Derin öğrenme ve makine öğrenme algoritmaları kullanılarak orman yangını risk tahmini

Ormanlar, karasal ekosistemlerde canlılar için hayati önem taşıyan unsurlar olup toprak, su ve iklim gibi doğal faktörlerin bütünlüğünü ve sürdürülebilirliğini sağlamaktadır. Orman yangınları, sosyal ve ekonomik etkilerinin yanı sıra ekosistemin bozulmasına da neden olan afetlerdendir. Bu araştırmada orman yangınlarını etkileyen faktörler uzaktan algılama ve coğrafi bilgi sistemleri teknikleriyle antropojenik, meteorolojik, topoğrafik ve vejetasyon üst başlıklarında 21 adet bağımsız değişken olarak belirlenmiştir. Bağımlı değişken olan geçmiş orman yangınları ve bağımsız değişkenler 2017-2023 yılları arasında 7 yıl boyunca Mayıs-Eylül ayları arasında aylık zamansal çözünürlükte sınıflandırılmış ve haritalandırılmıştır. Üretilen haritalardan değer çıkarımı yapılarak 670x22 satır/sütundan oluşan I. veri seti ile 2100x22 satır/sütundan oluşan II. veri seti model eğitimleri için oluşturulup risk tahmini için de 689419x21 satır/sütundan oluşan çalışma alanı coğrafi veri seti haline getirilmiştir. Veri setleri Google Colab ara yüzünde Python yazılım dili kullanılarak keşifsel veri analizi teknikleriyle görselleştirilmiş ve korelasyon analizleri gerçekleştirilmiştir. Model eğitimleri tamamlandıktan sonra tahmin aşamasına geçilmiş ve 7 adet makine öğrenimi algoritmalarından en iyi doğruluk metriklerine ulaşılan Rastgele Orman (0,94) ve Aşırı Gradyan Artırma (0,95) algoritmaları ile orman yangını risk haritaları üretilmiştir. Derin Öğrenme modeli olan Sıralı (sequential) model ile de II. veri seti kullanılarak 0,95 test doğruluğu ile eğitilmiş modelden orman yangını risk tahmin haritası üretilmiştir. Bu çalışmanın sonucunda, orman yangını risk tahmini için kullanılan veri seti boyutlarının, orman yangınları ile ilişkilendirilebilen bağımsız değişkenler ile artırılarak daha doğru ve anlamlı sonuçlara ulaşılabileceği bununla birlikte rastgele orman ve aşırı gradyan artırma gibi topluluk modellerine dayalı algoritmalar ve daha büyük veri setleri için derin öğrenme tekinlerine dayalı algoritmaların orman yangını risk tahminlerinde daha başarılı olduğu ortaya konmuştur.