Karadeniz Bölgesi akarsularının maksimum ve ortalama debilerinin havza fizyografik parametreleri ile belirlenmesi

Akarsulardaki ortalama debi ve en büyük debi, su yapılarının tasarımında kullanılan önemli iki akım karakteristiğidir. Bu debi değerleri akım gözlem istasyonu verilerinden elde edilebilir. Ancak tüm akarsularda akım gözlem istasyonu bulunmamaktadır veya yeterli veriye sahip değildir. Üzerinde akım gözlem istasyonu bulunmayan havzaların akım karakteristikleri genellikle komşu havzalardaki debiler havza alanları arasındaki oranlar kullanılarak transfer edilir. Bu çalışma, Karadeniz bölgesi akarsuları için uzun dönem ortalama debi (Qort) ve anlık maksimum debi (Qmaks) değerlerini hesaplamak için kullanılabilecek en uygun doğrusal regresyon modellerini belirlemeyi amaçlamaktadır. Bu amaçla en az 20 yıl gözlem yapılmış 35 adet akım gözlem istasyonunu besleyen havzaların Sayısal Yükseklik Modeli'nden (SYM) elde edilen havza fizyografik parametreleri ve arazi kullanım oranları orijinal değerleriyle ve küp köklerinin tersleriyle regresyon analizlerinin verisi olarak kullanılmıştır. Havza fizyografik parametreleri 1 açısal saniyelik Sayısal Yükseklik Modeli üzerinden elde edilmiştir. Havza fizyografik parametreleri olarak Strahler çatallanma değeri, havza alanı, havza çevresi, dairesellik oranı, şekil faktörü, ortalama eğim, sinüzoite, kompaktlık katsayısı, havza derinliği, rölyef oranı, uzama oranı ve drenaj yoğunluğu gözönüne alınmıştır. Arazi kullanımını temsil etmek üzere ise akım üzerinde en çok etkisi olduğu düşünülen havza orman oranı kullanılmıştır. Akım karakteristikleri ile parametreler arasındaki ilişkiler, çoklu doğrusal regresyon analiziyle incelenmiştir. Regresyon analizinde, önce parametrelerin orijinal değerleri kullanılmış daha sonra doğrusallaştırma için küp köklerinin tersleri ile aynı analiz tekrar edilmiştir. R programının kütüphanelerindeki fonksiyonlar ile en iyi regresyon modelleri belirlenmiştir. Modellerin başarımları determinasyon katsayısı, düzeltilmiş determinasyon katsayısı, Akaike Bilgi Kriteri ve Mallows katsayısı ile değerlendirilmiştir. Verilerin küp köklerinin terslerinin alınmasının regresyon modellerinin başarısını arttırdığı görülmüştür.