Makine öğrenme teknikleri aracılığıyla uzaktan algılama tabanlı erken aşama jeotermal keşif modeli geliştirme

Küresel iklim krizine sebep olan en büyük etkenlerden birisi fosil yakıtların dünya genelinde hala büyük oranda kullanılmasıdır. Fosil yakıt tüketimini azaltmak için küresel ölçekte alınan önlemler arasında en etkilisi yenilebilir enerji kaynaklarına kullanıma sunmaktır. Jeotermal enerji hem üretimdeki sürdürülebilirliği hem de farklı kullanım alanları sayesinde güçlü bir alternatif kaynaktır. Geleneksel arama yöntemlerini kullanarak jeotermal kaynağa ulaşma oldukça maliyetlidir. Geleneksel yöntemlere ile yapılan çalışmalara ek olarak hem doğruluğu arttırmak hem de maliyeti düşürmek için uydu verilerini kullanmak mümkündür. Bu çalışmanın amacı uydu verileri ile elde edilen Yer Yüzey Sıcaklığı, Çizgisellik, ve Hidrotermal Alterasyon gibi 3 parametreyi girdi değişkeni olarak K-means ve Random Forest gibi büyük ve karmaşık verilerle rahatlıkla çalışabilen makine öğrenmesi algoritmaları ile kullanarak erken aşama jeotermal arama modeli oluşturmak, ve bu modeli var olan iki sahada doğrulamaktır. Bu amaç doğrultusunda 2025 yılı itibariyle 1,8 GW jeotermal üretimi ile dünya jeotermal üreticileri arasında 4. sırada olan Türkiye'nin iki majör jeotermal üretim sahası sırasıyla Buharkent ve Germencik sahaları seçilmiştir. Bu iki saha üzerinde yapılan analizler sonucu oluşturduğumuz jeotermal model Buharkent sahası için 79% model doğruluğu ve 93% recall değeri ile sahayı tanımlamada başarılıdır. Germencik sahası görece düşük sonuçlar verse de 59% model doğruluğu 83% recall değeri ile yeni çalışmalar için destekleyici fikir vermiştir. Çalışmanın sonuçları uydu verilerinin makine öğrenmesi yöntemi ile kullanılmasının jeoloji, jeofizik ve jeokimya çalışmalarına ek olarak umut verici bir araştırma yöntemi olduğu desteklemektedir.