An ai-based framework for modeling streamflows under the water-energy-food-ecosystem nexus approach: A comprehensive assessment of the watersheds of Türkiye
Su-enerjı̇-gıda-ekosı̇stem bağı yaklaşımı kapsamında akarsu akışlarının modellenmesı̇ ı̇çı̇n yapay zeka tabanlı bı̇r çerçeve: Türkı̇ye dekı̇ su havzalarının kapsamlı bı̇r değerlendı̇rmesı̇
- Tez No: 983536
- Danışmanlar: DOÇ. DR. EMRE ALP, PROF. DR. MURAT GÖL
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Su–Enerji–Gıda–Ekosistem (SEGE) Bağı'nın sağlıklı işlemesi, artan iklimsel ve beşeri baskılar altında sürdürülebilir kalkınmanın desteklenmesi için kritik öneme sahiptir. Ancak mevcut hidrolojik modelleme yaklaşımlarının büyük kısmı insan faaliyetlerini yalnızca dolaylı olarak temsil etmekte, bu da su kaynakları, enerji talebi, gıda üretimi ve ekosistem işleyişi arasındaki geri besleme ilişkilerinin modellenmesini sınırlamaktadır. Bu tezde, SEGE göstergelerini açık biçimde entegre eden, Türkiye ölçeğinde akım dinamiklerini öngörmeye yönelik yapay zekâ tabanlı bir modelleme çerçevesi geliştirilmiştir. Geliştirilen yapı; kısa vadeli iklimsel dizileri girdi olarak alan yinelenen bir dal ile statik fizyografik betimleyiciler ve yıllık SEGE göstergelerini temsil eden ileri beslemeli bir dalın bütünleşik kullanımına dayanmaktadır. Model, Türkiye'nin başlıca nehir havzalarındaki 258 DSİ akım gözlem istasyonuna ait günlük akım gözlemleriyle eğitilmiş, çıktılar aylık ölçekte Nash–Sutcliffe Etkinlik katsayısı (NSE), RSR ve yüzde yanlılık (PBIAS) ölçütleriyle değerlendirilmiştir. Sadece hidroklimatik ve fizyografik değişkenlere dayanan“Temel model”ile sosyo-ekonomik SEGE göstergelerini de içeren“WEF ile zenginleştirilmiş model”olmak üzere iki konfigürasyon karşılaştırılmıştır. Tüm istasyonlar içinde 149'unda (%58) en az bir konfigürasyonda tatmin edici performans elde edilmiş; bu istasyonlar için ortalama NSE 0,77, RSR 0,46 ve |PBIAS| %9,5 bulunmuş, 93 istasyonda (tatmin edici alt grubun %62'si) NSE değeri 0,75'in üzerine çıkmıştır. Bu tatmin edici istasyonların yaklaşık %60'ında SEGE göstergelerinin dâhil edilmesiyle öngörü performansında iyileşme gözlenmiş, istasyonların yaklaşık üçte birinde ise özellikle hidrolojik olarak kısıtlı, kar etkisinin zayıf olduğu havzalarda orta ile belirgin düzeyde kazanımlar ortaya çıkmıştır. Birikimli Yerel Etkiler (ALE) analizi, pompajlı sulama kapasitesi, kentsel su çekimi, hayvan varlığı ve elektrik tüketimi gibi SEGE değişkenlerinin beşeri etkilerle şekillenen akım rejimlerinin açıklanmasında kritik rol oynadığını göstermektedir. Elde edilen bulgular, SEGE duyarlı ve açıklanabilir yapay zekâ modellerinin, yalnızca iklime dayalı geleneksel yaklaşımları hem akım öngörü doğruluğu hem de insan–su–enerji–gıda etkileşimlerinin fiziksel olarak anlamlı biçimde yorumlanması açısından tamamlayarak Türkiye ve benzeri veri kısıtlı bölgelerde bütüncül su kaynakları planlamasına katkı sağlayabileceğini ortaya koymaktadır. Bu arada, önceki bazı dosya yüklemelerinizin süresi dolmuş durumda; başka bir belge için de benzer bir özet/çeviri çalışması isterseniz dosyayı yeniden yüklerseniz üzerine de çalışabilirim.
Özet (Çeviri)
A well-functioning Water–Energy–Food–Ecosystem (WEFE) Nexus is critical to support sustainable development under increasing climatic and anthropogenic pressures. Yet, most hydrological modelling frameworks still treat human activities only implicitly, limiting their ability to represent the feedbacks between water resources, energy demand, food production, and ecosystem functioning. This thesis develops an AI-based modelling framework for predicting streamflow dynamics across Türkiye while explicitly integrating WEFE indicators. The framework couples a recurrent branch, which ingests short-term climatic sequences, with a feed-forward branch representing static physiographic descriptors and annual WEFE indicators, and is trained on daily streamflow records from 258 DSİ gauging stations spanning the country's major river basins. Model outputs are evaluated at the monthly scale using Nash–Sutcliffe Efficiency (NSE), RSR, and percent bias (PBIAS), and two configurations are compared: a Baseline model driven only by hydroclimatic and physiographic predictors, and a WEF-enhanced model that additionally incorporates socio-economic WEFE indicators. Across all stations, 149 (58%) achieve satisfactory performance in at least one configuration, with an average NSE of 0.77, RSR of 0.46, and |PBIAS| of 9.5%, and 93 stations (62% of the satisfactory subset) exceeding NSE = 0.75. Within this satisfactory group, approximately 60% of stations exhibit improved predictive skill when WEFE indicators are included, with around one third showing moderate to substantial gains, particularly in hydrologically constrained, low-snow basins where human water management plays a stronger role. An Accumulated Local Effects (ALE) analysis is used to interpret the contribution of WEFE predictors, highlighting variables such as pumped irrigation capacity, municipal water abstraction, livestock numbers, and electricity consumption as key drivers of anthropogenically modulated flow regimes. Overall, the results demonstrate that WEFE-aware, explainable AI models can complement traditional climate-based approaches by both enhancing streamflow prediction and providing physically meaningful insight into human–water–energy–food interactions to support integrated water resources planning in Türkiye and similar data-scarce regions.
Benzer Tezler
- Su tahsisi planlamasında çok kriterli karar verme teknikleri: Seyhan Havzası örnek çalışması
Multi-criteria decision making techniques for water allocation planning: A case study of Seyhan watershed area
GÜNDÜZ SİNEM KOCABAŞ SİRKECİ
Yüksek Lisans
Türkçe
2016
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN ERDEM GÖRGÜN
- Sakarya nehri havzasında su kalitesi yönetimi
Water quality management in Sakarya river basin
SELMİN BURAK BALTAOĞLU
- An improved multi-component metric for spatial pattern calibration of hydrologic models
Hidrolojik modellerin örüntüye dayalı kalibrasyonu için çok bileşenli metrik geliştirilmesi
EYMEN BERKAY YORULMAZ
Yüksek Lisans
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET CÜNEYD DEMİREL
- Darlık havzasının model destekli hidrolojik analizi
Model supported hydrological analysis of Darlik watershed
GÖKHAN CÜCELOĞLU
Yüksek Lisans
Türkçe
2013
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ERTÜRK
- Numerical investigation of laminar-to-turbulent transition in oscillatory boundary layers
Salinimli sinir tabakalarinda laminerden türbülansa geçişin sayisal olarak incelenmesi
SELMAN BAYSAL
Doktora
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik ÜniversitesiKıyı Bilimleri Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL ŞADAN ÖZGÜR KIRCA