Comparison of various spatial interpolation methods for precipitation in Turkey<p>Türkiye’de yağışın farklı mekânsal enterpolasyon yöntemleriyle karşılaştırılması

Authors

  • Necla Türkoğlu Ankara University, Faculty of Humanities
  • Olgu Aydın Ankara University, Faculty of Humanities
  • Neşe Duman Çankırı Karatekin University, Faculty of Literatur
  • İhsan Çiçek Ankara University, Faculty of Humanities

Keywords:

Precipitation, precipitation model, geostatistics, Kriging, Co-Kriging, Kriging with External Drift, Turkey, Yağış, yağış modeli, jeoistatistik, Türkiye

Abstract

Precipitation has a structure varying at spatial and temporal scale. Understanding this variation of precipitation has a significant role in the applications of hydrology, climatology, agriculture, ecology and other environmental sciences. It is difficult to make a correct forecast for precipitation and to reveal its spatial distribution in areas in which topography varies in a short distance and there is the insufficient number of stations. In recent years, geostatistical methods are commonly used in solving this problem. Geostatistical methods are preferred in studies, especially on modeling precipitation. Suggesting spatial distribution of precipitation with auxiliary variables explaining precipitation provides correct precipitation forecasts. The aim of this study is to create precipitation forecasting models with the help of precipitation in Turkey where topographic conditions change in a short distance and auxiliary variables such as coastal proximity, elevation, aspect and slope affecting precipitation and to select the correct precipitation forecasting model. The annual mean total precipitation values of 276 meteorological stations for the period of 1970–2014 were used for this purpose. The Kriging (Ordinary Kriging), Co-Kriging (Ordinary Co-Kriging) and Kriging with External Drift techniques were used in modeling precipitation.

The Coefficient of Determination (R2), Root Mean Square Error (RMSE), Mean Absolute Error (MAE) and Mean Error (ME) performance measurement values were calculated by evaluating the results with Cross Validation. The precipitation model acquired from the Co-Kriging technique in which elevation was used as the auxiliary variable gave the performance results of R2 value as 0.64, RMSE (mm) value as 297.8, ME value as 247.8 and MAE value as 253.9. The precipitation model acquired from the Kriging with External Drift technique in which the coastal proximity was used as the auxiliary variable gave the results of R2 value as 0.64, RMSE (mm) value as 162.3, ME value as -0.246 and MAE value as 107.8. Although it has similarities with R2 values of the Co-Kriging technique, there is a difference in other performance measurements. The error estimation chart of the results of the Kriging with External Drift analysis in which auxiliary variables of coastal proximity and elevation were used together indicated lower values than the other analyses in terms of high and low estimation values in the study. Furthermore, when the performance results were evaluated with the precipitation estimation model created with the auxiliary variable of coastal proximity, small differences were observed as 0.01 in R2 and 3.9 in RMSE (mm) value. In accordance with these results, the Kriging with External Drift analysis in which the auxiliary variables of coastal proximity and elevation were used together is the most correct precipitation model created for the annual mean total precipitation estimation model in Turkey.

 

Özet

Yağış, mekânsal ve zamansal ölçekte değişkenlik gösteren bir yapıya sahiptir. Yağışın bu değişkenliğini anlamak hidroloji, klimatoloji, ziraat, ekoloji ve diğer çevre bilimleri uygulamalarında önemli bir yer tutmaktadır. Topografyanın kısa mesafede değişim gösterdiği, istasyon sayısının yetersiz olduğu alanlarda yağışın doğru tahminini yapabilmek ve mekânsal dağılımını ortaya koymak zordur. Bu problem gidermede son yıllarda jeoistatistik yöntemler yaygın olarak kullanılmaktadır. Jeoistatistik yöntemler özellikle yağış modellemesini konu alan çalışmalarda tercih edilmektedir. Yağışı açıklayan yardımcı değişkenlerle birlikte yağışın mekânsal dağılımının ortaya konulması, doğru yağış tahminleri oluşturulmasını sağlamaktadır. Bu çalışmanın amacı, topografik koşulların kısa mesafede değiştiği Türkiye’de, yağış ve yağışı etkileyen kıyıya uzaklık, yükseklik, bakı ve eğim gibi yardımcı değişkenler yardımıyla yağış tahmin modelleri oluşturulması ve en doğru yağış tahmin modelinin seçilmesidir. Bu amaçla 276 meteoroloji istasyonunun 1970–2014 dönemine ait yıllık ortalama toplam yağış değerleri kullanılmıştır. Yağışın modellenmesinde Kriging (Ordinary Kriging), Co-Kriging (Ordinary Co-Kriging) ve Kriging with External Drift tekniklerinden faydalanılmıştır.

Sonuçlar Çapraz Geçerlilik (Cross Validation) ile ölçülerek, Belirleyicilik Katsayısı (R2), Kök Ortalama Kare Hata (RMSE), Ortalama Mutlak Hata (MAE) ve Ortalama Hata (ME) performans ölçüm değerleri ile hesap edilmiştir. Yüksekliğin yardımcı değişken olarak kullanıldığı Co-Kriging tekniğinden elde edilen yağış modeli, R2 değeri 0.64, RMSE (mm) değeri, 297.8, ME değeri 247.8 ve MAE değeri, 253.9 performans sonuçları vermiştir. Kıyıya uzaklığın yardımcı değişken olarak kullanıldığı, Kriging with External Drift tekniğinden elde edilen yağış modeli R2 değeri 0.64, RMSE (mm) değeri, 162.3, ME değeri -0.246 ve MAE değeri 107.8 sonuçları vermiştir. Co-Kriging tekniğine ait R2 değerleri ile benzerlik göstermesine rağmen, diğer performans ölçümlerinde fark bulunmaktadır. Çalışmada, kıyıya uzaklık ve yükseklik yardımcı değişkeninin birlikte kullanıldığı Kriging with External Drift analizi sonucuna ait hata tahmin haritası yüksek ve düşük tahmin değerleri açısından diğer analizlere göre daha düşük değerler göstermiştir. Ayrıca performans sonuçları kıyıya uzaklık yardımcı değişkeni kullanılarak oluşturulmuş yağış tahmin modeliyle birlikte değerlendirildiğinde, R2 değerinde 0.01’lik, RMSE (mm) değerinde 3.9’luk küçük bir fark olduğu izlenmiştir. Bu sonuçlar doğrultusunda, kıyıya uzaklık ve yükseklik yardımcı değişkenlerinin birlikte kullanıldığı Kriging with External Drift, Türkiye’de yıllık ortalama toplam yağış tahmin modeli için oluşturulmuş en doğru yağış modelidir.

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

Author Biographies

Necla Türkoğlu, Ankara University, Faculty of Humanities

Department of Geography, Associate Professor, Climatology, Hydrography, Natural Disasters

Olgu Aydın, Ankara University, Faculty of Humanities

Geography, Assistant Professor, Spatial Data Analysis, Geostatistics, Artificial Neural Network, Remote Sensing, Geographic Information Systems, Climatology, Urban Studies

Neşe Duman, Çankırı Karatekin University, Faculty of Literatur

Geography, Assistant Professor Climatology

İhsan Çiçek, Ankara University, Faculty of Humanities

Geography, Professor Climatology, Geomorphology, Climate Change, Climatological Data Analysis

References

Abtew, W., Obeysekera, J. & Shih, G. (1993). Spatial analysis for monthly rainfall in South Florida. JAWRA Journal of the American Water Resources Association, 29(2), 179–188.

Apaydin, H., Anli, A.S. & Ozturk, F. (2011). Evaluation of topographical and geographical effects on some climate parameters in the Central Anatolia Region of Turkey. International Journal of Climatology, 31, 1264–1279.

Aydın, O. & Çiçek, İ. (2013). Ege Bölgesi'nde yağışın mekânsal dağılımı. Coğrafi Bilimler Dergisi, 11(2), 101–120.

Aydin, O. & Çiçek, İ. (2015). Geostatistical Interpolation of Precipitation in Turkey, Lambert Academic Publishing, Saarbrucken, Germany.

Aydin, O., Türkoğlu, N. & Çiçek, İ. (2015). The importance of geostatistics in physical geography. International Journal of Human Science, 12(2), 1397–1415.

Atkinson, P. M. & Lloyd, C.D. (1998). Mapping precipitation in Switzerland with ordinary and indicator kriging. Journal of Geographic Information and Decision Analysis, 2(2), 65–76.

Boer, E. P. J., Beurs de, K. M. & Hartkamp, A. D. (2001). Kriging and thin plate splines for mapping climate variables. International Journal of Applied Earth Observation and Geoinformation, 3(2), 146– 154.

Bostan, P. A. & Akyürek, S. Z. (2007). İkinci Veriler Kullanılarak Türkiye Ortalama Yıllık Yağış Değerlerinin Mekânsal Dağılımının Modellenmesi. TMMOB Harita ve Kadastro Mühendisleri Odası, Ulusal Coğrafi Bilgi Sistemleri Kongresi, 30 Ekim–02 Kasım 2007, Karadeniz Teknik Üniversitesi, Trabzon.

Bostan, P. A., Heuvelink, G. B. M. & Akyurek, S. Z. (2012). Comparison of regression and kriging techniques for mapping the average annual precipitation of Turkey. International Journal of Applied Earth Observation and Geoinformation, 19, 115–126.

Buytaert, W., Celleri, R., Willems, P., Bièvre, B. & De Wyseure, G. (2006). Spatial and temporal rainfall variability in mountainous areas: A case study from the south Ecuadorian Andes. Journal of Hydrology, 329(3–4), 413–421.

Carrera-Hernandez, J. J. & Gaskin, S. J. (2007). Spatio temporal analysis of dairly precipitation and temperature in the Basin of Mexico. Journal of Hydrology, 336, 231–249.

Çetin, M. & Tülücü, K. (1998). Doğu Akdeniz Bölgesi’nde aylık yağışların yersel değişimlerinin jeoistatistik yöntemle incelenmesi. Turkish Journal of Engineering and Environmental Science, 22, 279–288.

Diodato, N. (2005). The influence of topographic co-variables on the spatial variability of precipitation over small regions of complex terrain. International Journal of Climatology, 25, 351–363.

Di Piazza, A., Conti, F. L., Noto, L. V., Viola, F., & La Loggia, G. (2011). Comparative analysis of different techniques for spatial interpolation of rainfall data to create a serially complete monthly time series of precipitation for Sicily, Italy. International Journal of Applied Earth Observation and Geoinformation, 13, 396–408.

Elibüyük, M., Yılmaz, E. (2010). Türkiye’nin coğrafi bölge ve bölümlerine göre yükselti basamakları ve eğim grupları. Coğrafi Bilimler Dergisi, 8(1), 27–55.

Frazier, A. G., Giambelluca, T. W., Diaz, H. F. & Needham, H. L. (2016). Comparison of geostatistical approaches to spatially interpolate month-year rainfall for the Hawaiian Islands. International Journal of Climatology, 36(3), 1459–1470.

Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation. Oxford University Press, UK.

Goovaerts, P. (2000). Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of Hydrology, 228, 113–129.

Hengl, T., Heuvelink, G. B. M. & Stein, A. (2003). Comparison of kriging with external drift and regression-kriging. Technical note, ITC, http://www.itc.nl/library/Academic-output/.

Hengl, T. (2009). A Practical Guide to Geostatisticstical Mapping. Office for Official Publications of the European Communities, Luxembourg.

Isaaks, E. & Srivastava, R. (1989). An Introduction to Applied Geostatistics. Oxford University Press, New York.

İlker, A. & Terzi, Ö. (2012). Akdeniz Bölgesi’nde Yağışın Alansal Dağılımı, Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Yapı Eğitim Anabilim Dalı, Isparta.

Johnston, K., Ver Huef, J. M., Krivoruchko, K. & Lucas, N. (2001). Using ArcGIS Geostatistical Analyst, ESRI Press, Redlands, CA, USA.

Kravchenko, A., Zhang, R. & Tung, Y. (1996). Estimation of Mean Annual Precipitation in Wyoming Using Geostatistical Analysis. Proceedings of American Geophysical Union 16th Annual Hydrology Days, April 15–18, 1996, Fort Collins, Colorado.

Koçman, A. (1993). Türkiye İklimi. Ege Üniversitesi Edebiyat Fakültesi Coğrafya Bölümü, İzmir.

Linchtenstern, A. (2013). Kriging Methods in Spatial Statistics. Bachelor’s Thesis, Technische Universität München, Department of Mathematics, Germany.

Lloyd, C.D. (2005). Assessing the effect of integrating elevation data into the estimation of monthly precipitation in Great Britain. Journal of Hydrology, 308, 128–150.

Moral, F.J. (2010). Comparison of different geostatistical approaches to map climate variables: Application to precipitation. International Journal of Climatology, 30(4), 620–631.

Phillips, D. L., Dolph, J. & Marks, D. (1992). A comparison of geostatistical procedures for spatial analysis of precipitation in mountainous terrain. Agricultural and Forest Meteorology, 58(1–2), 119–141.

Schuurmans, J. M., Bierkens, M. F. P., Pebesma, E. J. & Uijlenhoet, R. (2007). Automatic prediction of high-resolution daily rainfall fields for multiple extents: The potential of operational radar. Journal of Hydrometeorology, 8(6), 1204–1224.

Silva, W. M. & Simões, S. J. (2014). Spatial intra-annual variability of precipitation based on geostatistics: A case study for the Paraiba Do Sul Basin, Southeastern Brazil. International Journal of Geosciences, 5, 408–417.

Tobin, C., Nicotina, L, Parlange, M. B., Berne, A. & Rinaldo, A. (2011). Improved interpolation of meteorological forcings for hydrologic applications in a Swiss Alpine region. Journal of Hydrology, 401(1–2), 77–89.

Türkeş, M. (2010). Klimatoloji ve Meteoroloji. Kriter Yayınları, İstanbul.

Wackernagel, H. (2003). Multivariate Geostatistics: An Introduction with Applications, Springer-Verlag, Berlin.

Yang, M. (2015). Benchmarking Rainfall Interpolation Over the Netherlands (Master’s Thesis). University of Twente, Enschede.

Downloads

Published

2016-12-21

How to Cite

Türkoğlu, N., Aydın, O., Duman, N., & Çiçek, İhsan. (2016). Comparison of various spatial interpolation methods for precipitation in Turkey&lt;p&gt;Türkiye’de yağışın farklı mekânsal enterpolasyon yöntemleriyle karşılaştırılması. Journal of Human Sciences, 13(3), 5636–5659. Retrieved from https://j-humansciences.com/ojs/index.php/IJHS/article/view/4173

Issue

Section

Geography