Affiliation:
1. tarım ve Orman Bakanlığı
2. Hatay Mustafa Kemal Üniversitesi
Abstract
Akım ve sediment ölçümü yapılan 47 havzada, havzaların morfolojik özellikleri Coğrafi Bilgi sistemleri (CBS) ile belirlenerek, çoklu regresyon analizi ile Türkiye’nin farklı yağış rejimi bölgeleri için sediment verimi tahmin modelleri geliştirilmiştir. ILWIS CBS yazılımı ile her havzanın maksimum rölyefi, akarsu derecesi, istasyon kotu ve havza alanı belirlenmiştir. Ölçülen değerler ve CBS ile belirlenen havza özellikleri, en iyi alt grup istatistik yöntemi kullanılarak, sediment verimi tahmininde en uygun havza parametreleri belirlenmiştir. Bu parametreler, çoklu regresyon analizinde kullanılarak yağış bölgeleri için ayrı ayrı sediment verimi tahmin modelleri geliştirilmiştir. Modellerin tahmin yeteneğini belirlemede ise Nash-Sutcliffe verimlilik katsayısı kullanılmıştır. Bu denklemlerin, çalışılan bölgelerdeki akım ve sediment gözlemi olmayan havzalarda, havza sediment verimi tahmini için ön fikir vermesi açısından uygun olduğu görülmüştür. Ayrıca, Türkiye’nin yağış rejimi benzeyen 5 bölgesinde (2, 3, 4, 5 ve 7) sediment ölçümü olmayan havzalar için sediment verimi tahmin denklemleri geliştirilebilmiştir. Nash-Sutcliffe verimlilik katsayısına göre (E>0.90) en iyi tahmin denklemi 4. 5. ve 7. Bölgeler için geliştirilmiştir. 1. Bölge için yeterli havza ve akım gözlem istasyonu sayısı olmadığından tahmin denklemi geliştirilememiştir. 6. Bölge için geliştirilen tahmin denkleminin Nash-Sutcliffe verimlilik katsayısına göre uygun olmadığı görülmüştür. 1. ve 6. Bölgeler için akım ve sediment verimi ölçüm istasyonlarının sayısı artırılmalıdır.
Publisher
Hatay Mustafa Kemal University
Reference23 articles.
1. Adinarayana J, Rao KG, Krisha NR, Venkatachalam P, Suri JK (1999) A rule-based soil erosion model for hilly catchment. Catena 37:309-318.
2. Bogardi I, Bardossy A, Fogel M, Duckstein L (1986) Sediment yield from agricultural watersheds. J. Hydrol. Eng. ASCE. 112: 64-70.
3. Cığızoğlu KH (2002) Suspended sediment estimation and forecasting using artificial neural networks. Turkısh J Eng Environ. Sci. 26: 15-25.
4. Draper N, Smith H (1981) Applied Regression Analysis. John Wiley and Sons Inc., New York. pp 708.
5. EİEİ, (2000) Türkiye akarsularında suspanse sediment gözlemleri ve sediment taşınım miktarları. Elektrik İşleri Etüt İdaresi Genel Müdürlüğü, Yayın no:20-17, Ankara. 617s.