Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) Ozan ARSLAN1 Özet 1. Giriþ Anahtar Sözcükler Abstract

Transkript

1 hkm Jeodezi, Jeoinformasyon ve Arazi Yönetimi Dergisi 2008/2 Sayý 99 Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) Ozan ARSLAN 1 Özet Günümüzde yüzey sularýnýn kalite yönetimi önemli bir konudur. Coðrafi Bilgi Sistemleri (CBS) teknolojisi ile istatistik yöntemler su kalitesi yönetiminde etkin biçimde kullanýlmaktadýr. Su kalitesi veri setlerinin karmaþýk bir yapýya sahip olmasý nedeniyle tek deðiþkenli istatistik yöntemleri sýnýrlayýcý olabileceðinden, su kalitesi deðerlendirme çalýþmalarýnda çok deðiþkenli istatistik analiz yöntemleri önerilmektedir. Bu çalýþmanýn amacý; su kalitesi deðerlendirmesi için CBS tabanlý çok deðiþkenli istatistik analizinin potansiyelini araþtýrmaktýr. CBS ortamýnda çok deðiþkenli analiz tekniði (bu çalýþmada ana bileþenler analizi ) VBScript makro dili ile yazýlmýþ bir yazýlým aracý kullanýlarak gerçekleþtirilmiþtir. Coðrafik veritabanýnda depolanan su kalitesi verileri, kalite deðiþimlerini belirlemede etkin olan en önemli deðiþkenlerin saptanmasý için söz konusu yazýlýmla analiz edilmiþtir. Anahtar Sözcükler Su kalitesi, CBS, Nehir Havzasý, Ýzleme, Çok Deðiþkenli Ýstatistik Analiz. Abstract Multivariate Statistical Analysis of Water Quality Data Using GIS: A Case Study for Porsuk River, Turkey The management of surface water quality is a matter of serious concern today. Geographic Information System (GIS) technology and statistical methods nowadays have effectively been used for water quality management. Since univariate statistical methods can be restrictive due to the complexity of water quality datasets, multivariate analysis techniques have been recommended for the assessment of water quality. The objective of this study is to explore the potential capabilities of GIS-based multivariate statistical analysis for water quality assessment. Using a tool written in VBScript macro language, a multivariate analysis technique (PCA in the study) was performed in the GIS platform. Water quality data stored in the geodatabase have been analysed with the aid of this software tool in order to identify the variables that are most important in assessing variations in water quality. Application of GIS-based multivariate statistical technique for interpretation of the water quality database offers a reliable and better understanding of the hydrochemistry in the study region. Key Words Water Quality, GIS, River Basin, Monitoring, Multivariate Statistical Analysis. 1. Giriþ Hidrolojik araþtýrmalarda temel ilgi alanlarýndan birisi, su kalitesini etkileyen unsurlarýn belirlenmesi konusundadýr. Yüzey sularý, su ekosistemleri için yaþamsal önemde olan çözünmüþ halde çok sayýda kimyasal madde türü içerir; ancak mikroorganizmalarýn aþýrý biçimde artmasý su kalitesini düþürerek birçok organizmanýn saðlýðýný tehdit edecek boyutlara ulaþýr. Endüstriyel ve evsel atýklarý taþýmalarý sebebiyle nehir havzalarý kirlenme olasýlýðý en yüksek su kütleleri arasýndadýr. Yerleþim merkezleri, endüstriler ve tarýmsal etkinliklerden kaynaklanan atýksularýn akarsulara boþaltýlmasý sonucu, sularýn bu atýklarý özümleme kapasitesi aþýlmakta ve kirlenme durumu istenmeyen boyutlara ulaþabilmektedir. Bu nedenle havzalarda planlanan yararlý kullanýmlarýn gerçekleþtirilmesi için, arazi ve su kullanýmý ile kirletici kaynaklar gözönüne alýnarak su kirliliði kontrol çalýþmalarýnýn bir plan çerçevesi içinde yürütülmesi gerekir (CARPENTER vd. 1998, JARVIE vd. 1998, DIXON ve CHISWELL 1996, CHEN vd. 2006). Suyun ekonomik geliþme için kýsýtlayýcý bir unsur olmamasý hedefiyle yapýlan kýsa ve uzun vadeli su kaynaklarý planlamalarýnda, su kalitesi bu planýn ayrýlmaz bir parçasýný oluþturur. Su kalitesi yönetiminde ise belirlenen yararlý kullanýmlar için gereken su kalitesinin nasýl korunacaðý konusunda alýnacak önlemler saptanmaktadýr. Nehirlerin hidro-kimyasal yapýsýndaki zamansal ve konumsal deðiþimler göz önünde bulundurulduðunda, su kalitesinin güvenli biçimde kestirilebilmesi için düzenli izleme programlarýna gereksinim olduðu ortaya çýkar. Bu tür çalýþmalar sonucunda ise; içinde, yorumlanmasý zor olan çok sayýda fiziksel/kimyasal deðiþkeni içeren son derece büyük hacimli ve karmaþýk veri setleri elde edilir. Su sistemlerinin dinamik bir yapýda olmasý, aralarýnda birbiriyle iliþkili çok fazla sayýda fiziksel ve kimyasal parametre içermesi, zamansal ve konumsal deðiþimlerin saptanmasýný zorlaþtýrdýðýndan, veri seti karmaþýktýr. Bu türden veri setlerinin deðerlendirmesinde tek deðiþkenli istatistik yöntemler yetersiz kalacaðýndan, geo-istatistik ve çok deðiþkenli istatistik yöntemlerinin kullanýlmasý önerilmektedir. Bu yöntemler tekil elemanlar yerine bütün veri setini analiz edebilmekte ve birçok faktör ü ayný anda göz önünde bulundurabilmektedir (EINAX vd. 1997, KOWALKOWSKI vd. 2006, MAHLOCH 1974, SANTOS vd. 2003). Karmaþýk su kalite veritabanýnýn yorumlanmasý için farklý çok deðiþkenli istatistik analiz teknikleri (gruplandýrma analizi, 1 KOÜ Müh. Fak. Jeodezi ve Fotogr. Müh. Böl., ozan601@yahoo.com -5-

2 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) hkm 2008/2 Sayý 99 diskrimnant analizi, faktör analizi/ ana bileþenler analizi (ABA) vb.) nin kullanýmý uygulamada baþarýlý sonuçlar vermiþtir. Bu analiz yöntemleri, su kalitesi deðiþimlerinden sorumlu olan ve su sistemlerini etkileyen olasý faktörlerin tanýnmasý ve böylelikle su kaynaklarýnýn etkin yönetimi için uygun stratejilerin geliþtirilmesi konusunda önemli bir araç olmuþtur (MELLINGER 1987, FARNHAM vd. 2002, SIMEONOV vd. 2002, SIMEONOV vd. 2003, SINGH vd. 2004, SINGH vd. 2005, LAMBRAKIS vd. 2004, MENDIGUCHIA vd. 2004, SIMEONOVA vd. 2003). Belirtilen çalýþmalarda çok deðiþkenli analizler, klasik istatistik paket yazýlýmlarý (Statistica, Minitab, SPSS, Unscrambler vb.) kullanýlarak gerçekleþtirilmiþtýr; su kalitesi verilerine iliþkin coðrafi detaylar bir veritabaný içinde bütünleþtirilmemiþ ve konumsal iliþkiler irdelenmemiþtir. Su kaynaklarýnýn korunmasý, geliþtirilmesi ve yönetimi çalýþmalarýnda bilgisayar destekli veri analizi ve görselleþtirme araçlarý, istatistik yöntemler ve özellikle CBS öncelikli teknoloji durumuna yükselmiþ ve son yýllarda CBS tabanlý su kalitesi yönetim sistemleri yaygýn biçimde kullanýlmaya baþlamýþtýr (COWEN vd. 1995, GREENE ve CRUISE 1995, BENNETT 1997, GOODCHILD vd. 1993, POIANI ve BEDFORD 1995, USEPA 2001). Literatürde su kalitesi için yapýlan istatistik uygulamalarýn sayýsýnda görülen belirgin artýþa raðmen, az sayýda çalýþmada CBS tabanlý çok deðiþkenli istatistik analizi yaklaþýmý kullanýlmýþtýr. Bu çalýþmalarda da CBS, yalnýzca istatistik analiz bulgularýnýn gösteriminde bir sunum aracý olarak kullanýlmýþtýr (FACCHINELLI vd. 2001, MANTA vd. 2002, LI vd. 2004). Bu açýdan bakýldýðýnda, su kalitesi yönetimi için çok deðiþkenli istatistik analizlerin doðrudan CBS ortamýnda gerçekleþtirilmesinin, kalite verilerinin yorumlanmasý açýsýndan daha yararlý olacaðý düþünülmüþtür. Bu amaçla, seçilen bir çok deðiþkenli istatistik analiz yöntemi (bu çalýþmada ABA), ArcGIS 9.0 CBS yazýlým ortamýna entegre edilmiþtir. ABA yönteminin seçilme nedeni; çok çeþitli çevresel kirlilik araþtýrmalarý ile çevre yönetimi çalýþmalarýnda yaygýn olarak ve baþarýyla kullanýlan etkin bir yöntem olmasýdýr. Bu amaçla ABA yöntemi için VBScript makro dili ile yazýlmýþ olan bir yazýlým kodu, ArcMap yazýlýmýnýn araç çubuðuna eklenerek ( Stat Tools olarak adlandýrýldý) diðer standart araçlar gibi kullanýlýr hale getirilmiþtir. Bu çalýþmanýn amaçlarýndan bir tanesi, belirtilen yazýlým aracýyla, çok deðiþkenli istatistik yönteminin, su kalitesi coðrafi veritabanýnda depolanan kalite deðiþkenlerinin yorumlanmasýnda potansiyel kullanýmýný incelemek ve deðerlendirmek; diðeri ise, geçerli kalite kontrol yönergesinde belirtilen ölçütlere uygun olarak, su kalitesi sýnýflarýný CBS fonksiyonlarýný kullanarak belirlemek ve su kalite haritalarýný üretmektir. CBS tabanlý ABA yöntemi ile bir bakýma su kalite sýnýflarýnýn belirlenmesinde belirleyici olan deðiþkenler saptanacaktýr. Böylece su kalite araþtýrmalarýnda fazla sayýda parametrenin ölçülmesi yerine daha az sayýda, fakat kritik öneme sahip parametrelerin saptanmasý yoluna gidilebilir. 2. Materyal ve Yöntem 2.1 Çalýþma Alaný Bu çalýþmada uygulama için Sakarya Havzasý içinde yer alan Porsuk çayý ve bu nehir üzerinde bulunan gözlem istasyonlarýndan elde edilen su kalite deðiþkenleri kullanýlmýþtýr. Sakarya Nehri havzasý km 2 lik alanla Türkiye'nin yüzey alanýnýn yaklaþýk %7' sini kapsamaktadýr. Bütün havzada toplam hektarlýk ova bulunmaktadýr. Havza, genelde az engebeli bir topografyaya sahiptir. Þekil 1: Porsuk çayý ve havzasýnýn genel coðrafi konumu -6-

3 hkm 2008/2 Sayý 99 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) Havzada sulama, içme, kullanma ve enerji üretimine yönelik bir çok proje gerçekleþtirilmiþtir (DSÝ, 1992). Havzada su kirlenmesi probleminin nüfus ve endüstrileþmeye paralel olarak hýzlý bir þekilde arttýðý, bazý kollarýn önemli derecede kirlendiði bilinmektedir. Porsuk çayý, Sakarya Nehri'nin önemli yan kollarýndan biridir. Batý Anadolu da bulunan ve 438 km lik uzunluða sahip olan bu nehir üzerinde, bölgenin sulama ve taþkýn koruma amaçlarýna hizmet eden Porsuk Barajý bulunmaktadýr. Porsuk Havzasýndaki iki büyük yerleþim merkezi Eskiþehir ve Kütahya kentleri olup bölgedeki sosyoekonomik etkinlikleri önemli ölçüde etkilemektedir (Þekil 1). Halihazýrda nehir su kalitesi oldukça düþük olup, hem nehir hem de havza, birçok endüstriyel ve kentsel kirletici kaynaklardan dolayý ciddi tehdit altýndadýr (ÞENGÖRÜR 2001) Veri Toplama: Yüzeysel sulardan numune alma Ülkemize ait yüzey su kaynaklarýnda düzenli su kalitesi gözlem çalýþmalarý yürüten iki ana kurum; Devlet Su Ýþleri Genel Müdürlüðü (DSÝ) ve Elektrik Ýþleri Etüt Ýdaresi Genel Müdürlüðü (EÝEÝ) dür. DSÝ tarafýndan 1979 yýlýnda 65 istasyon ile baþlayan su kalitesi gözlem çalýþmalarý, günümüzde yaklaþýk 1300 istasyonda devam ettirilmektedir. Genel su kalitesi gözlemlerinin amacý, su kaynaklarýnýn kalitelerinin belirlenerek, kirlenme görülen bölgelerin tespit edilmesidir. Bu gözlem istasyonlarýnda kirlilik durumuna baðlý olarak yýlda 2, 4 veya 6 kez ölçüm yapýlmaktadýr. Yapýlan ölçüm çalýþmalarýyla ilgili olarak DSÝ tarafýndan ve yýllarýna ait su kalitesi gözlem yýllýklarý yayimlanmýþtýr (DSÝ 1985, 1987). Yýllýklar, o dönemde aktif olan istasyonlarýn listesi ile veri toplama ve analiz yöntemleri hakkýnda bilgiler ve istasyonlara ait bilgileri içermektedir. Her akarsu havzasý için ayrý ayrý hazýrlanmýþ gözlem istasyonlarý haritalarý, yýllýk içerisinde yer almaktadýr. Su kalitesi parametrelerine ait deðerler her istasyon ve ölçüm yýlý için ayrý ayrý verilmiþtir yýlýndan sonra gerçekleþtirilen ve yýllýklar halinde basýlmayan su kalitesi ölçümleri ise istasyon bazýnda DSÝ Ýçme Sularý ve Kanalizasyon Daire Baþkanlýðý ndan temin edilebilmektedir. Ülkemiz su kaynaklarýnýn yönetimi konusunda bir diðer önemli kurum olan EÝEÝ, 1970 den bu yana seçilen akarsu akým gözlem istasyonlarýnda su kalitesi gözlem çalýþmalarý yürütmektedir (EÝEÝ 1996) yýlý verilerine göre bu kurum tarafýndan iþletilen 92 su kalitesi gözlem istasyonu bulunmaktadýr. Bu istasyonlarda tipik olarak ayda bir örnekleme yapýlmakta ve çeþitli su kalitesi parametreleri ölçülmektedir. Su kalitesi ölçümlerinin sonuçlarý periyodik olarak EÝEÝ tarafýndan Türkiye Akarsularýnda Su Kalitesi Gözlemleri kitaplarý þeklinde yayýnlanmaktadýr. DSÝ ve EÝEÝ tarafýndan yapýlan su kalitesi ölçümleri genelde aylýk ölçümler olup, bir istasyon için bir yýl içerisinde, özel durumlar haricinde maksimum toplam 12 ölçüm deðeri bulunabilmektedir. Gözlem istasyonunu iþleten kuruma ve istasyon türüne (genel su kalitesi, içme suyu kalitesi, vb.) baðlý olarak, bir istasyonda ölçülen su kalitesi parametreleri deðiþiklik göstermektedir. Ýstasyonlar arasýndaki farklýlýklarýn yaný sýra, ayný istasyonda ölçülen su kalitesi parametrelerinde de yýldan yýla deðiþimler görülebilmektedir. Bu nedenle su kalitesi istasyonlarýnda ölçülebilecek olasý parametrelerin sayýsý yaklaþýk 35 olmasýna raðmen, bu çalýþmada kayýt sayýsý (su kalite parametresi) 8 ile sýnýrlandýrýlmýþ ve veritabaný tablolarý aylýk ölçümler baz alýnarak tasarlanmýþtýr. Su kaynaklarý açýsýndan kritik bir coðrafyada bulunan, su kaynaklarýnýn geliþtirilmesi için orta ve büyük çaplý birçok projenin yürütüldüðü ve geleceðe yönelik olarak planlandýðý ülkemizde, su kaynaklarý ile ilgili çalýþmalarda CBS kullanýmý giderek önem kazanmakta ve yaygýnlaþmaktadýr (GÝRGÝN vd. 2004). Gözlem istasyonlarýnda ölçülen kalite parametrelerini ortak bir veritabaný içinde yönetme ve ulusal su kalitesi izleme aðý oluþturma hedefiyle kurum bazýnda birtakým çalýþmalar baþlatýlmýþsa da (KARAMAN 2007), bu çalýþmalarý destekleyecek ve kolaylaþtýracak, yüksek nitelikli, güncel ve kolay ulaþýlabilir hidrografik veritabaný sisteminin mevcut olduðunu söylemek zordur Su kalitesi sýnýflandýrmasý Yüzeysel bir su kaynaðýnýn kalite sýnýflandýrmasý için ülkemizde kullanýlan yasal mevzuat, tarihinde yürürlüge giren Su Kirliliði Kontrol Yönetmeliðidir (SKKY), (19919 Sayýlý Resmi Gazete). Bu yönetmelikteki ilgili tabloda 4 grupta (A, B, C, D) ayrý ayrý 4 sýnýf su kalite sýnýfý (I, II, III, IV) belirtilmiþtir. Bir gruba ait en düþük kalite sýnýfý o grubun sýnýfýný belirler. Bu yönetmelikte ülkemiz su kaynaklarýnýn kalite sýnýflandýrýlmasýnýn yapilmasi ve kalite atlaslarýnýn çýkarýlmasý öngörüldüyse de, çalýþmalarýn yeterli düzeyde olduðu söylenemez. SKKY ne göre kýta içi yüzeysel su kategorisine göre akarsular, 4 ana sýnýfa ayrýlmýþtýr. Buna göre; I. Sýnýf : Yüksek kaliteli su, II. Sýnýf : Az kirlenmiþ su, III. Sýnýf : Kirli su ve IV. Sýnýf : Çok kirlenmiþ su olarak tanýmlanmaktadýr. Tablo 1. de SKKY den bir kesit gösterilmiþtir. Bu yönetmeliðe göre; A, B, C, D parametre gruplarýyla birlikte karakteristik deðerler ve Romen rakamlarýyla kalite sýnýflarý gösterilmelidir: A: Fiziksel ve Ýnorganik Kimyasal Parametreler, B: Organik Parametreler, C: Ýnorganik Kirlenme Parametreleri, D: Bakteriyolojik Parametreler. SKKY ne göre su kalite sýnýflarýnýn renk kodlarýyla gösterimi ise þu þekilde yapýlmalýdýr: I. Sýnýf mavi renkte, II. Sýnýf yeþil, III. Sýnýf sarý ve IV. Sýnýf kýrmýzý ile gösterilmelidir. Parametre gruplarýna dayanan sýnýflama sonuçlarý su kalite haritasý üzerinde gösterilmelidir. Nehrin mansabýna bakýlarak sol sahilinde grup A parametreleri, sað sahilinde grup B, C parametreleri gösterilmelidir. D grubu ise ayrý bir harita üzerinde gösterilir. Çalýþmada uygulama için Porsuk çayý üzerinde bulunan 11 adet gözlem istasyonunda kaydedilen kalite parametreleri kullanýlmýþtýr. DSÝ kayýtlarýndan aylýk ortalamalar halinde ( ve yýllarýna ait) elde edilen 8 adet su kalitesi parametresine ait gözlem verileri kullanýlarak su kalitesi coðrafi veritabaný oluþturulmuþtur. Parametre sayýsýnýn -7-

4 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) hkm 2008/2 Sayý 99 az tutulmasýnýn nedeni, önceki bölümde açýklandýðý üzere sürekli kalite verilerin bulunmasýnda yaþanan zorluktur. Þekil 2. de çalýþmada kullanýlan izleme istasyonlarý ile su kalite parametrelerinin saklandýðý detay öznitelik tablosu gösterilmektedir. Araþtýrmada kullanýlan parametreler; debi (Q) [m 3 /s], sýcaklýk (T) [ o C], çözünmüþ oksijen (DO) [mgl -1 ], biyokimyasal oksijen ihtiyacý (BOD) [mgl -1 ], amonyak azotu (NH 3-N) [mgl -1 ], nitrat azotu (NO 3-N) [mgl -1 ], nitrit azotu (NO 2-N) [mgl -1 ] ve orto-fosfat (O_PO4) [mgl -1 ] dýr Tablo 1: Kýta-içi Su Kaynaklarýnýn Sýnýflarýna Göre Kalite Kriterleri Bu parametrelere ait ölçüm deðerleri aylýk ortalamalar halinde istasyon bazýnda veritabaný tablosuna girilmiþ ve ilgili katman seçildiðinde istasyon/parametre bazýnda rutin sorgulamalar (grafikten veritabanýna/ veritabanýndan grafiðe, veritabanýndan veritabanýna) gerçekleþtirilebilir duruma getirilmiþtir. Örnek olarak; sistemden yararlanan bir kullanýcý; harita üzerinden herhangi bir gözlem istasyonu seçerek o istasyona ait kalite parametrelerini sorgulayabilir, herhangi bir parametrenin zamansal deðiþimini grafik-rapor halinde görüntüleyebilir, istasyonlar arasýnda parametre bazýnda karþýlaþtýrmalar yapabilir, sorgulama sonuçlarýný farklý sunum araçlarýyla raporlayabilir, görüntüleyebilir vb. Ayrýca su kalite parametrelerine ait tanýmlayýcý istatistik deðerleri (min.-max., ortalama, ortanca, standart sapma vb.) bulunup özet çizelgeler hazýrlanabilir. Su kalite haritalarýnýn hazýrlanmasý için ArcMap ortamýnda; sýnýflandýrma yöntemi olarak tanýmlanmýþ aralýk (defined interval) seçeneði kullanýlarak SKKY ne uygun olacak biçimde kalite sýnýf deðerleri (aralýklarý) elle tanýmlanmýþ ve nehir üzerinde gözlem istasyonlarýnda ölçülen parametrelerin belirlenen sýnýflarýna göre ( yönergede belirtilen renk kodlarýna ve A, B, C ve D parametre gruplarýna uygun olarak) su kalite haritalarý oluþturulmuþtur. Þekil 3-a ve -3-b de bu þekilde hazýrlanan nehir su kalitesi haritalarý gösterilmektedir. Çalýþmanýn temel amacý, kalite sýnýflarýnýn belirlenmesinde belirleyici veya daha etkin olan parametrelerin saptanmasý ve sonuç aþamasýnda veritabanýnýn daha iyi yorumlanmasý olduðundan; izleyen diðer bölümde veritabanýnda bulunan kalite verileri üzerinde veri boyutu indirgeme/veri çözümleme yapýlmasý amacýyla CBS tabanlý ABA yöntemi uygulamasý yapýlacaktýr. -8-

5 hkm 2008/2 Sayý 99 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) Þekil 2. Ýzleme istasyonlarý ve su kalitesi öznitelik tablosu Þekil 3-a: Porsuk Çayý Su Kalite Haritasý (A, B ve C Gruplarý için) -9-

6 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) hkm 2008/2 Sayý 99 Þekil 3-b: Porsuk Çayý Su Kalite Haritasý (D Grubu için) 2.4. CBS Tabanlý Ana Bileþenler Analizi (ABA) Çok deðiþkenli istatistik analiz yöntemleri, iki veya daha çok boyutlu rastlantýsal deðiþkenleri bir bütün olarak ele alan ve deðiþkenler arasýndaki iliþkileri göz önünde tutarak bütünsel bir sonuç üreten tekniklerdir. Bununla birlikte, çok deðiþkenli veri analizinde, bütüncül istatistiksel sonuçlar üretmenin ötesinde, çok deðiþkenli veri kümesinin yapýsýný tanýmlamaya yönelik veri-çözümleme teknikleri de vardýr. Böyle bir teknik olan ABA yöntemi, bazý koþullarý yerine getirerek, bir grup korelasyonlu deðiþkene doðrusal dönüþüm uygulayan bir veri çözümleme tekniðidir. Aralarýnda yüksek korelasyon bulunan çok deðiþkenli verileri, aralarýnda korelasyon olmayan yeni bir alt veri kümesine dönüþtüren doðrusal bir dönüþümdür. Dönüþümden sonra, veriler arasýnda korelasyon ortadan kalkmaktadýr. Veri seti içindeki orijinal bilgiden en az kayýpla, tüm veri kümesini tanýmlayabilecek en anlamlý parametreleri bulmaya yarayan bir veri indirgeme/azaltma yöntemidir. ABA yöntemi son yýllarda çevre ile çok çeþitli araþtýrmada ve özellikle çevresel ve hidrolojik kalite göstergelerinin deðerlendirmesinde sýklýkla kullanýlan alýþýlagelmiþ bir yöntemdir (SHINE vd. 1995, VEGA vd. 1998, YU vd. 1998, PERKINS ve UNDERWOOD 2000, TAULER vd. 2000, VOUTSA vd. 2001, GANGOPADHYAYvd. 2001, BENGRAINE ve MARHABA 2003, OUYANG 2005). Yöntemde ana bileþenler, doðrusal dönüþümden elde edilen daha küçük boyutlu korelasyonsuz (ortogonal) alt veri kümesi deðiþkenleridir. Ana bileþenler (PC) orijinal korelasyonlu deðiþkenlerin özvektörlerle çarpýmýndan elde edilir; yani orijinal deðiþkenlerin aðýrlýklý doðrusal kombinasyonlarýdýr. Her bir ana bileþen aþaðýdaki þekilde ifade edilebilir: Bu eþitlikte x: deðiþkenin ölçü deðeri, z: bileþenin deðeri (score), a: bileþen yükü, i: bileþen sayýsý, j: örnek sayýsý ve m: toplam deðiþken sayýsýdýr. Bileþen yükü orijinal deðiþkenlerin PC lerin alt uzayý üzerine projeksiyonudur ve deðiþkenler ile PC ler arasýndaki korelasyon katsayýsý ile uyumunu gösterir. PC lerin özdeðerleri ise iliþkili varyansýn bir ölçüsüdür. Özvektörlerin hesabý veri setinin kovaryans matrisi ile veya korelasyon matrisi kullanýlarak yapýlabilir. Mesleðimizin diðer dallarýnda da sýklýkla kulanýlmakta olan bu yöntemin teorik ayrýntýlarýna ve deðiþik versiyonlarýna literatürde kolayca eriþilebilir (WOLD vd. 1987, JOLLIFFE 1986, EVERITT ve DUNN 1992, HELENA vd. 2000, WUNDERLIN vd. 2001). ABA yöntemi, nehir hidrolojisi ile ilgili birçok çalýþmada, büyük hacimli kalite veri setleri içinde kirlilik deðiþimlerini en çok etkileyen parametrelerin saptanmasý amacýyla bir çok deðiþkenli istatistik yöntemi (kemometri yöntemleri) olarak kullanýlmaktadýr. Genelde izlenen yol, bilinen istatistik paket yazýlýmlarý kullanýlarak kalite veri setlerinin analiz edilmesidir, Zira ABA yöntemi (ve diðer çok deðiþkenli analiz yöntemleri), birçok istatistik tabanlý yazýlým için standart ve rutin bir fonksiyon durumundadýr. Bu çalýþmalarda, ya CBS hiç kullanýlmamakta ya da istatistik yazýlýmý ile elde edilen sonuç ve bulgularýn gösterilimi için CBS den yararlanýlmaktadýr. Bu nedenle ABA analizini doðrudan CBS yazýlýmý içinde gerçekleþtirmenin; hem standart CBS fonksiyonlarýný kullanma avantajý saðlamasý açýsýndan hem de istatistik analize ait sonuçlarýn (ana bileþenler ve diðer deðiþkenler) kalite parametreleriyle konumsal açýdan iliþkilendirilmesi açýsýndan (1) -10-

7 hkm 2008/2 Sayý 99 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) daha yararlý olacaðý öngörülebilir. Bu ayný zamanda su kalite analizini geliþtirmenin bir yoludur. Bu amaçla, yazýlým içinde analiz için kullanýma hazýr bir ABA arayüzü bulunmadýðýndan; ABA yöntemini ArcGIS 9.0 CBS yazýlým ortamýnda çalýþabilen bir araç durumuna getirmek gerekmektedir. Kullanýcýlar farklý programlama dilleri ile yazdýklarý kaynak kodlarý derleyerek CBS yazýlým ortamýnda çalýþtýrabilmekte; makro veya programcýk (script) hazýrlayabilmektedirler. Ayrýca kullanýcýlarýn yazmýþ olduklarý küçük programlarýn paylaþýlmasý amacýyla tasarlanan web siteleri de mevcuttur. ESRI nin çevrimiçi eriþilebilir Arcscripts websitesi benzer amaçlý bir ortak paylaþým alanýdýr. ABA yöntemi uygulamasý için gereken program kodu, bu siteden (URL-1) temin edilmiþ olup; kodlar incelenip gerekli test ve diðer istatistik yazýlýmlarý ile karþýlaþtýrma (doðrulama) yapýldýktan sonra kullanmaya karar verilmiþtir. VBScript makro dili ile ABA algoritmasý için yazýlmýþ olan bu yazýlým kodlarýnýn ( Stat Tools adýndaki script dosyasý), ArcMap yazýlýmýnýn araç çubuðunda çalýþabilir, yani standart CBS fonksiyonlarýný kullanabilir hale getirilmesi gerekir. Bunun için sözkonusu programcýk dosyasýnýn, Windows iþletim sistemi yardýmýyla.dll (dynamic link library ) dosyasý halinde yazýlým içine derlenerek kurulumu yapýlmýþtýr. Kurulumdan sonra bu analiz aracý, ArcMap standart araç çubuðunda yer alan diðer herhangi bir araç gibi, ilgili ikon seçilerek çalýþýr hale getirilmiþtir. Dolayýsýyle bu noktada ABA analizi için gereken arayüz hazýrlanmýþ olmaktadýr. Program; grid, shapefile veya baðýmsýz bir.dbf dosyasý gibi farklý veri yapýlarýný analiz için kullanabilmektedir. Þekil 4: Kalite veri setinin temel istatistikleri ve korelasyon matrisi (ABA Arayüzü) Çalýþmada su kalitesi verileri, öznitelik tablosundan tasarlanan özellikler seçilerek yazýlým ortamýna aktarýlmýþtýr. Seçilen kalite verileri yazýlýma girildikten sonra aþamalý olarak ABA yöntemi için hesaplanan deðerler matris ve grafik formunda gösterilmektedir. Arayüzün ilk adýmýnda veri setine ait temel istatistik deðerleri ve korelasyon matrisi görülmektedir (Þekil 4). Diðer iþlem adýmýnda hesaplanan özdeðerler ve bileþen deðerleri (yani farklý bileþen eksenleri için o eksen üzerindeki her bir deðiþkenin aðýrlýðý/ özvektörleri) görülmektedir (Þekil 5). Þekilde ana bileþenler için yazýlýmda PCA kýsaltmasý kullanýldýðýna dikkat edilmelidir. Ýþlem adýmýnýn devamýnda bir deðiþkenin eksenle korelasyonunu temsil eden bileþen yükleri (yazýlýmda saturation olarak adlandýrýlmýþ) gösterilmiþtir (Þekil 6). -11-

8 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) hkm 2008/2 Sayý 99 Þekil 5: Ana bileþenlerin özdeðerleri ve ana bileþen deðerleri Þekil 6: Deðiþkenlerin ana bileþen yükleri Bileþen uzayýnda deðiþkenlerin projeksiyonunu gösteren korelasyon dairesi görsel yorumlama açýsýndan yararlýdýr. Daire üzerinde; iki deðiþken, merkezden uzaksa ve birbirlerine de yakýn iseler pozitif korelasyonludur; ortogonal iseler korelasyonsuzdurlar; merkeze göre karþý (veya ters) tarafta bulunuyorlarsa negatif korelasyonludurlar (Þekil 7). Analiz sonuçlarýný yorumlamayý kolaylaþtýrmak üzere tablolar halinde ve ayrýntýlý olarak sunmak yararlý olacaktýr. Tablo 2. de ana bileþenlerin özdeðerleri ve Tablo 3. te kalite deðiþkenlerinin bileþen yükleri verilmiþtir. -10-

9 hkm 2008/2 Sayý 99 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) Analiz sonuçlarýnýn deðerlendirilmesi ABA yöntemi ile hidro-kimyasal kalite veritabaný içinde toplam varyansýn %94 ünü oluþturan 4 adet ana bileþen (PC) bulunmuþtur. Genel olarak CATTELL ve JASPERS (1967) ölçütüne göre, özdeðeri 1 den büyük olan bileþenler dikkate alýnýr (Tablo 2-3). Dördüncü (4.) özdeðer 1 e çok yakýn olduðu için önemli olduðu düþünülerek ihmal edilmemiþtir. (Diðer dört bileþen- 5, 6, 7 ve 8- bu kurala göre gözardý edildiðinden Tablo 3. te gösterilmemiþtir.) Ýlk bileþen (PC1) toplam varyansýn % ini oluþturmakta ve amonyak azotu, nitrit azotu ve nitrat azotu deðiþkenleri üzerinde yüksek negatif yük (>0.80) gösterirken; debi ve ortofosfat deðiþkenleri üzerinde orta yük (>0.6) göstermiþtir. Amonyak azotu ve nitrat azotunun etkisi, bölgedeki Þeker Fabrikasý ve Organize Sanayi Bölgesi (tekstil ve otomotiv) atýklarý ile açýklanabilir ve su kalitesini olumsuz etkilediði düþünülebilir. Toplam varyansýn % ini oluþturan ikinci bileþen (PC2), çözünmüþ oksijen deðiþkeni üzerinde yüksek pozitif yük (>0.80) gösterirken sýcaklýk üzerinde orta yük göstermiþtir. Üçüncü bileþen ise toplam varyansýn %15.8 ini oluþturmuþ ve sýcaklýkla negatif korelasyonludur. Þekil 7: Korelasyon dairesi (ilk iki ana bileþen için) Tablo 2: Ana bileþenlerin özdeðerleri Bileþen Özdeðer Açýklanan % Kümulatif % PC % 41.05% PC % 66.96% PC % 82.04% PC % 93.86% PC % 96.81% PC % 98.76% PC % 99.73% PC % % Toplam Tablo 3: Kalite deðiþkenlerin bileþen yükleri Deðiþken PC1 PC2 PC3 PC4 Q T DO BOD NH 3_N NO 2_N NO 3_N O_PO özdeðer Sýcaklýkla çözünmüþ oksijen arasýndaki bu ters iliþki doðal bir süreçtir. Daha ýlýk olan suyun daha az çözünmüþ oksijen tuttuðu bilinmektedir. Toplam varyansýn %11.82 ini oluþturan dördüncü bileþen (PC4); ortofosfat deðiþkeni üzerinde orta negatif yük ve biyokimyasal oksijen ihtiyacý deðiþkeni üzerinde orta pozitif yük göstermiþtir. Fosfat deðiþkeninin etkisini, gübre ve pestisit kullanýmý ile açýklamak mümkündür. Ýlk iki bileþen için çizilen korelasyon dairesi (þekil 7) incelendiðinde organik ve inorganik deðiþkenler arasýndaki iliþkiler ve gruplaþmalar görülebilir. Hidrokimyasal deðiþkenler grubu ve bu deðiþkenlerin yakýn iliþkisi, yük çiziminin üst ve alt sol dörtgenlerinde görülebilir. Ayrýca doðal süreç bazlý kirletici gösterge deðiþkenleri alt sað dörtgende kümelenmiþtir. Bu tür bir gruplaþma deðiþkenlerin karþýlýklý korelasyonlarýnýn gücünü de gösterir. Öte yandan belirlenen/indirgenen deðiþkenlerin kalite sýnýfýný belirleyen deðiþkenler arasýnda olduðu görülmüþtür; örneðin nitrit azotunun A grubunun kalite sýnýfýnýn belirlenmesinde etkili olduðu görülmektedir. Nitrit, kararsýz bir parametre olduðundan azot çevrimi içinde amonyak veya nitrata dönüþebilmektedir. Diðer taraftan indirgenen bu deðiþkenler havzanýn endüstriyel ve evsel atýksularla yoðun olarak kirletildiðini göstermektedir. -11-

10 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) hkm 2008/2 Sayý 99 Su kalitesi izleme çalýþmalarýnda doðru deðiþkenlerin seçimi, izleme programýnýn teknik ve mali fizibilitesinin önemli bir parçasýný oluþturmaktadýr. ABA yöntemiyle indirgenen bu deðiþkenlerle kalite izleme çalýþmalarýný sürdürmek mümkün olabilir; çünkü belirlenen deðiþkenler ilgili istasyon için kalite sýnýfýný belirleyebilir. Böylelikle izleme yapan kuruluþlarda teknik ve mali tasarruf saðlanabilecektir. 3. Sonuç CBS ortamýnda çok deðiþkenli istatistik analiz tekniðinin gerçekleþtirilebilmesi için yazýlmýþ makro kodlarý kullanýlarak ABA arayüzü hazýrlanmýþtýr. Porsuk Çayý üzerinde bulunan gözlem istasyonlarýndan elde edilen verilerle oluþturulan su kalitesi veritabaný, belirtilen arayüz ile analiz edilmiþ, kalite deðiþiminde etkili olan deðiþkenler belirlenip yorumlanarak yöntemin potansiyeli ve etkinliði gösterilmiþtir. Kuþkusuz, ABA yöntemi yerine diðer baþka bir çok deðiþkenli istatistik yöntemi seçilerek benzer yaklaþýmla sonuçlar irdelenebilir. Standart CBS fonksiyonlarý yardýmýyla, veritabanýnda tutulan kalite verileri SKKY de belirtilen kalite ölçütlerine uygun olarak sýnýflandýrýlmýþ ve su kalite haritalarý hazýrlanmýþtýr. Daha sonra kalite deðiþimlerini belirlemede etkin olan en önemli deðiþkenlerin saptanmasý amacýyla, coðrafi veritabanýnda depolanan su kalitesi verileri, ABA yöntemiyle analiz edilmiþ ve veri indirgemesi yapýlmýþtýr. Veri indirgemesinde hesaplanan bileþenlerin deðiþkenlerle olan iliþkileri, deðiþkenlerin bileþen üzerindeki paylarý belirlenip sayýsal ve grafik anlamda incelenmiþtir. Ýndirgenen parametrelerin kalite izleme çalýþmalarýnda dikkate alýnmasý durumunda tasarruf saðlanacaðý unutulmamalýdýr. Sonuç olarak anýlan çok deðiþkenli istatistik yöntemin CBS tabanlý uygulamasýnýn su kalitesi analizini geliþtirdiðini söylemek mümkündür. Kaynaklar BENGRAINE K. ve MARHABA T.F.: Using principal component analysis to monitor spatial and temporal changes in water quality, Journal of Hazardous Materials, 100 (2003), BENNETT D.A.: A framework for the integration of geographical information systems and model base management, International Journal of Geographical Information Science, 11, 4 (1997), CARPENTER S., CARACO N.F. CORRELL D.L., HOWARTH R.W., SHARPLEY A.N. ve SMITH V.H.: Nonpoint pollution of surface waters with phosphorus and nitrogen, Ecological Applications, 8 (1998), CATTELL R. B. ve JASPERS J.: A general plasmode (No ) for factor analytic exercises and research, Multi. Behav. Res. Mono., 67 (1967), CHEN C.H., LIU W.L. ve LEU H.G.: Sustainable Water Quality Management Framework and a Strategy Planning System for a River Basin, Journal of Environmental Management, 38 (2006), COWEN D.J., JENSEN J.R., BRESNAHAN P.J., EHLER G.B., GRAVES D., HUANG X., WIESNER C. ve MACKEY H.E.: The design and implementation of an integrated geographic information system for environmental applications, Photogrammetric Engineering and Remote Sensing, 61, 11 (1995), DIXON W. ve CHISWELL B.: Review of aquatic monitoring program design, Water Resources, 30 (1996), DSI (DSI Genel Müdürlügü), Sakarya-Seyhan Havzalarinda Kirlenme Durumlarinin Incelenmesi ve Bu Havzalarda Kalite Siniflarinin Tespiti Projesi, 1992, Ankara. DSÝ (DSI Genel Müdürlügü), Su Kalitesi Gözlem Yýllýðý ( ), DSÝ Ýçmesuyu ve Kanalizayon Dairesi Baþkanlýðý, 1985, Ankara. DSÝ (DSI Genel Müdürlügü), Su Kalitesi Gözlem Yýllýðý ( ), DSÝ Ýçmesuyu ve Kanalizayon Dairesi Baþkanlýðý, 1987, Ankara. EÝEÝ (Elektrik Ýþleri Etüd Ýdaresi Genel Müdürlüðü), Türkiye Akarsularýnda Su Kalitesi Gözlemleri, Hidrolik Etütler Dairesi Baþkanlýðý, 1996, Ankara. EINAX J.W., ZWANZIGER H.W. ve GEISS S.: Chemometrics in Environmental Analysis, Wiley, ISBN : , Weinheim, EVERITT, B.S. ve DUNN, G. Applied Multivariate Data Analysis, Oxford Univ. Press, ISBN: , New York. ESRI (Environment System Research Institute), ArcGIS 9.0, ESRI, Redlands, California FACCHINELLI A., SACCHI E. ve MALLEN L.: Multivariate statistical and GIS-based approach to identify heavy metal sources in soils, Environmental Pollution, 114 (2001), FARNHAM I.M., SINGH A.K., STETZENBACH K.J. ve JOHNNESSON, K.H.: Treatment of nondetects in multivariate analysis of groundwater geochemistry data, Chemom. Intell. Lab. Syst., 60 ( 2002), GANGOPADHYAY S., GUPTA A.D. ve NACHABE M.H.: Evaluation of ground water monitoring network by principal component analysis, Ground Water, 39 ( 2001), GÝRGÝN S., AKYÜREK Z. ve USUL N.: Türkiye Ýçin Coðrafi Bilgi Sistemi Tabanlý Su Kalitesi Veri Analiz Sistemi Geliþtirilmesi, 3.Coðrafi Bilgi Sistemleri Biliþim Günleri, 6-9 Ekim 2004,Türkiye. GREENE R.G. ve CRUISE J.F.: Urban watershed modeling using geographic information system, Journal of Water Resources Planning and Management, 121 (1995), GOODCHILD M.F., PARKS B.O. ve STEYAERT L.T.: Environmental Modeling with GIS, Oxford University Press, New York, HELENA B., PARDO R., VEGA M., BARRADO E., FERNANDEZ J.M. ve FERNANDEZ L.: Temporal evolution of groundwater composition in an alluvial aquifer (Pisuerga river, Spain) by principal component analysis, Water Resources, 34 (2000), JARVIEÊH.P., WHITTON B.A ve NEALÊC.: Nitrogen and phosphorus in east coast British rivers: speciation sources and biological significance, Sci. Total Environ., 210/211 (1998), JOLLIFFE I.T.: Principal Component Analysis, Springer, New York, KARAMAN M.: DSÝ Su Kalitesi Uygulamasý Cografi Bilgi Sistemleri Modeli, Ulusal Cografi Bilgi Sistemleri Kongresi, 30 Ekim 02 Kasým 2007, KTÜ, Trabzon. KOWALKOWSKI T., ZBYTNIEWSKI R., SZPEJNA J. ve BUSZEWSKI B.: Application of chemometrics in river water classification, Water Research, 40 (2006), LAMBRAKIS N., ANTONAKOS A. ve PANAGOPOULOS G.: The use of multicomponent statistical analysis in hydrological environmental research, Wat. Res. 2004, vol.38, p LI X.D., LEE S.L., WONG S.C., SHI W.Z. ve THORNTON I.: The study of metal contamination in urban soils of Hong Kong using a GISbased approach, Environmental Pollution, 129, 1 (2004), MAHLOCH J. L.Ê: Multivariate Techniques for Water Quality Analysis, Journal of the Environmental Engineering Division, 100, 5 (1974), October, MANTA D.S., ANGELONE M., BELLANCA A., NERI R. ve SPROVIERIA M.: Heavy metals in urban soils: a case study from the city of Palermo (Sicily), Italy, The Science of the Total Environment, 300, 1-3 (2002),

11 hkm 2008/2 Sayý 99 Arslan O., Su Kalitesi Verilerinin CBS ile Çok Deðiþkenli Ýstatistik Analizi (Porsuk Çayý Örneði) MELLINGER M.: Multivariate data analysis: its methods, Chemom. Intell. Lab. Syst., 1987, vol.2, p MENDIGUCHIA C., MORENO C., GALINDO-RIANO D.M. ve GARCIA- VARGAS M.: Using chemometric tools to assess anthropogenic effects in river water A case study: Guadalquivir River (Spain), Anal. Chim. Acta., 515 (2004), OUYANG Y.: Application of principal component and factor analysis to evaluate surface water quality monitoring network, Water Resources, 39 (2005), PERKINS R.G. ve UNDERWOOD G.J.C.: Gradients of chlorophyll a and water chemistry along an eutrophic reservoir with determination of the limiting nutrient by in situ nutrient addition, Water Resources, 34 (2000), POIANI K.A. ve BEDFORD B.L.: GIS-based nonpoint source pollution modeling: considerations for wetlands, Journal of Soil & Water Conservation, 50, 6 (1995), SANTOS-ROMAN D.M., WARNER G.S ve SCATENA, F.: Multivariate Analysis of Water Quality and Physical Characteristics of Selected Watersheds in Puerto Rico, Journal of the American Water Resources Association (JAWRA), 39, 4 (2003), SHINE J.P., IKA R.V. ve FORD T.E.: Multivariate statistical examination of spatial and temporal patterns of heavy metal contamination in New Bedford Harbor marine sediments, Environ. Sci. Technol., 29 (1995), SIMEONOV V., EINAX J.W., STANIMIROVA I. ve KRAFT J.: Environmetric modeling and interpretation of river water monitoring data, Anal. Bioanal. Chem., 374 (2002), SIMEONOVA P., SIMEONOV V. ve ANDREEV G.: Water Quality Study of the Struma river Basin, Bulgaria ( ), Cent. Eur. J. Chem., 1 (2003), SIMEONOV V., STRATIS J.A., SAMARA C., ZACHARIADIS G., VOUTSA D., ANTHEMIDIS A., SOFONIOU M. ve KOUIMTZIS T.: Assessment of the surface water quality in northern Greece, Water Resources, 37 (2003), SINGH K.P., MALIK A., MOHAN D. ve SINHA S.: Multivariate statistical techniques for the evaluation of spatial and temporal variations in water quality of Gomti river (India)-a case study, Water Resources, 38 (2004), SINGH K.P., MALIK A. ve SINHA S.: Water quality assessment and apportionment of pollution sources of Gomti river (India) using multivariate statistical techniques a case study, Analytica Chimica Acta, 538 (2005), TAULER R., BARCELO D. ve THURMAN E.M.: Multivariate correlation between concentrations of selected herbicides and derivatives in outflows from selected US Midwestern reservoirs, Environ. Sci. Technol., 34 (2000), URL-1.: USEPA (2001).: Better Assessment Science Integrating point and Nonpoint Sources, US Environmental Protection Agency, EPA Number: 823B01001, Washington, DC. VEGA M., PARDO R., BARRADO E. Ve DEBAN L.: Assessment of seasonal and polluting effectson the quality of river water by exploratory data analysis, Water Resources, 32 (1998), VOUTSA D., MANOLI E., SAMARA C., SOFONIOU M. ve STRATIS I.: A study of surface water quality in Macedonia, Greece: speciation of nitrogen and phosphorus, Water Air Soil Pollution, 129 (2001), WOLD S., ESBENSEN K. ve GELADI P.: Principal component analysis, Chemom., Intell. Lab. Syst. 2 (1987), WUNDERLIN D.A., DIAZ M.P., AME M.V., PESCE S.F., HUED A.C. ve BISTONI M.A.: Pattern recognition techniques for the evaluation of spatial and temporal variations in water quality. A case study: Suquia river basin (Cordoba-Argentina), Water Resources, 35 (2001), YU J.C., QUINN J.T., DUFOURNAUD C.M., HARRINGTON J.J., ROGER P.P. ve LOHANI B.N.: Effective dimensionality of environmental indicators: a principal component analysis with bootstrap confidence intervals, Journal of Environmental Management, 53 (1998),