Hava Kalitesi Parametreleri (PM10 ve SO2) Kullanılarak Hava Kirliliği Riskli Bölgelerin Zamana Bağlı Konumsal Analizi: Kocaeli İli Örneği

Year 2023, Volume: 13 Issue: 4, 1386 - 1415, 15.12.2023

Tuğba Memişoğlu Baykal

https://doi.org/10.31466/kfbd.1280317

Abstract

Bu çalışmada, Kocaeli İl’inin hava kalitesi parametrelerinin CBS tabanlı konumsal-zamansal sıcak nokta kümeleme analizleri gerçekleştirilerek hava kirliliği açısından riskli bölgeler tespit edilmiştir. Bu bağlamda, Çevre, Şehircilik ve İklim Değişikliği Bakanlığı’nın Ulusal Hava Kalite İzleme Ağın’dan Kocaeli iline ait 2021-2022 yılları arasında kaydedilen Partikül madde (PM10) ve Kükürt dioksit (SO2) hava kalitesi parametreleri aylık ortalama değerler şeklinde temin edilerek düzenlenmiştir, konumla ilişkilendirilmiştir. Çalışmada, öncelikle kullanılan verilerin mekânsal otokorelasyon analizleri yürütülerek kümeleme eğilimi gösterip göstermediği tespit edilmiştir ve analizler için gerekli mesafe değerleri belirlenmiştir. Ardından, klasik nokta kümeleme analizlerinden sıcak nokta analizi (Getis Ord Gi*) ve analizlerde zamanı da esas alan gelişen sıcak nokta analizi (Emerging Hot Spot Analizi) yürütülmüştür. Sonuçlar, gelişen sıcak nokta analizlerinin, klasik sıcak nokta kümeleme analizlerine göre daha kolay ve hızlı bir analiz sağladığını, ayrıca herhangi bir zaman aralığına dayalı analizleri tek bir seferde değerlendirebilmenin kolay yönünü ve farklı konumlarda daha çok hava kirliliği sıcak noktalarının tespit edildiğini ortaya koymuştur.

Keywords

Hava kalitesi, PM10, SO2, CBS, Sıcak nokta analizi, Gelişen sıcak nokta analizi

Spatiotemporal Analysis of Air Pollution Risk Areas Using Air Quality Parameters (PM10 and SO2): The Case of Kocaeli Province

Abstract

Air pollution is a significant environmental problem that causes adverse effects on all people and living things. Therefore, it is necessary to prevent or control it. Geographical Information System (GIS) based hot spot clustering analyses play an active role in taking necessary precautions by enabling the detection of risky areas where air pollution occurs. In this study, GIS-based spatial-temporal hot spot clustering analyses of the air quality parameters of Kocaeli Province were carried out to identify risky areas in terms of air pollution. In this context, PM10 and SO2 air quality parameters recorded between 2021-2022 for Kocaeli province from the National Air Quality Monitoring Network of the Ministry of Environment, Urbanization, and Climate Change were obtained as monthly average values and linked to the location. First, spatial autocorrelation analyses of the data used in the study were carried out. Whether they showed a clustering tendency or the necessary distance values for the analyses were determined. Then, hot spot analysis (Getis Ord Gi*), one of the classical point clustering analyses, and evolving hot spot analysis (Emerging Hot Spot Analysis) based on time in the analyses were carried out. The results revealed that emerging hot spot analyses provide an easier and faster analysis than classical hot spot analyses, and also it is easy to evaluate analyses based on any time interval in one go, and more air pollution hotspots are detected in different locations.

Keywords

Air quality, PM10, SO2, GIS, Hot Spot Analysis, Emerging Hot Spot Analysis

References

• Ahmadi, H., Argany, M., Ghanbari, A. ve Ahmadi, M. (2022). Visualized spatiotemporal data mining in investigation of Urmia Lake drought effects on increasing of PM10 in Tabriz using Space-Time Cube (2004-2019). Sustainable Cities and Society, 76, 103399.
• Akyürek, Ö., Arslan, O. ve Karademir, A. (2013). SO2 ve PM10 Hava Kirliliği Parametrelerinin CBS ile Konumsal Analizi: Kocaeli Örneği. TMMOB Coğrafi Bilgi Sistemleri Kongresi 2013, 11-13 Kasım 2013, Ankara.
• Briggs, D. (2005). The role of GIS: Coping with Space (And Time) in Air Pollution Exposure Assessment. Journal of Toxicology Environmental Health, Part A, 68(13-14), 1243-61.
• Bozdağ, A., Dokuz , Y. ve Gökçek, O.B. (2020). Spatial prediction of PM10 concentration using machine learning algorithms in Ankara, Turkey. Environmental Pollution, 263, Part A, August 2020, 114635.
• Bozyazı Daylan, E. G. ve İncecik, S. İstanbul’da Coğrafi Bilgi Sistemleri ile Hava Kalitesinin İncelenmesi. itüdergisi/d mühendislik, 1(2), 51-62.
• Çınar, H. (2003). Eskişehir İçin Hava Kirliliği Envanterinin ve CBS Destekli Hava Kirliliği Haritalarının Oluşturulması. Yüksek Lisans Tezi, Anadolu Üniversitesi Fen Bilimleri Enstitüsü, Çevre Mühendisliği Anabilim Dalı, Eskişehir.
• Colak, H. E., Memisoglu, T. ve Bediroglu, G. (2018). Ege Bölgesi için Hava Kirliliği Parametrelerinin (PM10, SO2) Coğrafi Bilgi Sistemleri Yardımıyla Konumsal Analizi. Türkiye Ulusal Jeodezi ve Jeofizik Birliği Bilimsel Kongresi, 30 Mayıs- 02 Haziran 2018, İzmir, Türkiye.
• Cuci, Y ve Ergün Polat, E. (2005). Gaziantep’in Trafik Kaynaklı Hava Kirliliğinin Belirlenmesi. Kahramanmaras Sutcu Imam University Journal of Engineering Sciences, 18(2).
• Demirarslan, K. O. ve Akıncı, H. (2016). Doğu Karadeniz Bölgesinde Kükürtdioksit (SO2) Dağılımlarının Coğrafi Bilgi Sistemleri Yardımıyla Belirlenmesi. Doğal Afetler ve Çevre Dergisi, 2(2), 81-99.
• Demirarslan, K. O ve Akıncı, H. (2018). CBS ve Hava Kalitesi verileri kullanılarak Marmara Bölgesinin Kış sezonunda hava kalitesinin değerlendirilmesi. Artvin Çoruh University, Natural Disasters Application and Research Center, Journal of Natural Hazards and Environment, 4(1), 11-27.
• ESRIa, (2022). ArcGIS Pro Resources, How create space time cube Works. https://pro.arcgis.com/en/pro-app/2.8/tool-reference/space-time-pattern-mining/learnmorecreatecube.htm
• ESRIb, (2022). ArcGIS Pro Resources, How Emerging Hot Spot Analysis Works. https://pro.arcgis.com/en/pro-app/2.8/tool-reference/space-time-pattern-mining/learnmoreemerging.htm
• Getis A. ve Ord, J.K. (1992). The Analysis of Spatial Association by Use of Distance Statistics. Geographical Analysis, 24(3), 89-282, https://doi.org/10.1111/j.1538-4632.1992.tb00261.x.
• Gökçek, Ö.B., Şaşa, N., Dokuz, Y. ve Bozdağ, A. (2022). PM10 Parametresinin Makine Öğrenmesi Algoritmalari ile Mekânsal Analizi, Kayseri İli Örneği. Dokuz Eylul University Faculty of Engineering Journal of Science and Engineering, 24(70), 65-80.
• Kalıpçı, E. ve Baser, V. (2019). Coğrafi Bilgi Sistemi (CBS) ve Hava Kalitesi Verileri Kullanılarak Türkiye’nin Hava Kirliliğinin Değerlendirilmesi. Karadeniz Fen Bilimleri Dergisi, 9(2), 377-389.
• Kopar, İ. ve Zengin, M. (2009). Determination of Temporal and Spatial Distribution of Air Quality in Erzurum City Depending on Geographic Factors. Türk Coğrafya Dergisi, 53, 51-68.
• Moran, P.A.P. (1950). Notes on Continuous Stochastic Phenomena. Biometrika, 37(1), 17–23, doi:10.2307/2332142.
• Prasetia, H., Annisa, N., Riduan, R., Setyowati, E.R., Tasfiyati, A.N. ve Maryana, R. (2021). The dispersion pattern of PM10 and SO2 on Highway Kuin Utara and Kuin Selatan Banjarmasin City based on GIS spatial model. The 6th International Symposium on Applied Chemistry (ISAC) 2020, IOP Conf. Series: Materials Science and Engineering 1011 (2021) 012011. IOP Publishing, doi:10.1088/1757-899X/1011/1/012011.
• Solak, G. (2021). Hava Kirliliğinin Mekânsal Bağımlılığının CBS Tabanlı Araştırılması: Afyonkarahisar Örneği. Yüksek Lisans Tezi, Afyon Kocatepe Üniversitesi Fen Bilimler Enstitüsü, Harita Mühendisliği Anabilim Dalı, Afyonkarahisar.
• Tayanç, M. (2000). An Assessment of Spatial and Temporal Variation of Sülfür Dioxide Levels Over Istanbul, Turkey. Environmental Pollution, 00-107, 61-69.
• Tella, A. ve Balogun, A. (2021). Prediction of Ambient PM10 Concentration in Malaysian Cities Using Geostatistical Analyses. Journal of Advanced Geospatial and Science Technology, 1(1), 155-127.
• Toros, H., Bağış, S. ve Gemici, Z. (2018). Ankara’da Hava Kirliliği Mekânsal Dağılımının Modellenmesi, Ulusal Çevre Bilimleri Araştırma Dergisi, 1(1), 20-53.
• Tobler, W.R. (1970). A Computer Movie Simulating Urban Growth in the Detroit Region. Economic Geography, 46, 234-240, https://doi.org/10.2307/143141.
• Uğurlu, O. (2021). Konya İl’inde Hava Kirliliğine Etki Eden Faktörlerin Mekânsal Analizi. Yüksek Lisans Tezi, Necmettin Erbakan Üniversitesi Fen Bilimler Enstitüsü, Harita Mühendisliği Anabilim Dalı, Konya. URL-1: https://tr.wikipedia.org/wiki/Hava#:~:text=Hava%3B%20D%C3%BCnya'y%C4%B1%20%C3%A7evreleyen%2C,gaz%20k%C3%BCtlesine%20atmosfer%20ad%C4%B1%20verilmektedir/, (Erişim tarihi: 15 Şubat 2023).
• URL-2: https://tr.wikipedia.org/wiki/Kocaeli/, (Erişim tarihi: 11 Aralık 2022).
• URL-3:https://pro.arcgis.com/en/pro-app/latest/tool-reference/spatial-statistics/spatial-autocorrelation.htm/, (Erişim tarihi: 11 Aralık 2022).
• URL-4:https://pro.arcgis.com/en/pro-app/latest/tool-reference/spatial-statistics/h-how-spatial-autocorrelation-moran-s-i-spatial-st.htm/, (Erişim tarihi: 11 Aralık 2022).
• URL-5:https://pro.arcgis.com/en/pro-app/latest/tool-reference/spatial-statistics/incremental-spatial-autocorrelation.htm/, (Erişim tarihi: 11 Aralık 2022).
• URL-6:https://pro.arcgis.com/en/pro-app/latest/tool-reference/spatial-statistics/h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm/, (Erişim tarihi: 11 Aralık 2022).
• URL-7:https://pro.arcgis.com/en/pro-app/latest/tool-reference/space-time-pattern-mining/learnmorecreatecube.htm/, (Erişim tarihi: 15 Ocak 2023).
• URL-8:https://pro.arcgis.com/en/pro-app/latest/tool-reference/space-time-pattern-mining/emerginghotspots.htm/, (Erişim tarihi: 15 Ocak 2023).
• Vural, E. (2021). Güneydoğu Anadolu Bölgesi İllerinin CBS Kullanarak Hava Kalitesinin Mekânsal Değişiminin İncelenmesi (2007-2019). Artvin Çoruh University Natural Hazards Application and Research Center Journal of Natural Hazards and Environment, 7(1), 124-135.
• World Air Quality Report, (2021).
• World Health Organization (WHO) Air Quality Guidelines, (2021).
• Yuan, W., Sun, H., Chen, Y. ve Xia, X. (2021). Spatio-Temporal Evolution and Spatial Heterogeneity of Influencing Factors of SO2 Emissions in Chinese Cities: Fresh Evidence from MGWR. Sustainability, 13, 12059.
• Yang, Y. ve Christakos, G. (2015). Spatiotemporal Characterization of Ambient PM2.5 Concentrations in Shandong Province (China). Environmental Science Technology, 49(22), 13431–13438.
• Zou, B., Wilson, J. G., Zhan, F. B., Zeng, Y. ve Wu, K. (2011). Spatial-Temporal Variations in Regional Ambient Sulfur Dioxide Concentration and Source-Contribution Analysis: A Dispersion Modeling Approach. Atmospheric Environment, 45(28), 4977-4985.
• Zeydan, O., Yildirim, Y., Karademir, A. ve Durmuşoğlu, E. (2014). Hava Kalitesi Modellenmesinde Coğrafi Bilgi Sistemlerinin Kullanımı: Zonguldak Örneği. 5. Uzaktan Algılama-CBS Sempozyumu (UZAL-CBS 2014), 14-17 Ekim 2014, İstanbul.