Geri Dön

Pasif mikrodalga verileri üzerinden bir dolu tespit modelinin geliştirilmesi

Development of hail detection model using passive microwave data

  1. Tez No: 961760
  2. Yazar: ABDURRAHMAN DURMAZ
  3. Danışmanlar: DOÇ. DR. AHMET ÖZTOPAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Meteoroloji, Meteorology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  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: 79

Özet

Bu tez çalışması, National Oceanic and Atmospheric Administration (NOAA) ve Meteorological Operational Satellite Program of Europe (METOP) uydularına ait pasif mikrodalga algılayıcılarından elde edilen parlaklık sıcaklığı verilerine dayanarak, kısa vadeli dolu tahmini ve dolu tanelerinin çapının belirlenmesi için operasyonel bir model geliştirmeyi amaçlamaktadır. Türkiye'de bu alandaki bilimsel çalışmaların sınırlı olması nedeniyle, bu tez hem ülkemiz bilimsel gelişimine katkı sunmayı hem de dolu gibi aşırı hava olaylarının ekonomik ve toplumsal etkilerini azaltmayı hedeflemektedir. Pasif mikrodalga algılayıcılar Advanced Microwave Sounding Unit B (AMSU-B) ve Microwave Humidity Sounder (MHS), bulutlu hava koşullarında bile atmosferik süreçleri izleyebilme özelliğine sahiptir; bu da dolu tespiti açısından büyük avantaj sağlar. Polar yörüngeli uydulardaki mikrodalga sensörleri, 90–190 GHz frekans aralığında çalışmakta ve atmosferdeki su buharı, buz kristalleri ve yağmur damlacıkları gibi etkenlerle değişen parlaklık sıcaklığı değerlerini ölçmektedir. Bu değerler, şiddetli konvektif sistemlerin tespiti için önemli bilgiler sunar. Özellikle 190 GHz aşağı seviye atmosferdeki, 186 ve 184 GHz ise üst seviyelerdeki su buharı ve buz dağılımına duyarlıdır. Bu çalışmada dolu tespiti için, parlaklık sıcaklık değerlerinin iki boyutlu dağılım grafiklerinde oluşturulan üçgensel geometrik karar sınırları kullanılmıştır. Türkiye ve çevresinde yeterli gözlem verisi bulunmadığından, çalışma ABD verileriyle gerçekleştirilmiştir. 2009–2024 yılları arasında ABD'de gözlenen 190.000'den fazla dolu vakası ile uydulardan alınan yaklaşık 315.000 parlaklık sıcaklığı ölçümü eşleştirilerek büyük bir veri tabanı oluşturulmuştur. Veri eşleştirme iki farklı yöntemle yapılmıştır: Biri dolu ihbar noktasına en yakın pikseli, diğeri ise belirli bir yarıçap içindeki en düşük parlaklık sıcaklığına sahip pikseli seçmiştir. Her pikselde, beş farklı frekansta (90, 150, 184, 186, 190 GHz) ölçülen parlaklık sıcaklıkları, yüzey türü, tarama zamanı ve uydu bakış açısı gibi bilgiler bulunmaktadır. Ayrıca bu kanallar arasındaki fark değerleri de sınıflandırma gücünü artırmak için hesaplanmıştır. Dolu tespiti amacıyla kullanılan üçgen modelde, her üçgenin köşe noktaları minimum, maksimum ve ortalama değerlere göre seçilmiş ve üçgenin alanı mümkün olduğunca küçük tutulmuştur. Örneğin, 90 GHz ile 150 GHz kanal çiftinden elde edilen dağılım grafiğinde doluya karşılık gelen noktalar belirli bir üçgenin içine düşmektedir. Benzer şekilde 90–190 GHz ve 150–190 GHz kanal çiftleriyle de üçgenler oluşturulmuştur. Ayrıca, bu tez çalışması dolu taneciklerinin boyutlarını tahmin etmeye yönelik bir model de sunmaktadır. Farklı çap aralıkları için (5 cm, 6 cm, 7 cm) üçgen alanlar tanımlanmış ve bu alanlar, parlaklık sıcaklığı farklarının büyük dolu tanelerindeki saçılma etkisine göre belirlenmiştir. Model, pikselleri belirli eşik değerlere göre sınıflandırarak dolu çaplarına dair olasılıksal tahminlerde bulunmaktadır. Modelin gücünü artırmak için lojistik regresyon, yapay sinir ağı ve rassal orman gibi makine öğrenmesi yöntemleri de uygulanmıştır. Modeller, dolu taneciği çapının belirli bir eşik değerin üstünde veya altında olup olmamasına göre etiketlenmiş piksellerle eğitilmiştir. Girdi değişkenleri olarak hem parlaklık sıcaklıkları hem de kanallar arası farklar kullanılmıştır. Performans değerlendirmesinde POD (yakalama olasılığı), FAR (yanlış alarm oranı), CSI (kritik başarı indeksi) ve HR (başarı oranı) gibi metrikler dikkate alınmıştır. Sonuçlar, üçgen tabanlı geometrik modelin düşük yanlış alarm oranlarıyla başarılı bir dolu ayrımı yaptığını göstermektedir. 150–190 GHz kanal kombinasyonunda 7 cm eşikli model en düşük hata oranına sahipken, 5 cm eşikli model diğer hata metriklerinde daha iyi sonuçlar vermiştir. Türkiye özelinde 5 cm eşik değeri daha kritik görüldüğünden en uygun model olarak seçilmiştir. Makine öğrenmesi modelleri karşılaştırıldığında, rassal orman algoritması hem eğitim hem test verisinde en başarılı sonuçları vermiştir. Örneğin, 5 cm eşikli test verisinde hata oranı %5,7, FAR 0,3 ve başarı oranı 0,9 olarak hesaplanmıştır. Bu model, dolu büyüklüğü tahmininde dengeli ve güvenilir performans sergileyerek operasyonel uygulamalar için uygun bir aday olduğunu göstermiştir. Çalışmanın ilerleyen dönemlerinde, kızılötesi bulut tepe sıcaklıkları ile mikrodalga parlaklık sıcaklıkları arasında korelasyon kurularak modelin geliştirilmesi ve operasyonel bir yazılıma dönüştürülmesi hedeflenmektedir. Böylece dolu kaynaklı maddi ve insani zararların azaltılmasına katkı sağlanması amaçlanmaktadır.

Özet (Çeviri)

This thesis focuses on the development of an operational model for short-term prediction of hail events and hailstone sizes, using variations in brightness temperature values obtained from the passive microwave sensors aboard the National Oceanic and Atmospheric Administration (NOAA) and the Meteorological Operational Satellite Program of Europe (METOP) satellites. The research aims to contribute to a relatively unexplored area in Türkiye by initiating scientific advancements in a domain with potential societal impact. The rising costs and risks associated with such extreme weather events highlight the importance of timely detection and forecasting systems. This study proposes the use of satellite-based passive microwave data to construct an operational hail detection and hail size estimation model. The historical development of passive microwave remote sensing began with early instruments such as the Special Sensor Microwave/Imager (SSM/I), followed by the Advanced Microwave Sounding Unit (AMSU) and the Microwave Humidity Sounder (MHS), which are still operational. These sensors offer the ability to monitor atmospheric processes even under cloudy conditions, which is crucial for hail detection. Microwave sensors on polar-orbiting satellites operate in the 90–190 GHz frequency range and capture brightness temperature values, which are influenced by atmospheric conditions such as water vapor content, ice crystals, and raindrops. These observations provide valuable data for detecting severe convective weather systems. Brightness temperature, a parameter representing the radiative energy emitted by the Earth-atmosphere system, is particularly sensitive to the microphysical properties of clouds. Differences between the channels provide critical information on hydrometeors in the atmosphere. For instance, 190 GHz is sensitive to lower atmosphere layers, while 186 and 184 GHz channels respond to water vapor and ice scattering in higher altitudes. The detection methodology in this thesis is based on constructing geometric decision boundaries using combinations of brightness temperature values. For this purpose, a large dataset was created by integrating satellite brightness temperature measurements with ground-based hail reports from the NOAA Storm Events Database, covering the years 2009–2024. A total of over 190,000 hail events were used to extract representative satellite observations. Due to data availability and coverage limitations in Türkiye and surrounding regions, the study was conducted using U.S.-based events. To match satellite data with hail observations, two different data-matching techniques were employed. The first selects the satellite pixel closest to the reported hail location, and the second selects the pixel with the lowest brightness temperature within a defined radius around the hail location. Each matched pixel contains five brightness temperature values corresponding to the 90, 150, 183, 186, and 190 GHz channels and scan time, earth angle of incidence and land surface type. Additionally, difference values between channels (e.g., 90–150 GHz) were computed to strengthen the classification potential. The hail detection model uses triangular geometric areas plotted on two-dimensional scatter diagrams to separate hail from non-hail observations. Each triangle is defined by three vertex coordinates selected based on the minimum, maximum and average values derived from all cases, with an effort to minimize the area of the triangle. For instance, the scatter plot of 90 GHz vs. 150 GHz identifies hail by capturing points that fall within a triangle representing typical brightness temperature relationships during hail events. Similar triangles were constructed using 90–190 GHz and 150–190 GHz channel pairs. The underlying principle is that hail-affected pixels exhibit characteristic brightness temperature combinations, distinguishable from other weather conditions. In addition to hail detection, the thesis presents a model for estimating hailstone sizes. Different triangular zones were defined for hailstones of increasing diameters (e.g., 5 cm, 6 cm, and 7 cm). These zones were determined based on variations in the brightness temperature differences, which reflect the scattering intensity associated with larger hailstones. The model uses thresholds to classify pixels into corresponding hail size categories, thus providing a probabilistic estimation of hail severity. To enhance the model's robustness, machine learning algorithms were also applied. These include logistic regression, random forest, and artificial neural networks (ANNs). The models were trained using labeled satellite pixels classifed based on whether hail size was above or below a defined threshold. Input features included both raw brightness temperature values and their inter-channel differences. Performance metrics such as Probability of Detection (POD), False Alarm Ratio (FAR), Critical Success Index (CSI), and Hit Rate (HR) were used to assess model efficacy. The results demonstrate that the triangle-based geometric model performs well in distinguishing hail events with low false alarm rates. The model is simple, computationally efficient, and suitable for real-time implementation in satellite data processing systems. The results demonstrate that the triangle-based geometric model performs well in distinguishing hail events above defined size thresholds, with consistently low false alarm rates. Among various configurations, the 150–190 GHz channel combination with a 7 cm threshold achieved the lowest error rates—14.8% for the training set and 7.8\% for the test set. However, the 5 cm threshold model performed better in terms of other metrics, such as a lower false alarm rate (0.2 for Rgeq5 cm vs. 0.4 for Rgeq7 cm), higher critical success index (CSI), and improved probability of detection (POD), indicating its overall effectiveness in identifying smaller hail sizes. In comparison, machine learning approaches showed varying performance across hail size thresholds. Among the models tested, Random Forest outperformed both the neural network and logistic regression models. For example, at a 6 cm threshold, the Random Forest model achieved an error rate of 9.8\% on the training data and 8.8\% on the test data, outperforming the neural network (11.6\% and 11.9\%, respectively) and logistic regression (16.0\% and 18.2\%). At a 5 cm threshold, Random Forest yielded the lowest test error rate at 5.7\%, along with a competitive false alarm rate (0.3) and high hit rate (0.9). Despite the neural network providing moderate improvements in detection probability, the Random Forest model consistently delivered the best performance across most metrics, especially in scenarios involving smaller hail thresholds. It proved particularly effective in balancing low error rates with high detection reliability, making it a strong candidate for operational implementation in hail size estimation from satellite data. In line with the study's objective, a hail detection database was developed by combining 192,853 U.S. hail reports with approximately 315,000 passive microwave observations from AMSU-B and MHS sensors. Among the triangle-based models, the one using the 150–190 GHz channel combination with a 7 cm threshold had the lowest overall error rate, but the 5 cm threshold model produced better results in key metrics like the false alarm rate, which is especially important for Türkiye. Therefore, the 5 cm triangle model was identified as the most suitable. Similarly, the Random Forest model with a 5 cm threshold achieved the best performance among machine learning approaches, aligning with the triangle model's threshold. For future operational tools, forecasting hail events above or below 5 cm was considered the most practical. Increasing the number of high-quality training cases—particularly those above 7 cm—and integrating new hail events could improve the models further. Future work will also explore correlations between infrared cloud-top temperatures and passive microwave brightness temperatures, aiming to develop an operational hail detection system that could help reduce economic and human losses in Türkiye and beyond.

Benzer Tezler

  1. Tez No

    837056

    Performance assessment of nonlinear active devices to design broadband microwave power amplifiers via virtual gain optimization

    Doğrusal olmayan aktif elemanların performans analizi ve sanal kazanç optimizasyonuyla genişbandlı mikrodalga güç kuvvetlendiricisi tasarımı

    SEDAT KILINÇ

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL SERDAR ÖZOĞUZ

    PROF. DR. BEKİR SIDDIK BİNBOĞA YARMAN

  2. Tez No

    915908

    Microwave sensor design for liquid material characterization

    Sıvı materyal karakterizasyonu için mikrodalga sensör tasarımı

    CEM GÖÇEN

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MERİH PALANDÖKEN

  3. Tez No

    142864

    Analysis and image reconstruction of synthetic aperture radar raw data

    Yapay açıklıklı radar işlenmemiş verilerinin incelenmesi ve görüntü oluşturulması

    CİHAN ERBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELÇUK PAKER

  4. Tez No

    450972

    GaAs pHEMT class-E power amplifier design

    GaAs pHEMT E-sınıfı güç küvvetlendirici tasarımı

    BEHNOOSH MESKOOB

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    ÖĞR. GÖR. HASAN BÜLENT YAĞCI

  5. Tez No

    305685

    Determination of snow water equivalent over eastern part of Turkey using passive microwave data

    Türkiye?nin doğusunda kar-su eşdeğerinin pasif mikrodalga uydu verileri ile hesaplanması

    ÖZGÜR BEŞER

    Doktora

    İngilizce

    İngilizce

    2011

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Bölümü

    PROF. DR. ALİ ÜNAL ŞORMAN

Geri Dön