Farklı yanlılık düzeltme yöntemlerinin istatistiksel ölçeğe indirgenmiş yağış projeksiyonlarına uygulanması

Abstract

Statistical downscaling models are very effective tools for downscaling coarseresolution climate models to local scale and are widely used in climate change studies. The different climate models used in the projections of various hydro-meteorological variables affect the performance of the downscaling models due to their inherent bias and can reduce the precision of predictions. Due to this reason, bias correction methods are needed in addition to the downscaling models. In the study prepared, the precipitation projections were obtained by the climate models derived within the framework of different emission scenarios in terms of the 5th Assessment Report of Intergovernmental Panel on Climate Change (IPCC) and the effects of different bias correction methods on precipitation estimations were investigated as well. For this purpose, firstly, the predictor selection which represents the precipitation of Gediz Basin was carried out and then the coarse-resolution climate models were downscaled to station scale by means of the related precipitation predictors. In the study, 12 different global climate models having raw outputs of 2015-2050 future period were utilized and it was aimed to obtain stronger predictions by combining the projections which were derived by these climate models. Subsequent to combination of multi-model projections, the bias existing in predictions were corrected by Quantile Mapping (QM), Equiratio Quantile Mapping (ERQM), Detrended Quantile Mapping (DQM) and Quantile Delta Mapping (QDM), respectively. According to the obtained results including all performance measures, it has been deduced that QM offers the largest error values. On the other side, it has been concluded that QDM method can better reflect relative changes compared to other methods. When performance indices pointing out extreme processes were also investigated, it was observed that QDM was superior in the evaluation of mean-based precipitation projections.

Doğu Karadeniz Havzası Lokal Meteorolojik Değişkenleri İçin Bir Ölçek İndirgeme Uygulaması ve Senaryo Esaslı Öngörüler

“…Bölgesel hidro-meteorolojik değişkenlerin ileriye yönelik verilerinin üretilmesinde kullanılan bu iklim modelleri bünyesinde barındırdıkları yanlılıklar nedeniyle istatistiksel ölçek indirgeme modellerinin tahmin performanslarını etkilemektedir. Ölçeği düşürülen verilerin gerçeği daha iyi yansıtabilmesi için bu yanlılığın giderilmesi gerekmektedir [64]. Ölçeği indirgenen verilerdeki yanlılıklar, yanlılık düzeltme yöntemleri ile giderilebilmektedir.…”

“…Yanlılık düzeltme yöntemleri incelenen değişkene ait verilerin çeşitli dağılım momentlerine uygulanmasıyla birlikte [65,66], değişkenin uyum gösterdiği dağılım yapısı da esas alınarak yapılmaktadır [67,68]. Kırdemir ve Okkan [64] yanlılık düzeltme yöntemleri üzerine yapmış oldukları çalışmada dağılım tabanlı yanlılık düzeltme yöntemlerinin diğer yöntemlere kıyasla daha doğru sonuçlar ürettiğini ifade etmişlerdir. Dağılım tabanlı yanlılık düzeltme yöntemleri genel olarak GCM dağılımlarının gözlenmiş dağılımların üzerine haritalanması esasına dayanmaktadır.…”

“…Bu yöntemde rölatif değişimler dikkate alınarak modellenmiş verilerdeki yanlılıkların düzeltilmesi yoluna gidilmiştir. Yanlılık düzeltme yöntemleri ile ilgili daha detaylı bilgilere Kırdemir ve Okkan [64] çalışmasından ulaşılabilir. KDH ile düzeltilmiş değerler aşağıdaki eşitlik yardımıyla elde edilmektedir.…”

“…ve F -1 (.) ise sırasıyla referans dönem senaryo verileri dağılımına ait kümülatif olasılık fonksiyonunu ve gözlenmiş verilere ait ters kümülatif olasılık fonksiyonunu temsil etmektedirler [64]. Çalışma kapsamında yağışlar için Gamma-2, ortalama sıcaklıklar için Normal dağılım uygunluğu altında KDH yöntemi her bir ay için ayrı ayrı çalıştırılmıştır.…”