Probabilistic runoff modeling approach in mountainous basins based on satellite snow data and wavelet neural network

dc.contributor.authorUysal, Gökçen
dc.contributor.authorŞensoy, Aynur
dc.date.accessioned2021-06-02T05:20:36Z
dc.date.available2021-06-02T05:20:36Z
dc.date.issued2020-11-12
dc.description.abstractStreamflow prediction is often a challenging issue for snow dominated basins where proper in-situ snow data might be limited and the snow physics is highly complex. The main aim of this study is to propose an alternative modeling solution by considering both accessibility of the inputs and simplicity of the model structure. We propose Wavelet Neural Network (WNN) model approach which takes probabilistic snow cover area in order to produce probabilistic streamflow in the mountainous basins. For the sake of the accessibility of the input data, snow probability maps are produced from cloud-free images of MODIS. The WNN model is trained and tested with observed hydro-meteorological data. Also, Multi Layer Perceptron Model (MLP) is used as a benchmark model. The approach is tested in a snow-dominated headwater (in altitude from 1559 to 3508 m) of Murat River which has a great importance as being one of the main tributaries of Euphrates River. According to the results, the approach is capable of detecting snow distribution in the area of interest and WNN is promising to generate probabilistic streamflow predictions.en_US
dc.description.abstractKar baskın havzalardaki akarsu akım tahminleri, uygun arazi kar verilerinin sınırlı oluşu ve kar fiziğinin oldukça karmaşık olması nedeniyle genellikle zorlayıcı bir konudur. Bu çalışmanın temel amacı hem girdilerin erişilebilirliğini hem de model yapısının basitliğini göz önünde bulundurarak alternatif bir modelleme çözümü önermektir. Önerilen Dalgacık Sinir Ağı (DSA) modeli yaklaşımı, nehir akımları üretmek için olasılıklı karla kaplı alanları girdi alarak dağlık havzalarda olasılıklı akım tahminleri üretebilmektedir. Girdi verilerinin erişilebilirliği adına, MODIS'in bulutsuz görüntülerinden kar olasılığı haritaları üretilmektedir. DSA modeli, gözlenmiş hidro-meteorolojik verilerle eğitilmiş ve test edilmiştir. Ayrıca, Çok-Katmanlı Perseptron Modeli (ÇKPM) de kıyaslama modeli olarak kullanılmıştır. Yaklaşım, Fırat Nehri'nin ana kolu olarak büyük önem taşıyan Murat Nehri'nin kar baskın üst havzasında (1559 ila 3508 m yükseklikte) test edilmiştir. Sonuçlara göre, DSA yaklaşımı ilgi alanındaki kar dağılımını tespit ederek olasılıklı akım tahminleri üretme imkânı sağlamaktadır.tr_TR
dc.identifier.citationUysal, G. ve Şensoy, A. (2020). "Probabilistic runoff modeling approach in mountainous basins based on satellite snow data and wavelet neural network". Uludağ Üniversitesi Mühendislik Dergisi, 25(3), 1139-1154.tr_TR
dc.identifier.endpage1154tr_TR
dc.identifier.issn2148-4147
dc.identifier.issn2148-4155
dc.identifier.issue3tr_TR
dc.identifier.startpage1139tr_TR
dc.identifier.urihttps://dergipark.org.tr/tr/download/article-file/1262184
dc.identifier.urihttps://doi.org/10.17482/uumfd.787147
dc.identifier.urihttp://hdl.handle.net/11452/20192
dc.identifier.volume25tr_TR
dc.language.isoenen
dc.publisherBursa Uludağ Üniversitesitr_TR
dc.relation.journalUludağ Üniversitesi Mühendislik Dergisi / Uludağ University Journal of The Faculty of Engineeringtr_TR
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectSnowmelt modelingen_US
dc.subjectSatellite snow dataen_US
dc.subjectWavelet neural networken_US
dc.subjectEuphrates River Basinen_US
dc.subjectStreamflow predictionen_US
dc.subjectKar erimesi modellemetr_TR
dc.subjectAkım tahminitr_TR
dc.subjectDalgacık sinir ağıtr_TR
dc.subjectFırat Nehri havzasıtr_TR
dc.subjectUydu kar verisitr_TR
dc.titleProbabilistic runoff modeling approach in mountainous basins based on satellite snow data and wavelet neural networken_US
dc.title.alternativeDağlık havzalarda uydu kar verisi ve dalgacık sinir ağı tabanlı olasılıklı akım modelleme yaklaşımıtr_TR
dc.typeArticleen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
25_3_1.pdf
Size:
1.71 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: