KaydedilenlerDerginizi ekleyin

Dergiler / Firat University Journal of Experimental and Computational Engineering / 2026 / Cilt: 5 Sayı: 3

Geliştirilmiş Mevsimsel Ayrıştırma Yaklaşımları ile SPI Temelli Kuraklık ve Eğilim Analizi

SPI-Based Drought and Trend Analysis with Improved Seasonal Decomposition Approaches

Ramazan Acar(MUNZUR ÜNİVERSİTESİ)0000-0001-5864-0076
Mustafa Turan(Çevre, Şehircilik ve İklim Değişikliği Bakanlığı)0000-0001-8663-1169
Sayfa
739–764
Yayın Tarihi
2026-10-25
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Analiz, STL ve SATS Z-skor yaklaşımlarının, daha kısa zaman ölçeklerinde kuraklık değişkenliğini belirlemek için mevsimsellikten arındırılmış bakış açıları sağladığını ortaya koymuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Kuraklık, özellikle iklimsel değişkenliğin yüksek olduğu bölgelerde su kaynaklarını, tarımsal üretimi ve ekosistemlerin sürdürülebilirliğini etkileyen en önemli hidroklimatik tehlikelerden biridir.
📊
Temel Bulgular & Veri:Bu bağlamda, Yukarı Fırat Havzası’nda (UEB) kısa ve uzun vadeli kuraklık koşullarını daha iyi değerlendirmek için güvenilir yaklaşımlara ihtiyaç duyulmaktadır.
💡
Sonuç & Katkı:Analiz, STL ve SATS Z-skor yaklaşımlarının, daha kısa zaman ölçeklerinde kuraklık değişkenliğini belirlemek için mevsimsellikten arındırılmış bakış açıları sağladığını ortaya koymuştur.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Mevsimsellik · SATS · STL

Özet

Kuraklık, özellikle iklimsel değişkenliğin yüksek olduğu bölgelerde su kaynaklarını, tarımsal üretimi ve ekosistemlerin sürdürülebilirliğini etkileyen en önemli hidroklimatik tehlikelerden biridir. Bu bağlamda, Yukarı Fırat Havzası’nda (UEB) kısa ve uzun vadeli kuraklık koşullarını daha iyi değerlendirmek için güvenilir yaklaşımlara ihtiyaç duyulmaktadır. Bu çalışmada, Standartlaştırılmış Yağış Endeksi (SPI), Mevsimsel Eğilim Ayrıştırması (STL) ve Mevsimselliğe Göre Düzeltilmiş Zaman Serisi (SATS) Z-skor yaklaşımlarının performansları karşılaştırmalı olarak değerlendirilmiştir. Bu endeksler, beş meteoroloji istasyonu için 1, 3, 6 ve 12 aylık zaman ölçeklerinde sistematik olarak değerlendirilmiştir. Analiz, STL ve SATS Z-skor yaklaşımlarının, daha kısa zaman ölçeklerinde kuraklık değişkenliğini belirlemek için mevsimsellikten arındırılmış bakış açıları sağladığını ortaya koymuştur. Buna karşılık, ham yağış verilerine dayanması nedeniyle, Standartlaştırılmış Yağış Endeksi’nin (SPI) benzer kısa vadeli dönemlerde bu tür aşırı olayları daha net bir şekilde yakaladığı gözlemlenmiştir. Önerilen yöntemler ile SPI arasında, özellikle 12 aylık zaman ölçeğinde yüksek düzeyde bir uyum gözlemlenmiştir. Tüm istasyonlarda 12 aylık zaman ölçeği için STL Z-skoru ile SPI arasındaki belirleme katsayısı (R²) değerlerinin 0,91 ile 0,96 arasında olduğu tespit edilmiştir. SATS Z-skoru ile SPI arasında ise bu değerin 0,98 ile 0,99 arasında olduğu saptanmıştır. Tüm istasyonlar için üç yaklaşımın sonuçlarını analiz etmek üzere MK ve Şen-ITA eğilim analizi yöntemleri kullanılmıştır. Elde edilen eğilim sonuçları, genel olarak yöntemler arasında gözlemlenen tutarlılığı desteklemektedir. Son olarak, STL, SATS Z-skoru ve SPI yaklaşımlarının birlikte kullanılmasıyla Yukarı Fırat Havzası’ndaki kuraklık değerlendirmesi için karşılaştırmalı bir bakış açısı sağlanacağı öne sürülmektedir.

Abstract

Drought is one of the most significant hydro-climatic hazards impacting water resources, agricultural production and the sustainability of ecosystems, particularly in regions with high climatic variability. In this context, reliable approaches are needed to better evaluate short- and long-term drought conditions in the Upper Euphrates Basin (UEB). In this study, the performances of the Standardized Precipitation Index (SPI), the Seasonal-Trend Decomposition (STL), and the Seasonality-Adjusted Time Series (SATS) Z-score approaches were comparatively evaluated. These indices were systematically evaluated for five meteorological stations over time scales of 1, 3, 6, and 12 months. The analysis indicated that the STL and SATS Z-score approaches provide seasonality-adjusted perspectives for identifying drought variability at shorter time scales. In contrast, due to its reliance on raw precipitation data, the Standardized Precipitation Index (SPI) was observed to capture such extreme events more sharply within similar short-term periods. A high level of concordance was observed between the proposed methods and the SPI, particularly over a 12-month timescale. The coefficient of determination (R²) values between STL Z-score and SPI were found to be between 0.91 and 0.96 for the 12-month timescale at all stations. For SATS Z-score and SPI, this value was found to be between 0.98 and 0.99. MK and Şen-ITA trend analysis methods were used to analyze the results of the three approaches for all stations. The obtained trend results generally support the consistency observed between the methods. Finally, it is suggested that using the STL, SATS Z-score, and SPI approaches together will offer a comparative perspective for drought assessment in the Upper Euphrates Basin.

🔖

Bu Makaleye Atıf Yap

Acar, R., Turan, M. (2026). Geliştirilmiş Mevsimsel Ayrıştırma Yaklaşımları ile SPI Temelli Kuraklık ve Eğilim Analizi. Firat University Journal of Experimental and Computational Engineering, Cilt: 5 Sayı: 3, 739–764. https://doi.org/10.62520/fujece.1987849

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (36)

  1. D. A. Wilhite and M. Glantz, “Understanding: The drought phenomenon: The role of definitions,” Water Int., vol. 10, pp. 111–120, 1985.
  2. A. Mishra and V. Singh, “A review of drought concepts,” J. Hydrol., vol. 391, pp. 202–216, 2010.
  3. T. McKee, N. Doesken, and J. Kleist, “The relationship of drought frequency and duration to time scales,” in Proc. 8th Conf. Appl. Climatol., vol. 17, no. 22, pp. 179–183, 1993.
  4. S. Muter, Y. Al-Timimi, and M. Al-Jiboori, “Analysis of temporal and spatial drought characteristics in Iraq using the Standard Precipitation Index (SPI),” IOP Conf. Ser. Earth Environ. Sci., vol. 1371, Art. no. 022032, 2024.
  5. S. Vicente-Serrano, S. Beguería, and J. López-Moreno, “A multiscalar drought index sensitive to global warming: The standardized precipitation evapotranspiration index,” J. Clim., vol. 23, pp. 1696–1718, 2010.
  6. A. Abu Arra and E. Şişman, “A comprehensive analysis and comparison of SPI and SPEI for spatiotemporal drought evaluation,” Environ. Monit. Assess., vol. 196, Art. no. 980, 2024.
  7. G. Tsakiris and H. Vangelis, “Establishing a drought index incorporating evapotranspiration,” Eur. Water, vol. 9, pp. 3–11, 2005.
  8. M. Altoom, E. Adam, K. Ali, and C. Jackson, “The spatiotemporal analysis of drought and impact on millet production across North Darfur State using Standardized Precipitation Index (SPI) and reconnaissance,” South Afr. J. Geomatics, vol. 13, pp. 193–213, 2024.
  9. I. Nalbantis and G. Tsakiris, “Assessment of hydrological drought revisited,” Water Resour. Manage., vol. 23, pp. 881–897, 2009.
  10. M. Yüce, İ. Deger, and M. Eşit, “Hydrological drought analysis of Yeşilırmak Basin of Turkey by streamflow drought index (SDI) and innovative trend analysis (ITA),” Theor. Appl. Climatol., vol. 153, pp. 1439–1462, 2023.
  11. W. Gibbs and J. Maher, Rainfall Deciles Drought Indicators. Melbourne, VIC, Australia: Bureau of Meteorology, 1967.
  12. Z. Qaisrani, N. Nuthammachot, K. Techato, Asadullah, G. H. Jatoi, B. Mahmood, and R. Ahmed, “Drought variability assessment using standardized precipitation index, reconnaissance drought index and precipitation deciles across Balochistan, Pakistan,” Braz. J. Biol., vol. 84, Art. no. e261001, 2022.
  13. WMO, Standardized Precipitation Index User Guide. Geneva, Switzerland: World Meteorological Organization, 2012.
  14. R. Cleveland, W. Cleveland, J. McRae, and I. Terpenning, “STL: A seasonal-trend decomposition procedure based on loess,” J. Off. Stat., vol. 6, no. 1, pp. 3–73, 1990.
  15. C. Koycegiz, “Seasonality effect on trend and long-term persistence in precipitation and temperature time series of a semi-arid, endorheic basin in Central Anatolia, Turkey,” J. Water Clim. Change, vol. 15, p. 2402, 2024.
  16. Y. Güçlü, R. Acar, and K. Saplıoğlu, “Seasonally adjusted periodic time series for Mann-Kendall trend test,” Phys. Chem. Earth, vol. 138, Art. no. 103848, 2025.
  17. K. Raczyński and J. Dyer, “Changes in streamflow drought and flood distribution over Poland using trend decomposition,” Acta Geophys., vol. 72, pp. 2773–2794, 2024.
  18. M. Niranjannaik, A. Kumar, Z. Beg, A. Singh, S. Swarnkar, and K. Gaurav, “Groundwater variability in a semi-arid river basin, Central India,” Hydrology, vol. 9, Art. no. 222, 2022.
  19. A. Lafare, D. Peach, and A. Hughes, “Use of seasonal trend decomposition to understand groundwater behaviour in the Permo-Triassic Sandstone aquifer, Eden Valley, UK,” Hydrogeol. J., vol. 24, pp. 141–158, 2016.
  20. F. Wang, X. Wang, Y. Zhao, and Z. Yang, “Long-term periodic structure and seasonal-trend decomposition of water level in Lake Baiyangdian, Northern China,” Int. J. Environ. Sci. Technol., vol. 11, pp. 327–338, 2014.
  21. M. Shamsudduha, R. E. Chandler, R. G. Taylor, and K. M. Ahmed, “Recent trends in groundwater levels in a highly seasonal hydrological system: The Ganges-Brahmaputra-Meghna Delta,” Hydrol. Earth Syst. Sci., vol. 13, pp. 2373–2385, 2009.
  22. R. Acar and C. Koycegiz, “The impact of seasonal decomposition methods on monthly precipitation and temperature trends,” in Proc. 13th Int. Summit Sci. Res. Congr., 2025, pp. 685–695.
  23. H. Mann, “Nonparametric tests against trend,” Econometrica, vol. 13, no. 3, pp. 245–259, 1945.
  24. M. Kendall, Rank Correlation Methods. London, U.K.: Charles Griffin, 1948.
  25. R. Hirsch and J. Slack, “A nonparametric trend test for seasonal data with serial dependence,” Water Resour. Res., vol. 20, pp. 727–732, 1984.
  26. S. Yue and C. Wang, “The Mann-Kendall test modified by effective sample size to detect trend in serially correlated hydrological series,” Water Resour. Manage., vol. 18, pp. 201–218, 2004.
  27. Z. Şen, “Innovative trend analysis methodology,” J. Hydrol. Eng., vol. 17, pp. 1042–1046, 2012.
  28. R. Acar, “A comparison of the performance of different innovative trend assessment approaches for air temperature and precipitation data: An application to Elazığ Province,” J. Water Clim. Change, vol. 15, pp. 1417–1437, 2024.
  29. K. Saplıoğlu, “Mann-Kendall trend testi ile yenilikçi yöntemlerin kıyaslanması: Beşkonak aylık akım verileri örneği,” J. Innov. Civ. Eng. Technol., vol. 6, pp. 1–12, 2024.
  30. R. Acar, “Su kalitesi parametreleri için Mann-Kendall ve yenilikçi trend yöntemlerinin karşılaştırılması,” J. Innov. Civ. Eng. Technol., vol. 7, pp. 11–27, 2025.
  31. İ. Demirel, E. Kesgin, Y. S. Güçlü, R. İ. Tan, and B. Başaran, “Trend stability assessment for hydrological drought in Euphrates Basin (Türkiye) using triple Wilcoxon test and innovative trend analysis methods,” Water, vol. 16, Art. no. 2823, 2024.
  32. F. Sienz, O. Bothe, and K. Fraedrich, “Monitoring and quantifying future climate projections of dryness and wetness extremes: SPI bias,” Hydrol. Earth Syst. Sci., vol. 16, pp. 2143–2157, 2012.
  33. P. Pieper, A. Düsterhus, and J. Baehr, “A universal Standardized Precipitation Index candidate distribution function for observations and simulations,” Hydrol. Earth Syst. Sci., vol. 24, pp. 4541–4565, 2020.
  34. G. Blain and M. Meschiatti, “Inadequacy of the gamma distribution to calculate the Standardized Precipitation Index,” Rev. Bras. Eng. Agríc. Ambient., vol. 19, pp. 1129–1135, 2015.
  35. J. Stagge, L. Tallaksen, L. Gudmundsson, A. F. Van Loon, and K. Stahl, “Candidate distributions for climatological drought indices (SPI and SPEI),” Int. J. Climatol., vol. 35, pp. 4027–4040, 2015.
  36. W. Wang, J. Wang, and R. Romanowicz, “Uncertainty in SPI calculation and its impact on drought assessment in different climate regions over China,” J. Hydrometeorol., vol. 22, pp. 1369–1383, 2021.