Geri Dön

Türkiye'deki havalimanlarında düşük görüş mesafesinin istatistiksel ve meteorolojik analizi ile makine öğrenmesi tabanlı tahmini

Statistical and meteorological analysis, and machine learning-based prediction of low visibility at airports in Türkiye

PDF İndir

  1. Tez No: 994489
  2. Yazar: İBRAHİM AKBAYIR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ DENİZ DEMİRHAN
  4. Tez Türü: Doktora
  5. Konular: Sivil Havacılık, Meteoroloji, Civil Aviation, 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: Belirtilmemiş.

Özet

Havacılık meteorolojisi, uçuş güvenliğini etkileyen kritik atmosferik parametrelerin sürekli ve yüksek doğrulukla izlenmesini gerektiren disiplinler arası bir alandır. Uluslararası Sivil Havacılık Örgütü tarafından yayımlanan düzenlemelerde, özellikle düşük görüş koşullarının uçuş operasyonları üzerindeki etkileri vurgulanmakta; pist kapasitesi, yaklaşma prosedürleri, ILS kategori gereksinimleri ve hava trafik akış yönetimi açısından görüş mesafesinin doğru şekilde ölçülmesi ve kısa vadeli tahmin edilmesi zorunlu tutulmaktadır. Bu nedenle, düşük görüş olaylarının hem mekânsal hem de zamansal dağılımının doğru şekilde belirlenmesi, havacılık güvenliği açısından ulusal ve uluslararası standartların sağlanması için büyük önem taşımaktadır. Türkiye, iklimsel farklılıkları, coğrafi çeşitliliği ve karmaşık topoğrafyası nedeniyle düşük görüş olaylarının bölgesel olarak belirgin farklılıklar gösterdiği ülkelerden biridir. Doğu Anadolu'da kapalı havza yapısı ve radyatif soğuma nedeniyle yoğun gece sisleri sık görülürken; Marmara ve Karadeniz kıyılarında nem adveksiyonu kaynaklı sis olayları öne çıkmaktadır. İç ve Batı Anadolu'da yüksek basınç koşulları altında çiy noktası yaklaşmaları sis oluşumunu desteklemekte; Akdeniz ve Ege kıyılarında ise düşük görüş büyük ölçüde yağış ve nem dinamikleriyle ilişkilidir. Bu heterojen yapı, tek tip bir model ile güvenilir görüş mesafesi tahmininin mümkün olmadığını, bölgesel farklılıkları dikkate alan çok yönlü bir analiz yaklaşımına ihtiyaç olduğunu göstermektedir. Ayrıca meteorolojik olayların kısa zaman ölçeklerinde hızla değişmesi, görüş mesafesinin klasik deterministik yöntemlerle tahmin edilmesini zorlaştırmakta ve gelişmiş makine öğrenmesi tekniklerinin kullanımını gerekli kılmaktadır. Ülkemizde hava trafiğinin giderek artması, yeni havalimanlarının devreye girmesi ve mevcut pist kapasitesinin en verimli şekilde kullanılma zorunluluğu, görüş mesafesi tahmininin operasyonel önemini daha da artırmaktadır. Özellikle İstanbul, İzmir, Ankara ve Antalya gibi yüksek yoğunluklu havalimanlarında düşük görüş; gecikme, kapasite kaybı, iptaller ve yönlendirmeler gibi ciddi operasyonel sorunlara yol açabilmektedir. Bunun yanında, METAR verilerinin sürekli ve standart formatta üretilmesi, Türkiye genelinde görüş mesafesi tahmin modellerinin oluşturulması için önemli bir veri altyapısı sağlamaktadır. Geniş zaman aralığını kapsayan METAR veri setleri, hem düşük görüşün klimatolojik özelliklerini inceleme hem de makine öğrenmesi yöntemleriyle kısa vadeli tahminler üretme açısından büyük bir avantaj sunmaktadır. Bu tez çalışmasında, Türkiye'deki havalimanlarında hazırlanan METAR raporları kullanılarak düşük görüş mesafesinin meteorolojik ve istatistiksel özelliklerinin incelenmesi ve görüş mesafesi tahmininde farklı makine öğrenmesi yöntemlerinin performanslarının değerlendirilmesini amaçlamaktadır. Düşük görüş olaylarının uçuş güvenliği, pist kapasitesi ve hava trafik yönetimi üzerindeki kritik etkileri dikkate alındığında hem ulusal hem de uluslararası ölçekte güvenilir bir görüş mesafesi tahmin sistemlerine duyulan ihtiyaç giderek artmaktadır. Bu kapsamda çalışma, 2015–2024 yılları arasında Türkiye'nin farklı iklim bölgelerinde yer alan tüm havalimanlarından derlenen meteorolojik veri seti üzerinden kapsamlı bir analiz gerçekleştirmiştir. Çalışmada ilk olarak Türkiye genelindeki düşük görüş olaylarının klimatolojisi ortaya konulmuş ve yıllık, mevsimsel, aylık ve saatlik değişim özellikleri ayrıntılı biçimde incelenmiştir. Elde edilen sonuçlar, düşük görüş sıklığının bölgesel olarak belirgin farklılıklar gösterdiğini ortaya koymaktadır. Doğu Anadolu Bölgesi'ndeki Hakkâri (LTCW) ve Muş (LTCK) gibi havalimanlarında düşük görüş olaylarının hem sıklığı hem de süresi yüksek çıkarken, Ege ve Akdeniz kıyı hatlarında yer alan Alanya (LTFG), Dalaman (LTBS) ve Antalya (LTAI) gibi havalimanlarında düşük görüşün oldukça sınırlı olduğu belirlenmiştir. İç Anadolu Bölgesi'nde ise özellikle gece boyunca gelişen radyatif soğuma etkisiyle 03:00–09:00 saatleri arasında sis oluşumlarının yoğunlaştığı görülmüştür. Mevsimsel analizler, düşük görüşün en fazla kış aylarında meydana geldiğini ve Aralık–Ocak–Şubat dönemlerinde tüm bölgelerde belirgin artış gösterdiğini ortaya koymuştur. Meteorolojik parametre analizleri düşük görüş oluşumunun altında yatan atmosferik mekanizmaları detaylandırmıştır. Sonuçlara göre bağıl nem, sıcaklık–çiy noktası farkı (T–Td), rüzgâr hızı ve bulutluluk miktarı düşük görüşün en belirleyici unsurlarıdır. Özellikle T–Td farkının 1°C'nin altına indiği ve rüzgâr hızının 0–2 m/s aralığında seyrettiği durumlarda sis oluşma ihtimali büyük oranda artmaktadır. Türkiye'nin topoğrafik yapısı da düşük görüş üzerinde etkili bir faktör olup, kapalı havza karakterindeki ovalarda/vadilerde yer alan havalimanlarında görüş mesafesinin uzun süreler boyunca düşük seyrettiği görülmüştür. Tezin ikinci aşamasında, görüş mesafesi tahmini için ileri düzey makine öğrenmesi algoritmaları kullanılmıştır. Bu kapsamda Random Forest (RF), XGBoost, LightGBM, CatBoost, Temporal Convolutional Network (TCN) ve Extreme Learning Machine (ELM) modelleri değerlendirilmiştir. Her bir havalimanı için ayrı model oluşturulmuştur. Modeller, eğitim–doğrulama–test ayrımı yapılarak optimize edilmiş ve performans değerlendirmesinde R², RMSE, MAE ve MAPE ölçütlerinden yararlanılmıştır. Modelleme sonuçları, görüş mesafesi tahmininin doğrusal olmayan ve değişkenler arası karmaşık ilişkiler içeren bir problem olduğunu göstermiştir. LightGBM modeli bazı havalimanlarında en yüksek tekil doğruluğa ulaşmış ve Muş (LTCK) havalimanında R²=0.911 değeri ile çalışmanın en iyi lokal performansını üretmiştir. Ancak LightGBM'nin performansı havalimanları arasında çok yüksek farklılıklar göstermiştir. Buna karşılık CatBoost modeli, düşük hata değerleri ve birçok havalimanında 0.85 üzerindeki R² performansı ile genel başarı açısından en dengeli ve en üstün model olarak öne çıkmıştır. CatBoost özellikle hadise kodlarının (FG, BR, HZ, RA) belirleyici olduğu sis/pus ağırlıklı havalimanlarında yüksek hassasiyet sağlamıştır. ELM modeli, hızlı eğitilebilir yapısının yanı sıra birçok havalimanında beklenenden yüksek doğruluk üreterek genel ortalama performansında CatBoost'un ardından ikinci sırada yer almıştır. XGBoost modeli ise çok sayıda havalimanlarında 0.65–0.77 aralığında R² üretmiş, homojen olmayan meteorolojik koşullara rağmen istikrarlı bir performans sergilemiştir. RF modeli ise kararlı bir yapıya sahip olmasına rağmen doğruluk düzeyi daha düşük kalmış ve çoğunlukla orta performans düzeyinde sonuçlar vermiştir. TCN modeli, genel doğruluk bakımından ağaç tabanlı algoritmaların gerisinde kalmasına karşın sisin gece oluşup sabah hızla dağılması gibi ani zaman bağımlı değişimleri yakalama kapasitesiyle dikkat çekmiş ve kısa zaman ölçekli olayların temsilinde tamamlayıcı bir rol oynamıştır. Sonuç olarak bu tez, Türkiye'de düşük görüş olaylarının hem klimatolojik özelliklerini hem de makine öğrenmesi temelli tahmin performanslarını detaylı biçimde değerlendiren kapsamlı bir çalışma sunmaktadır. Bulgular, havacılık meteorolojisi alanında erken uyarı sistemlerinin geliştirilmesi, ILS kategori planlaması, pist kapasitesi yönetimi ve hava trafik akış kontrolü için önemli bilimsel ve operasyonel katkılar sağlamaktadır. Ayrıca çalışma, görüş mesafesi tahmininde farklı model yaklaşımlarının avantaj ve sınırlılıklarını ortaya koyarak gelecekte yapılacak yapay zekâ tabanlı araştırmalara güçlü bir temel oluşturmuştur.

Özet (Çeviri)

Aviation meteorology is an interdisciplinary field that requires the continuous and highly accurate monitoring of critical atmospheric parameters that influence flight safety. Regulations published by the International Civil Aviation Organization (ICAO) emphasize the substantial impact of low-visibility conditions on flight operations, highlighting the necessity of reliably measuring and short-term forecasting visibility in relation to runway capacity, approach procedures, ILS category requirements, and air traffic flow management. Therefore, accurately determining both the spatial and temporal characteristics of low-visibility events is essential for meeting national and international aviation safety standards and for ensuring the safe and efficient continuity of flight operations. In operational terms, visibility thresholds directly affect decision heights, landing minima, and the applicability of precision approach systems, making visibility one of the most safety-critical meteorological variables in civil aviation. Türkiye exhibits pronounced regional variability in low-visibility events due to its climatic diversity, geographical complexity, and intricate topographical structure. While intense nocturnal radiation fog frequently forms in the closed-basin topography of Eastern Anatolia, advection-driven fog is more common along the Marmara and Black Sea coasts, where humidity transport over relatively cooler surfaces plays a decisive role. In Central and Western Anatolia, fog formation is largely driven by dew-point convergence under strong high-pressure conditions, whereas in the Mediterranean and Aegean coastal regions low visibility is predominantly associated with rainfall processes, marine humidity, and boundary-layer moisture dynamics. This heterogeneous structure indicates that a single predictive model cannot reliably capture visibility behavior across the country, demonstrating the need for a comprehensive analytical framework that accounts for spatial heterogeneity, local meteorological processes, and short-term atmospheric variability. Moreover, the rapid evolution of fog-related meteorological phenomena increases the difficulty of forecasting visibility using classical deterministic approaches, further underscoring the necessity of advanced machine-learning methods capable of representing nonlinear interactions and multiscale dependencies. The operational importance of visibility forecasting has increased significantly alongside the rapid growth of air traffic in Türkiye, the commissioning of new airports, and the need to utilize existing runway capacity more efficiently. Low-visibility conditions may lead to substantial operational disruptions—including delays, runway capacity reductions, cancellations, and diversions—particularly at high-traffic airports such as İstanbul, İzmir, Ankara, and Antalya. These disruptions not only compromise operational safety but also result in increased fuel consumption, elevated operational costs, and reduced network resilience. Consequently, improving the reliability of short-term visibility forecasts has become a strategic priority for aviation meteorology services, airport operators, and air traffic management authorities. The continuous, standardized production of METAR observations provides a robust data infrastructure for visibility forecasting across Türkiye. Long-term, high-resolution METAR datasets offer major advantages for both analyzing the climatological characteristics of low-visibility events and developing short-term predictive models using machine-learning approaches. Such datasets enable the investigation of long-term trends, diurnal cycles, seasonal variability, and regional contrasts in visibility behavior. Furthermore, the standardized nature of METAR reports facilitates inter-airport comparisons and supports the development of transferable modeling frameworks applicable to different climatic regimes. Despite these advantages, nationwide studies that simultaneously integrate climatological analyses with advanced machine-learning-based visibility prediction across all airports remain relatively limited in the existing literature. This thesis aims to examine the meteorological and statistical characteristics of low-visibility events at airports across Türkiye using METAR reports and to evaluate the performance of several advanced machine-learning algorithms for visibility prediction. Considering the critical effects of low visibility on flight safety, runway capacity, and air traffic management, the need for reliable and adaptive visibility forecasting systems is increasing on both national and international scales. Accordingly, the study conducts a comprehensive analysis of meteorological datasets obtained from all airports located in Türkiye's diverse climatic regions for the period 2015–2024, representing one of the most extensive airport-based visibility datasets analyzed at the national level. In the first stage of the study, the climatology of low-visibility events across Türkiye was identified, and their annual, seasonal, monthly, and hourly variations were analyzed in detail. The results demonstrate strong regional variability in low-visibility frequency and persistence. Airports such as Hakkari (LTCW) and Muş (LTCK) in Eastern Anatolia exhibit both high frequency and prolonged duration of low-visibility events, reflecting the combined influence of continental climate conditions, basin topography, and strong nocturnal radiative cooling. In contrast, airports along the Aegean and Mediterranean coasts—such as Alanya (LTFG), Dalaman (LTBS), and Antalya (LTAI)—experience low visibility relatively infrequently, with occurrences typically associated with transient precipitation and short-lived humidity increases rather than persistent fog layers. In Central Anatolia, fog occurrence intensifies particularly between 03:00 and 09:00 local time due to nocturnal radiative cooling and enhanced boundary-layer stability. Seasonal analyses further show that low visibility occurs most frequently in winter, with a pronounced increase across all regions during December–January–February. Meteorological parameter analyses further clarified the atmospheric mechanisms responsible for low visibility. Relative humidity, temperature–dew-point difference (T–Td), wind speed, and cloud cover emerged as the most influential variables governing visibility reduction. Fog formation probability increases significantly when T–Td falls below 1°C and wind speed ranges between 0–2 m s⁻¹, conditions that favor moisture saturation and suppress turbulent mixing. Türkiye's topographical features also play a major role, as airports located in enclosed basins or valleys exhibit prolonged periods of reduced visibility due to cold-air pooling and restricted boundary-layer ventilation. These findings emphasize the importance of incorporating both meteorological and geographical factors into visibility prediction frameworks. In the second stage of the thesis, advanced machine-learning algorithms were employed to predict visibility under varying meteorological conditions. In this context, Random Forest (RF), XGBoost, LightGBM, CatBoost, Temporal Convolutional Network (TCN), and Extreme Learning Machine (ELM) models were evaluated, with a separate model constructed for each airport to capture site-specific characteristics. The models were optimized using a train–validation–test split, and their performance was assessed using R², RMSE, MAE, MAPE, FAR, and POD metrics. The modeling results demonstrate that visibility prediction is a nonlinear and complex problem characterized by strong interdependencies among meteorological variables and pronounced regional heterogeneity. The LightGBM model achieved the highest single-station accuracy at certain airports, producing the best local performance at Muş (LTCK) with an R² value of 0.911; however, its performance varied considerably across stations, indicating sensitivity to local data characteristics. In contrast, CatBoost outperformed all other models in terms of overall stability and average performance, achieving R² values above 0.85 at many airports and producing low-error predictions particularly where weather phenomena such as FG, BR, HZ, and RA played a decisive role. The ELM model, in addition to its rapid training capability, yielded unexpectedly strong results across numerous stations and ranked second in overall average performance following CatBoost. XGBoost produced R² values mainly in the range of 0.65–0.77 and demonstrated consistent performance despite heterogeneous meteorological conditions. Although RF exhibited stable behavior, its overall accuracy remained lower than that of the boosting-based models, placing it in the mid-performance category. TCN, despite its relatively lower accuracy compared to tree-based algorithms, effectively captured abrupt temporal transitions—such as rapid nighttime fog formation and morning dissipation—thus offering complementary value for short-term visibility dynamics. In addition to accuracy-based evaluation, the results of this study emphasize the importance of uncertainty awareness and robustness in operational visibility forecasting. Differences in model performance across airports highlight the role of local data quality, event frequency, and station-specific climatological characteristics, underscoring the necessity of airport-level calibration and validation strategies. The comparative assessment demonstrates that no single algorithm universally dominates under all meteorological regimes, reinforcing the value of model complementarity and ensemble-oriented thinking. From an operational perspective, incorporating reliability-focused evaluation alongside traditional error metrics can enhance risk-aware decision-making under low-visibility conditions, thereby supporting safer and more transparent aviation operations. Beyond its methodological contributions, this study also provides practical implications for operational aviation meteorology. The airport-specific modeling strategy adopted in this thesis enables visibility prediction systems to better reflect local atmospheric and topographical characteristics, thereby improving forecast reliability at critical locations. Such an approach supports the integration of machine-learning-based visibility forecasts into real-time decision-support systems, enhances early-warning capabilities, and assists aviation stakeholders in mitigating operational risks associated with low-visibility conditions. In conclusion, this thesis provides a comprehensive assessment of both the climatological characteristics of low-visibility events and the performance of machine-learning-based visibility forecasting approaches across Türkiye. The findings deliver important scientific and operational insights for the development of early-warning systems, ILS category planning, runway capacity optimization, and air traffic flow management in aviation meteorology. Furthermore, by identifying the strengths and limitations of different modeling approaches, the study establishes a robust foundation for future artificial intelligence–based research in visibility prediction and contributes to the advancement of data-driven decision-support frameworks for aviation operations under complex and heterogeneous atmospheric conditions.

Benzer Tezler

  1. Tez No

    517746

    Havalimanlarında meydana gelen sis olaylarının oluşum mekanizmasına göre sınıflandırılması ve zamansal dağılımının incelenmesi ve atatürk havalimanı rüyetografının elde edilmesi

    Classification and temporal distribution of the fog events according to mechanism of trigger formation at the airports and obtained ataturk airport's ruyetograph

    MAHMUT MÜSLÜM

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Sivil Havacılıkİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET DURAN ŞAHİN

  2. Tez No

    842739

    Türkiye'de hava kirliliği konsantrasyon değerlerinin meteorolojikdeğişkenler ile arasındaki ilişkilerin belirlenmesi ve kirleticikonsantrasyonlarının doğası

    Determination of the relationships between air pollution concentration values and meteorological variables in Turkey and the nature of pollutant concentrations

    ENES BİRİNCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMRAH TUNCAY ÖZDEMİR

    PROF. DR. ALİ DENİZ

  3. Tez No

    541857

    Treatability of aircraft deicing fluids (ADFs) by high-rate anaerobic systems: An investigation on biogas potential and energy recovery

    Havalimanlarında ortaya çıkan buz çözücü sıvıların yüksek-hızlı anaerobik sistemlerde arıtılabilirliği: Biyogaz potansiyeli ve enerji geri kazanımının araştırılması

    GİZEM ENGİZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM GÖMEÇ

  4. Tez No

    792911

    Havacılık çalışanlarının mesleki tükenmişliklerinin aleksitimi düzeylerine etkisi

    The effect of vocational burnout on alexitimia levels in aviation employee

    BİRSEN YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İşletmeİstanbul Gelişim Üniversitesi

    Havacılık Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ YILDIZ

  5. Tez No

    455436

    Türkiye'deki havalimanlarının sis karakteristiklerinin ayrıntılı analizi

    Investigation of fog characteristics of airports in Turkey

    İBRAHİM AKBAYIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Meteorolojiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ DENİZ

Geri Dön