Dünya genelinde 0,25 derece çözünürlüklü, yerinde ölçümler kullanılarak makine öğrenmesiyle türetilmiş kar su eşdeğeri verisi

Günlük yaşam için küresel karın önemi

Kar, sadece kış manzarası değildir; soğuk aylarda su depolayan ve ilkbaharda nehirleri, çiftlikleri, kentleri ve hidroelektriği beslemek üzere su salan geniş bir doğal rezervuardır. Dünyanın dört bir yanındaki kar içinde ne kadar su olduğunu bilmek, toplumların sel, kuraklık ve ısınan iklimde değişen su kaynaklarına hazırlanmasına yardımcı olur. Ancak bize bunu söyleyen ana nicelik olan kar su eşdeğeri, küresel ölçekte şaşırtıcı derecede zor ölçülmüştür.

Dünyanın karını tartma zorluğu

Bilim insanları, karı belirli noktalarda kar rotaları, kar tabakasını tartan otomatik yastıkçıklar ve diğer yer ölçüm istasyonlarıyla ölçebilir. Kuzey Amerika, Avrupa ve Rusya’daki ağlar onlarca yıldır bu tür verileri topladı. Uydular, hava durumu modelleri ve radar aletleri de kar hakkında ipuçları verir. Ancak her kaynağın, özellikle derin kar, ormanlık alanlar ve dik dağlarda boşlukları ve zayıf yönleri vardır. Sonuç olarak mevcut küresel haritalar genellikle kar miktarı konusunda anlaşmazlık gösterir ve And Dağları veya Asya’nın bazı kesimleri gibi birçok bölge hâlâ yetersiz tanımlanmıştır.

Bir bilgisayara kar ve havadan öğrenmeyi öğretmek

Bu boşlukları kapatmak için yazarlar, rasgele ormanlar olarak bilinen bir makine öğrenmesi yöntemi kullanarak SWEML adında yeni bir günlük küresel kar su veri seti oluşturdular. Çok sayıda ülkenin uzun dönem yer ölçüm kayıtlarını, uydu tabanlı ürünleri ve tutarlı sıcaklık, yağış, radyasyon ve rüzgâr alanları sağlayan modern bir küresel hava yenidenanalizini topladılar. Yükselti, eğim ve bitki örtüsü türü gibi arazi özellikleri de eklendi çünkü bunlar karın birikme ve erime şeklini güçlü biçimde belirler. Ekip, dünyanın karlı ızgara hücrelerini benzer iklim ve peyzaj özelliklerine göre 14 bölgeye ayırdı ve sistemin yerel kar davranışını daha doğru öğrenebilmesi için her bölgeye ayrı makine öğrenmesi modelleri eğitti.

Dağınık noktalardan günlük küresel kar haritasına

Farklı kurumlar karı farklı şekillerde ölçtüğü için ham istasyon verileri her zaman örtüşmez. Araştırmacılar önce her istasyonun kaydını, yaygın olarak kullanılan bir küresel hava ürününün ortalaması ve değişkenliği ile eşleyecek şekilde ayarladı; bununla birlikte gözlemlerin günlük dalgalanmalarını korudular. Bu adım, yerel karakteri silmeden girdi verilerini daha tutarlı hale getirdi. Rasgele orman modelleri daha sonra bu ayarlanmış kar değerleri ile çevresindeki hava ve arazi arasındaki bağlantıları öğrendi. Eğitildikten sonra modeller, 1980–2020 yılları arasında Antarktika hariç Dünya üzerindeki her 0,25 derece ızgara hücresi için günlük kar suyunu tahmin etmek üzere kullanıldı ve böylece kesintisiz 41 yıllık bir kayıt elde edildi.

Haritaları diğer kaynaklarla karşılaştırmak

Ekip, SWEML’i birkaç bağımsız referansa karşı titizlikle test etti. Bunlar arasında karın doğal radyasyonu engelleme biçiminden kar suyunu çıkaran Kuzey Amerika üzerindeki hava bazlı gama ışını araştırmaları, uydu görüntülerinden oluşturulmuş And Dağları için yüksek çözünürlüklü kar haritaları ve yaygın olarak kullanılan bir dizi küresel kar ve kara yüzeyi veri seti yer aldı. Dokunulmamış yer ölçümleriyle yapılan milyonlarca karşılaştırma boyunca, SWEML tipik hatada en düşük değeri ve hafif bir genel yanılma ile biraz düşük tahmin etme eğilimini gösterdi. Diğer birçok ürünün zorlandığı Kayalık Dağlar ve Alpler gibi yüksek dağlarda özellikle iyi performans sergiledi ve zirve kar tabakası zamanlaması ve büyüklüğü gibi mevsimsel desenleri akranlarına göre daha sadık şekilde yeniden üretti.

Su ve iklim planlaması için anlamı

İlk kez, bilim insanları ve su yöneticileri, dört on yıl boyunca kar içinde ne kadar su tutulduğuna dair makine öğrenmesine dayalı, küresel ve sürekli günlük bir kayda sahip. SWEML yerel saha çalışmalarının yerini almayacak ve çok engebeli arazilerde ya da az veya hiç eğitim verisi olmayan bölgelerde hâlâ zorluklarla karşılaşıyor. Ancak değişen kar kaynaklarını izlemek, sel ve kuraklık risk değerlendirmelerini geliştirmek ve tutarlı uzun dönem girdilere ihtiyaç duyan iklim ve su modellerini beslemek için güçlü yeni bir temel sağlıyor. Değişen kışlara sahip bir dünyada, gezegenin kar rezervuarına dair bu tür bir büyük resim bakışı, suyun daha akıllıca yönetilmesine doğru atılmış önemli bir adımdır.

Atıf: Seo, J., Panahi, M., Kim, J. et al. Global 0.25-degree gridded Snow water equivalent data derived from machine learning using in-situ measurements. Sci Data 13, 739 (2026). https://doi.org/10.1038/s41597-026-06895-z

Anahtar kelimeler: kar su eşdeğeri, makine öğrenmesi, küresel kar veri seti, hidroloji, iklim değişikliği