Bilim İnsanları Hava Kalitesi Tahminlerini Geliştirmek için Derin Öğrenmeye Yöneldiler

Bilim İnsanları Hava Kalitesi Tahminlerini Geliştirmek için Derin Öğrenmeye Yöneldiler

Fosil yakıtların yakılmasından kaynaklanan hava kirliliğinin insan sağlığını etkilediği biliniyor, ancak belirli bir yer ve zamandaki kirlilik seviyelerini tahmin etme konusunda hala daha zorluklar bulunuyor. Bilim insanlarından oluşan bir ekip, hava kalitesi tahminlerini iyileştirmek için odaklarını derin öğrenmeye yönelttiler. Çalışma, endüstriyel üretkenlik gibi ekonomik faktörlerin ve hastaneye yatış gibi sağlık faktörlerinin kirlilik seviyeleri ile nasıl değiştiğini inceleyen modelleyiciler için faydalı olabilecek sonuçlar sunuyor.

Penn State Üniversitesi Coğrafya bölümünde öğretim üyesi olan Manzhu Yu, “Hava kalitesi, kentsel alandaki insanların yaşamlarını etkileyen en önemli sorunlardan bir tanesidir” diyor. “Fakat mevcut gözlemler, savunmasız nüfusların gelecek planlamalarına yardımcı olabilecek kapsamlı bilgiler sağlamak için yeterli değil.”

Bilim insanları, uydu ve yer temelli gözlemlerin her birinin hava kirliliğini ölçtüğünü, ancak sınırlı olduklarını söylüyorlar. Örneğin, uydular her gün aynı saatte belirli bir konumdan geçebilir, ancak bu yöntemde emisyonların farklı saatlerde nasıl değiştiği gözden kaçabilir. Bir diğer örnek olan yer tabanlı meteoroloji istasyonları ise sürekli olarak veri toplar, ancak bu yöntemde de yalnızca sınırlı sayıda yerde gözlem yapılabilir.

Bilim insanları bu sorunu ele almak için Los Angeles bölgesindeki uydu ve yer temelli nitrojen dioksit gözlemleri arasındaki ilişkiyi analiz etmek amacıyla bir tür makine öğrenimi olan derin öğrenmeyi kullandılar. Araştırmacılar, nitrojen dioksitin büyük ölçüde trafik ve elektrik santrallerinden kaynaklanan emisyonlarla ilişkili olduğunu söylüyorlar.

Yu, “Şu anki sorun, nitrojen dioksitin gün içinde çok fazla değişmesi” diyor. “Ancak hava kirliliğini izlemek için şehir altı ölçekte saatlik bir ürünümüz olmadı. Aslında, yeryüzü seviyesi ve uydu gözlemlerini karşılaştırarak daha yüksek konumsal ve zamansal netliğe sahip tahminler üretebiliriz.”

Bilim insanları, öğrenilen ilişkinin araştırmacıların günlük uydu gözlemlerini gerçekleştirmelerine ve yaklaşık 3 millik ağda atmosferik nitrojen dioksitin saatlik tahminlerini oluşturmalarına olanak sağladığını söylüyorlar. Araştırmacılar elde ettikleri bulguları Science of the Total Environment dergisinde yayınladılar.

“Buradaki zorluk, dünya yüzeyinden alınan ölçümler ile aslında birbirinden çok uzak olan troposferin uydu gözlemleri arasında bir bağlantı bulup bulamayacağımızdır. Derin öğrenmenin devreye girdiği yer burasıdır.”

Derin öğrenme algoritmaları insan beynine çok benzer bir şekilde çalışır ve verileri işlemek ve kalıplar oluşturmak için birden fazla yapay nöron katmanına sahiptir. Bilim insanları, sistemin büyük miktarda veri içinde bulduğu bağlantılara göre kendini eğittiğini ve öğrendiğini belirtiyorlar.

Araştırmacılar iki derin öğrenme algoritmasını test ettiler ve yer temelli gözlemleri doğrudan uydu gözlemleriyle karşılaştıran algoraitmanın nitrojen dioksit seviyelerini daha doğru tahmin ettiğini buldular. Ayrıca meteorolojik veriler ve yükseklik, yer bazlı istasyonların, ana yolların ve enerji santrallerinin konumları gibi bilgilerin eklenmesi sonucunda tahmin doğruluğunun daha da arttığını gözlemlediler.

Araştırmacılar çalışmanın diğer sera gazları için tekrarlanabileceğini, farklı şehirlere veya bölgesel ve kıtasal ölçeklerde uygulanabileceğini söylüyor. Dahası, geliştirilen model yeni ve daha yüksek çözünürlükte uydular kurulduğunda bunlara uygun şekilde güncellenebilir.

Yu, “Sonuçlarımız, yüksek zaman-mekansal çözünürlükle hava kalitesi ve sağlık sorunları arasındaki çalışmayı kolaylaştıracak ve havadaki kirleticilerin dinamik evriminin anlaşılmasını geliştirecek” diyor.

Kaynak: sciencedaily.com

487 Kez Okundu

İnovatif Kimya Dergisi

İnovatif Kimya Dergisi aylık olarak çıkan bir e-dergidir. Kimya ve Kimya Sektörü ile ilgili yazılar yazılmaktadır.

You may also like...

WP Twitter Auto Publish Powered By : XYZScripts.com
Kopyalamak Yasaktır!