Hava kirliliği açısından bölgelerin kümeleme analizi ile incelenmesi : Türkiye örneği

Abstract

Hava kirliliği açısından bölgelerin kümeleme analizi ile incelenmesi : Türkiye örneği Hava kirliliği insan sağlığını tehdit eden unsurlardan biri olduğundan tüm dünyada bu konuya büyük önem verilmektedir. Kümeleme analizi ise hava kirleticilerinin mekansal ve zamansal kalıplarının tanımlanması, hava kirleticilerine maruz kalma, hava kalitesi yönetimi, hava kirletici davranışının yerel sinoptik meteoroloji ile ilişkilendirilmesi, taşıma yolları ve kaynak paylaştırma gibi amaçlar için kullanılan etkin bir yöntem olarak öne çıkmıştır. Literatürde benzer amaçlara yönelik olarak farklı kümeleme yöntemlerinin kullanıldığı ancak yöntemler arasında sınırlı sayıda karşılaştırma yapıldığı gözlemlenmiştir. Bu yüzden gerek kümeleme yöntemlerine ilişkin gerekse hava kirliliğinde yapılan uygulamalarına ilişkin literatür detaylı şekilde incelenmiş ilgili verilerin yapısına uygun kümeleme yöntemleri belirlenmiştir. Bu çalışmada, Ocak 2021-Aralık 2023 arasında 86 istasyondan elde edilen aylık ortalama SO2, NO2, NO, NOX, O3 and PM10 değerleri (i) çok değişkenli fonksiyonel temel bileşenler analizi sonucunda elde edilen skorlara k-ortalamalar kümeleme yöntemi uygulanan iki aşamada yapılan kümeleme yöntemi, (ii) çok değişkenli fonksiyonel temel bileşenler analizi sonucunda elde edilen skorların normal dağıldığı varsayımı altında geliştirilen model tabanlı kümeleme yöntemi, ve (iii) çok değişkenli karışık t dağılım altında bir önceki yöntem olmak üzere üç çok değişkenli fonksiyonel kümeleme yöntemi ile gruplandırılmıştır. İlk iki yöntemle 5 küme, son yöntemle 4 küme oluştuğu ve yönteme göre kümelerdeki istasyonların farklılaştığı görülmüştür.

Examining regions in terms of air pollution with cluster analysis : example of Turkey Since air pollution is one of the factors that threaten human health, this issue is given great importance all over the world. Cluster analysis, on the other hand, became an effective method in this area for purposes such as defining spatial and temporal patterns of air pollutants, exposure to air pollutants, air quality management, associating air pollutant behavior with local synoptic meteorology, transport routes and resource allocation. It has been observed in the literature that different clustering methods are used for similar purposes, however, it is observed that a limited number of comparisons are made between the methods. Therefore, the literature on both clustering methods and their applications in air pollution has been examined in detail, and clustering methods suitable for the structure of the relevant data have been determined. In this study, monthly average SO2, NO2, NO, NOX, O3 and PM10 values obtained from 86 stations between January 2021 and December 2023 are grouped with three multivariate functional clustering methods: (i) a two-stage clustering method in which the k-means clustering method is applied to the scores obtained from multivariate functional principal component analysis, (ii) a model-based clustering method developed under the assumption that the scores obtained from multivariate functional principal component analysis are normally distributed, and (iii) the previous method under the multivariate mixed t distribution. It is observed that 5 clusters are formed with the first two methods while 4 clusters are formed with the last method, and the stations in the clusters differ according to the method.