Güneydoğu Çin üzerinde konvektif başlangıç tespiti ve şimdi tahmini için makine öğrenimi modeli verisetı

Fırtınaların Doğuşu Neden Önemli?

Aniden gelen sağanak yağışlar, yıkıcı dolu ve şiddetli fırtına rüzgarları günlük hayatı birkaç dakika içinde altüst edebilir. Daha iyi uyarıların anahtarı, bir fırtınanın ilk kıvılcımını yakalamaktır—sıcak, nemli havanın yükselen küçük bir cebinin büyüyen bir gök gürültülü buluta dönüşmeye başladığı an. Bu çalışma, yapay zekânın (YZ) bu kıvılcımı, yani konvektif başlangıcı, güneydoğu Çin üzerinde tanımasını ve tahmin etmesini öğretmek için tasarlanmış yeni, özenle hazırlanmış bir verisetini tanıtıyor.

Gökyüzünden ve Yerden Fırtınaları İzlemek

Araştırmacılar, Mart–Eylül ayları arasında sık sık şiddetli fırtınaların görüldüğü Doğu Asya musonundan kuvvetle etkilenen güneydoğu Çin bölgesine odaklanıyor. Atmosferi ayrıntılı izlemek için iki ana gözlem sisteminden gelen bilgileri birleştiriyorlar. Yerden, 150’den fazla hava radarı gökyüzünü tarayarak yağış ve dolunun yoğunluğunu ve yapısını ölçüyor. Aynı zamanda, Fengyun-4A jeostatik uydu uzaydan bulutların çeşitli dalga boylarındaki yansıma ve emisyonlarını kaydediyor. Bu araçlar birlikte, binlerce kilometreyi kapsayan bir alanda fırtına doğuşu ve büyümesini her 10 dakikada bir zaman atlamalı görüntü şeklinde sunuyor.

Tehlikeli Hava Kütüphaneleri Oluşturmak

YZ öğretmek için önce örneklere ihtiyaç vardır. Ekip, 2018–2023 döneminde 1.000’den fazla yer istasyonunda bildirilen yoğun yağış, zarar verici rüzgârlar veya dolu gibi tehlikeli hava olaylarının çok sayıda gerçek örneğini belirleyerek işe başladı. Örtüşen olayları daha geniş bölgesel salgınlar halinde gruplayıp her salgını 10 dakikalık anlık görüntülere böldüler. Her anlık görüntü için, nerede ve ne kadar güçlü yağış olduğunu gösteren radar haritaları ile bulut yüksekliği, sıcaklık ve yapıya ilişkin ipuçları veren uydu ölçümlerini içeren zengin bir “özellik” verisi seti sakladılar. Bu süreç 829 bölgesel olaya ve 136.728 zaman örneğine yol açarak fırtınaların oluştuğu ve oluşmadığı durumları kapsayan büyük, çeşitli bir kütüphane oluşturdu.

Makinelere Fırtınanın Nerede Doğduğunu Öğretmek

Bir fırtınanın tam olarak ne zaman ve nerede başladığını belirlemek basit değildir. Araştırmacılar, yeni bir konvektif hücrenin doğuşunu işaret eden yankıların belirli bir şiddeti aştığı küçük alanları bulmak için birçok radardan birleştirilmiş radar mozayikleri kullandılar. Ardından, radar görüntülerindeki desenleri zaman içinde izleyen optik akış yöntemiyle her hücrenin nasıl hareket ettiğini tahmin ettiler. Algoritma, yankıların önceki ve sonraki 10 dakikalık taramalarda nerede olduğunu kontrol ederek bir hücrenin gerçekten yeni oluşup oluşmadığına (gerçek bir başlangıç) yoksa sadece daha eski bir fırtınanın hareket eden bir parçası mı, devam eden bir yapı mı ya da radar paraziti nedeniyle oluşmuş yanlış bir yankı mı olduğuna karar verebiliyor. Şüpheli vakalar, kalıcı teknik artefaktları çıkarmak için daha fazla elle incelemeye tabi tutuldu.

Sönen veya Gelişen Fırtınaları Etiketlemek

Konvektif hücreler belirlendikten sonra bir sonraki adım, gelecekte nasıl davrandıklarını sınıflandırmaktı. Doğmuş her hücre için ekip, önümüzdeki 30 dakika boyunca alanının ve radar yoğunluğunun nasıl değiştiğini izledi. Hücre sürekli olarak daha büyük ve daha güçlü hale gelirse “gelişen” başlangıç olarak etiketlendi; zayıfladıysa, kaybolduysa veya büyümediği tespit edilirse “azalan” olarak işaretlendi. Toplamda verisetinde yaklaşık 4 milyondan fazla başlangıç hücresi bulunuyor ve bunların yaklaşık yüzde 43’ü gelişen olarak sınıflandırıldı. Bu etiketler radar ızgarası üzerindeki basit konturlar ve piksel maskeleri şeklinde temsil edilebilir, bu da yalnızca fırtınanın nerede başlayacağını değil aynı zamanda tehlikeli olup olmayacağını da tahmin etmeyi amaçlayan makine öğrenimi modelleri için kolay hedefler sağlıyor.

Fırtınaların Nasıl ve Nerede Başlama Eğiliminde Olduğu

Başlangıçların farklı yerlerde ve günün farklı zamanlarında ne sıklıkla meydana geldiğini sayarak verisetı, fırtına davranışındaki desenleri de ortaya koyuyor. Konvektif başlangıcın sık görüldüğü alanlar, özellikle kıyı illeri ve Yangtze Nehri güneyinde, sık yağış alan bölgelerle iyi örtüşüyor; buralarda sıcak, nemli hava sık gök gürültülü fırtınaları destekliyor. Başlangıcın zamanlaması belirgin günlük ritmler gösteriyor: birçok yerde yeni fırtınalar çoğunlukla öğleden sonra ortaya çıkarken bazı iç havzalar gece yarısı civarında bir zirve ve öğleden sonra ikincil zirveler gösteriyor. Bu desenler, yeni algoritmanın rastgele gürültü yerine gerçekçi fırtına doğuşu davranışlarını yakaladığını düşündüren önceki geniş ölçekli çalışmalarla uyumlu.

Gelecekteki Hava Uyarıları İçin Anlamı

Uzman olmayanlar için temel mesaj basit: bu çalışma, şiddetli gök gürültülü fırtınaların en erken belirtilerini tespit etmeyi amaçlayan YZ sistemleri için yüksek kaliteli bir eğitim alanı sunuyor. Yoğun radar ağlarını, gelişmiş uydu görüntülerini ve fırtına doğuşu ile büyümesinin dikkatli sınıflandırılmasını birleştirerek, CIDS verisetı makine öğrenimi modellerine öğrenmek için hem ham görüntüleri hem de doğru cevapları sağlıyor. Uzun vadede, bu verisetine dayalı daha akıllı modeller ani sel, zarar verici rüzgârlar ve dolu için daha erken ve daha güvenilir uyarılara dönüşebilir; bu da topluluklara hazırlanmaları için değerli zaman kazandırabilir.

Atıf: Liu, Y., Xiong, A., Liu, N. et al. A dataset for machine learning model to convective initiation detection and nowcasting over southeastern China. Sci Data 13, 557 (2026). https://doi.org/10.1038/s41597-026-06902-3

Anahtar kelimeler: gök gürültülü fırtına tahmini, hava radarı, uydu meteorolojisi, makine öğrenimi, şiddetli konveksiyon