Akım Verilerine Dayalı Kuraklık Tahmini: Marmara Havzası'nda SDI ve Yapay Zeka Uygulamaları

Kuraklık, yavaş gelişen ancak etkileri uzun yıllar

boyunca hissedilebilen, geniş coğrafyaları etkisi altına alan ve su kaynakları,

tarımsal üretim ile ekosistemler üzerinde ciddi tehditler oluşturan doğal

afetlerin başında gelmektedir. İklim değişikliği, artan su talebi, nüfus

yoğunluğundaki sürekli artış ve düzensiz su yönetimi gibi çeşitli antropojenik

ve çevresel etkenler, kuraklık olaylarının hem sıklığını hem de şiddetini

giderek artırmaktadır. Türkiye de bu riskten muaf olmayan ülkeler arasında yer almakta

olup, özellikle su kaynaklarının yoğun şekilde kullanıldığı Marmara Havzası

gibi bölgelerde kuraklık tehdidi çok daha belirgin ve hissedilir düzeydedir. Bu

bağlamda, çalışma kapsamında Marmara Havzası sınırları içerisinde yer alan

Göçbeyli, Cihandiye, Sölöz ve Çelikgörü akım gözlem istasyonlarına ait uzun

yıllara dayanan aylık akım verileri kullanılarak hidrolojik kuraklık analizi

gerçekleştirilmiştir. Analizlerde, kuraklık seviyelerinin belirlenmesinde

yaygın olarak kullanılan Standartlaştırılmış Akım İndeksi (Streamflow Drought

Index – SDI) yöntemi tercih edilmiştir. Elde edilen SDI verileri, gelecekteki

kuraklık eğilimlerini tahmin etmek amacıyla makine öğrenmesi tabanlı XGBoost

algoritması ve zaman serisi analizlerinde yaygın şekilde kullanılan Prophet

modeliyle değerlendirilmiştir. Yapılan karşılaştırmalı model analizleri

sonucunda, yalnızca Göçbeyli istasyonunda hafif düzeyde hidrolojik kuraklık

gözlenmiş, diğer üç istasyonda belirgin bir kuraklık sinyali tespit

edilmemiştir. Model performansları karşılaştırıldığında ise, XGBoost

algoritmasının RMSE, MAE ve MAPE gibi hata ölçütlerinde Prophet’e kıyasla daha

düşük değerlere sahip olduğu görülmüştür. Bu sonuçlar, XGBoost’un hidrolojik

kuraklık tahmini konusunda yüksek doğrulukta ve güvenilir öngörüler sunabilen

etkili bir yöntem olduğunu ortaya koymaktadır.<o:p></o:p>