Determination Of Large-scale So2 Point Sources In Turkey Using Satellite Retrievals

Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2016Thesis (M.Sc.) -- İstanbul Technical University, Instıtute of Science and Technology, 2016Hava kirliliği çevre ve insan sağlığı için önemli problemlerden biridir. Özellikle, sanayi devriminden sonra hava kirliliği daha ciddi bir problem haline gelmiştir. Günümüzde, hava kirliliği akciğer kanseri, astım, çeşitli cilt ve göz problemlerine neden olurken, aynı zamanda asit yağmurları, sis, toz oluşumu gibi çevresel zararları bulunmaktadır. Sülfür dioksit (SO2) kirliliği başlıca kömür kullanan elektrik üretim santrallerinden ve endüstriyel tesislerdeki proseslerden kaynaklanmaktadır. Türkiye’de kükürt içeriği yüksek kömür kullanan yakma tesisi ve endüstri sayısı fazladır ve hala SO2 kirliliği önemli bir problemdir. Uydu verileri kullanarak hava kirleticilerin belirlenmesi 1982 yılına dayanmaktadır. Uydu verilerini kirletici belirlemekte kullanılmasındaki amaç, kirleticilerin daha geniş bir alanda araştırılılabilmesi ve az sayıda bulunan yer ölçüm istasyonlarının dezavantajını giderebilme özelliğidir. İlk olarak, 1982 yılında, TOMS enstrümanı kullanılarak El Chichón volkanından kaynaklanan SO2 belirlenmiştir. Daha sonra, 1995 yılından itibaren troposferdeki SO2, GOME enstrümanı kullanılarak belirlenmiştir. Takip eden yıllarda, daha iyi mekansal çözünürlükteki SCIAMACHY (30×60 km2), OMI (13×24 km2), GOME-2 (40×80 km2) gibi enstrümanlar kullanılarak troposferik SO2 kirliliği uydu kaynaklı verilerle takip edilmiştir. Tezin amacı, Türkiyede hala önemli bir problem olan SO2 kirliliğinin uydu verileri kullanılarak belirlenmesi, kirlilik haritalarının çıkarılması, ve emisyon envanterleri ve yer istasyon ölçümleriyle karşılaştırılmasıdır. Bu çalışma Türkiye’de uydu verileri kullanılarak SO2 kirliliği belirlenen ilk çalışmadır. Çalışma AURA uydusu üzerinde bulunan OMI enstrümanı verileri kullanılarak 2005 ve 2015 yılları için Türkiye’deki büyük boyutlu noktasal SO2 kirliliğinin belirlenmesi için gerçekleştirilmiştir. Çalışmada ayrıca yer ölçüm istasyonlarının çok daha az olduğu (2007 öncesi) yıllardaki kirliliğin belirlenmesi, ve Türkiye’nin içinde bulunduğu EMEP gibi emisyon envanterlerinin geliştirilmesine katkı sağlama hedeflenmiştir. Öncelikle Türkiye’deki SO2 kirliliği literatür ve EMEP ve TNO gibi çeşitli emisyon envanterleri taranarak araştırılmıştır. Daha sonra OMI PBL SO2 verileri NASA internet sitesinden indirilip, önerilen aralıklara göre filtrelenmiştir. Ardından istenilen formatta bir GIS yazılımına aktarılarak burada hatiralandırılmıştır. Türkiye’nin genel SO2 haritası 2005 ve 2015 yılları arasında çıkarılarak kuvvetli sinyaller veren noktaların özellikle kömür kullanan termik santraller civarında olduğu gözlenmiştir. İlk olarak termik santraller için bir çalışma yürütülmüş, 50 MWe’den yüksek enerji üretim kapasitesine sahip olan kömür yakan termik santraller incelenmiştir. Türkiyedeki kömür santrallerin çoğunda yerli rezerv açısından zengin olan linyit kullanılmaktadır. Türkiyede bulunan linyit ise genellikle düşük kalorifik değere ve yüksek kükürt içeriğine sahiptir. Bu da ülkemiz için SO2 kirliliğinin artmasına sebep olmaktadır. Yapılan ilk çalışmalarda en yüksek kirliliğin Kahramanmaraş ilinde bulunan Afşin Elbistan A ve B termik santralleri civarında olduğu bulunmuştur. SO2 kirlilik sinyalleri Kahramanmaraşı takiben, büyük boyutlu termik santraller barındıran Muğla, Kütahya, Ankara, Şırnak gibi illerde kuvvetli olarak görülmüştür. Aynı zamanda kükürt emisyonu yoğun olan bazı endüstri bölgelerinde kirlilik sinyallerine rastlanmıştır. Türkiye’deki SO2 kirliliğini gösteren detaylı bir envanter çalışması olmadığından bu çalışma hem mevcut envanterleri değerlendirmek hem de uydu verileri kullanarak kirlilik takibi gerçekleştirmek açısından büyük bir önem arz etmektedir. Bir sonraki aşamada, uydu verileri EMEP envanteriyle karşılaştırılmıştır. Çalışma EMEP envanterinde en son bulunan 2012 ve 2013 yılları arası için gerçekleştirilmişir. EMEP envanterinde bulunan 2011 verisi ise o yılda OMI verisindeki yüksek gürültü nedeniyle incelemeye alınmamıştır. EMEP envanterinin 0.1˚×0.1˚ dereceli yeni grid sisteminde bulunan emisyonlar incelenmiş, haritaları çıkarılarak aynı yıllardaki uydu verileriyle karşılaştırılmıştır. Bu karşılaştırma sonucunda, envanterde bazı büyük ölçekli santrallerden kaynaklanan emisyonların varlığı saptanmış fakat envanter ve uydu verilerinin önemli ölçüde uyuşmadığı görülmüştür. Afşin Elbistan, Seyitömer, Tunçbilek (Kütahya) çevresi gibi çok büyük kirlilik bölgelerinde bazı uyuşmalar görülmesine ragmen bu uyuşma çok düşük seviyededir, ve bunun yüksek kirlilikten dolayı olduğu düşünülmektedir. Ayrıca, OMI verilerinde çalışma alanındaki en yüksek kirlilik sinyallerinden birisine sahip olan Ankara Çayırhan termik santral emisyonlarının EMEP envanterinde bulunmadığı saptanmıştır. Aynı zamanda, bazı Manisa Soma ve Sivas Kangal gibi bazı termik santraller için envanterde yüksek emisyonlar verilmiş olmasına ragmen, OMI verileri düşük sinyaller vermektedir. EMEP envanterinde genellikle noktasal olarak değil fakat tüm şehri kapsayacak şekilde emisyon yerleştirildiği görülmüş bunun neticesinde, önemli bir coğrafi uyuşma gözlemlenmemiştir. Bunun yanı sıra, İstanbul için EMEP emisyonlar çok yüksek değerler göstermekte fakat OMI SO2 kolon verileri bunun aksi yönde olduğunu işaret etmektedir. Türkiyedeki SO2 kaynaklarını temsil eden bütüncül bir emisyon envanteri olmadığı için, uydu verileri kullanılarak emisyon tahmini çalışması yapılmıştır. Buna göre, büyük SO2 kaynakları seçilerek, çevresine 60×60km2 ve 2×2km2 alt gridlere sahip olan bir çalışma alanı oluşturulmuştur. Daha sonra, geçmiş çalışmalarda aynı şekilde uygulanan, bir çap etrafında ortalama metodu uygulanarak, uydu verilerindeki gürültü azaltılmıştır. Ayrıca, kirlilik kaynağının 300 km çevresindeki yıllık ortalama alınıp, her bir griddeki ortalama değerlerden çıkarılarak, arka plan gürültüsündeki yıllara göre değişim azaltılmıştır. Daha sonra 2 boyutlu gaussian fit formulü uydu verisine uygulanıp yıllık emisyon tahmin verileri elde edilmiştir. Buna göre tahmin edilen değerler ile hesaplanan emisyonlar arasında, orta seviyede bir uyuşma (R2 = 0.57) gözlenmiştir. Aynı çalışma OMI SO2 yıllık haritalarında yüksek sinyaller veren altı diğer termik santral için 11 yıllık olarak yapılmış. Burada elde edilen verilerde yıllık tahmine göre daha iyi bir uyuşma (R2 = 0.75) olduğu gözlenmiştir. Bu çalışmada OMI verilerinin Çayırhan santrali için yüksek veriler işaret ettiğini diğer yandan OMI verilerinin Kangal ve Soma santralleri için hesaplanan emisyonlara göre düşük seviyede kaldığı belirlenmiştir. Hiçbir elektrik üretim verisi olmayan Şırnak Silopi için emisyon tahmini yapıldığında yıllık yaklaşık 112 kton SO2 emisyonu olduğu belirlenmiştir. Son olarak, uydu verileri yer istasyon ölçümleriyle mukayese edilmiştir. Türkiye’deki SO2 yer ölçüm istasyonu sayısı 2005 yılında 30 civarında iken günümüzde bu sayı 190 civarındadır. Bu sayılar, 2005’te yer ölçüm istasyonları için çok az veri sahibi olunduğunu göstermekte, özellikle ölçüm istasyonlarının çok az olduğu bu yıllardan başlayarak günümüze kadar uzanan yıllık kirlilik değişim çalışmalarında uydu verilerinin avantajı ortaya çıkmıştır. Buna göre yer ölçüm istasyonları verileri, saatlik ve günlük ortalama değerler için uydu verileriyle karşılaştırılmıştır. Öncelikle uydu verileri belirli bir kolondaki kirliliği temsil ettiğinden model çıktıları kullanılarak yer seviyesindeki kirlilik oranı belirlenmiş ve DU (Dobson Birimi) olan verileri model dikey profile kullanılarak yüzey konsantrasyonuna (µg/m3) çevrilerek karşılaştırma yapılmıştır. Daha sonra, şehirlerdeki toplam kirlilik uydu verileri ve yer ölçümleri karşılaştırılarak incelenmiştir. Öncelikle incelenen bazı santraller için en yakındaki ölçüm istasyonlarının santrallerden çok uzakta olduğu tespit edilmiştir. Bu sebeple, bu istasyonlarda verimli bir karşılaştırma yapılamamıştır. İstasyona yakın santrallerde yapılan çalışmalarda ise, büyük farklılıklar görülmüştür. Afşin Elbistan’a 30 km yakında bulunan Elbistan ölçüm istasyonuyla aynı alanda bulunan OMI SO2 verileri incelenmiş, bunun sonucunda, yıllık değişim trendlerinin tamamen farklı olduğu, aynı zamanda yapılan değerlendirmede OMI yüzey konsantrasyon kirliliğinin yer ölçüm konsantrasyonlarına göre çok düşük seviyede kaldığı görülmüştür. Manisa Soma, Sivas Kangal, Şırnak Silopi için yapılan karşılaştırmalarda, yer ölçüm değerlerinin çok yüksek olduğu bunun yanında OMI verilerinin çok yüksek kirlilik sinyalleri göstermediği saptanmıştır. Özetlemek gerekirse, bu tezde aşağıdaki çalışmalar gerçekleştirilmiştir; - Türkiye ve çevresindeki SO2 kirliliğinin uydu verileri kullanılarak haritalandırılması - Mevcut emisyon envanterlerinin uydu verileri ile değerlendirilmesi - Büyük ölçekli noktasal SO2 kaynaklarının emisyon tahmini - SO2 yer ölçümleri ile uydu verilerinin karşılaştırılması.The aim of this thesis is to evaluate and improve SO2 emissions from large-scale point sources by satellite retrievals in and around Turkey. Satellite retrievals supply SO2 PBL (planetary boundary layer) column back to 1995 by GOME, which is the first instrument to detect tropospheric pollution from space. Satellite retrievals have the advantage of better spatial coverage compared to ground monitoring measurements in understanding the overall effect of the pollution sources. In this study, SO2 pollution in and around Turkey using satellite retrievals of Ozone Monitoring Instrument (OMI) were observed. Firstly, SO2 pollution of Turkey was investigated by reviewing the previous literature and available emission inventories such as EMEP. Then, SO2 pollution hotspots and areas observed by OMI between the years of 2005 and 2015 were determined. Mostly, the visible signals were related with large-scale point sources such as large-scale coal power plants and industries those are releasing significant amount of SO2 to the atmosphere. Coal power plants, which have installed electricity production capacity larger than 50 MWe, were selected for this study. Coal power plants are very important SO2 emitters since the coal reserves are mainly lignite with low calorific value and high S and ash content in Turkey. Aside from EMEP, there was not a detailed national emission inventory for Turkey reporting the emissions of these point sources. Because of that reason, evaluation of current emission inventories with satellite retrievals and estimating these large contributors are the major contributions of this study. Secondly, high OMI signals observed for Turkey were compared with EMEP 0.1˚ × 0.1˚ gridded emission inventory for the years of 2012 and 2013 that were available. Emission inventory for 2011 were not included in the comparison due to higher noise of OMI SO2 column for that year. As a result, there was not a good spatial agreement between OMI and EMEP, other than some large-scale sources such as Afşin Elbistan in Kahramanmaraş, Tunçbilek and Seyitömer in Kütahya. Furthermore, EMEP inventory does not include some large-scale sources such as Ankara, Çayırhan, or indicating very low emissions such as Silopi where the significantly high signals was observed by OMI. In addition, emission estimation of large-scale point sources was investigated in the thesis. A 60×60 km2 domain was created with 2×2 km2 grids around selected large-scale sources. Oversampling was applied to OMI retrievals and the effect of background pollution was removed by subtracting the yearly OMI SO2 average within 300 km in data processing. Then, 2-D Gaussian fitting method was applied to OMI retrievals to investigate SO2 emissions. As a case study, Afşin Elbistan power plant were investigated in detail for 11 years, and a moderate correlation (R2 = 0.57) was found between emission estimations and calculated a values from OMI retrievals. After the case study, Gaussian-fitting method was applied to other selected power plants. Different from the case study, 11 years averages were used in the fitting method. As a result better correlation were found (R2=0.75) than yearly averages. There were some outliers, for example, OMI SO2 columns were indicating higher values for Çayırhan than calculated emissions, Both OMI SO2 columns and calculated emissions were indicating low values for Sivas Kangal and Manisa Soma power plants. At the end of the study, for Şırnak Silopi power plant, emissions were estimated using linear regression line. As a result, SO2 emission was calculated for Şırnak Silopi power plant as approximately 112 kton/yr where no electricity production data was available. Lastly, in order to understand the differences between different observation platforms, ground-monitoring SO2 observations were compared with OMI retrievals around large-scale power plants. Hourly and daily averages were compared with OMI SO2 retrievals in both DU and µg/m3. In comparison of ground monitoring measurements and OMI SO2 retrievals, increase-decrease trends and similarity of magnitudes were investigated. The comparison of Afşin Elbistan power plant was performed initially as a case study, after that the same method was applied to six other selected power plants. In general, ground monitoring and OMI SO2 retrievals are not in good agreement to each other. Ground monitoring and OMI SO2 retrievals had opposite trends for Afşin Elbistan. There are some similarities in trend of pollution changes for Muğla power plants. Ground measurements indicate very high values for Manisa Soma while OMI SO2 retrievals indicate very low values. OMI SO2 retrievals for Sivas Kangal are very low, too and there is no similarity with ground measurements. Çayırhan power plant is one of the largest pollution region in the domain, however the closest ground monitoring station is 68 km away from the power plant, therefore there is no agreement with the ground monitoring observations. For Silopi power plant ground measurements indicate very high values especially after 2009 when the power plant was installed. There is moderate signals of OMI for Silopi power plants. Secondly, OMI SO2 retrievals were converted into surface concentrations using a model output for better comparison with ground monitoring statistics. However in the comparison of OMI SO2 retrievals in µg/m3 with ground monitoring statistics, low agreement were found due to too low OMI SO2 values (µg/m3) except Afşin Elbistan and Muğla power plants.Yüksek LisansM.Sc