Yapay Sinir Ağlarıyla Coğrafi Bilgi Sistemi Ortamında Olasılıklı Sıcaklık Tahmini ve Karşılaştırılması ÖzetBu çalışmanın amacı; Yapay Sinir Ağları (YSA) yöntemini kullanarak Coğrafi Bilgi Sistemi (CBS) ortamında Sayısal Yükseklik Modeli (SYM) ile %50 olasılıklı ortalama sıcaklık haritasının oluşturulması ve Çoklu Regresyon Yöntemi (ÇRY) ile elde edilmiş olan %50 olasılıklı ortalama sıcaklık haritasının karşılaştırılmasıdır. Çalışma, 21 470.3 km²’lik alana sahip Seyhan Havzasında yürütülmüştür. Çalışmada, Devlet Meteoroloji İşleri Genel Müdürlüğü’ne (DMİ) ait 45 adet meteoroloji gözlem istasyonunun uzun yıllar ortalama sıcaklık serileri temel materyal olarak kullanılmıştır. İstasyonlardan 15 yıldan daha az gözlem serilerine sahip olanları belirlenmiş ve regresyon yöntemiyle seriler en az 15 yıla uzatılmıştır. Sıcaklık serileri uzatıldıktan sonra, frekans analizine tabi tutulmuştur. Uygun olasılık dağılım modelleri, %5 önem düzeyinde Kolmogorov-Smirnov uygunluk testi ile saptanmıştır. M.Turc yöntemi yüzey akış kestiriminde kullanılan %50 olasılıklı ortalama sıcaklık değeri, her bir istasyon için olasılık dağılım modelinden kestirilmiştir. Yapay Sinir Ağları yöntemi ve Çoklu Regresyon yöntemi ile tahmin edilmiş %50 olasılıklı ortalama sıcaklık haritaları minimum hata kriterine göre karşılaştırılmıştır. Seyhan Havzasında; Uyarlamalı Doğrusal Eleman (ADALINE) modeli ile yapılan sıcaklık tahminlerinin, Çoklu Regresyon yöntemine göre daha gerçekçi olduğu sonucuna varılmıştır. Anahtar Sözcükler: CBS; Sıcaklık Haritası; M.Turc Yüzey Akış Yöntemi; Eksik Verilerin Tamamlanması; Seyhan Havzası

The main objectives of this study are to develop the map of temperatures at 50% probability level through usingArtificial Neural Networks method in Geographic Information System (GIS) Media and to compare GIS-based probabilistic temperatures of meteorological observation stations with the one produced by multiple regression technique in GIS media. This study was carried out in the Seyhan River Basin, covering 21,470.3 km² surface area.Long-term (1975-2006) annual mean temperature series of 45 meteorological observation stations of Turkish StateMeteorological Service (TSMS) were utilized in this study. Meteorological stations with the record length less than15-year were determined and record length was extended to at least 15-year through using regression analysis.Then, frequency analysis was performed on the temperature series. Kolmogorov-Smirnov goodness-of-fit test wasemployed to determine whether the observed temperature values of a given meteorological station came from aparticular, known, and completely specified cumulative probability distribution at the 5% significance level or not.Mean temperature values with 50% probability used in M.Turc surface runoff estimation method were estimatedfrom probability distribution models for each meteorological station. Based on the “minimum error” criterion,mean temperature map at the 50% probability level, produced by artificial neural networks, was compared to theprobability temperature map produced by multiple regression technique in GIS Media. It was concluded thattemperatures estimated by Adaptive Liner Neuron (ADALINE) Network Model (RMSE=0.80) were more realisticresults and close in GIS media to the observed temperatures in the basin, compared to the results obtained byMultiple Regression technique (RMSE=0.82) in GIS media.