İklim değişikliğinin doğal afetlerin sıklığını ve şiddetini artırmasıyla birlikte, kar çığlarını tahmin etmek ve riskleri azaltmak hayati bir önem kazanmıştır. İstanbul Teknik Üniversitesi'nden Enes Can Kayhan ve Doç. Dr. Ömer Ekmekçioğlu liderliğindeki araştırmacılar, Fransız Alpleri'nde yüksek doğrulukta kar çığları hassasiyet haritaları oluşturmak için yenilikçi bir hibrit makine öğrenmesi çerçevesi geliştirdi. Farklı meta-sezgisel optimizasyon ve makine öğrenmesi tekniklerini birleştirerek, bu çalışma yüksek riskli bölgeleri belirlemede devrim niteliğinde bir yaklaşım sunarak, afet hazırlığını ve kamu güvenliğini artırmayı amaçlıyor.

Gerçek uydu ve meteorolojik veriler kullanılarak, araştırma Fransız Alpleri'ndeki 14 masif bölgeyi haritalandırarak risk seviyelerini çok düşük, düşük, orta, yüksek ve çok yüksek olarak sınıflandırdı. Elde edilen bulgular, afet risk yönetimi, politika oluşturma ve acil durum müdahale planlaması açısından büyük önem taşıyor. Araştırmacılar, bu gelişmiş çerçevenin çığ riski taşıyan diğer bölgelere genişletilebileceğini ve gerçek zamanlı veri işleme entegrasyonu ile tahmin yeteneklerinin daha da artırılabileceğini belirtiyor.

Gelecek çalışmalar, çevresel değişkenleri daha fazla entegre ederek, algoritmik verimliliği artırarak ve endüstriyel ölçekli uygulamalarını değerlendirerek AI destekli risk modellerini daha da iyileştirmeyi hedefliyor. Makine öğrenmesi, doğal afet tahminlerini dönüştürmeye devam ederken, bu araştırma daha doğru, verimli ve uygulanabilir kar çığ tahmin araçlarının geliştirilmesine zemin hazırlıyor.

Tam makaleye buradan ulaşabilirsiniz: [DOI: 10.3390/w16223247]