ankara Ünİversİtesİ fen bİlİmler enstİtÜsÜ yÜksek...
TRANSCRIPT
ANKARA ÜNİVERSİTESİ FEN BİLİMLER ENSTİTÜSÜ
YÜKSEK LİSANS TEZİ
BİLGİSAYAR ORTAMINDA KAYALARIN JEOKİMYASAL BİLEŞİMLERİNİN JEOSTATİSTİĞİ, MODELLENMESİ VE
HARİTALANMASI
Sama Yüksel AZAT
BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI
ANKARA 2009
Her hakkı saklıdır
i
ÖZET
Yüksek Lisans Tezi
BİLGİSAYAR ORTAMINDA KAYALARIN JEOKIMYASAL BİLEŞİMLERİNİN JEOSTATİSTİĞİ, MODELLENMESİ VE
HARİTALANMASI
Sama Yüksel AZAT
Ankara Üniversitesi Fen Bilimleri Enstitüsü
Bilgisayar Mühendisliği Anabilim Dalı
Danışman: Yrd. Doç. Dr. Refik SAMET
Yapılan tez disiplinlerarası çalışma olup araziden toplanan jeoloji verilerinin bilgisayar ortamında analizini, modellenmesini ve haritalanmasını kapsamaktadır. Jeolojide ve diğer disiplinlerde eldeki verilerin analizini ve değerlendirilmesini yaparak oluşturulacak modellerin ve haritaların gerçek duruma yakınlığı önemlidir. Eldeki verilerin sayısı ne kadar fazla ise ve/veya toplanan verilerin isabet ettiği birim alan ne kadar küçük ise ve/veya veriler araziden eşit aralıklarla toplandı ise oluşturulacak model ve haritaların gerçek duruma bir o kadar yakın olacağı kesindir. Bazen araziden istenilen sayıda ve nitelikte veri toplamak imkânsız olabilir. Bu durumda enterpolasyon teknikleri ile eldeki verileri kullanarak yeni veriler üretmek gerekir. Bu amaçla kullanılacak enterpolasyon tekniği de önemli olup modelin ve haritanın gerçeğe yakınlığını etkilemektedir. Bunun dışında verilerin analizlerinin yapıldığı ve haritalandığı yazılımda önemlidir. Bütün bu durumları göz önünde bulundurarak tez çalışmasında araziden toplanan verilerin analizini ve değerlendirilmesini yapmak, modellemek ve haritalamak için bir metodoloji geliştirilmiştir. Söz konusu metodoloji kapsamında sekiz enterpolasyon tekniği önerilmiş ve en verimli olan seçilmiştir. Seçilen enterpolasyon tekniği kullanarak yeni verilerin üretilmesi, bütün verilerin birlikte analizi ve verilerin dağılım haritalarının oluşturulması ise ArcGIS 9.2 platformunda yapılmıştır. Geliştirilen metodoloji Yozgat İli Sarıhacılı Bölgesine ait üç ayrı kısımdaki kaya/topraklardan toplanan örneklerdeki radyoaktif elemanların dağılımının analizini yapmak, modellemek ve haritalamak için uygulanmıştır. Elde edilen sonuçlar önerilen metodolojinin verimli olduğunu kanıtlamıştır.
Ağustos 2009 118 sayfa
Anahtar Kelimeler: Jeokimya, Jeostatistik analiz, Haritalama, Enterpolasyon
teknikleri, Histogram, Verilerin dağılımı
ii
ABSTRACT
Master Thesis COMPUTER BASED GEOSTATISTIC, MODELING AND MAPPING OF
GEOCHEMICAL COMPOSITIONS OF ROCKS
Sama Yüksel AZAT
Ankara University Graduate School of Natural and Applied Sciences
Department of Computer Engineering
Supervisor: Assist. Prof. Dr. Refik SAMET Performed master thesis is an interdisciplinary study and includes the computer based analysis, modeling and mapping of geological data collected from field study. The closeness of models and maps to be created by analyzing and evaluating the data in hand to the reality is very important in Geology and other disciplines. If the number of data in hand will be increased and/or if the area from where the samples were collected will be decreased and/or if the data will be collected from terrain with equal distribution then the closeness of the model and map to the reality will also be increased. Sometimes it is not possible to collect the samples in required numbers and features from certain terrain. In these cases it is necessary to create new data on the bases of data in hand using interpolation techniques. On the other hand, the certain interpolation technique is also very important because it affects the closeness of the created models and maps. Besides the software, which is used for analyzing of data and creating of maps, is also important. In order to solve these problems in this study the methodology is developed for analyzing, evaluating, modeling of data and creating the distribution maps. In scope of developed methodology eight interpolation techniques were suggested and the best of them is selected. In this study ArcGIS 9.2 platform was used to create new data, analyze all data and create maps by using selected interpolation technique. Developed methodology was applied to analyze, model and map of distribution of radioactive elements in samples collected from rocks/soils of Sarıhacılı province of Yozgat region. Obtained results showed the high performance of developed methodology. August 2009 118 Pages Key Words: Geochemistry, Geostatistical analyzing, Mapping, Interpolation techniques, Histogram, Data distribution
iii
TEŞEKKÜR
Çalışmalarımı yönlendiren, araştırmalarımın her aşamasında bilgi, öneri ve yardımlarını
esirgemeyerek akademik ortamda olduğu kadar beşeri ilişkilerde de engin fikirleriyle
yetişme ve gelişmeme katkıda bulunan danışman hocam sayın Yrd. Doç. Dr. Refik
SAMET’e (Ankara Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği
Anabilim Dalı öğretim üyesi), Jeolojik verilerin temininde beni destekleyen Bozok
Üniversitesi jeoloji Mühendisliği Bölümü araştırma görevlisi M. Avni Akçe’ye ve
çalışmalarım süresince manevi desteklerini esirgemeyen değerli bölüm başkanımız
sayın Prof. Dr. Baki KOYUNCU’ya (Ankara Üniversitesi Mühendislik Fakültesi
Bilgisayar Mühendisliği Anabilim Dalı öğretim üyesi) teşekkürü borç bilirim.
Sama Yüksel AZAT
Ankara, Ağustos 2009
iv
İÇİNDEKİLER
ÖZET……………………………………………………….……………………………i
ABSTRACT…………………………………………………………...………………..ii
TEŞEKKÜR………………………………………………………………………...….iii
ŞEKİLLER DİZİNİ………………………………………………………………….viii
ÇİZELGELER DİZİNİ…………………………………………………………...…...xi
1. GİRİŞ…………………………………………………………………………………1
2. ÖNCEKİ ÇALIŞMALAR……………………………………………………..……5
3. TASARIM…………………………………………………………………………..24
3.1 Veri Analizi ve Yoğunluk Haritası Oluşturma Metodolojisi…………………...24
3.2 Gerçek Verilerin Analizi ve Kirlenme Haritasının Oluşturulması…………….24
3.3 Enterpolasyon Tekniklerinin Önerilmesi………………………………………..27
3.3.1 Dört komsu değerlerin aritmetik ortalamasına göre veri üretim tekniği…...28
3.3.2 Sekiz komsu değerlerin aritmetik ortalamasına göre veri üretim tekniği…..32
3.3.3 Dört komsu değerlerin medyan ortalamasına göre veri üretim tekniği……..35
3.3.4 Sekiz komsu değerlerin medyan ortalamasına göre veri üretim tekniği…….38
3.3.5 Arazinin jeolojik yapısı dikkate alınarak dört komsu değerlerin aritmetik
ortalamasına göre veri üretim tekniği………………………………………...41
3.3.6 Arazinin jeolojik yapısı dikkate alınarak sekiz komsu değerlerin aritmetik
ortalamasına göre veri üretim tekniği………………………………………...45
3.3.7 Arazinin jeolojik yapısı dikkate alınarak dört komsu değerlerin medyan
ortalamasına göre veri üretim tekniği………………………………………...47
3.3.8 Arazinin jeolojik yapısı dikkate alınarak sekiz komsu değerlerin medyan
ortalamasına göre veri üretim tekniği………………………………………....48
3.4 Enterpolasyon Tekniklerinin Karşılaştırılması ve Uygun Enterpolasyon
Tekniğinin Seçimi……………………………………………………………..….51
3.5 Kirlenme Haritasının Oluşturulması…………………………………………….53
4. UYGULAMA……………………………………………………………………….54
4.1 Giriş…………………………………………………………………………….......54
4.2 Aanaliz……………………………………………………………………………..55
4.2.1 Çalışma arazisinin tanımlanması ve verilerin hazırlanması………………....55
v
4.2.2 Verilerin analizi ve yoğunluk haritası oluşturma……………………………..61
4.2.2.1 Gerçek verilerin analizi ve kirlenme haritasının oluşturulması...................61
4.2.2.2 Enterpolasyon tekniklerinin önerilmesi ve uygun enterpolasyon
tekniğinin seçimi……………………………………………………..……..…67
4.2.2.3 Nihai kirlenme haritasının oluşturulması…………………………………...67
4.2.3 S1 bölgesi için analiz sonuçları…........................................................................77
4.2.4 S2 alanı için analiz sonuçları…………………………………………………...80
4.2.5 S3 alanı için analiz sonuçları……………………………………………….…..82
4.5 SONUÇ VE TARTIŞMALAR………………………………………………...….85
5. SONUÇ……………………………………………………………………………...90
KAYNAKLAR……………………………………………………………………..….92
EK 1 GELİŞTİRİLEN YAZILMA AİT KODLAR…...…………………………..100
ÖZGEÇMİŞ………………………………………………………………………….118
vi
ŞEKİLLER DİZİNİ
Şekil 3.1 Çalışma arazisinin modeli……………………………………………………25 Şekil 3.2 Araziden toplanan gerçek veri örneklerinin simülasyonu……………………26 Şekil 3.3 Gerçek verilerin dağılımı……………………………………………………..26 Şekil 3.4 Gerçek veriler için kirlenme haritası…………………………………………27 Şekil 3.5 Dört komsu değerlerin aritmetik ortalamasına göre veri üretimi…………….29 Şekil 3.6 Dört komsu değerlerin aritmetik ortalamasına göre veri üretimi…………….30 Şekil 3.7 Dört komsu değerlerin aritmetik ortalamasına göre üretilmiş verilerin dağılımı………………………………………………………….……………30 Şekil 3.8 Dört komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler için kirlenme haritası…………………………………………………………31 Şekil 3.9 Sekiz komsu değerlerin aritmetik ortalamasına göre veri üretimi……………32 Şekil 3.10 Sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler……...33 Şekil 3.11 Sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş verilerin dağılım…………………………………………………………………..…..34 Şekil 3.12 Sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler için kirlenme haritası………………………………………………………..34
Şekil 3.13 Dört komsu değerlerin medyan ortalamasına göre veri üretimi…………….35 Şekil 3.14 Dört komsu değerlerin medyan ortalamasına göre üretilmiş veriler………..36 Şekil 3.15 Dört komsu değerlerin medyan ortalamasına göre üretilmiş verilerin dağılımı……………………………………………………………………...37 Şekil 3.16 Dört komsu değerlerin medyan ortalamasına göre üretilmiş veriler için kirlenme haritası………………………………………………………..37 Şekil 3.17 Sekiz komsu değerlerin medyan ortalamasına göre veri üretimi…………...38 Şekil 3.18 Sekiz komsu değerlerin medyan ortalamasına göre üretilmiş veriler……....39 Şekil 3.19 Sekiz komsu değerlerin medyan ortalamasına göre üretilmiş verilerin dağılımı……………………………………………………………………...40
vii
Şekil 3.20 Sekiz komsu değerlerin medyan ortalamasına göre üretilmiş veriler için kirlenme haritası…………………………………………………….….40 Şekil 3.21 Çalışma arazisinin bileşenlerine ait örnek………………………………..…41 Şekil 3.22 Çalışma arazisi veriler matrisi……………………………………………....42 Şekil 3.23 Arazi yapısı dikkate alınarak dört komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler……………………………………….…43 Şekil 3.24 Arazi yapısı dikkate alınarak dört komsu değerlerin aritmetik ortalamasına göre üretilmiş verilerin dağılımı…………………………..…..44 Şekil 3.25 Arazinin jeolojik yapısı dikkate alınarak dört komsu değerlerin aritmeti ortalamasına göre üretilmiş veriler için kirlenme haritası………….44 Şekil 3.26 Arazi yapısı dikkate alınarak sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler…………………………………………………45 Şekil 3.27 Arazi yapısı dikkate alınarak sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş verilerin dağılımı…………………………..…..46
Şekil 3.28 Arazinin jeolojik yapısı dikkate alınarak sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler için kirlenme haritası……..….46
Şekil 3.29 Arazi yapısı dikkate alınarak dört komsu değerlerin medyan ortalamasına göre üretilmiş veriler……………………………………………………………..…47 Şekil 3.30 Arazi yapısı dikkate alınarak dört komsu değerlerin medyan ortalamasına göre üretilmiş verilerin dağılımı…………………………..….48 Şekil 3.31 Arazinin jeolojik yapısı dikkate alınarak dört komsu değerlerin medyan ortalamasına göre üretilmiş veriler için kirlenme haritası………....48 Şekil 3.32 Arazi yapısı dikkate alınarak sekiz komsu değerlerin medyan ortalamasına
göre üretilmiş veriler………………………………………………………...49 Şekil 3.33 Arazi yapısı dikkate alınarak sekiz komsu değerlerin medyan ortalamasına göre üretilmiş verilerin dağılımı………………..……………..50 Şekil 3.34 Arazinin jeolojik yapısı dikkate alınarak sekiz komsu değerlerin medyan ortalamasına göre üretilmiş veriler için kirlenme haritası…….…...50 Şekil 4.1 Yozgat İntrüzif Kompleksi Kuzey bölümünün jeoloji haritası……………....56 Şekil 4.2 Örnek alım bölgelerini gösteren haritalar…………………………………….57 Şekil 4.3 Giriş verisinin ve metot seçimi…………………………………………….…62
viii
Şekil 4.4 Geostatistik yöntemi seçmek…………………………………………………62 Şekil 4.5 Semivariogram Modeling diyagramı: Mesafeye göre farklılığın değişimi artıyor ve bu yüzden Semivariogram benzersizlik fonksiyonu gibi düşünülebilir……………………………………………………………...63 Şekil 4.6 Covariance Modeling diyagramı: Mesafeye göre otokorolasyon azalıyor ve bu yüzden Covariance benzerlik fonksiyonu gibi düşünülebilir……….....64 Şekil 4.7 Searching Neighborhood grafiği (Komşuların Araştırılması)………………..65 Şekil 4.8 Cross Validation grafiği (Çapraz Değerlendirme)…………………………...66 Şekil 4.9 Yozgat Sarıhacılı S1 bölgesinde Sintilometre değeri için yoğunluk haritası...66 Şekil 4.10 Sintilometre değeri için veri dağılımı histogramı…………………………...68 Şekil 4.11 Sintilometre değeri için veri dağılımı Normal QQPlot grafiği……………...69 Şekil 4.12 Eğilim analizi 1 gösterimi…………………………………………………..70 Şekil 4.13 Eğilim analizi 2 gösterimi…………………………………………………..70 Şekil 4.14 Eğilim giderme polinomu seçimi…………………………………………...71 Şekil 4.15 Eğilim giderme işlemi………………………………………………………72 Şekil 4.16 Semivariogram Modeling diyagramı…………………………………….….73 Şekil 4.17 Covariance Modeling diyagramı………………………………………...….74 Şekil 4.18 Searching neighborhood diyagramı………………………………………....75 Şekil 4.19 Cross Validation diyagramı…………………………………………………75 Şekil 4. 20 Sintilometre değeri için nihai dağılım haritası……………………………..76 Şekil 4. 21 Cross Validation Comparison: Default ve Trend Removed karşılaştırması………………………………………………………………77 Şekil 4.22 S1 bölgesinden toplanan veri dağıtımı……………………………………...77 Şekil 4.23 S2 bölgesinden toplanan veri dağıtımı……………………………………...80 Şekil 4.24 S3 bölgesinden toplanan veri dağıtımı………………………………….…..82
ix
ÇİZELGELER DİZİNİ
Çizelge 3.1 Veri dağılımı enterpolasyon tekniklerine göre elde edilen sonuçlar……....51
Çizelge 4.1 S1 bölgesi için sintilometre ölçüm değerleri (cps) ve radyoaktif
elementlerinin jeokimyasal analiz sonuçları…………………………..…...58
Çizelge 4.2 S2 bölgesi için sintilometre ölçüm değerleri (cps) ve radyoaktif
elementlerinin jeokimyasal analiz sonuçları……………………………..…59
Çizelge 4.3 S3 bölgesi için sintilometre ölçüm değerleri (cps) ve radyoaktif
elementlerinin jeokimyasal analiz sonuçları…………………………..…...60
Çizelge 4.4 S1 bölgesi için veri dağılımı ve kirlenme haritaları………………….……78
Çizelge 4.5 S2 bölgesi için veri dağılımı ve kirlenme haritaları………………….……80
Çizelge 4.6 S3 bölgesi için veri dağılımı ve kirlenme haritaları………………….……83
Çizelge 4.7 S3 bölgesi için veri dağılımı ve kirlenme haritaları………………….……86
Çizelge 4.8 Sarıhacılı Yozgat S2 bölgesi için Geostatistical analiz sonuçları…….…...87
Çizelge 4.9 Sarıhacılı Yozgat S3 bölgesi için Geostatistical analiz sonuçları…….…...88
1
1. GİRİŞ
20.y.y.’ın ortalarından itibaren dünyanın sanayileşmiş ülkelerinde kendini gösteren
çevre sorunları günümüzde küresel bir sorun haline gelmiştir. Teknolojik gelişmeler
birçok imkânı insanlığın hizmetine sunarken diğer yandan da insanlığın ortak malı olan
çevrede telafisi mümkün olmayan problemleri doğurmuştur. Çevrenin denetim altında
tutulması, korunması, geliştirilmesi ve iyileştirilmesi konularında gösterilen çabaların
amacı; canlıların daha sağlıklı ve güvenli bir çevrede yaşamalarının sağlanmasıdır.
Bunu sağlayacak olan da şüphesiz insanın ta kendisidir. Buda insanın çevreyle uyumlu
ve yeterince çevre eğitimi almış olması ile mümkündür. Bunun yanı sıra yaşamsal
öneme sahip hava, toprak ve su gibi temel çevre unsurlarının kirlenme durumlarının
modern teknolojilerle ve tekniklerle sürekli denetim altında tutulması ve gerekli
önlemlerin alınması, müdahalelerde bulunulması büyük önem arz etmektedir. Bu
çerçevede işbu tez çalışması ile bu konuya katkı sağlamak amaçlanmıştır.
Çevre bilimi açısından kirlenme, çeşitli insan etkileri yoluyla çevresel döngülerin
bozulması ve bu bağlamda doğal çevre sistemlerinin, ortaya çıkan sorunları
kendiliğinden giderme yeteneğini yitirerek dengesinin bozulması olarak tanımlanabilir.
Diğer bir açıdan çevre kirlenmesi; toprak, su ve havanın fiziksel kimyasal ve biyolojik
özelliklerinde insan etkisiyle ortaya çıkan ve arzu edilmeyen değişmeler olarak, doğal
dengeyi bozan, fizyolojik, psikolojik etkiler yoluyla canlılar ve cansızlar üzerinde
olumsuz etkiler yaratan bir olgu olarak tanımlanır. Sanayileşme, hızlı nüfus artışı,
doğanın temel unsurları olan hava, su, toprak kirliliği ve buna bağlı olarak nesli tükenen
veya tehlike altında olan canlı türleri, küresel ısınma, iklim değişikliği, radyasyon
dünyamızın önemli çevre sorunlarını oluşturmaktadır. Çevre sorunları aniden ortaya
çıkmadı. Zaman içinde birikerek arttı. Hava, su, toprak kirlenmeye başladı; bitki ve
hayvan türleri hızla yok oldu; küresel ısınma, ozon tabakasının delinmesi gibi doğal
denge bozulmaları ortaya çıktı ve nihayet insan sağlığını tehdit eden, kitlesel ölümlere
neden olan çevre felâketleri yaşanmaya başlandı.
Yukarıda kısaca özetlenen çevre sorunları Türkiye içinde büyük ölçüde geçerlidir. Söz
konusu çevre felaketlerinin durdurulması ve çevrenin iyileştirilmesi için gerekli
2
önlemlerin alınması için çevrenin durumunu denetim altında tutmak gerekiyor. Bu
amaçla kirlenme riski yüksek olan arazilerden veri örnekleri toplayarak, laboratuar
ortamında gerekli analizleri yaparak kirlenmenin seviyesini ve kaynağını gösteren
haritalar oluşturmak gerekiyor. Oluşturulacak haritanın gerçeğe uygunluğu çok
önemlidir. Çünkü kirlenme kuşkusu taşıyan arazinin yapısı eşit aralıklarla veya
belirtilen birim alandan belirtilen sayıda örnek toplamak için müsait olmayabilir. Bu
durumda değişik interpolasyon (iç değerleme) teknikleri kullanılarak eldeki örnekleri
değerlendirerek elde olmayan örneklerin değerlerini (sanal örnekleri) oluşturulmak
gerekiyor. Sanal örneklerin gerçeğe uygunluğu kullanılan interpolasyon tekniklerine
göre değişmektedir.
Dünyada benzer çalışmalar sürekli yapılmaktadır. Örneğin McGrath vd. (2004),
çalışmasında çok değişkenli analiz ve CBS (Coğrafi Bilgi sistemi) kullanılarak
İrlanda’daki Galway bölgesi için kentsel arazini kirleten kaynaklar tespit edilmiş ve
haritaları oluşturulmuştur. Galway İrlanda’nın batısında bulunan küçük ama hızlı
gelişen turistik merkezdir. Bu şehrin çevresel durumunu değerlendirmek için 2004
senesinde parklardaki ve otlaklardaki her 0.25 kilometre kare alandan bir örnek olmak
üzere 0 ile 10 cm derinliklerden toplam 166 yüzey örnekleri toplanmıştır. Bütün
örneklerin ICP-AES yardımı ile 26 farklı kimyevi elemana göre analizi yapılmıştır.
Elemanları sınıflandırmak ve insanoğlunun faaliyetlerinden kaynaklanan elemanları
belirlemek için çok değişkenli istatistik ve CBS teknikleri uygulanmıştır. Küme analizi
ve prensip komponent analizi sayesinde elemanlar iki grupta sınıflandırmıştır: birinci
grup doğal kaynaklardan kaynaklanan elemanlar ve ikinci grup ise insanoğlunun
faaliyetlerinden kaynaklanan elemanlar. CBS haritalaması kirleticilerin gerçek
kaynağını belirlemek için kullanılan en güçlü araçtır. Şehir merkezinde, eski yerleşim
yerinde ve esas trafik yolları etrafında Cu, Pb ve Zn elemanlarının oldukça yüksek
konsantrasyonu bulunmuştur. Buda trafikten kaynaklanan kirliliğin etkisinin yüksek
olduğunu göstermektedir. Eski yerleşim mekanları topraklarının As elemanı ile zengin
olduğu tespit edilmiştir. Bunun sebebinin evleri ısıtmak için kullanılan kömür ve
bataklık kömürü olduğu anlaşılmıştır. Kentsel topraklarla gösterilen kirlenmenin
kaynaklarını gösteren bu tip anlamlı haritalar şehrin kirlenmiş arazilerinde yaşayan
3
sakinlerin sağlığına verebileceği potansiyel tehdidi anlamak açısından da önemli
vasıtadır.
Bu tez çalışmanda yukarıda kısa özeti verilen McGrath vd. (2004), makalesinde
belirtilen çalışmalara benzer çalışma yapılmıştır. Bu kapsamda tezin asıl amacı değişik
interpolasyon tekniklerinin önerileceği, önerilen tekniklerden en verimlisinin seçileceği,
CBS araçları yardımıyla arazilerden toplanan verilerin analizini yaparak ve sonuçlarını
değerlendirerek çevre kirlenmelerinin gerçek durumunu ortaya çıkarabileceği ve
kirlenmenin kaynağını saptayabileceği metodoloji geliştirmek ve uygulamaktır.
Geostatistik analizler CBS yazılımları ile coğrafi, jeolojik ve arazi kullanımının bölgesel
veritabanları ile karşılaştırmak için bölgesel dağılım haritaları oluşturmakta
kullanılmaktadır (Facchinelli vd. 2001). CBS haritalama teknikleri olası kirletici
kaynaklarını tespit etmek için kullanılan en güçlü araçtır (Zhang 2005). CBS haritaları
tehlikeleri değerlendirmek ve karar verme desteği için çok faydalı bilgi sağlamaktadır
(McGrath vd. 2004).
Bu çalışmanın bilimsel sonuçları Yozgat ilinden toplanan veriler üzerinde
uygulanmıştır. Yozgat, İç Anadolu Bölgesinin Orta Kızılırmak Bölümü’nde Bozok
Platosu üzerinde yer almaktadır. Platolardan sonra, ilde en geniş alanı kaplayan yeryüzü
şekli dağlardır. İlin doğu ve kuzeydoğu kenarlarında yer alan dağlar, genellikle
yüksekliği fazla olmayan kıvrımlı sıradağlar ve aşınarak alçalmış tepeler biçimindedir.
Akdağlar ilin en önemli sıradağlarıdır. İldeki diğer bir sıradağlar da Deveci dağlarıdır.
Bu tezde GIS haritalama tekniği Sarıhacılı Yozgat bölgesinde jeolojik yapıdan
kaynakların çevre kirlenmesinin haritasını oluşturmak ve kirlenme kaynağını saptamak
için kullanılmıştır. Sarıhacılı köyü ve Yozgat çevresinden toplanan 78 adet kaya örneği
bazında Sintilometre (cps) değerlerini ve Fe, Na, Ca, Mg, K , Si , U ve Th gibi
radyoaktif elemanların oranlarını tespit etmek için yapılan kimyasal analizlerin ve GIS
haritaların sonuçları çevredeki kayaların etkisini açıkça göstermektedir.
Tezin 2. Bölümünde Dünyada ve Türkiye’ de konu ile ilgili mevcut durumu belirten
çalışmaların özetleri verilmektedir. Bölüm 3’de gerçeğe uygun kirlenme analizi yapmak
için metodoloji ve değişik interpolasyon teknikleri önerilmektedir. Bölüm 4’de elde
Silinmiş:
Silinmiş:
4
edilen bilimsel sonuçlar Sarıhacılı, Yozgat bölgesi için uygulanmaktadır. Bölüm 5’de
elde edilen sonuçları sıralanmakta ve kısa değerlendirme sunulmaktadır.
5
2. ÖNCEKİ ÇALIŞMALAR
Riso Ulusal Laboratuarı (1983) tarafından yapılan çalışma, Yozgat iline ilişkin tek
çalışmadır. Bu çalışma kapsamındaki alan operasyonu sırasında, 7500 km2 alanı
kaplamakta ve iki ayrı bölgede yaklaşık 6000 km hat geçilmiştir. Bu çalışma ayrıca
uranyum aramalarında hava kaynaklı gama ışını araştırmalarına destek vermektedir.
Araştırmamız Yozgat ilinde radyoaktif element dağılımını görselleştirmek amacına
ilişkin çalışmalar bulunmadığını göstermektedir. Bu sebeple bu çalışma ile bu boşluk
doldurulacaktır.
Flowerdew ve Green’in (1992) araştırmasında bölgesel ara değer hesabı üzerine yaptığı
araştırma projesinin bir uzantısı ve gözden geçirilmesidir. Bir bölgenin farklı amaçlar
için farklı alanlara bölünmesi ve bir bölge için mevcut olan bir verinin farklı bir bölge
için (hedef alan) gerekli olması sonucu ortaya çıkan sorunlarla ilgilenmektedir.
Kullanılan metot EM algoritmaya dayanmaktadır. Şu ana kadar rapor edilmiş
çalışmanın çoğu, dağılımı bir Poisson varsayımı kullanılarak modellenebilen toplam
veri ile ilgilidir. Bu araştırma öncelikli olarak normal olarak dağıtılmış verilerin
bölgesel ara değer hesabı ile ilgilidir. Bu tür veriler için bir metot geliştirilmiştir ve
Preston, Lancashire için ev fiyatı verilerine uygulanmaktadır. Yerel hükümet bölgeleri
için 1990daki ev fiyatlarının ortalamasından başlar ve posta kodu sektörleri için
ortalama ev fiyatlarını hesaplamaktadır.
Kelly ve diğerleri (1996) çalışmada, sanayi bölgesi olmayan ve yaklaşık 56 km’lik bir
yerleşim alanı olan Thames üzerindeki Londra kasabası Richmond’da ve bir sanayi
şehri olan 70 km’lik Batı Midlands’in üst yüzey topraklarında (0-15 cm) ağır metal
konsantrasyonları belirlemişlerdir. Toprak örnekleri km başına dört yoğunlukta ızgara
şeklinde alınmıştır ve 25 element için analiz Endüktif Kuplajlı Plazma Atomik Emisyon
Spektrometrisi (ICP-AES) ile yürütülmüştür. Verinin istatistiksel analizi ile beraber
kullanılan GIS-tabanlı haritalandırma teknikleri bu iki kentsel alandaki yüzey
topraklarının ağır metal içerikleri üzerinde alan-kullanımının etkisinin altını çizmiştir.
Thames üzerindeki Richmond’da Pb’nin en yüksek konsantrasyonları (> 1000 pg/g)
6
yoğun trafiği olan yolların büyük kavşaklarına yakın yerlerde ortaya çıkmaya
eğilimlidir. Yüksek seviyelerde Pb (yaklaşık 500 pg/g) ayrıca en eski evlerin (> 100
yıl) yer aldığı alanlarda da görülmektedir. Wolver Hampton’da en yüksek ağır metal
konsantrasyonları, özellikle Zn, genellikle şehrin doğusunda hem tarihi yerler hem de
mpdern sanayi aktivitelerinin olduğu alanlarda yer almaktadır.
Maiz ve diğerlerinin (1997) çalımasında topraklardaki metal fraksiyonların daha el
altında bulunanlarını belirlemek için kısa bir dizi ardışık prosedür sunulmaktadır. Bu
fraksiyonlar mobildir ve seferber edilebilir. Metot farklı antropojenik kirlilik
kaynaklarıdan etkilenmiş üç toprakla test edilmiştir : madencilik, çelik fabrikası ve
trafik emisyonları. Sonuçlar ile, bu topraklarda potansiyel bir metal mevcudiyeti düzeni
olduğu ileri sürülmüştür: Cd > Pd > Zn ~ Cu > Mn> Ni > Fe ~ Cr.
Schuhmacher ve diğerlerinin (1997) çalışmasının amacı, Montcada (Catalonia, İspanya)
içinde yer alan eski (20 yıldan fazla bir süredir çalışan) bir MSW çöp fırını
yakınlarındaki topraklardaki mevcut metal seviyelerini belirlemek ve bunun yanı sıra,
tesisin çevresinde yaşayan canlıların toprak yoluyla metal alınımı sonucu ortaya çıkan
sağlık riklerini değerlendirmekti. Sonuçların istatiksel anlamlılığı Kruskal-Wallis test
yada Mann-Whitney U test ile hesaplanmıştır. 0.05 veya daha az bir olasılık anlamlı
olarak belirlenmiştir. Ayrıca, doğrusal azalım analizi (Pearson’ın korelasyon katsayısı)
de uygulanmıştır. Bazı elementler (Be, Hg, Pb, Tl ve V) için topraklarda en yüksek
seviyeler kuzeydoğu yönüne denk düşmesine rağmen, gözlemlenen farklılıklar analiz
edilen hiçbir metal için istatistiksel olarak anlamlı değildi.
Sárközy (1999) ara değer hesabı veri üretimi aşamasında yada verilerin uzamsal analiz
için kullanıldığı dönemde ortaya konabildiğini ifade etmektedir. İkinci durumda, ara
değer hesabı bir GIS fonksiyonudur. Bu iki yeni metodun olasılıkları – dalgacık
dönüşümleri ve yapay sinir ağı (ANN) yaklaşımları da – tartışılmıştır. Model
geliştirmede ve ara değer hesabında yapay sinir ağları olasılıklarına özel bir artış
verilmiştir. Veri modeli ve ANN yaklaşımı arasındaki bağlantı incelenmiştir. ANN
7
içeriğinde ara değer hesabı, sınıflandırma ve GIS fonksiyonları arasındaki bağlantılar
açıklanmıştır.
Mielke ve diğerleri (2000) tarafından yapılan bu çalışmanın konusu antropojenik
metallerin kent topraklarının jeokimyasal kalitesi üzerindeki etkisidir. Bu inceleme,
metal içerikleri ve Missisipi Nehri Deltasında yeni tortulaşmış alüvyon ana maddeleri
ve civardaki bir kent çevresinden toplanmış alüvyonlu topraklar olan iki alüvyonlu
toprak örneği arasındaki ilişkileri karşılaştırarak yapılmıştır. Yeni alüvyon örnekleri
Bonnet Carr´e Spillway’den alınmıştır. Spillway örnekleri, doğal topraklar için
belirlenmiş tabana kıyasla daha az Pb ve Zn içermeye eğilimlidir. Mn ve V dışında,
Spillway alüvyonu, kent topraklarına gore belirgin olarak daha az metal içermektedir.
Li ve diğerleri (2001) tarafından yapılan araştırmada topraklardaki ağır metaller
kirliliğinin şu anki durumunu incelemek amacıyla Hong Kong’un şehir içindeki
parklarında kapsamlı bir toprak araştırması yürütülmüştür. Eski kentsel bölgeler, sanayi
bölgeleri ve bölgenin yeni yerleşim yerlerinde 60’dan fazla parktan ve halka açık
alandan toprak örnekleri ve ilişkili sokak tozları toplanmıştır. Sonuçlar Hong Kong’daki
şehir topraklarının artmış konsantrasyonlarda Cd, Cu, Pb ve Zn içerdiğini
göstermektedir. Yüksek metal konsantrasyonları olan parklar eski kentsel ticaret
bölgelerinde ve endüstriyel alanlarda yer almaktadır ve bu durum bu topraklardaki en
önemli kirlilik kaynağının trafik emisyonları ve endüstriyel aktiviteler olduğunu
göstermektedir.
Tijhuis ve diğerleri (2001) çalışmasında, Oslo kenti, farklı türlerde volkanik ve tortul
kayaçlardan oluşan Permiyen bir uçurum havzası Oslo-graben’in merkezinde yer
almaktadır. 1998 yazında, yaklaşık 300 yüzey toprak örneği (2–3 cm), 1 km’de 2 olmak
üzere sistematik olarak alınmıştır. İncelenen alan yaklaşık 500 km2’yi kaplamaktadır.
Örnekler 7M HNO3’de çözünmüş ve ICP-AES, soğuk buhar tekniğiyle civa (CV-AAS)
ve arsenik ve kadmiyum grafit ocakları (GF-AAS) ile 29 element için analiz edilmiştir.
Birbiriyle ilişkili bir dizi değişkenin arasındaki ilişkileri tanımlamak amacıyla bir faktör
analizi sıklıkla kullanılmaktadır. Elementler arasındaki kovaryant / eşdeğişken ilişkileri
tanımlamak için bir faktör analizi tamamlanmıştır. İlk faktör Sc, Fe, Li, Co, Al, Cr, Be,
8
K, Ni, V, Mg, Y, Ba, Zr, Mn ve As elementlerini içermektedir (azalan oransal
değişmeye gore listelenmiştir). Bu elementler bölgedeki mineraller için tipiktir ve bu
elementlerin çoğu normale yakın bir dağılıma sahiptir. Bu faktörün kaynakları
muhtemelen jeolojiktir. İkinci faktör Cd, Hg, P, Zn, Cu, Ba ve Pb içermektedir. Log-
normal bir dağılımları vardır. Yol trafiği muhtemelen bu faktöre katkıda bulunan
kaynaklardan biridir. Norveç’te kış mevsiminde çivili lastikler sıklıkla kullanılmaktadır
ve bu büyük miktarlarda yol tozuna sebep olmaktadır. Kurşunlu benzin Pb için önemli
bir kaynak olmuştur ancak artık kullanılmamaktadır. Lastiklerin ve frenlerin yıpranması
ve aşınması da bu faktöre katkıda bulunmaktadır. Bu faktöre katkıda bulunan diğer
kaynaklar ise muhtemelen sanayi, çöp yakma, ölü yakma ve bu elementlerden
bazılarının ateş yoluyla yapısal materyalden serbest bırakılmasıdır. İkinci faktördeki
elementlerin konsantrasyonu Oslo’nun merkez kısımlarında diğer bölgelere kıyasla çok
daha yüksektir. Merkezdeki Hg ortalama değeri 0.48 mg kg−1’dir ki bu değer şehrin
geri kalanındakinden 8 kat daha yüksektir. Ayrıca, diğer elementler merkezde daha
yüksek seviyelere sahiptir. Sanayi bölgesi olan merkezin kuzeydoğu bölgesi de yüksek
değerler göstermektedir. Arsenik dağılımı bütün şehir genelinde düzenlidir ancak
merkezde biraz daha yüksek bir seviyeye sahiptir.
Çelik (2001) tarafından yapılan bu çalışmanın amacı Yerköy yakınlarındaki arazi için
yüzey ve yeraltı sularına ilişkin kirlilik parametrelerini incelemek ve bunlar arasında bir
etkileşim kurmaktı. Saha ve laboratuvar gözlemlerine dayanarak, Delice Nehrinin
suyunun sulama ve ev içi kullanım için uygun olduğu saptanmış, buna karşın sığ yeraltı
tabakasındaki suyun son derece tuzlu olduğu görülmüş ve yerel litolojik birimler
tarafından kirletilmiş olduğu düşünülmüştür. Alüvyon aküfer ile Delice Nehri arasında
aktif yeraltı suyu sirkülasyonu ve dilüsyonu gözlenmiştir. Bu bölgedeki yeraltı suyunun
kısa bir süredir orada bulunması sebebiyle, hidrojeokimyasal konsantrasyon ve
tuzluluğun düşük olduğu belirlenmiştir. Alüvyon aküferinin diğer kısımları daha yüksek
çözünür iyonlar içermektedir.
Adams (2001) araştırmasında, sıfır eğrilerinin yumuşak ara değer hesabını anlamak için
gereken metematiği belirtmekte ve iki faydalı yöntem tanımlamaktadır: devamlı olarak
birleştirilen sıfır eğrilerinin en yumuşak şekilde ara değer hesabını garantileyen kübük-
9
spline ara değer hesabı ve devamlı olarak birleştirilen ani vadeli kurların en yumuşak
şekilde ara değer hesabını garantileyejn yumuşak vadeli kur ara değer hesabı.
Karakelle ve diğerlerinin (2002) çalışmasında Kocaeli bölgesinden (Batı Anadolu
Türkiye) 1998 yazında yüzey toprak örnekleri (0–15 cm) toplanmıştır. Örnekleme
alanları otobanlara ve endüstriyel aktivite bölgelerine yakın kentsel bölgeleri
içermektedir. Sayılan bütün numunelerin en üst analizleri IBM-AT kişisel bilgisayar
Canberra 35 plus ile Spectran-AT Software kullanılarak yapılmıştır. Sonuçlar farklı
ülkelerin topraklarındaki diğer radyoaktivite ölçümleri ile karşılaştırılmıştır. Veriler
normal dağılım göstermektedir ve radio nüklit konsantrasyonları diğer araştırmacılar
tarafından belirlenen tipik değer aralığı içindedir.
Mtetwa ve diğerlerinin (2003) bu araştırması coğrafi bilgi sistemi (GIS) tekniklerinin,
etkin karar alma için bir bilgi temeli oluşturmak amacıyla su toplama alanı veriminin
analizini yapmanın fizibilitesini belirlemektedir. Bu araştırmada, su toplama alanlarının
uzamsal ve zamansal dağılımları analiz edilmiştir. GIS paketleriyle ara değer hesabı
(Arc View Version 3.1 ve Arc View Uzamsal Analist) alanlardaki su toplama alanlarının
fiili ölçüm olmaksızın hesaplanmasını mümkün kılmıştır.
Kadıoğlu ve diğerlerinin (2003) çalışmasındaki, Tuz Gölü’nün (Türkiye) doğu
tarafındaki NW-eğilimli Agacoren Entrüsiv Takım (AIS) orta Anadolu kristal
kompleksinin batı kıyısı boyunca bulunan kıvrık bir volkan plütonik kompleksinin bir
parçasıdır (CACC). AIS, batı CACC’nin (şimdiki koordinat sisteminde bulunan) aktif
kenarında And-stili bir magmatic ark olarak evrimleşmiş Eski bir Kireçli volkan
plütonik kompleksinin bir parçası olarak yorumlanmaktadır. Bu tektonik model, zemini
magmatik arkın altında tüketilen büyük bir Tetyan deniz yolunun, mezozoik dönemin
çoğunda Taurit karbonat platformunu CACCden ayırdığını ifade etmektedir.
Oudwater ve Martin’in (2003) çalışmasında Tanzanyadaki iki köyde ve Uganda’daki iki
köyde yürütülen bir araştırma projesinin mevcut bulguları sunulmaktadır. Projenin
amacı Coğrafi Bilgi Sistemini (GIS) bir entegrasyon alanı olarak kullanarak, toprak ve
10
arazi kaynakları ile ilgili bilimsel ve yerel bilgiyi karşılaştırmak ve entegre etmek için
birtakım yöntemler geliştirmekti. Odak noktası, yerel topak bilgisini araştırırken
kullanılan yöntemler ve konular olmuştur.
McGrath ve diğerleri (2004) tarafından yapılan çalışma Silvermines, İrlanda’daki
maden bölgesindeki toprak kurşununun uzamsal dağılım ve zarar değerlendirmesi,
istatik, jeoistatik ve coğrafi bilgi sistemi (GIS) teknikleri kullanılarak incelenmiştir.
Pozitif eğrili dağılım ve olası Pb ve diğer ağır metallerin merkez dışı değerleri
gözlenmiştir. Pb konsantrasyonunun sıradan nokta kriging tahminleri
haritalandırılmıştır. Kriging standart sapmalar, ara değerli piksel değerlerinin standart
sapmaları olarak kabul edilmiştir ve Pb konsantrasyonunun olasılığını 1000 mg/kg bir
eşik değerden daha yüksek olarak ölçen ikinci bir harita üretilmiştir.
Viard ve diğerlerinin (2004) tarafından yürütülen çalışmanın amacı bir otobanın (A31,
Fransa) civarında trafiğin sebep olduğu kirliliği değerlendirmekti ve bu amaçla farklı
profillere ve trafik yoğunluğuna sahip iki bölgede birçok tamamlayıcı çalışma
yürütülmüştür. Yol civarındaki (1-320 m) birikintiler, yol kenarındaki topraklar ve
kendiliğinden yetişen bitkilerden (Graminaceae) toplanan örnekler içindeki çinko,
kurşun ve kadmiyum konsantrasyonları, atomik emme spektrofotometre ile ölçülmüş ve
bölgenin simgesi olan Helix salyangozlarının iç organlarında lekeler bulunmuştur.
Farklı alanlar için elde dilmiş sonuçlara göre otoban, 320 metreye kadar etrafındaki
çevre üzerinde kirlilik yaratmaktadır ancak maksimum kirlilik 5 ve 20 metre arasında
gözlenmiştir: otoban civarındaki birkilerde ölçülen konsantrasyonlar 2.1 mg Pb kg_1
DW, 0.06 mg Cd kg_1 DW, 62 mgZn kg_1 DW idi ve salyangozlarda ölçülen
konsantrasyonlar ise 21.3 mg Pb kg_1 DW, 5.7 mg Cd kg_1 DW, 510.8 mg Zn kg_1
DW. Ölçülen seviyeler otobandan uzaklaştıkça azalmıştır.
Luan ve Quang (2004) tarafından yapılan araştırmalar jeo-istatiksel yöntemin etkinliğini
kanıtlamıştır. Yüksek ölçüde güvenilir ve doğru sonuçlar vermesinin yanı sıra, jeo-
istatiksel yöntem ayrıca araştırma objelerinin uzamsal varyasyonlarının karakter ve
yapısını ve çalışma konusu içinde olan arazilerin izotropisi ve anizotropisini de
vermektedir, ki bunlar halen diğer yöntemler yoluyla tam olarak çözülememektedir.
11
Çocuklar ve ESRI eğitim Hizmetleri (2004) çalışmasında yükselme, ısı ve kirlenme
konsantrasyonları yüzeylerle temsil edilebilen türde verilerdir. Her bir raster/tarama
hücresi bir hücrenin sabit bit noktayla ilişkisi yada spesifik konsantrasyon seviyesi gibi
bir ölçmeyi temsil etmektedir. Rasterdeki her bir hücre için değer elde etmek tipik
olarak pek pratik olmadığndan, kesişen değerleri çıkarmak için ArcGIS Uzamsal
Analistindeki ara değer hesabı araçları yardımıyla örnek noktaları kullanılmaktadır. Bu
makale bu araçlar tarafından kullanılan ara değer hesabına bir giriş aktarmaktadır. GIS
tamamen uzamsal veri ve bu veriyi yönetme, toplama ve analiz etmek için kullanılan
araçlarla ilgilidir. ArcGIS Uzamsal Analist uzantısı, uzamsal veriyi modelleme ve analiz
etmek için kullanılan bir araç seti temin etmektedir. Bir alan genelinde gözlemlenen
verinin devamlılığı ve değişkenliğini görselleştirmek için, ara değer hesabı araçlarının
kullanımı yoluyla, arazi, nüfus ve çevredeki değişiklikleri temsil eden bir dizi örnek
nokta kullanılabilir. Bu değişiklikler coğrafi alan üzerinden tahmin edilebilir. Bu
değişimlerin morfolojisi ve karakteristik özellikleri tanımlanabilir. Örnek veriden
yüzeyler oluşturma becerisi ara değer hesabını hem güçlü hem de yararlı kılmaktadır.
Szepesvari ve Smart (2004) tarafından yapılan çalışmasında yerel fonksiyon yaklaştırma
yöntemleri ile birleşmiş, beklenen indirimli total maliyet kriterleri altında devamlılığı
olan alanlardaki bir Q-öğrenme değişkeni düşünmektedirler. Fonksiyon yaklaştırıcısının
belirli ara değer hesabı özelliklerini tatmin etmesi durumunda, sonuç olarak çıkan
algoritmanın olasılık bir ile bir noktada birleştiği gösterilmektedir.
Naoum ve Tsanis (2004) makalesinde, yağış miktarının uzamsal değişkenliğini
incelemek için uygun olacak ara değer hesabı tekniğini seçmek için, bir GIS-bazlı Karar
Destek Sistemi (DSS) geliştirmiştir. DSS, uzamsal analiz kapasitelerini, programlama
dili “AVENUE”, ve basit istatiksel metotları birleştirerek ArcView GIS platformunu
kullanmıştır. Sistem bir dizi modüllerden oluşmaktadır ve diğer hidrolojik
parametrelerin uzamsal çalışmalarında uygulanabilir. İsviçre’den alınan bir emsal dava
sistemin uygulanabilirliğini göstermek için kullanılmıştır. Bu, hidrolojik modellere daha
iyi girdi sağlanmasına yardımcı olabilmektedir.
Silinmiş: D.
12
Akçe ve Kadıoğlu (2005) tarafından yapılan bu çalışma, orta Anadolunun kuzey
bölgesine bakan Yozgat Batoliti için yapılmıştır ve Orta Anadolunun en büyük felsik
plütonik yapısını temsil etmektedir. Araştırma sahası esas olarak granitik ve gabroik
kaya birimleri ile temsil edilmektedir. Mikroskopik çalışmalar granitik kayaların bütün
alt-birimlerinin esasen farklı özelliklere sahip kuartz, K-feldispat, mika ve granat /
garnet minerallerinden oluştuğunu göstermektedir. Bütün-kaya jeokimyası, granit kaya
birimlerinin doğada alt-alkalin magmatik kayalar ve kalkalkalin olduğunu
göstermektedir. Granit kayalar için yapılan tektonik ayrım diyagramları, Yozgat
Batolitinin kuzey kısmındaki granitin sin-kolizyon graniti dahilinde olduğunu ve
granitin bütün alt-birimlerinin ORG-normalleştirilmiş elementsel şekillerinin, HFS
elementleri bakımından LIL içinde zenginleşme ile karakterize edilen benzer şekillere
sahip olduklarını önermektedir.
Kadıoğlu ve diğerlerinin (2005) çalışmasında, Orta Anadoludaki Eski Kireçli kalk-
alkaliden alkalin plütonlarına tüm kristal kompleksleri metamorfik ve ofiyolitik
kayalara entrüsivdir (sokulumludur) ve doğu Akdeniz bölgesinin geç mezozoik
evriminde büyük bir magmatik eğilimi işaret etmektedir. Benzer mineral ve kimyasal
bileşimleri olan Plütonik kayaları gruplandırılmış ve granit, monzonit ve siyenit super
takımlar arasında genetik ilişkiler çıkartılmıştır. Granitik plütonlar esas olarak orta
Anadolunun kristal kompleksinin batı kıyısı boyunca ortaya çıkmaktadır. Buna karşın,
siyenit plütonlar iç kısımda ortaya çıkan daha küçük yapılar oluşturmaktadır.
XIE ve diğerlerinin (2005) tarafından yürütülen çalışmasında, Almanya’nın
güneybatısında bir federal eyelet olan Baden-W¨urttemberg’daki akarsu kimyası, arazi
kullanımı ve jeoloji arasındaki ilişkileri analiz etmek ve tanımlamak amacıyla
yürütülmüştür. Faktör analizi (faktör skoru) sonuçlarına dayandırılan akarsu kimyası bir
Coğrafi Bilgi Sistemi (ArcView) kullanılarak bölgelendirilmiştir. Yüksek
konsantrasyonlarda Ca, Mg ve sülfat genellikle akarsu ile karbonat ve buharlaşma ile
oluşan kayaların (Muschelkalk, Lettenkeuper, Gipskeuper, Upper Keuper) etkileşimi
sebebiyle oluşmuş olmasına karşın, kristalli anakayalar olan dağlık arazilerde nehirler
düşük minerallidir. Akarsulardaki artmış NaCl içerikleri antropojenik maddelerden (yol
tuzu) ziyade daha çok jeojenik kaynaklarla (Lias, Dogger, Gipskeuper) ilişkilidir. Kara
Silinmiş:
13
Orman’da yüksek çözünük organik karbon içerikleri genellikle çalılık arazilerin
oluşumuna bağlanmaktadır.
Aksoy ve diğerleri (2005) tarafından yürütülen çalışmada, Sultan Bataklığı 426 kuş
türünü barındıran maden tuzu ve tatlı su ekosistemlerini öldürmektedir. Kanalizasyon
pisliği ve tarımsal gübre bitkileri civarındaki bölgeler kirlilik sebebiyle yüksek oranda
zarar görmektedirler. bunlar gibi, su, çöküntü ve bitkilerin ağır metal statüsü üzerindeki
çalışmalar da incelenmiştir. Bataklığın 13 farklı bölgesinden kamış, düğün çiçeği
bitkileri ve çöküntü örnekleri alınmıştır. Çalışma sahası havzasındaki tüm örnekleme
bölgeleri, kontrol sahaları ile karşılaştırıldığında genellikle oldukça kirlenmişti.
Bitkilerin köklerindeki Cr konsantrasyonları çöküntüdekinden daha yüksekti. Kamış
dokularında ağır metaller düğün çiçeğine kıyasla daha fazla toplanmıştı.
Gaylord’un (2005) çalışmasında potasyum içeren bir solusyon için ölçülen beta
aktivitesinin, özellikle de CES gaz sayacı K-40 ile spesifik olarak ayarlanmadığı için,
tam olarak öngörüldüğü gibi olup olmadığını belirlemek amacıyla bir deney
yürütülmüştür ve iki radyoanalitik metottan (gamma spektrokopi ve gaz orantısal
sayımı) bir dizi potasyum konsantrasyonları boyunca hesaplanmış aktivitelere kadar
elde edilen ölçülmüş aktiviteleri karşılaştırmak amaçlanmıştır. Potasyum Klorürürün
%5’te 10000 (+ 30) microgram/mL K içeren bir NIST-izlenilebilir solusyonu
kullanılarak, ticari bir firmadan nitrik asit elde edilmiştir (Ultra Bilimsel, Kingstown,
RI). Ölçülmüş sonuçların 500-10000 konsantrasyon aralığında teorik K-40 aktivitesi ile
uyumlu olduğu görülebilmektedir.
Ball ve Bolotnikov (2005) çalışmasında araziyle ilgili bir tür von Neumann eşitsizliğini
tatmin eden Cn deki genel araziler sınıfı üzerinden tanımlanan, operatör değerli
fonksiyonlar için, çift teğetsel bir ara değer hesabı problemi üzerinde durmuşlardır. Bu
tür fonksiyonlar için birimsel biraraya getirme anlamında gerçekleştirme sonuçları ve
arazi için çok terimli tanımı kullanılarak, problemin çözümü olması için gerekli ve
yeterli koşullar son dönemde Ambrozie ve Eschmeier (önbaskı, 2002), ve Ball ve
Bolotnikov 2004 çalışmalarında sağlanmıştır. Bu araştırmada, sınıf konusundan hiçbir
Silinmiş: KSOY
Silinmiş: 5
Silinmiş: A.
Silinmiş: ,
Silinmiş: ¶
14
ara değer hesabı olmayan durumlara kadar uzanan serbest bir parametre fonksiyonu
üzerinde hareket eden Redheffer doğrusal kesirli dönüşüm açısından, bütün çözüm
kümelerinin parametrizasyonunu sunulmaktadır. Sonlu boyutlu bir durumda,
fonksiyonlar matriks değerliyken, doğrusal fraksiyonel dönüşümün matriksi bariz olarak
ara değer hesabı verisi açısından verilmektedir.
Hast (2005) bu araştırmanın amacı, dördeylerin doğrusal ara değer hesabının gerçek
Phong gölgeleme için ve ayrıca tümsek haritalandırma benzeri çerçeveler ve eşyönsüz
gölgeleme kullanan ilişkili teknikler için kullanılabileceğini göstermektir. Bu yaklaşımı
kullanmanın etkisi normalleşme sürecindeki kare kökün yok olmasıdır. Dördeylerin
doğrusal ara değer hesabının tümsek haritalandırma için de yararlı olabileceği
gösterilecektir. Ancak, dördey aritmetik işlemler modern grafik donanımlarında
uygulanmamaktadır ve bu sebeple bu yapılana kadar yararlı olmayacaktır.
Lee ve diğerleri (2006) tarafından yapılan çalışmada, dünyanın birçok yerinde kesintisiz
devam eden kentleşme ve sanayileşme sebebiyle metaller sürekli olarak toprağa
aktarılmakta ve insan sağlığı için büyük bir tehlike oluşturmaktadır. Yüksek ölçüde
kentleşmiş ve ticari bölge olmuş Hong Kong Adası bölgesinde (80.3 km2), şehir
alanında km2 başına beş toprak örneği ve banliyö ve şehir dışı park alanlarından ise
km2 başına iki örnek alınan (0-15 cm) sistematik bir örnekleme stratejisi kullanılarak
geniş kapsamlı bir araştırma yürütülmüştür. Analitik sonuçlar kent ve banliyö
alanlarındaki yüzey topraklarının Cu, Pb, ve Zn gibi metallerle zenginleştirilmiş
olduğunu göstermiştir. Kent topraklarındaki Pb konsantrasyonunun Hollanda hedef
değerini aştığı belirlenmiştir. Ana bileşen analizi (PCA) ve küme analizi (CA)
kullanılarak yapılan istatiksel analizler, şehirdeki, banliyödeki ve şehir dışı park
topraklarındaki eser metaller ve major elementler (Al, Ca, Fe, Mg, Mn) arasında önemli
ölçüde farklı ilişkiler göstermiştir.
15
Liu ve diğerlerinin (2006) çalışmasında HJH’de (Hangzhoue Jiaxinge Huzhou) yüzey
toprağından dört yüz elli toprak örneği seçilmiştir. HJH her zaman Çin’deki Zhejiang
şehrindeki en önemli pirinç üretim alanlarından biri olmuştur. Cu, Zn, Pb, Cr ve Cd
uzamsal değişkenliklerini nitelemek için uygundur. Ağır metallerin uzamsal şekillerini
haritalandırmak için sıradan kriging ve lognormal kriging uygulanmış ve rehber
değerlerinden daha yüksek olan ağır metal konsantrasyonlarının olasılık miktarını
belirlemek için ayırıcı kriging kullanılmıştır. Cu, Zn ve Cr için örnekleme yoğunluğunu
en aza indirmak için Cokriging metodu kullanılmıştır. Bu çalışmanın sonuçları çevresel
kirlilik risk değerlendirmesine ve tarım için karar alma sürecine ışık tutabilmektedir.
Zhang (2006) tarafından yapılan çalışmada Galway batı İrlanda’da küçük ama hızla
büyüyen bir turizm şehridir. Bölgenin çevresel kalitesini değerlendirmek amacıyla,
2004 yılının sonunda parklar veyeşil alanlardan 0.25 km2 başına 1 örnek yoğunlukta
toplam 166 yüzey toprak örneği toplanmıştır (0e10 cm derinlikten). Bütün örnekler 26
kimyasal elementin yaklaşık-total konsantrasyonları için ICP-AES kullanılarak analiz
edilmiştir. Elementleri sınıflandırmak ve insan aktivitelerinden etkilenen elementleri
tanımlamak için çok değişkenli istatistikler ve GIS teknikleri uygulanmıştır. Şehir
merkezinde, eski yerleşim alanlarında ve büyük trafik güzergahlarında nispeten yüksek
Cu, Pb ve Zn konsantrasyonları bulunmuştur ve bu trafşk kirliliğinin belirgin etkilerini
ortaya koymaktadır.
Demirezen ve Aksoy (2006) tarafından yapılan çalışmada, Sultan Bataklığında demir ve
manganez konsantrasyonları, su ve kamış, hasırotu, susümbülü, düğün çiçeği ve
Groenlandia densa ölçülmüştür. Su, taban çöküntüleri ve bitki örnekleri çalışma sahası
havzasındaki tüm örnekleme bölgelerinin kontrol bölgelerine kıyasla genellikle oldukça
kirlenmiş olduğunu göstermiştir. P.pektinatus (taraklı) dokularının G.densadan daha
fazla ağır metal topladığı bulunmuştur. Bu sebeple, bütün bitkiler çevresel baskıları
belirlerken biyolojik gösterge olarak kullanılabilir, ancak kamışın bu tür çalışmalar için
daha uygun olduğu ispatlanmıştır
16
Dubrovsky ve diğerleri (2006) tarafından yapılan çalışmada ölçülmemiş istasyon için
jeneratör ayarlamak amacıyla çevredeki istasyonlardan olan WG parametrelerinin ara
değer hesabını kullanmışlardır. Seçilmiş WG parametreleri GIS (ArcView), sinir ağı ve
en-yakın-komşular- bazlı ara değer hesabı teknikleri kullanılarak ara değer hesaplaması
yapılmıştır. Testler Çek’teki 125 istasyondan alınan gözlemsel verilere dayanmaktadır.
Skordas’ın araştırmasında (2007) Larissa (Yunanistan) bölgesindeki Amynos nehri
hidrolojik tabanının toprağındaki As ve Sb elementlerinin konsantrasyonu ve uzamsal
dağılımı incelenmiştir. Bu araştırmanın esas amacı anormal konsantrasyonlara sahip
alanları tespit etmek ve gelecekteki potansiyel bir çevresel restorasyon için yukarıda
bahsedilen elementlerin uzamsal dağılımlarını belirlemek olmuştur, çünkü bu bölgede
elma ağaçları yetiştirilmektedir. Sonuç olarak, her iki elementin de konsantrasyon
değerlerinin ortalamasının dünya topraklarının ortalama değerlerinden daha yüksek
olduğu belirlenmiştir.
Yalcin ve diğerlerinin (2007) çalışmasında Sultan Bataklığı (Türkiye) Orta Doğu ve
Avrupa’daki en geniş ıslak alanlardan biridir. Bu çalışmanın amacı ağır metallerin
ortalama konsantrasyonlarını, elde edilen değerlerin geniş bir skalada varyasyonlarını,
kirliliğin jeojenik ve antropojenik kaynaklarını ve kirliliğin Sultan Bataklığı
çevresindeki etkilerini belirlemekti. Istatiksel analizler için temel ve çok değişkenli
istatistikler kullanılmıştır. Kirletici maddelerin olası kaynaklarını belirlemek konusunda
oldukça kuvvetli bir araç olan GIS haritalandırması, elementleri sınıflandırmak ve
tanımlamak için kullanılmıştır. Sultan Bataklığında, etrafındaki kayalarda (jeojenik
kaynaklar), Fe ve Pb/Zn madenlerinde, endüstriyel tesislerde, yerleşim yerleri ve tarım
alanlarında ve büyük trafik rotalarında, Fe, Pb, Zn, Sb, W, Mo, Co, Cu, Hg, Ni, Cr, Mn
ve Cd elementlerinin nispeten yüksek konsantrasyonları bulunmuştur.
Bozkurt ve diğerlerinin (2007) çalışmasında Türkiye ili Şanlıurfa’nın güneydoğu
bölgesi sınırları içindeki Harran Ovası’nın çevresel radyoaktivite seviyelerini
değerlendirmeyi amaçlamaktadır. Bu bölge Türkiye’nin en büyük sulama ve gelişme
projesinin (Güneydoğu Anadolu Projesi, GAP) merkezinde olmasının yanı sıra, tarihi
17
yerleriyle de ünlüdür. Harici gama dozu oranları çalışma alanının seçilmiş noktalarında
plastik bir sintilatör kullanılarak ölçülmüştür. Gama dozu oranı ölçümleri bir doz oran
metresi kullanılarak yapılmıştır (SPA-6 model plastik sintilatöre bağlı bir Eberline
smart portatif alet, ESP-2). Çalışma alanından toplanmış olan toprak örneklerindeki
aktivite konsantrasyonları doğal radyonüklitler için olan gama spektrometrisi ile
belirlenmiştir. Bölgeden toplanmış olan su örneklerindeki brüt alfa ve beta aktiviteleri
düşük-seviye bir gama spektrometri aleti kullanılarak ölçülmüştür. Elde edilen sonuçlar
çalışma alanının doğal sınırlar içinde kalan bir eski radyasyon seviyesine sahip
olduğunu ve ülkenin diğer bölgelerinden önemli bir değişiklik göstermediğini ortaya
koymaktadır.
Bozkurt ve diğerleri (2007) tarafından yapılan bir diğer çalışmada Şanlıurfa
bölgesindeki (Güneydoğu Türkiye) geçmiş radyasyon seviyesi çeşitli radyoaktivite
ölçümleri kullanarak değerlendirilmiştir. Bu çalışma kapsamında, havadaki harici gama
radyasyon ölçümleri plastik bir sintilatör kullanılarak yapılmıştır. Benzer ölçümler su
için de Karahan ve diğerleri (2007) tarafından belirlenen rutin bir prosedüre göre
yapılmıştır. Son olarak, Karahan ve Bayülken (2000) tarafından belirlenen prosedüre
dayandırılarak, ölçülmüş radyoaktif elementler konsantrasyonları kullanılarak, gama
seviyesinin toprakta bulunan bileşeni hesaplanmıştır. Türkiye’deki diğer bölgeler için
mevcut olan veri ile karşılaştırıldığında, bu çalışmada elde edilen harici gama dozları ve
toprak radyoaktivite konsantrasyonları, doğal sınırlar içinde kalan bir radyasyon
seviyesi göstermektedir. Diğer yandan, içme suyundaki ölçülmüş brüt alfa ve beta
aktiviteleri nispeten daha yüksektir.
Narin ve diğerlerinin (2007) çalışmasında, Türkiye’deki Gümüşler deresinden alınan
örneklerdeki ağır metal içerikleri incelenmiş ve metal kirliliğinin özellikleri
araştırılmıştır. Gümüşler deresi boyunca uzunluğu 13 km olan 30 istasyonda, nehir
yatağının daha alçak kısımlarından örnekler alınmıştır ve bunların ağır metal içerikleri
XRF Spektrometresi ile analiz edilmiştir. Kimyasal analizin sonuçları, toprak limit
değerleri ve clark değerlerinin aşıldığını göstermektedir. Deredeki ağır metal
toplanmasının işletilmeyen Sb-Hg-W ve Fe taş ocaklarından kaynaklandığına
inanılmaktadır.
18
Küçükönder and Karabulut (2007) çalışmasında atık depolama alanı yer seçiminde göz
önünde bulundurulan parametreleri; çevresel, teknik ve sosyal faktörler olarak ana
baslıklar altında sıralayabiliriz. Henüz düzenli bir depolama alanı bulunmayan fakat
yakın süreç içerisinde faaliyete geçmesi için Kahramanmaras Belediyesi ve digger
kurumlar tarafından çalısmaları yapılan Kahramanmaras sehri ve yakın çevresi çalısma
alanı olarak seçilmistir. Düzenli katı atık depolama alanı yer seçimi için toplanan veriler
CBS ortamında çok kriterli analiz yöntemiyle degerlendirilmistir. CBS ortamında çoklu
kriter metodu kullanılarak hazırlanan 11 veri katmanı Agırlıklı Dogrusal Kombinasyon
yöntemiyle analiz edilmistir. Analizlerin sonuçlarına dayalı olarak alternatif çöp
depolama alanları yer seçimi yapılmıstır.
Şahin ve Cavas (2008) tarafından yapılan çalışmada, Kütahyadaki (Türkiyenin merkezi)
20 lokasyondaki yüzey topraklarının doğal radyoaktivitesi ölçümleri gama ışın
spektroskopisi hesaplanan yıllık etkin dozlar kullanılarak yapılmıştır. Bu çalışmanın
sonuçları Kütahya’dan alınan toprak numunelerindeki radyoaktif elementlerin aktivite
konsantrasyonlarının, topraklar için dünya çapında belirlenen ortalama değerler içinde
olduklarını göstermektedir.
Çelik ve diğerlerinin (2008) tarafından yapılan çalışmada, toprak numuneleri içindeki
radon araştırması ve gamma aktivitesi ölçümleri Giresun bölgesinde (Kuzeydoğu
Türkiye) yürütülmüştür. Uyuşmazlık analizi sonucu, topraktaki dahili radon ile radium
içeriği arasında bir ilişki olduğunu göstermiştir. Bu analizin sonucunu görselleştirmek
için, topraktaki radon konsantrasyonun ve radyum aktivitesinin ara değerler eklenmiş
haritaları ArcView GIS ile oluşturulmuştur.
Degerliel ve diğerlerinin (2008) bir çalışmasında, Adana bölgesi (Güney Türkiye)
civarındaki toprak örnekleri için radyoaktivite konsantrasyonları ve doz değerlendirmesi
yapılmıştır. Yüzey topraklarındaki doğal radyonüklit konsantrasyonları HPGe
dedektörü ile beraber gamma ışın spektrometrisi kullanılarak belirlenmiştir.
19
Psichoudaki ve Papaefthymiou’nun (2008) çalışmasında doğal radyonüklitler 238U,
226Ra, 232Th ve 40K’nın belirli aktiviteleri, linyit yakılan enerji santraline yakın
Ptolemais şehrinden toplanan yüzey toprak örneklerinde g-ışın spektrometre
kullanılarak ölçülmüştür. Sonuç, tipik dünya ve Yunan toprak değerleri aralığı içinde
kalmaktadır. Dahili radon konsantrasyon seviyeleri, SSNTD kullanılarak 66 konutta da
ölçülmüştür. Bu değer, dahili radon konsantrasyonları için dünya ve Yunan ortalama
değerlerine yakındır. Yerüstü kaynaklı harici dış mekan radyasyon yayılımına ve kısa
ömürlü 222Rn ürünlerinden kaynaklanan iç mekan dahili radyasyon yayılımına bağlı
total etkin doz, yetişkinler için 1.2 mSv y_1 olarak hesaplanmıştır ve bu doğal
kaynaklara bağlı global etkin doz olan 2.4 mSv y_1’dan daha düşüktür.
Dellantonio ve diğerleri (2008) tarafından yürütülen çalışmada Kömür yakımı
kalıntılarının (CCR) boşaltımı, batı Balkan bölgesinde belirgin bir arazi tüketimi ile
sonuçlanmıştır. Tuzla’da (Bosna Hersek), daha önceden toprak örtülü (işlenmiş) ve
kurak CCR atık gömme arazileri, idari çalışmalar, CCR’nin arazi yaşlandırması ve az
rastlanan elementlerin mahsüle, yabani bitkilere ve tatlı suya transferini de içeren
çalışmlar yapılmıştır. Toprak işleme, yüzey toprağının CCR ile karışması ile
sonuçlanmıştır. Kaba yonca çok düşük bir Cu:Mo oranı göstermiştir (1.25) ve bu geviş
getiren hayvanlarda hipokuprosise sebep olabilmektedir.
Hosseini (2008) çalışmada verilen bir radyoaktivite salınımı sonrası çevre için riski
değerlendirme sürecinin, çevresel maddeler ve referans organizmalardaki aktivite
konsantrasyonlarının miktarının belirlenmesini gerektirdiği belirtilmektedir. ERICA
Entegre Yaklaşımı tarafından benimsenen metodoloji, suyla ilgili sistemler için
konsantrasyon oranlarının (CR değerleri) ve dağılım katsayılarının (Kd değerleri)
uygulanmasını içermektedir. Bu çalışma kapsamında, belgeleme sürecinde şeffaflık ve
izlenilebilirlik sağlayabilmek amacıyla, kusurlu transfer parametrelerini çıkarmak için
uygulanan ERICATool veritabanı içinde düzenlenmiş metodolojiler tanımlanmıştır.
Tatlı su sistemi için, bir araştırmaya dayalı değerlerin sayısı daha azdı ancak yine de
toplam 372 değerden 129’unu teşkil etmekteydi.
20
Becegato ve diğerlerinin (2008) çalışmasında radyonüklit konsantrasyonlarının (K, eU
ve eTh) uzamsal dağılımını karakterize etmek amacıyla zirai topraklar ve ayrıca fosfatik
gübre ve zirai alçıtaşı örnekleri için Gama spektrometrik ölçümler elde edilmiştir.
Çalışma sahalarında, üç tip toprak görülmüştür: Ötrofik Kırmızı Nitosol (Alfisol
toprak), Killi yapıda Ötroferik Kırmızı Latosol (Oxisoil) ve orta yapıda Distrofik
Kırmızı Latosol (Oxisoil). Sonuçlar daha killi topraklarda, kumlu topraklara kıyasla
radyonüklit konsantrasyonlarının daha yüksek olduğunu göstermektedir. Bu esas olarak
killi toprağın daha fazla emme kapasitesi olması sonucudur. İnsan aktivitelerinin yoğun
olduğu alanlar için, ortalama K, eU ve Th içerikleri hiç gübre kullanılmayan alanlara
kıyasla belirgin bir şekilde daha yüksekti.
Isufi ve diğerleri (2008) bu çalışmada haritaların DEM (Dijtal İndirgeme Modeli) bazlı
GIS ve bir yerdeki kuyudaki su seviyesinin yardımıyla oluşturulması yöntemi
gösterilmektedir. Bütün bu veriler elde edildiğinde, ara değer hesabı yöntemiyle yer altı
suyunun haritası oluşturulmakta ve bu harita yeni sondajların daha doğru ve başarılı bir
şekilde yapılmasına yardımcı olmaktadır.
Uygunol and Durduran (2008) yaptığı çalışmada son zamanlarda bölgesel bazda
elektromanyetik kirliliği belirlemek ve ciddi bir problemin olduğu bölgelerde bu
kirliliği uygun bir yöntemle kontrol altına almak amacıyla elektromanyetik kirlilik
haritaları oluşturulmaya başlanmaktadır. Bu amaçla, genellikle bölgenin haritası
üzerinde önem arz eden noktalar tespit edilmekte ve ölçümler yapılarak o noktalardaki
kirlilik düzeyleri belirlenmektedir. Ayrıca kirlilik düzeyleri sınıflandırılarak her bir
kirlilik düzeyine farklı bir renk verilebilmekte ve harita üzerindeki bu renklendirmeler
kirliliğin yoğun olduğu bölgeleri daha net bir şekilde ifade edebilmektedir. Böylece, az,
orta, çok kirlilikteki alanlar, belirlenebilmekte ve gelecekte bu alanlarda uygulanacak
önlem çalışmalarının alt yapısı oluşturulabilmektedir.
Gavrilescu ve diğerlerinin (2009) çalışmanın amacı radyonüklitler (özellikle uranyum)
ile kirlenmiş olan toprakların iyileştirilmesi için kullanılan teknikleri daha iyi
anlamaktır. Bu sırada şunlar dikkate alınmıştır: topraktaki ve diğer çevresel
maddelerdeki azaltılmış uranyumu da içeren uranyumun kimyasal formları, bunların
21
özellikleri ve konsantrasyonları, ve çevre ve insan üzerindeki bazı etkileri; iyileştirme
işlemiyle ilgili araştırma konuları, faydalar ve sonuçlar; kullanım aralığı ve her birinin
en uygun olduğu durumları daha iyi kavramak.
Damla ve diğerleri (2009) 226Ra, 232Th ve 40K’nın farklı tedarikçilerden ve
Türkiye’nin birkaç ilinden toplanmış gazbeton örneklerindeki aktivite
konsantrasyonunu, gama ışın spektrometresi kullanarak ölçmüşlerdir. İnşaat
malzemelerinde kullanılan gazbetondaki radyoaktivite bilgisi, insan sağlığı için zararlı
olabilecek herhangi bir olası radyolojik riski değerlendirme fırsatı vermektedir.
Gazbeton örneklerinde gözlenen ortalama aktivite konsantrasyonları, 226Ra, 232Th ve
40K için, belirtilen sıraya göre 82.0, 28.2 ve 383.9 Bq kg−1 olarak belirlenmiştir.
Sonuçlar, gazbeton örneklerinin radium eşdeğer aktivite değerlerinin limit olan 370 Bq
kg−1’dan daha düşük olduğunu ve 1.5mSvy−1 gama dozuna eşdeğerde olduğunu
göstermektedir.
Huang ve diğeri (1996) çalışmada, en kuvvetli yumuşatma tekniklerinden biri olan
silinmiş ara değer hesabı hem ayrık hem de yarı-devamlı gizli Markov modeli temelli
ses tanıma sistemlerinde yaygın olarak kullanılmaktadır. Bu çalışmada, sürekli olan
HMM’ler parametreleri yerine olasılık yoğunluk değerlerini yumuşatma önerilmektedir.
Ayrıca, silinmiş ara değer hesabının parametre paylaşım tekniği olarak düşünülmesine
işaret edilmektedir. Bu paylaşım, her bir PDF’nin temel bir birim olduğu ve herhangi bir
Markov alanında serbest şekilde paylaşılabileceği olasılık yoğunluğu fonksiyonu (PDF)
seviyesine kadar genelleştirilmiştir. Çok çeşitli dikte deneyleri için, silinmiş ara değer
hesabı kelime hatasını, diğer basit parametre yumuşatma tekniklerine gore %11 ila
%23’e kadar azaltmıştır. Genel PDF paylaşımı daha sonar bu hatayı %3’e indirmiştir.
Boor, bir doğrusal ara değer hesabı şeması, hataları çok terimli ideali oluşturduğunda
“ideal” olarak nitelendirilmektedir. Araştırma ideal ara değer hesabı konusundaki temel
olguları araştırmakta ve bazı sorular ortaya koymaktadır. Tanım olarak ideal ara değer
hesabı, çekirdeği çok terimli bir ideal olan çok terimlilerin boşluğunda doğrusal bir
projektör ile verilmesidir. Bu sebeple cebirde kullanıldığı gibi, çok terimli ideale gore,
bir çok terimliyi normal formuyla ilişkilendiren herhangi bir doğrusal haritadır.
Silinmiş: leritarafından yapılan
22
Zorin ve diğerleri (2006), parselleme gelişigüzel topoloji yüzeyleri oluşturulması için
kuvvetli bir paradigma olduğunu ifade etmektedir. Başlangıçta üçgen bir çark
verildikten sonar amaç, şekli ilk çarkla control edilebilen yumuşak ve görsel olarak
tatmin edici bir yüzey üretmektir. Dyn, Gregory, ve Levin, topolojik olarak düzenli
ortamda C1 yüzeyleri ortaya koyan Kelebek şemasını tanıtmışlardır. Ne yazık ki,
düzensiz topoloji durumunda istenmeyen yapıtlar göstermektedir. Bu aksaklıklar
incelenmiş ve Kelebek şemasının basitliğini koruyan, ara değerlerini hesaplayan ve
daha düzgün yüzeylerle sonuçlanan bir şema çıkarılmıştır.
Hofierka ve diğerlerinin (2007) araştırmasının amacı, ara değer hesabı kontrol
parametrelerinin otomatik optomizasyonunda CV’nin güvenilirlik ve
uygulanabilirliğini, gerilim ve yükselme verisi ile düzenlenmiş olan bir eğri örneği
üzerinde test etmektir. Girdi yükselme noktaları iki farklı uzamsal çözülmesi olan (25m
ve 100 m) ızgara bazlı dijital yükselme modellerinden (DEM) alınan çeşitli
yoğunluklarla rasgele örnekleme yoluyla ortaya konmaktadır. CV, optimum RST
parametrelerini tanımlamak amacıyla, her bir örneklenmiş noktalar seti üzerinde
uygulanır. Bu parametreler yeni yüzeylerin ara değer hesabında ardışık olarak
uygulanmaktadır ve bunların orjinal DEMlere sapmaları analiz edilmektedir.
Yoshimura ve diğerleri (1997) tarafından yapılan çalışmada, HMM bazlı sesli yanıt
sistemi sentezi için ses karakteristiğinin dönüşümüne kolon ara değer hesabı ile bir
yaklaşım tanımlamaktadır. HMMler için olasılıksal mesafe ölçüsünden bir HMM ara
değer hesabı tekniği çıkarılmıştır ve sesi eğitimsiz konuşmacının karakterisitikleriyle
sentezleyerek, bazı temsilci konuşmacıların HMM setleri arasından parametreler ara
değerini hesaplayarak HMM parametreleri kullanılmıştır. Öznel deneylerin sonuçları
sentezlenmiş sesin karakteristiklerinin bir kişiden diğerine ara değer hesabı oranını
değiştirerek derece derece farklılaştığını göstermektedir.
McAdams ve Demirci (2006) tarafından çalışmada, İstanbul’da Küçükçekmece
Gölü’nden alınan örneklerden su kalite göstergelerinin (Nitrojen, Fosfor, COD, BOD,
23
DO, Ph, bulanıklık, geçirgenlik, Klorofil-A) uzamsal özelliklerinin incelemesinde, Asal
Bileşen Analizi (PCA) – istatiksel bir veritabanı azaltma tekniği - uygulamasının
yararlılığını incelemektedirler. Araştırma PCA kullanımının verilerin karışıklığını
azaltmak konusunda ve su kalite göstergelerinin uzamsal dağılımı göstermede yararlı bir
araç olabileceğini göstermiştir.
Fan ve diğerleri (2005) tarafından yapılan çalışmada, grafik donanımı kullanarak doğal
komşu ara değer hesabı göstermek için bir algoritma sunmakta ve uygulamaktadırlar.
Bir defada sadece bir sorunu işleyen geleneksel soft-ware bazlı yaklaşımların aksine,
doğal komşu ara değer hesabının sebep olduğu bütün skaler sahayı hesaplayan bir şema
geliştirmişlerdir ve bu şemada bir sorun önemsiz bir dizi aramadır ve saha üzerindeki
araştırmalar kolaylıkla yürütülmektedir. Ayrıca, bu çalışma hiçbir ileri düzey grafik
kapasitesi gerektirmeyen ve varolan soft-ware bazlı yaklaşımlara kıyasla doğal komşu
sorunları çok daha hızlı işleyebilecek basit bir şema da sunmaktadır. Son olarak, grafik
çerçevesi tamponlarının sınırlandırılmış ölçüleri tarafından oluşan sınırlamaların
farkedilmesi sonucu, girdi alanının bir alt bölümünde sorunları yerel olarak işlenmesine
olanak tanıyan bir alt bölüm yaklaşımı önerilmektedir.
24
3. TASARIM
Bu bölümde verilerin analizini yapmak ve yoğunluk haritasını oluşturmak için
metodoloji önerilmektedir. Daha sonra bu metodolojinin uygun aşamalarında veri
dağılımını iyileştirmek için değişik enterpolasyon teknikleri uygulanmıştır.
3.1 Veri Analizi ve Yoğunluk Haritası Oluşturma Metodolojisi
Verilerin analizi ve yoğunluk haritası oluşturma işlemi aşağıdaki metodolojiye uygun
yapılacaktır:
1) Gerçek verilerin analizi ve kirlenme haritasının oluşturulması;
Bu aşamada eldeki veriler herhangi işleme tabii tutulmaksızın incelenecek, veri dağılımı
analizi yapılacak ve kirlenme haritası oluşturulacaktır.
2) Enterpolasyon tekniklerinin önerilmesi;
Analizin bu aşamasında, gerçek verilerin dağılımını iyileştirmek amacıyla değişik
enterpolasyon teknikleri önerilecek ve uygulaması yapılacaktır.
3) Enterpolasyon tekniklerinin karşılaştırılması ve uygun enterpolasyon tekniğinin
seçimi;
Analizin bu aşamasında ise, bir önceki aşamada önerilen enterpolasyon teknikleri orta
ve medyan değerlerine göre karşılaştırılarak en uygun tekniğin seçimi yapılacaktır.
4) Nihai kirlenme haritasının oluşturulması;
Bu aşamada seçilen en uygun enterpolasyon tekniği kullanılarak veri dağılımı
yapılacak, değerlendirilecek ve nihai kirlenme haritası oluşturulacaktır.
3.2 Gerçek Verilerin Analizi ve Kirlenme Haritasının Oluşturulması
Çalışma arazisi, eni ve boyu 10 birime ve alanı ise 10x10 birim kareye eşit olan ızgara
şeklinde modellenebilir (Şekil 3.1).
Söz konusu arazinin herhangi parametreye göre (örneğin ağır metaller, radyoaktif
elementler, vb.) kirlenip kirlenmediğini veya kirlilik derecesini araştırmak için ızgaranın
her bir hücresinden örnekler toplamak gerekir. Fakat arazinin engebeli olmasından,
25
dağlar, tepeler, kayalar, ırmaklar, yollar içermesinden, vb. nedenlerden dolayı arazinin
bir grup hücrelerinden örnek toplamak mümkün olmayabilir.
1 2 3 4 5 6 7 8 9 10
Şekil 3.1 Çalışma arazisinin modeli
Araziden toplanan gerçek veri örneklerinin simülasyonunu yapmak amacı ile 100
elemanlık A(10,10) matrisi oluşturulmuş ve bu matrisin en fazla 60 rasgele elemanına
(40 hücreden örnek toplanması imkânsız olduğu varsayılarak) 1 ile 100 arasında (söz
konusu parametrenin bu aralıkta değer alabileceği varsayılarak) rasgele değer atanmıştır
(Şekil 3.2).
1
2
3
4
5
6
7
8
9
10
26
1 2 3 4 5 6 7 8 9 10
82 38 94
53 35 96 54 62 77
14 42 73 25
79 25 40
13 80 34 17 18
15 65 1
28 95 55 16 45 96
4 93 57 24 55 19 8 66
11 55 10 58
44 80
Şekil 3.2 Araziden toplanan gerçek veri örneklerinin simülasyonu
Şekilde görüldüğü gibi toplam 44 hücrede veri mevcuttur. Bu durum şu şekilde
yorumlanmalıdır, araziden 44 veri örneği alınabilmiştir, arazinin diğer kısımları veri
örnekleri almak için müsait değildir.
Araziden 44 gerçek veri örneği toplandığı ve bu örneklerin değerlerinin Şekil 3.2’de
verildiği gibi olduğunu varsayalım. Bu verilerin dağılım grafiği ise Şekil 3.3’de
görülmektedir.
Şekil 3.3 Gerçek verilerin dağılımı
1
2
3
4
5
6
7
8
9
10
Biçimlendirilmiş: Satır aralığı: tek
Biçimlendirilmiş: Satır aralığı: tek
Silinmiş:
Silinmiş:
27
Şekil 3.2’deki veri örneklerinin değerlerinin kullanılarak ve her hangi enterpolasyon
tekniği ile veri dağılımını değiştirmeksizin ArcGIS ortamında yapılan kirlenme haritası
Şekil 3.4’te görülmektedir.
Şekil 3.4 Gerçek veriler için kirlenme haritası
Grafiklerde veri dağılımının dengesiz olduğu görülmektedir. Bu veriler kullanılarak
yapılacak analizin gerçek durumu yansıtmayacağı tartışılmazdır. Kirlilik analizinin ve
yapılacak kirlenme haritalarının gerçeğe maksimum yakın olması için veriler üzerinde
bir takım dönüşümler yaparak dağılımı düzenli hale getirmek gerekmektedir.
3.3 Enterpolasyon Tekniklerinin Önerilmesi
Bu tez çalışmasında veri dağılımını iyileştirmek amacı ile aşağıdaki enterpolasyon
teknikleri tasarlanmış ve uygulanmıştır. Enterpolasyon, elde bulunan veri üzerinde
yapılan işlemler sonucu, elde olmayan verilerin üretilmesi işlemidir.
1) Dört komşu değerlerin aritmetik ortalamasına göre veri üretim tekniği;
2) Sekiz komşu değerlerin aritmetik ortalamasına göre veri üretim tekniği;
3) Dört komşu değerlerin medyan ortalamasına göre veri üretim tekniği;
4) Sekiz komşu değerlerin medyan ortalamasına göre veri üretim tekniği;
5) Arazinin jeolojik yapısını dikkate alınarak dört komşu değerlerin aritmetik
ortalamasına göre veri üretim tekniği;
Silinmiş:
Silinmiş:
28
6) Arazinin jeolojik yapısı dikkate alınarak sekiz komşu değerlerin aritmetik
ortalamasına göre veri üretim tekniği;
7) Arazinin jeolojik yapısı dikkate alınarak dört komşu değerlerin medyan
ortalamasına göre veri üretim tekniği;
8) Arazinin jeolojik yapısı dikkate alınarak sekiz komşu değerlerin medyan
ortalamasına göre veri üretim tekniği.
3.3.1 Dört komsu değerlerin aritmetik ortalamasına göre veri üretim tekniği
Aşağıdaki genel veri matrisini ele alalım (Şekil 3.5).
Matristeki jia , elemanının değerinin elde olmadığını, komşu elemanların jia ,1− , 1, −jia ,
1, +jia ve jia ,1+ ise değerlerinin elde olduğunu varsayalım. Önerilen tekniğe uygun
olarak jia , elemanı için veri değeri üretmek için 4 komşusunun değerleri
kullanılmaktadır:
4,11,1,,1
,jijijiji
ji
aaaaa
++−−+++
= (1)
Eğer komşu elemanlardan jia ,1− , 1, −jia , 1, +jia ve jia ,1+ her hangi birinin veya bir kaçının
değeri elimizde bulunmuyorsa sıfır kabul edilerek işlem yapılır. Bu durumda toplam
sıfırdan farklı eleman sayısına bölünmektedir. Örneğin, sadece 10,1 =− jia ve 20,1 =
+ jia
elimizde bulunuyorsa 15, =jia bulunur.
29
a11
a12
a13
.
a1,j-1
a1,j
a1,j+1
.
a1,M
a21
a22
a13
.
a2,j-1
a2,j
a2,j+1
.
a2,M
a31
a32
a33
.
a3,j-1
a3,j
a3,j+1
.
a3,M
.
.
.
.
.
.
.
.
.
ai-1,1
ai-1,2
ai-1,3
.
ai-1,j-1
ai-1,j
ai-1,j+1
.
ai-1,M
ai,1
ai,2
ai,3
.
ai,j-1
ai,j
ai,j+1
.
ai,M
ai+1,1
ai+1,2
ai+1,3
.
ai+1,j-1
ai+1,j
ai+1,j+1
.
ai+1,M
.
.
.
.
.
.
.
.
.
aN,1
aN,2
aN,3
.
aN,j-1
aN,j
aN,j+1
.
aN,M
Şekil 3.5 Dört komsu değerlerin aritmetik ortalamasına göre veri üretimi
Anlatılan tekniği uygulayarak Şekil 3.2’deki A(10,10) matrisinizdeki veri değerlerini
kullanarak elde bulunmayan elemanlar için veri değerleri üretilmiş ve aşağıdaki
B(10,10) matrisine atanmıştır (Şekil 3.6).
30
1 2 3 4 5 6 7 8 9 10
67 82 39 25 38 12 4 50 94 85
53 46 35 39 96 27 39 54 62 77
22 14 42 20 29 42 73 38 25 34
33 79 25 11 28 40 32 17 15 16
15 13 80 31 34 22 17 13 18 11
19 15 65 48 1 5 9 16 32 14
28 10 65 95 55 32 16 45 96 58
4 26 93 57 24 55 25 19 8 66
1 18 30 11 42 55 10 7 18 58
22 44 24 38 80 45 18 8 8 33
Şekil 3.6 Dört komsu değerlerin aritmetik ortalamasına göre veri üretimi
Bu verilerin dağılım grafiği Şekil 3.7’de ve kirlenme haritası ise Şekil 3.8’de
görülmektedir.
Şekil 3.7 Dört komsu değerlerin aritmetik ortalamasına göre üretilmiş verilerin dağılımı
1
2
3
4
5
6
7
8
9
10
Silinmiş:
Silinmiş:
31
Orta=35.74; Medyan=30.5
Şekil 3.8 Dört komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler için kirlenme haritası
Şekil 3.7 ve Şekil 3.8’deki grafiklerde veri dağılımının gerçek verilere göre (Şekil 3.4) iyileştiği görülmektedir.
Biçimlendirilmiş: Satır aralığı: tek
32
3.3.2 Sekiz komsu değerlerin aritmetik ortalamasına göre veri üretim tekniği
Aşağıdaki genel veri matrisini ele alalım (Şekil 3.9).
a11
a12
a13
.
a1,j-1
a1,j
a1,j+1
.
a1,M
a21
a22
a13
.
a2,j-1
a2,j
a2,j+1
.
a2,M
a31
a32
a33
.
a3,j-1
a3,j
a3,j+1
.
a3,M
.
.
.
.
.
.
.
.
.
ai-1,1
ai-1,2
ai-1,3
.
ai-1,j-1
ai-1,j
ai-1,j+1
.
ai-1,M
ai,1
ai,2
ai,3
.
ai,j-1
ai,j
ai,j+1
.
ai,M
ai+1,1
ai+1,2
ai+1,3
.
ai+1,j-1
ai+1,j
ai+1,j+1
.
ai+1,M
.
.
.
.
.
.
.
.
.
aN,1
aN,2
aN,3
.
aN,j-1
aN,j
aN,j+1
.
aN,M
Şekil 3.9 Sekiz komsu değerlerin aritmetik ortalamasına göre veri üretimi
Matristeki jia , elemanının değerinin elde olmadığını, komşu elemanların 1,1 −− jia , jia ,1− ,
1,1 +− jia , 1, −jia , 1, +jia , 1,1 −+ jia , jia ,1+ ve 1,1 ++ jia ise değerlerinin elde olduğunu varsayalım.
Önerilen tekniğe uygun olarak jia , elemanı için veri değeri üretmek için 8 komşusunun
değerleri kullanılmaktadır:
81,1,11,11,1,1,1,11,1
,+++−++−+−−−−
+++++++=
jijijijijijijiji
ji
aaaaaaaaa (2)
33
Eğer komşu elemanlardan 1,1 −− jia , jia ,1− , 1,1 +− jia , 1, −jia , 1, +jia , 1,1 −+ jia , jia ,1+ ve 1,1 ++ jia
her hangi birinin veya bir kaçının değeri elimizde bulunmuyorsa sıfır kabul edilerek
işlem yapılır. Bu durumda toplam sıfırdan farklı eleman sayısına bölünmektedir.
Örneğin, sadece 10,1 =− jia , 301,1 =
−+ jia ve 20,1 =+ jia elimizde bulunuyorsa 20, =jia
bulunur.
Anlatılan tekniği uygulayarak Şekil 3.2’deki A(10,10) matrisinizdeki veri değerlerini
kullanarak elde bulunmayan elemanlar için veri değerleri üretilmiş ve aşağıdaki
C(10,10) matrisine atanmıştır (Şekil 3.10).
1 2 3 4 5 6 7 8 9 10
45 82 23 38 38 26 16 45 94 77
53 36 35 34 96 31 30 54 62 77
36 14 42 29 28 37 73 30 25 32
28 79 25 29 24 40 24 23 16 18
27 13 80 32 34 17 17 12 18 10
16 15 65 45 1 17 15 27 26 30
28 27 49 95 55 23 16 45 96 45
4 25 93 57 24 55 27 19 8 66
14 22 31 11 35 55 10 8 19 58
27 44 21 35 80 36 21 11 19 32
Şekil 3.10 Sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler
Bu verilerin dağılım grafiği Şekil 3.11’ de ve kirlenme haritası ise Şekil 3.12’de
görülmektedir.
1
2
3
4
5
6
7
8
9
10
Silinmiş:
34
Şekil 3.11 Sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş verilerin dağılım
Orta=36.07; Medyan=29.5
Şekil 3.12 Sekiz komsu değerlerin aritmetik ortalamasına göre üretilmiş veriler için kirlenme haritası
Şekil 3.11 ve Şekil 3.12’deki grafiklerde veri dağılımının gerçek verilere göre iyileştiği
görülmektedir.
Biçimlendirilmiş: Satır aralığı: tek
35
3.3.3 Dört komsu değerlerin medyan ortalamasına göre veri üretim tekniği
Aşağıdaki genel veri matrisini ele alalım (Şekil 3.13).
Matristeki jia , elemanının değerinin elde olmadığını, komşu elemanların jia ,1− , 1, −jia ,
1, +jia ve jia ,1+ ise değerlerinin elde olduğunu varsayalım. Önerilen tekniğe uygun
olarak jia , elemanı için veri değeri üretmek için komşu elemanlar dört elemanlı K
vektörüne atanarak artış sırasına göre sıralanır: ],,,[ 4321 kkkkK = . jia , elemanı için
değer sıralanmış K vektörünün orta iki elemanının aritmetik ortalaması olarak
hesaplanır:
232
,
kka ji
+= (3)
a11
a12
a13
.
a1,j-1
a1,j
a1,j+1
.
a1,M
a21
a22
a13
.
a2,j-1
a2,j
a2,j+1
.
a2,M
a31
a32
a33
.
a3,j-1
a3,j
a3,j+1
.
a3,M
.
.
.
.
.
.
.
.
.
ai-1,1
ai-1,2
ai-1,3
.
ai-1,j-1
ai-1,j
ai-1,j+1
.
ai-1,M
ai,1
ai,2
ai,3
.
ai,j-1
ai,j
ai,j+1
.
ai,M
ai+1,1
ai+1,2
ai+1,3
.
ai+1,j-1
ai+1,j
ai+1,j+1
.
ai+1,M
.
.
.
.
.
.
.
.
.
aN,1
aN,2
aN,3
.
aN,j-1
aN,j
aN,j+1
.
aN,M
Şekil 3.13 Dört komsu değerlerin medyan ortalamasına göre veri üretimi
36
Eğer komşu elemanlardan jia ,1− , 1, −jia , 1, +jia ve jia ,1+ her hangi birinin veya bir kaçının
değeri elimizde bulunmuyorsa sıfır kabul edilerek işlem yapılır.
Anlatılan tekniği uygulayarak Şekil 3.2’deki A(10,10) matrisinizdeki veri değerlerini
kullanarak elde bulunmayan elemanlar için veri değerleri üretilmiş ve aşağıdaki
D(10,10) matrisine atanmıştır (Şekil 3.14).
1 2 3 4 5 6 7 8 9 10
67 82 17 0 38 0 0 27 94 65
53 44 35 17 96 0 27 54 62 77
33 14 42 0 0 20 73 39 25 39
38 79 25 0 17 40 28 0 9 0
6 13 80 17 34 25 17 8 18 8
16 15 65 33 1 0 8 0 9 0
28 7 79 95 55 35 16 45 96 60
4 2 93 57 24 55 17 19 8 66
2 0 5 11 39 55 10 5 4 58
22 44 0 5 80 27 0 0 0 0
Şekil 3.14 Dört komsu değerlerin medyan ortalamasına göre üretilmiş veriler
Bu verilerin dağılım grafiği Şekil 3.15’de ve kirlenme haritası ise Şekil 3.16’de
görülmektedir.
1
2
3
4
5
6
7
8
9
10
Silinmiş:
Silinmiş:
37
Şekil 3.15 Dört komsu değerlerin medyan ortalamasına göre üretilmiş verilerin dağılımı
Orta=29.77; Medyan=21
Şekil 3.16 Dört komsu değerlerin medyan ortalamasına göre üretilmiş veriler için kirlenme haritası
Şekil 3.15 ve Şekil 3.16’deki grafiklerde veri dağılımının gerçek verilere göre (Şekil
3.4) iyileştiği görülmektedir.
38
3.3.4 Sekiz komsu değerlerin medyan ortalamasına göre veri üretim tekniği
Aşağıdaki genel veri matrisini ele alalım (Şekil 3.17).
Matristeki jia , elemanının değerinin elde olmadığını, komşu elemanların 1,1 −− jia , jia ,1− ,
1,1 +− jia , 1, −jia , 1, +jia , 1,1 −+ jia , jia ,1+ ve 1,1 ++ jia ise değerlerinin elde olduğunu varsayalım.
Önerilen tekniğe uygun olarak jia , elemanı için veri değeri üretmek için komşu
elemanlar sekiz elemanlı K vektörüne atanarak artış sırasına göre
sıralanır ],,,,,,,[ 87654321 kkkkkkkkK = . jia , elemanı için değer sıralanmış K vektörünün
orta iki elemanının aritmetik ortalaması olarak hesaplanır:
254
,
kka ji
+= (4)
a11
a12
a13
.
a1,j-1
a1,j
a1,j+1
.
a1,M
a21
a22
a13
.
a2,j-1
a2,j
a2,j+1
.
a2,M
a31
a32
a33
.
a3,j-1
a3,j
a3,j+1
.
a3,M
.
.
.
.
.
.
.
.
.
ai-1,1
ai-1,2
ai-1,3
.
ai-1,j-1
ai-1,j
ai-1,j+1
.
ai-1,M
ai,1
ai,2
ai,3
.
ai,j-1
ai,j
ai,j+1
.
ai,M
ai+1,1
ai+1,2
ai+1,3
.
ai+1,j-1
ai+1,j
ai+1,j+1
.
ai+1,M
.
.
.
.
.
.
.
.
.
aN,1
aN,2
aN,3
.
aN,j-1
aN,j
aN,j+1
.
aN,M
Şekil 3.17 Sekiz komsu değerlerin medyan ortalamasına göre veri üretimi
39
Eğer komşu elemanlardan 1,1 −− jia , jia ,1− , 1,1 +− jia , 1, −jia , 1, +jia , 1,1 −+ jia , jia ,1+ ve 1,1 ++ jia
her hangi birinin veya bir kaçının değeri elimizde bulunmuyorsa sıfır kabul edilerek
işlem yapılır.
Anlatılan tekniği uygulayarak Şekil 3.2’deki A(10,10) matrisinizdeki veri değerlerini
kullanarak elde bulunmayan elemanlar için veri değerleri üretilmiş ve aşağıdaki
E(10,10) matrisine atanmıştır (Şekil 3.18).
1 2 3 4 5 6 7 8 9 10
0 82 0 17 38 0 0 0 94 62
53 24 35 26 96 0 0 54 62 77
7 14 42 25 12 6 73 12 25 58
10 79 25 25 19 40 9 14 13 21
13 13 80 25 34 13 17 11 18 15
13 15 65 44 1 14 13 16 16 18
28 14 50 95 55 15 16 45 96 39
4 9 93 57 24 55 17 19 8 66
6 5 10 11 39 55 10 4 6 58
5 44 8 10 80 25 17 10 8 10
Şekil 3.18 Sekiz komsu değerlerin medyan ortalamasına göre üretilmiş veriler
Bu verilerin dağılım grafiği Şekil 3.19’de ve kirlenme haritası ise Şekil 3.20’de
görülmektedir.
1
2
3
4
5
6
7
8
9
10
Silinmiş:
Silinmiş:
40
Şekil 3.19 Sekiz komsu değerlerin medyan ortalamasına göre üretilmiş verilerin dağılımı
Orta=29.29; Medyan=17
Şekil 3.20 Sekiz komsu değerlerin medyan ortalamasına göre üretilmiş veriler için kirlenme haritası
Şekil 3.19 ve Şekil 3.20’deki grafiklerde veri dağılımının gerçek verilere göre (Şekil 4)
iyileştiği görülmektedir.
41
3.3.5 Arazinin jeolojik yapısı dikkate alınarak dört komsu değerlerin aritmetik ortalamasına göre veri üretim tekniği
Çalışma arazisi yapısının mikalı granit ve muskovit granit gibi iki kaya bileşeninden
oluştuğunu varsayalım (Şekil 3.21).
1 2 3 4 5 6 7 8 9 10
1 1 1 1 1 1 1 1 2 2
1 1 1 1 1 1 1 2 2 2
1 1 1 1 1 1 2 2 2 2
1 1 1 1 2 2 2 2 2 2
1 1 2 2 2 2 2 2 2 2
1 1 1 2 2 2 2 2 2 2
1 1 1 1 2 2 2 2 2 2
1 1 1 2 2 2 2 2 2 2
1 1 1 2 2 2 2 2 2 2
1 1 1 1 1 2 2 2 2 2
1 - mikalı granit bileşeni sınırları
2 - muskovit granit bileşeni sınırları
Şekil 3.21 Çalışma arazisinin bileşenlerine ait örnek
Aynı çalışma arazisine ait veri örnekleri matrisinin yukarıda belirtilen kaya bileşenlerine
göre yapısı aşağıdaki şekilde görülmektedir (Şekil 3.22).
1
2
3
4
5
6
7
8
9
10
42
a11
a12
a13
a14
a15
a16
a17
a18
a19
a1,10
a21
a22
a23
a24
a25
a26
a27
a28
a29
a2,10
a31
a32
a33
a34
a35
a36
a37
a38
a39
a3,10
41
a42
a43
a44
a45
a46
a47
a48
a49
a4,10
a51
a52
a53
a54
a55
a56
a57
a58
a59
a5,10
a61
a62
a63
a64
a65
a66
a67
a68
a69
a6,10
a71
a72
a73
a74
a75
a76
a77
a78
a79
a7,10
a81
a82
a83
a84
a85
a86
a87
a88
a89
a8,10
a91
a92
a93
a94
a95
a96
a97
a98
a99
a9,10
a10,1
a10,2
a10,3
a10,4
a10,5
a10,6
a10,7
a10,8
a10,9
a10,10
Sarı Renk - mikalı granit bileşeni sınırları
Turuncu Renk - muskovit granit bileşeni sınırları
Şekil 3.22 Çalışma arazisi veriler matrisi
Gerçeğe uygun sonuçlar elde etmek için veri dağılımı tekniklerini uygulama esnasında
her hangi bileşenin sınırlarındaki elemanın değeri hesaplandığında diğer bileşenlerin
sınırlarındaki elemanların değerleri kullanılmamalıdır. Örneğin, mikali granit bileşeni
sınırlarındaki 74a elemanının değerini hesaplamak için sadece 837363 ,, aaa gibi aynı
bileşenin sınırlarındaki komşu elemanlar kullanılabilir. Benzer şekilde, örneğin,
muskovit granit bileşeni sınırlarındaki 84a elemanının değerini hesaplamak için sadece
94958575 ,,, aaaa gibi aynı bileşenin sınırlarındaki komşu elemanlar kullanılabilir.
43
Yukarıdaki paragrafta anlatılan prensibi (jeolojik yapı prensibini) uygulayarak, Şekil
3.2’deki A(10,10) matrisinizdeki veri değerleri kullanarak ve arazinin jeolojik yapısı
dikkate alınarak (1) ifadesinin yardımı ile dört komsu değerlerin aritmetik ortalamasına
göre elde bulunmayan elemanlar için veri değerleri üretilmiş ve aşağıdaki F(10,10)
matrisine atanmıştır (Şekil 3.23).
1 2 3 4 5 6 7 8 9 10
67 82 39 25 38 12 4 4 94 85
53 46 35 39 96 27 15 54 62 77
22 14 42 20 38 32 73 38 25 34
33 79 25 22 37 40 32 17 15 16
15 13 80 38 34 22 17 13 18 11
19 15 65 19 1 5 9 16 32 14
28 10 65 95 55 32 16 45 96 58
4 26 93 57 24 55 25 19 8 66
1 18 37 11 30 55 10 7 18 58
22 44 27 53 80 27 12 6 8 33
Şekil 3.23 Arazi yapısı dikkate alınarak dört komsu değerlerin aritmetik ortalamasına
göre üretilmiş veriler
Bu verilerin dağılım grafiği Şekil 3.24’de ve kirlenme haritası ise Şekil 3.25’de
görülmektedir.
1
2
3
4
5
6
7
8
9
10
Biçimlendirilmiş: Girinti: Sol: 0 cm,Asılı: 1,9 cm
Silinmiş:
Silinmiş:
44
Şekil 3.24 Arazi yapısı dikkate alınarak dört komsu değerlerin aritmetik ortalamasına
göre üretilmiş verilerin dağılımı
Orta=34.98; Medyan=27.5
Şekil 3.25 Arazinin jeolojik yapısı dikkate alınarak dört komsu değerlerin aritmeti ortalamasına göre üretilmiş veriler için kirlenme haritası
Şekil 3.24 ve Şekil 3.25’deki grafiklerde veri dağılımının gerçek verilere göre (Şekil
3.4) iyileştiği görülmektedir.
45
3.3.6 Arazinin jeolojik yapısı dikkate alınarak sekiz komsu değerlerin aritmetik ortalamasına göre veri üretim tekniği
Bölüm 3.3.5’ de bahsedilen jeolojik yapı prensibi uygulayarak, Şekil 3.2’deki A(10,10)
matrisindeki veri değerleri kullanarak, arazinin jeolojik yapısı dikkate alınarak ve (2)
ifadesinin yardımı ile sekiz komsu değerlerin aritmetik ortalamasına göre elde
bulunmayan elemanlar için veri değerleri üretilmiş ve aşağıdaki F(10,10) matrisine
atanmıştır (Şekil 3.26).
1 2 3 4 5 6 7 8 9 10
45 82 23 38 38 26 6 3 94 77
53 36 35 34 96 23 12 54 62 77
36 14 42 33 31 40 73 30 25 32
28 79 25 32 18 40 22 23 16 18
27 13 80 26 34 16 17 12 18 10
16 15 65 39 1 17 15 27 26 30
28 27 49 95 55 23 16 45 96 45
4 25 93 57 24 55 27 19 8 66
14 22 30 11 33 55 10 8 19 58
27 44 24 45 80 24 19 11 19 32
Şekil 3.26 Arazi yapısı dikkate alınarak sekiz komsu değerlerin aritmetik ortalamasına
göre üretilmiş veriler
Bu verilerin dağılım grafiği Şekil 3.27’de ve kirlenme haritası ise Şekil 3.28’de
görülmektedir.
1
2
3
4
5
6
7
8
9
10
Silinmiş:
Silinmiş:
46
Şekil 3.27 Arazi yapısı dikkate alınarak sekiz komsu değerlerin aritmetik ortalamasına
göre üretilmiş verilerin dağılımı
Orta=35.17; Medyan=27.5 Şekil 3.28 Arazinin jeolojik yapısı dikkate alınarak sekiz komsu değerlerin aritmetik
ortalamasına göre üretilmiş veriler için kirlenme haritası
Şekil 3.27 ve Şekil 3.28’deki grafiklerde veri dağılımının gerçek verilere göre (Şekil
3.4) iyileştiği görülmektedir.
47
3.3.7 Arazinin jeolojik yapısı dikkate alınarak dört komsu değerlerin medyan ortalamasına göre veri üretim tekniği
Bölüm 3.3.5’ de bahsedilen jeolojik yapı prensibi uygulayarak, Şekil 3.2’deki A(10,10)
matrisinizdeki veri değerleri kullanarak ve arazinin jeolojik yapısı dikkate alınarak (3)
ifadesinin yardımı ile dört komsu değerlerin medyan ortalamasına göre elde
bulunmayan elemanlar için veri değerleri üretilmiş ve aşağıdaki G(10,10) matrisine
atanmıştır (Şekil 3.29).
1 2 3 4 5 6 7 8 9 10
26 82 17 8 38 0 0 0 94 38
53 44 35 21 96 0 0 54 62 77
7 14 42 10 5 0 73 39 25 12
3 79 25 5 17 40 28 14 16 6
1 13 80 17 34 25 17 15 18 3
8 15 65 0 1 0 8 11 14 1
28 7 79 95 55 35 16 45 96 33
4 5 93 57 24 55 17 19 8 66
0 2 1 11 17 55 10 5 6 58
0 44 0 0 80 0 0 0 0 0
Şekil 3.29 Arazi yapısı dikkate alınarak dört komsu değerlerin medyan ortalamasına
göre üretilmiş veriler
Bu verilerin dağılım grafiği Şekil 3.30’de ve kirlenme haritası ise Şekil 3.31’de
görülmektedir.
1
2
3 4
5
6
7
8
9
10
Silinmiş:
Silinmiş:
48
Şekil 3.30 Arazi yapısı dikkate alınarak dört komsu değerlerin medyan ortalamasına göre üretilmiş verilerin dağılımı
Orta=26.77; Medyan=16.5
Şekil 3.31 Arazinin jeolojik yapısı dikkate alınarak dört komsu değerlerin medyan ortalamasına göre üretilmiş veriler için kirlenme haritası
Şekil 3.30 ve Şekil 3.31’deki grafiklerde veri dağılımının gerçek verilere göre (Şekil
3.4) iyileştiği görülmektedir.
3.3.8 Arazinin jeolojik yapısı dikkate alınarak sekiz komsu değerlerin medyan ortalamasına göre veri üretim tekniği
Bölüm 3.3.5’ da bahsedilen jeolojik yapı prensibi uygulayarak, Şekil 3.2’deki A(10,10)
matrisinizdeki veri değerleri kullanarak ve arazinin jeolojik yapısı dikkate alınarak (4)
49
ifadesinin yardımı ile sekiz komsu değerlerin medyan ortalamasına göre elde
bulunmayan elemanlar için veri değerleri üretilmiş ve aşağıdaki H(10,10) matrisine
atanmıştır (Şekil 3.32).
1 2 3 4 5 6 7 8 9 10
0 82 0 0 38 0 0 0 94 0
53 24 35 17 96 0 0 54 62 77
7 14 42 21 8 0 73 17 25 6
3 79 25 15 0 40 15 17 14 3
1 13 80 0 34 8 17 14 18 1
0 15 65 17 1 12 15 16 15 0
28 9 12 95 55 15 16 45 96 4
4 8 93 57 24 55 17 19 8 66
0 4 2 11 17 55 10 9 9 58
0 44 0 0 80 0 0 0 0 0
Şekil 3.32 Arazi yapısı dikkate alınarak sekiz komsu değerlerin medyan ortalamasına göre üretilmiş veriler
Bu verilerin dağılım grafiği Şekil 3.33’de ve kirlenme haritası ise Şekil 3.34’de
görülmektedir.
1
2
3
4 5
6
7
8
9
10
Silinmiş:
Silinmiş:
50
Şekil 3.33 Arazi yapısı dikkate alınarak sekiz komsu değerlerin medyan ortalamasına göre üretilmiş verilerin dağılımı
Orta=24.23; Medyan=15
Şekil 3.34 Arazinin jeolojik yapısı dikkate alınarak sekiz komsu değerlerin medyan ortalamasına göre üretilmiş veriler için kirlenme haritası
Şekil 3.33 ve Şekil 3.34’deki grafiklerde veri dağılımının gerçek verilere göre (Şekil
3.4) iyileştiği görülmektedir.
51
3.4 Enterpolasyon Tekniklerinin Karşılaştırılması ve Uygun Enterpolasyon Tekniğinin Seçimi
Önerilen enterpolasyon tekniklerine göre elde edilen sonuçlar Çizelge 3.1’de
verilmektedir.
Çizelge 3.1 Veri dağılımı enterpolasyon tekniklerine göre elde edilen sonuçlar
Enterpolasyon teknikleri Orta Medyan Orta-Medyan
Yoğunluk Haritası
1 Gerçek değerler
46.61 44.5 2.11
2 Dört komsu değerlerin
aritmetik ortalamasına göre
veri üretim tekniği
35.74 30.5 5.24
3 Sekiz komşu değerlerin
arithmetic ortalamasına
göre veri üretim tekniği
36.07
29.5 6.57
4 Arazinin jeolojik yapısı
dikkate alınarak dört komsu
değerlerin aritmetik
ortalamasına göre veri
üretim tekniği
34.98 27.5 7.48
Silinmiş:
Biçimlendirilmiş: Satır aralığı: En az12 nk
Silinmiş: ¶Enterpolasyon teknikleri ... [1]
Biçimlendirilmiş: Satır aralığı: tek
Biçimlendirilmiş Tablo
Silinmiş: ¶¶¶¶¶¶¶¶¶¶¶Çizelge 3.1 Veri dağılımı enterpolasyon tekniklerine göre elde edilen sonuçlar
Silinmiş: ¶
Silinmiş: ¶Enterpolasyon teknikleri ... [2]
Biçimlendirilmiş Tablo
Silinmiş: ¶Tez çalışmasında önerilen veri dağılımı enterpolasyon teknikleri arasında seçim yapmak
Biçimlendirilmiş Tablo
52
Çizelge 3.1 Veri dağılımı enterpolasyon tekniklerine göre elde edilen sonuçlar (devam)
5 Arazinin jeolojik yapısı
dikkate alınarak sekiz
komsu değerlerin aritmetik
ortalamasına göre veri
üretim tekniği
35.17 27.5 7.67
6 Dört komsu değerlerin
medyan ortalamasına göre
veri üretim tekniği
29.77 21 8.77
7 Arazinin jeolojik yapısı
dikkate alınarak sekiz
komsu değerlerin medyan
ortalamasına göre veri
üretim4tekniği
24.23 15 9.23
8 Arazinin jeolojik yapısı
dikkate alınarak dört komsu
değerlerin medyan
ortalamasına göre veri
üretim tekniği
26.77 16.5 10.27
9 Sekiz komsu değerlerin
medyan ortalamasına göre
veri üretim tekniği
29.29 17 12.29
Biçimlendirilmiş: Satır aralığı: En az12 nk
Biçimlendirilmiş Tablo
53
Tez çalışmasında önerilen veri dağılımı enterpolasyon teknikleri arasında seçim yapmak
için aşağıdaki prensip kullanılmalıdır. Eğer Orta ve Medyan değerleri yaklaşık aynı
değerlere sahipse veri dağılımının normal veya gerçeğe uygun olduğu kabul
edilmektedir. Bu prensibe göre çizelge 3.1’deki teknikler en iyiden en kötüye doğru
sıralanmıştır. Tabloda görüldüğü gibi en uygun enterpolasyon tekniği dört komsu
değerlerin aritmetik ortalamasına göre veri üretim tekniğidir. Öte yandan arazinin
jeolojik yapısını dikkate alan teknikler ayrı değerlendirildiğinde en uygun teknik dört
komsu değerlerin aritmetik ortalamasına göre veri üretim tekniği olarak görülür.
3.5 Kirlenme Haritasının Oluşturulması
Bir önceki altbölümde en uygun enterpolasyon tekniği olarak dört komsu değerlerin
aritmetik ortalamasına göre veri üretim tekniği seçildi.
Nihai kirlenme haritası oluşturmak için seçilen en uygun enterpolasyon tekniği
kullanılarak veri dağılımı yapılmalı, değerlendirilmeli ve kirlenme haritası
oluşturulmalıdır. Sonuç olarak önerilen teknikleri somut verilere uygulama sırasında
dört komsu değerlerin aritmetik ortalamasına göre veri dağılımı tekniği kullanılacaktır.
Bir sonraki bölümde 3. bölümde elde edilen bilimsel sonuçlar Sarıhacı, Yozgat
bölgesinden toplanan somut verilere uygulanacak ve detaylı analizi yapılacaktır.
Silinmiş: Tablo 1’deki
54
4. UYGULAMA
Yozgat İntrüzif Kompleksi, Orta Anadolu’nun metamorfik temeline sokulum yapan ve
geniş bir alana yayılan granit, granodiyorit, siyenit, monzonit ve gabroik kaya
kütlelerinden oluşmaktadır. (Akçe ve Kadıoğlu, 2006) bölgeninin ayrıntılı jeolojik
haritasını yaparak bölgede yeralan Sarıhacılı Granitoidini bu kompleksin en felsik
granitik kütlesini temsil etmektedir ve kompleksin kuzeydoğu kenarında yer almaktadır.
Sarıhacılı granitoidi iki mikalı granit ve muskovit granit bileşiminde olup kuvars,
ortoklaz, mikroklin, pertit, oligoklaz, biyotit ve muskovitlerden oluşmaktadır (Akçe ve
Kadıoğlu, 2006). Zirkon, granat, titanit ve apatit ise granitin aksesuar minerallerini
oluşturmaktadır. Radyoaktif element içerikleri büyük ölçüde K-feldispat, zirkon ve
biyotit içerisinde yoğunlaşmaktadır. Bu kayaç birimleri içerisindeki radyoaktif element
içeriklerinin dağılımını değerlendirmek için çalışma alanın üç farklı lokasyonundan 78
kayaç örneği toplanmıştır. Bütün bu örnekler, USGS standartları ve ilgili kalibrasyon
metotlarının kullanıldığı PED X-ray Fluoresans ile analiz edilmiştir. Bu kayaçların ana
yapısındaki radyoaktif elementlerin dağılımını ortaya koymak ve tartışmak için ArcGIS
yazılımıyla radyoaktif element kirlilik haritaları hazırlanmıştır. Radyoaktif element
içerikleri ile karşılıklı ilişkisini ortaya koymak için analiz edilen örneklerin toplandığı
aynı noktalarda sintilometre ölçümleri de gerçekleştirilmiştir. Yozgat civarındaki
Sarıhacılı granitoidinin bu elementlerle en fazla kirlenmiş kısımları belirlenmiş ve bu
kirliliğin nedenleri tartışılmıştır.
4.1 Giriş
İnsanoğlunun gerçekleştirdiği endüstriyel, kültürel, taşımacılık, vb. gibi değişik
faaliyetler nedeniyle topraklar, kayalar, hava ve su kirlenmiştir. Kirlenmiş topraklar,
yerüstü ve yeraltı suların ve canlı organizmaların kirlenme kaynağını oluşturmaktadır.
Yozgat ili Orta Anadolu ve Karadeniz Bölgesi arasında geçiş noktasıdır (Şekil 4.1).
Yozgat ili ve civarı zengin jeotermal kaynaklara sahip olması bakımından Türkiye
ekonomisinde önemli yer tutmaktadır. Son birkaç on yıl boyunca bu bölge
topraklarındaki ve kayalarındaki radyoaktif elementlerin oranı yerli halkı, yöneticileri
Silinmiş: ¶¶¶¶¶¶¶¶
55
ve bilim insanlarını endişelendirmektedir. Bu elementlerin olağanüstü kirlenme
karakteristiklerini araştırmak ve endişeleri gidermek için bu çalışmaya ihtiyaç
duyulmuştur.
Yozgat-Sarıhacılı (Orta Anadolu, Türkiye) bölgesindeki granitoidler mineralojik ve
petrografik özelliklerine göre üç kısımdan oluşmaktadır: S1 - iri taneli biyotit muskovit
granit birimi; S2 - ince taneli biyotit muskovit granit birimi; S3 - iri kuvarslı ince taneli
muskovit granit birimi. Bu çalışmanın amacı Sarıhacılı (Yozgat) ve çevresindeki toprak
ve kayaların içerdiği radyoaktif metal kaynaklarını incelemek, bu radyoaktif
elementlerin dağılımlarının analizini yapmak, radyoaktif element konsantrasyonlarının
değişimini belirlemek ve haritasını hazırlamak, çalışma alanının radyoaktif kirlilik
haritalarını oluşturmak, kirlenmenin doğal ve yapay kaynaklarını tespit etmek, göze
çarpmayan kirlenme kaynaklarını saptamak ve radyoaktif kirlenme kaynaklarını
tartışmaktır. Bu amaca uygun olarak önce Sarıhacılı bölgesine ait yukarıda tanımlanan
üç kısımdan 78 adet kaya/toprak örnekleri toplanmıştır (S1 kısmından 26 örnek, S2 den
27 örnek ve S3 den 25 örnek). Sonra söz konusu örneklerin laboratuvar ortamında
USGS standardına uygun olarak ve uygun ayar metotları kullanılarak PED X-RAY
Fluorescence teknolojisi ile analizi yapılarak 26 değişik elementin miktarı
belirlenmiştir. Daha sonra ArcGIS yazılımı vasıtası ile Fe, Na, Ca, Mg, K, Si, U ve Th
gibi elementlerin dağılımlarının analizi yapılmış ve kirlenme haritaları oluşturulmuştur.
Bunun dışında radyoaktif elementlerin içerikleri ile uyum sağlayıp sağlamadığını tespit
etmek için örnek alınan aynı noktalarda sintilometre ölçümleri de yapılmıştır. Son
olarak Sarıhacılı Yozgat bölgesinin en çok kirlenen kısmı, maksimum yoğunluğa sahip
elementler tespit edilmiş ve bu kirlenmenin sebepleri tartışılmıştır.
4.2 Aanaliz
4.2.1 Çalışma arazisinin tanımlanması ve verilerin hazırlanması
Şekil 4.1’ de Yozgat İntrüzif Kompleksinin kuzey bölümünde yer alan çalışma alanının
1/25.000 ölçekli jeoloji haritası ve bu harita üzerinde örnek alım - sintilometre ölçüm
noktaları görülmektedir.
56
Şekil 4.1 Yozgat İntrüzif Kompleksi Kuzey bölümünün jeoloji haritası (Akçe ve kadıoğlu, 2006)
Verilerin toplandığı bölge Şekil 4.2’de görülmektedir.
(a)
S1
S3
S2
Biçimlendirilmiş: Satır aralığı: tek
Silinmiş:
57
(a)
(b)
S1: iri taneli biyotit muskovit granit birimindedir (26 örnek);
S2: ince taneli biyotit muskovit granit birimindedir (27 örnek);
S3: iri kuvarslı ince taneli muskovit granit birimindedir (25 örnek).
Şekil 4.2 Örnek alım bölgelerini gösteren haritalar (Akçe ve Kadıoğlu, 2005)
a. Bölgenin jeoloji haritası, b. Bölgenin eşyükselti haritası
Toplanan bütün 78 örnek PED röntgen Floresan USGS standartları tarafından ve ilgili
kalibrasyon yöntemleri kullanarak analiz edilmiştir. Yaklaşık 26 kimyasal element için
konsantrasyon toplamı belirlenmiştir. Sintilometre ölçümleri de radyoaktif elementlerin
oranı karşılaştırmak amacı ile örneklerin toplandığı noktalarında gerçekleştirilmiştir.
S1
S2
S3
S1 S3
S2
Silinmiş: ¶¶(b)¶
Biçimlendirilmiş: Satır aralığı: tek
Silinmiş: ¶
Biçimlendirilmiş: Yazı tipi: 10 nk
Silinmiş: )
Biçimlendirilmiş: Yazı tipi: 10 nk
Silinmiş: )
Biçimlendirilmiş: Yazı tipi: 10 nk
58
Çizilge 4.1- 4.3’te sadece Fe, Na, Ca, Mg, K, Si, U ve Pe gibi radyoaktif elementleri
içermektedir. Ayrıca S1, S2 ve S3 bölgelerinde yapılan sintilometre ölçüm değerleri de
aynı tablolarda verilmiştir.
Çizelge 4.1 S1 bölgesi için sintilometre ölçüm değerleri (cps) ve radyoaktif elementlerinin jeokimyasal analiz sonuçları
Örnek
Numarası
Örnek
Kodu Sintilometre (cps)
değeri
Na U Si Mg Th K Fe Ca
1 S1-1 180 2.49 6.6 28.39 0.091 21 3.82 0.4597 0.265
2 S1-2 200 2.44 14 26.66 0.128 29.1 3.564 0.7873 0.2611
3 S1-3 220 2.88 6 30.94 0.206 29.3 4.029 0.5497 0.2557
4 S1-4 250 2.32 20 27.91 0.189 29.8 3.761 0.6468 0.3451
5 S1-5 250 2.22 19.4 30.31 0.155 29 3.767 0.866 0.3239
6 S1-6 210 2.37 7.5 29.37 0.132 24.9 4.024 0.4647 0.2364
7 S1-7 200 2.1 14.7 27.45 0.092 19.4 4.175 0.5393 0.2235
8 S1-8 230 2.73 15.1 29.15 0.014 20.1 3.976 0.3289 0.2274
9 S1-9 220 2.9 16 31.96 0.089 17.9 4.153 0.4625 0.2266
10 S1-10 250 2.48 6.7 29.17 0.07 24.2 4.405 0.5468 0.2013
11 S1-11 300 2.01 17 26.89 0.148 32 3.508 0.7427 0.2842
12 S1-12 300 2.51 15.7 31.02 0.127 24.3 3.845 0.8768 0.3423
13 S1-13 200 1.58 16 29.16 0.212 20.9 4.758 1.407 0.3831
14 S1-14 200 1.73 10.9 29.32 0.191 18.5 4.369 1.636 0.4505
15 S1-15 300 1.84 11.5 29.08 0.2 26.9 5.091 1.572 0.1997
16 S1-16 600 2.24 11.9 29.28 0.198 34.5 3.768 1.051 0.2947
17 S1-17 300 1.91 20.4 27.65 0.211 27.6 3.652 0.8871 0.3326
18 S1-18 280 2.44 12.9 28.91 0.128 23.4 3.613 0.9865 0.4402
19 S1-19 250 1.63 10 23.83 0.361 11.1 2.495 1.752 1.218
20 S1-20 250 2.14 13.9 28.88 0.173 24.2 3.886 0.8496 0.3161
21 S1-21 180 1.66 6 29.35 0.093 17.9 4.263 0.4406 0.4651
22 S1-22 200 1.79 13.6 32.48 0.148 14.7 4.575 0.7313 0.5108
23 S1-23 180 2.49 24.4 27.51 0.296 33 3.225 1.572 0.7556
24 S1-24 200 1.89 14.8 30.29 0.083 29.4 5.172 0.3879 0.2833
25 S1-25 350 2.75 19 34.02 0.12 27.4 3.935 0.7284 0.2941
26 S1-26 230 2.52 7.2 33.25 0.16 34.4 3.972 0.6508 0.3159
Silinmiş: , 4.2, ve 4.3’te
Silinmiş: ¶¶¶¶¶
Silinmiş: ¶
59
Çizelge 4.2 S2 bölgesi için sintilometre ölçüm değerleri (cps) ve radyoaktif elementlerinin jeokimyasal analiz sonuçları
Örnek
Numarası
Örnek
Kodu Sintilometre (cps)
değeri
Na U Si Mg Th K Fe Ca
1 S2-1 200 2.61 11.7 31.62 0.135 31.9 3.902 0.9535 0.3831
2 S2-2 250 2.92 19.2 33.76 0.094 39.5 4.216 0.4977 0.3264
3 S2-3 270 2.8 20 32.49 0.129 36.1 4.187 0.511 0.3664
4 S2-4 200 2.82 20.9 33.88 0.082 37.7 4.192 0.4036 0.3252
5 S2-5 180 2.69 10 32.55 0.014 30.5 4.144 0.5419 0.2414
6 S2-6 250 3.13 7.9 33.31 0.102 47.3 3.887 0.5481 0.4174
7 S2-7 260 2.69 10.8 33.07 0.091 36.6 4.015 0.5873 0.3465
8 S2-8 250 2.7 14.1 34.05 0.145 40.2 4.333 0.533 0.3665
9 S2-9 250 2.4 23.3 28.01 0.167 37.9 3.495 0.758 0.4813
10 S2-10 260 2.76 7.6 28.57 0.562 17.3 1.994 1.273 0.2168
11 S2-11 230 3.81 6.3 31.75 0.406 0.8 0.257 2.143 1.076
12 S2-12 200 3.97 7 28.8 0.751 0.4 0.2752 2.015 1.038
13 S2-13 200 3.76 5.7 29.91 0.197 0.8 0.626 1.342 0.9833
14 S2-13 EK 400 2.58 24.7 33.48 0.015 29.2 4.381 0.4372 0.4062
15 S2-14 230 2.52 7.6 32.84 0.1 38.6 4.364 0.4079 0.3587
16 S2-15 320 2.85 6.3 32.56 0.077 38.7 3.911 0.3577 0.3837
17 S2-16 200 2.42 6.3 32.51 0.071 23.4 4.371 0.4352 0.3336
18 S2-17 250 2.54 8.6 34.54 0.014 24.6 4.6 0.2375 0.2956
19 S2-18 230 2.62 6.2 33.68 0.111 31.6 4.297 0.5018 0.3425
20 S2-19 180 2.03 13.1 33.65 0.014 31.6 4.188 0.1863 0.282
22 S2-22 250 2.68 7.5 34.38 0.014 41.7 4.555 0.3209 0.4271
23 S2-23 200 2.68 7.3 33.97 0.085 28.6 4.165 0.6565 0.2706
24 S2-24 300 2.75 30.8 33.95 0.109 29.6 4.222 0.4067 0.3158
25 S2-25 250 2.58 14 33.53 0.148 31.7 4.166 0.5416 0.4043
26 S2-26 360 2.53 23.9 28.95 0.09 36.8 3.936 0.6505 0.3936
27 S2-27 200 2.65 6.3 31.87 0.14 36.8 3.981 0.5042 0.3673
Silinmiş: ¶¶¶
60
Çizelge 4.3 S3 bölgesi için sintilometre ölçüm değerleri (cps) ve radyoaktif elementlerinin jeokimyasal analiz sonuçları
Örnek
Numarası
Örnek
Kodu
Sintilometre (cps)
değeri
Na U Si Mg Th K Fe Ca
1 S3-9 75 2.72 6.2 28.8 0.486 17.6 2.67 1.362 0.2183
2 S3-10 70 2.76 7.6 28.57 0.562 17.3 1.994 1.273 0.2168
3 S3-11 25 3.81 6.3 31.75 0.406 0.8 0.257 2.143 1.076
4 S3-12 25 3.97 7 28.8 0.751 0.4 0.2752 2.015 1.038
5 S3-13 25 3.76 5.7 29.91 0.197 0.8 0.626 1.342 0.9833
6 S3-14 20 3.77 11.1 31.45 0.254 3 0.35 2.082 1.216
7 S3-15 25 3.74 7.2 33.95 0.219 1 0.8846 1.87 1.234
8 S3-16 15 2.76 7.6 28.57 0.562 17.3 1.994 1.273 0.2168
9 S3-17 25 3.97 7 28.8 0.751 0.4 0.2752 2.015 1.038
10 S3-18 25 3.76 5.7 29.91 0.197 0.8 0.626 1.342 0.9833
11 S3-19 25 3.77 11.1 31.45 0.254 3 0.35 2.082 1.216
12 S3-20 25 3.74 7.2 33.95 0.219 1 0.8846 1.87 1.234
13 S3-21 20 4.34 16.2 30.26 1.169 1 0.3532 3.636 2.077
14 S3-22 25 3.29 7.8 33.69 0.179 0.8 0.783 2.057 1.124
15 S3-23 20 3.41 6.9 29.07 0.318 0.8 0.4923 1.917 1.265
16 S3-24 25 3.05 6.6 30.1 0.283 0.8 0.4384 1.243 1.004
17 S3-25 30 2.69 7 28.54 0.174 0.7 0.7591 1.722 1.021
18 S3-26 100 2.63 8.9 30.18 0.447 16.4 2.618 1.052 0.2262
19 S3-27 25 3.27 6 30.82 0.289 0.8 0.8372 1.94 1.264
20 S3-28 100 2.56 5.9 28.33 0.467 16.4 2.515 1.165 0.2253
21 S3-29 25 3.26 7.9 28.96 0.407 0.9 0.7025 3.593 1.958
22 S3-30 25 4.45 6 30.04 0.782 0.9 0.4467 2.89 1.613
23 S3-31 20 3.21 7.2 27.62 0.408 0.8 0.5029 3.127 1.663
24 S3-32 25 3.55 16.7 28.89 0.381 1 0.7597 3.792 1.964
25 S3-33 25 3.39 6.2 28.13 0.444 0.8 0.4841 2.675 1.56
Bu aşamadan sonra, radyoaktif elementlerin veri dağılımı analizi farklı enterpolasyon
teknikleri ve ArcGIS yazılımının Geostatistical Analyst Tool Box kullanılarak
hazırlanmış olan kirlilik haritaları kullanılarak yapılmıştır. Bu analizin yapılmasının
amacı, toprak/kaya yapılarında radyoaktif elementlerin dağılımını bulmak ve
tartışmaktır.
Silinmiş:
61
4.2.2 Verilerin analizi ve yoğunluk haritası oluşturma
Bu bölümde verilerin analizi ve yoğunluk haritası oluşturma adımları sadece bir element
için yapılmıştır (örnek olarak S1 bölgesinden Sintilometre değeri için). Diğer elementler
için ise sadece analiz sonuçları Bölüm 4.2.3’ de çizelge 4.4- 4.6’da verilmiştir.
Verilerin analizi ve yoğunluk haritası oluşturma işlemi Bölüm 3’de tasarlanan
metodolojiye uygun yapılmıştır.
4.2.2.1 Gerçek verilerin analizi ve kirlenme haritasının oluşturulması
Bu aşamada eldeki veriler herhangi işleme tabii tutulmaksızın incelenmiş, veri dağılımı
analizi yapılmış ve kirlenme haritası oluşturulmuştur.
Bu aşamada, Geostatistical Analyst aracını fabrika ayarları kullanılarak Sintilometre
değeri için dağılım yüzeyi oluşturulacaktır. Bu amaçla Çizelge 4.1’deki Sintilometre
sütunundaki değerleri giriş verileri olarak kullanılacak ve Kriging metodu kullanılarak
ölçüm değerleri bilinmeyen noktalar için Sintilometre değerlerinin enterpolasyonu
yapılacaktır. Aşağıdaki Şekil 4.3 ve Şekil 4.4’te görüldüğü gibi fabrika ayarı olarak
Kriging metodu ve Prediction Map (Tahmin Haritası) seçilmiştir.
Silinmiş: tablo halinde
62
Şekil 4.3 Giriş verisinin metot seçimi
Şekil 4.4 Geostatistik yöntemi seçmek
63
Bir sonraki adımlarda ölçüm noktaları arasındaki ilişkileri incelemek için
Semivariogram Modeling (Şekil 4.5) ve Covariance Modeling (Şekil 4.6) diyagramı
oluşturulur.
Şekil 4.5 Semivariogram Modeling diyagramı: Mesafeye göre farklılığın değişimi artıyor ve bu yüzden Semivariogram benzersizlik fonksiyonu gibi düşünülebilir.
Semivariogram Modeling diyagramı yakın veri noktalarının statik bağlantısını
göstermektedir. Mesafe arttıkça veri noktalarının birbiri ile ilişkili olma olasılığı
azalıyor.
64
Şekil 4.6 Covariance Modelingleme diyagramı: Mesafeye göre otokorolasyon azalıyor ve bu yüzden Covariance benzerlik fonksiyonu gibi düşünülebilir.
Covariance iki değişkenin birlikte ne kadar değiştiğini gösteren ölçümdür. İki değer
biribiri ile yakın olduğunda onların aynı olması beklenebilir ve bu değerler için
Covariance değeri büyük olacak. Noktalar birbirinden uzaklaştıkça onların aynılık
derecesi azalıyor ve Covariance değeri sıfır oluyor.
Bir sonraki adımda Searching Neighborhood (Komşuların Araştırılması) diyagramı
kullanılarak komşuların araştırması yapılacak (Şekil 4.7). Şekildeki çarpı işareti ölçüm
yapılmayan noktayı göstermektedir. Çarpı işaretinin gösterdiği yerdeki değeri tahmin
etmek için ölçümü yapılan noktaların değerleri kullanılabilir. Kırmızı renkli noktalar
yeşil renkli noktalara göre tahmini yapılacak noktaya daha yakın oldukları için onların
kullanılması gerekmektedir. Semivariogram Modeling diyagramındaki model ile
ivardaki noktaları kullanarak ölçümü yapılmamış nokta için daha doğru değer tahmini
yapılabilir.
65
Şekil 4.7 Searching Neighborhood grafiği (Komşuların Araştırılması)
Cross Validation (Çapraz Değerlendirme) diyagramı (Şekil 4.8) kullanılan modelin
ölçümü yapılmamış noktalardaki değerlerin ne kadar iyi tahmin edildiği hakkında fikir
oluşturmaktadır.
66
Şekil 4.8 Cross Validation grafiği (Çapraz Değerlendirme)
Son adım olarak fabrika ayarlarına uygun olarak Yozgat Sarıhacılı S1 bölgesinde
Sintilometre değeri için yoğunluk haritası oluşturulur (Şekil 4.9).
Şekil 4.9 Yozgat Sarıhacılı S1 bölgesinde Sintilometre değeri için yoğunluk haritası
67
4.2.2.2 Enterpolasyon tekniklerinin önerilmesi ve uygun enterpolasyon tekniğinin seçimi
Bölüm 4.2.2.3’de yapılacak bir sonraki analiz aşaması için Bölüm 3’de önerilen ve en
uygun olarak seçilen sekiz komşu değerlerin aritmetik ortalamasına göre veri üretim
tekniği kullanılarak yapılacaktır.
4.2.2.3 Nihai kirlenme haritasının oluşturulması
Bu aşamada verilerin incelemesi yapılacaktır. Verilerin dağılım haritası oluşturma
sürecinde verileri iyice kavramak için onları bazı tekniklerle incelemek gerekiyor.
İnceleme aşamasında giriş verilerinde yer alabilecek ve tahmin haritasını olumsuz
etkileyebilecek apaçık hatalar ortaya çıkacak, verilerin nasıl dağıldığı ve eğilimler yer
alıp almadığı görülecektir.
Bu aşamada aşağıdaki incelemeler yapılacaktır:
1. Veri dağılımının araştırılması;
2. Eğilimlerin belirlenmesi;
3. Nihai kirlenme haritasının oluşturulması;
4. Oluşturulan haritaların karşılaştırılması.
1) Veri dağılımının araştırılması
Histogram tekniği ile veri dağılımının araştırılması
Seçilen enterpolasyon tekniği eğer verilerin dağılımı normal (çan şekilli eğri) ise en iyi
sonucu verecek. Eğer veriler çarpıksa onları normal hale getirmek için dönüştürme
işlemi yapılmalıdır. Böylece nihai harita oluşturmadan önce verilerin dağılımını
anlamak önemlidir. Histogram aracı her nitelik için verilerin dağılımının incelemesini
olanaklı kılan frekans histogramları çizdirmektedir.
Sintilometre değerinin dağılımı aşağıdaki histogramda görülmektedir (Şekil 4.10).
Silinmiş: ‘
68
Şekil 4.10 Sintilometre değeri için veri dağılımı histogramı
Şekilde görüldüğü gibi veriler on sınıfa ayrılmıştır. Her sınıf için veri yoğunluğu uygun
sınıfın yüksekliği ile belirlenmektedir. Genel olarak veri dağılımının en önemli
özellikleri merkezi değer, verilerin yayılımı ve simetrikliğidir. Hızlı değerlendirme
olarak eğer Orta ve medyan değerleri yaklaşık aynı ise veri dağılımının normal olduğu
söylene bilir. Histogram, veri dağılımının tek tümsekli ve simetrik olmadığını
gösteriyor. Böylece veri dağılımının normal olmadığını anlaşılmaktadır. Dağılımın sağ
kısmı oldukça az sayıda büyük Sintilometre değeri konsantrasyon değerli örnek
noktalarının olduğunu göstermektedir.
Normal QQPlot tekniği ile veri dağılımının araştırılması
Bu adımda elde edilen veri dağılımı, verilerin normalliğinin diğer ölçümünü sağlayan
standart normal dağılım ile karşılaştırılmaktadır. Noktalar doğru çizgiye ne kadar yakın
ise verilerin dağılımı da normal dağılıma yakın sayılmaktadır (Şekil 4.11).
69
Şekil 4.11 Sintilometre değeri için veri dağılımı Normal QQPlot grafiği
Şekilde doğru çizgi ile diğer veriler arasındaki önemli farkların Sintilometre değerinin
düşük ve yüksek değerleri için görülmektedir. Böylece Normal QQPlot tekniği de veri
dağılımının normal olmadığını göstermektedir. Veri dağılımının Histogram veya
Normal QQPlot tekniği ile normal dağılıma uymadığı anlaşıldığında enterpolasyon
teknikleri uygulamadan önce verileri normal dağılıma dönüştürmek gerekir.
2) Eğilimlerin belirlenmesi
Şekil 4.12‘de ve Şekil 4.13’te verilerin eğilimi görülmektedir. Şekiller verilerde eğilim
olduğunu göstermektedir ve bu eğilim ikinci dereceden polinom ile ifade edilmektedir.
70
Şekil 4.12 Eğilim analizi 1 gösterimi
Şekil 4.13 Eğilim analizi 2 gösterimi
71
Böyle eğilimin yer alması Sintilometre değerinin bölgenin bir kısmında yüksek diğer
kısmındaysa düşük olduğu anlamına geliyor. Bir sonraki aşamada bu eğilim giderilmeye
çalışılacaktır.
3) Sonuç kirlenme haritasının oluşturulması;
Bu adımda, bir önceki adımda oluşturulan Sintilometre dağılımı haritası iyileştirmek
için analizler yapılacaktır. Bu amaçla verilerde yer alan eğilim giderilerek üçüncü
bölümde seçilen en iyi enterpolasyon tekniği ile daha iyi tahmin yapılmaya
çalışılacaktır. Bir önceki adımda yer alan eğilimin ikinci dereceden polinom ile ifade
edildiğine karar verilmiştir. Eğilimi gidermek için Order of Trend Removal
sekmesinden Second seçeneğini seçilmelidir (Şekil 4.14).
Şekil 4.14 Eğilim giderme polinomu seçimi
Oluşturulan yüzey haritası (Şekil 4.15) hızlı değişimin Kuzey-Güney yönünde daha
yavaş değişimin ise Doğu-Batı yönünde olduğu görülmektedir.
72
Şekil 4.15 Eğilim giderme işlemi
Eğilimi giderilmiş verileri kullanarak bu bölümün başlangıcında yapılan Semivariogram
Modeling, Covariance Modeling, Searching neighborhood ve Cross Validation
analizleri yapılmalıdır (Şekil 4.16 – 4.19).
73
Şekil 4.16 Semivariogram Modeling diyagramı
74
Şekil 4.17 Covariance Modeling diyagramı
Bölüm 3’ de önerilen ve seçilen en iyi enterpolasyon tekniği olan sekiz komşu
değerlerin aritmetik ortalamasına göre veri üretim tekniği seçilir (Şekil 4.18).
75
Şekil 4.18 Searching neighborhood diyagramı
Şekil 4.19 Cross Validation diyagramı
76
Son olarak eğilimi giderilmiş Yozgat Sarıhacılı S1 bölgesindeki Sintilometre değerinin
dağılımını gösteren nihai harita oluşturulmuştur (Şekil 4.20).
Şekil 4. 20 Sintilometre değeri için nihai dağılım haritası
4) Oluşturulan haritaların karşılaştırılması.
Son adımda oluşturulan iki kirlenme haritalarının (Default ve Trend Removed)
karşılaştırılması yapılabilir (Şekil 4.21). Trend Removed haritası için Root - Mean –
Square Prediction Error düşük olduğu için, Root - Mean – Square Standardized
Prediction Error Trend Removed haritasındakine yakın olduğu için ve Trend Removed
haritası için Mean Prediction Error sıfıra yakın olduğu için Trend Removed haritasının
daha iyi ve daha geçerli olduğunu söylemek mümkündür.
77
Şekil 4.21 Cross Validation Comparison: Default ve Trend Removed karşılaştırması
4.2.3 S1 bölgesi için analiz sonuçları
Şekil 4.22, S1 bölgesinden toplanan verilerin dağılımını gösterilmektedir.
Şekil 4.22 S1 bölgesinden toplanan veri dağıtımı
Silinmiş:
78
Çizelge 4.4‘te S1 bölgesi için Fe, Na, Ca, Mg, K, Si, U ve Th radyoaktif elementleri ve
sintilometre ölçüm değerleri için kirlilik haritalarını içermektedir.
Çizelge 4.4 S1 bölgesi için veri dağılımı ve kirlenme haritaları
No Elementler ve yorumlar Veri dağılımı ve yoğunluk haritası Ölçek
1 Sintilometre (cps)
Sintilometre (CPS) değerleri S1 alanının güney doğusunda radyoaktif elementlerin yoğunluğunun daha yüksek olduğunu göstermektedir ve radyoaktif elementlerin yoğunluğu S1 alanının kuzey batısına gittikçe azalmaktadır.t.
2 Na
Na elementi, S1 alanın içerisinde düşük bir yoğunluğa sahip olduğu görülmektedir ve bu yoğunluk eşit bir şekilde dağılmaktadır.
3
U
U elementinin seviyesi S1 alanında Na elementinden daha yoğun oluluğu görülmektedir ve bu yoğunluk S1 alanının güney doğusuna gittikçe artmaktadır.
4
Si
Si elementinin oranı orta yoğunlukta olup S1 alanının güney doğusunda en yüksek oranda ve S1 alanının batısına doğru Si elementinin yoğunluğunun azaldığı görülmektedir.
Silinmiş: ¶
Biçimlendirilmiş: Sola
Silinmiş: Çizelge 4.4 S1 bölgesi için veri dağılımı ve kirlenme haritaları
Silinmiş: ¶
Silinmiş: ¶
Silinmiş: ¶5 ... [3]
Biçimlendirilmiş: Ortadan
79
Çizelge 4.4 S1 bölgesi için veri dağılımı ve kirlenme haritaları (devam)
5
Mg
Mg elementin yoğunluğu S1 alanının kuzey ve güney kısmında yüksek olduğu görülmektedir ve S1 alanının kuzey batısına doğru, Mg elementinin yoğunluğu orantılı bir şekilde azalmaktadır.
6
Th
Th elementi, S1 alanının güney kırımında yoğun olduğu ve S1 alanının kuzey doğusuna doğru Th elementin azaldığı görülmektedir.
7
K
K elementi S1 alanına orta bir yoğunlukta dağılmaktadır.
8
Fe
Fe elementı S1 alanının kuzey kısmında yüksek bir yoğunlukta olduğu ve alanın güney doğusuna doğru bu yoğunluğun azaldığı görülmektedir.
9
Ca
S1 alanının kuzey batısında Ca elementin yoğun olduğu ve alanın doğu kısmına doğru bu yoğunluğun azaldığı görülmektedir.
Biçimlendirilmiş: Sekme durakları: 3,02 cm, Sola
Silinmiş: ¶
Silinmiş: ¶
80
4.2.4 S2 alanı için analiz sonuçları
Şekil 4.23, S2 bölgesinden toplanan verilerin dağılımını gösterilmektedir
Şekil 4.23 S2 bölgesinden toplanan veri dağıtımı
Çizelge 4.5’te S2 bölgesi için Fe, Na, Ca, Mg, K, Si, U ve Th radyoaktif elementleri ve
sintilometre ölçüm değerleri için kirlilik haritalarını içermektedir.
Çizelge 4.5 S2 bölgesi için veri dağılımı ve kirlenme haritaları
No Elementler ve yorumlar Veri dağılımı ve kirlenme haritaları Ölçek
1
Sintilometer (cps)
Sintilometre (cps) değerleri S2 alanında düşük bir yoğunluktadır ve bu yoğunluk S2 alanının doğusuna gittikçe azalmaktadır
2
Na
Na elementinin, yüksek bir yoğunlukla, S2 alanının kuzeybatısında yer almaktadır ve bu yoğunluk S2 alanının doğusuna doğru azalmaktadır.
Silinmiş: ‘
Biçimlendirilmiş: Sola
Silinmiş: ¶
Biçimlendirilmiş: Sola
Biçimlendirilmiş: Ortadan
Biçimlendirilmiş: Sola
81
Çizelge 4.5 S2 bölgesi için veri dağılımı ve kirlenme haritaları (devam)
3 U
U elementinin, S2 alanının kuzey ve güney kısmında orta bir yoğunlukta görülmektedir ve bu yoğunluk S2 alanının batısına doğru azalmaktadır.
4
Si
Si elementinin yüksek yoğunluğu S2 alanının kuzey batısında görülmektedir ve bu yoğunluk S2 alanının doğusuna doğru azalmaktadır.
5
Mg
Mg elementinin S2 alanının kuzey doğusunda yoğun olduğunu görülmektedir ve bu yoğunluk S2 alanının güneyine doğru azalmaktadır.
6
Th
Th elementinin yoğunluğu S2 alanında düşük olduğunu görülmektedir ve bu yoğunluk alanın ortasına doğru daha da azalmaktadır.
7
K
K elementinin, S2 alanında yüksek yoğunlukta olduğunu görülmektedir.
82
Çizelge 4.5 S2 bölgesi için veri dağılımı ve kirlenme haritaları (devam)
Fe
Fe elementinin, S2 alanının kuzey batısında yüksek yoğunlukta olduğu görülmektedir ve bu yoğunluk S2 alanının güney doğusuna doğru azalmaktadır.
Ca
Ca elementinin yoğunluğu S2 alanında çok az olduğu görülmektedir ve bu yoğunluk S2 alanın doğusuna doğru azalmaktadır.
4.2.5 S3 alanı için analiz sonuçları
Şekil 4.24, S3 bölgesinden toplanan verilerin dağılımını gösterilmektedir
Şekil 4.24 S3 bölgesinden toplanan veri dağıtımı
Silinmiş: ¶8¶¶¶¶¶ ... [4]
Biçimlendirilmiş: Satır aralığı: 1,5satır, Sekme durakları: 3,02 cm, Sola
Silinmiş: ¶
83
Çizelge 4.6’da S3 bölgesi için Fe, Na, Ca, Mg, K, Si, U ve Th radyoaktif elementleri ve
sintilometre ölçüm değerleri için kirlilik haritalarını içermektedir.
Çizelge 4.6 S3 bölgesi için veri dağılımı ve kirlenme haritaları
o Elementler ve yorumlar Veri dağılımı ve kirlenme haritaları Ölçek
1
Sintilometer (cps)
Sintilometrenin değeri S3 alanının iki kısmında yüksek yoğunlukta görünmektedir ve bu yoğunluk S3 alanının güney batısına doğru azalmaktadır.
2
Na
Na elementinin, S3 alanının güney batısında yüksek yoğunlukta olduğu görülmektedir ve bu yoğunluk kuzey doğuya doğru azalmaktadır.
3
U
U elementinin yoğunluğu S3 alanında düşük olduğu görülmektedir.
4
Si
Si elementinin yoğunluğu S3 alanının merkezine yakın yüksek yoğunlukta olduğu görilmektedirve bu yoğunluk S3 alanının merkezinden uzaklaştıkça azalmaktadır.
5
Mg
Mg elementinin yoğunluğunun
Biçimlendirilmiş: Sola
84
S3 alanının kuzey batısına doğru yüksek olduğu görülmektedir ve bu yoğunluk S3 alanının güneyine doğru azalmaktadır.
Silinmiş: ¶6¶¶ ... [5]
85
Çizelge 4.6 S3 bölgesi için veri dağılımı ve kirlenme haritaları (devam)
Fe, Na, Ca, Mg, K, Si, U ve Th gibi radyoaktif elementlere ve sintilometre ölçüm
değerlerine göre Yozgat Sarıhacılı bölgesinin en fazla kirlenen kısımları tespit edilmiş
ve bu kirlenmenin nedenleri tartışılmıştır.
6
K
K elementinin yoğunluğu S3 alanının kuzeyine doğru yüksek olduğunu görülmektedir ve bu yoğunluk S3 alanının güney batısına doğru azalmaktadır.
7
Th
Th elementin yoğunluğu S3 alanının merkezine doğru yüksek olduğu görülmektedir.
8
Fe
Fe elementi, S3 alanının kuzey doğusuna doğru yüksek yoğunluktadır ve bu yoğunluk S3 alanının güneyine doğru azalmaktadır.
9
Ca
Ca elementinin yoğunluğu S3 alanının kuzey doğusunda yüksek olduğu görülmektedir ve bu yoğunluk güney batıya doğru azalmaktadır.
Biçimlendirilmiş Tablo
Biçimlendirilmiş: Sola
86
5. SONUÇ VE TARTIŞMALAR
Bu çalışmanın amaç GIS yazılımı kullanarak Yozgat Sarıhacılı granitoidindeki toprak
ve kayalardaki radyoaktif elementlerin analizini yapmak, tartışmak ve farklılıkları
ortaya çıkarmak için bir metodoloji geliştirmek ve uygulamaktır. Bu bağlamda
radyoaktif elementlerin kimyasal analiz sonuçları ve radyoaktivite değerleri ile coğrafi,
jeoloji ve arazi kullanımı veritabanlarını karşılaştırmak için bölgesel dağılım haritası
oluşturmak amacıyla ArcGIS yazılımına ait Geostatistical Analyst Tool Box
kullanılmıştır. GIS haritaları olası kirlenme kaynaklarını ortaya çıkarmak için yaygın
olarak kullanılan güçlü bir araçtır. Bu çalışmada GIS haritalama tekniği Yozgat
Sarıhacılı bölgesindeki kirlenme kaynaklarını gösteren dağılım haritası oluşturmak için
kullanılmıştır. GIS haritaları tehlikeli durumları değerlendirmek ve karar almak
konusunda önemli bilgiler sağlamaktadır. Çalışma bölgesinden alınan örneklerin
kimyasal analiz sonuçları ve GIS haritaları (sintilometre (cps), Fe, Na, Ca, Mg, K, Si, U
ve Th elementleri için) bu kayaçların kökensel etkisini ortaya koymaktadır.
Sarıhacılı Yozgat S1, S2 ve S3 bölgeleri için yapılan Geostatistical analizlerin özeti,
sıralı bir şekilde, çizelge 4.7- 4.9’da verilmiştir.
Silinmiş: ¶¶
Silinmiş: , 4.8 ve
87
Çizelge 4.7 Sarıhacılı Yozgat S1 bölgesi için Geostatistical analiz sonuçları
Radyoaktif Elementler
Değişim yoğunluğu ve aralığı (şartı birim ile)
Düşük Yoğunluk Yüksek Yoğunluk Yorumlar
Sintilometre Yüksek 252 (460-208)
208 Kuzey-Batı kısmı
460 Güney- Doğu kısmı
Korelasyon için esas değer
Na Düşük 0.6 (2.6-2.0)
2.0 Kuzey-Doğu kısmı
2.6 Güney-Doğu kısmı
Sintilometre ile uyumlu
U
Düşük 6 (17-11)
11 Kuzey-Batı kısmı
17 Güney kısmı
Sintilometre ile uyumlu
Si Orta 5 (32-27)
27 Kuzey-Batı kısmı
32 Güney-Doğu kısmı
Sintilometre ile uyumlu
Mg
Yüksek 153 (257-104)
104 Kuzey-Batı kısmı
257 Güney-Doğu kısmı
Sintilometre ile uyumlu
Th
Orta 16 (32-16)
16 North-Doğu kısmı
32 Güney-Doğu kısmı
Sintilometre ile uyumlu
K
Düşük 0.7 (4.2-3.5)
3.5 Güney-Doğu kısmı Güney- Batı kısmı
4.2 Güney-Doğu kısmı Orta kısım Kuzey-Batı kısmı
Büyük oranda Sintilometre değeri ile uyumlu
Fe
Yüksek 998 (1458-460)
460 Batı kısmı
1458 Kuzey-Doğu kısmı
Büyük oranda Sintilometre değeri ile uyumlu
Ca Yüksek 609 (843-234)
234 Batı kısmı
843 Kuzey-Doğu kısmı
Büyük oranda Sintilometre değeri ile uyumlu
Çizelge 4.7’de S1 bölgesi için ölçülen sintilometre değerleri, radyoaktif element
değerlerine uygun görülmektedir. S1 bölgesinde, Mg, Fe ve Ca değerlerinin yüksek
olduğu, Na, U ve K değerlerinin düşük olduğu görülmektedir.
Biçimlendirilmiş: Sola
88
Çizelge 4.8 Sarıhacılı Yozgat S2 bölgesi için Geostatistical analiz sonuçları
Radyoaktif Elementler
Değişim yoğunluğu ve aralığı (şartı birim ile)
Düşük Yoğunluk Yüksek Yoğunluk Yorumlar
Sintilometre Orta 48 (269-221)
221 Güney-Batı kısmı
269 Doğu kısmı Kuzey-Batı kısmı
Korelasyon için esas değer
Na Yüksek 2.6 (4.0-1.4)
1.4 Kuzey-Doğu kısmı
4.0 Güney-Doğu kısmı
Düşük oranda Sintilometre değeri ile uyumlu
U
Orta 11 (17-6)
6 Güney-Batı kısmı
17 Kuzey kısmı Güney-Doğu kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Si Yüksek 13 (34-21)
21 Doğu kısmı
34 Orta kısım Batı kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Mg
Yüksek 751 (751-0)
0 Güney kısmı
751 Kuzey-Doğu kısmı Batı kısmı
Büyük oranda Sintilometre değeri ile uyumlu
Th
Düşük 31 (31-0)
0 Batı kısmı
31 Güney kısmı Kuzey kısmı
Düşük oranda Sintilometre değeri ile uyumlu
K
Yüksek 1.5 (5.0-3.5)
3.5 Doğu kısmı Orta kısım Batı kısmı
5.0 Güney kısmı Kuzey kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Fe
Yüksek 2143 (2143-0)
0 Güney-Doğu kısmı
2143 Kuzey-Batı kısmı
Sintilometre ile uyumlu
Ca Düşük 0.3 (0.3-0)
0 Güney kısmı Güney kısmı
0.3 Batı kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Çizelge 4.8’de S2 bölgesi için ölçülen sintilometre değerleri, radyoaktif element
değerlerine düşük oranda uygun görülmektedir. S2 bölgesinde, Na, Si, Mg, K, ve Fe
değerlerinin yüksek olduğu, Th ve Fe değerlerinin düşük olduğu görülmektedir.
Silinmiş: ¶
Biçimlendirilmiş: Sola
89
Çizelge 4.9 Sarıhacılı Yozgat S3 bölgesi için Geostatistical analiz sonuçları
Radyoaktif elementler
Değişim yoğunluğu ve aralığı (şartı birim
ile)
Düşük Yoğunluk Yüksek Yoğunluk Yorumlar
Sintilometre Orta 53 (72-19)
19 Güney-Batı kısmı
72 Orta kısım Güney-Doğu kısmı Kuzey kısmı
Korelasyon için esas değer
Na Yüksek 0.9 (3.9-3.0)
3.0 Doğu kısmı
3.9 Batı kısmı
Sintilometre ile uyumlu değildir
U
Yüksek 4 (10-6)
6 Kuzey-Batı kısmı Güney-Doğu kısmı
10 Kuzey-Doğu kısmı Güney- Batı kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Si Yüksek 4 (32-28)
28 Kuzey-Doğu kısmı
32 Güney-Doğu kısmı
Büyük oranda Sintilometre değeri ile uyumlu
Mg
Yüksek 674 (885-211)
211 Güney kısmı
885 Batı kısmı Güney- Batı kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Th
Yüksek 2.1 (2.1-0)
0 Güney kısmı
2.1 Orta kısım Güney-Doğu kısmı
Sintilometre ile uyumlu
K
Yüksek 14 (14-0)
0 Güney kısmı
14 Orta kısım Kuzey kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Fe
Yüksek 3.4 (3.4-1)
1 Orta Kısım
3.4 Kuzey- Doğu kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Ca Düşük 1.8 (2.0-0.2)
0.2 Orta Kısım
2.0 Kuzey- Doğu kısmı
Düşük oranda Sintilometre değeri ile uyumlu
Çizelge 4.9‘da S3 bölgesi için ölçülen sintilometre değerleri, radyoaktif element
değerlerine, bazı elementler için, düşük oranda uygun görülmüş ve geriye kalan
elementler için hiç bir şekilde uygun görülmemiştir. S2 bölgesinde, Na, Si, Mg, Th, K,
ve Fe değerlerinin yüksek olduğu, U ve Ca değerlerinin düşük olduğu görülmektedir.
Böylece, Sarıhacılı Yozgat Granitoidinde Mg elementin yüksek orana sahip olduğu ve
U elementin düşük orana sahip olduğu anlaşılmıştır.
Biçimlendirilmiş: Sola
90
Sarıhacılı granitoidi jeokimyasal açıdan değerlendirildiğinde; subalkalin karakterli,
kalkalkalin yönelimli ve yüksek K serisinde yer alan peraluminalı, mafik mikrogranular
anklav içermeyen ve özşekilsiz granat içerikli üst kabuk kökenli S-tipi granitlerdir.
Sintilometre ölçüm değerlerine bakıldığında; S1 ve S2 bölgelerinin yüksek
radyoaktivite, S3 bölgesinin ise düşük radyoaktiviteye sahip olduğu görülmektedir.
Bu durum, kayaç jeokimyası ve mineraloji sonuçları ile uyumlu olduğu görülmüştür.
Yüksek radyoaktivitenin göstergesi olan K, Th ve U içeriklerinin S1 ve S2 bölgelerinde
yüksek, S3 bölgesinde düşük olması sintilometre ölçüm değerlerini desteklemektedir.
Mineralojik açıdan değerlendirildiğinde; yüksek K içeriğine sahip olan biyotit,
muskovit ve ortoklaz minerallerinin S1 ve S2 bölgesi kayaçlarında yaygın olarak
gözlenirken S3 bölgesi kayaçlarında ise çok az miktarlarda gözlendiği görülmektedir.
Özellikle S1 bölgesi kayaçları iri biyotit ve ortoklazlar içermektedir. Biyotit, muskovit
ve ortoklaz minerallerinde yine yüksek radyoaktiviteyi işaret eden zirkon minerali
kapanımları bulunması da önemli bir faktördür. S1 bölgesi biyotitleri içerisinde bulunan
zirkon kapanımları pleokroik radyoaktif haleler içererek radyoaktif değerlerinin yüksek
olmasına neden olmuştur.
Sonuç olarak; S1, S2 ve S3 bölgeleri radyoaktivite açısından incelendiğinde sintilometre
ölçüm değerleri (cps), tüm kayaç jeokimyası ve mineralojik özelliklerin birbirleriyle
uyumlu sonuçlar verdiği ve bunların GIS teknikleriyle birlikte yorumlandığında S1 ve
S2 bölgelerinin yüksek, S3 bölgesinin ise nispeten daha düşük radyoaktiviteye sahip
olduğu görülmektedir.
Silinmiş: ¶
91
5. SONUÇ
Bu çalışmanın amacı araziden toplanan jeoloji verilerinin bilgisayar ortamında analizini,
modellenmesini ve haritalanmasını yapmaktı. Bu kapsamda tez çalışmasında aşağıdaki
çalışmalar yapışmıştır:
• 50’nin üzerinde enterepolasyon teknikleri, GIS uygulamalı, veri analizleri,
kirlenme analizleri vb. konularla ilgili makale, kitap ve diğer kaynaklar
araştırılmış ve özetleri verilmiştir;
• Değişik interpolasyon tekniklerinin önerildiği, önerilen tekniklerden en
verimlisinin seçildiği, CBS yazılım araçları yardımıyla arazilerden toplanan
verilerin analizini yaparak ve sonuçlarını değerlendirerek çevre kirlenmelerinin
gerçek durumunu ortaya çıkarabilecek ve kirlenmenin kaynağını saptayabilecek
metodoloji geliştirilmiş ve uygulanmıştır;
• Arazinin jeolojik yapısını da dikkate alan 8 enterpolasyon tekniği önerilmiş,
MATLAB yazılımı ile kodlanmış ve en verimlisi seçilmiştir;
• Geliştirilen metodoloji ile Yozgat İli Sarıhacılı Bölgesine ait üç ayrı kısımdaki
kaya/topraklardan toplanan 78 adet örneklerdeki Sintilometre (cps), Fe, Na, Ca,
Mg, K, Si, U, and Th radyoaktif elementlerinin dağılımının analizi yapılmış,
modellenmiş ve haritaları oluşturulmuştur. Elde edilen sonuçlara göre radyoaktif
elemanların yoğunluğunu yüksek ve düşük olan bölgeler belirlenmiştir.
• Coğrafi Bilgi Sistemlerinde yoğun şekilde kullanılan ArcGIS 9.2 platformuna ait
ArcVIEW, ArcMap, ArcCatalog, vb. yazılımları ve Geostatistical Analyst başta
olmak üzere diğer Tools Box araçları öğrenilmiş ve yoğun şekilde kullanılmıştır.
• Tez kapsamında elde edilen sonuçlar bilimsel toplantılarda ve seminerlerde
tartışılmış ve uzmanlar tarafından takdir edilmiştir.
92
• Tez sonuçları seminer şeklinde tartışılmış, sempozyum özetler kitabında
basılmış ve Fen Bilimleri dergisine bir bilimsel araştırma makalesi şeklinde
gönderilmiştir.
Elde edilen sonuçlar geliştirilen metodolojinin verimli olduğunu kanıtlamıştır. Tez
sonucunda elde edilen sonuçların diğer disiplinlerde veri analizi yapmak, kirlenme,
bileşim yoğunluğu kirlilik, risk analizleri ortaya koymak mümkündür.
Bu tez çalışmasında jeoloji, mineraloji ve jeokimyasal verilerin bilgisayar programları
yardımıyla dogru olarak yorumlayabilme ve yakın çevrelerde analizi mumkun olmayan
noktaların olası davranislari hakkında bilimsel yaklaşımlarda bulunabileceği ortaya
konulmuştur. Aynı çalışma şeklini Fizik, kimya, Maden, Petrol ve pozitif bilimlerde
uygulanabileceği olasıdır.
Silinmiş: ¶¶¶
93
KAYNAKLAR
Anonymous.1983. Report of the Riso National Laboratory. DK-4000 Roskilde,
Danmark.
Adams, K. 2001. Smooth Interpolation of Zero Curves. ALGO Research Quarterly. Vol.
4, NOS.1/2.
Akce, M.A. and Kadioglu, Y. K. 2005. Petrology of Leucogranites from the northern
part of Yozgat Batholith. Geological Bulletin of Turkey, 42, No 2; 1-20.
Aksoy, A., Demirezen, D. and Duman, F. 2005. Bioaccumulation, detection and
analyses of heavy metal pollution in Sultan Marsh and its environment. Water,
Air, and Soil Pollution, 164; 241–255.
ArcGIS Geostatistical Analyst: Power Exploration and Data Interpolation
Solutions.2001. An ESRI White Paper.
Ball, J. A. and Bolotnikov, V. 2005. Nevanlinna–Pick interpolation for Schur–Agler
class functions on domains with matrix polynomial defining function in Cn. New
York J. Math. 11; 247–290.
Becegato, V. A., Ferreira, F. J. F. and Machado, W. C. P. 2008. Concentration of
Radioactive Elements (U, Th and K) Derived from Phosphatic Fertilizers in
Cultivated Soils. Braz. arch. biol. technol. V. 51, N. 6; 1255-1266.
Boor, C. Ideal Interpolation. pp. 59–91.
Bozkurt, A., Yorulmaz, N. and Kam, E. 2007. Environmental Radioactivity
Measurements in Harran Plain of Sanliurfa, Turkey. CP899 Sixth International
Conference of Balkan Union, American Institute of Physics.
Biçimlendirilmiş: Girinti: Sol: 0 cm,Asılı: 1,27 cm, Satır aralığı: 1,5 satır
Biçimlendirilmiş
94
Bozkurt, A., Yorulmaz, N., Kam, E., Karahan, G. and Osmanlioglu, A.E. 2007.
Assessment of environmental radioactivity for Sanliurfa region of southeastern,
Turkey. Journal of Radiation Measurements, 42; 1387-1391.
Çelik, M. 2002. Water quality assessment and the investigation of the relationship
between the River Delice and the aquifer systems in the vicinity of Yerköy
(Yozgat, Turkey). Environmental Geology, 42; 690–700.
Celik, N., Cevik, U., Celik, A. and Kucukomeroglu, B. 2008. Determination of indoor
radon and soil radioactivity levels in Giresun Turkey. Journal of Environmental
Radioactivity, 99; 1349-1354.
Colin Childs, C. and ESRI education Services. 2004. Interpolating surfaces in ArcGIS
Spatial Analyst. Arcuser.
Damla, N., Cevik, U., Kobya, A. I., Celik, A., Van Grieken, R. and Kobya, Y. 2009.
Characterization of gas concrete materials used in buildings of Turkey. Journal
of Hazardous Materials.
Degerliel, M., Karahan, G. and Ozger, G. 2008. Radioactivity concentrations and dose
assessment for soil samples around Adana, Turkey. Journal of Environmental
Radioactivity, 99; No 7; 1018-1025.
Dellantonio, A., Fitz, W. J., Custovic H., Repmann, F., Schneider, B. U., Grunewald,
H., Gruber, V., Zgorelec, Z., Zerem, N., Carter, C., Markovic, M. ,
Puschenreiter, M. and Wenzel, W. W. 2008. Environmental risks of farmed and
barren alkaline coal ash landfills in Tuzla, Bosnia and Herzegovina.
Environmental Pollution , 153; 677-686.
Demirezen, D., Aksoy, A. 2006. Common hydrophytes as bioindicators of iron and
manganese pollutions. Ecological Indicators, 6; 388–393.
95
Dubrovsky, M., Semeradova, D., Metelka, L., Prosova, O. and Trnka, M. 2006.
Interpolation of weather generator parameters using GISStatSoft, Inc.
Flowerdew, R. and Green, M. 1992. Developments in areal interpolation methods and
GIS. Ann Reg Sci 26; 67-78.
Gavrilescu, M., Pavel, L. V. and Cretescu, I. 2009. Characterization and remediation of
soils contaminated with uranium. Journal of Hazardous Materials 163 ; 475–
510.
Gaylord, R. 2005. Radioactivity of Potassium Solutions: A Comparison of Calculated
Activity to Measured Activity from Gross Beta Counting and Gamma
Spectroscopy. UCRL-TR-214061.
Hast, A. 2005. Shading by Quaternion Interpolation. WSCG SHORT papers
proceedings, ISBN 80-903100-9-5.
Hosseini, A., H. Thørring, H., Brown, J. E., Saxen, R. and Ilus, E. 2008. Transfer of
radionuclides in aquatic ecosystems e Default concentration ratios for aquatic
biota in the Erica Tool. Journal of Environmental Radioactivity, 99; 1408-1429.
Huang, X.D., Hwang, M. Y., Jiang, L. and Mahajan, M. 1996. Deleted interpolation and
density sharing for continuous hidden Markov models. Microsoft Corporation.
Isufi, F., Gashi, G., Bulliqi, S., Ramadani, I. and Kastrati, B. 2008. The use of GIS to
Create Map of Groundwater in Some Samples in Kosovo. BALWOIS.
Jaroslav Hofierka, J., Cebecauer, T. and , Suri, M. 2007. Optimisation of Interpolation
Parameters Using a Cross-validation.
Kadioglu, Y. K., Dilek, Y., Gulec, N. and Foland, A. 2003. Tectonomagmatic Evolution
of Bimodal Plutons in the Central Anatolian Crystalline Complex, Turkey. The
Journal of Geology, 111; 671–690.
Silinmiş: Š
Silinmiş: ú
96
Kadioglu, Y., Dilek, Y. and Foland, A. 2005. Slab break-off and syncollisional origin of
the Late Cretaceous magmatism in the Central Anatolian crystalline complex,
Turkey. GSA Journals, DOI: 10.1130/2006.2409(19); 381–415.
Karahan, G. and Bayülken, A. 2000. Assessment of gamma dose rates around Istanbul
(Turkey). J. of Environmental Radioactivity, 47; 213-221.
Karakelle, B., Öztürk, N., Köse, A., Varinlioglu, A., Erkol, A. Y. and Yilmaz, F. 2002.
Natural radioactivity in soil samples of Kocaeli basin, Turkey. Journal of
Radioanalytical and Nuclear Chemistry, 254, No 3; 649-651.
Kelly, J.,Thornton, I. and Simpson, P. R. 1996. Urban Geochemistry: A study of the
influence of anthropogenic activity on the heavy metal content of soils in
traditionally industrial and nonindustrial areas of Britain. Applied Geoehemistr,
Vol. 1 I; 363-370.
Johnston, K., Hoef, J. M. V., Krivoruchko, K. and Lucas, N. 2001. ArcGIS
Geostatistical Analyst Tutorial.
Küçükönder, M. and Karabulut, M. 2007. Çok Kriterli Analiz Yöntemi Kullanılarak
Kahramanmaras’ta Çöp Depolama Alanı Tespiti. Cografi Bilimler Dergisi, 5 (2);
55-76.
Lee, C. S., Li, X. , Shi, W., Cheung, S. C. and Thornton, I. 2006. Metal contamination
in urban, suburban, and country park soils of Hong Kong: A study based on GIS
and multivariate statistics. Science of the Total Environment, 356; 45– 61.
Li, X., Poon, C. and Liu, P. S. 2001. Heavy metal contamination of urban soils and
street dusts in Hong Kong. Applied Geochemistry, 16; 1361–1368.
Silinmiş:
Silinmiş:
97
Liu, X., Wu, J. and Xu, J. 2006. Characterizing the risk assessment of heavy metals and
sampling uncertainty analysis in paddy field by geostatistics and GIS.
Environmental Pollution 141; 257-264.
Luan, T. X. and Quang, T. X. 2004. Geostatistics combined with the function of
interpolation in GIS. International Symposium on Geoinformatics for Spatial
Infrastructure Development in Earth and Allied Sciences.
Maiz, I., Esnaola, M . V. and Millan, E. 1997. Evaluation of heavy metal availability in
contaminated soils by a short sequential extraction procedure.The science of the
total environment, 206; 107-115.
McAdams, M. and Demirci, A. 2006. The use of principle component analysis in data
reduction for GIS Analysis of water quality data.
McGrath, D., Zhang, C. and Carton, O. T. 2004. Geostatistical analyses and hazard
assessment on soil lead in Silvermines area, Ireland. Environmental Pollution
127; 239–248.
Mielke, H. W., Gonzales, C. R., Smith, M. K. and Mielk, P. W. 2000. Quantities and
associations of lead, zinc, cadmium, manganese, chromium, nickel, vanadium,
and copper in fresh Mississippi delta alluvium and New Orleans alluvial soils.
The Science of the Total Environment, 246; 249-259.
Mitas, L. and Mitasova, H. 1999. Spatial Interpolation for GIS.
Mtetwa, S., Kusangaya, S. and Schutte, C. F. 2003. The application of geographic
information systems (GIS) in the analysis of nutrient loadings from an agro-rural
catchment. ISSN 0378-4738 = Water SA, Vol. 29, No. 2.
Naoum, S. and Tsanıs, I. K. 2004. Ranking spatial interpolation techniques using a GIS
– based DSS. Global Nest: the Int. J. Vol 6, No 1; 1-20.
Silinmiş: ¶May 1983. Report of the Riso National Laboratory. DK-4000 Roskilde, Danmark.¶
Biçimlendirilmiş: Girinti: Sol: 0 cm,İlk satır: 0 cm
Silinmiş: ,
98
Oncel, M. S., Zedef, V. and Mert S. 2004. Lead contamination of roadside soils and
plants between Istanbul and Sakarya NW Turkey. Fresenius Environmental
Bulletin,13; 1525–1529.
Oudwater, N. and Martin, A. 2003. Methods and issues in exploring local knowledge of
soils. Geoderma 111; 387–401.
Psichoudaki, M. and Papaefthymiou, H. 2008. Natural radioactivity measurements in
the city of Ptolemais (Northern Greece). Journal of Environmental
Radioactivity, 99; 1011-1017.
Quanfu Fan, Q., Efrat, A., Koltun, V., Krishnan, S. and Venkatasubramanian, S. 2005.
Hardware-Assisted Natural Neighbor Interpolation.
Sahin, L. and Cavas, M. 2008. Natural Radioactivity Measurements in Soil Samples of
Central Kutahya (Turkey). Journal of Radiation Protection Dosimetry, 131, No
4; 526-530.
Sárközy, F. 1998. GIS Function– Interpolation. Hungarian Science Foundation Grant,
No. T 016487.
Schuhmacher, M., Meneses, M., Granero, S., Llobet, J. M. and Domingo, J. L. 1997.
Trace Element Pollution of Soils Collected near a Municipal Solid Waste
Incinerator: Human Health Risk. Bull. Environ. Contam. Toxicol, 59; 861-867.
Skordas, K. 2007. The geochemical distribution of Arsenic and Antimony in the
cultivated soils of the Hydrologic basin of the Amyros river (Larissa, Greece).
IMWA Symposium: Water in Mining Environments.
Szepesvari, C. and Smart, W. D. 2004. Interpolation-based Q-learning. Appearing in
Proceedings of the 21 st International Conference on Machine Learning, Banff,
Canada.
Silinmiş: ¶
Silinmiş: ,
Silinmiş: .
Silinmiş: ¶
99
Tijhuis, L., Brattli, B. and Sether, O. M. 2000. A Geochemical survey of topsoil ine the
city of Oslo, Norway. Environmental Geochemistry and Health 24; 67–94.
Uygunol, Durduran, S. S. 2008. Elektromanyetik kirlilik haritalarının coğrafi bilgi
sistemi (CBS) yardımıyla oluşturulması. TMMOB Harita ve Kadastro
Mühendisleri Odası Ankara Şubesi.
Viard, B., Pihan, F., Promeyrat, P. and Pihan, J. 2004. Integrated assessment of heavy
metal (Pb, Zn, Cd) highway pollution: bioaccumulation in soil, Graminaceae and
land snails. Chemosphere 55; 1349–1359.
Xie, X., Norra, S., Berner, Z. and Stüben, D. 2005. A GIS-Supported
multivariate statistical analysis of relationships among streamwater chemistry,
geology and land use in Baden – WU” Rttemberg, Germany. Water, Air and
Soil Pollution, 167; 39–57.
Yalcin, M. G., Battaloglu, B. and Ilhan, S. 2007. Heavy metal sources in Sultan Marsh
and its neighborhood, Kayseri, Turkey. Environ Geol, 53; 399–415.
Yalcin, M. G., Narin, I. and Soylak, M. 2008. Multivariate analysis of heavy metal
contents of sediments from Gumusler creek, Nigde, Turkey. Environ Geol, 54;
1155–1163.
Yanalak, M. 2002. Yön ve ters uzaklık ağırlıklı ortalama ilk enterpolaston.
Yoshimura, T., Masuko, T., Tokuda, K., Kobayashi, T. and Kitamura, T. 1997. Speaker
interpolation in HMM – based speech synthesis system.
Zhang, C. 2006. Using multivariate analyses and GIS to identify pollutants and their
spatial patterns in urban soils in Galway, Ireland. Environmental Pollution, 142;
501-511.
Silinmiş: ¶
Silinmiş:
100
Zorin, D., Schroder, P. and Sweldens, W. 2006. Interpolating Subdivision for Meshes
with Arbitrary Topology.
101
Ek 1 GELİŞTİRİLEN YAZILMA AİT KODLAR
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% KONU : Matrisi sutun yapar %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for i=1:10
for j=1:10
fprintf('%8.2f\n',B(i,j));
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% KONU : Mekandan toplanan veri örnekleri simülasyonu %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Degerleri 0 olan 10x10 boyutunda a matrisini olusturar
A=zeros(10,10);
% A matrisinin rastgele 60 elemana 0 ile 100 arasinda rastgele deger
atar ve goruntuler
for z=1:60
i=round(1+rand*9);
j=round(1+rand*9);
A(i,j)=round(rand*100);
while A(i,j)==0
A(i,j)=round(rand*100);
end
end
A
102
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% KONU : Distribution by mean value (4 neighbors) %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% A matrisini B ye kopyalar
for i=1:10
for j=1:10
B(i,j)=A(i,j);
end
end
% B matrisinin sifira esit olan elemanlarina dort komsu elemanlarin
% ortalamasini bulup atar ve goruntuler
for i=1:10
for j=1:10
toplam=0;
counter=0;
if(B(i,j)==0)
if((i-1)<11&&(i-1)>0)
toplam=toplam+B(i-1,j);
counter=counter+1;
end
if((i+1)<11)
toplam=toplam+B(i+1,j);
counter=counter+1;
end
if((j+1)<11)
toplam=toplam+B(i,j+1);
counter=counter+1;
end
if((j-1)<11&&(j-1)>0)
toplam=toplam+B(i,j-1);
counter=counter+1;
end
103
B(i,j)=toplam/counter;
toplam=0;
counter=0;
end
end
end
B
% B matrisinin degerlerine gore ArcGIS ortaminda dagilimin analizi ve
kirlenme hariasi yapilir.
% end of program
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% KONU : Distribution by mean value (8 neighbors) %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
A=[0 82 0 0 38 0 0 0 94 0; 53 0 35 0 96 0 0 54 62 77; 0 14 42 0 0 0 73
0 25 0; 0 79 25 0 0 40 0 0 0 0; 0 13 80 0 34 0 17 0 18 0; 0 15 65 0 1
0 0 0 0 0; 28 0 0 95 55 0 16 45 96 0; 4 0 93 57 24 55 0 19 8 66; 0 0 0
11 0 55 10 0 0 58; 0 44 0 0 80 0 0 0 0 0]
% A matrisini C ye kopyalar
for i=1:10
for j=1:10
C(i,j)=A(i,j);
end
end
% C matrisinin sifira esit olan elemanlarina sekiz komsu elemanlarin
% ortalamasini bulup atar ve goruntuler
104
for i=1:10
for j=1:10
toplam=0;
counter=0;
if(C(i,j)==0)
if((i-1)>0&&(j-1)>0)
toplam=toplam+C(i-1,j-1);
counter=counter+1;
end
if((j-1)>0)
toplam=toplam+C(i,j-1);
counter=counter+1;
end
if((i+1)<11)&&((j-1)>0)
toplam=toplam+C(i+1,j-1);
counter=counter+1;
end
if((i-1)>0)
toplam=toplam+C(i-1,j);
counter=counter+1;
end
if((i+1)<11)
toplam=toplam+C(i+1,j);
counter=counter+1;
end
if((i-1)>0&&(j+1)<11)
toplam=toplam+C(i-1,j+1);
counter=counter+1;
end
if((j+1)<11)
toplam=toplam+C(i,j+1);
counter=counter+1;
end
if((i+1)<11&&(j+1)<11)
toplam=toplam+C(i+1,j+1);
counter=counter+1;
end
C(i,j)=toplam/counter;
105
toplam=0;
counter=0;
end
end
end
C
% C matrisinin degerlerine gore ArcGIS ortaminda dagilimin analizi ve
kirlenme hariasi yapilir.
% end of program
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA ?ZZET %
% DANISMANI : REFIK SAMET %
% KONU : Distribution by median value (4 neighbors) %
% %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
A=[0 82 0 0 38 0 0 0 94 0; 53 0 35 0 96 0 0 54 62 77; 0 14 42 0 0 0 73
0 25 0; 0 79 25 0 0 40 0 0 0 0; 0 13 80 0 34 0 17 0 18 0; 0 15 65 0 1
0 0 0 0 0; 28 0 0 95 55 0 16 45 96 0; 4 0 93 57 24 55 0 19 8 66; 0 0 0
11 0 55 10 0 0 58; 0 44 0 0 80 0 0 0 0 0]
% A matrisini D ye kopyalar
for i=1:10
for j=1:10
D(i,j)=A(i,j);
end
end
% B matrisinin sifira esit olan elemanlarina dört komsu elemanlarin
% median de?erini bulup atar ve goruntuler
for i=1:10
for j=1:10
if(D(i,j)==0)
if((i-1)<11&&(i-1)>0)
106
K(1)=A(i-1,j);
end
if((i+1)<11)
K(2)=A(i+1,j);
end
if((j+1)<11)
K(3)=A(i,j+1);
end
if((j-1)<11&&(j-1)>0)
K(4)=A(i,j-1);
end
for pass=1:length(K)-1
for k=1:length(K)-1
if K(k) > K(k+1)
hold = K(k);
K(k) = K(k + 1);
K(k + 1) = hold;
end
end
end
D(i,j)=(K(2)+K(3))/2;
end
end
end
D
% D matrisinin degerlerine gore ArcGIS ortaminda dagilimin analizi ve
kirlenme hariasi yapilir.
% end of program
107
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% KONU : Distribution by median value (8 neighbors) %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
A=[0 82 0 0 38 0 0 0 94 0; 53 0 35 0 96 0 0 54 62 77; 0 14 42 0 0 0 73
0 25 0; 0 79 25 0 0 40 0 0 0 0; 0 13 80 0 34 0 17 0 18 0; 0 15 65 0 1
0 0 0 0 0; 28 0 0 95 55 0 16 45 96 0; 4 0 93 57 24 55 0 19 8 66; 0 0 0
11 0 55 10 0 0 58; 0 44 0 0 80 0 0 0 0 0]
% A matrisini E ye kopyalar
for i=1:10
for j=1:10
E(i,j)=A(i,j);
end
end
% E matrisinin sifira esit olan elemanlarina sekiz komsu elemanlarin
% ortalamasini bulup atar ve goruntuler
for i=1:10
for j=1:10
if(E(i,j)==0)
if((i-1)>0&&(j-1)>0)
K(1)=E(i-1,j-1);
end
if((j-1)>0)
K(2)=E(i,j-1);
end
if((i+1)<11)&&((j-1)>0)
K(3)=E(i+1,j-1);
end
if((i-1)>0)
K(4)=E(i-1,j);
end
if((i+1)<11)
K(5)=E(i+1,j);
108
end
if((i-1)>0&&(j+1)<11)
K(6)=E(i-1,j+1);
end
if((j+1)<11)
K(7)=E(i,j+1);
end
if((i+1)<11&&(j+1)<11)
K(8)=E(i+1,j+1);
end
for pass=1:length(K)-1
for k=1:length(K)-1
if K(k) > K(k+1)
hold = K(k);
K(k) = K(k + 1);
K(k + 1) = hold;
end
end
end
E(i,j)=(K(4)+K(5))/2;
end
end
end
E
% E matrisinin degerlerine gore ArcGIS ortaminda dagilimin analizi ve
kirlenme hariasi yapilir.
% End of program
109
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% KONU : Dagilim plotu cizdirme %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Matrisi vektore donusturer
toplam=0;
Z(1:100)=H();
for i=1:100
toplam=toplam+Z(i);
end
mean44=toplam/44;
mean100=toplam/100;
fprintf('Mean44=%f, \nMean100=%f',mean44,mean100);
%Dagilim plotu cizer
plot(Z, '-s',
'LineWidth',1,'MarkerEdgeColor','k','MarkerFaceColor','g','MarkerSize'
,2);
% Plota isim verer
title('Ornek Verilerin Dagilimi');
%Eksenlere isim verer
xlabel('Ornek Numarasi'), ylabel('Ornegin Degeri');
legend('Gercek Veri Orneklerinin Dagilimi');
110
Code 6
A =[0 82 0 0 38 0 0 0 94 0; 53 0 35 0 96 0 0 54 62 77; 0 14 42 0 0 0
73 0 25 0; 0 79 25 0 0 40 0 0 0 0; 0 13 80 0 34 0 17 0 18 0; 0 15 65 0
1 0 0 0 0 0; 28 0 0 95 55 0 16 45 96 0; 4 0 93 57 24 55 0 19 8 66; 0 0
0 11 0 55 10 0 0 58; 0 44 0 0 80 0 0 0 0 0]
Terrain_Structure=[1 1 1 1 1 1 1 1 2 2; 1 1 1 1 1 1 1 2 2 2; 1 1 1 1 1
1 2 2 2 2; 1 1 1 1 2 2 2 2 2 2; 1 1 2 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2
2 ; 1 1 1 1 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1
1 1 1 2 2 2 2 2];
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% %
% KONU : Distribution by mean value (4 neighbors) %
% with taking into consentration the geological %
% structure of the study area %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Gercek veri matrisi
A=[0 82 0 0 38 0 0 0 94 0; 53 0 35 0 96 0 0 54 62 77; 0 14 42 0 0 0 73
0 25 0; 0 79 25 0 0 40 0 0 0 0; 0 13 80 0 34 0 17 0 18 0; 0 15 65 0 1
0 0 0 0 0; 28 0 0 95 55 0 16 45 96 0; 4 0 93 57 24 55 0 19 8 66; 0 0 0
11 0 55 10 0 0 58; 0 44 0 0 80 0 0 0 0 0]
%Arazi yapisi matrisi
Terrain_Structure=[1 1 1 1 1 1 1 1 2 2; 1 1 1 1 1 1 1 2 2 2; 1 1 1 1 1
1 2 2 2 2; 1 1 1 1 2 2 2 2 2 2; 1 1 2 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2
2 ; 1 1 1 1 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1
1 1 1 2 2 2 2 2]
% A matrisini C ye kopyalar
for i=1:10
for j=1:10
C(i,j)=A(i,j);
end
end
% C matrisinin sifira esit olan elemanlarina ayni bilesen
sinirlerindeki dort komsu elemanlarin
% ortalamasini bulup atar ve goruntuler
111
for i=1:10
for j=1:10
toplam=0;
counter=0;
temp=Terrain_Structure(i,j);
if(C(i,j)==0)
if((i-1)<11&&(i-1)>0)&&(Terrain_Structure(i-1,j)==temp)
toplam=toplam+C(i-1,j);
counter=counter+1;
end
if((i+1)<11)&&(Terrain_Structure(i+1,j)==temp)
toplam=toplam+C(i+1,j);
counter=counter+1;
end
if((j+1)<11)&&(Terrain_Structure(i,j+1)==temp)
toplam=toplam+C(i,j+1);
counter=counter+1;
end
if((j-1)<11&&(j-1)>0)&&(Terrain_Structure(i,j-1)==temp)
toplam=toplam+C(i,j-1);
counter=counter+1;
end
C(i,j)=toplam/counter;
toplam=0;
counter=0;
end
end
end
C
% C matrisinin degerlerine gore ArcGIS ortaminda dagilimin analizi ve
kirlenme hariasi yapilir.
% end of program
112
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% KONU : Distribution by mean value (8 neighbors) %
% with taking into consentration the %
% geological structure of the terrain %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Terrain structure matrix
Terrain_Structure=[1 1 1 1 1 1 1 1 2 2; 1 1 1 1 1 1 1 2 2 2; 1 1 1 1 1
1 2 2 2 2; 1 1 1 1 2 2 2 2 2 2; 1 1 2 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2
2 ; 1 1 1 1 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1
1 1 1 2 2 2 2 2]
%Real data matrix
A=[0 82 0 0 38 0 0 0 94 0; 53 0 35 0 96 0 0 54 62 77; 0 14 42 0 0 0 73
0 25 0; 0 79 25 0 0 40 0 0 0 0; 0 13 80 0 34 0 17 0 18 0; 0 15 65 0 1
0 0 0 0 0; 28 0 0 95 55 0 16 45 96 0; 4 0 93 57 24 55 0 19 8 66; 0 0 0
11 0 55 10 0 0 58; 0 44 0 0 80 0 0 0 0 0]
% A matrisini F ye kopyalar
for i=1:10
for j=1:10
F(i,j)=A(i,j);
end
end
% F matrisinin sifira esit olan elemanlarina arazi yap?s?n? dikkate
alarak sekiz komsu elemanlarin
% ortalamasini bulup atar ve goruntuler
for i=1:10
for j=1:10
temp=Terrain_Structure(i,j);
toplam=0;
counter=0;
if(F(i,j)==0)
113
if((i-1)>0&&(j-1)>0)&&(Terrain_Structure(i-1,j-
1)==temp)
toplam=toplam+F(i-1,j-1);
counter=counter+1;
end
if((j-1)>0)&&(Terrain_Structure(i,j-1)==temp)
toplam=toplam+F(i,j-1);
counter=counter+1;
end
if((i+1)<11)&&((j-1)>0)&&(Terrain_Structure(i+1,j-
1)==temp)
toplam=toplam+F(i+1,j-1);
counter=counter+1;
end
if((i-1)>0)&&(Terrain_Structure(i-1,j)==temp)
toplam=toplam+F(i-1,j);
counter=counter+1;
end
if((i+1)<11)&&(Terrain_Structure(i+1,j)==temp)
toplam=toplam+F(i+1,j);
counter=counter+1;
end
if((i-1)>0&&(j+1)<11)&&(Terrain_Structure(i-
1,j+1)==temp)
toplam=toplam+F(i-1,j+1);
counter=counter+1;
end
if((j+1)<11)&&(Terrain_Structure(i,j+1)==temp)
toplam=toplam+F(i,j+1);
counter=counter+1;
end
if((i+1)<11&&(j+1)<11)&&(Terrain_Structure(i+1,j+1)==temp)
toplam=toplam+F(i+1,j+1);
counter=counter+1;
end
F(i,j)=toplam/counter;
toplam=0;
counter=0;
114
end
end
end
F
% F matrisinin degerlerine gore ArcGIS ortaminda dagilimin analizi ve
kirlenme hariasi yapilir.
% end of program
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% %
% KONU : Distribution by median value (4 neighbors) %
% with taking into consentration the %
% terrain structure %
% %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Terran structure matrix
Terrain_Structure=[1 1 1 1 1 1 1 1 2 2; 1 1 1 1 1 1 1 2 2 2; 1 1 1 1 1
1 2 2 2 2; 1 1 1 1 2 2 2 2 2 2; 1 1 2 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2
2 ; 1 1 1 1 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1
1 1 1 2 2 2 2 2]
%Real data matrix
A=[0 82 0 0 38 0 0 0 94 0; 53 0 35 0 96 0 0 54 62 77; 0 14 42 0 0 0 73
0 25 0; 0 79 25 0 0 40 0 0 0 0; 0 13 80 0 34 0 17 0 18 0; 0 15 65 0 1
0 0 0 0 0; 28 0 0 95 55 0 16 45 96 0; 4 0 93 57 24 55 0 19 8 66; 0 0 0
11 0 55 10 0 0 58; 0 44 0 0 80 0 0 0 0 0]
% A matrisini G ye kopyalar
for i=1:10
for j=1:10
G(i,j)=A(i,j);
end
end
% B matrisinin sifira esit olan elemanlarina arazi yapisi dikkate
alinarak dort komsu elemanlarin
115
% median degerini bulup atar ve goruntuler
for i=1:10
for j=1:10
temp=Terrain_Structure(i,j);
if(G(i,j)==0)
if((i-1)<11&&(i-1)>0)&&(Terrain_Structure(i-1,j)==temp)
K(1)=G(i-1,j);
else
K(1)=0;
end
if((i+1)<11)&&(Terrain_Structure(i+1,j)==temp)
K(2)=G(i+1,j);
else
K(2)=0;
end
if((j+1)<11)&&(Terrain_Structure(i,j+1)==temp)
K(3)=G(i,j+1);
else
K(3)=0;
end
if((j-1)<11&&(j-1)>0)&&(Terrain_Structure(i,j-1)==temp)
K(4)=G(i,j-1);
else
K(4)=0;
end
for pass=1:length(K)-1
for k=1:length(K)-1
if K(k) > K(k+1)
hold = K(k);
K(k) = K(k + 1);
K(k + 1) = hold;
end
end
end
G(i,j)=(K(2)+K(3))/2;
116
end
end
end
G
% G matrisinin degerlerine gore ArcGIS ortaminda dagilimin analizi ve
kirlenme hariasi yapilir.
% end of program
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %
% %
% YUKSEK LISANS OGRENCISI : SEMA IZZET %
% DANISMANI : REFIK SAMET %
% %
% KONU : Distribution by median value (8 neighbors) %
% with taking into consentration the %
% terrain structure %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Terrain structure matrix
Terrain_Structure=[1 1 1 1 1 1 1 1 2 2; 1 1 1 1 1 1 1 2 2 2; 1 1 1 1 1
1 2 2 2 2; 1 1 1 1 2 2 2 2 2 2; 1 1 2 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2
2 ; 1 1 1 1 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1 1 2 2 2 2 2 2 2; 1 1
1 1 1 2 2 2 2 2];
%Real data matrix
A=[0 82 0 0 38 0 0 0 94 0; 53 0 35 0 96 0 0 54 62 77; 0 14 42 0 0 0 73
0 25 0; 0 79 25 0 0 40 0 0 0 0; 0 13 80 0 34 0 17 0 18 0; 0 15 65 0 1
0 0 0 0 0; 28 0 0 95 55 0 16 45 96 0; 4 0 93 57 24 55 0 19 8 66; 0 0 0
11 0 55 10 0 0 58; 0 44 0 0 80 0 0 0 0 0]
% A matrisini H ye kopyalar
for i=1:10
for j=1:10
H(i,j)=A(i,j);
end
end
117
% H matrisinin sifira esit olan elemanlarina arazi yap?s? dikkate
al?narak sekiz komsu elemanlarin
% medyan ortalamasini bulup atar ve goruntuler
for i=1:10
for j=1:10
temp=Terrain_Structure(i,j);
if(H(i,j)==0)
if((i-1)>0&&(j-1)>0)&&(Terrain_Structure(i-1,j-
1)==temp)
K(1)=H(i-1,j-1);
else
K(1)=0;
end
if((j-1)>0)&&(Terrain_Structure(i,j-1)==temp)
K(2)=H(i,j-1);
else
K(2)=0;
end
if((i+1)<11)&&((j-1)>0)
K(3)=E(i+1,j-1);
else
K(3)=0;
end
if((i-1)>0)&&(Terrain_Structure(i-1,j)==temp)
K(4)=H(i-1,j);
else
K(4)=0;
end
if((i+1)<11)&&(Terrain_Structure(i+1,j)==temp)
K(5)=H(i+1,j);
else
K(5)=0;
end
if((i-1)>0&&(j+1)<11)&&(Terrain_Structure(i-
1,j+1)==temp)
K(6)=H(i-1,j+1);
else
K(6)=0;
118
end
if((j+1)<11)&&(Terrain_Structure(i,j+1)==temp)
K(7)=H(i,j+1);
else
K(7)=0;
end
if((i+1)<11&&(j+1)<11)&&(Terrain_Structure(i+1,j+1)==temp)
K(8)=H(i+1,j+1);
else
K(8)=0;
end
for pass=1:length(K)-1
for k=1:length(K)-1
if K(k) > K(k+1)
hold = K(k);
K(k) = K(k + 1);
K(k + 1) = hold;
end
end
end
H(i,j)=(K(4)+K(5))/2;
end
end
end
H
% H matrisinin degerlerine gore ArcGIS ortaminda dagilimin analizi ve
kirlenme hariasi yapilir.
% End of program
Silinmiş: ¶
Biçimlendirilmiş: Normal, Sola,Girinti: İlk satır: 0 cm
Silinmiş: ¶
Silinmiş: ¶
Biçimlendirilmiş: İngilizce (ABD)
119
ÖZGEÇMİŞ
Adı Soyadı : Sama Yüksel AZAT
Doğum Yeri : Irak /Kerkük
Doğum Tarihi : 07.01.1983
Medeni Hali : Bekar
Yabancı Dili : İngilizce, Arapça
Eğitim Durumu (Kurum ve Yıl)
Lise : Kerkük Kız Lisesi, Irak, 1997
Lisans : Kerkük Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü,
2000
Yüksek Lisans : Ankara Üniversitesi, Fen Bilmleri Enistitüsü Bilgisayar
Mühendisliği Anabilim Dalı(Şubat 2006 – Ekim 2009)
Yayınları :
1. Refık SAMET, Sama Y. AZAT, Musa A. AKÇA, Yüsüf K. KADIOĞLU,
“Sarıhacılı Granitoidi İçerisindeki Radyoaktif Element İçeriklerinin Belirlenmesinde
Spektroskopik Uygulamalar; Yozgat Orta Anadolu”, XI. Ulusal Spektroskopi
Kongresi Bildiri Özetleri Kitabı, Sayfa 85, 23- 26 Haziran 2009 Gazi Üniversitesi
Fen Edebiyat Fakültesi Kimya Bölümü ANKARA.
2. Refık SAMET, Sama Y. AZAT, Musa A. AKÇA, Yüsüf K. KADIOĞLU, “GIS
Approach in the Distribution of Radioactive Elements within the Sarihacili Granitoid,
Yozgat, Turkey”, G.Ü. Journal of Science, 2009 (inceleme aşamasında).
3. Sama Y. AZAT, “Goğrafi Bilgi Sistemlerinde Geometri Sınıf Kütüphanesi”, Yüksek
Lisans Semineri, Ankara Üniversitesi Bilgisayar Mühendisliği Bölümü, 2007.
Biçimlendirilmiş: Girinti: İlk satır: 0cm
Silinmiş: k
Silinmiş: l
Silinmiş:
Biçimlendirilmiş: Yazı tipi: Kalın
Silinmiş:
Biçimlendirilmiş: Yazı tipi: Kalın
Biçimlendirilmiş: Yazı tipi: Kalın
Biçimlendirilmiş: Yazı tipi: Kalın
Silinmiş: ¶
Sayfa 51: [1] Silinmiş sema 30.09.2009 01:22:00
Enterpolasyon teknikleri Orta Medyan Orta-Medyan
Yoğunluk Haritası
1 Gerçek değerler
46.61 44.5 2.11
2 Dört komsu değerlerin
aritmetik ortalamasına göre
veri üretim tekniği
35.74 30.5 5.24
3 Sekiz komşu değerlerin
arithmetic ortalamasına
göre veri üretim tekniği
36.07
29.5 6.57
4 Arazinin jeolojik yapısı
dikkate alınarak dört komsu
değerlerin aritmetik
ortalamasına göre veri
üretim tekniği
34.98 27.5 7.48
5 Arazinin jeolojik yapısı
dikkate alınarak sekiz
komsu değerlerin aritmetik
ortalamasına göre veri
üretim tekniği
35.17 27.5 7.67
6 Dört komsu değerlerin 29.77 21 8.77
Sayfa 51: [2] Silinmiş sema 29.09.2009 15:03:00
Enterpolasyon teknikleri Orta Medyan Orta-
Medyan
Yoğunluk Haritası
1 Gerçek değerler
46.61 44.5 2.11
2 Dört komsu değerlerin
aritmetik ortalamasına göre
35.74 30.5 5.24
medyan ortalamasına göre
veri üretim tekniği
7 Arazinin jeolojik yapısı
dikkate alınarak sekiz
komsu değerlerin medyan
ortalamasına göre veri
üretim4tekniği
24.23 15 9.23
8 Arazinin jeolojik yapısı
dikkate alınarak dört komsu
değerlerin medyan
ortalamasına göre veri
üretim tekniği
26.77 16.5 10.27
9 Sekiz komsu değerlerin
medyan ortalamasına göre
veri üretim tekniği
29.29 17 12.29
veri üretim tekniği
3 Sekiz komşu değerlerin
arithmetic ortalamasına
göre veri üretim tekniği
36.07
29.5 6.57
4 Arazinin jeolojik yapısı
dikkate alınarak dört komsu
değerlerin aritmetik
ortalamasına göre veri
üretim tekniği
34.98 27.5 7.48
5 Arazinin jeolojik yapısı
dikkate alınarak sekiz
komsu değerlerin aritmetik
ortalamasına göre veri
üretim tekniği
35.17 27.5 7.67
6 Dört komsu değerlerin
medyan ortalamasına göre
veri üretim tekniği
29.77 21 8.77
7 Arazinin jeolojik yapısı
dikkate alınarak sekiz
komsu değerlerin medyan
ortalamasına göre veri
üretim4tekniği
24.23 15 9.23
8 Arazinin jeolojik yapısı
dikkate alınarak dört komsu
değerlerin medyan
ortalamasına göre veri
üretim tekniği
26.77 16.5 10.27
9 Sekiz komsu değerlerin
medyan ortalamasına göre
veri üretim tekniği
29.29 17 12.29
Sayfa 78: [3] Silinmiş sema 29.09.2009 15:11:00
5
Mg
Mg elementin yoğunluğu S1 alanının kuzey ve güney kısmında yüksek olduğu görülmektedir ve S1 alanının kuzey batısına doğru, Mg elementinin yoğunluğu orantılı bir şekilde azalmaktadır.
6
Th
Th elementi, S1 alanının güney kırımında yoğun olduğu ve S1 alanının kuzey doğusuna doğru Th elementin azaldığı görülmektedir.
K
K elementi S1 alanına orta bir yoğunlukta dağılmaktadır.
8
Fe
Fe elementı S1 alanının kuzey kısmında yüksek bir yoğunlukta olduğu ve alanın güney doğusuna doğru bu yoğunluğun azaldığı görülmektedir.
9
Ca
S1 alanının kuzey batısında Ca elementin yoğun olduğu ve alanın doğu kısmına doğru bu yoğunluğun azaldığı görülmektedir.
Sayfa 82: [4] Silinmiş sema 29.09.2009 15:19:00
8
9
6
K
K elementinin yoğunluğu S3 alanının kuzeyine doğru yüksek olduğunu görülmektedir ve bu yoğunluk S3 alanının güney batısına doğru azalmaktadır.
7
Th
Th elementin yoğunluğu S3 alanının merkezine doğru yüksek olduğu görülmektedir.
8
Fe
Fe elementi, S3 alanının kuzey doğusuna doğru yüksek yoğunluktadır ve bu yoğunluk S3 alanının güneyine doğru azalmaktadır.
9
Ca
Ca elementinin yoğunluğu S3 alanının kuzey doğusunda yüksek olduğu görülmektedir ve bu yoğunluk güney batıya doğru azalmaktadır.