Hava Durumu verileri ile Partikül Madde Konsantrasyonunun Tahmini

Hava Durumu verileri ile Partikül Madde Konsantrasyonunun Tahmini

Özgür ZEYDAN

Özgür ZEYDAN 2

Sunu İçeriği

Tanımlar: Hava kirliliği Partikül madde

İstatistiksel Modeller Model Verileri İstatistiksel Analizler

Tanımlayıcı istatistik, grafikler, korelasyon, regresyon analizi

Sonuç

Özgür ZEYDAN 3

Hava Kirliliği nedir ?

Temiz havada %78 azot, %21 oksijen ve %1 oranında da diğer gazlar, toz ve su buharı bulunur.

Yabancı maddelerin eklenmesi ile bu oranların bozulması hava kirliliğidir.

Hava kirliliğinin insan sağlığına, canlı yaşamına ve ekolojik dengeye zararlı etkileri söz konusudur.

Özgür ZEYDAN 4

Hava kirliliğine neden olan kaynaklar nelerdir ? A) DOĞAL KAYNAKLAR Yanardağ-Volkan faaliyetleri Orman yangınları Açık arazideki hayvan ve bitki örtülerinin

bozulması v.s. B) YAPAY KAYNAKLAR Isıtma amacıyla konutlarda yakıt kullanımı Sanayi faaliyetleri Ulaşımda motorlu karayolu taşıtlarının kullanımı

Özgür ZEYDAN 5

Konutlarda yakıt kullanımından kaynaklanan hava kirliliği

Soba veya kalorifer kazan bacalarından çıkan gazlar:

Karbon monoksit (CO) Kükürt dioksit (SO2)

Azot dioksitler (NOx) Partikül maddeler (is, kurum ve toz)

Özgür ZEYDAN 6

HKİ, hava kalitesinin günlük olarak rapor edilmesi için kullanılan bir indekstir. Yaşadığımız bölgenin havasının ne kadar temiz veya kirli olduğu ve ne tür sağlık etkilerinin oluşabileceği konusunda bilgiler verir.

Partiküler Madde Kirliliği HKİ değerinin 100 olması partikül çapı 10µm. 'ye

kadar olan partiküller için 150 µg/m3 'e karşılık gelir. (Ortalama 24 saat) (1 µm. = 0.001 milimetre).

Hava Kalitesi İndeksi nedir?

Özgür ZEYDAN 7

Hava Kalitesi İndeksi (HKİ / AQI)

Sağlık Seviyesi

0 - 50 arasında İyi

51 - 100* arasında Orta

101 - 150 arasındaHassas gruplar

için sağlıksız

151 - 200 arasında Sağlıksız

201 - 300 arasında Çok sağlıksız

301 - 500 arasında Tehlikeli

Özgür ZEYDAN 8

Partikül Maddeler için Sınır Değerler

Sınır DeğeriVeren

Kuruluş

Günlük Ortalama

Sınır Değer

( g/m3 )

Aşılmaması

İstenen Gün

Sayısı

Sınır Değerin Aşıldığı

Gün Sayısı

Yıllık Ortalama

Sınır Değer

( g/m3 )

WHO - - - -

EPA 150 - 10 50

EU 50 35 93 40

BENELUX - - - -

HKKY 300 - - 150

Özgür ZEYDAN 9

Hava Kirliliğinde İstatistiksel Modeller Meteorolojik Etmenlerin (sıcaklık, nem,

rüzgar hızı, basınç, yağış, çiğ noktası vs.) kullanılmasıyla Hava Kirleticilerinin konsantrasyonları tahmin edilebilir.

Meteorolojik Etmenlerin ölçümü kolay. Hava Kirleticilerinin ölçümü zor.

Özgür ZEYDAN 10

PM10 konsantrasyonu tahmini

Literatürde PM10 tahmini için kullanılan meteorolojik ve diğer etmenler:

Sıcaklık, rüzgar hızı, rüzgar yönü, çiğ noktası (Slini,T. et al. / Environmental Modelling & Software 21 (2006) 559–565)

Sıcaklık, rüzgar hızı, O3, NO2, CO (Varadarajan,C., Time Series Analysis to Define the Link between PM10 and Meteorological Factors and Ambient Concentrations of Ozone, CO, and NO2 for Cleveland, Ohio , MS.Thesis, University of Toledo, 2004)

Özgür ZEYDAN 11

Model Verilerinin Elde Edilmesi Günlük ortalama PM10 verileri http://www.havaizleme.com (Çevre ve Orman Bakanlığı) Zonguldak – 1 İstasyonu (Kurulum Tarihi: 25.07.2006) 01.09.2006 – 30.11.2006 arasındaki günlük ortalama PM10

verileri alındı

Özgür ZEYDAN 12

Günlük hava durumu verileri http://www.wunderground.com 01.09.2006 – 30.11.2006 arasındaki

günlük ortalama sıcaklık, çiğ noktası, rüzgar hızı ve yağış türü verileri alındı.

Model Verilerinin Elde Edilmesi

Özgür ZEYDAN 13

Veri Dosyasının Oluşturulması

TarihPM10 (µg/m3)

Ortalama Sıcaklık (oC)

Ortalama Çiğ Noktası(oC)

Maks. Rüzgar Hızı (mil/s) Etkinlikler

01.09.2006 34,7 15 13 8 Yağmur

02.09.2006 34,8 17 14 6 Yağmur

Özgür ZEYDAN 14

Sonradan eklenen veri alanları

SxC : (sıcaklık x çiğ noktası) (etkileşimli) K-SIC : (kukla değişken)

Sıcaklık < 15 oC ise 1Sıcaklık >= 15 oC ise 0

K-TAR : (kukla değişken)Tarih < 15.10.2006 ise 0Tarih >= 15.10.2006 ise 1

Özgür ZEYDAN 15

İstatistiksel Analizler

Tanımlayıcı İstatistik MS Excel: Araçlar > Veri Çözümleme… > Tanımlayıcı

İstatistik Grafikler

MS Excel: Ekle > Grafik… SPSS: Graphs > Scatter/Dot… > Matrix Scatter

Korelasyon MS Excel: Araçlar > Veri Çözümleme… > Korelasyon

Regresyon Analizi SPSS: Analyze > Regression > Linear…

Özgür ZEYDAN 16

Tanımlayıcı İstatisitik

PM10 (µg/m3)


Ortalama Çiğ Noktası(oC) SxC

Maks. Rüzgar Hızı

(mil/s)

Ortalama 100,4 14,6 10,2 166,5 8,9

Standart Hata 4,4 0,5 0,5 11,0 0,4

Ortanca 89,5 15,6 11,7 191,7 9,0

Kip #YOK 16,7 14,4 203,7 6,0

Standart Sapma 39,9 4,5 4,4 98,9 3,4

Örnek Varyans 1594,8 20,3 19,3 9773,3 11,6

Basıklık -0,3 -0,6 -0,6 -1,3 0,6

Çarpıklık 0,7 -0,4 -0,6 -0,1 0,9

Aralık 160,9 20,0 18,3 344,4 17,0

En Büyük 34,7 3,3 -1,1 -7,4 4,0

En Küçük 195,6 23,3 17,2 337,0 21,0

Say 81,0 81,0 81,0 81,0 81,0

Özgür ZEYDAN 17

Eylül - Kasım 2006 Zonguldak İli PM10 (µg/m3) ve Sıcaklık (oC) Grafiği(Günlük Ortalama)

0,0

50,0

100,0

150,0

200,0

250,0

01.09.2006 11.09.2006 21.09.2006 01.10.2006 11.10.2006 21.10.2006 31.10.2006 10.11.2006 20.11.2006 30.11.2006

Tarih

PM10

(µg/

m3)

0

5

10

15

20

25

Sıca

klık (

oC)

PM10 Sıcaklık

Özgür ZEYDAN 18

Eylül - Kasım 2006 Zonguldak İli Hava Durumu

21

1 1 1 1

66

0

10

20

30

40

50

60

70

Yağmur Yağmur-Fırtına

Yağmur-Kar

Fırtına Sis Yağışsız

Yağış Durumu

Gü

n S

ayı

sı

Özgür ZEYDAN 19

Özgür ZEYDAN 20

Korelasyon

PM10

(µg/m3)


Ortalama Çiğ Noktası (oC) SxC

Maks. Rüzgar

Hızı (mil/s) K-SIC

K-TAR

PM10 (µg/m3) 1

Ortalama Sıcaklık (oC) -0,453 1

Ortalama Çiğ Noktası(oC) -0,481 0,881 1

SxC -0,537 0,947 0,958 1

Maks. Rüzgar Hızı (mil/s) -0,343 -0,126 -0,148 -0,096 1

K-SIC 0,515 -0,833 -0,779 -0,852 0,043 1

K-TAR 0,639 -0,750 -0,700 -0,782 -0,100 0,741 1

Özgür ZEYDAN 21

Regresyon Analizi

En iyi sonuçları veren modeller:Rüzgar hızı, K-TAR, K-SICSıcaklık, Çiğ Noktası, Rüzgar hızı, K-TAR, K-

SICRüzgar hızı, K-TAR, K-SIC, SxCRüzgar hızı, K-TAR, SxC

Özgür ZEYDAN 22

Rüzgar hızı, K-TAR, K-SICModel Summaryb

,707a ,500 ,480 28,79741 1,233Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Durbin-Watson

Predictors: (Constant), KTAR, RUZGARHIZI, KSICa.

Dependent Variable: PM10b.

ANOVAb

63729,332 3 21243,111 25,616 ,000a

63855,412 77 829,291

127584,7 80

Regression

Residual

Total

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), KTAR, RUZGARHIZI, KSICa.


Coefficientsa

103,471 10,136 10,208 ,000

-3,533 ,963 -,302 -3,668 ,000 -,343 -,386 -,296 ,960 1,042

13,498 9,683 ,170 1,394 ,167 ,515 ,157 ,112 ,437 2,286

38,690 9,806 ,483 3,945 ,000 ,639 ,410 ,318 ,434 2,305

(Constant)

RUZGARHIZI

KSIC

KTAR

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig. Zero-order Partial Part

Correlations

Tolerance VIF

Collinearity Statistics

Dependent Variable: PM10a.

Özgür ZEYDAN 23

Sıcaklık, Çiğ Noktası, Rüzgar hızı, K-TAR, K-SIC

Model Summaryb

,721a ,520 ,488 28,57223 1,269Model1



Durbin-Watson

Predictors: (Constant), CIGNOKTASI, RUZGARHIZI, KTAR, KSIC,SICAKLIK

a.


ANOVAb

66356,829 5 13271,366 16,257 ,000a

61227,915 75 816,372

127584,7 80

Regression

Residual

Total

Model1


Predictors: (Constant), CIGNOKTASI, RUZGARHIZI, KTAR, KSIC, SICAKLIKa.


Coefficientsa

99,806 31,376 3,181 ,002

-3,730 ,998 -,319 -3,737 ,000 -,343 -,396 -,299 ,880 1,137

14,371 12,713 ,181 1,130 ,262 ,515 ,129 ,090 ,250 4,003

36,974 10,626 ,461 3,480 ,001 ,639 ,373 ,278 ,364 2,749

2,262 1,758 ,257 1,287 ,202 -,454 ,147 ,103 ,160 6,246

-2,643 1,504 -,291 -1,757 ,083 -,480 -,199 -,141 ,234 4,276

(Constant)

RUZGARHIZI

KSIC

KTAR

SICAKLIK

CIGNOKTASI

Model1

B Std. Error


Beta



Correlations

Tolerance VIF



Özgür ZEYDAN 24

Rüzgar hızı, K-TAR, K-SIC, SxCModel Summaryb

,713a ,509 ,483 28,72035 1,272Model1



Durbin-Watson

Predictors: (Constant), SxC, RUZGARHIZI, KTAR, KSICa.


ANOVAb

64895,476 4 16223,869 19,669 ,000a

62689,268 76 824,859

127584,7 80

Regression

Residual

Total

Model1


Predictors: (Constant), SxC, RUZGARHIZI, KTAR, KSICa.


Coefficientsa

127,775 22,804 5,603 ,000

-3,794 ,985 -,324 -3,851 ,000 -,343 -,404 -,310 ,912 1,097

3,989 12,538 ,050 ,318 ,751 ,515 ,036 ,026 ,259 3,854

32,633 11,027 ,407 2,959 ,004 ,639 ,321 ,238 ,341 2,930

-,084 ,070 -,207 -1,189 ,238 -,537 -,135 -,096 ,213 4,703

(Constant)

RUZGARHIZI

KSIC

KTAR

SxC

Model1

B Std. Error


Beta



Correlations

Tolerance VIF



Özgür ZEYDAN 25

Rüzgar hızı, K-TAR, SxCModel Summaryb

,713a ,508 ,489 28,55225 1,264Model1



Durbin-Watson

Predictors: (Constant), SxC, RUZGARHIZI, KTARa.


ANOVAb

64811,967 3 21603,989 26,500 ,000a

62772,777 77 815,231

127584,7 80

Regression

Residual

Total

Model1


Predictors: (Constant), SxC, RUZGARHIZI, KTARa.


Coefficientsa

131,675 19,117 6,888 ,000

-3,798 ,980 -,325 -3,877 ,000 -,343 -,404 -,310 ,912 1,096

33,396 10,701 ,417 3,121 ,003 ,639 ,335 ,249 ,358 2,792

-,098 ,054 -,243 -1,818 ,073 -,537 -,203 -,145 ,358 2,790

(Constant)

RUZGARHIZI

KTAR

SxC

Model1

B Std. Error


Beta



Correlations

Tolerance VIF



EN İYİ MODEL

Özgür ZEYDAN 26

Rüzgar hızı, K-TAR, SxC

Özgür ZEYDAN 27

Rüzgar hızı, K-TAR, SxC

Özgür ZEYDAN 28

Doğrusal Regresyon Denklemi

PM10 = 131,675 – 3,798 Rüzgar hızı + 33,396 K-TAR – 0,096 SxC

Doğrusal regresyon denklemi bağımsız değişkenlerde gerçekleşen değişimlerle PM10 konsantrasyonundaki değişmenin %50,8 ini açıklayabilmektedir.

Özgür ZEYDAN 29

Regresyon Analizi Sonuçları

Rüzgar hızında meydana gelen 1 mil/s lik artış ile PM10 konsantrasyonu 3,798 µg/m3 lük azalma olur.

15.Ekim tarihinden sonra kaloriferlerin yanması ile PM10 konsantrasyonunda 33,396 µg/m3 lük artış olması beklenir.

Özgür ZEYDAN 30

Daha iyi model elde edebilmek için:

Modele eklenebilecek veriler:O3

Rüzgar yönüTrafik

Modelin yaz ve kış mevsimleri için ayrı ayrı geliştirilmesi…

Özgür ZEYDAN 31

Teşekkür Ederim

Sorular…

Hava Durumu verileri ile Partikül Madde Konsantrasyonunun Tahmini

Documents