Uzaktan algılama ve yersel veriler kullanılarak NO2 özelinde hava kalitesine yönelik meteorolojik mekansal bilgi üretimi: Ankara örneği
Production of meteorological-spatial nitrogen dioxide (NO2) data using remote sensing and ground-based measurements
- Tez No: 809498
- Danışmanlar: PROF. DR. BEKİR TANER SAN, DR. DOĞUŞHAN KILIÇ
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Coğrafi veri sistemleri, Çok değişkenli analiz teknikleri, Çok değişkenli varyans analizi, Geographical data systems, Multivariate analysis techniques, Multivariate variance analysis
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sürekli İzleme Merkezi (SİM) istasyonlarının mekânsal dağılımlarının yetersizliği nedeniyle açık kaynak veri setleri kullanılarak yersel NO2 kirleticisinin dağılımının belirlenme hassasiyetini artırmak amacıyla modelleme çalışması yapılmıştır. Çalışmada veri mevcudiyeti en yüksek 2021 yılı Ankara merkezindeki 15 adet SİM istasyonun (Bahçelievler, Demetevler, Etimesgut, Keçiören-Sanatoryum, Ostim, Sincan, Siteler, Törekent, Yaygınlaştırma-Mamak, Yaygınlaştırma-Çankaya, Polatlı, Çubuk, Ulus-Trafik, Sıhhiye ve Yaşamkent) aylık NO2 yersel ölçüm verisi, Sentinel5P Tropomi'nin NO2 uydu görüntüsü, alınan bulut optik derinliği, Terraclimate'in en düşük sıcaklık, en yüksek sıcaklık, buhar basıncı, buhar basıncı açığı, rüzgar hızı ile NOAA/VIIRS'in Ortalama Işık Parlaklık Değeri verileri makine öğrenme teknikleri kullanılarak NO2 yersel ölçüm verisi tahmin modeli oluşturulmuştur. Çalışmanın istatistiki değerlendirmesinde Çoklu Doğrusal Regresyonu (ÇDR), Temel Bileşen Regresyonu (TBR) ve En Küçük Kareler Regresyonu (KEKKR) metotları kullanılmıştır. ÇDR değişkenler arasındaki ilişkiyi doğrudan irdelemek temelinde iken TBR ve KEKKR yüksek ilişkili tahmin değişkenleri içeren modellerde başarı gücü nedeniyle tercih edilmiş ve uygulanmıştır. Aylık NO2 yersel ölçüm, NO2 uydu bazlı ölçüm, optik derinlik, en düşük sıcaklık, en yüksek sıcaklık, buhar basıncı açığı, rüzgar hızı ile ortalama ışık parlaklık parametreleri ÇDR, TBR ve KEKKR gibi tahmin modeli çalışmalarında kullanılmıştır. Her bir tekniğin model performans belirlenmesi amaçlanmış ve elde edilen modelin tahmin değerlerinin gerçek ölçüm değerleri ile istatiksel analiz parametreleri hesaplanmış ve karşılaştırması yapılmıştır. Çalışma sonucunda ÇDR'nin değişkenler arasındaki ilişkiyi doğrudan ele alamadığı, çoklu bağlantı sorunu yaşanma riski bulunduğu bulgular ile elde edilmiştir. TBR ve KEKKR'nin ise yüksek ilişkili değişkenlerin ortaya çıkardığı çoklu bağlantı sorununa çözüm getirdiği ve başarılarının ÇDR'ye göre daha yüksek olduğu çalışma bulguları ile elde edilmiştir. Elde edilem model ile daha az hata ve yüksek korelasyon olan model oluşturulmuştur. ÇDR, TBR ve KEEKR metot uygulamalarında sırasıyla 0.27, 0.48, 0.49 Düzeltilmiş R kare değerleri elde edilmiştir. Çoklu doğrusallık problem etkisinin giderilmesi ile ÇDR'ye oranla yüksek ilişki oranları elde edilmiştir. TBR ve KEKKR makine öğrenme metotları ile oluşturulan modelin NO2 yersel ölçüm değişkenini sırasıyla %87 , %85 açıkladığı tespiti yapılmıştır.
Özet (Çeviri)
A modelling study, using open-source data sets, was conducted to increase the precision in determining the distribution of atmospheric nitrogen dioxide (NO2) pollution, due to the insufficiency of ground based point measurements in capturing the spatial distribution of the the air pollutants. In the study, the monthly mean concentration of atmospheric NO2 from (i) 15 ground-based Continuous Monitoring Centre (CMC) stations (Bahçelievler, Demetevler, Etimesgut, Keçiören-Sanatorium, Ostim, Sincan, Siteler, Törekent, Dissemination-Mamak, Dissemination-Çankaya, Polatlı, Çubuk, Ulus-Traffic, Sıhhiye, and Yaşamkent) in Ankara in 2021, these have the highest data quality (highest number of continuous hourly samples) among CMCs available, (ii) the NO2 satellite images from Sentinel5P Tropomi, cloud optical depth, (iii) TerraClimate minimum temperature, (iv) maximum temperature, (v) vapor pressure, (vi) vapor pressure deficit, (vii) wind speed, and (viii) NOAA/VIIRS's Average Light Brightness Value data were used to create a surface level NO2 prediction model for urban air quality monitoring using machine learning techniques. The statistical evaluation of the study was performed by using linear methods such as Multiple Linear Regression (MLR), Principal Component Regression (PCR), and Partial Least Squares Regression (PLSR). The direct linear relationship among variables examined via MLR, while, PCR and PLSR preferred and applied to reduce multi-dimentionality of correlated prediction variables. Ground-based monthly mean NO2 measurements, NO2 satellite observations, optical depth, minimum temperature, maximum temperature, vapor pressure deficit, wind speed, and average light brightness parameters were used in prediction model studies such as MLR, PCR, and LSR. The aim was to determine the model performance of each technique by statistically evaluating the satellite-based prediction parameters obtained via model and comparing with the real-time ground based measurements. As a result, MLR model has a weak correlation (or no significant correlation) between two datasets, while PCR and LSR model proposes a highly correlated datasets. In the study, the relationship effect was reduced, the percentage it explained increased, and it was determined that the error and correlation values had a negative effect. In the applications of the MLR, PCR, and PLSR methods, adjusted R-square values were obtained as 0.27, 0.48, and 0.49, respectively. The correlation increased in the second rank (at PCR and LSR) by eliminating the effect of multicollinearity. It was determined that the model generated with the PCR andPLSR machine learning methods potentially explains the atmopsheric NO2 measurements at surface level by 87% and 85%, respectively. .
Benzer Tezler
- Evaluation of ground-level ozone measurements using TROPOMİ HCHO and NO2 retrievals in the Aegean Region of Türkiye
TROPOMI HCHO ve NO2 verileri kullanarak Türkiye'nin Ege Bölgesinde yer seviyesindeki ozon ölçümlerinin değerlendirilmesi
SEDEF BAYRAM
Yüksek Lisans
İngilizce
2025
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURÇAK KAYNAK TEZEL
- Evaluation of IASI NH3 levels in the Eastern Mediterranean Region
Doğu Akdeniz Bölgesinde IASI NH3 seviyelerinin değerlendirilmesi
SERRA SARAÇOĞLU
Yüksek Lisans
İngilizce
2025
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURÇAK KAYNAK TEZEL
- İklim değişikliğinde kentsel hasar görebilirlik: İstanbul- Bağcılar örneği
Urban damage vulnerability in climate change: İstanbul- Bağcılar
KÜBRA ALTINTAŞ
Yüksek Lisans
Türkçe
2025
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiAfet ve Acil Durum Yönetimi Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ CEYHAN KAHYA
- Improved mambabda framework for robust building damage assessment across disaster domains
Farklı afet türlerinde bina hasar değerlendirmesi için geliştirilmiş mambabda çerçevesi
ALP EREN GENÇOĞLU
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Uzaktan algılama ve yersel veriler kullanılarak fosil yakıt kaynaklı hava kirleticilerinin zamansal ve mekansal değerlendirilmesi: Antalya ili Kepez örneği
Temporal and spatial assessment of fossil fuel sources air pollutants using remote sensing and spatial data: A case study of Antalya province Kepez
YUSUF ÖZGÜREL
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEVDET BERTAN GÜLLÜDAĞ
ÖĞR. GÖR. ERCÜMENT AKSOY