Türkiye’deki İllerin Partikül Madde (PM10) Miktarının Değerlendirilmesi ve R Programlama Dili ile Görselleştirilmesi

Abstract

Hava kirliliği konusunda etkin bir madde olan partikül madde (PM10) miktarı Türkiye’deki verilerinin etkin bir şekilde anlaşılabilir olması için son yıllardaki teknolojik gelişmelerinde katkısıyla birlikte araştırmacılara ileri düzeyde animasyon temelli veri görselleştirmelerin yapılabilmesini amaçlanmıştır. Bu amaç doğrultuşunda R programlama dilindeki “ggplot2” paketi temelli olarak Türkiye haritasının simülasyonlarının animasyonları ilk olarak bu araştırmada oluşturulmuştur. Bu kapsamda, 2014-2018 yılları arasındaki yıllık frekansa sahip Türkiye’nin iller ve ilçeler bazında PM10 miktarı verileri tercih edilmiş ve animasyonları oluşturulmuştur. Animasyon görselleştirmeleri incelendiğinde Türkiye geneli iller bazında PM10 miktarlarının, incelenen yılın Türkiye ortalamasına yakın değerlere sahip olduğu gözlemlenmiştir. Ayrıca, Türkiye ortalaması üzerinde ölçüm değerleri bulunan illerin PM10 miktarlarının yıllara göre azalmasına rağmen Türkiye ortalaması üzerindeki ölçüm değerlerinin devam ettiği gözükmektedir. Bu durumun bir sonucu olarak insan sağlığı ve çevreyi tehdit eden risklerden birisi olan partikül madde kirliliğinin temiz hava eylem planı oluşturularak sürekli ölçüm ve değerlendirmeler yapılarak önlemlerin alınmasının gerekliliği ortaya çıkmıştır. Bu çalışmada geliştirilen ileri düzey animasyon görselleştirmelerinin farklı frekanslardaki animasyonları ile daha etkin anlaşılabilir olması sağlanarak araştırmacılara veri görselleştirme alanında farklı bir bakış açısı sunulmuştur.

Keywords

• Animasyon
• Veri görselleştirme
• Partikül Madde
• R Programlama Dili
• Türkiye

Visualization with R Programming Language of the Particulate Matter (PM10) Quantities in Cities of Turkey

Abstract

With the contribution of recent technological developments, it is aimed to provide researchers with advanced animation based data visualizations for an active pollutant, particulate matter (PM10), in air pollution in an effective manner for the amount of data to be understood in Turkey. For this purpose, for the first time in this research, the R programming language “ggplot2” animation of a simulation package based on Turkey map is generated. In this context, the annual frequency of PM10 based on provinces and cities in Turkey between the years 2014-2018 is preferred and animation data is provided. When the animation visualization of Turkey is tested on the basis of PM10 in the culture, it is found to have values similar to the average of those examined in Turkey. As a result of this situation, it has become necessary to take action by developing a clean air action plan for particulate matter pollution, which is one of the threats to human health and the environment. A new perspective in the field of data visualization has been introduced to the researchers by ensuring that the advanced animation visualizations developed in this study can be understood more effectively with animations at different frequencies.

Keywords

• Animation
• Data Visualization
• Particulate Matter
• R Programming Language
• Turkey

References

1. Altunok A., Eskiocak M., (2020), Trakya’da partiküler madde kirliliği ve mortalite ilişkisinin değerlendirilmesi, Türkiye Halk Sağlığı Dergisi, 18(3), 124-132.
2. Atalay İ. E., (2020), R programlama dili ile Türkiye finansal risk verilerinin animasyonları, Yüksek Lisans Tezi, Eskişehir Osmangazi Üniversitesi, Eskişehir.
3. Bayram H., Dörtbudak Z., Fişekçi F. E., Kargın M., Bülbül B., (2006), Hava kirliliğinin insan sağlığına etkileri, dünyada, ülkemizde ve bölgemizde hava kirliliği sorunu, Dicle Tıp Dergisi, 33(2), 105-112.
4. Cansız S., (2019), Parçalı dairesel veri görselleştirme tekniğinin R “ggplot2” paketi ile noktasal tabanlı oluşturulması, Tasarım Enformatiği, 1(1), 62-66.
5. Çelik U., (2019), R Programlama dilinde rüzgâr haritaları Bandırma örneği, 2. Uluslararası Bandırma ve Çevresi Sempozyumu, ss. 342-347.
6. ÇŞB, (2013), Çevre ve Şehircilik Bakanlığı Hava kalitesi Değerlendirme ve Yönetimi Genelgesi, https://webdosya.csb.gov.tr/db/ cygm/editordosya/GNG2013-37HavaKalitesiDegerl.pdf, [Erişim 1 Şubat 2021].
7. ÇŞB, (2019), Çevre ve Şehircilik Bakanlığı Hava kalitesi bülteni, https://webdosya.csb.gov.tr/db/ced/icerikler/bulten-2019-yillik-20200403132705.pdf, [Erişim 1 Şubat 2021].
8. Friendly M., (2008), A Brief history of data visualization, in handbook of data visualization, Springer, Berlin, Heidelberg, ss. 15-56.

9. İnandı T., Eltaş M. C., Kerman B., (2018), Türkiye’de havadaki PM10 ve so2 düzeyindeki değişimler, 2005-2015, Türkiye Klinikleri J Med Sci, 38(3), 209-217.
10. Ihaka R., Gentleman R., (1996), R: A Language for data analysis and graphics, Journal of computational and graphical statistics, 5(3), 299-314.
11. Neslihanoğlu S., (2019), Veri analizi için R projesi girişimcilik öyküsü, Girişimcilik Öyküleri’in İçinde (Mert G., Editör), Akademi Titiz Yayınları, İstanbul, ss. 447-452.
12. Pan X., Yue W., He K., Tong S., (2007), Health benefit evaluation of the energy use scenarios in Beijing, China, Science of the Total Environment, 374, 242-251.
13. Teker A.G., (2020), İzmir ilinde 2009-2018 yılları arasında partikül madde kirliliği, ESTÜDAM Halk Sağlığı Dergisi, 5(2), 216-22.
14. Toros H., Bağış S., (2017), Hava kirlilik modellerinde kullanılacak emisyon envanteri oluşturulması için yaklaşımlar ve İstanbul hava kirliliği dağılımı örneği, Çukurova Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 32(2), 1-12.
15. URL-1, (2020), R, https://cran.r-project.org/web/packages/, [Erişim 17 Kasım 2020].
16. URL-2, (2020), Amerika Çevre Koruma Ajansı (US-EPA), https://www.epa.gov/pm-pollution/health-and-environmental-effects-particulate-matter-pm, [Erişim 8 Ocak 2021].
17. URL-3, (2019), GADM, https://gadm.org/download_country_v3.html, [Erişim 30 Nisan 2019].
18. Vural E., (2021), Güneydoğu Anadolu Bölgesi illerinin CBS kullanarak hava kalitesinin mekânsal değişiminin incelenmesi (2007-2019), Doğal Afetler ve Çevre Dergisi, 7(1), 124-135.
19. WHO, (2021), Air pollution, https://www.who.int/airpollution/ambient/pollutants/en/, [Erişim 5 Ocak 2021].
20. Wickham H., (2010), A Layered grammar of graphics, Journal of Computational and Graphical Statistics. 19(1), 3-28.
21. Yılmaz B., (2018), Manisa’da partikül madde (pm10) kirliliğinin değerlendirilmesi, Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 20(1), 626-633.