DEPREM HABERCİSİ OLARAK RADON VE DEPREMLER ARASINDAKİ İLİŞKİNİN BELİRLENMESİ İÇİN YENİ BİR METOT: REGRESİF UZAY-ZAMAN NOKTASAL TOPLAM YARIVARİOGRAM

Abstract

Radon (222Rn), uranyum taşıyan kaya katmanlarında sürekli olarak üretilen 226Ra'nın alfa parçacığı yayınlaması sonucunda oluşan radyoaktif asal bir gazdır. Kendi bozunum ve asal gaz karakteristiğinden dolayı, özellikle jeolojik çevrede zamanla değişen süreçlerin belirlenmesinde önemli bir tanımlayıcıdır. Bu nedenle, topraktaki 222Rn akısının zamansal ve konumsal değişiminin analizi sismik aktiviteler ile ilgili jeodinamik değerlendirmeler yapmak ve ilgili bölgenin 222Rn karakteristiğini belirlemek için oldukça önemlidir. Jeolojik olayların oluşumu, kaya ve toprak katmanlarının dağılımı ne homojen ne de izotropik bir dağılım gösterir. Tüm bunlar 222Rn'nin homojen olmayan bir dağılım göstermesine neden olur. Bu tür davranış sergileyen değişkenlerin modellenmesinde uzaysal analiz yöntemleri oldukça kullanışlıdır. Bununla birlikte 222Rn derişimi çevresel değişkenlere bağlı olarak da değişim göstermektedir. Bu nedenle tüm bu etkileri kapsayan uzaysal bir model, bölgenin karakteristiğini belirlemede daha fayda sağlayacaktır. Bu amaçla, çalışmada tüm bu etkenleri içeren yeni bir model (Regresif Uzay Zaman Noktasal Toplam Yarıvariogram) önerilerek Doğu Anadolu Fayı üzerinde yer alan istasyonlara uygulandı ve bölgenin karakteristiği çıkarılmaya çalışıldı. Bunun yanısıra, Yapay Sinir Ağlarının farklı öğrenme algoritmaları kullanılarak modelleme yapıldı ve elde edilen sonuçlar ile önerilen yöntemin güvenilirliği test edildi. Zaman Serisi analizi ile de meydana gelen 222Rn anomalilerinin kaynağı belirlenmeye çalışıldı. Anahtar Kelimeler: Radon, Deprem, Yarıvariogram, Jeoistatistik, Konumsal Kestirim, Regresif Uzay Zaman Noktasal Toplam Yarıvariogram

Radon (222Rn) is a naturally occurring radioactive noble gas continuously generated in the uranium bearing rocks by alpha emitted from 226Ra. Because of itself noble gas character and radioactive decay, it is a unique component especially for determining temporally varying process in geological environments. For this reason, analysis of spatial and temporal changing of radon gas flux in the soil is very important for doing geo-dynamical assessment and determining radon characteristic of interested region. Occurring of geological phenomenon, distribution of rock and soil layers are neither isotropic nor homogeneous. All of these lead to showing nonhomogeneous distribution of 222Rn. Spatial analysis methods are very useful for modeling of variables exhibiting these type behaviors. In addition to this, 222Rn concentration changes depend on enviromental variable. For this reason, a spatial model that contains all these effects will be more useful in determining the character of the region. For this purpose, a new model (Regressive Spatio Temporal Point Cumulative Semivariogram) containing all these factors in the study was proposed and applied to the stations located on the East Anatolian Fault Zone and the characteristic of the region was tried to be extracted. In addition, modeling was performed using different learning algorithms of Artificial Neural Networks and reliability of the proposed method was tested. It has been tried to determine the source of the 222Rn anomalies with Time Series analysis. Key Words: Radon, Earthquake, Semivariogram, Geostatistic, Spatial Prediction, Regresive Spatiotemporal Point Cumulative Semivariogram