Dilovası'nda yer seviyesindeki ozon konsantrasyonlarının modellenmesi

(1)

KOCAELĐ ÜNĐVERSĐTESĐ

FEN BĐLĐMLERĐ ENSTĐTÜSÜ

ÇEVRE MÜHENDĐSLĐĞĐ ANABĐLĐM DALI

DOKTORA TEZĐ

DĐLOVASI’NDA YER SEVĐYESĐNDEKĐ OZON

KONSANTRASYONLARININ MODELLENMESĐ

(2)

(3)

ÖNSÖZ ve TEŞEKKÜR

Kocaeli sanayileşmenin her geçen gün artması ile çevre kirliliğinin tüm boyutlarıyla yoğun olarak yaşandığı bir ildir. Đl sınırları içersinde özellikle Dilovası Bölgesi’ndeki hava kirliliği canlı ve cansız çevreye zarar verebilecek boyutlara çıkabilmekte ve bölgeyle ilgili hava kirliliği haberleri yerel ve ulusal basında sıkça gündeme gelmektedir. Farklı sektörlerde faaliyet gösteren sanayi kuruluşları başta olmak üzere, bölgedeki konut alanları ile ilçeden geçen iki otoyol hava kirliliğinin başlıca kaynakları olarak değerlendirilebilir.

Bölgede kurulu Kocaeli Đl Çevre ve Şehircilik Müdürlüğü’ne ait Dilovası Belediyesi

Đstasyonu ve Dilovası Organize Sanayi Bölgesi Müdürlüğü Đstasyonlarında hava

kirliği parametreleri (SO2, NO, NO2, CO, O3, PM10, CH4, NMHC) ile meteorolojik parametreler (sıcaklık, nem, basınç, yağış, rüzgar hızı ve rüzgar yönü) sürekli olarak izlenmektedir. Elde edilen veriler bölgedeki hava kirliliğinin sağlıklı olarak izlenmesi ve değerlendirilebilmesi açısından önem taşımaktadır.

Hava kirliliği araştırmalarında yapılan ölçümlerle mevcut durum tespit edilirken, modelleme çalışmaları ile gelecek ile ilgili tahminler sağlanmaktadır. Böylece kirliliğin en düşük seviyelerde tutulmasını sağlayacak önlemler alınabilmektedir. Kocaeli Üniversitesi Çevre Mühendisliği Bölümü ve Kocaeli Đl Çevre ve Şehircilik Müdürlüğü’nün sağladığı olanaklarla yürütülen tez çalışmasında Dilovası Bölgesi’ndeki ozon konsantrasyonları modellenmiştir. Konvansiyonel hava kirleticileri arasında güçlü oksidant olma özelliği ile canlı ve cansız çevrede tahribata neden olan troposferik ozon pek çok bilimsel araştırmaya konu olmaktadır. Dilovası gibi hava kirliliğinin yoğun olarak yaşandığı bir bölgede ozon seviyelerinin belirlenmesine katkı sunmayı amaçlayan bu çalışmanın sonuçlarının ilgili tüm birey ve kuruluşlara ışık tutmasını dileriz.

Öncellikle tez çalışmam süresince bilgi ve deneyimlerinden sürekli yararlandığım, her zaman desteğini gördüğüm saygıdeğer danışmanım Prof. Dr. H. Savaş AYBERK’e (Okan Üniversitesi) teşekkürlerimi sunarım.

Ayrıca;

Hem bilgilerini hem de arkadaşlıklarını benden esirgemeyen sevgili Yrd. Doç. Dr.

Şenay ÇETĐN DOĞRUPARMAK’a (Kocaeli Üniversitesi) ve sevgili Yrd. Doç. Dr.

Gülşen Aydın KESKĐN’e (Kocaeli Üniversitesi),

Đyi niyeti, güler yüzü ve anlayışlı tutumuyla her zaman desteğini gördüğüm sevgili

(4)

Kendisine her danıştığımda fikirleriyle yolumu aydınlatan değerli hocam Doç.Dr. Aykan KARADEMĐR’e (Kocaeli Üniversitesi),

Tez çalışmam süresince ilgisini ve güler yüzünü esirgemeyen değerli hocam Yrd. Doç. Dr. Asude ATEŞ’e (Sakarya Üniversitesi),

Ölçümlerin gerçekleşmesi aşamasındaki katkılarından dolayı Kocaeli Đl Çevre ve Orman Müdürlüğü’nde görevli Sayın Nedim AKDAG’a ,

içten teşekkürlerimi sunuyorum.

Son olarak bu çalışmayı emeklerinin karşılığını ödeyemeyeceğim çok değerli annem Havva ALYÜZ ve babam Mehmet ALYÜZ ile hayat arkadaşım, değerli eşim Dr.

Đsmail ÖZBAY’a ithaf ediyorum.

(5)

ĐÇĐNDEKĐLER ÖNSÖZ ve TEŞEKKÜR... i ĐÇĐNDEKĐLER ... iii ŞEKĐLLER DĐZĐNĐ...v TABLOLAR DĐZĐNĐ ... vii SĐMGELER... viii ÖZET...x ABSTRACT... xi GĐRĐŞ ...1 1. GENEL BĐLGĐLER ...5 1.1. Araştırmanın Amacı ...5 1.2. Araştırma Alanı...5 1.3. Araştırma Yöntemi...6

2. ATMOSFERĐK OZON ve ÖZELLĐKLERĐ ...9

2.1. Ozonun Tanımı ve Temel Özellikleri ...9

2.2. Ozon Tabakası...10

2.3. Ozonun Oluşum Mekanizması ...12

2.3.1. Stratosferik ozonun oluşumu ...12

2.3.2. Troposferik ozonun oluşumu ...13

2.4. Ozonun Parçalanma Mekanizması ...14

2.5. Ozonun Sağlık Üzerine Etkileri ...19

2.5.1. Đnsan sağlığı üzerine etkileri ...19

2.5.2. Bitkileri üzerine etkileri ...20

3. TROPOSFERĐK OZONUN MODELLENMESĐNDE KULLANILAN YÖNTEMLER ...22

3.1. Troposferik Ozonun Modellenmesinde Yapay Sinir Ağlarının Kullanımı ...22

3.2. Troposferik Ozonun Modellenmesinde Kullanılan Çok Değişkenli Đstatistiksel Analizler ...24

4. YAPAY SĐNĐR AĞLARI (YSA)...28

4.1. Yapay Sinir Ağlarının Genel Tanımı ...28

4.2. Yapay Sinir Ağının Oluşturulması ve Temel Özellikleri...28

4.3. Yapay Sinir Ağlarının Sınıflandırılması ...28

4.4. Çok Katmanlı Algılayıcılar ...30

4.4.1. Katmanlar arası bağlantılar ...31

4.4.2. Sinirler arası bağlantılar...32

4.4.3. Eşik fonksiyonlar ...32

4.5. Çok Katmanlı Ağların Çalışma Prosedürü...34

4.5.1. Delta öğrenme kuralı ...34

4.5.2. Geri yayılımlı öğrenme...35

4.6. YSA’nın başlıca uygulama alanları...36

5. MALZEME ve YÖNTEM ...37

5.1. Ölçüm Yapılan Alanın Tanımı ...37

(6)

5.3. Kullanılan Đstatistik Yöntemler ...39

5.3.1. Korelasyon analizi ...39

5.3.1.1. SPSS stastistical programı ile korelasyon analizi ...42

5.3.2. Çoklu regresyon analizi ...43

5.3.2.1. Çoklu doğrusal regresyon analizi...44

5.3.2.2. SPSS stastistical programı ile çoklu doğrusal regresyon analizi...46

5.3.3. Temel bileşenler analizi (Principle component analysis) ...47

5.3.3.1 SPSS stastistical programı ile temel bileşenler analizi ...48

5.4. Çalışma Kapsamında Yapay Sinir Ağlarının Kullanımı ...52

6. BULGULAR ve TARTIŞMA...58

6.1. Ölçüm Sonuçlarının Değerlendirilmesi...58

6.1.1. Hava kirleticisi parametrelerin değerlendirilmesi...58

6.1.1.1. Ozon ölçüm sonuçları ...58

6.1.1.2. Kükürt dioksit ölçüm sonuçları...60

6.1.1.3. Azot monoksit ölçüm sonuçları ...61

6.1.1.4. Azot dioksit ölçüm sonuçları ...61

6.1.1.5. Karbon monoksit ölçüm sonuçları ...62

6.1.1.6. Partiküler madde ölçüm sonuçları...63

6.1.1.7. Metan ölçüm sonuçları ...64

6.1.1.8. Metan olmayan hidrokarbonların ölçüm sonuçları ...65

6.1.2. Meteorolojik parametrelerin değerlendirilmesi ...65

6.1.2.1.Sıcaklık...65 6.1.2.2. Bağıl nem ...66 6.1.2.3. Basınç...67 6.1.2.4. Güneş radyasyonu ...67 6.1.2.5. Yağış ...69 6.1.2.6. Rüzgar hızı ve yönü ...69

6.2. Ölçüm Sonuçları Arasındaki Đlişkilerin Đncelenmesi ...71

6.3. Temel Bileşenler Analizinin Sonuçları ...74

6.4. Çoklu Doğrusal Regresyon Analizlerinin Sonuçları ...76

6.4.1. Yıllık ozon derişimlerinin çoklu lineer regresyon ile tahmini ...76

6.4.2. Mevsimsel ozon derişimlerinin çoklu lineer regresyon ile tahmini...77

6.4.3. Gece ve gündüz ozon derişimlerinin çoklu lineer regresyon ile tahmini...79

6.4.4. Temel bileşenler ile çoklu lineer regresyon analizi ...80

6.5. Yapay Sinir Ağları ile Modelleme Çalışmalarının Sonuçları ...81

6.5.1. Yıllık ozon derişimlerinin yapay sinir ağları ile modellenmesi...81

6.5.2. Mevsimsel ozon derişimlerinin yapay sinir ağları ile tahmini...97

6.5.3. Gece ve gündüz ozon derişimlerinin yapay sinir ağları ile tahmini...100

6.5.4. Temel bileşenlerin yapay sinir ağları ile modellemede kullanımı...102

7. SONUÇLAR ve ÖNERĐLER...105

KAYNAKLAR ...111

KĐŞĐSEL YAYINLAR ve ESERLER ...117

(7)

ŞEKĐLLER DĐZĐNĐ

Şekil 1.1. Çalışma aşamaların şematik gösterimi...7

Şekil 2.1. Atmosferik tabakalarda ozon varlığının dağılımı ...11

Şekil 2.2. Troposferik ozon kaynaklarının şematik gösterimi ...14

Şekil 2.3. Troposesferik ozonun oluşum ve parçalanma mekanizması ...17

Şekil 4.1. Yapay sinir ağlarının giriş veri tiplerine göre sınıflandırılması...29

Şekil 4.2. Basit algılayıcı yapısı...30

Şekil 4.3. Çok katmanlı yapay sinir ağı örneği ...31

Şekil 4.4. Yaygın olarak kullanılan eşik fonksiyonlar ...33

Şekil 5.1. Çalışmanın yapıldığı alan ve ölçüm noktaları ...37

Şekil 5.2. Farklı korelasyon türlerine ait örnek grafikler ...41

Şekil 5.3. SPSS paket programında korelasyon analizi penceresi ...42

Şekil 5.4. SPSS paket programında korelasyon katsayısı hesaplama yöntemlerinin belirlenmesi...43

Şekil 5.5. SPSS paket programında çoklu lineer regresyon analizi penceresi ...46

Şekil 5.6. Çoklu lineer regresyon analizinde bağımlı ve bağımsız değişkenlerin belirlenmesi ...47

Şekil 5.7. SPSS paket programında temel bileşenler analizi ...49

Şekil 5.8. Temel bileşenler analizinde yöntemlerin belirlenmesi ...50

Şekil 5.9. Temel bileşenler analizinde faktörlerin döndürülmesi ...51

Şekil 5.10. Temel bileşenler analizinde Bartlett testi...51

Şekil 5.11. Matlab workspace’de görünen normalize edilmiş eğitim ve test dosyaları ...52

Şekil 5.12. Ağın kurulmasında eğitim ve test verilerinin atanması ...53

Şekil 5.13. Ağ oluşturma penceresi ...54

Şekil 5.14. Örnek ağ yapısı ...55

Şekil 5.15. YSA uygulamalarında gerçek ve tahmin edilen değerlerin karşılaştırılması ...56

Şekil 6.1. Ozon derişimlerinin aylık değişimi...59

Şekil 6.2. Ozon derişimlerinin saatlik değişimi ...59

Şekil 6.3. Kükürt dioksit derişimlerinin aylık değişimi ...60

Şekil 6.4. Azot monoksit derişimlerinin aylık değişimi...61

Şekil 6.5. Azot dioksit derişimlerinin aylık değişimi...62

Şekil 6.6. Karbon monoksit derişimlerinin aylık değişimi ...63

Şekil 6.7. Partiküler madde derişimlerinin aylık değişimi ...64

Şekil 6.8. Metan derişimlerinin aylık değişimi ...64

Şekil 6.9. Non-metan hidrokarbon derişimlerinin aylık değişimi...65

Şekil 6.10. Hava sıcaklığının aylık değişimi...66

Şekil 6.11. Bağıl nem değerlerinin aylık değişimi...67

Şekil 6.12. Basınç değerlerinin aylık değişimi ...67

Şekil 6.13. Güneş radyasyonun aylık değişimi ...68

(8)

Şekil 6.15. Yağış miktarının aylık değişimi...69

Şekil 6.16. Rüzgar hızının aylık değişimi ...70

Şekil 6.17. Çalışma bölgesine ait rüzgar gülü...70

Şekil 6.18. Farklı hızlardaki rüzgarların esme sıklıkları ...71

Şekil 6.19. Đncelenen parametrelerin üç boyutlu görünümleri ...74

Şekil 6.20. Ozonun tahminini açıklayan temel bileşenler...76

Şekil 6.21. Ölçülen ve tahmin edilen yıllık ozon derişimleri arasındaki ilişki ...77

Şekil 6.22. Isınma döneminde ölçülen ve tahmin edilen ozon derişimleri arasındaki ilişki ...78

Şekil 6.23. Soğuma döneminde ölçülen ve tahmin edilen ozon derişimleri arasındaki ilişki ...79

Şekil 6.24. Aydınlık periyotta ölçülen ve tahmin edilen ozon derişimleri arasındaki ilişki ...80

Şekil 6.25. Karanlık periyotta ölçülen ve tahmin edilen ozon derişimleri arasındaki ilişki ...80

Şekil 6.26. Model B1’e ait ağın eğitim performans grafiği ...82

Şekil 6.27. Model B1 için ölçülen ve tahmin edilen ozon değerleri ...83

Şekil 6.28. Model B2’e ait ağın eğitim grafiği...83

Şekil 6.36. Model B6’ya ait ağın eğitim grafiği...88

Şekil 6.38. Model B7’ye ait ağın eğitim grafiği...90

Şekil 6.42. Model B9’a ait ağın eğitim grafiği...92

Şekil 6.48. Model B12’ye ait ağın eğitim grafiği ...96

Şekil 6.49. Model B 12 için ölçülen ve tahmin edilen ozon değerleri ...96

(9)

TABLOLAR DĐZĐNĐ

Tablo 6.1. Modellemede kullanılan değişkenlerin Pearson korelasyon matrisi...73

Tablo 6.2. Temel bileşenlerin açıklanabilir varyansları...75

Tablo 6.3. Döndürülmüş bileşenler matrisi...75

Tablo 6.4. Çoklu doğrusal regresyon analizinin sonuçları...81

Tablo 6.5. Yapay sinir ağları ile gerçekleştirilen modelleme çalışmalarının sonuçları ...104

(10)

SĐMGELER DĐZĐNĐ VE KISALTMALAR b : Kısmi regresyon katsayısı

β : Kısmi regresyon katsayısı Br : Brom, (µg/m3)

BrO : Hipobromit, (µg/m3)

C : Standardize edilmiş verilerin korelasyon matriksini CCl2F2 : Dikloro difloro metan, (µg/m3)

CClF2 : Kloro difloro metan, (µg/m3) CCl4 : Karbon tetra klorür, (µg/m3) CFC : Klorofloro karbon, (µg/m3) CH3CCl3 : Metil kloroform, (µg/m3) CH4 : Metan, (µg/m3) Cl : Klor, (µg/m3) ClO : Klorosil, (µg/m3) CO : Karbon monoksit, (µg/m3)

d : Đki serinin sıralanması arasındaki fark i

d : Gerçek (ölçülen) değerler

F : Yapay sinir ağlarında transfer fonksiyonu H : Bağıl nem (%)

HC : Hidro karbon türleri (µg/m3) HOx : Hidroksil radikalleri, (µg/m3)

I : Temel bileşenler analizinde özdeşlik matrisi

i : Normalizasyon işlemindeki ölçüm sayısı

j : Normalizasyon işleminde değişkenlerin ölçülen değeri

k : Sıralamayı yapan birimlerin sayısı veya satır sayısı n : Gözlem sayısı

N : Sıralanması gereken birimlerin sayısı veya sütun sayısı

NI : Standardize edilmiş veri

NMHC : Metan dışı hidrokarbonlar, (µg/m3) NO : Azot monoksit, (µg/m3)

NO2 : Azot dioksit, (µg/m3) NOx : Azot oksitler, (µg/m3) N2O : Nitröz oksit, (µg/m3) P : Atmosferik basınç, (mb)

p : Temel bileşenler analizinde bileşen sayısı PM : Partikül madde, (µg/m3)

r : Pearson korelasyon katsayısı s

r : Spearman korelasyon katsayısı j

R : Sıralanan birimlerin sıra numaralarının toplamları

2

R : Korelasyon katsayısı

RO2 : Serbest hidrokarbon radikali, (µg/m3) SO2 : Kükürt dioksit, (µg/m3)

(11)

SOx : Kükürt oksitler, (µg/m3) T : Sıcaklık

UOB : Uçucu organik bileşikler, (µg/m3) O2 : Oksijen, (µg/m3)

O3 : Ozon, (µg/m3) i

O : Tahmin edilen değerler OH : Hidroksil radikali, (µg/m3)

X : Yapay sinir ağında girişin skaler değeri n

X : Bağımsız değişkenler

W : Giriş ile sinir arasındaki ağırlık değeri

W : Temel bileşenler analizinde ağırlık matrisi WD : Rüzgar yönü (derece)

WS : Rüzgar hızı (m/s)

Y : Bağımlı değişken

λ : Dalga boyu, (nm)

λ : Temel bileşenler analizinde özdeğerler

τ

: Kendall uygunluk katsayısı

α : Doğrusal fonksiyonlardaki reel değerli sabit

τ : Doğrusal fonksiyonlardaki sınır değerler

i

ε

: Çoklu doğrusal regresyona ait hata terimi

σ : Tahminin standart hatası

Kısaltmalar

ÇDR : Çoklu Doğrusal Regresyon

HKDYY : Hava Kalitesi Değerlendirme ve Yönetimi Yönetmeliği EPA : Environmental Protection Agency (Çevre Koruma Ajansı) MATLAB : Matrix Laboratory (Matris Laboratuarı)

MSE : Mean Square Error (Ortalama Karesel Hata)

NRC : National Research Council (Ulusal Araştırma Konseyi) OSB : Organize Sanayi Bölgesi

SPSS : Statistical Package for the Social Sciences (Sosyal Bilimler için Đstatistik Paket)

TBA : Temel Bileşenler Analizi TB : Temel Bileşenler

UV : Ultra Viyole YSA : Yapay Sinir Ağları

WMO : World Meteorological Organization (Dünya Meteoroloji Örgütü) WRPLOT : Wind Rose Plots (Rüzgar Gülü Planı)

(12)

DĐLOVASI’NDA YER SEVĐYESĐNDEKĐ OZON KONSANTRASYONLARININ MODELLENMESĐ

ÖZET

Bu çalışmada Türkiye’de sanayileşmenin en yoğun olduğu bölgelerden birisi olan Dilovası’nda yer seviyesindeki ozon derişimlerinin modellenmesi amaçlanmıştır. Ozon derişimlerinin tahmini için çok değişkenli istatistiksel yöntemlerden çoklu doğrusal regresyon analizi ile yapay sinir ağlarının kullanıldığı çalışmada ozon oluşumu sekiz farklı hava kirletici parametre (PM10, SO2, NO, NO2, CO, O3, CH4, NMHC) ve yedi meteorolojik parametre (sıcaklık, bağıl nem, basınç, rüzgar hızı ve yönü, güneş radyasyonu, yağış) ile açıklanmıştır. Bu parametrelerin saatlik ölçümleri bölgede kurulu iki farklı istasyonda Eylül 2008-Ağustos 2009 aralığında gerçekleştirilmiştir. Đkili korelasyon analizleri ile ölçülen değişkenlerin modelleme için uygunlukları ve literatürle uyumları değerlendirilmiştir. O3 ile kuvvetli negatif ilişkiye sahip kirleticiler olan CH4, NMHC ve NO2 için hesaplanan korelasyon katsayıları sırasıyla -0,675, -0,555 ve -0,511 olarak bulunmuştur. Ozon oluşumunda en yüksek pozitif etkiyi sıcaklık göstermiştir (R2= 0,608). Çalışma kapsamında yıllık ve mevsimsel (ısınma ve soğuma dönemleri) ozon derişimleri ile gece-gündüz periyotlarındaki ozon derişimleri modellenmiştir.Tahmin edilen ve gerçek ozon değerleri arasındaki ilişkinin gücünü açıklayan R2 değerleri ile standart hata değerleri gözönüne alınarak çoklu doğrusal regresyon ile yapay sinir ağlarının modelleme etkinlikleri karşılaştırılmıştır. Yapay sinir ağlarının incelenen tüm periyotlar için daha başarılı sonuçlar sağladığı görülmüştür. Ozon oluşumunda etkili parametrelerin sayısını azaltmak amacıyla uygulanan temel bileşenler analizinde on beş farklı değişken dört temel gruba indirgenmiştir. Elde edilen temel bileşenler kullanılarak regresyon analizleri ve yapay sinir ağları ile modelleme çalışmaları tekrarlanmıştır.

Anahtar Kelimeler: Çoklu Doğrusal Regresyon, Dilovası, Ozon, Temel Bileşenler

(13)

MODELING GROUND-LEVEL OZONE CONCENTRATIONS FOR DILOVASI

ABSTRACT

In this study it was aimed to model ground-level ozone concentrations for one of the most industrilizated regions of Turkey, Dilovası. Multivariate statistical methods such as multiple linear regression and neural networks were used to predict ozone levels. In the study, ozone formation was described with eight different air pollution parameters (PM10, SO2, NO, NO2, CO, O3, CH4, NMHC) and seven meteorological parameters (temperature, relative humidity, pressure, wind direction and speed, solar radiation and rain). Hourly measurement of these parameters was made in two stations installed in the region in period between September 2008 and August 2009. Bivariate correlation analyses were achieved by using measured data in order to investigate concordance with literature and appropriateness for modeling. Calculated correlation coefficients for CH4, NMHC ve NO2 , having strong negative correlations with ozone, were found as -0,675, -0,555 and -0,511, respectively. Temperature showed the highest positive effect for ozone formation (R2= 0,608). Ozone levels of annual and seasonal periods and also daylight and dark periods were modeled in scope of the study. Correlation coefficients, representing strenght of relationship between actual and predicted ozone concentrations, and standart error values were considered for comparation of efficiencies of multiple linear regression and neural network models. Neural network models provided better results for all investigated periods. Fifteen parameters explaining ozone formation have been reduced to four principle components by applying principle component analysis. Regression analyses and neural network models were repeated by using the obtained principle components.

Key words: Multiple Linear Regression, Dilovası, Ozone, Principle Component

(14)

GĐRĐŞ

Kocaeli’nin Gebze ilçesine bağlı Dilovası, coğrafi konumu ve sağladığı ulaşım olanakları ile sanayileşmenin yoğun olarak yaşandığı bir bölgedir. Đlçe sınırları içinde bulunan 5 adet organize sanayi bölgesi ile 1 adet sanayi sitesi yaklaşık 2200 hektarlık bir alanı kaplamaktadır. Dilovası bölgesinde faaliyet göstermekte olan en önemli sanayi kolları cam, kimya, plastik, demir çelik ve döküm, madeni eşya, motorlu taşıt yapımı ve yan sanayi, endüstriyel makine imalatıdır (Kavzoğlu ve Çetin, 2005). E-5 ve TEM otoyolları ile demiryolu bölgenin kara ulaşımını kolaylaştırırken, çeşitli firmalara ait 7 liman denizyolu ile ulaşım imkanı sağlamaktadır.

Endüstriyel gelişmeye bağlı olarak Dilovası’ndaki nüfus da her geçen gün artmaktadır. Gelişen iş imkanları bölgenin yoğun bir şekilde göç almasına neden olmuştur. 2009 yılında bölgedeki yerleşik nüfusun 50000’nin üzerinde olduğu bilinmektedir.

Dilovası’nda gelişen sanayi, sağladığı ekonomik kazançlarla birlikte bölgede ciddi ekolojik tahribatlara neden olmuştur. Bölgede sucul ve karasal ekosistemlerde görünen bozunmaların yanında hava kirliliği de gözlemlenmektedir. Çeşitli sektörlerde faaliyet gösteren sanayi kuruluşları, giderek artan konut alanları ile yoğun trafik bölgede yaşanan hava kirliliğinin temel nedenleridir. Özellikle son yıllarda bölgede artan kanser olayları direkt olarak hava kirliliği ile ilişkilendirilmiş, konuyla ilgili haberler uzun süre yerel ve ulusal medyanın gündeminden düşmemiştir. Dilovası’nda yaşanan hava kirliliği ve etkileri yerel yönetimlerin ve çevredeki akademik kuruluşların da ilgi odağıdır.

Bölgede hava kirliliği parametrelerini sürekli olarak izleyebilmek amacıyla 25.07.2006 tarihinde Kocaeli Đl Çevre ve Şehircilik Müdürlüğü’ne ait Dilovası Belediye Đstasyonu kurulmuştur. Kısa bir süre sonra, 15.08.2007 tarihinde kurulan Dilovası Organize Sanayi Bölgesi (OSB) Müdürlüğü’ne ait diğer istasyon ile

(15)

bölgedeki kirlilik daha detaylı olarak izlenmeye başlanmıştır. Dilovası Belediye istasyonunda PM10, SO2, NO, NO2, CO ve O3 parametreleri ölçülürken, Dilovası OSB istasyonunda PM10, CH4, NMHC, NO, NO2, SO2 , sıcaklık, bağıl nem, basınç, rüzgar hızı ve rüzgar yönü ölçülmektedir. Yapılan bu ölçümler, bölgedeki hava kirliliğinin mevcut durumunu gözlemeyebilme ve kirliliği azaltmak için alınacak önlemlerin belirlenmesi açısından önem taşımaktadır.

Herhangi bir bölge için hava kirliliğinin antropojenik kaynakları trafik, endüstriyel faaliyetler, enerji santralleri ve konut alanlarındaki özellikle ısınma amaçlı yanma olaylarıdır. Bu kaynakların yoğunluğu ve hava kirliliğine katkısı Gebze gibi endüstriyel bölgelerde daha da artmaktadır. PM10, SOx, NOx ve CO gibi kirleticiler kaynaklardan direkt olarak atmosfere salındıklarından “birincil kirleticiler” olarak nitelenirken belirgin bir emisyon kaynağı olmayan O3 tamamıyla fotokimyasal reaksiyonlar sonucu oluştuğundan ‘ikincil kirletici’ olarak değerlendirilmektedir. Troposferik ozonunun oluşumunda, ozon öncüleri olarak bilinen azot oksitler (NOx) ve uçucu organik bileşikler (UOB) gibi birincil kirleticiler ile kısa dalga radyasyonu, sıcaklık, nem gibi meteorolojik faktörler önemli rol oynarlar. NOx ve UOB emisyonlarının en önemli kaynakları endüstriyel faaliyetler ve trafik olarak gösterilmektedir. Buna bağlı olarak sanayileşmenin yoğun olduğu bölgelerde troposferik ozon oluşumunda da artma eğilimleri görülmektedir. Oluşan tüm kirletici türlerinin dağılması ve seyrelmesinde ise rüzgar hızı ve yönü, türbülans ve atmosferik stabilite gibi meteorolojik parametreler etkili olmaktadır. Bu etkilerle taşınım gösteren hava kirleticilerin derişimleri ortam havasının kalitesini belirlemektedir. Kirlerticiler atmosferden kuru ve yaş çökelme olayları ile giderilmektedir. Dolayısıyla kirleticilerin atmosferdeki konsantrasyonları pek çok farklı etkenin bir fonksiyonu olarak belirlenmektedir. Đkicil kirleticilerin belirlenmesi söz konusu olduğunda fotokimyasal reaksiyonlar da gündeme geldiğinden sistem karmaşıklığı daha da artmaktadır.

Troposferik ozon, ozon öncülerinin ultraviole ışınların varlığında bir dizi fotokimyasal reaksiyona girmeleriyle oluşurken, eş zamanlı olarak NO gazı ile oksidasyon sonucu parçalanabilmektedir (Zolghadri ve diğ., 2004).

(16)

Konuyla ilgili literatür incelendiğinde ozon oluşumunda en etkin kirletici gruplarının NOx ve UOB türleri olduğu belirgin olmakla birlikte CO ve SOx gibi diğer kirletici gazların da ozon oluşumunda etkili olduğunu ortaya koyan çalışmalar mevcuttur (Cheung ve Wang, 2001). Tam yanmanın gerçekleşemediği koşullarda oluşan yüksek CO seviyelerine rastlanan çoğu bölgede yüksek ozon episodları belirlenmiştir. Ozonun oluşum ve parçalanma reaksiyonlarının çok yönlü ve karmaşık olması ozondan kaynaklanan hava kirliliğinin kontrolünü ve tahminini zorlaştırmaktadır (Abdul-Wahab ve diğ., 2005).

Küresel ölçekte değerlendirildiğinde sera gazı etkisine sahip olan ozon, bölgesel olarak değerlendirildiğinde fotokimyasal sis olayları ile hava kalitesini düşüren önemli bir unsurdur (Szopa ve Hauglustaine, 2007). Güçlü oksidant olma özelliğine bağlı olarak solunum yollarında ve akciğerlerde tahribata neden olan ozon aynı zamanda derideki lipit ve protein yapılarını bozarak cilt hastalıklarına da neden olmaktadır (Valacchi ve diğ., 2002). Etkiler maruz kalınan süre ve konsantrasyona bağlı olarak değişmekle birlikte, yaşlılar, çocuklar ve akciğer hastaları riskli grubu oluşturmaktadır. O3 maruziyeti bitkiler üzerinde de olumsuz etkilere neden olmaktadır. Yapraklarda sararma, dökülme gibi etkilerle birlikte maruziyet şiddetine göre meyve veren ağaçların veriminde azalma görülebilmektedir (Takemoto, 1988) .

Canlı sağlığı üzerinde ciddi olumsuz etkilere neden olan trosposferik ozonun, sanayi kuruluşları ve trafikten kaynaklanan birincil kirleticilerin etkisiyle oluştuğu gözüne alındığında sanayileşmenin çok yoğun olduğu bölgelerde ozon konsantrasyonlarının incelenmesinin önemi ortaya çıkmaktadır. Daha önce de değinildiği gibi bir sanayi bölgesi olan Dilovası’nda ozonun oluşumuna öncülük eden birincil hava kirleticileri pek çok farklı kaynaktan sürekli olarak atmosfere salınmaktadır. Dolayısıyla böyle bir bölgede ozonun izlenmesi önemli ve gereklidir. Ozonun gelecekteki seviyelerini tahminlemeye yönelik çalışmalar ise oluşabilecek risklerin belirlenmesinde ve en aza indirilmesinde anahtar niteliğindedir.

Bu bilgilerin ışığında gerçekleştirilen bu çalışmada Dilovası’nda yer seviyesindeki ozon konsantrasyonlarının modellenmesi amaçlanmıştır. Bu amaca yönelik olarak öncelikle elde edilen hava kirliliği ölçüm sonuçları ile mevcut durum değerlendirmiş, çeşitli istatistiksel yöntemlerle ozon derişimleri ve oluşumuna etki eden faktörler

(17)

incelenmiştir. Yapay sinir ağları ve regresyon modelleri ile ozon konsantrasyonlarının tahmin edilmesi sağlanmıştır.

Çalışma beş aşamadan oluşmaktadır:

Kirletici parametreler ile meteorolojik parametrelere ait verilerin toplanması

Ölçüm sonuçların değerlendirilmesi

Ozon derişimlerinin modellenmesi

Ozon modellenmesinde faktör analizi

Sonuçların değerlendirilmesi

Çalışmada öncellikle Eylül 2008-Ağustos 2009 periyodunda ozon oluşumunda etkili olan kirletici parametreler ile meteorolojik parametrelere ait veriler toplanmıştır. Ölçülen bu değerler kullanılarak hava kirleticilerinin ve meteorolojik faktörlerin mevsimsel değişimleri ve birbirleriyle ilişkileri irdelenmiştir. Modelleme aşamasında ile yer seviyesinde ozon derişimleri tahmin edilmeye çalışılmıştır. Çok sayıda giriş parametresinin kullanıldığı modelleme çalışmalarındaki en önemli sıkıntılardan birisi model karmaşıklığının artmasıdır. Bu nedenle gerçekleştirilen temel bileşenler analizi ile veri boyutunun indirgenmesinin uygun olacağı düşünülmüştür. Elde edilen temel bileşenler (TB) kullanılarak model etkinlikleri yeniden test edilmiştir.

(18)

1. GENEL BĐLGĐLER 1.1.Araştırmanın Amacı

Çalışmanın temel amacı, Dilovası bölgesinde troposferik ozon konsantrasyonlarının çeşitli istatistiksel yaklaşımlarla değerlendirilmesi ve farklı modeller (yapay sinir ağları ve çoklu doğrusal regresyon) kullanılarak tahmin edilmesidir. Bu amaca bağlı olarak;

Ozonun oluşumunda etkili olabilecek tüm hava kirliliği ve meteorolojik parametrelere ait verilerin toplanması,

Ölçüm sonuçlarındaki zamana bağlı değişkenliğin belirlenmesi ve bu değişkenliklerin açıklanması,

Đkili korelasyon analizi ile ölçüm sonuçların birbirleriyle olan ilişkilerinin değerlendirilmesi,

Yapay sinir ağları (YSA) ve çoklu doğrusal regresyon (ÇDR) modellerinin ozon derişimlerini modellemedeki etkinliğinin test edilmesi,

Temel bileşenler analizi (TBA) ile giriş parametrelerinin sayısını azaltarak modelleme işleminin karmaşıklığını azaltmak hedeflenmiştir.

1.2.Araştırma Alanı

Çalışma alanı olarak Kocaeli’nin kuzeybatısında bulunan Dilovası bölgesi seçilmiştir. Ölçümler bölgede kurulu olan Kocaeli Đl Çevre ve Şehircilik Müdürlüğü’ne ait Dilovası Belediye istasyonu ile Dilovası Organize Sanayi Bölgesi (OSB) Müdürlüğü istasyonlarında gerçekleştirilmişr. Çalışma bölgesi sanayileşmenin ve trafiğin yoğun olduğu bir bölgedir. Ayrıca bölgede gelişen ekonomik koşullarla artan nufüsa bağlı olarak konut alanları da giderek artmaktadır. Çalışma alanı ilgili daha ayrıntılı bilgiler Bölüm 5’ de verilmiştir.

(19)

1.3.Araştırma Yöntemi

Çalışmanın ilk aşamasında ozonun oluşumunda etkili olabileceği düşünülen hava kirletici parametreler (PM10, SO2, NO, NO2, CO, O3 CH4, NMHC) ile meteorolojik parametrelere (sıcaklık, bağıl nem, basınç, rüzgar hızı ve yönü, güneş radyasyonu, yağış) ait veriler toplanmıştır. Saatlik olarak gerçekleştirilen ölçümler Eylül 2008-Ağustos 2009 periyodunda bir yıllık süreci kapsamaktadır. Ölçümlerde kullanılan cihaz ve yöntemler tezin malzeme ve yöntem bölümünde ayrıntılı olarak açıklanmaktadır.

Çalışmanın bir sonraki aşamasında elde edilen saatlik ölçüm sonuçları modellemede kullanılmak üzere Excel dosyaları haline getirilmiş ve kullanılacak modelin (yapay sinir ağları) işleyişi gereği eğitim ve test verileri olarak 2/1 oranında ayrılmıştır.

Ölçüm sonuçlarının birbirleriyle olan ilişkilerini inceleyebilmek amacıyla yaygın istatistiksel yöntemlerden biri olan korelasyon analizi gerçekleştirilmiştir. Korelasyon analizi sonuçları ile özellikle ozonun diğer parametrelerle olan ilişkilerini yorumlayabilme ve bu ilişkilerin literatürle uyumunu değerlendirebilme olanağı elde edilmiştir. Korelasyon analizi için SPSS Statistics 17.0 programı kullanılmıştır. Yöntemle ilgili açıklayıcı bilgiler Bölüm 5’de verilmektedir.

Ozonun modellenmesinde kullanılan tüm parametrelerin ölçüm yapılan süre boyunca zamansal değişimlerini izleyebilmek için saatlik ortalama değerler kullanılarak aylık ortalamalar hesaplanmış ve grafikler oluşturulmuştur. Rüzgar yönünü ve hızını ifade edebilmek amacıyla oluşturulan rüzgar gülünü elde etmek için WRPLOT programından yararlanılmıştır.

Tez çalışması süresince gerçekleştirilen tüm aşamalar Şekil 1.1.’de şematik olarak sunulmaktadır. Şekilden de görüldüğü gibi veri dosyaları oluşturulup ölçüm sonuçları değerlendirildikten sonra ozon seviyelerinin modellenmesi aşamasına geçilmiştir. Bu amaçla non-lineer ilişkileri yüksek etkinlikle modelleyebilme özelliği ile bilinen yapay sinir ağları ve çoklu doğrusal regresyon modelleri uygulanmıştır. Ozon derişimlerinin önemli mevsimsel değişikler gösterdiği gözönüne alınarak modelleme çalışmaları üç farklı periyot için gerçekleştirilmiştir.

(20)

Bu periyotlar:

Bir yıllık (Eylül 2008-Ağustos 2009)

Yaz dönemi (Nisan 2009-Ağustos 2009)

Kış dönemi (Kasım 2008-Mart 2009)

Böylece farklı sezonlara ait veri grupları ile çalıştırılan modellerin performanslarını değerlendirme olanağı yakalanmıştır.

Şekil 1.1. Çalışma aşamaların şematik gösterim

Çalışma kapsamında ayrıca güneş radyasyonun ozon oluşumundaki etkisi dikkate alınarak gece-gündüz periyotları için modelleme etkinlikleri değerlendirilmiştir. Bu

Hava kirliliği parametreleri

PM10, SO2, NO, NO2, CO,O3 CH4, NMHC

Meteorolojik parametreler

Sıcaklık, bağıl nem, basınç, rüzgar hızı ve yönü, güneş radyasyonu, yağış

Veri dosyalarının oluşturulması Ölçüm sonuçlarının

değerlendirilmesi

Ozonun YSA ile modellenmesi

TBA

Ölçüm sonuçlarının toplanması

Ozonun ÇDR ile modellenmesi

TB’ler ile YSA uygulamaları

TB’ler ile ÇDR uygulamaları

Model etkinliklerinin değerlendirilmesi

4

PM10, SO2, NO, NO2, CO, O3, CH4, NMHC

(21)

amaçla ozon seviyelerinin yüksek değerlere ulaştığı yaz dönemine ait veriler kullanılmıştır.

Yukarıda açıklanan her bir periyot için ayrı ayrı oluşturulan eğitim ve test veri dosyaları kullanılarak gerçekleştirilen YSA uygulamalarında farklı ağ yapılarının modellemedeki etkinlikleri araştırılmıştır. Kullanılan eğitim fonksiyonları, katman ve iterasyon sayıları vs. değiştirilerek elde edilen farklı ağ yapıları arasında ozon derişimlerini en yüksek performansla modelleyebilen yapının seçilmesi amaçlanmıştır. Ağların performansını değerlenmede elde edilen simülasyon değerleri ile gerçek değerler arasındaki benzerlik temel başarı ölçütü olarak değerlendirilmiştir. Bu ölçüt, simülasyon ve gerçek verilerin arasındaki ilişkiye ait korelasyon katsayıları hesaplanarak belirlenmiştir. YSA uygulamaları için MATLAB 6.5 programı kullanılırken, korelasyon katsayıları SPSS Statistics 17.0 programında hesaplanmıştır.

Ozonun modellenmesi ile ilgili literatür incelendiğinde çoklu lineer regresyon modelinin tercih edilen yöntemlerden olduğu görülmüştür. Bu amaçla tez kapsamsında çoklu lineer regresyon modeli uygulanmış ve modele ait denklem elde edilmiştir. Regresyon analizi SPSS Statistics 17.0 programı ile gerçekleştirilmiştir.

Çok sayıda giriş parametresi ile gerçekleştirilen modelleme çalışmalarında veri gruplarının sayısını azaltmak işlem kolaylığı sağlamakta ve model karmaşıklığını azaltmaktadır. Bu nedenle birbiri ile ilişkili olan değişkenleri birleştirerek daha az sayıda ortak ilişkisiz değişken bulmak gerekmektedir. Temel bileşenler analizi bu amaçla kullanılan etkin yöntemlerden birisidir. Bu çalışmada da kullanılan 15 farklı giriş parametresi temel bileşenler analizi ile daha az sayıda bileşene indirgenmiştir. Temel bileşenler analizinden elde edilen bileşenler (TB) kullanılarak yapay sinir ağları ve çoklu doğrusal regresyon ile modelleme tekrarlanmıştır.

Çalışmanın sonunda yapay sinir ağlarının ve çoklu doğrusal regresyon analizinin farklı periyotlardaki ozon derişimlerini tahmin etmedeki etkinlikleri değerlendirilmiş, modellerden elde edilen sonuçlar karşılaştırılarak uygun yöntem belirlenmiştir.

(22)

2. ATMOSFERĐK OZON ve ÖZELLĐKLERĐ 2.1. Ozonun Tanımı ve Temel Özellikleri

Yeryüzeyi yakınlarında zehirli bir kirletici olan ozon (O3), üç tane oksijen atomunun birleşiminden oluşur ve stratosfer tabakasında yaşamsal önem taşır. Eski çağlarda ozon gazı, kokusu sayesinde tanınıyordu. Doğal elektrik deşarjları sırasında meydana gelen kokuya Yunanca koku anlamına gelen “ozein” adı verildi. Elektrik bulunduktan sonraları da uzun süre bu kokunun elektrik kokusu olduğu sanıldı. Đlk kez 1840 yılında Đsviçreli bilim adamı Schoenbein, kokunun oksijenin üç atomlu

şekli olan bir allotropuna ait olduğunu buldu. 1858 yılında ise hava içersinde 25 ppb seviyelerinde bulunduğu belirlendi (Müezzinoğlu, 2003).

Kararsız ve korozif etkili bir gaz olan ozon, güçlü bir oksidanttır. Bu nedenle hem eşya hem de canlı çevreler üzerinde tahribata neden olur. Pek çok kimyasal madde ile hızlı bir şekilde reaksiyona girer ve yüksek konsantrasyonlarda patlayıcı özellik gösterir.

Atmosferdeki ozonun büyük bir miktarı (%90), yeryüzünden 10-16 km yukarıda başlayan ve 50 km yüksekliğe kadar devam eden stratosfer tabakasında bulunur. Ozonun yoğun olarak bulunduğu bu tabaka ozon tabakası olarak da isimlendirilir. Kalan ozon (yaklaşık %10’u) ise yeryüzeyi ve stratosfer arasında kalan troposferde bulunmaktadır.

Stratosferdeki ozon, doğal bir filtre vazifesi görerek yeryüzündeki tüm yaşam türlerini güneşin zararlı UV ışınlarına karşı koruduğu için "iyi ozon" dur. Ozon tabakası olmasaydı birçok insan cilt kanseri, katarakt gibi hastalıklara yakalanacaktı, hayvanlar ve tarım ürünleriyle bitkilerin yanı sıra okyanusların üst seviyelerindeki canlı organizmalar da bundan zarar göreceklerdi (Horrigan, 2005).

(23)

Stratosferik ozon doğal olarak atmosferde oluşur ve aynı zamanda yine doğal olarak stratosferde bozulur. Atmosferde ozon; doğal olarak güneş ışınları ve nitrojen, hidrojen ve klor da dahil olmak üzere çeşitli bileşiklerle kimyasal reaksiyona girerek bozulur. Bu kimyasalların hepsi çok az miktarlarda atmosferde doğal olarak mevcutturlar. Kirlenmemiş bir atmosferde üretilen ozon miktarıyla tüketilen ozon miktarı tam bir denge halindedir. Böylece stratosferdeki ozonun toplam konsantrasyonu nispeten sabit kalır.

Diğer %10’luk miktar ise "kötü ozon" dur ve araç egzozları ve endüstriyel emisyonların oluşturduğu uçucu organik karışımların ve de nitrojen oksitlerin havaya karışmasıyla ortaya çıkan insan aktivitelerinin sebep olduğu ciddi bir hava kirliliğiyle yer seviyesinde oluşur. Özellikle yazın sıcak günlerinde uçucu organik karışımlar ve nitrojen oksitler güneş ışınlarıyla reaksiyona girdiklerinde "duman" olarak isimlendirilen tehlikeli bir "kentsel-endüstriyel pus" halini alırlar. Kısaca yeryüzündeki ozon, fotokimyasal dumanın anahtar bileşenidir (Sillman, 2004).

Yer seviyesinde yükselen ozon, insan sağlığı ve doğal ekosistemler üzerinde doğrudan negatif etkilere sahiptir. Kötü ozon insanlarda ve hayvanlarda ciddi göz, burun ve solunum problemlerine neden olabilir ve tarım ürünleriyle ormanlara zarar verebilir (Percy ve diğ., 2005).

Canlı çevre üzerinde neden olduğu sağlık riskleri nedeniyle yer seviyesindeki ozon pek çok bilimsel çalışmaya neden olmuştur. Mevcut durum sürekli olarak yapılan ölçümlerle değerlendirilirken; çeşitli yöntemlerin kullanıldığı modelleme çalışmaları ile önlemlerin alınmasına yönelik olarak ise tahminler sağlanmaktadır. Pek çok faktörün etkili olduğu karmaşık bir oluşum mekanizmasına sahip olan ozonun modellenmesinde yapay sinir ağları başarılı sonuçlar vermektedir (Elkamel ve diğ., 2001, Abdul-Wahab ve Al-Alawi, 2002, Pastor-B´arcenas ve diğ., 2005, Gómez-Sanchis ve diğ., 2006, Dutot ve diğ., 2007, Sousa ve diğ., 2007, Al-Alawi ve diğ., 2008, Coman ve diğ., 2008).

2.2. Ozon Tabakası

Atmosfer, dikey profilde çeşitli tabakalara bölünmüştür. En alt bölüm olan troposfer, yeryüzünden yaklaşık 10 km yükseklikte başlamaktadır. Genellikle bütün insan

(24)

aktiviteleri troposferde gerçekleşir. Troposferin üzerindeki diğer bir tabaka olan stratosfer tabakası yeryüzünden 10-50 km yükseklikte bulunur. Hava yolu trafiğinin en yoğun olduğu bölge stratosferin alt kısımlarıdır.

Şekil 2.1.’de görüldüğü gibi atmosferik ozon en yoğun olarak stratosferde bulunmaktadır. Bu nedenle bu tabaka ozon tabakası olarak da isimlenir. Ozon tabakası, güneşten gelen radyasyonun büyük kısmını adsorbe eder. Bu tabaka, başlıca cilt kanseri, katarakt gibi sağlık sorunlarına neden olan ayrıca bitkiler ve deniz canlıları üzerinde olumsuz etkileri olan ultraviole ışığın yeryüzüne ulaşmasını engeller (EPA, 2009).

Şekil 2.1. Atmosferik tabakalarda ozon varlığının dağılımı (WMO, 1998)

Stratosferde ozon molekülleri sürekli olarak oluşur ve parçalanır. Ancak bununla birlikte toplam miktar sabit kalmaktadır. Ozon tabakası konsantrasyonu belirli bir bölgede akım derinliği olarak düşünülebilir. Atmosferik ozon, oldukça karışık kimyasal reaksiyonlar sonucunda oluşmaktadır (Abdul-Wahab ve Al-Alawi, 2002). Yeryüzüne yakın yüksekliklerdeki ozonun oluşumu birincil kirleticiler olan azot oksitler (NOx) ile hidrokarbonların (HC) güneş ışığında reaksiyona girmesi ile gerçekleşir. Dolayısıyla ozon oluşumu güneş ışığı başta olmak üzere pek çok

(25)

meteorolojik faktörden de etkilenmektedir. Ozonun parçalanması ise özellikle kloroflorokarbon türü moleküllerin oluşturduğu serbest radikaller ile gerçekleşir (Solomon, 1999). Ozonun oluşumu ve parçalanması süreklilik gösteren ve pek çok faktörden etkilenen karmaşık reaksiyonların bir sonucudur.

Ozon konsantrasyonun atmosferdeki dağılımı, dünya çapında kurulu olan bir ölçüm istasyonu ağı ile düzenli olarak ölçülmektedir. Bu ölçümlere göre en yüksek ozon konsantrasyonu yerden 25 km yükseklikte bulunmuştur. Enlemlere göre ise ozon ekvatorda azdır, baharda çoğalan sonbaharda en aza inen mevsimsel salınımlar gösterir. Hava şartlarına göre ozon seviyelerinde günlük değişmeler de görülür. Bir yandan oluşan bir yandan da sürekli olarak parçalanan ozon moleküllerinin konsantrasyonları yatay ve dikey hava akımları tarafından seyreltilerek değişmektedir (Müezzinoğlu, 2003).

2.3. Ozonun Oluşum Mekanizması

Atmosferdeki ozon güneş ışığı varlığında gerçekleşen birkaç basamaklı kimyasal reaksiyonlar sonucunda oluşur. Stratosfer tabakasında proses, oksijen molekülünün güneş radyasyonu ile parçalanması ile başlar. Troposferde ise hidrokarbon ve azot oksit gazlarının da katıldığı farklı kimyasal reaksiyonlar ile oluşur.

2.3.1. Stratosferik ozonun oluşumu

Stratosferik ozon, güneş ışığının oksijen moleküllerini parçalamasıyla başlayan reaksiyonlar ile doğal olarak üretir. Đlk aşamada güneş ışığı bir oksijen molekülünü (O2) iki oksijen atomuna parçalar (Denklem 2.1). Đkinci aşamada ise her serbest oksijen atomu oksijen molekülleri ile birleşerek ozonu (O3) oluştururlar. Reaksiyonlar stratosferde oksijen var olduğu sürece devam eder. Dolayısıyla en yüksek ozon oluşumu tropikal stratosferde gerçekleşir. Ozon stratosferde doğal ya da antropojenik etkilerle ortaya çıkmış pek çok kimyasal madde ile reaksiyona girer. Bu reaksiyonlar sırasında ozon molekülü bozunur ve diğer kimyasal bileşikler oluşur. Ozonu tahrip eden gazların çoğu klor ya da brom içerir.

(26)

2.3.2. Troposferik ozonun oluşumu

Atmosferin yeryüzüne yakın katmanı olarak bilinen troposferde ozon, doğal yollarla oluşmuş ya da kirletici kaynaklarından gelen gazların reaksiyonu ile oluşur. Reaksiyonlar genellikle hidrokarbon ve azot oksit gazlarını içerir ve güneş ışığına gereksinim vardır. Troposferdeki ozon, hidrokarbonların gaz fazındaki oksidasyonu ile ve hirojen oksit radikalleri ve azot oksit radikalleri tarafından katalizlenmiş CO ile oluşur. Kirlenmiş bölgelerde yüksek seviyedeki NOx ve hidrokarbon konsantrasyonları atmosferin troposfer tabaksında yüksek ozon konsantrasyonlarını oluşumuna neden olur. Bu nedenle NOx ve UOB türü kirleticiler “ozon öncüleri” olarak isimlendirilir. Troposferik ozonun az bir kısmını ise stratosferden sızan ozon oluşturmaktadır. Trofosferik ozonun kaynakları Şekil 2.2’de gösterilmektedir.

Troposferik ozon ayrıca başlıca atmosferik oksidantlardan olan hidroksil radikallerinin (OH) ana kaynağıdır. OH konsantrasyonu, CH4, CO ve SO2 gibi pek çok eser türlerin konsantrasyonları üzerinde etkilidir (Poulida ve diğ., 1991). Bununla birlikte yüksek ozon seviyeleri, bitkiler üzerinde, çeşitli ticari ve doğal ürünler üzerinde ve insan sağlığı (özellikle akciğerler) üzerinde olumsuz etkiler göstermektedir (Wang ve Georgopoulos, 2001).

Daha önce de belirtildiği gibi yeryüzüne yakın bölgelerdeki ozon, azot oksitler (NOx), karbon monoksit (CO), ve uçucu organik bileşikler (UOB) gibi “ozon öncüleri” olarak gruplandırılan bir takım kirleticilerin katıldığı fotokimyasal reaksiyonlar sonucunda oluşmaktadır. Bu oluşumda ayrıca diğer hava kirliliği olaylarında da olduğu gibi meteorolojik koşullar önemli bir faktör olarak Foton = hv < 242 nm Yüksek enerjili oksijen atomları Oksijen Molekülü + M + M

Yüksek Enerjili Oksijen Atomu

Yüksek Enerjili Çarpışma

Enerji Transferi

(Düşük kinetik enerji)

(M 3. türden madde)

Stabil Ozon Yüksek kinetik enerji

(2.1)

(27)

Rüzgar adveksiyonu Konveksiyon sırasında taşınım Tropopoz tabakasından taşınım Troposfer Fotokimyasal olaylar -Şimşekle oluşan NO Stratosferik Ozon

Yer Seviyesindeki Ozon

gösterilmektedir (Şekil 2.2). Ozonun atmosferik oluşumunda, dağılımında, taşınımında ve seyrelmesinde rüzgar yönü, rüzgar hızı, sıcaklık, bağıl nem, yağış gibi bölgesel meteorolojik koşulların etkili olduğu bilinmektedir (Dueñas ve diğ., 2002; Satsangi ve diğ., 2004; Elminir, 2005).

Şekil 2.2. Troposferik ozon kaynaklarının şematik gösterimi (Yorks ve diğ., 2009)

Günümüzde troposferik ozon üzerinde etkili olan faktörleri belirlemek ve emisyon kontrol stratejilerini formüle etmek üzere başarılı sonuçlar veren modelleme çalışmaları yapılmaktadır (NRC, 1991).

2.4. Ozonun Parçalanma Mekanizması

Stratosferik ozon, dünyayı güneşten gelen ultraviole (UV-B) radyasyondan koruma görevi ile hayati önem taşımaktadır. Bu nedenle stratosfer tabakasında bulunan ozon, “iyi ozon” olarak bilinmektedir. Eğer bu tabakada UV-B radyasyonun adsorblanması gerçekleşmezse dünyadaki canlı hayatı ciddi tehditlerle karşılaşır. Bunlardan en

(28)

önemlileri, cilt kanseri riskinde artma, gözlerde katarakt oluşumu ve bağışıklık sisteminin baskılanmasıdır. UV-B maruziyetinde artış ayrıca bitkiler, tek hücreli canlılar ve sucul ekosistemler üzerinde ciddi tahribatlar oluşturur. Bu zararlı etkiler göz önüne alındığında ozon tabakasının yaşamsal önemi ortaya çıkmaktadır.

Canlı hayatını üzerindeki öneminden dolayı stratosferik ozon tabakası pek çok bilimsel araştırmaya konu olmuştur. Ozonun parçalanması etkili olan faktörler aşağıda irdelenmiştir:

Atmosferdeki atomik oksijen ozonun oluşumunda görev aldığı gibi (Denklem 2.1 ve 2.2) ozonla reaksiyona girerek oksijen moleküllerinin oluşmasını da sağlayabilir (Denklem 2.3 ve 2.4) (Chapman, 1930).

Ozonun atomik oksijenle parçalanması ile ilgili Chapman tarafından 1930’lu yıllarda ortaya konan teorilerden sonra stratosferik ozonun atomik oksijen dışında OH radikali (Bates ve Nicolet, 1950) ve azotlu bileşikler (Crutzen, 1970; Crutzen, 1971; Johnston, 1971) ile de tahrip edildiği belirlenmiştir.

Ozonun OH ile parçalanması aşağıdaki denklemlerle açıklanmaktadır:

OH+O3 HO2 + O2 (2.5)

HO2 + O3 OH +2O2 (2.6)

Denklem (2.5)ve (2.6) birlikte değerlendirilirse net döngü; Ozon

Foton = hv < (200-320 nm)

+

Oksijen Atomu Oksijen Molekülü

Đki kütlenin çarpışması

+ +

Oksijen Molekülleri

(2.3)

(29)

2 O3 3 O2 (2.7)

olarak elde edilir.

Yukarıda belirtildiği gibi azot oksitler (NO ve NO2) gazlarının da ozonun parçalanma mekanizması üzerinde etkileri vardır:

O3 + NO NO2 + O2 (2.8)

O+ NO2 NO +O2 (2.9)

Denklem (2.8) ve (2.9) birlikte değerlendirilirse;

O3 + O 2 O2 (2.10)

ifadesi elde edilir.

Atmosferin alt tabakalarında meydana gelen N2O ise daha az reaktif olduğu için ozonca zengin stratosfer tabakasına yükselebilir. Burada radyasyonun etkisiyle;

N2O + hν N2 + O* (2.11)

Oluşan serbest oksijen atomunun kendisi ozonu parçalayabildiği gibi N2O ile tekrar reaksiyona girerek ozonun parçalanmasında etkili olan azot oksitlerin (NO) oluşumu da neden olabilir:

N2O + O* 2NO (2.12)

Denklem (2.12)’de oluşan NO ile Denklem (2.8) ve (2.9)’da ifade edilen reaksiyonlarca ozon tahribi başlar.

Yukarıda ayrıntılarıyla anlatılan yer seviyesindeki ozonunun oluşum ve parçalanma mekanizmaları aşağıdaki şemada özetlenmektedir:

(30)

Şekil 2.3. Troposesferik ozonun oluşum ve parçalanma mekanizması (Godish, 1997)

Ayrıca daha önceleri soğutma sistemlerinde kullanılan ve “kloroflorokarbon gazları” (CFC) olarak bilinen gazlar da ozonun parçalanmasına yol açmaktadır. Yapılarında karbon, klor ve flor içeren bu gazlar arasında en yaygın bilinenler karbon tetra klorür (CCl4) ve metil kloroform (CH3CCl3)’dur (Ayvaz, 1992). Ozon tabakasına verdikleri zarardan dolayı günümüzde sanayide kullanımları yasaklanmış ve etkileriyle ilgili tartışmalar azalmıştır.

Ozonun CFC türü gazlarla parçalanmasına örnek olarak tipik bir CFC bileşiği olan diflorometanın ilgili reaksiyonları aşağıda verilmektedir (Müezzinoğlu, 2003):

CCl2F2+hν Cl*+ *CClF2 (2.13)

Cl*+O3 ClO +O2 (2.14)

Ozonun Cl ve Br ile parçalandığı reaksiyonlarda üç farklı döngü söz konusudur. Bunlardan birinci döngüde iki farklı kimyasal reaksiyon vardır. Döngüde ortaya çıkan sonuç reaksiyonunda atomik oksijenin ozonla reaksiyonundan iki oksijen molekülü oluşur. Reaksiyonlar ClO veya Cl ile başlar:

+ + Azot dioksit (NO2) _Güneş Işığı Enerjisi Oksijen Atomu (O) Hidrokarbon (RH) Azot monoksit (NO) Oksijen (O2) Ozon (O3) Serbest Hidrokarbon Radikali (RO2) Oksijen _(O₂₎

(31)

ClO+O Cl+ O2 (2.15)

Cl+O3 ClO+ O2 (2.16)

O+O3 2O2 (2.17)

Birinci döngünün en fazla rastlandığı bölgeler; tropikal stratosfer ve ultraviole ışığın en güçlü olduğu orta enlemlerdir (Denklem 2.15). Đkinci ve üçüncü döngüler ise ClO miktarının en yüksek seviyeye vardığı kutuplarda gerçekleşir. Bu durumda döngüler , iki ClO yapısının birbiriyle ya da ClO’nun BrO ile tepkimeye girmesi ile başlar. Her iki durumda net reaksiyon iki ozon molekülünden 3 oksijen molekülünün oluşumun içerir. Đkinci döngü aşağıda reaksiyonlarla ifade edilir:

ClO+ClO (ClO)2 (2.18)

(ClO)2 + güneş ışığı ClOO + Cl (2.19)

ClOO Cl +O2 (2.20) 2(Cl+O3 ClO + O2) (2.21) 2O3 3O2 (2.22) Üçüncü döngüde ise; ClO+BrO Cl+Br + O2 (2.23) ClO+BrO BrCl + O2 (2.24) ya da; BrCl + güneş ışığı Cl + Br (2.25) Cl + O3 ClO + O2 (2.26) Br + O3 BrO + O2 (2.27) 2O3 3O2 (2.28)

(32)

2.5. Ozonun Sağlık Üzerine Etkileri 2.5.1. Đnsan sağlığı üzerine etkileri

Yüksek reaktivite ve düşük çözünürlük özelliklerine bağlı olarak ozonun sıvı ve katı ortamlardaki yarılanma ömrü ihmal edilebilir düzeydedir. Ozona maruziyet genellikle solunum yoluyla gerçekleşir. 0,8 ppm zona 6 gün, günde 6 saat maruziyetten sonra ilk etkiler gözlerde ve deride başlar (Valacchi ve diğ., 2004). Ozonun derideki etkileri derinin üst tabakasında sınırlı kalır, daha alt bölgelerde adsorpsiyon gerçekleşmez. Fareler üzerinde yapılan bir araştırmada, 10 ppm seviyesinde ozona iki saatlik belirgin maruziyet sonunda üst epidermisde C ve E vitaminlerinin tükenerek malondialdehit azaldığı belirlenmiştir (Thiele ve diğ., 1997). Bununla birlikte çevresel ortamlardaki ozonun deride oksidatif stres oluşturarak derinin bütünlüğünü ve koruyucu fonksiyonlarnı azaltmasıyla ilgili mevcut bilgiler kesinlik taşımamaktadır.

Çevresel ozon en fazla soluk borusunun üst bölgelerinde ve ozonla temas eden soluk yollarında absorbe edilir (Bush ve diğ., 1996; Sarangapani ve diğ., 2003).

Ozon toksisitesiyle ilgili patojenik mekanizmalar:

- Ozonun kısa süreli solunması soluk borusunda iltihaba sebep olur. Burun boşluğu ve gaz alışverişinin yapıldığı geçiş zonları ozona karşı daha hassastır.

- Maruziyet ile oluşan tahriş bronşlarda ortaya çıkan belirtiler ile kendini gösterir.

Đltihaplı hücreler birkaç saat içinde belirlenebilir.

- Ozonun yol açtığı tahribat özellikle akciğerler üzerinde etkili olmaktadır. Ozona uzun süreli maruziyet akciğer üzerinde bronş daralması, alveoller fibros gibi belirgin yapısal bozukluklara yol açmaktadır. Bu bozukluklar maruziyet sona erdikten sonra kısmen düzelmektedir.

- Daha önce mevcut olan akciğer rahatsızlıkları, yaş ve genetik faktörler ortaya çıkan hasarlar üzerinde etkili olmaktadır.

- Ozonun solunum sistemindeki hücrelerde mutasyona sebep olduğu yolunda görüşler bulunmakla birlikte kanserojenik özellikleri tam bilinmemektedir.

(33)

- Ozon maruziyetinin nörotoksikolojik etkileri olduğu bilinmektedir.

Ozonun yol açtığı akut etkiler arasında kardiovasküler etkiler de bulunmaktadır. Yapılan bilimsel araştırmalarda ozona maruz kalmış kişilerin kalplerinde ritm bozukluklarına ve yüksek tansiyona rastlanmıştır (Park ve diğ., 2005) .

2.5.2. Bitkileri üzerine etkileri

O3 maruziyetine bağlı olarak bitki yapraklarında akut (küçük benekler ve nekrotik alanların oluşması) ve kronik belirtiler (pigment oluşumu, kloroz ve erken yaşlanma) görülmektedir. Yaprak yüzeyindeki stomalardan gaz değişimi sırasında giren O3, yaprak içerisinde membranlann geçirgenliklerini bozarak hücre bütünlüğünün kaybolmasına sebep olur. Hücrelerin parçalanıp ölmesi sonucunda yaprak yüzeyinde belirtiler oluşur. Palizat parankima hücrelerinin O3’a duyarlılıklarının fazla olmasından dolayı, palizat parankima hücrelerine sahip geniş yapraklı bitkilerde belirtiler daha kısa sürede görülmektedir.

Yüksek O3 konsantrasyonlarına bağlı olarak bitkiler stomalarını kapatıp gaz değişimini engellemektedir. Böylelikle fotosentez azalmakta ve neticede verim düşmektedir Genel olarak yapraklarda oluşan zararlar verimi doğrudan etkilemektedir. Ozon konsantrasyonu bahçe bitkilerinde tür ve hatta çeşide göre farklılık göstermekle birlikte, bitkilerin metabolik faaliyetlerini önemli ölçüde değiştirmektedir.

Fotokimyasal ozonun, marul (Lactuca sativa L.), soğan (A/Hum cepa L.) ve brokoli (Brassica oleracea L.) türlerinin büyüme ve verimleri üzerine etkisinin incelendiği bir çalışmada, marul ve brokoli ozondan zarar görmezken, soğanın çok hassas olduğu ve verim kaybının yüksek olduğu belirlenmiştir (Temple ve diğ., 1990).

O3 konsantrasyonunun normalin üzerine çıkması ile Rintintin ve Rosity bodur fasulye çeşitlerinde belirtilerin ortaya çıktığı, bitkilerin yaprak alanı, fotosentez oranı ve toplam kuru madde miktarlarında azalmalar görüldüğü ve bakla ve dane veriminde de % 67'ye varan oranlarda düşüş olduğu tespit edilmiştir. Tenga ve ark., tarafından O3'un olumsuz etkileri incelendiği bir çalışmada, New York domates çeşidinde, bitkilerin yaprak alanında, veriminde vetire edilebilir asit miktarında

(34)

azalmanın olduğunu belirlemişledir (Tenga ve diğ., 1990). Turpta da aynı şekilde, ozonun etkisi ile fotosentez oranının ve kuru maddenin azaldığı tesbit edilmiştir. Bezelye yapraklarında yüksek O3 konsantrasyonunda belirti ve renk açılması görülürken, biberde ozona bağlı olarak yapraklarda belirti görülmeyip fotosentez oranının, bitki gelişiminin ve veriminin azaldığı saplanmıştır (Takemoto ve diğ., 1988). Yine ozonun etkisine bağlı olarak karpuz ve kavunda kök ve sürgün büyümesinin azaldığı, kısa sürede yaşlı yapraklarda belirtilerin meydana geldiği, bitki başına çiçek sayısının azaldığı ve buna bağlı olarak da verimin düştüğü tespit edilmiştir (Snyder ve diğ., 1988).

Yaşlı yapraklarda daha fazla ozon zararı belirtisi görülen elmalarda, meyve ve yapraktaki absisyon tabakasının ozon zararı ile erken meydana geldiği belirlenmiştir (VViltshirc ve diğ., 1995). Çiçekli bitkilerde ozon, çiçek oluşumu ve gelişimini engellediği gibi döllenme esnasında polen tozlarının çimlenmesini ve polen oluşumunun gelişimini de olumsuz yönde etkilemektedir (Wolters ve Martens, 1987).

(35)

3. TROPOSFERĐK OZONUN MODELLENMESĐNDE KULLANILAN YÖNTEMLER

Canlı sağlığı üzerinde pek çok olumsuz etkisi olduğu bilinen troposferik ozonun gelecekteki seviyelerinin tahmin edilebilmesi konuyla ilgili önlemlerin alınabilmesi için gerekli temel koşuldur. Dolayısıyla ozonun modellenmesi pek çok bilimsel araştırmaya konu olmaktadır.

Troposferik ozonun tahmin edilmesinde kullanılan yöntemler incelendiğinde yapay sinir ağları ve regresyon modellerinin başarılı sonuçlar sağladığı belirlenmiştir. Bu bölümde, ozonunun modellemesinde yapay sinir ağları ve diğer çok değişkenli istatistiksel yöntemlerin kullanıldığı çalışmalar değerlendirtmiştir.

3.1. Troposferik Ozonun Modellenmesinde Yapay Sinir Ağlarının Kullanımı

Ozonun modellemesi ile ilgili çalışmalarda non-lineer ilişkileri modellemedeki etkinliği ile YSA yaygın olarak tercih edilmektedir. Troposferik ozonun modellenmesi ile ilgili olarak farklı bölgelerde (şehiriçi, sehirdışı, endüstriyel alanlarda) farklı periyotlar için çalışmalar yapılmıştır.

Abdul-Wahab ve Alawi, Kuveyt Bölgesinde troposferik ozonu, meteorolojik şartlar ve hava kirliliği parametrelerinin fonksiyonu olarak değerlendirerek YSA ile modellemişlerdir (2002). Çalışma alanı olarak Kuveyt’in daha çok konut alanlarının bulunduğu bölgesi seçilmiş ve veriler ozon konsantrasyonlarının yüksek seviyelere ulaştığı yaz döneminde toplanmıştır. Çalışmada meteorolojik verilerin ozon konsantrasyonlarını %33,15-40,64 oranında etkilediği bulunurken hava kirliliği parametrelerinden NO, SO2, NMHC ve NO2 tahmin edilen ozon seviyelerinde en etkili parametreler olarak belirlenmiştir. Çalışmada ayrıca sıcaklığın ozon oluşumunda çok etkili olduğu, solar radyasyonun ise beklenenden daha az etki sağladığı ortaya konmuştur. Çalışma sonunda yapay sinir ağlarının trosferik ozonu modellemede etkin bir yöntem olduğu belirlenmiştir.

(36)

Kuveyt bölgesinde kurulu bir endüstriyel alan yakınında yapılan diğer bir çalışmada hem meteorolojik hem de kimyasal parametreler kullanılarak ozon konsantrasyonları modellenmiştir. 60 günlük periyoda ait verilerin kullanıldığı çalışmada yapay sinir ağları ile lineer ve non-lineer fonksiyonların etkinliği karşılaştırılmış ve ozonu tahmini için yapay sinir ağlarının daha etkin bir yöntem olduğu ortaya konmuştur (Elkamel ve diğ., 2001)

Amerika’da yapılan diğer bir çalışmada YSA rüzgar yönündeki saatlik ozon konsantrasyonlarının modellenmesinde kullanılmıştır (Capone, 1996). Baton Rouge bölgesinde rüzgar yönünde bulunan iki ayrı alanda ölçülen saatlik NOx ve meteorolojik verilerin kullanıldığı çalışmada diğer çalışmalara göre daha karmaşık ağ yapıları kullanılmıştır. Saatlik ozon konsantrasyonlarının başarılı bir şekilde tahmin edildiği çalışmada hidrokarbon türleri çalışmaya dahil edilmemiştir.

Arizona Üniversitesi tarafından yürütülen diğer bir araştırmada Amerika’nın farklı bölgelerinde bulunan sekiz şehirden toplanan veriler kullanılarak, ozon modellemede regresyon analizleri ile YSA’nın etkinliği karşılaştırılmıştır. Çalışmada Mayıs-Eylül periyodunda beş yıl boyunca yapılan ölçümlerden günlük maksimum ozon değerleri ile meteorolojik veriler kullanılmıştır. Çalışma sonunda günlük ozon tahminleri için YSA’nın regresyon modellerine göre daha iyi sonuç verdiği belirlenmiştir (Comrie, 1997).

YSA kullanılarak ozonun modellenmesi sırasında verilerin miktarına ve modelin yapısına karar vermek çalışmalardaki anahtar konulardır. Özellikle ağın eğitilmesi için ayrılan verilerin miktarı modelin başarılı sonuçlar vermesinde önemli bir faktördür. Konuyla ilgili literatür incelendiğinde çalışmalarda birkaç hafta gibi kısa zaman dilimlerinden birkaç yılı kapsayan uzun periyotlara kadar farklı zaman aralıklarında toplanan verilerin değerlendirildiği belirlenmiştir. Kuzey yarımkürede yapılan bazı çalışmalarda ise ozon konsantrasyonlarını en yüksek seviyelere ulaştığı “yüksek ozon mevsimi” olarak da bilinen Nisan-Kasım periyoduna ait veriler seçilmiştir. YSA ile modelleme çalışmalarındaki genel kabul ağın eğitiminde ne kadar çok veri kullanılırsa modelin o kadar iyi öğreneceği yönündedir. Çalışmalardaki performans düşüklüğü model yapısındaki hatalardan kaynaklanabildiği gibi yetersiz sayıda verinin kullanımından da

(37)

kaynaklanabilmektedir. Ayrıca eğer çalışmanın sonuçları halk sağlığı alanında kullanılacaksa modelde ozonun yüksek değerlere ulaştığı periyotlara ait veriler mutlaka kullanılmalıdır.

Daha önceki bölümlerde de belirtildiği gibi troposferik ozonun oluşumunda hem NOx ve HC grupları gibi kirletici gazlar hem de yağış, sıcaklık, güneş radyasyonu vs. gibi meteorolojik faktörler etkindir. Konuyla ilgili daha önce yapılan araştırmalarda sadece kirletici parametreler ya da sadece meteorolojik faktörler değerlendirildiği gibi her iki grubu birlikte kullanan çalışmalarda mevcuttur. Ozonun karmaşık fotokimyasal reaksiyonların ürünü olarak oluştuğu hatırlatılırsa şüphesiz her iki grubu birlikte değerlendirmek araştırmacıları doğruya yaklaştırır. Ancak bu tür çalışmalarda model için seçilen verilerin çeşitliliği çoğu durumda mevcut imkanlarla sınırlanmaktadır. Kullanılacak verilerin türü ve sayısı belirlendikten sonra modellemedeki olası hataları engellemek amacıyla veriler mutlaka normalize edilmelidir.

Oluşturulan her model giriş katmanı, gizli katman ve çıkış katmanı olmak üzere en az üç katmandan oluşmaktadır. Her katman belirli sayıda düğüm içermektedir. Giriş ve çıkış katmanları için düğüm sayısı mutlaka belirlenmelidir. Giriş katmanındaki düğüm sayısı girişte kullanılan parametrelerin sayısına eşitken, çıkıştaki düğüm sayısı genellikle birdir; yani tahmini yapılacak parametrenin kendisidir. Konuyla ilgili yayınlanan çalışmalar incelendiğinde YSA ile modellemede genellikle çok katmanlı perseptron yapıların tercih edildiği görülmektedir. Çok katmanlı ağlarda ikinci ve sonraki katmanlar ağın performansını artırır, kompleks non-lineer fonksiyonların modellenmesini sağlar (Spellmann, 1999). Bazı araştırmacılar ise tek katmanlı ağların daha etkin olduğunu savunmaktadır (Guardini ve diğ., 1999). Literatürde konuyla ilgili tartışma ve belirsizlikler bulunduğundan, YSA ile en etkin performansa ulaşabilmek için mevcut veriler kullanılarak tek ve çok katmanlı ağların etkinliğinin denenmesi gereklidir.

3.2. Troposferik Ozonun Modellenmesinde Kullanılan Çok Değişkenli Đstatistiksel Analizler

(38)

gerçekleştirilen çalışmada meteorolojik faktörlerin ozon derişimleri üzerindeki etkisi sıklık dereceleri arasında regresyon analizi ile belirlenmiştir (2004). Çalışmada günlük maksimum saatlik ozon seviyeleri ile meteoroljik değişklenler arasındaki non-lineer ilişki incelenmiştir. Çalışmada troposferik ozonun modellenmesinde sıklık dereceleri arasında regresyon analizi uygulamanın “kara kutu” yaklaşımı ile çalışan yapay sinir ağları kadar başarılı sonuçlar verebileceği belirlenmiştir.

Cabellerro ve diğ., Đspanya’nın Akdeniz kıyılarındaki ozon seviyelerini çoklu doğrusal regresyon model ile tahmin etmeye çalışmışlardır (2006). Pasif örnekleyiciler ve sürekli ölçüm cihazlarının kullanıldığı çalışmada örneklemeler, 2003 ve 2004 yıllarında Mayıs-Eylül dönemlerinde gerçekleştirilmiştir. Çoklu doğrusal regresyon analizinin pasif örneklemelerden elde edilen veriler ile daha başarılı sonuçlar (0,77<r<0,99) verdiği belirlenmiştir.

Pasif örnekleme yönteminin kullanıldığı diğer bir çalışmada çok değişkenli non-linner istatistiksel yöntemlerin saatlik ozon frekanslarını modellemedeki etkinliği incelenmiştir (Krupa ve diğ., 2003). Araştırmada pasif örnekleme ile belirlenmiş ozon derişimleri meteorolojik parametreler ile birlikte değerlendirilmiştir. Modelleme çalışmasında meteorolojik parametrelerden özellikle sıcaklık, bağıl nem, güneş radyasyonu ve rüzgar hızının etkileri değerlendirilmiştir. Hava sıcaklığı, bağıl nem ve pasif örnekleme sonuçları birlikte ozon oluşumunu %62,5-%67,5 oranlarında açıklayabilmektedir. Pasif örnekleme sonuçları ile tahmin edilen ozon değerleri ile sürekli ölçüm sonuçları arasında %82–%85 oranlarında bir ilişki söz konusudur. Bu değerler göz önüne alındığında non-lineer modellemenin doğruluğunun oldukça yüksek (% 92–94) olduğu bulunmuştur.

Meterolojik koşulların ozon oluşumuna etkisinin araştırıldığı diğer bir çalışmada tek ve çift aşamalı kümeleme analizleri uygulanmıştır (Davis ve diğ., 1998). Araştırma alanı olarak Amerika’nın Houston bölgesinin belirlendiği çalışmada 1981-1992 yılları arasında ölçülen 12 yıllık meteorolojik veri kullanılmıştır. Her bir kümeleme tekniği yedi ayrı meteorolojik rejimi açıklamaktadır. Bu rejimlerin çoğunluğu günlük maksimum saatlik ozon konsantrasyonlarında belirgin farklılıklar göstermiş ve iki aşamalı yaklaşımın ortalama konsantrasyonların ayrılmasında tek aşamalı yaklaşıma göre daha iyi sonuçlar ortaya koyduğu belirlenmiştir.