AI Summary & Key Takeaways
AI InsightIn addition, the trends of the RDI series obtained from the developed models were examined using the Mann–Kendall test, and no statistically significant trend was observed in any of the models.
📌 3 Key Takeaways
Abstract
Drought is a natural environmental imbalance that reflects the climatic conditions of a region and arises from prolonged periods of low water availability. Drought events have serious adverse impacts on socioeconomic structures, agricultural production, and ecosystems. However, these impacts can be significantly reduced through accurate analysis and prediction of the spatial and temporal dynamics of drought. In this study, meteorological drought analysis was conducted in Konya Province, one of the driest regions of Türkiye, using the Reconnaissance Drought Index (RDI). For this purpose, potential evapotranspiration (PET) values were calculated from the monthly average temperature data of nine meteorological stations in the region for the period 1985–2021, and RDI series were then generated using precipitation and PET data. Various machine learning (ML) and wavelet-based machine learning (W-ML) models were developed using the calculated RDI values, and the results were evaluated comparatively. The analyses showed that the W-ML models achieved higher accuracy and better generalization ability in drought prediction compared with the ML models. In addition, the trends of the RDI series obtained from the developed models were examined using the Mann–Kendall test, and no statistically significant trend was observed in any of the models.
Özet
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.