Akademik Veri Yönetim Sistemi
Turgut B. (Yürütücü), Mısır M., Hatay T. Y., Ayan S., Kara F., Işık Ş., et al.
TÜBİTAK Projesi, 1001 - Bilimsel ve Teknolojik Araştırma Projelerini Destekleme Programı, 2025 - 2028
Bu proje, Türkiye ormanlarının karbon yakalama kapasitesini uzaktan
algılama ve coğrafi bilgi sistemleri (CBS) ile belirlemek ve yersel-zamansal
değişkenliğini makine öğrenimi yöntemleri ile modellemek amacıyla
hazırlanmıştır.
Karbon yakalama, bitkilerin atmosferde bulunan karbondioksiti (CO2)
fotosentezde kullanmak üzere bünyesine alma sürecini ifade eder. Karasal
ekosistemlerde ormanlar bu sürecin en önemli bileşenlerinin başında gelir.
Ormanların karbon yakalama oranında etkili olan en önemli faktörler; meşcere
özellikleri, iklim ve topoğrafyadır. Ormanların bünyesine kattığı net karbon
miktarı net birincil üretim (NBÜ) ile belirlenmektedir. Küresel ve bölgesel
ölçekte yaygın şekilde araştırılan NBÜ, karbon salımı ve iklim değişikliğinin
yorumlanması için etkin kullanılan bir veridir. İklim senaryoları ile NBÜ’nün
zamansal ve konumsal projeksiyonları yapılabilmekte, böylece iklim
değişikliğinin etkilerinin hangi boyutlara varacağı yorumlanabilmektedir. İklim
değişikliği, Dünya’nın iklim desenlerindeki uzun vadeli değişikliklerini ifade
etmektedir. İklim değişikliğine bağlı olarak yetişme ortamı özelliklerinde
meydana gelebilecek olumsuzluklar, ormanların karbon yakalama kapasitelerinde
de farklılaşmaya neden olacaktır. Bu değişikliklerin önceden tahmin edilmesi ve
anlaşılması, başta silvikültürel uygulamalar olmak üzere ormancılık alanında
planlama ve yönetim stratejilerinin geliştirilmesinde hayati öneme sahiptir.
Söz konusu olası değişikliklerin makine öğrenimi ve veri analitiği gibi yeni
yaklaşımlar kullanılarak modellenmesi ile hem tutarlılığı daha yüksek sonuçlar
elde edilecek hem de dünyadaki gelişmelere entegre olarak iklim değişikliği
gibi küresel bir sorunun etkilerinin azaltılmasına yönelik ortak projelerde yer
alma olasılığı artacaktır. Makine öğrenimi, doğrudan kapalı biçimli bir girdi-çıktı
ilişkisi olarak hesaplama modellerini otomatik olarak oluşturabilen, mevcut
verilere dayanan ve soruna bağlı olarak bir performans kriterini en üst düzeye
çıkarmayı hedefleyen teknikler sağlamaktadır. Veriye dayalı makine öğrenimi
yöntemi, uzaktan algılama ürünlerinin etkili bilgilerini ve örnek gözlem
verilerini koruyabilmekte, girdi ve çıktı değişkenleri arasındaki karmaşık
doğrusal olmayan ilişkiyi belirleyebilmekte ve farklı veri ölçeklerini
birleştirme hedefine ulaşabilmektedir. Dolayısıyla yüksek derecede esnekliğe ve
veri uyarlanabilirliğe sahip olabilmektedirler. Günümüzde etkilerini ağır bir
şekilde görmeye başladığımız iklim değişikliği ile ilişkilendirilen ormanların
karbon yakalama kapasitesini yersel-zamansal değişime göre multidisipliner bir
yaklaşımla Türkiye ölçeğinde ilk kez NBÜ verileri kullanarak konvolüsyonel
sinir ağı (Convolutional Neural Network, (CNN)) ile modellemek, projenin özgün
değerini öne çıkarmaktadır.
Ormanların karbon yakalama kapasitesi üzerinde etkili olan faktörler
genel olarak ormanların meşcere özellikleri ile iklimsel ve topografik
özelliklerdir. İklimdeki olası değişiklikler ve buna bağlı olarak ormanların
meşcere yapılarında da meydana gelebilecek farklılıklar ormanların karbon
yakalama kapasitelerini değiştirebilecektir. Bu kuramsal yaklaşımdan yola
çıkarak kurgulanan yöntemde veri seti olarak çalışma alanına ait dijital
yükselti modeli, meteoroloji verileri, meşcere karakteristiklerine ait veriler
ve MODIS verileri kullanılacaktır. Bu veri setleri kullanılarak çalışma
alanının topoğrafik özellikleri (yükselti, eğim ve bakı), iklimsel özellikleri
(ortalama sıcaklık, toplam yağış ve ortalama nem), meşcere karakteristikleri
(Gelişme çağı, kapalılık, yaş, bonitet, tabakalılık vb) tipleri,
Normalleştirilmiş fark bitki örtüsü İndeksi (NDVI) değerleri, alan kullanım
özellikleri ve net birincil üretim (NBÜ) değerleri ArcGIS yazılımı yardımıyla
haritalandırılacak ve veriler tablolaştırılacaktır. NBÜ verilerinden
yararlanılarak hesaplanacak karbon yakalama kapasitesi değerleri de aynı
yöntemle haritalandırılacaktır. Söz konusu verilerin dağılım haritalarının
oluşturulmasında jeoistatistiksel yöntemler (Kriging, IDW ve Kernel Smoothing)
kullanılacaktır. İklim verileri ile karbon yakalama kapasitesinin yersel ve
zamansal değişiminin belirlenmesinde dört farklı makine öğrenimi yöntemi (karar
ağacı (decision tree, DT), rastgele orman (random forest, RF), yapay sinir ağı
(artificial neural network, ANN) ve konvolüsyonel sinir ağı (CNN) yöntemleri
kullanılacaktır.
Proje sonunda ulaşılmak istenen hedefler; (i) Türkiye ölçeğinde yükselti, eğim, bakı, ortalama sıcaklık, ortalama nem, toplam yağış, meşcere tipleri, NDVI, NBÜ ve alan kullanım haritaları oluşturmak, (ii) Ortalama sıcaklık, ortalama nem ve toplam yağış miktarlarındaki olası zamansal değişimi tahmin modelleri ile belirlemek, (iii) Türkiye ormanlarının karbon yakalama kapasitelerini belirlemek, ve (iv) Türkiye ormanlarının karbon yakalama kapasitelerinin yersel ve zamansal değişimini modellemek olarak sıralanabilir.
Proje süresince oluşturulacak veri tabanında bulunan
verilerden (oluşturulan dağılım haritaları ve tahmin modelleri) ilgili kamu
kurumlarının ve araştırmacıların yararlanması sağlanacaktır. Bunun yanında
ilgili COST aksiyonunda yer alan araştırmacıların da dahil olacağı ve çalışma
alanının genişletilebileceği AB fonlarından desteklenebilecek yeni bir proje
önerisi hazırlanacaktır. Proje sonunda elde edilen sonuçlar uluslararası
bilimsel kongrelerde bildiri olarak sunulduktan sonra etki değeri yüksek Q1 kategorisindeki
bilimsel dergilerde yayınlanabilecektir. Ayrıca, proje kapsamında projede görev
alacak bursiyerler vasıtasıyla yüksek lisans ve doktora tezleri yürütülecek ve
genç araştırmacı yetiştirilebilecektir.