Uzaktan algılama ve yersel veriler kullanılarak NO2 özelinde hava kalitesine yönelik meteorolojik mekansal bilgi üretimi: Ankara örneği
Production of meteorological-spatial nitrogen dioxide (NO2) data using remote sensing and ground-based measurements
- Tez No: 809498
- Danışmanlar: PROF. DR. BEKİR TANER SAN, DR. DOĞUŞHAN KILIÇ
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 164
Özet
Sürekli İzleme Merkezi (SİM) istasyonlarının mekânsal dağılımlarının yetersizliği nedeniyle açık kaynak veri setleri kullanılarak yersel NO2 kirleticisinin dağılımının belirlenme hassasiyetini artırmak amacıyla modelleme çalışması yapılmıştır. Çalışmada veri mevcudiyeti en yüksek 2021 yılı Ankara merkezindeki 15 adet SİM istasyonun (Bahçelievler, Demetevler, Etimesgut, Keçiören-Sanatoryum, Ostim, Sincan, Siteler, Törekent, Yaygınlaştırma-Mamak, Yaygınlaştırma-Çankaya, Polatlı, Çubuk, Ulus-Trafik, Sıhhiye ve Yaşamkent) aylık NO2 yersel ölçüm verisi, Sentinel5P Tropomi'nin NO2 uydu görüntüsü, alınan bulut optik derinliği, Terraclimate'in en düşük sıcaklık, en yüksek sıcaklık, buhar basıncı, buhar basıncı açığı, rüzgar hızı ile NOAA/VIIRS'in Ortalama Işık Parlaklık Değeri verileri makine öğrenme teknikleri kullanılarak NO2 yersel ölçüm verisi tahmin modeli oluşturulmuştur. Çalışmanın istatistiki değerlendirmesinde Çoklu Doğrusal Regresyonu (ÇDR), Temel Bileşen Regresyonu (TBR) ve En Küçük Kareler Regresyonu (KEKKR) metotları kullanılmıştır. ÇDR değişkenler arasındaki ilişkiyi doğrudan irdelemek temelinde iken TBR ve KEKKR yüksek ilişkili tahmin değişkenleri içeren modellerde başarı gücü nedeniyle tercih edilmiş ve uygulanmıştır. Aylık NO2 yersel ölçüm, NO2 uydu bazlı ölçüm, optik derinlik, en düşük sıcaklık, en yüksek sıcaklık, buhar basıncı açığı, rüzgar hızı ile ortalama ışık parlaklık parametreleri ÇDR, TBR ve KEKKR gibi tahmin modeli çalışmalarında kullanılmıştır. Her bir tekniğin model performans belirlenmesi amaçlanmış ve elde edilen modelin tahmin değerlerinin gerçek ölçüm değerleri ile istatiksel analiz parametreleri hesaplanmış ve karşılaştırması yapılmıştır. Çalışma sonucunda ÇDR'nin değişkenler arasındaki ilişkiyi doğrudan ele alamadığı, çoklu bağlantı sorunu yaşanma riski bulunduğu bulgular ile elde edilmiştir. TBR ve KEKKR'nin ise yüksek ilişkili değişkenlerin ortaya çıkardığı çoklu bağlantı sorununa çözüm getirdiği ve başarılarının ÇDR'ye göre daha yüksek olduğu çalışma bulguları ile elde edilmiştir. Elde edilem model ile daha az hata ve yüksek korelasyon olan model oluşturulmuştur. ÇDR, TBR ve KEEKR metot uygulamalarında sırasıyla 0.27, 0.48, 0.49 Düzeltilmiş R kare değerleri elde edilmiştir. Çoklu doğrusallık problem etkisinin giderilmesi ile ÇDR'ye oranla yüksek ilişki oranları elde edilmiştir. TBR ve KEKKR makine öğrenme metotları ile oluşturulan modelin NO2 yersel ölçüm değişkenini sırasıyla %87 , %85 açıkladığı tespiti yapılmıştır.
Özet (Çeviri)
A modelling study, using open-source data sets, was conducted to increase the precision in determining the distribution of atmospheric nitrogen dioxide (NO2) pollution, due to the insufficiency of ground based point measurements in capturing the spatial distribution of the the air pollutants. In the study, the monthly mean concentration of atmospheric NO2 from (i) 15 ground-based Continuous Monitoring Centre (CMC) stations (Bahçelievler, Demetevler, Etimesgut, Keçiören-Sanatorium, Ostim, Sincan, Siteler, Törekent, Dissemination-Mamak, Dissemination-Çankaya, Polatlı, Çubuk, Ulus-Traffic, Sıhhiye, and Yaşamkent) in Ankara in 2021, these have the highest data quality (highest number of continuous hourly samples) among CMCs available, (ii) the NO2 satellite images from Sentinel5P Tropomi, cloud optical depth, (iii) TerraClimate minimum temperature, (iv) maximum temperature, (v) vapor pressure, (vi) vapor pressure deficit, (vii) wind speed, and (viii) NOAA/VIIRS's Average Light Brightness Value data were used to create a surface level NO2 prediction model for urban air quality monitoring using machine learning techniques. The statistical evaluation of the study was performed by using linear methods such as Multiple Linear Regression (MLR), Principal Component Regression (PCR), and Partial Least Squares Regression (PLSR). The direct linear relationship among variables examined via MLR, while, PCR and PLSR preferred and applied to reduce multi-dimentionality of correlated prediction variables. Ground-based monthly mean NO2 measurements, NO2 satellite observations, optical depth, minimum temperature, maximum temperature, vapor pressure deficit, wind speed, and average light brightness parameters were used in prediction model studies such as MLR, PCR, and LSR. The aim was to determine the model performance of each technique by statistically evaluating the satellite-based prediction parameters obtained via model and comparing with the real-time ground based measurements. As a result, MLR model has a weak correlation (or no significant correlation) between two datasets, while PCR and LSR model proposes a highly correlated datasets. In the study, the relationship effect was reduced, the percentage it explained increased, and it was determined that the error and correlation values had a negative effect. In the applications of the MLR, PCR, and PLSR methods, adjusted R-square values were obtained as 0.27, 0.48, and 0.49, respectively. The correlation increased in the second rank (at PCR and LSR) by eliminating the effect of multicollinearity. It was determined that the model generated with the PCR andPLSR machine learning methods potentially explains the atmopsheric NO2 measurements at surface level by 87% and 85%, respectively. .
Benzer Tezler
- Uzaktan algılama ve yersel veriler kullanılarak fosil yakıt kaynaklı hava kirleticilerinin zamansal ve mekansal değerlendirilmesi: Antalya ili Kepez örneği
Temporal and spatial assessment of fossil fuel sources air pollutants using remote sensing and spatial data: A case study of Antalya province Kepez
YUSUF ÖZGÜREL
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEVDET BERTAN GÜLLÜDAĞ
ÖĞR. GÖR. ERCÜMENT AKSOY
- Hydrogeochemical conceptual modelling of Lake Salda (Turkey) by using in-situ measurements, water and sediment sample analysis results
Yersel ölçümler, su ve sediman örnek analiz sonuçları kullanarak, Salda Gölü'nün (Türkiye) hidrojeokimyasal kavramsal modellemesi
HÜSEYİN ÇALDIRAK
Yüksek Lisans
İngilizce
2015
Jeoloji MühendisliğiMuğla Sıtkı Koçman ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BEDRİ KURTULUŞ
DOÇ. DR. EVREN TUNCA
- Estimation emission from crop residue burning based on crop type using remote sensing data: A case study from GAP region
GAP Bölgesi'nde uzaktan algılama verileri ile anız yakımından kaynaklanan emisyonunun ürün bazlı tespiti
KÜBRA BAHŞİ
Yüksek Lisans
İngilizce
2020
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Analysis of SO2 pollution in Turkey using ground observations and satellite retrievals
Türkiye'de SO2 kirliliğinin yer ve uydu ölçümleri ile incelenmesi
MERVE ASAR
Yüksek Lisans
İngilizce
2017
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BURÇAK KAYNAK TEZEL
- Türkiye'de hava kirliliği konsantrasyon değerlerinin meteorolojikdeğişkenler ile arasındaki ilişkilerin belirlenmesi ve kirleticikonsantrasyonlarının doğası
Determination of the relationships between air pollution concentration values and meteorological variables in Turkey and the nature of pollutant concentrations
ENES BİRİNCİ
Yüksek Lisans
Türkçe
2023
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRAH TUNCAY ÖZDEMİR
PROF. DR. ALİ DENİZ