Kuraklığın Dinamiklerini Çözümlemek: Dalgacık Tabanlı Makine Öğrenmesi Yaklaşımıyla Konya Örneği

Abstract

Translate Article

Kuraklık, bir bölgenin iklim koşullarını yansıtan ve su mevcudiyetinin uzun süreli olarak düşük seviyelerde seyretmesiyle ortaya çıkan doğal bir çevresel dengesizlik durumudur. Kuraklık olayları; sosyoekonomik yapı, tarımsal üretim ve ekosistemler üzerinde ciddi olumsuz etkiler yaratmaktadır. Ancak bu etkiler, kuraklığın mekânsal ve zamansal dinamiklerinin doğru analiz edilmesi ve önceden tahmin edilmesiyle önemli ölçüde azaltılabilir. Bu çalışmada, Türkiye’nin en kurak bölgelerinden biri olan Konya ilinde meteorolojik kuraklık analizi Keşif Kuraklık İndisi (KKİ) kullanılarak gerçekleştirilmiştir. Bu kapsamda, bölgede yer alan dokuz meteoroloji istasyonuna ait 1985–2021 dönemine ilişkin aylık ortalama sıcaklık verilerinden potansiyel evapotranspirasyon (PET) değerleri hesaplanmış, ardından yağış ve PET verileri kullanılarak KKİ serileri oluşturulmuştur. Hesaplanan KKİ değerleri kullanılarak çeşitli makine öğrenmesi (ML) ve dalgacık tabanlı makine öğrenmesi (D-ML) modelleri geliştirilmiş, elde edilen sonuçlar karşılaştırmalı olarak değerlendirilmiştir. Analizler, D-ML modellerinin kuraklık tahmininde ML modellerine kıyasla daha yüksek doğruluk ve genelleme yeteneğine sahip olduğunu göstermiştir. Ayrıca geliştirilen modellerle elde edilen KKİ serilerinin eğilimleri Mann–Kendall eğilim testiyle incelenmiş ve tüm modellerde istatistiksel olarak anlamlı bir eğilim gözlenmemiştir.