Global and Turkish Research Trends in PM₁₀ Prediction Using Machine Learning: A Bibliometric Perspective

Air pollution, particularly PM10 particulate matter, poses a major threat to public health and environmental sustainability on a global scale. This study conducts a bibliometric analysis of scientific publications from 2020 to 2025 that focus on PM10 and air pollution, with a specific emphasis on prediction approaches based on machine learning. A search conducted in the Web of Science database using the keywords “PM10” and “air pollution” in combination with “Estimation,” “Prediction,” “Forecasting,” or “Machine Learning,” and limited to the “topic” field and “article” document type, identified a total of 1,095 publications indexed in the SCI-EXPANDED and SSCI collections. Of these, only 32 were identified as studies based in Türkiye. According to the data, public health, atmospheric sciences, and environmental sciences accounted for the bulk of articles on a worldwide scale. Despite maintaining a certain level of publication volume, Türkiye was found to lag far behind in terms of citation impact and international collaboration, while China, the United States, India, and the United Kingdom stood out as leading nations in terms of both publication and citation counts. The keyword analysis reveals that concepts such as “air pollution”, “PM10”, “particulate matter”, and “machine learning” are prominently featured. In conclusion, although Türkiye's scientific output in this field has shown numerical growth, it still lags behind developed countries in terms of citation impact, global engagement, and research quality. This situation highlights the need for Türkiye to enhance international collaborations, produce high-impact publications, and focus on research that can support policy-makers.

Hava kirliliği, özellikle partikül madde PM10, dünyada halk sağlığını ve çevresel sürdürülebilirliği tehdit eden önemli bir sorundur. Bu bağlamda bu çalışmada, 2020-2025 yılları arasında “PM10” ve “air pollution” konulu yayınlar makine öğrenmesi temelli tahmin yöntemleri açısından ele alınarak bibliyometrik bir analiz gerçekleştirilmiştir. Web of Science veri tabanında “PM10” and “air pollution” and “Estimation” or “PM10” and “air pollution” and “Prediction” or “PM10” and “air pollution” and “Forecasting” or “PM10” and “air pollution” and “Machine Learning” anahtar sözcükleri kullanılarak yapılan bu taramada, yalnızca “topic” alanında, “article” olan dokümanlar, “tüm alanlar”da yapılan taramalardan elde edilen ve SCI-EXPANDED ve SSCI indekslerinde yer alan 1095 yayına ulaşılmıştır. Bunların yalnızca 32’sinin Türkiye merkezli araştırmalar olduğu tespit edilmiştir. Analiz sonuçlarında, küresel ölçekte yayınların büyük kısmının çevre bilimleri, atmosfer bilimleri ve halk sağlığı alanlarında yoğunlaştığı görülmüştür. Çin, ABD, Hindistan ve İngiltere hem yayın hem de atıf sayısında lider ülkeler olarak öne çıkarken, Türkiye’nin yayın hacmi bakımından belirli bir seviyede olsa da atıf sayısı ve uluslararası iş birlikleri açısından oldukça geride kaldığı görülmüştür. Anahtar kelime analizleri, “air pollution”, “PM10”, “particulate matter” ve “machine learning” kavramlarının ön plana çıktığını göstermektedir. Sonuç olarak, Türkiye’nin bu alandaki bilimsel üretimi sayısal olarak artış göstermiş olsa da, atıf gücü, küresel etkileşim düzeyi ve araştırma kalitesi bakımından gelişmiş ülkelerin gerisinde kaldığı görülmektedir. Bu durum, Türkiye’nin daha fazla uluslararası iş birliği geliştirmesi, yüksek etkili yayınlar üretmesi ve politika yapıcıları destekleyecek nitelikte araştırmalara odaklanması gerekliliğini ortaya koymaktadır.