques like Wavelet Decomposition (WD), Empirical Mode Decomposition (EMD), and Singular Spectrum Analysis (SSA) were used to strengthen the prediction performance of ML methods. The results indicate a significant contribution of SA methods to the prediction success. Moreover, our methodological approach using these alternative methods allows for the comparison of the performance of different signal analysis and machine learning combinations. The study conducted at the Istanbul station presents a methodology that can be applied to sea level prediction models in various regions. Long-term models can be examined in two categories: prediction and projection. Unlike other sections, this part focuses not only on site-specific data but also on global sea level data, where long-term sea level values are produced. Sea level measurements were predicted from global sea level data produced under different climate scenarios. In long-term prediction models, which we classify as the first category, the relationship between the in-situ observation time series (tide gauge data) of each station and the sea level values presented as global climate model outputs is mathematically defined. The prediction method uses an stacking ensemble machine learning (EML) approach, evaluated for the first time in sea level prediction. Stacking in machine learning combines multiple models to improve prediction accuracy by training them on the same dataset and then using another algorithm to optimize their combined predictions. In the projection phase, the best model combinations will be used to generate local sea level projections from global ones, considering both optimistic and pessimistic carbon emission scenarios. Thus, a significant methodological contribution was made to the localization of global data. Possible sea level series until the end of the 21st century were created for each station. Maps showed how the 2100 values would affect the coastline. The results show that agricultural lands and wetlands along the coasts are the most affected regions by global and/or local sea level rise. The intrusion of saltwater into freshwater systems and soils poses a threat to drinking water sources, agriculture, and coastal ecosystems. In our study, sea level time series were primarily used. Main data sources for monitoring sea level rise include satellite observations, tide gauge records, and outputs from atmospheric/oceanographic climate models. In the sections created to identify local sea level changes, tide gauge data were used in both the data analysis and regional analysis sections. Current tide gauge data from 18 different points along the Turkish coast are provided by the TUDES monitoring service, conducted by the General Directorate of Mapping. At some points, accessible sea level data extend up to 25 years into the past. The Istanbul Station, located at the northern entrance of the Bosphorus, began operating in 2014. The sea level data recorded in Istanbul differs somewhat from other tide gauge locations in terms of both oceanographic, meteorological, and demographic characteristics. Therefore, when the need arises to select a station to apply short-term modeling procedures and test the success of prediction methods, Istanbul was determined as the most suitable point, taking into account its unique conditions. Furthermore, long-term models linked global and local data along the Turkish coast. We believe that this integrative approach, combining the advantages of different data sources, will be beneficial for achieving more comprehensive and accurate results by providing a multidimensional perspective. The conducted analyses and modeling studies have developed comprehensive models that provide both short- and long-term forecasts for sea level changes along the coasts of Turkey, and these models have been validated for accuracy and prepared for practical applications. Initially, different oscillations, trends, and distributions were observed at stations located in three different seas surrounding Turkey. However, it is possible to identify a common, underlying pattern in the regional sea level changes. Taking into account the multi-component nature of sea level when determining modeling procedures has greatly contributed to the prediction success. Signal analysis techniques have helped to resolve the complex, multi-component structures in the time series data, allowing machine learning models to better understand this data. Developing well-localized sea level projections under different climate scenarios will be crucial for making informed decisions, particularly for adapting to and mitigating the impacts of sea level changes in coastal areas. The results, especially in light of expected sea level rise, can guide decision-makers in coastal risk management, urban planning, and policy formulation. Future research can expand on this study by incorporating more complex climate interactions, exploring additional prediction methods, and developing dynamic, adaptable management strategies to enhance resilience against sea level rise. It is also worth noting that the methods developed by examining sea level changes along Turkey's coasts offer a flexible and adaptable modeling framework that can be applied to other regions. The data analysis, short- and long-term prediction models, signal analysis-supported machine learning approaches, and risk assessment methods used in this study are not exclusive to Turkey's coasts; they also contain general principles and techniques that can be adapted to sea level studies in different regions. Therefore, the approach presented in this study can be effectively used to understand and predict sea level changes in various coastal regions, accommodating their unique dynamics and data structures.

Benzer Tezler

Tez No
933949
Geç kuvaterner çökellerinin kronolojisinin sentetik sismogramlarla rekonstrüksiyonu; Marmara denizi ve salda gölü örnekler
Reconstruction of the chronology of late quaternary sediments with synthetic seismograms; examples from the sea of Marmara and lake salda
ASEN SABUNCU
Doktora
Türkçe
2025
Jeofizik Mühendisliği İstanbul Teknik Üniversitesi
Katı Yer Bilimleri Ana Bilim Dalı
PROF. DR. KÜRŞAD KADİR ERİŞ
Tez No
879063
Türkiye üzerinde rüzgar şiddetinin ekstrem değer analizi ve sinoptik paternlerle ilişkisi
Analyzing extreme winds over Turkey and their relationships with synoptic patterns using cluster analysis
UMUT GÜL BAŞAR GÖRGÜN
Doktora
Türkçe
2024
Meteoroloji İstanbul Teknik Üniversitesi
Meteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
Tez No
967809
Hydrodynamic and thermal variability of the turkish strait system
Türk boğazlar sistemi'nin hidrodinamik ve termal değişkenliği
ŞEHRİBAN ŞEN
Doktora
İngilizce
2025
Deniz Bilimleri İstanbul Teknik Üniversitesi
İnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TARKAN ERDİK
Tez No
663244
Impacts of climate change on tourism sector in Turkey: Challenges and future prospects
İklim değişikliğinin Türkiye turizm sektörüne etkileri: Gereksinimler ve gelecek öngörüleri
AYSUN AYGÜN
Doktora
İngilizce
2021
Şehircilik ve Bölge Planlama İstanbul Teknik Üniversitesi
Şehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. TÜZİN BAYCAN
Tez No
448315
İşitme engelli öğrencilere yönelik yürütülen teknoloji tabanlı bir projenin okul üzerindeki etkilerinin eğitimde değişim süreçleri çerçevesinde incelenmesi
Conducted technology based for the hearing disabled students a project investigation in the school of education of the effects of change process framework
GÜLBAHAR MERVE ŞILBIR
Yüksek Lisans
Türkçe
2016
Eğitim ve Öğretim Karadeniz Teknik Üniversitesi
Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. HASAN KARAL

Geri Dön