İklim değişikliği altında farklı derin öğrenme çerçeveleri kullanılarak toprak ısıl rejimlerinin yüksek çözünürlüklü tahmini

Yeraltındaki ısının neden önemli olduğu

Çoğumuz iklim değişikliğini daha sıcak yazlar ve azalan kar örtüsü bağlamında düşünürüz, ancak birkaç santimetre altında sessizce gerçekleşen değişimler de en az bunlar kadar önemli olabilir. Toprak sıcaklığı bitkilerin nasıl büyüdüğünü, ne kadar gıda üretebileceğimizi, peyzajların ne kadar su tutabileceğini ve toprağın atmosfere ne kadar karbon saldığını şekillendirir. Bu çalışma, İran’ın batısında dağlık, yarı kurak bir bölgenin yüzeyinin altına bakıyor ve soruyor: farklı iklim gelecekleri, bağımlı olduğumuz toprağı nasıl ısıtacak — ya da geçici olarak soğutacak — ve bu değişiklikler ne kadar hızlı ortaya çıkacak?

Engebeli bir arazinin daha yakından incelenmesi

Araştırmacılar, Zagros Dağları boyunca dramatik zirveler ve vadilerle karakterize Lorestan Eyaleti’ne odaklandı. Burada sıcaklıklar acı soğuk kıştan kavurucu yaz sıcağına kadar değişir ve çiftçiler tarım ve hayvancılığı desteklemek için yeraltı suyuna büyük ölçüde bel bağlar. On adet meteoroloji istasyonu, birkaç on yıldır sadece 5 santimetre derinlikte günlük toprak sıcaklıklarını kaydetti. Geleceğe bir göz atmak için ekip, bu yerel kayıtları atmosferi geniş, düşük çözünürlüklü darbelerle betimleyen küresel bir iklim modelinin projeksiyonlarıyla eşleştirdi. Zorlukları, bu bulanık, gezegen ölçeğindeki projeksiyonları yerel arazi yöneticileri için anlamlı olacak keskin, istasyon ölçekli tahminlere çevirmekti.

Bilgisayarlara iklimi okumayı öğretmek

Geleneksel, nispeten basit istatistiksel formüller yerine ekip derin öğrenmeye—modern konuşma tanıma ve görsel aramada kullanılan yöntem ailesine—başvurdu. Mekan ve zaman desenlerini işlemekte özellikle iyi olan dört sinir ağı tasarımını test ettiler: konvolüsyonel bir ağ (CNN), iki sıra odaklı tasarım (LSTM ve GRU) ve CNN ile LSTM katmanlarını birleştiren hibrit bir model. Bu modelleri eğitmeden önce, Kanadalı Dünya Sistemi Modeli’nden hava sıcaklığı, basınç desenleri, rüzgarlar ve nem gibi 26 farklı atmosferik değişken arasından hangi değişkenlerin gözlemlenen toprak sıcaklıklarını en iyi izlediğini bulmak için üç tamamlayıcı teknik kullandılar. Yüzey hava sıcaklığı ve orta seviye atmosferik basınç neredeyse tüm istasyonlarda kilit öngörücüler olarak öne çıktı.

Hibrit derin öğrenme ile daha keskin yeraltı tahminleri

En iyi öngörücüleri belirledikten sonra araştırmacılar her sinir ağını 1980–2014 günlük verileriyle eğitti ve ayarladı, ayrı tutulmuş yıllarda performansı dikkatle kontrol etti. Genel olarak hibrit CNN‑LSTM modeli en başarılı çıktı. Hem geniş ölçekli hava desenlerini hem de toprak sıcaklığının günlük iniş çıkışlarını yakalayarak yüksek yetenek puanlarına ulaştı ve tipik hataları birkaç derece Celsius ile sınırladı. 2015–2020 arasındaki yakın dönem gözlemlerine karşı yapılan testler, modelin “Paylaşılan Sosyoekonomik Yollar” (SSP) olarak bilinen çeşitli iklim senaryoları altında gerçek dünya davranışını yeniden üretebildiğini gösterdi; bu senaryolar güçlü emisyon azaltımlarından fosil yakıt ağırlıklı gelişime kadar uzanır. İlginç bir şekilde, son toprak eğilimleriyle en iyi eşleşen senaryolar yükseliş ve konuma göre değişti: daha serin dağ istasyonları düşük emisyonlu geleceklerle, daha sıcak alçak arazi istasyonları ise orta ve yüksek emisyonlu yollarla daha çok uyum gösterdi.

Gelecekte toprak ısınmasındaki şaşırtıcı dönüşler

En iyi performans gösteren modelleriyle ekip, düşük, orta ve yüksek sera gazı emisyonları olmak üzere üç temsilî gelecek altında günlük toprak sıcaklıklarını 2100’e kadar projekte etti. Tüm senaryolar sonunda daha sıcak topraklara yol açsa da, aynı şekilde veya aynı hızda değiller. Düşük ve orta emisyonlar altında toprak sıcaklıkları ılımlı şekilde yükselip sonra dengeleniyor; yüzyılın sonuna doğru bugüne kıyasla birkaç derece Celsius kadar artıyor. Ancak yüksek emisyon yolunda hikâye daha dramatik. Önümüzdeki birkaç on yılda üst toprak tabakası birçok yerde aslında soğuyor; bu muhtemelen daha kalın bulutlar, değişen yağış düzenleri ve nemli toprakların yer yüzünü güneş ışığından korumasından kaynaklanıyor, hava yavaşça ısınsa bile. Yüzyıl ortasından sonra bu geçici soğuma hızlanan ısınmaya dönüşerek, yüksek emisyon senaryosunu çok daha sıcak topraklarla ve yıl içi dalgalanma desenlerinde temelden değişmiş bir durumla bıraktı.

Çiftçilik, su ve ekosistemler için anlamı

Uzman olmayanlar için mesaj hem uyarıcı hem de pratik. Bu çalışma, toprak yüzeyinde olanların hava sıcaklığının basit bir aynası olmadığını; yerel coğrafya ile bulutlar, yağış ve nemdeki değişimlerin ısınmayı kısa süreliğine maskeleyip sonra güçlendirebileceğini gösteriyor. Lorestan gibi yerlerdeki çiftçiler ve su yöneticileri, emisyonlar yüksek kalırsa önce serinleyen topraklar ardından hızlı ve uyum sağlanması zor bir ısınma dizisiyle karşılaşabilir. Buna karşılık, düşük emisyon senaryolarına yakın güçlü iklim eylemi, ekosistemlerin daha kolay başa çıkabileceği daha yavaş ve istikrarlı bir toprak ısınmasını muhtemelen güvence altına alır. İleri derin öğrenme araçlarından yararlanarak bu çalışma, iklim tercihlerini yer altının daha keskin bir görüntüsüne dönüştürüyor ve soyut küresel senaryoları bizi besleyen toprak katmanındaki somut riskler ve zaman çizelgelerine çeviriyor.

Atıf: Saeidinia, M., Haghiabi, A.H., Nazeri Tahroudi, M. et al. High-resolution forecasting of soil thermal regimes using different deep learning frameworks under climate change. Sci Rep 16, 7377 (2026). https://doi.org/10.1038/s41598-026-38496-6

Anahtar kelimeler: toprak sıcaklığı, derin öğrenme, iklim değişikliği, downscaling, tarım