Türkiye için güneşlenme süresinin uydu verileri ve coğrafik parametreler kullanılarak tahmin edilmesi

Abstract

Bu çalışmada, destek vektör makineleri (DVM) yöntemiyle uydu görüntüleri ve coğrafik veriler kullanılarak Türkiye için günlük ve aylık güneşlenme süresi (GS) tahmin edilmeye çalışılmıştır. Çalışmada ilk olarak GS'ni etkileyen atmosferik ve coğrafik parametrelerin veri setleri günlük ve aylık olarak oluşturulmuştur. Bu veri setleri sabit yörüngeli Meteosat uydusuna ait SEVIRI sensörünün termal kanalları, kutupsal yörüngeli Suomi-NPP VIIRS sensörünün solar kanalları ile atmosfer dışı güneş ışınımı, gün uzunluğu, güneş saat açısı, deklinasyon açısı, julien günü, konum (enlem, boylam, yükseklik) ve zaman (yıl, ay, gün) olmak üzere günlük 27 ve aylık 26 farklı parametreyi içermektedir. Bu değişkenler arasından en uygun seçimler yapılarak günlük ve aylık modellerin girdileri tespit edilmiştir. DVM modelleri içerisinden en uygun fonksiyon ve parametreler kullanılarak her piksel için GS tahminleri gerçekleştirilmiştir. Modellerin eğitim ve test sonuçları için hata hesaplamaları yapılarak sonuçlar analiz edilmiş ve tüm Türkiye'yi kapsayacak şekilde 600 m yersel çözünürlükte günlük, aylık ve yıllık GS haritaları oluşturulmuştur.

In this study, support vector machine (SVM) method was applied to estimate the daily and monthly sunshine duration (SD) over Turkey. Firstly, daily and monthly datasets of atmospheric and geographical parameters which were assumed to affect the SD were constructed. These datasets were composed of 27 daily and 26 monthly different parameters which includes the thermal channels of the geostationary orbiting Meteosat SEVIRI sensor, the solar channels of the polar orbiting Suomi-NPP VIIRS sensor and extra-terrestrial solar radiation, day length, sun hour angle, declination angle, julien day number, location (latitude, longitude, altitude) and time (year, month, day). Inputs of daily and monthly models were determined by using recursive feature elimination (RFE) algorithm which selects the most suitable parameters among the dataset. Using the most appropriate function and its parameters of SVM models, SD estimations were performed for the considered pixels. Errors were calculated for the training and test phases and results were analysed. Finally, the daily, monthly and yearly SD maps of Turkey were created with a 600 meters spatial resolution.