Derin Öğrenme ile Zenginleştirilen Hava Kalitesi İzleme: Uydu Verileriyle Başarıya Ulaşıldı

Kaynak: Unsplash/CC0 Public Domain

Andrea Porcheddu’un Teknik Fizik alanında yüksek lisans derecesine sahip doktora tezi, Kuopio kampüsündeki Fen, Ormancılık ve Teknoloji Fakültesinde incelenecek.

Doktora araştırmanızın konusu nedir? Bu konuyu çalışmak neden önemli?

Doktora araştırım, hava kalitesi ve uydu verileri de dahil olmak üzere birden fazla veri kaynağının birleştirilmesiyle bu kalitenin tahminiyle ilgilidir. Kötü hava kalitesi her yıl dünya çapında sayısız ölümüne yol açar. Bu nedenle, politika yapıcıların hava kirliliğini azaltıp canları kurtarabilmeleri için en çok etkilenen bölgelerin anlaşılması önemlidir. Hava kirliliğinin tahmini için yer izleme istasyonları mevcuttur ancak seyrek dağılmışlardır ve çoğunlukla gelişmiş ülkelerde bulunurlar. Uydu verileri, yer istasyonlarını tamamlayıp hava kalitesi izlemesini yaygınlaştırarak küresel tahminlere olanak tanıyabilir.

Doktora araştırmanızın bulguları veya gözlemleri nelerdir?

Küresel model veri ürünleri ve uydu verilerini kullanarak hava kalitesini tahmin eden yeni bir çerçeve geliştirdik. Model verileri uzaysal çözünürlük açısından düşük çözünürlüklü olsa da küresel düzeyde ve zaman içinde sık sık kullanılabilir. Uydu verileri genellikle daha ince uzaysal çözünürlüklere ve farklı zaman çözünürlüklerine sahiptir (bizim durumumuzda, bir günlük zaman çözünürlüğüne sahip kutupsal yörüngeli uydular ve 10 dakikalık zaman çözünürlüğüne sahip jeostasyonary uydular kullandık). Bunları diğer veri kaynaklarıyla (yer istasyonları ve coğrafi göstergeler gibi) birleştirerek, politika yapıcıların kentsel ortamlarda hava kirliliğini daha iyi anlamalarına yardımcı olabilecek, düşük çözünürlüklü model verilerini ince ayrıntılı saatlik haritalara dönüştürmeyi hedefledik.

Doktora araştırmanızda kullanılan temel araştırma yöntemleri ve malzemeler nelerdir?

Sonuçlarımıza ulaşmak için modern, veriye dayalı bir yaklaşım kullandık. Özellikle, birden fazla veri kaynağını birleştirmek (veri birleştirme) için farklı sinir ağı mimarilerini inceledik. İlk adım olarak, kutupsal yörüngeli uyduların geçiş anlarında yer seviyesinde PM2.5 konsantrasyonunu tahmin etmek için çok katmanlı algılayıcıların birleşiminden (ensemble) oluşan bir metodoloji geliştirdik. Ardından, bu kutupsal yörüngeli uydu haritalarından, model verilerinden ve yer istasyonu verilerinden saatlik, ayrıntılı haritalar elde etmek için 3D U-Net kullandık. Bu ilk iki adım, 100 m çözünürlüklü bir ızgarada saatlik PM2.5 haritalarını tahmin eden bir çerçeve oluşturuyor.

Son olarak, bu çerçeveni jeostasyonel uydulara genişletmek için ilk adım olarak, dönüştürücü (transformer) mimarisi kullanarak Amerika Birleşik Devletleri’nin kara içi bölgesinde (CONUS) GOES-East ve GOES-West uydu verilerini birleştirdik.

Daha fazla bilgi

MSc dereceli Andrea Porcheddu’un “From space to street level: Deep learning-enhanced air quality monitoring using satellite data” (Uzaydan sokak seviyesine: Uydu verileriyle derin öğrenme ile güçlendirilen hava kalitesi izlemesi) başlıklı doktora tezi, Bilimler, Ormancılık ve Teknoloji Fakültesi, Kuopio kampüsünde incelenecek: erepo.uef.fi/items/b90a92b6-ad … 05-9bb8-4591f152b762

Hava kalitesi
Alan izleme istasyonları
Uzaydan algılama
Yapay uydular

Sağlayan:
Finlandiya Doğu Üniversitesi

Bu hikayenin ardındaki kişiler

2021’den beri yükseköğretim ve sağlık içeriklerinde deneyime sahip İngilizce alanında yüksek lisans, metin düzenleyici. Güvenilir bilim haberlerine adanmış.

Profil →

Araştırma deneyimine sahip fizik alanında yüksek lisans. Uzun süredir bilim haberleriyle ilgileniyor. Science X’in editörel başarısında anahtar rol oynuyor.

Profil →

Atıf

:
Q&A: Uydu verileriyle derin öğrenme destekli hava kalitesi izlemesi gerçekleştirildi (30 Ekim 2026)
30 Ekim 2026’da
https://phys.org/news/2026-10-qa-deep-learningenhanced-air-quality.html adresinden alındı

Bu belge telif hakkına tabidir. Özel çalışma veya araştırma amacıyla adil kullanım dışında,
içeriğin hiçbir kısmı yazılı izinsiz çoğaltılamaz. İçerik yalnızca bilgi amaçlı sunulmaktadır.