Yazarın özetini tarayıcınızın sesiyle dinleyin
Öz
Küresel iklim modellerinin kaba çözünürlüğü, bölgesel uyum planlamasında kullanılmalarını sınırlıyor. Bu çalışmada Anadolu için 1980–2020 gözlem verisiyle eğitilen bir evrişimli sinir ağı, CMIP6 projeksiyonlarını 5 km çözünürlüğe indirgedi. Model, sıcaklıkta geleneksel istatistiksel yöntemlere göre hatayı yüzde 23 azalttı; yağış uç değerlerinde ise başarımı sınırlı kaldı. Okur için: yapay zekâ, iklim tahminlerini il ölçeğinde kullanılabilir kılabilir, ama sağanak gibi uç olaylar hâlâ zor.
Abstract
Downscaling Regional Climate Projections with Deep Learning
The coarse resolution of global climate models limits their use in regional adaptation planning. We trained a convolutional neural network on 1980–2020 observations for Anatolia to downscale CMIP6 projections to 5 km. The model reduced temperature error by 23 percent compared with statistical methods; skill for precipitation extremes remained limited.
Anahtar Kelimeler
Kaynak Göster & Atıf Formatları
JATS XMLYazar, D., & Arslan, M. (2026). Derin Öğrenme ile Bölgesel İklim Projeksiyonlarının Ölçek Küçültülmesi. Gelecek Bilimleri Dergisi, 1(1), 1–18. https://doi.org/10.5555/gbd.2026.001
@article{yazar2026derin,
author = {Yazar, Deniz and Arslan, Mert},
title = {Derin Öğrenme ile Bölgesel İklim Projeksiyonlarının Ölçek Küçültülmesi},
journal = {Gelecek Bilimleri Dergisi},
year = {2026},
volume = {1},
number = {1},
pages = {1--18},
doi = {10.5555/gbd.2026.001}
}Etik ve Yasal Beyanlar
Etik Kurul Onayı
Çıkar Çatışması
Fon Desteği
Veri Erişilebilirliği
Üretken Yapay Zekâ Kullanımı
Yazar Katkıları (CRediT)
- Deniz Yazar: Kavramsallaştırma, Yazım – ilk taslak
- Mert Arslan: Biçimsel analiz, Yazılım
Haklar ve İzinler
Açık ErişimYeniden Kullanım & Paylaşım: Bu makale, Creative Commons Attribution 4.0 Uluslararası Lisansı (CC BY 4.0) veya eşdeğer açık lisans kapsamında yayımlanmıştır. Orijinal yazara ve kaynağa uygun atıf yapılması koşuluyla, materyalin herhangi bir ortamda veya formatta kopyalanmasına, yeniden dağıtılmasına ve uyarlanmasına izin verilir.
Kurumsal Arşivleme (Green Open Access / SHERPA RoMEO): Yazarlar, yayımlanan hakemli sürümü (Publisher PDF) herhangi bir ambargo süresi olmaksızın kendi kişisel web sayfalarında, üniversitelerin kurumsal açık arşivlerinde ve akademik sosyal ağlarda paylaşma hakkına sahiptir.