Geri Dön

Akıllı kentlerde alansal hava kirliliğinin belirlenmesi ve kirlilik modellemesi: Erzurum ili örneği

Determination of area air pollution and pollution modeling in smart cities: A case study of Erzurum province

  1. Tez No: 844123
  2. Yazar: ŞAHİN KORKMAZ
  3. Danışmanlar: PROF. DR. ZEYNEP CEYLAN
  4. Tez Türü: Doktora
  5. Konular: Çevre Mühendisliği, Environmental Engineering
  6. Anahtar Kelimeler: Hava Kirliliği Modellemesi, Hava Kalitesi, Akıllı Kentler, Akıllı Çevre Uygulamaları, Alansal Kirlilik Haritaları, Geri Yörünge Analizi, Makine Öğrenmesi, Air Pollution Modelling, Air Quality, Smart Cities, Smart Environmental Applications, Spatial Pollution Maps, Back Trajectory Analysis, Machine Learning
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 205

Özet

Amaç: Erzurum kent merkezinde gerek hüküm süren karasal iklim koşulları gerekse coğrafi konum itibariyle önemli çevresel problemlerden biri hava kirliliğidir. Uzun yıllardır süregelen bu hava kirliliği probleminin çözümü adına; hava kirleticilerinin mekânsal ve zamansal kantitatif ölçümlerinin belirli periyotlarda yapılarak, kısa/orta/uzun vadede alınabilecek önlemlerin belirlenmesi için, üç boyutlu alansal hava kalitesi kirlilik haritaları oluşturulması kent içerisinde kirleticilerin yatay ve dikey hareketlerinin modellenmesi ile insan ve çevre sağlığı üzerine olan etkileri detaylı olarak araştırılmalıdır. Akıllı kentlere entegre edilebilecek hava kalitesi izleme ağı yardımıyla, Erzurum kent merkezinde atmosferik kirleticilerin zamansal, mekânsal ve uzun menzil taşınımlarının modellemesi; alansal kirlilik haritalarının belirlenmesi ve gelecekteki kirlilik seviyelerinin makine öğrenmesi ile tahmin edilmesi amaçlanmıştır. Ayrıca Bakanlığımızın 59 ilde kullanıma sunduğu üç boyutlu NEFES yazılım programı ile uyumlu çalışabilecek, inovatif olarak geliştirilmeye müsait hava kirleticilerinin zamansal ve mekânsal değişimlerinin akıcı bir şekilde doğru ölçümlenmesine katkı sağlayacak“Akıllı Kentlere Uyumlu Sensör Tabanlı Düşük Maliyetli Drona Entegre Dış Atmosfer Hava Kalitesi Ölçüm Ünitesi”tasarlanmıştır. Yöntem: Çalışma kapsamında, Erzurum kent merkezinde 2016-2023 tarihleri arasında atmosferik kirletici konsantrasyonlarının yanı sıra meteorolojik parametreler ve diğer kent verileri (Trafik-kent planı-kent dokusu) kullanılarak kent atmosferi hava kirliliği modellemesi yapılarak elde edilen bulgular detaylı irdelenmiştir. Parkikül maddelerin (Pm'ler) ve kirletici gazların zamansal ve mekânsal değişimi istatisliksel olarak incelenmiş, kirlilik değerleri ile meteorolojik parametreler ve trafik verileriyle arasındaki ilişki belirlenmiştir. Kent merkezinde yüksek hava kirliliği seviyelerinin tespit edildiği ve Pm konsantrasyonlarının çok yüksek olduğu uzun menzil toz taşınımı ve yağışının olduğu günlerde, bu kirliliğin uzun menzil kaynakları ve taşınım yörüngeleri HYSPLIT modellemesi ile incelenmiştir. Makine öğrenmesi modellemesi yardımıyla da 19 adet tahmin modeli kullanırak kent içerisinde hava kalitesini etkileyen parametrelerin Ocak 2016-Temmuz 2023 tarihleri arasında alınan verileriyle bağımsız değişkenler için 322 deneme gerçekleştirilmiş ve 2023 yılı ilk altı ay Pm2,5 tahmini değerleri, optimum modellerin performasları ve optimum bağımsız değişkenler belirlenmiştir. Bulgular: Sabit (yerel) istasyonlardan elde edilen veriler aracılığıyla; algoritmik olarak kentin hava kirliliği modellenmeye çalışılmış ve model sonuçları ile Erzurum hava kalitesi yönetiminde alınabilecek kısa-orta-uzun vadeli çözüm önlemleri sunulmuştur. 2016-2023 yılları boyunca ölçümlenen yedi yıllık verilerin (Partikül maddeler ve kirletici gazlar) zamansal ve mekânsal değişimi incelenmiş, kirlilik değerleri ile meteorolojik parametreler arasındaki korelasyon belirlenmiştir. Ölçüm sonuçlarında hareketle, partikül madde konsantrasyonlarının çok yüksek olduğu günlerde, bu kirliliğin uzun menzil kaynakları ve taşınım (geri) yörüngeleri incelenmiştir. HYSPLIT back-trajectory modeli yardımıyla ve 72 saatlik geri yörüngeler incelenerek; bu partiküllerin kaynaklarının ülkemizin güneyinde yer alan ülkelerin (Irak Ürdün Lübnan Suriye, Kuzey Afrika) çöl bölgelerinden Doğu Anadolu'ya gelen hava kütleleri olduğu belirlenmiştir. Bu hava kütlelerinin, ildeki Pm10 ve Pm2,5 konsantrasyonlarını arttırdığı belirlenmiştir ve bu olay uydu fotograflarıyla da desteklenmiştir. Eğitilen makine öğrenmesi modellerinin başarılı bir şekilde Pm2.5 değerlerini tahmin ettiği gözlemlenmiştir. Linear Regression, Stepwise Linear Regression, Quadratic SVM, Cubic SVM, Ensemble Boosted Trees, Gaussian Process Regression Matern 5/2 GPR, Gaussian Process Regression Exponential GPR, Gaussian Process Regression Squared Exponential GPR ve Gaussian Process Regression Rational Quadratic GPR modelleri değişkenler arasındaki ilişkileri öğrenme yeteneği sayesinde, Pm2.5 tahmininde etkili modeller olarak kullanılabilecek güçlü araçlar olarak ortaya çıkmıştır. Yapılan denemelerde tahmin edilen Pm2,5 değerleri ile 2023 yılı ilk altı ay gerçek Pm2,5 değerler arasında en yüksek kolerasyona R2 =0,8196'lık değeri ile 298. Denemede (Bağımsız değişkenler: trafik zaman (yıl-ay), konum, yükseklik, NO, Pm10) daha sonra R2=0,8138 değeri ile 306. Denemede (Bağımsız değişkenler: trafik, zaman(yıl-ay), konum, yükseklik, NOX) ve R2=0,7904 değeri ile 302. Denemede (Bağımsız değişkenler: trafik, zaman(yıl-ay), konum, yükseklik, NO2, Pm10) ulaşılmıştır. Buda bizlere en etkili Pm2,5 tahminlerinin Pm10 verisinin yanı sıra NO, NOX, konum, yükseklik, ve zaman (yıl-ay) bağımsız değişkenleri ile yapılabileceğini göstermektedir. Sonuç: Elde edilen araştırma ve modelleme sonuçları, pek çok faktörün aynı anda etkin olduğu alansal hava kirliliğinin karmaşıklığını anlama ve çözümleme amacını taşımaktadır. Erzurum'un coğrafi özellikleri, özellikle de topografik ve iklimsel faktörler, hava kalitesini etkileyen dinamikleri etkilermektedir. Hava kirleticilerin zamansal ve mekansal değişiminin incelenmesi Erzurum kent hava kirliliğinin anlaşılmasını sağlayarak özellikle kış periyodunda alınacak önlemlerin artırılması gerektiğini ortaya koymuştur. Geri yörünge analizleri sonucu elde edilen veriler ise, kent merkezine bu kirleticilerin Nisan ve Mayıs döneminde geldiğini ve bu dönemde özellikle Türkiyenin güneyinde yer alan çöller ve Kuzey Afrika çölleri kaynaklı çöl tozu taşınımı sırasında halk sağlığı açısından bu dönemlerde hasas gruplar için önlemler alınması gerektiği ortaya çıkmıştır. Çalışmada uygulanan tüm bu yeni nesil modelleme teknikleri Erzurum kenti karmaşık hava kirliliği probleminin çözümü adına önemli çıktıla sunmuş hava kirlerticilerinden önemli çevresel ve sağlık etkileri olan Pm2,5'un önceden tahmin edilmesi hava kirliliğinin azaltım politikalarına yön vereceği düşünülmektedir. Araştırma bulguları; sürdürülebilir ve sağlıklı kent yaşamını destekleyerek gerek hava kirliliği problemi yaşayan diğer kentlerde gerekse Erzurum kent merkezinde geleceğe yönelik alınabilecek eylem planlarında yol gösterici olabileceği ayrıca şehir sakinlerinin yaşam kalitesini artırmaya yönelik stratejilerin belirlenmesinde ve çevresel sürdürülebilirlik hedeflerine (SKA-3, SKA-11, SKA-13) ulaşmada yol gösterici olacağı aşikardır.

Özet (Çeviri)

Purpose: Air pollution is one of the most important environmental problems in Erzurum city centre due to the prevailing continental climate conditions and geographical location. In order to solve this long-standing air pollution problem; spatial and temporal quantitative measurements of air pollutants should be carried out in certain periods and three-dimensional spatial air quality pollution maps should be created to determine the measures that can be taken in the short / medium / long term, and the effects on human and environmental health should be investigated in detail by modelling the horizontal and vertical movements of pollutants in the city. With the help of the air quality monitoring network that can be integrated into smart cities, it is aimed to model the temporal, spatial and long-range transport of atmospheric pollutants in Erzurum city centre; to determine areal pollution maps and to predict future pollution levels by machine learning. In addition, a“Smart City Compatible Sensor Based Low Cost Drone Integrated Outdoor Atmosphere Air Quality Measurement Unit”has been designed to work in harmony with the three-dimensional NEFES software programme, which is available for use in 59 provinces of our Ministry, and to contribute to the accurate measurement of the temporal and spatial changes of air pollutants that can be developed innovatively. Method: Within the scope of the study, atmospheric pollutant concentrations as well as meteorological parameters and other urban data (traffic-urban plan-urban texture) were used to model urban air pollution in Erzurum city centre between 2016 and 2023 and the findings obtained were examined in detail. Temporal and spatial variation of particulate matter (Pms) and pollutant gases were statistically examined and the relationship between pollution values and meteorological parameters and traffic data was determined. On days when high air pollution levels were detected in the city centre and Pm concentrations were very high, long-range dust transport and precipitation, long-range sources and transport trajectories of this pollution were examined by HYSPLIT modelling. With the help of machine learning modelling, using 19 prediction models, 322 trials were performed for independent variables with the data of the parameters affecting the air quality in the city between January 2016 and July 2023, and the estimated values of Pm2,5 for the first six months of 2023, the performances of the optimum models and the optimum independent variables were determined. Findings: Through the data obtained from fixed (local) stations; the air pollution of the city was tried to be modeled algorithmically and short-medium-long term solution measures that can be taken in Erzurum air quality management were presented with the model results. The temporal and spatial variation of the seven-year data (particulate matter and pollutant gases) measured during 2016-2023 was analyzed, and the correlation between pollution values and meteorological parameters was determined. Based on the measurement results, the long-range sources and transport (back) trajectories of this pollution on days with very high particulate matter concentrations were analyzed. With the help of the HYSPLIT back-trajectory model and by analyzing the 72-hour back trajectories; it was determined that the sources of these particles are the air masses coming to Eastern Anatolia from the desert regions of the countries located in the south of our country (Iraq Jordan Lebanon Syria, North Africa). These air masses were found to increase Pm10 and Pm2.5 concentrations in the province and this was supported by satellite photographs. It was observed that the trained machine learning models successfully predicted Pm2.5 values. Linear Regression, Stepwise Linear Regression, Quadratic SVM, Cubic SVM, Ensemble Boosted Trees, Gaussian Process Regression Matern 5/2 GPR, Gaussian Process Regression Exponential GPR, Gaussian Process Regression Squared Exponential GPR and Gaussian Process Regression Rational Quadratic GPR models have emerged as powerful tools that can be used as effective models for Pm2.5 prediction thanks to their ability to learn the relationships between variables. The highest collinearity between the predicted Pm2.5 values and the actual Pm2.5 values for the first six months of 2023 was observed in the 298th trial with R2 =0.8196. In the experiment (Independent variables: traffic time (year-month), location, elevation, NO, Pm10), then 306 with R2=0.8138. Experiment 306 (Independent variables: traffic, time (year-month), location, elevation, NOX) and Experiment 302 (Independent variables: traffic, time (year-month), location, elevation, NO2, Pm10) with R2=0.7904. This shows that the most effective Pm2.5 predictions can be made with the independent variables NO, NOX, location, elevation, and time (year-month) as well as Pm10 data. Results: The research and modeling results obtained aim to understand and analyze the complexity of areal air pollution where many factors are active at the same time. The geographical characteristics of Erzurum, especially topographic and climatic factors, influence the dynamics affecting air quality. Analyzing the temporal and spatial variation of air pollutants has provided an understanding of Erzurum urban air pollution and revealed the need to increase the measures to be taken especially during the winter period. The data obtained from back trajectory analyses revealed that these pollutants arrive in the city center in April and May and that measures should be taken for vulnerable groups in terms of public health during this period, especially during the desert dust transport from the deserts located in the south of Turkey and North African deserts. All these new generation modeling techniques applied in the study have provided important outputs for the solution of the complex air pollution problem of Erzurum city, and it is thought that the prediction of Pm2.5, which has significant environmental and health effects from air pollutants, will guide air pollution mitigation policies. The findings of the research; It is obvious that by supporting sustainable and healthy urban life, it can guide the action plans that can be taken for the future both in other cities with air pollution problems and in Erzurum city center, and it will be a guide in determining strategies to improve the quality of life of city residents and to achieve environmental sustainability goals (SDG-3, SDG-11, SDG-13).

Benzer Tezler

  1. Kentsel dönüşüm çalışmalarında uzlaşma süreçlerinin stratejik ve bütüncül bir bakış açısıyla incelenmesi: Bayrampaşa Eski Cezaevi Alanı örneği

    Kentsel dönüşüm çalışmalarında uzlaşma süreçlerinin stratejik ve bütüncül bir bakış açısıyla incelenmesi: Bayrampaşa Eski Cezaevi Alanı Örneği

    HASAN HÜSEYİN OKUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Peyzaj Mimarlığıİstanbul Teknik Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    PROF. DR. ŞEVKİYE ŞENCE TÜRK

  2. Akıllı kentlerde katı atık yönetiminin yaşam döngüsü analizi destekli analitik hiyerarşi prosesi ile seçimi: Ümraniye örneği

    Selection of solid waste management in smart cities using analytical hierarchy process supported by life-cycle analysis: The case of Ümraniye

    SERPİL ÖZTAŞ

    Doktora

    Türkçe

    Türkçe

    2023

    Çevre MühendisliğiGebze Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. NİHAL BEKTAŞ

  3. Akıllı kentlerde dijital sermaye ve toplumsal eşitsizlik: Kadıköy örneği

    Digital capital and social inequality in smart cities: The case of Kadıköy

    SELİN KOÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Kamu Yönetimiİstanbul Üniversitesi

    Sosyoloji Ana Bilim Dalı

    DOÇ. DR. MURAT ŞENTÜRK

  4. Akıllı kentlerde çevre dostu ulaşım için trafik verisinin oluşturulması ve sınıflandırılması

    Creation and classification of traffic data for environment-friendly transportation in smart cities

    MUSTAFA BAYKAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    UlaşımAkdeniz Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DOÇ. DR. ÜMİT DENİZ ULUŞAR

  5. Ranked set sampling for environmental research in sustainable smart cities: Estimation of dependence measures

    Sürdürülebilir akıllı kentlerde çevresel araştırmalar için sıralı küme örneklemesi: Bağımlılık ölçülerinin kestirimi

    YUSUF CAN SEVİL

    Doktora

    İngilizce

    İngilizce

    2023

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. TUĞBA YILDIZ