Yapay zeka selleri önlememize nasıl yardımcı olacak ?

Yapay zeka teknolojisinde,  uydu görüntüleri ve hidrolojik ölçümler gibi çok büyük miktardaki veriyi analiz etme konusundaki  gelişmeler, sel tahminindeki doğruluğu ve taşkın yönetimini önemli ölçüde geliştirmiştir.

Bu konuda kullanılan yapay zeka  tekniklerinin dikkate değer örnekleri, selleri daha doğru bir şekilde tahmin etmek için kapsamlı verilerdeki karmaşık kalıpları tanımlayan derin öğrenme ve sinir ağları yaklaşımını  içermektedir. Bununla birlikte, bu ilerlemelere rağmen  yapay zeka öncelikle işlenecek yeterli veri temini ve bu verilerin kalitesi gibi zorluklarla karşı karşıyadır.

Son yıllarda artan aşırı hava koşulları ve değişkenlikler geleneksel su yönetimi için   belirsizliklerin artmasına ve bunların  tahmin edilmesine yönelik zorlukları da arttırmaktadır.

Buna karşılık, yapay zeka (AI) taşkın risk yönetiminde önemli bir araç haline gelmiştir. Uydu görüntülerinden ve hidrolojik ölçümlerden büyük miktarlarda veri işleme yeteneği, sel modellerinin daha derin ve daha doğru bir şekilde anlaşılmasını sağlamaktadır. AI’nın gelişmiş tahmin doğruluğu ve daha hızlı acil durum tepkileri, iklim değişikliği etkisi altındaki yörelerde kentsel planlama ve afete hazırlık için çok önemli bir avantaj sağlamaktadır.

Kullanılan AI tekniklerine örnekler: derin öğrenme ve sinir ağları

Taşkın tahminine uygulanan yapay zeka (AI) alanında, derin öğrenme ve sinir ağları gibi tekniklerin özellikle etkili olduğu kanıtlanmıştır. Bu metodolojiler, makinelerin açık programlama yapmadan karmaşık veri kümelerindeki kalıpları otomatik olarak tanımlamasına izin veren AI alt alanı olan daha geniş makine öğrenmesi kapsamına (ML)  girer.

Derin öğrenme, büyük veri setlerini öğrenmek ve  analiz etmek  için çok katmanlı sinir ağları kullanır. Bu yetenek, sellerin ne zaman ve nerede meydana gelebileceğini daha doğru bir şekilde tahmin edebilen karmaşık ve çok küçük detayların  tanımlanmasını sağlar.

“Birleşmiş Milletler Afet Yönetimi ve Acil Müdahale için Uzay Tabanlı Bilgi Platformu” nun kapsamlı makalesinde açıklandığı gibi, makine öğrenimi öncelikle denetimli ve denetimsiz öğrenme olarak iki kategoriye ayrılmıştır:  Denetlenen öğrenme, bilinen örneklere dayanarak gelecekteki olayları tahmin etmek için denetlenmiş veriler kullanırken, denetimsiz öğrenme denetlenmemiş verilerle çalışarak  bu veriler içinde kendi başına yapı bulur. Bu yaklaşımlar  etkili sel tahmini ve yönetimi için çok önemli olan hidrolojik ve meteorolojik modellerin daha derin bir şekilde anlaşılmasına imkan tanımaktadır.

Bu tekniklerin sel tahminde uygulanmasının özel bir örneği, taşkınları haritalamak ve izlemek için radar ve uydu görüntülerinin kullanılmasıdır. Örneğin, su basmış alanları tanımlamak için orta  çözünürlüklü  görüntüleme spektroradiyometresi (MODIS) ve Landsat ve Sentinel-2 gibi orta çözünürlüklü sensörlerin kullanılır. Bununla birlikte, geleneksel uzaktan algılama yöntemlerinin su sınıflandırması ve bulut gölgelendirmesindeki hatalar gibi sınırlamaları vardır, bu da sular altında kalan alanların fazla tahmin edilmesine veya daha az olarak dikkate  alınmasına yol açar.

Bu bağlamda, makine öğrenimi önemli avantajlar sağlamaktadır.. Örneğin, hidrolojik olayları  tahmin etmek için uzun zamandır kullanılan fiziksel tabanlı modeller, genellikle yoğun hesaplama ve kısa süreli selleri tahmin etme yeteneklerini sınırlayan çeşitli hidro-jeomorfolojik izleme verileri gerektirir. Makine öğrenimi algoritmaları ise çeşitli kaynaklardan  gelen büyük miktarda veriyi işleyerek  daha hızlı ve daha doğru tahminler sağlayabilir.

Sağladığı birçok avantaja  rağmen, makine öğrenimi algoritmalarının sınırlamaları da bulunmaktadır. Sağlıklı sonuçlar elde etmek için  uygun algoritmaların seçimi  ve doğrulama  parametreleri  çok önemlidir. Bu da karmaşık bir süreçtir.

Sonuç olarak, makine öğrenimi, özellikle derin öğrenme ve sinir ağları, sel tahmini ve yönetiminde yenilikçi ve verimli bir yaklaşım sunmaktadır.  Bu yaklaşım   geleneksel yöntemlerin sınırlamalarını azaltmakta ve taşkınların zararlarının önlenmesinde büyük fayda sağlamaktadır.

Başarı Hikayeleri ve Pratik Uygulamalar

Taşkın yönetiminde yapay zekanın (AI) pratik uygulaması, dünyanın çeşitli bölgelerinde dikkate değer sonuçlar göstermiştir. Bu sonuçlar farklı koşullarda  uygulanan AI’nın taşkın önleme çalışmalarına   önemli katkıda bulunduğunu ortaya koymuştur.

Teksas’ta Harvey Kasırgası

AI’nın pratik uygulamasının etkili bir örneği Teksas’taki Harvey Kasırgasında görülmüştür. ABD tarihinin en etkili kasırgalarından biri olan bu yıkıcı olay, sel risklerini ve mevcut sel haritalarındaki  sınırlamaları ortaya çıkarmıştır.

Bu zorluklarla karşılaşan Amir Behzadan ve Texas A&M Üniversitesi’ndeki ekibi, AI kullanarak  batık durma işaretlerinin fotoğraflarından sel derinliğini tahmin etmek gibi yenilikçi bir çözüm önerdi.  Bu uygulama, kullanıcıların daha sonra AI modeli tarafından sel derinliğini değerlendirmek için kullanılan batık durma işaretlerinin fotoğraflarını yükleyerek taşkın verisi toplama işlemine katkıda bulunmasına imkan  tanıdı.

Google AI Sel Tahminleri

Google’ın AI kullanan sel tahmin projesi, küresel taşkın tahmininde önemli bir ilerlemeyi temsil etmektedir. Bu proje, hidrolojik ve meteorolojik verileri analiz etmek için AI algoritmalarından yararlanarak doğru ve erken sel uyarıları sağlamaktadır.

İrlanda-Cork’ta sel tahmini

İrlanda Cork da , sel tahmini ve ilişkili risk yönetimindeki doğruluğu artırmak için yenilikçi bir yapay zeka (AI) modeli kullanılmaktadır. Ceadar’daki araştırmacılar tarafından Dublin Üniversitesi’nde geliştirilen bu model, tarihi selleri haritalamak ve gelecekteki selleri büyük bir doğrulukla tahmin etmek için uydu verilerini kullanmaktadır. Bu ilerleme, yerel yetkililere ve topluluklara acil durum önlemleri, almak ve riski azaltmak için önemli bir imkan sunmaktadır.

Ayrıca gelecekteki sellerin etkilerini daha doğru bir şekilde tahmin etme yeteneği sunması açısından oldukça değerlidir.

GAO Raporu – ABD’de Taşkın Yönetimi alanında AI

ABD’de hazırlanan  bir rapor, şiddetli fırtınalar, kasırgalar, sel ve yangınlar da dahil olmak üzere doğal afetlerin modellenmesinde yapay zekanın (AI) artan kullanımını vurgulamaktadır. Devlet Hesap Verebilirlik Ofisi (GAO) tarafından yayınlanan bu çalışma, bir yapay zeka türü olan makine öğreniminin tahmin modellerinin doğruluğunu nasıl artırabileceğini, uyarı sürelerini nasıl artırabileceğini ve belirsizliği nasıl azaltabileceğini inceliyor. Makine öğrenimi modelleri  uygulamada kullanılmalarına  rağmen, bu modelleri geliştirmek ve daha geniş alanlarda uygulayabilmek  için kırsal alanlardaki veri eksikliği gibi bazı eksikliklere de sahiptir.

Sel kontrolü için AI hakkında UNO araştırması

New Orleans Üniversitesi’nde araştırmacılar, Amerika Birleşik Devletleri’ndeki taşkın kontrol yapılarındaki eksiklikleri değerlendirmek ve tespit etmek için yapay zeka kullanılmaktadır. ABD Ordusu Mühendisler Birliği tarafından finanse edilen proje, taşkın kontrol sistemlerinin bütünlüğünü ve istikrarını incelemek için insansız hava sistemlerinden ve diğer  verilerden görüntüler kullanıyor. Bu araştırma, New Orleans bölgesinin   Mississippi Nehrinin  taşkın  riskleriyle karşı karşıya kalması nedeniyle güvenlik ve altyapı için de çok önemli bir araştırma olarak görülmektedir.

Sel yönetiminde yapay zekanın zorlukları ve geleceği

Yapay zekanın (AI) sel yönetiminde uygulanması konusunda büyük bir ilerleme kaydedilirken, aynı zamanda önemli zorluklarla da karşılaşılmaktadır. Stockholm Uluslararası Barış Araştırma Enstitüsü (SIPRI) “İklim Güvenliği için Yapay Zeka: Olasılıklar ve Zorluklar” raporu bu zorlukların ve AI’nın bunlara yönelik sunduğu fırsatları vurgulamaktadır.

Bu alanda karşılaşılan ana zorluklardan biri, AI modellerinin performansı için gerekli olan verilerin kalitesi ve kullanılabilirliğidir. Bu sorun, tahminlerin doğruluğunu ve faydasını artırmak için farklı yaklaşımları ve veri türlerini entegre eden hibrid modeller geliştirme ihtiyacını ortaya koymaktadır.

İklim değişikliğine yapay zeka (AI) aracılığıyla uyum sağlamak ve etkilerini azaltmak, IoT sensörleri ve daha sofistike uydu görüntü analizi gibi gelişmiş teknolojileri ve yeni veri kaynaklarını içeren disiplinlerarası bir yaklaşım gerektirir.

Geleceğe baktığımızda, teknolojik gelişmelerin artması ve yeni veri kaynaklarının entegrasyonu ile yapay zeka kullanılarak  daha sağlıklı sonuçlara  ve etkili çözümlere ulaşılacağı görülmektedir. Bu durum, su kaynaklarının daha verimli bir şekilde yönetilmesi ve taşkınlara yönelik olarak  daha hızlı, daha etkili  tedbirlerin alınması  imkanını arttıracaktır.

Yapılan çalışmalar yapay zekanın iklim değişikliğine karşı daha etkili adaptasyon ve risk azaltma stratejileri yaratmada hayati bir rol oynayabileceğini ortaya koymaktadır. Bununla birlikte, mevcut zorlukların üstesinden gelmek ve yapay zeka’nın yeteneklerinden tam olarak yararlanmak için ileri teknolojilerin geliştirilmesi ve disiplinlerarası yaklaşımların entegrasyonunun önem taşıdığı da belirtilmektedir.

Yapay zeka alanındaki ilerlemenin iklim değişikliğinden  giderek daha fazla  etkilenen dünyamızda taşkın risklerinin  daha etkili yönetimi için umut verici yollar açtığını söyleyebiliriz.

Kaynak: EKONOMİ GAZETESİ