Sivas Cumhuriyet Üniversitesi, yapay zeka destekli orman yangın uyarı sistemi geliştirdi

SİVAS Cumhuriyet Üniversitesi (SCÜ) Mühendislik Fakültesi Harita Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Önder Gürsoy ve öğrencisi İzzet Ersoy tarafından, İngilizce ismi 'Forest Fire Danger Assessment System' (FoFİDAS) olan 'Orman Yangın Tehlikesi Değerlendirme Sistemi' adlı yapay zeka destekli bir erken uyarı sistemi geliştirildi. FoFİDAS'ın yüzde 95 doğruluk payıyla çalıştığını belirten Doç. Dr. Önder Gürsoy, "Hem harita mühendisliğinin kullandığı coğrafi bilgi, uzaktan algılama teknolojilerini hem de yapay zeka ve derin öğrenme gibi yöntemleri bir araya getirerek bir yangın tehlike risk değerlendirme sistemi oluşturduk" dedi.

SCÜ Mühendislik Fakültesi Harita Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Önder Gürsoy ve öğrencisi İzzet Ersoy, orman yangınlarının yol açtığı kayıplardan etkilenerek yangına müdahale süresini en aza indirmeyi amaçlayan FoFİDAS isimli yapay zeka destekli bir erken uyarı sistemi geliştirdi. İzzet Ersoy'un Doç. Dr. Önder Gürsoy danışmanlığında ve Dr. Öğretim Üyesi Emre Ünsal'ın yapay zeka desteğiyle yüksek lisans tezi olarak yayınlanan çalışması, yaklaşık 2,5 yıl süren hazırlık sonrasında hayata geçti. Coğrafi Bilgi Sistemleri (CBS) ortamında kurulan sistem, makine öğrenmesi algoritması kullanılarak test edildi ve yüzde 95'lik doğruluk elde edildi. Önceki yıllarda yaşanan ve felaketle sonuçlanan yangınların büyük çoğunluğu, sistem tarafından oluşturulan haritalardaki yüksek ve çok yüksek riskli alanlarda kaldığı görüldü. Yükseklik, eğim, bakı, arazi örtüsü, ağaç kapalılığı, ağaç gelişme çağları, sıcaklık, nem, rüzgar hızı, yağış, yollara uzaklık, yerleşim yerlerine uzaklık ve tarım alanlarına uzaklık gibi 13 farklı parametreye ait bilgilerin işlenmesiyle çalışan sistem, bölgeye ait yangın risk haritasını oluşturuyor.

'KAYIPLARI FELAKET BOYUTUNA ULAŞMADAN ENGELLEMİŞ OLACAKLAR'

Orman yangınlarından kaynaklanan zararları en aza indirmeyi hedeflediklerini belirten Doç. Dr. Önder Gürsoy, "Hem harita mühendisliğinin kullandığı coğrafi bilgi, uzaktan algılama teknolojilerini hem de yapay zeka ve derin öğrenme gibi yöntemleri bir araya getirerek bir yangın tehlike risk değerlendirme sistemi oluşturduk. Yangınla mücadele ekiplerinin basit, hızlı ve etkin şekilde kullanabileceği yaklaşık yüzde 90-95 doğrulukta veri sunan, bunu görsel olarak da bize sağlayan bir sistem oluşturduk. Bir tehlikeyi fark ederseniz buna müdahale edeceğiniz zamanı da ayarlayabilirsiniz. Yangınla mücadele ekiplerinin daha çok odaklanacakları bölgeleri meteorolojik verilerle dinamik bir şekilde yapmaları da bu çalışmayla birlikte daha kolay olacaktır. Yangının çıkma potansiyelinin en fazla olduğu bölgelere ne kadar çok odaklanılırsa, hem yangını önleme hem de bir yangın oluşumunda hızlı bir şekilde müdahale ederek kayıpları felaket boyutuna ulaşmadan engellemiş olacaklar" diye konuştu.

'YÜZDE 90'IN ÜZERİNDE DOĞRULUKLA YANGINLARI SINIFLANDIRDIĞINI GÖRDÜK'

Sistemin veriler ışığında başarılı şekilde çalıştığına değinen Dr. Öğretim Üyesi Emre Ünsal, "Makine öğrenmesi algoritmasının doğruluklarına baktığımızda yüzde 90'ın üzerinde bir doğrulukla yangınları sınıflandırdığını gördük. Bu da makine öğrenmesi ve yapay zeka algoritmalarının aslında bu tarz yangın sınıflandırma sistemlerinde kullanılabileceğinin bir göstergesi oldu. İlerleyen çalışmalarda bunu Türkiye geneline yayarak, meteorolojik veriler kullanılarak farklı noktalardaki yangınların da değerlendirilmesinde makine öğrenme teknolojilerinin kullanılabileceğini de göstermiş oldu" ifadelerini kullandı.

'BENZER ÇALIŞMALARDAN ÖNE GEÇMİŞTİR'

FoFİDAS'ın dünyadaki diğer erken uyarı sistemlerinden farkını vurgulayan yüksek lisans öğrencisi İzzet Ersoy ise "Bu çalışma dünyada yapılan diğer örneklerine bakıldığında 13 parametrenin bir arada çalışması, yapay zekanın dahil edilmesi ve arayüz kullanılarak sadece bilgi sahibi kişilerin kullanmasından ziyade her kesimden insanın kullanabileceği bir sistem haline dönüştürülmesi amacıyla benzer çalışmalardan öne geçmiştir. Bu çalışmanın önemi yangın çıkmadan riskli bölgelerin belirlenip ekiplerin yangına müdahale etmesi, bu noktalara önemi artırmasını amaçlıyoruz. En değişken faktörlerimiz, meteorolojik faktörler. İnsan faktörü çok fazla değişmiyor. Bitki örtüsü, oradaki yerleşim yerleri, topografya değişmiyor. Ancak meteorolojik faktörler, dinamik faktörler. Bu faktörler değiştiği zaman anlık olarak bu veriler sisteme entegre edilirse daha doğru ve güncel sonuçlar elde edilecektir" dedi.