TABLE 1 - uploaded by Muhittin Karaman
Content may be subject to copyright.
Source publication
Remote sensing is a convenient and promising technique in air quality management. It can be used to determine local and global spatial distribution of Particulate Matter (PM10) data. Determination of PM10 data using multispectral satellite images' reflectance values was the main aim of this study. For this purpose, 19.02.2010 and 26.03.2011 dated L...
Similar publications
Fine particulate matter (PM2.5) is a major criteria pollutant affecting the environment, health and climate. In India where ground-based measurements of PM2.5 is scarce, it is important to have a long-term database at a high spatial resolution for an efficient air quality management plan. Here we develop and present a high-resolution (1-km) ambient...
Citations
... As a result, proper PM air pollution management and decisionmaking are hampered considerably by the scarcity of spatial and temporal variations of air pollutants data (Blanchard et al., 2014;Liu et al., 2015). Remote-sensing data from the Moderate Resolution Imaging Spectroradiometer (MODIS) offer a new opportunity for spatial characteristics and distributions of PM assessment because there exists a relationship between the atmospheric particles and satellite-derived Aerosol Optical Depth (AOD) (Emili et al., 2010;Benas et al., 2013;Ozelkan et al., 2015;Saraswat et al., 2017;Alvarez-Mendoza et al., 2019). Several studies have effectively established the relationship between MODIS derived aerosol and PM 10 (Saraswat et al., 2017;Alvarez-Mendoza et al., 2019). ...
Urban land use and land cover (LULC) change and climate affect a wide range of environmental health and human wellbeing issues, such as air pollution and soil erosion. However, it is challenging to quantify the effects of LULC change on Particulate Matter (PM) at a metropolitan scale. In this study, LULC maps of Tehran metropolitan region were prepared for the years 2013, 2017 and 2021 using Landsat 8 images. PM10 maps were extracted from an integrated approach of the Local Climate Zone (LCZ) classification scheme and Landsat images using Random Forest algorithm and fuzzy algorithm on the desired dates. The results show extensive changes of PM distributions in the Tehran metropolitan region. The most change occurred in the north of the city and the least change did in the city center. The most growth was LCZ 4 which had grown about 57 times in 8 years. The highest level of PM10 was found in the west and southwest regions while the lowest level was in the north of the city. Also, the analysis of highest average PM10 was in LCZ 10 and the lowest in LCZ G. The analysis of the PM10 average in LCZs and the comparison of PM10 time-series maps showed that the LCZs changes which occurred during the study period have reduced the concentration of air pollution in the Tehran metropolitan region
... Previous studies of urban PM 2.5 estimation mainly focused on retrieving AOD from several moderate-to high-resolution data [11] , or established the relationship between retrieved AOD and particulate matter concentrations [12] . Several studies also used the remote sensing bands and indices to predict ground-level PM 10 and PM 5.0 [13][14] .One of the limitations of these studies is that they used simple regression models to account for the variability between particulate matter concentrations and other variables (e.g., retrieved AOD, meteorological parameters and land use information), which presented relatively lower predictability in estimating PM concentrations. Therefore, researchers have IOP Conf. ...
Satellite remote sensing data with moderate-to high-resolution has been commonly used in deriving spatial coverage of PM 2.5 concentrations in urban areas. Previous studies focusing on city-scale PM 2.5 estimation mainly retrieved aerosol optical depth from moderate-to high-resolution remote sensing data. In this study, the spectral response experiment was carried out to explore the sensitivity of spectral wavelengths to PM 2.5 concentrations in Fuzhou, China. The results showed that the near-infrared reflectance was much more sensitive to PM 2.5 than other wavelengths. We also found that the difference vegetation index (DVI) presented higher correlation with PM 2.5 than other indexes. A linear mixed effects (LME) model was then developed to explain the variability of PM 2.5 , and the results showed that the overall R ² of LME model using DVI and meteorological parameters reached 0.80 with RMSE of 7.82 μg/m ³ . The results suggested that the proposed LME model using DVI from Landsat 8 OLI could be effectively used for predicting PM 2.5 in a city scale.
... Particles form in the atmosphere as a result of complex reactions of chemicals such as sulphur dioxide and nitrogen oxides. Particle pollution is composed of: PM 10 , particles with a diameter of 10 micrometers and less, and PM 2.5 with a diameter of 2.5 micrometers and less. Due to their small size, particles can be easily inhaled causing serious health problems [1]. ...
... Several investigations that have taken place, mainly in Asia, show the feasibility of using satellite images for the estimations of particulate material concentrations [1]- [10]. According to Chu et al. [4], the four most used models for the prediction of particulate material are: Lineal Multiple Regression, Mixed Effects Model (MEM), Model of Chemical Transport and Pondered Geographic Regression. ...
... According to Mexican regulation, the allowed limits for PM pollution are shown in Table 1. 10 Annual average 40 PM 10 24 hour average 75 ...
... Dünya Sağlık Örgütü tarafından her sene 800.000'den fazla ölümün çok küçük boyutta asılı partiküler madde (PM) kirliliği sonucu nefes darlığı ile meydana geldiğini tahmin edilmektedir. Bu çalışmaya göre partiküler madde kirliliği ölüm nedenleri arasında dünyada 13. sırada gelmektedir [2][3][4]. Çapraz ve arkadaşları [5] yaptıkları çalışmaya göre İstanbul'da yaşanan hava kirliliğinin, solunum sistemi hastalıklarına bağlı ölümler, kalp-damar hastalıklarına bağlı ölümler ve kaza dışı tüm hastalıklar nedeniyle meydana gelen ölümler üzerinde anlamlı bir etkisinin olduğu sonucu ortaya çıkmıştır. Hava kirliliğinin yüksek olduğu alanlarda astımlı insanların sayısında bir artış vardır. ...
Sanayileşme ve şehirleşme hava kirliliği sorunlarına yol açmaktadır. İnsan sağlığı ve ekosistem için en ciddi tehditlerden biri nüfusun artması dolayısıyla üretimin artması ile hava kalitesinin bozulmasıdır. Bu döngü, sanayileşme ve şehirleşme yoğunluğunun yüksek olduğu alanlarda daha yoğunlaşmaktadır. Doğrudan ölçüm ile mekânsal hava kalitesinin belirlenmesi zor ve pahalıdır, bu yüzden alternatif yöntemler kullanılır, araştırılır ve geliştirilir. Bir yerin hava kalitesinin iyileştirilmesi öncelikle emisyon kaynaklarının ve miktarlarının belirlenmesi, daha sonra kirleticilerin dağılımının araştırılması, sayısal modeller vasıtasıyla dağıtılması ve son olarak alınacak politikaların belirlenmesiyle yapılabilir. Emisyon envanteri hava kirliliği modellemesinde çok önemli bir adımdır ve karmaşık bir süreçtir. Şehirlerde ve şehirler arasında araç emisyonu önemli bir hava kirliliği kaynağıdır ve mekânsal emisyon dağılımını belirlemek için kullanılabilir. Yol yoğunluğu insan etkinliğinin ve şehirleşmenin dolaylı bir göstergesi olabilir, dolayısıyla insan kaynaklı hava kirliliği motorlu araçların yoğunluğu, sayısı ve türü ile dolaylı olarak nitelendirilebilir. Bu çalışma, yol haritalarıyla diğer verilerin kullanılarak emisyon envanterinin oluşturulmasına bir örnektir. Üretilen verilerin yeni nesil hava kirliliği modellerinde kullanılması, modelin başarımının arttırılmasına katkı sağlayacaktır. Çalışma sonuçları hava kalitesinin dolaylı olarak insan ve diğer canlı yaşamının iyileştirilmesi üzerine olumlu etki yapacağı düşünülmektedir.
(15) (PDF) Hava Kirlilik Modellerinde Kullanılacak Emisyon Envanteri Oluşturulması için Yaklaşımlar ve İstanbul Hava Kirliliği Dağılımı Örneği. Available from: https://www.researchgate.net/publication/321231417_Hava_Kirlilik_Modellerinde_Kullanilacak_Emisyon_Envanteri_Olusturulmasi_icin_Yaklasimlar_ve_Istanbul_Hava_Kirliligi_Dagilimi_Ornegi [accessed Jan 15 2021].
... Dünya Sağlık Örgütü tarafından her sene 800.000'den fazla ölümün çok küçük boyutta asılı partiküler madde (PM) kirliliği sonucu nefes darlığı ile meydana geldiğini tahmin edilmektedir. Bu çalışmaya göre partiküler madde kirliliği ölüm nedenleri arasında dünyada 13. sırada gelmektedir [2][3][4]. Çapraz ve arkadaşları [5] yaptıkları çalışmaya göre İstanbul'da yaşanan hava kirliliğinin, solunum sistemi hastalıklarına bağlı ölümler, kalp-damar hastalıklarına bağlı ölümler ve kaza dışı tüm hastalıklar nedeniyle meydana gelen ölümler üzerinde anlamlı bir etkisinin olduğu sonucu ortaya çıkmıştır. Hava kirliliğinin yüksek olduğu alanlarda astımlı insanların sayısında bir artış vardır. ...
Sanayileşme ve şehirleşme hava kirliliği sorunlarına yol açmaktadır. İnsan sağlığı ve ekosistem için en ciddi tehditlerden biri nüfusun artması dolayısıyla üretimin artması ile hava kalitesinin bozulmasıdır. Bu döngü, sanayileşme ve şehirleşme yoğunluğunun yüksek olduğu alanlarda daha yoğunlaşmaktadır. Doğrudan ölçüm ile mekânsal hava kalitesinin belirlenmesi zor ve pahalıdır, bu yüzden alternatif yöntemler kullanılır, araştırılır ve geliştirilir. Bir yerin hava kalitesinin iyileştirilmesi öncelikle emisyon kaynaklarının ve miktarlarının belirlenmesi, daha sonra kirleticilerin dağılımının araştırılması, sayısal modeller vasıtasıyla dağıtılması ve son olarak alınacak politikaların belirlenmesiyle yapılabilir. Emisyon envanteri hava kirliliği modellemesinde çok önemli bir adımdır ve karmaşık bir süreçtir. Şehirlerde ve şehirler arasında araç emisyonu önemli bir hava kirliliği kaynağıdır ve mekânsal emisyon dağılımını belirlemek için kullanılabilir. Yol yoğunluğu insan etkinliğinin ve şehirleşmenin dolaylı bir göstergesi olabilir, dolayısıyla insan kaynaklı hava kirliliği motorlu araçların yoğunluğu, sayısı ve türü ile dolaylı olarak nitelendirilebilir. Bu çalışma, yol haritalarıyla diğer verilerin kullanılarak emisyon envanterinin oluşturulmasına bir örnektir. Üretilen verilerin yeni nesil hava kirliliği modellerinde kullanılması, modelin başarımının arttırılmasına katkı sağlayacaktır. Çalışma sonuçları hava kalitesinin dolaylı olarak insan ve diğer canlı yaşamının iyileştirilmesi üzerine olumlu etki yapacağı düşünülmektedir. Abstract Industrialization and urbanization are leading to air pollution problems. One of the most serious threats to human health and ecosystem is the degradation of air quality by man due to his necessity, the increasing
... Increase in industry and urbanization decreases the quality of air and is threatening human health in many ways. Air pollution has been estimated to be the cause of approximately two million premature deaths worldwide per year [3]. ...
... Major pollutants emitted by transportation and industry include CO 2 , CO, NO 2 , and SO 2 , which can contaminate the air we breathe and contribute to high health-risk levels [5][6]. Particulate Matter (PM) of natural and anthropogenic origin dominates the health effects of air pollution in addition to its effects on the energy balance of the Earth-atmosphere system [3]. There are two separate standards exist for particulate matter, namely PM10, which refers to particles with aerodynamic diameter < 10 µm, and PM2.5, which refers to particles with aerodynamic diameter < 2.5 µm [7] Population growth leads to urban area expansion, which in turn reduces per-capita Green Space (GS) area, initiating a number of environmental and ecosystem issues. ...
Rapid expansion of cities and mega-cities often
affects the surrounding environment, reducing environmental
sustainability and leading to other negative
effects. To achieve a sustainable urban environment,
it is critical that green spaces expand in harmony
with urban expansion in a rational manner,
compensating for losses in the environment due to
urban growth. In this study, land use maps including
6 classes of green space, urban areas, roads, river,
agriculture lands, and barren land were produced using
maximum likelihood algorithm for 2010 and
2016 and the landscape metrics were analyzed using
FRAGSTATS software. Then, a partial least square
(PLS) model was applied to assess the effects of
changes in the pattern of green space on air pollution.
The model results indicate that reduction in the area
of large green space patches promote air pollution,
suggesting that there is a direct relation between increases
in the area of large green space patches and
air pollution reduction.
... Dicho algoritmo permite estimar la concentración del contaminante entre las estaciones de monitoreo sin necesidad de utilizar complejos modelos de dispersión o métodos de interpolación. Las imágenes pueden ser obtenidas por sensores instalados en drones (White et al. 2008; Sinha et al. 2009; Kuroki et al. 2010; Lu et al. 2016; Messinger & Silman 2016) o en satélites (Polishchuk & Tokareva 2006; Othman et al. 2010; Amanollahi et al. 2013; Álvarez & Padilla 2014; Bilguunmaa et al. 2014; Jin & Yuan 2015; Ozelkan et al. 2015; Yair 2015; Bennouna et al. 2016; Salman et al. 2016; Zhang et al. 201615º, y en verano de 12-25º. Las precipitaciones son de unos 880 mm/año, siendo los meses más lluviosos marzo y abril. ...
Recibido: 03 de octubre de 2016 / Aceptado: RESUMEN La contaminación atmosférica global se ha convertido en un tema preocupante en las últimas décadas, despertando el interés de muchos investigadores que han desarrollado diversas metodologías de determinación de índices contaminantes. En este artículo determinamos la concentración de partículas menores a 10 micras (PM10) en el aire de la ciudad de Cuenca en tres fechas distintas aplicando un modelo de regresión lineal múltiple a los datos de reflectividad atmosférica de imágenes Landsat 7 y 8, y a las medidas de PM10 in situ tomadas en las estaciones de monitoreo de la calidad del aire de Cuenca de la empresa EMOV. Los modelos revelan que los sectores de la ciudad con mayor contenido de PM10 son el Parque Industrial, la Feria Libre y el Terminal Terrestre, y que el mes de septiembre es el de mayor concentración de este contaminante. Palabras clave: Contaminación del aire, PM10, Teledetección, Landsat, Regresión lineal múltiple, ABSTRACT The global air pollution has become a concern in recent decades, attracting the interest of many researchers who have developed various methods for determining pollutant indices. In this paper we determine the concentration of particles smaller than 10 microns (PM10) in the air of the city of Cuenca applying a multiple linear regression model to different dates Landsat 7 and Landsat 8 atmospheric reflectivity data, and to PM10 in situ measures taken by the EMOV's air quality monitoring stations. The models reveal that the sectors of the city with the highest PM10 content are the Industrial Park, the " Feria libre " market, and the bus terminal, also in September the highest concentration of this pollutant is reached.
... The relative effect of the precipitation on the air pollutant concentrations is estimated to be: PM10 > SO2 > NO2 > CO > O3, indicating that PM10 was most effectively cleaned by rainfall. Ozelkan et al. [15] determined PM10 data using multispectral satellite images' reflectance values. The results show that the B5/B7 and B7/B5 ratio values of Landsat 5TM were more correlated and appropriate than other band ratios to determine PM10. ...
In the present study, air quality analyses for particulate matters (PM10) were conducted in Tehran, Capital of Iran. The measurements were taken in four different locations to prepare average data in the city. The averages concentrations were calculated for every 24 hours, each month and each season. Results showed that the highest concentration of PMio occurs generally in the mid-night while the least concentration was found at the morning. Monthly concentrations of PM10 showed the highest value in August while the least value in October. The seasonal concentrations showed the least amounts in autumn while the highest amounts in summer. Then Relations between the air pollutant and some meteorological parameters were calculated statistically using the daily average data. The wind data (velocity, direction), relative humidity, temperature, sunshine periods, dew point and rainfall were considered as independent variables. The level relationships between concentration of pollutant and meteorological parameters were expressed by multiple linear and nonlinear regression equations for both annual and seasonal conditions using SPSS software. RMSE test showed that among different prediction models, stepwise model is the best option.
Sanayi faaliyetlerinin ve nüfus miktarının fazla olduğu yerleşim alanlarında hava kalitesinin sürekli kontrolü yaşamsal bir zorunluluktur. Bu öneme bağlı olarak araştırmanın alan kapsamını Kocaeli ili, konu kapsamını ise sahadaki kirleticilerin dağılımı oluşturmaktadır. Araştırmanın amacı çeşitli kaynaklardan atmosfere bırakılan kirleticilerin alansal dağılışını ve atmosferde ulaşacağı yaklaşık yükselti seviyesini ortaya koymaktır. Bu amaç doğrultusunda Sentinel-5P (Troposferic Monitoring Instrument) uydusuna ve Kocaeli ilinde bulunan Marmara Temiz Hava Merkezine ait istasyon verileri kullanılmıştır. Uydu verilerine ait analizler Google Earth Engine ara yüzü ile gerçekleştirilmiş, haritalamalarda ise Arc GIS 10.4 programından faydalanılmıştır. Yapılan analizler sonucunda İzmit ilçesinin körfez kıyısının, Derince ve Körfez ilçeleri sınırını oluşturan sahil şeridinin; Dilovası, Gebze ve Darıca sahil kuşağının hava kirliliğinin en yoğun yaşandığı alanlar olduğu tespit edilmiştir. Ayrıca belirlenen aerosol yüksekliğine paralel olarak araştırma sahasında kirleticiler, 0-500 metre yükselti aralığında yoğunlaşmaktadır. Hem uydu hem de yer istasyon verileri incelendiğinde azot oksitler, karbon monoksit ve kükürt dioksit arasında pozitif korelasyon olduğu tespit edilmiştir. Kış mevsiminde atmosferdeki yoğunluğu artan bu gazlar, yaz aylarında seyrelmektedir. Formaldehit ve aerosol indeksi verileri ise fotokimyasal süreçlerin etkisiyle yaz mevsiminde daha yüksek değerler göstermektedir. Kocaeli gibi hem sanayi hem de nüfus anlamında önlerde yer alan şehirlerde, çok yönlü araştırmaların artırılması öncü bilgiler sağlayarak daha sağlıklı bir hava kalitesini beraberinde getirecektir.
Snow processes have important impact on the short and mid-term water balance of mountainous catchments. Hence, predicting and understanding the spatial variability of snow-related dynamics plays an important role in catchment hydrology. The snow dynamics are also critical in mountainous ecosystems via their effects on the water balance. These dynamics play a key role as important resources for the water supplies as the main income source and driving force of local development in such regions. The aim of this study was to estimate the spatial variability of seasonal snow cover and quantify the snow dynamics (Snow Water Equivalent, snow melt runoff, depth) using mechanistic modelling and remote sensing from 1987 to 2014 in Egribuk Subcatchment located at Seyhan Watershed, Turkey. Process-based J2000 model was used to estimate the snow dynamics. Wide range of spatial and time series data sets were used in modelling process. The study concludes with the remarks on the potential contribution of recent developments such as distributed snow modelling and use of remote sensing data to improve our understanding water cycle. Addressing the model results, specific strategic benchmarks were recommended to manage the snow-water at the subcatchment level to address present issues and projected adaptation needs for water management.
