Tam ölçekli düzenli depolama sahasında depolanmış evsel katı atıkların metan potansiyelinin stokastik yöntemlerle belirlenmesi

Abstract

Bu çalışmanın esas hedefi eski ve aktif olarak kullanılan katı atık depolama alanındaki atıkların temel farklılıklarını ortaya koyarak, işletilmekte olan gerçek ölçekli bir katı atık depolama tesisinde elde edilebilecek metan gazının miktar ve kalitesini daha hızlı ve doğru bir şekilde belirleyecek bir yöntemin geliştirilmesidir. Mümkün olduğunca bütün atık yaşlarını ve bölgelerini temsil edecek şekilde eski (EDA) ve aktif depolama alanının (ADA) muhtelif noktalarına toplam 12 adet sondaj açılarak 10 m, 20 m ve 30 m derinlikten olmak üzere her numune noktasından her biri yaklaşık 500 lt hacimli 3'er adet numune alınmıştır. Alınan numunelerle öncelikle madde grubu analizi (MGA) gerçekleştirilerek atıklar kâğıt-karton (PCB), plastik-diğer (PO), plastik-poşet (PB), çocuk bezi (D), ahşap (W), metal (M), tekstil (T), cam (G), taş-toprak (S) ve elek altı (FM) malzemesi kategorilerine ayrılmıştır. Her iki depolama alanı bölgesinde yapılan atık karakterizasyonu çalışmalarına ilave olarak, her noktadan alınan numuneler nem içeriği, pH, klorür, kalorifik değer, toplam kjeldahl azotu, amonyak azotu, toplam organik karbon, yanma kaybı, toplam kükürt, sülfat, kalsiyum ve magnezyum parametreleri için laboratuvar analizleriyle (LA) de değerlendirilmiştir. Numunelerle yapılan bu çalışmalarının yanı sıra, depo alanı gövdesindeki atık kütleleri ve depo gazı oluşması muhtemel bölgeler hakkında fikir edinmek üzere depolama alanında uygulanan işletme pratiği, atıkların depolama yaşı veya çalışma öncesinde depolama alanı hakkında fazlaca bilgi olup olmamasından bağımsız olarak elektriksel özdirenç görüntüleme (EÖG) çalışmaları da gerçekleştirilerek değerlendirmeler yapılmıştır. Buna göre EDA'daki yüksek özdirenç değerleri daha yaygın bir şekilde üst ve orta tabakada bulunurken diğer bölgelerde ise yüksek özdirenç değerleri daha az noktada ve daha düşük değerlerde görüldüğü tespit edilmiştir. Ayrıca, elde edilen EÖG grafiklerinde genel olarak açık mavi ile gösterilen 6-8 Ωm değerleri arasındaki özdirence sahip bölgelerde daha yüksek debi değerlerinin elde edildiği görülmüştür.Hem MGA hem de LA sonuçları için ayrı ayrı hiyerarşik kümelenme analizi (HKA) ve temel bileşen analizleri (TBA) uygulanarak EDA ve ADA için etkili olan parametreler belirlenirken aynı zamanda parametrelerin birbiriyle olan etkileşimleri hakkında da detaylar belirlenmeye çalışılmıştır. Çalışmada elde edilen MGA sonuçları ve seçilen bazı LA parametrelerinin BMP değerleriyle olan ilişkilerine bağlı olarak en uygun modelleri geliştirmek üzere Çoklu Doğrusal Regresyon (Multiple Linear Regression – MLR) analiz yöntemi uygulanmıştır. MGA veri seti için elde edilen en iyi modellere ait istatistiksel veriler incelendiğinde tüm koşulları sağlayan en iyi modelin ham BMP değeriyle elde edilen 4 değişkenli (D-W-T-FM) model olduğu görülmüştür. Bu modele göre R2 ve Adj.R2 değerleri sırasıyla 0,731 ve 0,689 olarak tespit edilmiştir. Diğer yandan, BMP değişkeninin LA veri seti için yapılan MLR modelleme çalışmalarına göre de ham BMP değerleriyle elde edilen 7 değişkenli (pH-Cl-TKN-NH4-TOC-LOI-Ca) tahmin modelinin en uygun model olduğuna karar verilmiştir. Bu modelin R2 ve Adj.R2 değerleri sırasıyla 0,804 ve 0,753 olarak tespit edilen MLR modelinin en uygun model olduğu sonucuna varılmıştır. Diğer yöntemlere nazaran daha hızlı sonuçlar alınabilse de bu modellerin uygulanmasındaki en önemli sınırlayıcı faktör modelin hazırlanmasında kullanılan parametrelerin veri seti içindeki değerlerinin dışında verilerle kullanılamamasıdır.

Main goal of this study was to develop a faster and more accurate method to estimate the methane amount and quality extracted at a full scale operating sanitary landfill by revealing the main properties and differences of landfilled municipal solid wastes at old (EDA) and active (ADA) landfill site sections. The samples for the study were collected from 12 different locations representing the landfill as much as possible with respect to waste age and landfill sections. It was planned to extract samples from three waste depths (10 m, 20 m and 30 m) for the waste characterization and other analyzes. The volume of each sample was ensured by using a metal box having a 500 L volume. At first, waste characterization studies were performed by separating each sample into 10 sub-categories: paper-cardboard (PCB), plastics-other (PO), plastics-bags (PB), diapers (D), wood (W), metal (M), textile (T), glass (G), stone-soil (S) and fine materials (FM). Beside the waste characterization studies, several physical-chemical analyzes such as water content, pH, chloride, calorific value, total kjeldahl nitrogen, ammonia nitrogen, total organic carbon, loss on ignition, total sulphur, sulphate, calcium, and magnesium were also performed in laboratory. Beside the studies with waste samples, electrical resistivity tomography (ERT) studies which are independent of applied landfilling practices, landfilled waste age or effects of insufficient data about area prior this study were also performed in order to collect data about waste layers within the landfill body and potential locations for landfill gas generation. According to ERT results at EDA section, higher resistivity values were observed more frequently at top and middle waste layers whereas high resistivity values in other sections were detected in less locations with smaller values compared to EDA. Furthermore, it was determined that higher landfill gas flow-rates were obtained at areas having electrical resistivity between 6-8 Ωm shown as light blue color in the ERT graphics. Hierarchical cluster analysis (HCA) and Principal Component Analysis (PCA) were performed for physical-chemical parameters and waste characteristics data sets in order to determine most significant variables and interactions of variables among themselves for EDA and ADA sections. Multiple-Linear Regression (MLR) was applied both to waste characteristics data set and physical-chemical analyzes data set in order to develop the best model for BMP estimation. As a result of these evaluations, the best model for waste characterization data set was determined as the 4 variable (D-W-T-FM) model developed by raw BMP data. According to statistical evaluations, R2 and Adj.R2 were detected as 0.731 and 0.689, respectively. On the other hand, the MLR modeling for BMP estimation with raw BMP and physical-chemical variables data set resulted with a best model having 7 variables (pH-Cl-TKN-NH4-TOC-LOI-Ca). The R2 and Adj.R2 values for this model were detected as 0.804 and 0.753, respectively. Even such models can give faster results compared to other methodologies, the most important limitation is that values for independent variables must be inside the range of values used to create the model equation, otherwise over or underestimated results can be obtained.