Estımatıon of daıly ground-level PM₂.₅ and PM₁₀ concentratıon usıng maıac aerosol optıcal depth at 1 km resolutıon ın türkıye
Türkiye'de 1 km çözünürlükte maıac aerosol optik derinliği kullanılarak günlük yer seviyesi PM₂.₅ ve PM₁₀ konsantrasyonunun tahmini
- Tez No: 986538
- Danışmanlar: PROF. DR. GÜLEN GÜLLÜ
- Tez Türü: Yüksek Lisans
- Konular: Çevre Mühendisliği, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Çevre Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Çevre Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilimsel araştırmalarda hava kalitesinin önemi giderek artarken, özellikle partikül madde (PM1, PM₂.₅, PM₁₀) araştırmacılar için büyük ilgi odağı olmuştur. Yer seviyesindeki PM₂.₅ ve PM₁₀ ölçümlerinin maliyetli ve kurulumunun zor olması, PM₂.₅'in çevre ve insan sağlığı üzerindeki zararlı etkileri nedeniyle, uydu verilerinden aerosol optik derinliği tahminlerini kullanarak yer seviyesi PM₂.₅ konsantrasyonlarını tahmin etmek önemli bir avantaj sağlamaktadır. Bu nedenle, yüksek çözünürlüklü (1 km) günlük AOD verileri için Multi Angle Implementation of Atmospheric Correction algoritması kullanılmıştır. Bu tezde, Türkiye'deki seçilmiş sekiz istasyon için PM₂.₅ ve PM₁₀ değerlerinin tahmini incelenmiştir. Ancak, AOD ve meteorolojik verilerin görselleştirilmesi için daha geniş bir alan olan Doğu Akdeniz Havzası da araştırılmıştır. İstatistiksel analizleri doğru bir şekilde uygulamak için, sadece AOD ve PM değerleri yeterli olmadığından, Copernicus İklim Veri Deposu'ndan edinilen sıcaklık, yüzey basıncı, 10 metrelik rüzgar bileşenleri, gezegensel sınır katmanı yüksekliği ve bağıl nem gibi ek meteorolojik veriler de kullanılmıştır. Bu ek parametrelerin dahil edilmesi, istatistiksel modellerin performansını artırmıştır. Tahmin için iki farklı istatistiksel yöntem, Çoklu Doğrusal Regresyon ve Random Forest modelleri kullanılmıştır. Doğrusal regresyon modelinde PM₂.₅ ve PM₁₀ ölçümleri bağımlı, AOD ve meteorolojik parametreler ise bağımsız değişkenler olarak tanımlanmıştır. Bir makine öğrenimi tabanlı istatistiksel araç olan Random Forest modeli, daha karmaşık istatistiksel uygulamaları gerçekleştirmiştir. Belirlilik katsayısı sonuçlarına göre, Random Forest modeli Doğrusal Regresyon'dan daha iyi performans göstermiştir. Bu tezin amacı, yüksek çözünürlüklü uydu kaynaklı AOD değerlerini kullanarak Türkiye'deki sekiz hava kalitesi izleme istasyonu için günlük yer seviyesi PM₂.₅ ve PM₁₀ konsantrasyonlarının tahmin edilmesidir. Bu tez Çoklu Doğrusal Regresyon ve Random Forest kullanarak PM2.5 ve PM10 tahminlerini karşılaştırdı.
Özet (Çeviri)
The significance of air quality in scientific research has been rising. Particulate matter (PM1, PM₂.₅, PM₁₀) are of interest to researchers. Ground-based PM₂.₅ and PM₁₀ measurements are quite expensive and hard to construct. Given that PM₂.₅ is also a harmful pollutant with several negative effects on the environment and human health, estimating ground-level PM₂.₅ using satellite-derived aerosol optical depth estimates will be advantageous for various purposes. For this reason, Multi-Angle Implementation of Atmospheric Correction algorithm has been utilized for daily aerosol optical depth data at 1 km resolution which is considered as high resolution. Multi-Angle Implementation of Atmospheric Correction Aerosol Optical Depth product was disseminated on March 30, 2018, via the NASA Distribution System. MAIAC differs itself from other algorithms by offering enhanced detail on aerosols and using cloud coverage data. This thesis has studied the prediction of PM₂.₅ and PM₁₀ values for selected stations replaced in Türkiye. However, large study domain called Eastern Mediterranean Basin has been investigated while visualising aerosol optical depth and meteorological data. In Türkiye, urban and rural, total eight, stations have been studied. In order to apply the prediction, two different statistical analysis has been utilised: Multiple Linear Regression, Random Forest. Use of only AOD and PM values are not sufficient to apply the statistical analysis properly. Therefore, meteorological data has been added as supplementary data. Copernicus Climate Data Store is available for acquiring the meteorological data. So that, PM₂.₅, PM₁₀, Aerosol optical depth, temperature, surface pressure, 10-meter U wind component, 10-meter V Wind component, planetary boundary layer height, and relative humidity have been used. Addition of these parameters has increased the performance of statistical models. Linear regression model is identified PM₂.₅ and PM₁₀ measurements as dependent, aerosol optical depth and meteorological parameters as independent. Random forest model is a machine learning based statistical tool. So, it performs more intricate statistical applications. According to the coefficient of determination results, Random forest model has performed better than Linear Regression. The aim of this thesis is to estimate daily ground-level PM₂.₅ and PM₁₀ concentrations for eight air quality monitoring stations in Türkiye by using high-resolution satellite-derived AOD values. The thesis has compared the performance of estimation for PM₂.₅ and PM₁₀ by using Linear Regression and Random Forest model.
Benzer Tezler
- Development of a regional-scale prediction method for ground level particulate matter concentrations based on aod from different satellites in Turkey
Türkiye'de yer seviyesindeki partikül madde konsantrasyonlarının bölgesel tahmininde farklı uydulardan temin edilen aerosol optik derinliği verisine dayanan bir yöntem geliştirilmesi
GİZEM TUNA TUYGUN
Doktora
İngilizce
2021
Çevre MühendisliğiDokuz Eylül ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA ELBİR
- Yüzeye gelen günlük güneş radyasyonunun uydudan elde edilen bulutluluk indeksi ile tahmini
Estimation of daily solar radiation using the satellite-derived cloud cover index
SEDAT YILMAZ
Yüksek Lisans
Türkçe
2026
CoğrafyaÇukurova ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. HACI MUSTAFA KANDIRMAZ
- Estimation of PM10 variations in the Southeastern and Eastern Anatolia regions of Türkiye using remote sensing and statistical models
Türkiye'nin Güneydoğu ve Doğu Anadolu bölgelerindeki PM10 değişimlerinin uzaktan algılama ve ı̇statistiksel modeller kullanılarak tahmini
SULTANAY MURZAEVA
Yüksek Lisans
İngilizce
2024
İstatistikİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. ALPER ÜNAL
- Gemi yaşam döngüsünde operasyonel gaz emisyonlarının makine öğrenmesi yöntemiyle tahmini
Estimation of operational gaseous emissions in ship life cycle with machine learning method
LEVENT BİLGİLİ
Doktora
Türkçe
2018
Gemi MühendisliğiYıldız Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞUR BUĞRA ÇELEBİ
- Comparison of pollutant dispersion by using AERMOD and CFD models
Aermod ve CFD modelleri kullanılarak kirletici dağılımının karşılaştırılması
ELİF YAVUZ
Yüksek Lisans
İngilizce
2021
Çevre MühendisliğiYıldız Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. SADULLAH LEVENT KUZU