Search

İklimsel değişikliklerin bir sonucu olarak tüm canlılar için oldukça büyük bir tehdit oluşturan sıcaklık artışlarının belirlenmesi bu çalışmanın temel amacını oluşturmaktadır. Bu çalışmada iklimsel veriler olarak 2012-2016 yılları arasındaki ortalama basınç, minumum toprak üstü sıcaklık, ortalama nem, ortalama rüzgar hızı, ortalama sıcaklık ve toplam yağış ortalaması kullanılmıştır. İklimsel verilerin analizi için Eviews 9.0 yazılımı kullanılmıştır. Akaike Bilgi kriterine göre gecikme uzunluğu 4 olarak belirlenmiştir. Ortalama sıcaklık değişkenine verilen bir standart sapmalık şokun büyük çoğunlukla kendisi ve basınç değişkeni ile belirlendiği elde edilmiştir. Sonuç olarak, ortalama sıcaklık değişkeni kısa dönemde kendi şokları ile belirlenebilmektedir. Diğer yandan 12 ayın sonunda ortalama sıcaklık değişkeninin % 58.4’ü kendisi tarafından, % 9.5’i ortalama minumum toprak üstü sıcaklık, % 9.4’ü ortalama nem, % 5.06’sı ortalama basınç ve % 7.24’ü ortalama rüzgar hızı tarafından açıklandığı elde edilmiştir. Vektör otoregresyon modelinin, iklimsel değişkenleri modellemede başarılı olduğu belirlenmiştir., Determination of temperature increase (global warming) as a result of climate change, became a tremendous threat for all living things, is the aim of this study. As climatic data in this study, the average of pressure, minimum temperature above soil, humudity, wind speed, temperature and total precipitation were used for the years between 2012 and 2016. Eviews 9.0 software was used to analyse the climatic data. Lag length was determined as four according to Akaike Information Criterion (AIC). It has been determined that a standard deviation shock given to the variable average temperature affects itself and the variable average pressure most. As a result, the average temperature variable is determined by its own shocks in the short term. On the other hand, at the end of 12 months, 58.4% of the variable average temperature is explained by itself, 9.5% by average minimum temperature above soil, 9.4% by average humidity, 5.06% by average pressure and 7.24% by average wind speed. It has been determined that the vector autoregression model is successful in modeling climatic variables.