ANKARA’DA FARKLI HAVA KALİTESİ İZLEME İSTASYONLARINDAN ELDE EDİLEN VERİLERİN KANTİL REGRESYON ANALİZİ İLE İNCELENMESİ

Yıl 2019, Cilt: 1 Sayı: 2, 62 - 86, 31.12.2019

Nur Efşan Tığlı , Şengül Cangür

Öz

Modern yaşamın getirdiği
şehirleşmenin bir sonucu
olan hava kirliliği, yerel ve bölgesel
olduğu kadar küresel ölçekte de etki alanına sahiptir. Hava kirliliğinin
insan sağlığına önemli etkileri olması sebebiyle, hava kalitesi konusuna tüm
dünyada büyük önem verilmektedir. Türkiye’nin
başkenti Ankara’da hava kirliliği yıllardır birçok çalışmanın konusu olmuştur.
Bu çalışmada, farklı beşeri ve coğrafi özelliklere ait beş istasyon
(Keçiören, Sıhhiye, Cebeci,
Dikmen, Sincan) seçilmiştir. 1
Ocak-31 Aralık 2017 tarihleri arasında Çevre ve Şehircilik Bakanlığı tarafından
yayınlanan günlük 6 saat aralıklı
veriler baz alınmıştır. Dünya Sağlık Örgütü’nün önerdiği hava
kalitesi kriterlerine göre seçilmiş olan hava kirliliği parametrelerinden
Partikül Madde 10 (PM10), SO2, NO2, CO, O3 bağımlı değişkenler olarak
alınırken, iklim elemanları sıcaklık, rüzgâr
hızı, rüzgâr yönü, bağıl nem ve basınç
ölçümlerinin her biri de bağımsız
değişken olarak alınmıştır. Bu
değişkenler Kantil regresyon analizi yöntemiyle R programı kullanılarak analiz
edilmiştir. Kantil regresyon analizi, alt kantil değerlerinde halk sağlığını
daha az etkileyen ve üst kantil değerlerinde aşırı kirlilik gösteren değerleri
inceleyebilmek açısından oldukça kullanışlı bir yöntemdir. Bu çalışmada hava
kirliliği parametrelerinin QR=0.25, QR=0.50 ve QR=0.75 için kantil regresyon
denklemleri hesaplanmıştır. Bu denklemler arasından en uygun modelin seçimi aşamasında
Akaike Bilgi Kriterinden (AIC) yararlanılmıştır. Yapılan analizler sonucunda
sıcaklığın SO2, NO2, O3, CO hava kirliliği parametreleri üzerinde anlamlı
etkisi olduğu tespit edilmiştir. Rüzgâr yönünün PM10,
CO, O3 değerleri üzerinde, nemin ise O3, CO
hava kirliliği parametreleri üzerinde anlamlı bir etkisi olduğu bulunmuştur.
Ayrıca basıncın da hava kirliliği parametrelerinden PM10 ve SO2 değerleri
üzerinde anlamlı bir etkisi olduğu belirlenmiştir. Her bir istasyonun farklı
hava kirliliği parametrelerini ve iklim elemanlarını ölçmesinin sonucu olarak
kantil regresyon denklemlerinde anlamlı çıkan parametrelerin, istasyonların
bulunduğu çevrenin beşeri ve coğrafi özelliklerinden kaynaklandığı
söylenebilmektedir.

Anahtar Kelimeler

Hava Kirliliği, Kantil Regresyon, Akaike Bilgi Kriteri, Ankara

Kaynakça

• Bayram, H., Dikensoy, Ö., (2005),Türkiye’de hava kirliliği sorunu: nedenleri, alınan önlemler ve mevcut durum, Toraks Dergisi, 6(2), syf. 159-65.
• Bolu,F., İskender S., Yılmaz, M., Mayda, A.S., (2016), Düzce Hava Kalitesi İzleme İstasyonu 1 Ekim 2011-31 Mart 2015 Tarihleri Arasındaki Verilerinin İncelenmesi, Düzce Üniversitesi Sağlık Bilimleri Enstitüsü Dergisi ,6 (3), Syf. (161-167).
• Çamurlu, S., (2018), Kantil Regresyon Analizinde Bootstrap Tahmini, Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü Ekonometri Anabilim Dalı Yüksek Lisans Tezi.
• Çevre ve Şehircilik Bakanlığı Ege Temiz Hava Müdürlüğü, 10.04.2018 tarihinde https://egethm.csb.gov.tr/hava-ve-hava-kirliligi-i-87404 sitesinden alındı.
• Çevre ve Şehircilik Bakanlığı Rize Valiliği, Hava Kalitesi İndeksi, 20.04.2018 tarihinde, https://rize.csb.gov.tr/hava-kalitesi-indeksi-haber-21344 sitesinden alındı.
• Çiçek, İ., Türkoğlu, N., Gürgen, G., (2004), Ankara’da Hava Kirliliğinin İstatistiksel Analizi, Fırat Üniversitesi Sosyal Bilimler Dergisi, 14(2), syf.1-18.
• Dorak, Ö., (2017), Kantil Regresyon ve En Küçük Kareler Yöntemlerinin Karşılaştırılması: Bir Uygulama Denemesi, Anadolu Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı Yüksek Lisans Tezi, syf.23. Eğri, M.,(1997), 1996-1997 Kış Döneminde Malatya İl Merkezi Hava Kirliliği Parametrelerine Meteorolojik Koşulların Etkisi, Turgut Özal Tıp Merkezi Dergisi, 4(3), Syf. 265-269.
• Genç, D.D., Yeşilyurt, C., Tuncel, G., (2010) Air pollution forecasting in Ankara, Turkey using air pollution index and its relation to assimilative capacity of the atmosphere, Environ Monit Assess Cilt:166 syf. 1–27.
• Hao, L., Naiman, D., (2007), Quantile regresssion. Sage Publications, Syf. 29.
• Leping, K-O. (2005), Public-Private Sector Wage Differential in Estonia: Evidence From Quantile Regression, Tartu University Press. Faculty of Economics And Business Administration. Orden. No:431
• Oğuz, K., Pekin, M.A., (2015) Meteorolojik Koşulların Hava Kirliliği Üzerine Etkilerinin İncelenmesi: Keçiören İlçesi Örneği. Meteoroloji Genel Müdürlüğü Araştırma Daire Başkanlığı, Ankara. Parametrelerine Meteorolojik Koşulların Etkisi, Turgut Özal Tıp Merkezi Dergisi, 4(3).
• Sharma, M., (2014), National Air Quality Index, Control of Urban Pollution, 82 syf.16-58.
• Shulze, N., (2004), Applied Quantile Regression: Microeconometric, Financial and Environmental Analyses, Almanya Universtat Tübingen, Yayımlanmamış Doktora Tezi.
• Şahin, M., İncecik, S., Topçu, S., Yıldırım, A., (2001) Analysis of Atmospheric Conditions during Air Pollution Episodes in Ankara, Turkey, , J. Air & Waste Manage. Assoc. Cilt:51 Syf. 972-982.
• Uyar, U., Kangallı Uyar, S., ve Gökçe, A., (2016), Gösterge faiz oranı ve dalgalanmaları ile BİST endeksleri arasındaki ilişkinin eşanlı kantil regresyon ile analizi, Ege Akademik Bakış, 16(4), (587–598).
• Yüksel, Duman, Ü., (2015), Assessment of the air quality in Ankara, Turkey Fresenius Environmental Bulletin, 24(3a).