Meteorolojik Verilerin Zaman Serisi ve Tanımlayıcı...
Transcript of Meteorolojik Verilerin Zaman Serisi ve Tanımlayıcı...
50
Meteorolojik Verilerin Zaman Serisi ve Tanımlayıcı İstatistikler ile
Yorumlanması; Karadeniz Bölgesi Örneği
Interpretation of meteorological data with time series and descriptive statistics;
example of Black Sea Region
Cansu Beşel*1, Emine Tanır Kayıkçı1 1Karadeniz Teknik Üniversitesi, Mühendislik Fakültesi, Harita Mühendisliği Bölümü, Trabzon
Öz: İklim değişimlerinin belirlenmesinde sıcaklık ile ilgili bilgilerin önemli bir yeri vardır ve bu konuda birçok çalışma
yapılmaktadır. Bu çalışmanın amacı, yaklaşık 32 yıllık bir zaman boyunca Karadeniz Bölgesi’nde bulunan Devlet
Meteoroloji Genel Müdürlüğü (DMGM) istasyonlarında kaydedilmiş olan “günlük maksimum sıcaklık” verilerinden
oluşturulan zaman serilerinin trend analizlerinin yapılması ve iklimsel değişimler hakkında yorum yapılmasıdır.
Çalışmada öncelikle, Meteoroloji Genel Müdürlüğünden alınan 1981-2012 yılları arasında Doğu Karadeniz, Orta ve
Batı Karadeniz’deki yaklaşık 32 yıllık 48 istasyona ait “günlük maksimum sıcaklık” verileri çalışmanın amacına uygun
olacak şekilde MS Excel çalışma ortamı ve MATLAB programlama dilinde yazılan program kodları yardımıyla
düzenlendi ve yeni veri dosyaları oluşturuldu. Karadeniz Bölgesi genelinde mevsimsel değişimlerin hissedildiği Ocak,
Nisan, Haziran ve Ekim aylarına ait en az 10 yıl ve daha uzun süreli veri kaydına sahip istasyonlar seçildi ve bu
istasyonlarda 32 yıllık veriler için günlük zaman serisi grafikleri oluşturuldu. Daha sonra, zaman serisi grafikleri
olarak sunulan bu veriler için her bir yıla ait “ortalama değer”, “maksimum değer” ve “minimum değer” şeklinde
tanımlayıcı istatistik parametreleri hesaplandı. Günlük maksimum sıcaklık değerlerinin günlük ve yıllık periyotlarda
göstermiş olduğu değişimleri belirlemek için parametrik trend analiz yöntemi olan doğrusal regresyon modeli
kullanılmış ayrıca parametrik olmayan trend analizi yöntemlerinden olan Mann-Kendall ve Sperman Rho testleri
kullanılarak trend analizleri yapılmıştır.
Anahtar Kelimeler: Sıcaklık, zaman serisi, trend analizi, doğrusal regresyon modeli, Mann-Kendall, Spearman’ın Rho
Abstract: Information about temperature is great importance in determining the of climate change and there are many
studies at this field. The aim of this study, is to create a regression model for daily maximum temperature data recorded
at stations of Turkish State Meteorological Service over 32 years between 1981-2012 in Black Sea Region, to perform a
trend analysis over this model and make interperations about climate changes. For this aim, firstly recorded daily
maximum temperature data at stations were formatted accordingly in MS Excel and by written codes in MATLAB
environment and new input data files were created. Certain stations having more than 10 years data recording in
January, April, June and October in which seasonal changes can be noticeable were selected and 32 years daily time
series graphics were prepared. Then, descriptive statistics as “mean value”, “maximum value” and “minimum value”
for each year were calculated over time series data. Daily and yearly changes of daily maximum temperature data were
investigated by linear regression model.In addition, trend was analyzed using two different non-parametric
methods(Mann-Kendall and Spearman’s Rho).
Keywords: Temperature, Time Series, Trend Analysis, Lineer Regression Model, Mann-Kendall, Spearman’s Rho
*İletişim yazarı: Cansu Beşel, e-posta: [email protected]
TÜCAUM Uluslararası Coğrafya Sempozyumu
International Geography Symposium
13-14 Ekim 2016 /13-14 October 2016, Ankara
51
1. Giriş
İklim sürekli bir değişim göstermektedir. Eskiden yavaş bir şekilde değişim gösteren iklim,
günümüzde hissedilebilecek seviyede hızlı bir değişim içerisindedir. Meteorolojik olayları inceleyip iyice
anlayabilmek ve belirli sonuçlara varabilmek için iklim elemanlarının incelenerek yeryüzü ve coğrafi
bölgeler için bazı sonuçların çıkarılması gerekmektedir. Bir yerin iklim koşullarının belirlenebilmesi için en
az 30 yıllık gözlem değerlerine gereksinim vardır.
Sıcaklık iklimin ana elemanlarından biridir ve sıcaklık ile ilgili bilgiler iklim değişimlerinin
karakterlerinin belirlenmesinde önemlidir. Bu çalışmada yaklaşık 32 yıllık bir zaman dilimi boyunca
Karadeniz Bölgesi’nde bulunan Devlet Meteoroloji Genel Müdürlüğü (DMGM) istasyonlarında kaydedilmiş
“günlük maksimum sıcaklık” verilerinden oluşturulan zaman serisi grafikleri üzerinden hem parametrik hem
de parametrik olmayan yöntemleri kullanarak trend analizleri yapıldı. Karadeniz Teknik Üniversitesi, Harita
Mühendisliği Bölümü tarafından veri kullanım izni konusunda DMGM’ ne yazılan resmi izin talebiyle
08.03.2013 tarihinde sıcaklık değerlerine ilişkin veriler alındı. Çalışmada Karadeniz Bölgesi’nde mevsimsel
değişimlerin hissedildiği Ocak, Nisan, Haziran, Ekim aylarına ait en az 10 yıl ve daha uzun süreli veri
kaydına sahip istasyonlar seçildi. Doğu Karadeniz Bölgesi’nde; Trabzon ve Gümüşhane, Orta Karadeniz
Bölgesi’nde; Samsun ve Tokat, Batı Karadeniz Bölgesi’nde; Sinop ve Bolu illerinde bulunan istasyonlardan
bir tanesi seçildi ve bu istasyonlarda ölçülen “günlük maksimum sıcaklık” verilerinden zaman serisi
grafikleri oluşturuldu ve tanımlayıcı istatistikler hesaplandı. Tanımlayıcı istatistik parametreleri için de
zaman serisi grafikleri oluşturuldu. Bu parametreler ilgili bölgede bulunan illerdeki yıllara ait günlük
maksimum sıcaklık değerlerindeki değişimlerin yorumlanmasına katkı sağlamaktadır. Bu sayede Batı, Orta
ve Doğu Karadeniz bölgelerindeki illerin günlük maksimum sıcaklıklarına ait yıllık maksimum, minimum,
ortalama sıcaklıklar birbirleri ile karşılaştırılmış ve denize kıyısı olan ve denize kıyısı olmayan iller
arasındaki iklimsel farklılıklar ve herhangi bir yıldaki günlük maksimum sıcaklığın en yüksek ya da en düşük
olduğu il tespit edilmeye çalışılmıştır. Aynı verilerden yararlanarak basit doğrusal regresyon modeli
oluşturuldu. Model üzerinden trend analizi yapıldı ve 32 yıla yakın bir süreçteki verilerin değişimi hakkında
yorumlar yapıldı. Trend analizinde ayrıca parametrik olmayan yöntemlerden Mann-Kendall ve Spearman’ın
Rho testi de kullanıldı. Çalışma kapsamında “günlük maksimum sıcaklık” verileri çalışmanın amacına uygun
olacak şekilde MS Excel çalışma ortamı ve MATLAB R2012a programlama dilinde yazılan kodlarla yeniden
düzenlendi ve uygun formatta veri dosyaları oluşturuldu ve tüm analizler MATLAB R2012a ortamında
yazılan program kodları ile yapıldı.
2. Günlük meteorolojik verilerin zaman serileri
Zamana bağlı bir değişken ile ilgili elde edilen verileri zamana göre sıralanmış olarak gösteren
grafiklere “zaman serisi” denir. Zaman serilerinde teorik bir zaman serisinden alınan verilere ilişkin stokastik
süreç hakkında analiz yapılır ve tüm serilere yönelik yorumlamalarda bulunulur. Elde edilen bu çıkarımlarla
geleceğe yönelik tahminlerde de bulunulabilir. Zaman serileri,
Trend
Mevsimsel dalgalanmalar
Çevrimsel bileşen
Tesadüfü etkenler ’den oluşur (URL1).
Verilerde zamanla görülebilecek değişimleri belirlemek ve bu değişimleri matematiksel bir modelle
52
ifade edebilmek için zaman serisi analizi kapsamında gidiş, periyodik ve stokastik bileşenler izlenir.
Toplam ve çarpım şeklinde gösterilebilen gidiş (𝑇𝑡), periyodik (𝑃𝑡) ve stokastik (𝑆𝑡) zaman serisi
bileşenleri,
𝑋𝑡 = 𝑇𝑡 ∗ 𝑃𝑡 ∗ 𝑆𝑡 Çarpımsal Model
veya (1)
𝑋𝑡 = 𝑇𝑡 + 𝑃𝑡 + 𝑆𝑡 Toplamsal Model
şeklinde ifade edilir (Akgül,2003). Gözlemlerin toplanış sırası ile aldığı değerler arasındaki korelasyonun
önemini belirlemek için gidiş analizleri yapılır. Gidiş analizlerinde çok sayıda test kullanılmaktadır.
3. Meteorolojik zaman serilerinde trend analizi
Zamana bağlı bir değişken hakkında elde edilen gözlem değerlerinin, uzun zaman aralığında artma
veya azalma yönünde gösterdiği eğilime “trend” denir. Genellikle iklimsel olayların uzun dönemli
incelemelerinde gözlemlenir. Artma veya azalma yönündeki değişmeler, bazen artabilir bazen de
yavaşlayabilir. Sonuç olarak trend aynı kalmaz. Trend doğrusal ya da eğrisel şekilde olabilir (URL1).
𝑦 = 𝑎𝑥 + 𝑏 şeklinde bir denkleme sahip olan trende “doğrusal trend” adı verilir. Hareket düz bir
doğru şeklinde olmaktadır. Doğrusal (lineer) denklemde 𝑥 bağımsız değişkeni zamanı, 𝑦 ise bağımlı
değişkeni ise zaman içerisindeki değişimleri ifade eder. 𝑏 sabiti doğrunun eğimini verir, 𝑎 sabiti ise
değişimin yönünü ve miktarını vermektedir. 𝑎’nın pozitif olması artan bir değişim, negatif olması azalan bir
değişim olduğu anlamına gelir. 𝑎’nın sıfırdan çok farklı olmaması ise bir değişimin olmadığını ifade eder. 𝑎
ve 𝑏 sabitleri bulunduktan sonra denklemde yerine yazılır. Böylece doğrusal trend denklemi elde edilir ve bu
denklem yardımıyla tahminler yapılır. Trend testleri parametrik testler ve parametrik olmayan testler
şeklinde ikiye ayrılır.
Parametrik testler
Basit doğrusal regresyon modeli
Parametrik olmayan testler
Mann-Kendall testi
Spearman’ın Rho testi
Sen’in T testi
Trend analizi ile verilerin zaman içerisinde gösterdiği eğilim hakkında bilgi elde edilir. Yıllar, mev-
simler veya aylar arasında meydana gelen sıcaklık değişimleri hakkında karşılaştırmalar yapılabilir ve
geleceğe yönelik yorumlamalarda bulunulabilir.
3.1 Parametrik testler
Parametrik testler süreklilik gösteren verilere uygulanmaktadır. Normal dağılım varsayımına
dayanan bu testlerde varılan sonucun geçerli olup olmadığı parametrelerin geçerliliğine bağlıdır.
3.1.1 Regresyon analizi
Regresyon, bağımlı değişken(ler)in bağımsız değişkenin fonksiyonu olması şeklinde ifade edilir.
Regresyon analizi ile değişkenler arasındaki ilişkinin varlığı hakkında bilgi elde edilir. Değişkenler
53
arasındaki ilişkinin denklemlerle ifade edilmesi ile bilinen değişken değerler yardımıyla bilinmeyen değişken
değerler tahmin edilir. Regresyon analizi bağımsız değişken sayısına göre,
Basit regresyon analizi (tek bağımsız değişken)
Çoklu regresyon analizi (birden fazla bağımsız değişken)
şeklinde iki gruba ayrılırken kullanılan fonksiyon tipine göre,
Doğrusal regresyon analizi
Doğrusal olmayan regresyon analizi
olarak incelenir.
3.1.2 Basit doğrusal regresyon analizi
Basit doğrusal regresyon analizi, tek bağımsız değişken (𝑥) ile bağımlı değişkenin(𝑦) arasındaki
ilişkinin doğrusal bir fonksiyonla ifade edildiği regresyon modelidir. Verilerinin zamana bağlı değişimlerini
ifade eden zaman serilerinin 𝑦 = 𝑎𝑥 + 𝑏+∈ şeklindeki basit doğrusal regresyon modeline göre trend analizi
yapılır. 𝑥, bağımsız değişkeni zamanı göstermektedir (𝑡𝑖 , 𝑖 = 1,2,3, . . , 𝑛); n, ölçü sayısı; 𝑦, zamana bağlı
değişimi ifade eden günlük maksimum sıcaklık verileri temsil etmekte (𝑇𝑖, 𝑖 = 1,2,3, . . , 𝑛); ∈, ise regresyon
modelinden elde edilen günlük maksimum sıcaklık değeri ile ölçülen sıcaklık değeri arasındaki fark olarak
hesaplanan hatadır.
4. Regresyon modelinin uygunluğunun ve regresyon parametrelerinin anlamlılığının hipotez
testleri ile testi
4.1 Model hipotezi testi
Regresyon modelinde x bağımsız değişkeni ile y bağımlı değişkeni arasındaki doğrusal ilişkinin
uygun olup olmadığı Hipotez Testleri yardımıyla yapılacak olan Model Hipotezi Testi ile, elde edilen
regresyon katsayılarının tutarlı olup olmadığı yine Hipotez Testleri yardımıyla yapılacak olan Anlamlılık
Testleri ile araştırılması gerekmektedir.
Oluşturulan regresyon analizi modelinin uygunluğunu Hipotez Testi ile belirlemek için;
Sıfır Hipotezi (𝐻0): “x bağımsız değişken(ler)i ile y bağımlı değişkeni arasında doğrusal bir ilişki vardır”
Seçenek Hipotezi (𝐻𝑆 ): “x bağımsız değişken(ler)i ile y bağımlı değişkeni arasında doğrusal bir ilişki
yoktur”
şeklinde Sıfır ve Seçenek Hipotezleri kurulur.
𝐻0 ve 𝐻𝑆 hipotezlerinin testleri için gerekli olan test büyüklüğü
𝑇 =𝑚02
𝑠02 𝑚0
2 > 𝑠02
ya da (2)
𝑇 =𝑠02
𝑚02 𝑠0
2 > 𝑚02
54
olarak hesaplanır. Buradaki 𝑠02 değeri birim ölçünün öncül (a priori) varyansıdır. İstatistik büyüklük olan bu
değer Fisher dağılımına (F-Dağılımı) uyar. Test büyüklüğünün, F-Dağılım tablolarından 𝛼 (0.05) yanılma
olasılığı ve 𝑚02 nin serbestlik derecesi 𝑓 = 𝑛 − 𝑢’ye göre alınan
𝐹𝑓1,𝑓2,1−𝛼 (tek yönlü test için)
ya da
𝐹𝑓1,𝑓2,1−𝛼
2 (çift yönlü test için)
(3)
değer ile karşılaştırılır. (2) eşitliğinden elde edilen test büyüklüğü, (3) eşitliğine göre elde edilen tablo
değerinden küçük ise,
𝑇 < 𝐹 (4)
𝐻0 hipotezinin reddedilemeyeceğine ve 𝐻𝑆 hipotezinin kabul edilemeyeceğine karar verilir. Yani “x bağımsız
değişkeni (değişkenleri) y bağımlı değişkeni arasında doğrusal bir ilişki vardır” kararı geçerlidir. Tersi
durumda eğer,
𝑇 > 𝐹 (5)
ise 𝐻𝑆 hipotezinin reddedilemeyeceğine ve 𝐻0 hipotezinin kabul edilemeyeceğine karar verilir. Yani “x
bağımsız değişkeni (değişkenleri) yi bağımlı değişkeni arasında doğrusal bir ilişki yoktur” kararı geçerlidir.
4.2 Parametrelerin anlamlılığı testi
𝑦 = 𝑎𝑥 + 𝑏 regresyon modelinin uygunluğunun testinden sonra elde edilen regresyon parametrelerin
anlamlılığı başka bir deyişle bağımsız değişken(lerin) modeldeki varlığı ile testin de yapılması gerekir.
Regresyon parametrelerinin anlamlılığı testi için Sıfır Hipotezi ve Seçenek Hipotezi
𝐻0: 𝑎 = 0 “a regresyon parametresi sıfıra eşittir”
𝐻𝑠: 𝑎 ≠ 0 “a regresyon parametresi sıfıra eşit değildir”
𝐻0: 𝑏 = 0 “b regresyon parametresi sıfıra eşittir”
𝐻𝑠: 𝑏 ≠ 0 “b regresyon parametresi sıfıra eşit değildir”
şeklinde kurulur. Sıfır Hipotezi ve Seçenek Hipotezlerini test etmek için gerekli olan test büyüklüğü
55
𝑇𝑖 =|𝑎𝑖|
𝑚𝑎𝑖
(6)
𝑇𝑖 =|𝑏𝑖|
𝑚𝑏𝑖
şeklinde hesaplanır. Elde edilen test büyüklüğü, t-Dağılım tablolarından 𝛼 yanılma olasılığı 𝑓 = 𝑛 − 𝑢
serbestlik derecesine göre alınan
𝑞 = 𝑡𝑛−𝑢,1−𝛼 (tek yönlü test için)
ya da (7)
𝑞 = 𝑡𝑛−𝑢,1−𝛼2 (çift yönlü test için)
değeri ile karşılaştırılır. (6) eşitliğinden elde edilen test büyüklüğü, (7) eşitliğine göre elde edilen tablo
değerinden küçük ise,
𝑇 < 𝑞 (8)
𝐻0 hipotezinin reddedilemeyeceğine ve 𝐻𝑆 hipotezinin kabul edilemeyeceğine karar verilir. Yani “a
regresyon parametresi sıfıra eşittir” kararı geçerlidir. Tersi durumda eğer,
𝑇 > 𝑞 (9)
ise 𝐻𝑆 hipotezinin reddedilemeyeceğine ve 𝐻0 hipotezinin kabul edilemeyeceğine karar verilir. Yani “a
regresyon parametresi sıfıra eşit değildir” kararı geçerlidir (Zengin Kazancı,2014:21-24).
5. Parametrik olmayan testler
Parametrik olmayan testlerde serinin gerçek değeri yerine sıralanmış değerler kullanılmaktadır.
Parametrik test varsayımları bu testte aranmamaktadır. Bu testlerde verilerin bağımsızlığı ve rasgele
seçilmeleri gibi varsayımlar vardır. Fakat parametrik testlerdeki varsayımlardan daha kolay ve az
varsayımlardır.
5.1 Mann-Kendall testi
Mann-Kendall parametrik olmayan trend testlerinden biridir. Bu testte 𝐻0 hipotezine göre zamana
bağlı olarak sıralanmış (𝑥1, 𝑥2, … , 𝑥𝑛) gözlem değerleri zamandan bağımsız ve benzer dağılımlı rasgele
değişkenlerdir. 𝐻1 hipotezine göre ise (𝑘 ≠ 𝑗) olmak üzere (𝑘, 𝑗 ≤ 𝑛) için seri içerisinde 𝑥𝑘 ve 𝑥𝑗
değerlerinin dağılımı benzer değildir. Mann-Kendall test istatistiği,
56
𝑆 = ∑ ∑ 𝑠𝑔𝑛(𝑥𝑗 − 𝑥𝑘)
𝑛
𝑗=𝑘+1
𝑛−1
𝑘=1
(10)
şeklinde hesaplanır. Burada 𝑛 veri uzunluğu, sgn işaret fonksiyonu olup gidiş testi 𝑖 = 1,… , 𝑛 − 1’e kadar
sıralanmış olan 𝑥𝑖 veri setine ve 𝑗 = 𝑖 + 1,… , 𝑛’e kadar sıralanmış olan 𝑥𝑗 veri setine uygulanır. 𝑆 değeri
𝑛 ≥ 8 olduğunda ortalama ve varyans ile yaklaşık olarak normal dağılım gösterir. Eğer 𝑛 ≥ 30 ise z-testi, t-
testine yaklaşır. Formülde belirtilmiş olan 𝑠𝑔𝑛 işaret fonksiyonu 𝑥𝑗 ve 𝑥𝑖 değerlerinin kıyaslanması ile
aşağıdaki gibi bulunur.
𝑠𝑔𝑛(𝑥𝑗 − 𝑥𝑘) = {
1 ; 𝑥𝑗 > 𝑥𝑖0 ; 𝑥𝑗 = 𝑥𝑖−1 ; 𝑥𝑗 < 𝑥𝑖
(11)
𝑆’nin varyansı ise,
𝑉𝑎𝑟(𝑆) =𝑛(𝑛 − 1)(2𝑛 + 5) − ∑ 𝑡𝑖(𝑡𝑖 − 1)(2𝑡𝑖 + 5)
𝑘𝑖=1
18 (12)
şeklinde bulunur. Burada 𝑘 veri setindeki bağıl grupların sayısı, 𝑡𝑖 değeri ise 𝑖 uzunluğundaki bir seride bağlı
gözlemleri ifade etmektedir. Standartlaştırılmış Mann-Kendall istatistiği 𝑍
𝑍 =
{
𝑆 − 1
√𝑉𝑎𝑟(𝑆) ; 𝑆 > 0
0 ; 𝑆 = 0𝑆 + 1
√𝑉𝑎𝑟(𝑆) ; 𝑆 < 0
(13)
şeklindedir. Burada %95 güven düzeyinde (𝑍1−𝛼/2) bulunan 𝑍𝑡𝑎𝑏𝑙𝑜 değerleri ile Mann-Kendall istatistiği 𝑍
karşılaştırılır. Eğer 𝑍 < 𝑍𝑡𝑎𝑏𝑙𝑜 ise 𝐻0 hipotezi kabul edilir. Tersi durumda 𝐻0 reddedilir. Bu durumda trend
olduğu sonucuna varılır. 𝑍 değeri pozitif ise trendin artan yönde olduğu, negatif ise azalan yönde olduğuna
karar verilir (Mann 1945, Kendall 1975).
5.2 Spearman’ın Rho testi
Parametrik olmayan trend testlerinden biri olan ve sıra istatistiğine dayanan Spearman’ın Rho testi
ile iki gözlem serisi arasında korelasyon olup olmadığı belirlenir. Bu test trendin belirlenmesinde hızlı ve
kolay bir yoldur. Gözlem serisi 𝑋(𝑥1, 𝑥2, … , 𝑥𝑛) olmak üzere, 𝐻0 hipotezine göre 𝑥𝑖(𝑖 = 1,2,… , 𝑛) değerleri
eşit olasılıklı dağılımlardır. 𝐻1 hipotezine göre bu değerler zamanla artar ya da azalır. Spearman’ın Rho test
istatistiği,
𝑟𝑠 = 1 − 6[∑ (𝑅(𝑋𝑖) − 𝑖)
2𝑛𝑖=1 ]
(𝑛3 − 𝑛) (14)
57
şeklinde hesaplanır. Burada sıra istatistiği olan 𝑅(𝑋𝑖) verilerin büyükten küçüğe ya da küçükten büyüğe
sıralanması ile belirlenir. 𝑖 verilerin gözlem sırasını, 𝑛 ise toplam gözlem sayısını ifade eder. 𝑟𝑠’nin test
istatistiği 𝑍 aşağıdaki gibi hesaplanır.
𝑍 = 𝑟𝑠√𝑛 − 1 (15)
Buradan elde edilen 𝑍 değeri %95 güven düzeyinde elde edilen 𝑍𝑡𝑎𝑏𝑙𝑜 değeri ile karşılaştırılır. Eğer 𝑍 değeri
𝑍𝑡𝑎𝑏𝑙𝑜 değerinden büyük (𝑍 > 𝑍𝑡𝑎𝑏𝑙𝑜) ise 𝐻0 hipotezi reddedilir ve belirli bir trendin olduğu sonucuna
varılır (Gümüş, 2006: 24).
6. Uygulama
Bu çalışmada öncelikle, Meteoroloji Genel Müdürlüğü’nden 1981-2012 yılları arasında Doğu
Karadeniz, Orta ve Batı Karadeniz’deki yaklaşık 32 yıllık 48 istasyona ait temin edilen “günlük maksimum
sıcaklık” verileri çalışmanın amacına uygun olacak şekilde MS Excel çalışma ortamı ve MATLAB
programlama dilinde yazılan program kodları yardımıyla düzenlendi ve yeni veri dosyaları oluşturuldu.
Karadeniz Bölgesi genelinde mevsimsel değişimlerin hissedildiği Ocak, Nisan, Haziran ve Ekim aylarına ait
en az 10 yıl ve daha uzun süreli veri kaydına sahip istasyonlar seçildi. Doğu Karadeniz Bölgesi’nde; Trabzon
ve Gümüşhane, Orta Karadeniz Bölgesi’nde; Samsun ve Tokat, Batı Karadeniz Bölgesi’nde; Sinop ve Bolu
illerinde bulunan istasyonlardan bir tanesi seçildi ve bu istasyonlarda ölçülen “günlük maksimum sıcaklık”
verilerinden zaman serisi grafikleri oluşturuldu. Daha sonra, zaman serisi grafikleri olarak sunulan bu veriler
için her bir yıla ait “ortalama değer”, “maksimum değer” ve “minimum değer” şeklinde tanımlayıcı istatistik
parametreleri hesaplandı. Bu parametreler için de zaman serisi grafikleri oluşturuldu. Günlük maksimum
sıcaklık değerlerinin günlük ve yıllık periyotlarda göstermiş olduğu değişimler doğrusal regresyon modeli
kurularak incelenmiş olup modelin doğruluğu model hipotezi testi ve parametrelerin anlamlılığı testi ile test
edildi. Trend analizinde parametrik ve parametrik olmayan yöntemlerden bazıları kullanıldı. Parametrik
yöntemlerden Basit Doğrusal Regresyon Analizi, parametrik olmayan yöntemlerden ise Mann-Kendall ve
Spearman’ın Rho testi kullanıldı. Basit doğrusal regresyon analizi, Mann-Kendall ve Spearman’ın Rho
testinde 32 yıllık verinin tamamının seçilen aylara ilişkin sıcaklık değeri kullanıldı. Tanımlayıcı istatistik
parametreleri ile yapılan trend analizinde 32 yıllık verinin her bir yılının seçilen aylara ilişkin sıcaklık
değerleri kullanılmış olup yöntem olarak basit doğrusal regresyon analizi seçildi. Tüm bu yöntemlerden elde
edilen sonuçlar birbiri ile karşılaştırıldı. Elde edilen grafikler yardımıyla da ayrı ayrı bölge dahilinde 32 yıl
boyunca “günlük maksimum sıcaklık” değişim karakterleri üzerine yorumlar yapıldı.
58
Şekil 1. Ocak Ayı Trend Grafikleri
Ocak ayına ait grafiklere bakıldığında 17088-Gümüşhane istasyonunda artan bir trend diğer istasyonlarda
ise belirgin bir trend gözlemlenmemiştir. Doğu ve Batı Karadeniz Bölgesi’ne ait istasyonlardan iç bölgelerde
kalan 17088-Gümüşhane ve 17070-Bolu istasyonlarında trend miktarının kıyı bölgede bulunan 17626-
Trabzon ve 17026-Sinop istasyonlarından fazla olduğu görülmüş olup Orta Karadeniz Bölgesi’nde durum
tam tersidir (Şekil 1).
59
Şekil 2. Nisan Ayı Trend Grafikleri
Nisan ayı grafiklerine göre 17026-Sinop istasyonunda artan yönde bir trend varken diğer istasyonlarda
belirgin bir trend yoktur. Kıyı bölgelerde bulunan istasyonlardaki trend miktarının ise iç bölge
istasyonlarından fazla olduğu görülmüştür (Şekil 2).
Şekil 3. Haziran Ayı Trend Grafikleri
60
Haziran ayı grafiklerine göre tüm istasyonlarda artan yönde trend mevcuttur. Doğu ve Orta Karadeniz
Bölgesi kıyı istasyonlarındaki trend miktarı iç bölge istasyonlarına göre fazladır. Batı Karadeniz için ise
durum tam tersidir (Şekil 3).
Şekil 4. Ekim Ayı Trend Grafikleri
Ekim ayı grafiklerine göre de tüm istasyonlarda artan yönde trend mevcuttur. Doğu ve Batı Karadeniz
istasyonlarındaki trend miktarı iç bölgelerden daha fazladır. Orta Karadeniz’de ise tam tersidir(Şekil 4).
Çizelge 1. Regresyon modelinin uygunluğunun ve regresyon katsayılarının anlamlılığının hipotez testi sonuçları
A
y
İstasyon a b m0 m
a m
b Model a katsayısı b katsayısı
OC
AK
Akçaabat -0.8401 10.7202 3.6972 3.6972 0.1174 Model
uygundur
anlamsız anlamlı
Gümüşhane 12.9653 2.8624 4.4036 4.4036 0.1398 Model
uygundur
anlamlı anlamlı
61
Samsun 1.4391 10.9023 4.6677 4.6677 0.1482 Model
uygundur
anlamsız anlamlı
Tokat -0.9594 6.3530 5.2545 5.2545 0.1668 Model
uygundur
anlamsız anlamlı
Sinop -2.3390 9.6287 4.0280 4.0280 0.1321 Model
uygundur
anlamsız anlamlı
Bolu -0.7453 5.5541 4.7534 4.7534 0.1533 Model
uygundur
anlamsız Anlamlı
NİS
AN
Akçaabat -0.4124 14.8442 4.4771 4.4771 0.1445 Model
uygundur
anlamsız Anlamlı
Gümüşhane -1.7403 15.9162 5.1041 5.1041 0.1647 Model
uygundur
anlamsız anlamlı
Samsun 2.9114 15.0606 4.7716 4.7716 0.1540 Model
uygundur
anlamsız anlamlı
Tokat 1.2377 19.2056 5.5427 5.5427 0.1789 Model
uygundur
anlamsız anlamlı
Sinop 6.3155 14.1733 4.2583 4.2583 0.1373 Model
uygundur
anlamsız anlamlı
Bolu 4.1289 16.8501 5.8237 5.8237 0.1880 Model
uygundur
anlamsız anlamlı
HA
ZİR
AN
Akçaabat 23.0332 23.6868 2.5020 2.5020 0.0820 Model
uygundur
anlamlı anlamlı
Gümüşhane 22.5213 24.5310 4.5139 4.5139 0.1457 Model
uygundur
anlamlı anlamlı
Samsun 26.0802 23.7157 2.3544 2.3544 0.0760 Model
uygundur
anlamlı anlamlı
Tokat 22.5481 26.9329 4.1882 4.1882 0.1352 Model
uygundur
anlamlı anlamlı
Sinop 17.9434 23.3729 2.4766 2.4766 0.0812 Model
uygundur
anlamlı anlamlı
Bolu 21.4293 24.8061 4.3068 4.3068 0.1412 Model
uygundur
anlamlı anlamlı
EK
İM
Akçaabat 19.0288 20.5570 3.3359 3.3359 0.1094 Model
uygundur
anlamlı anlamlı
Gümüşhane 16.0725 18.7047 5.4976 5.4976 0.1745 Model
uygundur
anlamlı anlamlı
Samsun 15.5470 20.1735 4.0391 4.0391 0.1303 Model
uygundur
anlamlı anlamlı
Tokat 22.4804 20.7860 5.2763 5.2763 0.1702 Model
uygundur
anlamlı anlamlı
Sinop 16.8449 19.5912 3.7348 3.7348 0.1205 Model
uygundur
anlamlı anlamlı
Bolu 10.1643 19.1824 5.7191 5.7191 0.1845 Model
uygundur
anlamsız anlamlı
Yapılan regresyon modelinin uygunluğunun ve regresyon katsayılarının anlamlılığı hipotez testi sonuçlarına
bakıldığında kurulan modelin uygun olduğu ve trend durumunun grafiklerden elde edilen sonuçlarla tutarlı
62
olduğu görülmüştür (Çizelge 2). Elde edilen a katsayısı trendin yönünü ve miktarını ifade etmektedir. Şekil
5’te a katsayısına göre trendin durumu gösterilmiştir.
Elde edilen sonuçların daha iyi analiz edilebilmesi için 32 yıllık verinin ayrı ayrı her bir yılı içinde
regresyon modelinin uygunluğunun ve regresyon katsayılarının anlamlılığı testi yapıldı ve Çizelge 2’de elde
edilen sonuçlarla karşılaştırıldı. Sonuçların birbiri ile tutarlı olduğu görüldü. Ayrı ayrı tüm yıllar için
yapılmış olan bu testin örnek olarak 17626-Akçaabat istasyonu Ocak ayı sonucu aşağıda gösterilmiştir
(Çizelge 2).
Çizelge 2. Regresyon modelinin uygunluğunun ve regresyon katsayılarının anlamlılığının hipotez testi sonuçları (17626-Akçaabat
Ocak ayı)
Yıl a b m0 ma mb Model a katsayısı b katsayısı
1981 -5.1346 13.8129 2.9975 2.9975 0.5384 model uygundur anlamsız anlamlı
1982 -5.5743 11.7290 3.5484 3.5484 0.6373 model uygundur anlamsız anlamlı
1983 4.0844 9.6323 3.3158 3.3158 0.5955 model uygundur anlamsız anlamlı
1984 -5.0362 13.1355 2.8784 2.8784 0.5170 model uygundur anlamsız anlamlı
1985 -6.0462 12.7742 4.3158 4.3158 0.7751 model uygundur anlamsız anlamlı
1986 -8.2189 12.8484 2.9614 2.9614 0.5319 model uygundur anlamlı anlamlı
1987 -2.3474 11.2742 4.0675 4.0675 0.7305 model uygundur anlamsız anlamlı
1988 -8.5663 9.3742 2.4186 2.4186 0.4344 model uygundur anlamlı anlamlı
1989 -0.5562 7.6871 2.0026 2.0026 0.3597 model uygundur anlamsız anlamlı
1990 6.9599 9.1774 1.8569 1.8569 0.3335 model uygundur anlamlı anlamlı
1991 -12.8113 9.6355 1.8372 1.8372 0.3300 model uygundur anlamlı anlamlı
1992 -4.5723 7.1129 1.7797 1.7797 0.3196 model uygundur anlamlı anlamlı
1993 5.6647 8.9484 3.2584 3.2584 0.5852 model uygundur anlamsız anlamlı
1994 -2.2510 11.8839 2.9283 2.9283 0.5259 model uygundur anlamsız anlamlı
1995 -8.7009 11.2419 3.8126 3.8126 0.6848 model uygundur anlamlı anlamlı
1996 -8.7531 9.2258 1.9092 1.9092 0.3429 model uygundur anlamlı anlamlı
1997 -14.5061 10.0161 2.1908 2.1908 0.3935 model uygundur anlamlı anlamlı
1998 -1.7048 9.1968 1.7515 1.7515 0.3146 model uygundur anlamsız anlamlı
1999 1.1305 11.0484 1.9423 1.9423 0.3488 model uygundur anlamsız anlamlı
2000 -4.5964 8.9581 3.5075 3.5075 0.6300 model uygundur anlamsız anlamlı
2001 -6.0462 11.7194 3.1011 3.1011 0.5570 model uygundur anlamsız anlamlı
63
2002 8.9117 8.6806 2.9867 2.9867 0.5364 model uygundur anlamlı anlamlı
2003 -1.8414 12.1548 3.4815 3.4815 0.6253 model uygundur anlamsız anlamlı
2004 2.4840 11.5161 3.6892 3.6892 0.6626 model uygundur anlamsız anlamlı
2005 11.9037 13.1032 2.8606 2.8606 0.5138 model uygundur anlamlı anlamlı
2006 -13.2591 9.0968 2.6505 2.6505 0.4760 model uygundur anlamlı anlamlı
2007 6.4659 13.2387 3.7152 3.7152 0.6673 model uygundur anlamsız anlamlı
2008 -1.1084 8.2871 2.2466 2.2466 0.4035 model uygundur anlamsız anlamlı
2009 14.7712 11.6774 2.8354 2.8354 0.5093 model uygundur anlamlı anlamlı
2010 -10.8595 13.0355 4.3542 4.3542 0.7820 model uygundur anlamlı anlamlı
2011 -0.3835 11.6581 2.7646 2.7646 0.4965 model uygundur anlamsız anlamlı
2012 -11.2350 10.1645 3.5074 3.5074 0.6299 model uygundur anlamlı anlamlı
Artan Azalan
Şekil 5. Trend analizi sonucu
64
Burada 𝑎 pozitif ise ok artan yönü 𝑎 negatif ise ok azalan yönü göstermektedir. Şekilde 𝑎 katsayısı sadece
yönü göstermektedir, trendin miktarını belirtmemektedir (Şekil 5). Fakat Şekil 1 ve Şekil 2’e bakıldığında 𝑎
değerleri çok küçük olduğundan belirgin bir trend çıkmadığı görülmüştür.
Çizelge 3. Mann-Kendall ve Spearman’ın Rho testi sonuçları
Ay İstasyon Mann-Kendall (Z) Spearman’ın Rho (Z) Trend
OC
AK
Akçaabat -0.14 -0.27 0
Gümüşhane 2.34 2.5 +
Samsun 0.1 0.15 0
Tokat -0.18 -0.12 0
Sinop -0.67 -0.67 0
Bolu -0.43 -0.43 0
NİS
AN
Akçaabat 0.16 0.14 0
Gümüşhane -0.14 -0.16 0
Samsun 1.47 1.6 0
Tokat 0.09 0.11 0
Sinop 1.93 2 +
Bolu 0.57 0.54 0
HA
ZİR
AN
Akçaabat 9.05 8.99 +
Gümüşhane 4.67 4.74 +
Samsun 11.75 11.52 +
Tokat 5.39 5.34 +
Sinop 7.42 7.31 +
Bolu 5.14 5.17 +
EK
İM
Akçaabat 5.56 5.6 +
Gümüşhane 2.4 2.42 +
Samsun 3.73 3.88 +
Tokat 3.71 3.77 +
Sinop 4.21 4.25 +
Bolu 1.24 1.28 +
Parametrik olmayan trend analiz yöntemlerinden Mann-Kendall ve Spearman’ın Rho testi trend so-
nuçlarına bakıldığında parametrik yöntem olan Basit Doğrusal Regresyon modeli ile elde edilen trend
sonuçları ile tutarlı olduğu görülmektedir. Ayrıca bu iki yöntemin 𝑍 değerlerinin birbirine yakın çıktığı ve
trend sonuçlarının da aynı olduğu görülmüştür. Trend sütununda “0” trend olmadığını, “ + ” ise artan yönde
bir trend olduğunu ifade etmektedir (Çizelge 3).
32 yıllık verinin her bir yılının Ocak, Nisan, Haziran ve Ekim ayları günlük maksimum sıcaklık
maksimum, minimum ve ortalama değerleri alınarak tanımlayıcı istatistik grafikleri oluşturuldu ve bu
grafikler üzerinden de trend analizi yapıldı (Şekil 6, Şekil 7, Şekil 8, Şekil 9).
Akçaabat Gümüşhane
Samsun
65
Şekil 6. Ocak ayı tanımlayıcı istatistik grafikleri
Tokat
Sinop Bolu
Akçaabat Gümüşhane
Samsun Tokat
66
Şekil 7. Nisan ayı tanımlayıcı istatistik grafikleri
Şekil 8. Haziran ayı tanımlayıcı istatistik grafikleri
Akçaabat
Sinop Bolu
Gümüşhane
Samsun Tokat
Sinop Bolu
67
Şekil 9. Ekim ayı tanımlayıcı istatistik grafikleri
Elde edilen tanımlayıcı istatistik grafikleri aylara göre değerlendirildiğinde Ocak, Nisan aylarında genel
olarak belirgin bir trend yokken Haziran ve Ekim aylarında artan trendler görülmüştür. Sonuçlar genellikle
günlük bazda yapılan trend grafiklerinden elde edilen sonuçlarla uyumludur.
7. Bulgular
Uygulamada kullanılan Karadeniz Bölgesi’nde seçilen istasyonlarda kaydedilen Ocak, Nisan, Hazi-
ran ve Ekim aylarının 32 yıllık “günlük maksimum sıcaklık” verilerinden yararlanarak yapılan trend
grafikleri yorumlandı.
Yapılan regresyon modelinin uygunluğunun ve regresyon katsayılarının anlamlılığı testi sonuçlarına
göre 1981-2012 yılları arasında Ocak, Nisan, Haziran ve Ekim ayları için kurulan modeller uygun olup elde
edilen sonuçlar birbiri ile tutarlılık göstermektedir. 32 yıllık verinin tamamının Ocak, Nisan, Haziran ve
Ekim ayları günlük maksimum sıcaklık değerleri kullanılarak yapılan trend grafikleri ile regresyon
modelinin uygunluğu ve regresyon katsayılarının anlamlılığı testi sonuçları karşılaştırıldığında 17026-Sinop
istasyonu ve 17070-Bolu istasyonu haricinde sonuçların birbiri ile tutarlı olduğu görülmüştür. Tanımlayıcı
istatistik grafikleri üzerinden yapılan trend grafikleri ve 32 yıllık verinin tamamı için yapılan trend
grafiklerine bakıldığında ise genel olarak birbiri ile tutarlılık içerisinde olduğu görülmüştür.
Trend katsayılarına bakarak yapılan değerlendirmelere göre Nisan ayında kıyı bölgelerde kalan istas-
Akçaabat Gümüşhane
Samsun Tokat
Sinop Bolu
68
yonlardaki trend katsayıları iç bölge istasyonlarından daha fazladır. Haziran ayında, 17026-Sinop istasyonu
hariç kıyı bölge istasyonlarının trend miktarı iç bölgelerden daha fazladır. Ekim ayında, Doğu ve Batı
Karadeniz kıyı istasyonlarının trend miktarı daha fazladır. Orta Karadeniz de ise durum tam tersidir.
8. Sonuçlar
Yıllık ve günlük periyotlarda yapılan trend grafikleri ile verilerin zamana bağlı değişimleri hakkında
yorumlar yapılabilir. Aynı şekilde tanımlayıcı istatistik parametreleri ile elde edilen trend grafikleri ile yıllara
ait günlük maksimum sıcaklık değerlerinin maksimum, minimum ve ortalama değerlerinin değişimleri
gözlemlenebilir ve yorumlar yapılabilir. Tüm bu analizlerin yorumlanması geleceğe yönelik tahminler ile
iklimsel çalışmalara katkıda bulunabileceği değerlendirilebilir.
Referanslar
Akgül, I.,(2003),Geleneksel Zaman Serisi Yöntemleri,DER yayınları,İstanbul,5.
Box, G.E.P. and Jenkins, G.M., 1976, Time Series Analysis Forecasting and Control, Revised Edition, Holden Day Inc., California,
170p.
Bulut, H., Yeşilata, B., ve Yeşilnacar, M.İ., (2006), Atatürk Baraj Gölünün Bölge İklimi Üzerine Etkisinin Trend Analizi ile Tespiti,
GAP V. Mühendislik Kongresi Bildiriler Kitabı, Şanlıurfa, 2006
Cosun, F., ve Karabulut, M., (2009), Kahramanmaraş’ta Ortalama, Minimum ve Maksimum Sıcaklıkların Trend Analizi,
http://www.tcd.org.tr, 28.04.2014 (Erişim Tarihi)
Cosun, F., ve Karabulut, M., (2009), Kahramanmaraş İlinde Yağışların Trend Analizi, Coğrafi Bilimler Dergisi CBD 7(1), 65-
83(2009)
Çeribaşı, G.(2015). Karadeniz ve Sakarya Havzalarında Yağış Askıda Katı Madde Verilerinin Trend Analizi ile İncelenmesi,
Doktora Tezi, Sakarya Üniversitesi,Fen Bilimleri Enstitüsü, Sakarya
Emek, M.F.(2014). Doğu Anadolu Bölgesi Yıllık ve Aylık Toplam Yağışların Trend Analizi, Yüksek Lisans Tezi, Atatürk
Üniversitesi,Fen Bilimleri Enstitüsü, Erzurum
Gümüş,V.,(2006), Fırat Havzası Akımlarının Trend Analizi ile Değerlendirilmesi, Yüksek Lisans Tezi Şanlıurfa: Harran
Üniversitesi, Fen Bilimleri Enstitüsü
Jaiswal,R.K.,Lohani,A.K.,Tiwari,H.L.,(2015),Statistical Analysis For Change Detection And Trend Assessment İn Climatological
Parameters, Environ. Process.,737-739.
Kara, T.(2009). Sabit GPS İstasyonlarında Zaman Serisi Analizi, Yüksek Lisans Tezi, Selçuk Üniversitesi,Fen Bilimleri Enstitüsü
Karabulut, M., (2011), Doğu Akdeniz’de Ekstrem Maksimum ve Minimum Sıcaklıkların Trend Analizi, 1. Ulusal Akdeniz Çevre ve
Orman Sempozyumu, Kahramanmaraş, 26-28 Ekim 2011
Kendall, M.G.,(1975), Rank Correlation Methods, Charles Griffin,London
Kınacı, İ. vd., (2005), Konya İli Sıcaklık Verilerinin Çift Doğrusal Zaman Serisi Modeli İle Modellenmesi, 3. Yenilenebilir Enerji
Kaynakları Sempozyumu, Mersin, 2005.
Kızılelma, Y., Çelik, M.A., Karabulut, M.(2015). İç Anadolu Bölgesinde Sıcaklık ve Yağışların Trend Analizi,Türkiye Coğrafya
Dergisi,Sayı 64: 1-10,İstanbul
Mann,H.B.,(1945),Non-Parametric Tests Aganist Trend,The Econ.Society,3:245-259
Mozejko, J.,(2012),Detecting and Estimating Trends of Water Quality Parameters, Water Quality Monitoring and Assessment,4,96-
120
Nychka, D., (2012), Ten Lectures on Statistical Climatology, http://www.statmos.washington.edu/?p=42, 08.10.2013 (Erişim Tarihi)
Öztürk, E., ve Şerbetçi, M., (1992), Dengeleme Hesabı, Cilt III, Trabzon
Stephenson, D. B., (2005), Data Analysis Methods İn Weather And Climate Research, http://www.met.rdg.ac.uk/cag/courses/,
08.10.2013 (Erişim Tarihi)
Şen, C.(2013). Isparta İlinde Sıcaklık ve Yağış Verilerinin Trend Analizi, Yükseklisans Tezi, Süleyman Demirel
Üniversitesi,Coğrafya Anabilim Dalı, Isparta
Şimşek, O. vd., (2013), Hatay İlinde Bazı Meteorolojik Verilerin Gidiş Analizi, SDU International Journal of Technologic Science,
Vol. 5, No.2, Aralık 2013.
69
Yılmaz, E.(2010). Sıcaklık Zaman Serilerinin Analizi ve Sıcaklık Kestirimi, Yükseklisans Tezi, Hacettepe Üniversitesi,Fen Bilimleri
Enstitüsü, Ankara
Yue,S.,Zou,S.,Whittemore,D.,(1993), Non-parametric Trend analysis of Water Quality Data of Rivers in Kansas, Journal of
Hydrology 37.
Yücel, A., ve Topaloğlu, F., (1999), Adana İli Uzun Yıllık (1929-1990) Günlük Minimum, Ortalama ve Maksimum Sıcaklık
Verilerinin Zaman Serisi Analizi İle İncelenmesi, Turkish Journal of Agriculture and Forestry, 23 (1999) Ek Sayı 4, 863-868.
Zengin Kazancı,S.,(2014) Konumsal Enterpolasyon Yöntemlerinin Uygulanması Üzerine Bir Çalışma: Karadeniz Bölgesi Günlük
Ortalama Sıcaklık Verileri Örneği, Yüksek Lisans Tezi, Karadeniz Teknik Üniversitesi, Fen Bilimleri Enst.,Trabzon. URL1-
(http://web.sakarya.edu.tr). 08.10.2013(Erişim Tarihi)