Yapay Zekâ
Yapay Zeka ve Genişleyen ‘Olay Veritabanı’ Arasında, Orman Yangını Tehdidi Azalabilir
Şu anda, hızlı ilerleyen bir orman yangını, Kanada Rockies’inde Jasper adlı eski bir dağ kasabasının bir kısmını yok ediyor. Jasper’daki hasar, “tanımlanamaz ve kavranamaz” şeklinde tanımlanıyor ve 25.000 kişi zaten kaçmak zorunda kaldı.
Büyük orman yangınları, tarihi Kanada kasabası Jasper’ın yarısına kadar bir kısmını yok etti. Aynı zamanda, komşu British Columbia, California ve Utah’ta yüzlerce yangın aktif.
Her yıl, binlerce insan orman yangınlarının etkisini hissediyor ve kasabalar ateşle yok ediliyor. ABD’de son beş yılda 344 büyük orman yangını 178 kişiyi öldürdü. Öte yandan, 1980’lerden bu yana ülke yılda ortalama yaklaşık 70 bin yangınla karşılaşıyor. Ulusal Çok Ajans Yangın Merkezi’ne (NIFC) göre, 1983’ten bu yana toplam 2,7 milyon orman yangını meydana geldi.
Yangın sayısı artmaya devam ettikçe, onlarla mücadele maliyeti de yükseliyor. ABD hükümeti yalnızca 2021’de orman yangınlarıyla mücadeleye yaklaşık 4,4 milyar dolar harcadı. Ortalama olarak, her bir orman yangınını söndürmek yaklaşık 74 bin dolar tutuyor. Ancak bu sadece bir kısmı; ev sahiplerinin sigorta primleri de artıyor.
Orman yangınları, yalnızca sıklıklarıyla değil, aynı zamanda şiddetleri ve süresiyle de dünya çapında artıyor. Orman yangını riski, yüksek rüzgarlar, kuraklık ve sıcak hava dalgaları gibi aşırı kuru koşullarda ortaya çıkıyor. Bu da insan ve yaban hayatı sağlığı üzerinde artan olumsuz etki anlamına geliyor.
Yangının kendisinin yol açtığı yıkımın yanı sıra, orman yangınlarından çıkan duman NO2, ozon, aromatik hidrokarbonlar, kurşun veya PM2.5 gibi tehlikeli hava kirleticileri içerir; PM2.5, çapı 2,5 mikron veya daha az olan parçacıklardır. PM2.5 o kadar ince ki solunum yolumuza daha derin nüfuz ederek sağlık etkilerine yol açabilir.
Orman yangını dumanındaki PM2.5, genel nüfusta erken ölümlerle ilişkilidir. Akciğer, böbrek, kalp, deri, bağırsak, göz, burun ve karaciğer hastalıklarına neden olabilir ve bu hastalıkları şiddetlendirebilir. Ayrıca bilişsel bozulma ve hafıza kaybına yol açtığı gösterilmiştir.
Orman yangınları sadece havayı toksik kirleticilerle kirletmekle kalmaz, aynı zamanda büyük miktarlarda CO2 ve diğer sera gazlarını atmosfere salarak iklimi etkiler. Sera gazı emisyonları, Dünya’yı örterek güneş ısısını hapseder ve yaşanamaz hâle getirir. Fazla sera gazı iklim değişikliğine yol açar, bu da daha kuru koşullara ve yangın sezonlarının daha uzun sürmesine neden olur. Böylece bir geri besleme döngüsü oluşturur.
Orman yangınları şiddet ve zarar açısından giderek daha aşırı hale geldikçe, iletişim, ulaşım, enerji temini, gaz hizmetleri ve su temini gibi altyapıyı bozabilir. Ayrıca, nüfus yoğun bölgelerde mülke, hayvanlara, insan ölümlerine ve çevreye önemli etkileri olur.
Geçen yıl, Maryland Üniversitesi araştırmacılarının yaptığı bir çalışma, orman yangınlarının şu anda 2001’e kıyasla yılda 3 milyon hektar daha fazla ağaç örtüsü kaybına yol açtığını hesapladı. 2021 yılında küresel olarak 9,3 milyon hektar ağaç örtüsü kaybına neden olarak en kötü yıllardan biri oldu.
Yangınların ormanların işleyişinin doğal bir parçası olmadığı söylenemez. Aslında, kuzey Avrupa, Rusya, Alaska ve Kanada’da geniş alanları kaplayan boreal ormanlar yangına uyum sağlamıştır. Yangın, çeşitli peyzajlar oluşturur ve eski ormanları yok ederek yenilerinin doğmasına yol açar.
Bununla birlikte, bu bölgelerde bile yangınla ilişkili ağaç örtüsü kaybı hızlanarak gerçekleşiyor. Boreal ormanlar, temiz suyun dünyadaki başlıca kaynaklarından, önemli yaban hayatı popülasyonlarını barındırması ve önemli bir karbon yutağı olmasıyla öne çıkıyor; devam eden orman yangını trendi endişe verici ve ele alınması gerekiyor.
Uydu Görüntüleriyle Birlikte Yapay Zeka Modellerinin Kullanılması
Orman yangını sorununu ele almanın bir yolu, yapay zeka (AI) kullanımıdır. Bu yeni teknoloji yalnızca sohbet botları ve sanal asistanlar için değil, aynı zamanda gelişmiş uzaktan algılama yoluyla çevreye yardımcı olmak için de kullanılmaktadır.
Son zamanlarda, AI, Kaliforniya Bay Area’daki uzak bir bölgede bir orman yangınına hızlı yanıt veren itfaiyecilere yardımcı oldu. bir orman yangınına hızlı yanıt veriyor. AI destekli bir kamera, dumanı tespit edip yangın ekiplerini bilgilendirerek yangının yayılmadan önce durdurulmasını sağladı; böylece alev büyüyüp kontrol edilmesi zorlaşmadan önce söndürüldü.
Sigorta sağlayıcıları bile AI’ye yöneliyor. sigorta sağlayıcıları AI’ye yöneliyor. San Francisco merkezli Delos Insurance Solutions, diğer firmaların reddettiği 17.000’den fazla konut sigortası poliçesi sattı. Bu, şirketin orman yangını modelleri sayesinde mümkün oldu; Delos, üniversite profesörleriyle iş birliği yaparak orman yangını modellemesi üzerine özel veri setleri elde ediyor ve ardından daha fazla veri eklemek için bir AI algoritması ekliyor. Kurucu ortağı Shanna McIntyre’ye göre, Delos, bitki örtüsü, topoğrafya ve sıcaklık gibi 200’den fazla değişkeni değerlendiriyor.
Yangın yayılımını tahmin etmek için yüksek çözünürlüklü yangın davranış modellerinin geliştirilmesine açıkça artan bir odak var.
Bu, yangın konumlarını tespit etmek için uydularla birlikte yapılmaktadır. LANDSAT, VHRS ve MODIS gibi uydular zaten bitki örtüsü dağılımı ve bozulmasını izlemek için kullanılırken, orman yangınlarını tahmin etmek hâlâ zorlu bir görevdir. AI ve makine öğrenimi, orman yangınlarını tahmin etmek ve yönetmek için güvenilir bir yol sunabilir.
Örneğin, AI, duman ortaya çıkışı, yangın vakaları ve bitki örtüsü bozulması gibi farklı faktörleri analiz eden görüntüleme uydularıyla bağlanabilir. Tüm verileri birleştirerek, AI algoritmaları sürekli öğrenme yoluyla orman yangınlarını tahmin etmeye yardımcı olabilir. AI teknolojisi ayrıca yangın söndürücülerin ve devriye araçlarının video kameralarla yönetilmesini sağlayabilir.
Bir yıl önce, Finlandiya’daki Aalto Üniversitesi’nden bir araştırmacı ekibi, orman yangını yayılımını tahmin edebilen FireCNN adlı bir AI modeli geliştirmeye başladı. Model, 2002-2019 yılları arasında kaydedilen uydu görüntüleri ve hava durumu verileriyle eğitilerek yüksek riskli alanları belirliyor. FireCNN, bitki örtüsü ve arazi örtüsü gibi faktörler dahil olmak üzere 31 değişkeni analiz ediyor.
Bununla birlikte, mevcut tüm verileri ilişkilendirebilecek AI algoritmaları ve dünya çapındaki farklı manzaraların ihtiyaçlarına uygun gerçekçi modelleme metodolojileri eksik.
Yeni bir çalışmaya göre, yeni bir model orman yangını yayılımını doğru bir şekilde tahmin edebiliyor. Model, uydu görüntüleri ve AI’yi birleştirerek yangın yönetimi ve acil müdahalede büyük bir ilerleme sunuyor.
NASA, Army Research Office ve Viterbi CURVE programı tarafından finanse edilen çalışma, USC araştırmacıları tarafından yürütülüp Earth System Science Data’da yayınlandı.
Bu yeni model kapsamında, uydu verileri gerçek zamanlı olarak orman yangınlarının ilerlemesini izlemek için kullanılıyor. Bu bilgi, yangının muhtemel yolunu, şiddetini ve büyüme hızını doğru bir şekilde tahmin edebilen gelişmiş bir bilgisayar algoritmasına besleniyor.
“Bu model, orman yangınlarıyla mücadele yeteneğimizde önemli bir adım ileriye taşıyor. Daha kesin ve zamanında veri sunarak, aracımız ön hatlardaki itfaiyecilerin ve tahliye ekiplerinin çabalarını güçlendiriyor.
– Bryan Shaddy, çalışmanın ortak yazarı ve USC Viterbi Mühendislik Okulu’nda doktora öğrencisi
Çalışma, yüksek çözünürlüklü uydu görüntülerinden tarihsel veri toplayarak başladı. Ardından, geçmiş orman yangınlarının davranış analizleriyle, araştırmacılar yangının nasıl başladığını, yayıldığını ve sonunda nasıl kontrol altına alındığını izledi.
Bu titiz çalışma, arazi, hava durumu ve ağaçlar ve çalılar gibi yakıt gibi faktörlerden etkilenen kalıpları ortaya çıkardı.
Araştırmacılar daha sonra bu faktörlerin zaman içinde orman yangınlarının evrimini nasıl etkilediğini simüle eden bir gen AI destekli model eğitti. Model, uydu görüntülerindeki yangın yayılımı kalıplarını tanıyacak şekilde eğitildi.
Model, koşullu Wasserstein Üretken Çekişmeli Ağ (cWGAN) olarak adlandırılıyor ve 2020-2022 yılları arasında iki yıl boyunca Kaliforniya’da dört gerçek orman yangını üzerinde test edildi; yangın yayılımını tahmin etmedeki etkinliğini görmek için. WRF-SFIRE simülasyonlarıyla eğitilen cWGAN, uydu aktif yangın verilerinden yangının varış zamanını hesaplamak için kullanılıyor.
cWGAN’dan elde edilen sonuçlar etkileyiciydi. Tek yönlü rüzgar ve düz arazi gibi ideal koşullarda basit verilerle eğitildiğinde, model gerçek Kaliforniya orman yangınlarında iyi performans gösterdi.
Modelin başarısı, AI modelini uydu görüntüleriyle birlikte kullanmasına bağlanıyor; bu, yalnız başına değil, gerçek orman yangını verileri sağladı.
Bu kolay olmadı. Çalışmanın ortak yazarı Assad Oberai, USC Viterbi’de Uzay ve Mekanik Mühendisliği Profesörü, orman yangını modellemenin, karmaşık süreçleri nedeniyle en zorlayıcı konulardan biri olduğunu belirtti.
Sadece ağaç ve çalı gibi yakıtlar tutuşmakla kalmaz, karmaşık kimyasal reaksiyonlar, ısı ve rüzgar akımları üretir; aynı zamanda hava durumu ve topoğrafya da yangın davranışını etkiler. Assad şöyle dedi:
“Bunlar son derece karmaşık, kaotik ve doğrusal olmayan süreçlerdir. Bunları doğru bir şekilde modellemek için tüm bu farklı faktörleri hesaba katmanız gerekir. Gelişmiş bilgi işlem gerekir.”
AI Modelleri için Gelişmiş Veri
AI teknolojisindeki ilerlemelerin yanı sıra, bu modelleri eğitmek için kullanılan veriler de yangının tutuşması ve yayılımını etkileyen yüzlerce ek faktörü kapsayacak şekilde geliştiriliyor. Bu, yaban hayatı yöneticileri ve bilim insanlarının orman yangınlarının nerede ve ne zaman gerçekleşebileceği konusunda daha doğru tahminler yapmalarına yardımcı olacak.
Son zamanlarda, ABD’deki coğrafi konumlandırılmış yangın tutuş verilerinin en kapsamlı kaynağı olan Fire Program Analysis Fire-Occurrence Database (FPA FOD), önemli ölçüde geliştirildi. İlk olarak 2013’te ABD Orman Servisi tarafından geliştirilen model beş kez güncellendi. Yerel, eyalet ve federal yangın koruma ve raporlama sorumlulukları olan kuruluşlardan gelen yangın raporlarını bir araya getiriyor.
Model, tutuş konumu, keşif tarihi ve son orman yangınının büyüklüğü gibi temel bilgileri içeriyor. Ancak revize edilen veritabanı, daha fazla sosyal ve çevresel faktörü de kapsayacak. Oregon State University profesörü Erica Fleishman’a göre:
“Orman yangını tutuşlarını sağlayan faktörler ve bunları önlemek için neler yapılabileceği konusunda büyük bir ilgi var. Bu veritabanı ilgili bilgilere erişim yeteneğini artırarak orman yangını hazırlığı ve önlenmesine katkıda bulunuyor.”
Bu geliştirilmiş veritabanı yalnızca sahadaki itfaiyecilere ve yöneticilere yangını söndürmede yardımcı olmakla kalmayacak, aynı zamanda kısa vadeli enerji riski değerlendirmesine de katkı sağlayabilir. Enerji şirketleri, kamu güvenliği için enerji kesintisi uygulamaları konusunda daha bilinçli kararlar alabilir. Ayrıca, arazi yönetim ajansları, yılın belirli zamanlarında kamu arazilerine erişimi azaltıp azaltmayacaklarına karar verebilir.
Fleishman’a göre, birçok politika büyük bir kanıt temeli yerine duygularla yönlendiriliyor. Veritabanı, “bu kararları alırken göz önünde bulundurulacak nesnel kanıtları artırmanın bir yolu” olarak sunuluyor, dedi.
Earth System Science Data dergisinde yayınlanan araştırma, veritabanını açıklayan araştırma, Ortak Yangın Bilimi Programı tarafından desteklendi. Çalışma, orman yangınlarını daha iyi anlamak ve tahmin etmek için biyolojik, sosyal ve fiziksel özellikleri ortaya koydu.
Toplamda, Oregon Climate Change Research Institute’i yöneten Fleishman’ın da içinde bulunduğu araştırma ekibi, Boise State University’de bir doçent ve bir doktora öğrencisi olan Mojtaba Sadegh ve Yavar Pourmohamad tarafından yönetildi ve neredeyse 270 ek özellik eklendi. Şimdi veritabanı, 1992-2020 yılları arasında ABD’deki 2,3 milyon yangın hakkında bilgi içeriyor.
Revize edilen veritabanı kapsamında, her bir orman yangını artık hava durumu, iklim, topoğrafya ve altyapı gibi fiziksel özelliklere; bitki örtüsü indeksi ve arazi kapsama gibi biyolojik özelliklere; ulusal ve bölgesel hazırlık seviyesi ve yargı yetkisini kapsayan idari özelliklere; ve sosyal kırılganlık indeksi ve nüfus yoğunluğu gibi sosyal özelliklere sahiptir.
FPA FOD’un altıncı sürümü, tutuş noktasının etrafında zamansal ve mekânsal bir tampon içinde özet istatistikler ve tutuştan bir yıl önce uydulardan aylık elde edilen bitki örtüsü indeksleriyle daha da zenginleştirildi. “Bu zengin, tablo veri seti, çeşitli hipotez odaklı veya veri keşif uygulamalarında kullanılabilir,” çalışmada belirtildi.
Böylesine devasa bir veritabanı, niteliklerin orman yangını tutuşları ve büyüklüğü üzerindeki bireysel ve birleşik etkilerini çok daha derin bir şekilde anlamamıza yardımcı olacak, diye ekledi Pourmohamad.
“Ayrıca, orman yangınlarının farklı insan toplulukları ve ekosistemler üzerindeki eşitsiz etkilerini belirleyerek, bu durum eşitsizlikleri azaltma çabalarına yön verebilir.”
Veritabanı, geçmiş yangınları yönlendiren faktörleri, gelecekteki yangın olasılıklarını ve gelecekteki yangınların etkilerini açıklayan AI ve makine öğrenimi modellerine de entegre edilebilir. Kendisi şöyle dedi:
“Bu kadar bilgi ve hesaplama kapasitesine sahip olduğunuzda neler çıkarabileceğiniz şaşırtıcı. Farklı yerlerdeki farklı eylemleri bilgilendiren ve orman yangını tutuşları ve yangın etkileriyle neyin ilişkili olduğunu anlamanızı sağlayan birçok soru sorabilirsiniz.”
Son Düşünceler
Ormanlar veya çayır gibi vahşi alanlar, insan refahının ayrılmaz bir parçasıdır. Sonuçta, karbon depolayarak, yaban hayatı habitatını koruyarak ve peyzaj dayanıklılığını artırarak iklim değişikliğini hafifletirler. Bu vahşi alanlar her zaman orman yangınlarına maruz kalmıştır, ancak son birkaç on yılda yangınlar o kadar artmıştır ki, orman yangınları bir tehdit haline gelmiştir.
Bu büyük, plansız yangınlar dünya genelinde arazileri tahrip ediyor ve geçmiş yangınların daha iyi anlaşılması, değerlendirilmesi ve analiz edilmesi, başarılı önleme ve hafifletme stratejileri geliştirilmesi gerektiğini vurguluyor; sadece orman yangınlarını önlemekle kalmayıp, aynı zamanda yangın planlamasını, müdahalesini, uyumunu, maliyet etkin hafifletmeyi ve olumsuz etkileri sınırlamayı da iyileştirmek.
Yukarıda belirttiğimiz gibi, yetkililer veritabanlarını sürekli olarak geliştiriyor; bu veritabanları daha sonra yangın olasılıklarını ve gelecekteki etkilerini açıklayan AI modellerine entegre edilebiliyor. Bu iyi test edilmiş AI modelleri, uydu görüntüleriyle birlikte kullanılarak gelecekteki orman yangınlarını doğru bir şekilde tahmin edip önleyebilir. Bu sayede vahşi alanlarımızı koruyabilir, biyolojik çeşitliliği güvence altına alabilir ve gelecek nesillerin yaşamlarını zenginleştirebiliriz.
Yapay zekaya yatırım hakkında her şeyi öğrenmek için buraya tıklayın.
