Bu çalışmada, Kocaeli İl’inin hava kalitesi parametrelerinin CBS tabanlı konumsal-zamansal sıcak nokta kümeleme analizleri gerçekleştirilerek hava kirliliği açısından riskli bölgeler tespit edilmiştir. Bu bağlamda, Çevre, Şehircilik ve İklim Değişikliği Bakanlığı’nın Ulusal Hava Kalite İzleme Ağın’dan Kocaeli iline ait 2021-2022 yılları arasında kaydedilen Partikül madde (PM10) ve Kükürt dioksit (SO2) hava kalitesi parametreleri aylık ortalama değerler şeklinde temin edilerek düzenlenmiştir, konumla ilişkilendirilmiştir. Çalışmada, öncelikle kullanılan verilerin mekânsal otokorelasyon analizleri yürütülerek kümeleme eğilimi gösterip göstermediği tespit edilmiştir ve analizler için gerekli mesafe değerleri belirlenmiştir. Ardından, klasik nokta kümeleme analizlerinden sıcak nokta analizi (Getis Ord Gi*) ve analizlerde zamanı da esas alan gelişen sıcak nokta analizi (Emerging Hot Spot Analizi) yürütülmüştür. Sonuçlar, gelişen sıcak nokta analizlerinin, klasik sıcak nokta kümeleme analizlerine göre daha kolay ve hızlı bir analiz sağladığını, ayrıca herhangi bir zaman aralığına dayalı analizleri tek bir seferde değerlendirebilmenin kolay yönünü ve farklı konumlarda daha çok hava kirliliği sıcak noktalarının tespit edildiğini ortaya koymuştur.
Air pollution is a significant environmental problem that causes adverse effects on all people and living things. Therefore, it is necessary to prevent or control it. Geographical Information System (GIS) based hot spot clustering analyses play an active role in taking necessary precautions by enabling the detection of risky areas where air pollution occurs. In this study, GIS-based spatial-temporal hot spot clustering analyses of the air quality parameters of Kocaeli Province were carried out to identify risky areas in terms of air pollution. In this context, PM10 and SO2 air quality parameters recorded between 2021-2022 for Kocaeli province from the National Air Quality Monitoring Network of the Ministry of Environment, Urbanization, and Climate Change were obtained as monthly average values and linked to the location. First, spatial autocorrelation analyses of the data used in the study were carried out. Whether they showed a clustering tendency or the necessary distance values for the analyses were determined. Then, hot spot analysis (Getis Ord Gi*), one of the classical point clustering analyses, and evolving hot spot analysis (Emerging Hot Spot Analysis) based on time in the analyses were carried out. The results revealed that emerging hot spot analyses provide an easier and faster analysis than classical hot spot analyses, and also it is easy to evaluate analyses based on any time interval in one go, and more air pollution hotspots are detected in different locations.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
