AXA (ACSM, Xact, Aethalometer) cihaz kurulumu kullanılarak altı Çin kentinde gerçek zamanlı kaynak ayrıştırma yaklaşımlarının değerlendirilmesi

Hızlı kirlilik takibinin neden önemi var

Hava kirliliği sıklıkla bir hava durumu uygulamasındaki tek bir sayı olarak konuşulur, ancak gerçekten önemli olan, kirli parçacıkları dakika dakika hangi kaynakların ve etkinliklerin ürettiğidir. Birçok Çin kentinde yoğun kış pusü hızla oluşabilir ve yetkilileri trafiği kısıtlama, fabrikaları kapatma ya da diğer faaliyetleri azaltma gibi kararları saatler içinde almak zorunda bırakır. Bugüne kadar bu kararlar, hangi kaynakların gerçekten sorumlu olduğuna dair gerçek zamanlı bilgiler olmadan alınmıştır. Bu çalışma, altı büyük Çin kentinde zararlı ince parçacıkların ana katkılarını neredeyse gerçek zamanlı olarak ayırabilen yeni bir sistemi sunuyor ve test ediyor.

Kirli havayı “parmak izi” ile tanımlamanın yeni yolu

Araştırmacılar, sadece havadaki partikül madde (PM2.5) miktarını ölçmekle kalmayıp dakikalar içinde kaynağını da belirleyebilen, yakın gerçek zamanlı bir kaynak ayrıştırma sistemi geliştirdiler; özünde akıllı bir analizör. Sistem, AXA düzeni olarak birlikte anılan üç sürekli ölçüm cihazını birleştiriyor: biri organik parçacıkları ve başlıca iyonları izliyor, diğeri metaller gibi iz elementleri ölçüyor ve üçüncüsü ışık soğuran siyah karbon üzerinde yoğunlaşıyor. Her kaynak türü—trafik, kömür, biyokütle, toz veya endüstriyel emisyonlar—bu ölçümlerde kendine özgü bir kimyasal parmak izi bırakır. Ardından özel yazılım bu parmak izlerini kullanarak karışık kirleticiyi her kaynağın katkılarına otomatik olarak ayırıyor; bunun için bir uzmanın sürekli gözetimine gerek yok.

Sistemi altı kentte teste sokmak

Bu yaklaşımın laboratuvar dışındaki performansını görmek için ekip 2020–2022 yılları arasında Pekin, Langfang, Shijiazhuang, Xi’an, Wuhan ve Chongqing’de çok aylı izleme kampanyaları yürüttü. Önce, her kentteki ana kaynakları ve kimyasal profillerini belirlemek için tam veri setleri üzerinde dikkatli, daha yavaş “çevrimdışı” analizler gerçekleştirildi. Bu çevrimdışı sonuçlar referans olarak kullanıldı. Ardından gerçek zamanlı model, bu kaynak profilleri ile yapılandırıldı ve canlıymış gibi verileri işlemeye bırakıldı; yeni ölçümler adım adım eklendi. Son iki kentte, Shijiazhuang ve Wuhan’da model gerçek yakın gerçek zamanlı olarak da işletildi ve her ölçümden dakikalar içinde güncellenmiş kaynak dağılımlarını sağladı.

Pusu hakkında neler öğrendiler

Tüm altı kentte çalışma, nitrojen oksitler, kükürt dioksit, uçucu organikler ve amonyak gibi gazlardan havada oluşan ikincil kirleticilerin PM2.5’in ana sürükleyicileri olduğunu doğruladı; genellikle ince partikül kütlesinin yarısını veya daha fazlasını oluşturuyorlar. Nitrat, sülfat ve oksijençe zengin organik maddeler özellikle önemliydi. Kömür ve biyokütle yanması, taşıt aşınması ve egzozu ile endüstriyel faaliyetler gibi birincil emisyonlar yine de kayda değer bir katkı sağladı; tipik olarak kütlenin %10–30’u civarında ve bazı olaylarda daha yüksek oldu. Örneğin Langfang kampanya sırasında toz fırtınaları yaşadı ve rüzgârla taşınan mineral toz uzun süre parçacık düzeylerine hâkim oldu. Mevsimsel desenler de belirgindi: kışın ısınma katı yakıt kaynaklı dumanı artırırken, güneşli dönemler atmosferde oluşan ikincil parçacıkların birikimine elverişliydi.

Gerçek zamanlı kaynak ayırımı ne kadar güvenilir?

Ana soru, hızlı otomatik sistemin daha dikkatli çevrimdışı çalışmayla eşleşip eşleşemeyeceğiydi. Yazarlar iki sonuç setini birkaç şekilde karşılaştırdı. Gerçek zamanlı model, yavaş analizden türetilmiş optimize edilmiş kaynak parmak izlerini kullandığında, her ana kaynağın tahmini referansı çok yakından izledi; tüm ana kaynaklar için istatistiksel uyum (R²) 0.82’nin üzerindeydi. Ardından sistemi verinin üçte ikisiyle eğitip kalan üçte biri üzerinde test ederek onu daha önce “görmediği” yeni bir döneme konuşlandırma durumunu taklit ettiler. Bu koşullar altında bile model çoğu kaynağı iyi şekilde yeniden üretti; ancak pişirme ve biyokütle yakımı gibi yüksek değişkenlik gösteren kaynaklar biraz daha az hassas oldu. Yerel parmak izleri yerine genel “çok kentli” ortalama parmak izlerinin kullanıldığı daha zorlayıcı bir test karışık sonuçlar verdi; bu da en iyi performans için yerel yapılandırma ve cihaz ayrıntılarının hâlâ önemli olduğunu vurguluyor.

Sınırlar, zorluklar ve daha büyük çerçeve

Çalışma ayrıca birkaç zorluğu öne çıkarıyor. Kirlilik kaynakları ve atmosfer koşulları mevsime göre değiştiği için kış ısınma emisyonlarına göre ayarlanmış bir model yaz mevsimi kimyasını doğru tanımlamayabilir. Farklı alanlardaki cihazlar her zaman aynı kirleticiler setini ölçmedi; bu durum bireysel kaynakların ayrılabilme doğruluğunu etkileyebilir. Ve sistem insan müdahalesi olmadan çalışacak şekilde tasarlandığından, kaynak profillerinin sık elle yeniden ayarlanması gibi esnekliklerden ödün veriyor; bunun yerine rutin izleme ağlarında uzman olmayan kullanıcılar için dayanıklılık ve kullanım kolaylığı sağlanıyor.

Daha temiz kent havası için bunun anlamı nedir

Halk için sonuç şu: Bu çalışma artık büyük kentlerde havayı kimin kirlettiğinin—sadece havanın ne kadar kötü olduğunun—yakın gerçek zamanlı bir dökümünü elde etmenin mümkün olduğunu gösteriyor. Yeni AXA tabanlı model, belirli bir saatteki ince parçacıkların ne kadarının trafik, kömür ve biyokütle gibi katı yakıtlar, toz veya atmosferdeki ikincil oluşumdan geldiğini dakikalar içinde tahmin edebilir ve bunu çok daha yavaş, uzman odaklı yöntemlere yakın bir doğrulukla yapar. Tam yıllık döngüler boyunca daha fazla test gerekliliği sürse de, bu tür araçlar pus olayları sırasında yetkililerin daha hassas müdahale etmesine yardımcı olabilir—doğru sektörü doğru zamanda hedefleyerek—nihayetinde daha iyi sağlık sonuçlarını ve daha verimli hava kalitesi yönetimini destekleyebilir.

Atıf: Manousakas, M.I., Cui, T., Wang, Q. et al. Evaluation of real-time source apportionment approaches in six Chinese cities using the AXA (ACSM, Xact, Aethalometer) instrumental set-up. Sci Rep 16, 9890 (2026). https://doi.org/10.1038/s41598-026-38154-x

Anahtar kelimeler: hava kirliliği, partikül maddesi, gerçek zamanlı izleme, kaynak ayrıştırma, Çin şehirleri