Batı Kazakistan, Prikaspi Havzası’nın güneydoğu kısmında doğal hidrojen aramacılığı için piksellik uzaktan algılama ve açıklanabilir makine öğreniminin entegrasyonu

Gizli hidrojen neden önemli

Hidrojen genellikle geleceğin temiz yakıtı olarak övülür, ancak günümüzde üretilen çoğu hidrojen önemli enerji ve maliyet gerektirir. Daha sessiz bir hikâye ise ayaklarımızın altında şekilleniyor: Dünya kendisi doğal olarak büyük miktarlarda hidrojen gazı üretiyor olabilir. Bu makale, bilim insanlarının uzaydan gelen yüzey işaretlerini nasıl tespit edebileceğini ve şeffaf, açıklanabilir yapay zekâ kullanarak Batı Kazakistan’ın kayalarında doğal hidrojeni nerede bulabileceklerini nasıl daraltabileceklerini araştırıyor.

Yeni bir enerji hazine avı

Petrol ve gaza kıyasla doğal hidrojen hafiftir, kolayca sızar ve yüzeyde yalnızca zayıf izler bırakır. Sismik ölçümler veya yerçekimi çalışmaları gibi klasik araçlar bunu doğrudan tespit etmekte zorlanır. Yine de dünyadaki birkaç bölgede hidrojen belirli kaya türleri, derin faylar ve “peri çemberleri” lakaplı garip yuvarlak yüzey çöküntüleriyle ilişkilendirilmiştir. Batı Kazakistan’ın Prikaspi Havzası zaten devasa petrol sahalarına, iyi bariyer oluşturan kalın tuz katmanlarına ve hidrojen üretebilecek kaya türlerine ev sahipliği yapmaktadır. Bu jeolojik reçete, eğer onları verimli ve düşük maliyetle bulmayı öğrenebilirsek, bölgede doğal olarak üretilmiş hidrojen cepleri de olabileceğini düşündürür.

Uzaydan görünmeyen gazı görmek

Araştırmacılar, bitki örtüsü, toprak nemi ve yüzey minerallerine duyarlı dalga boylarını da kaydeden Avrupa Sentinel-2 uydularına başvurdular. Her uydu görüntüsü, yaklaşık küçük bir ev arsası büyüklüğünde olan 10 metre genişliğindeki küçük karelerden, yani piksellerden oluşur. Batı Kazakistan’ın Atyrau bölgesindeki her piksel için ekip, ham renk bantları, bitki sağlığını ve yüzey suyunu izleyen basit indeksler ile zeminin ne kadar pürüzlü veya düzgün göründüğünü yakalayan doku ölçümlerini içeren sayısal özellikler seti hesapladı. Bu bileşenler, herhangi bir sondaj veya yerel örnekleme olmadan her pikselin yüzey koşullarına dair 22 değişkenlik bir tanım oluşturdu.

Makinelere ince desenleri öğretmek

Bu yüzey imzalarını olası hidrojen sızıntılarıyla ilişkilendirmek için ekip, sınıflandırma görevlerinde başarılı olan dört iyi bilinen makine öğrenimi yöntemini kullandı. Modelleri, önceki saha çalışmaları ve jeolojik fikirler temelinde uzmanlar tarafından muhtemel hidrojenle ilişkili veya değil olarak etiketlenmiş milyonlarca piksel üzerinde eğittiler. Modeller her piksel için basitçe evet-hayır kararı vermek yerine hidrojenin bulunma olasılığını üretti. Çok katı bir eşik uygulandı ve yalnızca çok yüksek güvene sahip pikseller işaretlendi. Güvenilirliği artırmak için araştırmacılar, dört modelden en az üçünün aynı sonucu verdiği yerleri tuttular ve ardından komşu pikselleri izole gürültü lekeleri yerine gerçek hidrojen eğilimli bölge olabilecek kümeler halinde gruplayarak birleştirdiler.

Yapay zekânın “kara kutusunu” açmak

Jeobilimlerde makine öğreniminin başlıca kaygılarından biri güvendir: bir model “bu nokta umut verici görünüyor” dediğinde uzmanlar nedenini bilmek ister. Bu nedenle çalışma açıklanabilirliği iş akışına doğrudan dahil etti. SHAP adlı bir teknik kullanılarak her spektral özelliğin bir pikselin hidrojen tahminine ne kadar itici veya çekici etki yaptığı ölçüldü. Farklı modeller arasında benzer desenler ortaya çıktı. Bitki stresi, kuru mineral kabuklar ve tuz zengini yüzeylere duyarlı yakın kızılötesi ve kısa dalga kızılötesi bantlar tutarlı şekilde en etkili olanlar arasındaydı. Bu özellik önem haritaları jeolojik enine kesitler ve bilinen fayların üzerine örtüldüğünde, yüksek puanlı birçok bölge makinenin seçimlerine fiziksel inandırıcılık katarak olası göç yolları ve yüzey anomalileriyle çakıştı.

Geniş taramadan saha çalışmalarına

Ortaya çıkan haritalar gizli hidrojen rezervlerinin doğrudan kanıtı değildir, ancak güçlü bir tarama aracı sunar. Modeller potansiyel sahaları işaretlemede cömert olma eğilimindedir; hidrojen-benzeri görünen piksellerin çoğunu yakalarken aynı zamanda birçok yanlış alarm da üretirler. Erken aşama aramacılık için bu ödün verilebilir: amaç geniş bir sınır bölgesini saha kampanyaları için yönetilebilir bir hedef kümesine indirmektir. Atyrau’da yaklaşım, gazın yeraltından yükselme olasılığı olan derin faylar ve tuz “pencereleri” ile hizalanmış bazıları da dahil olmak üzere birkaç uyumlu küme öne çıkarıyor. Uydu verilerini, piksellik makine öğrenimini ve her tahmini neyin yönlendirdiğine dair açık açıklamaları birleştirerek çalışma, Kazakistan ve dünyanın diğer az araştırılmış havzalarında doğal hidrojen keşfi için yorumlanabilir ve düşük maliyetli bir yol haritası sunuyor.

Atıf: Wayo, D.D.K., Goliatt, L., Hazlett, R. et al. Integrated pixel-wise remote sensing and explainable machine learning for natural hydrogen exploration in southeastern part of Pricaspian Basin, Western Kazakhstan. Sci Rep 16, 11085 (2026). https://doi.org/10.1038/s41598-026-41845-0

Anahtar kelimeler: doğal hidrojen, uzaktan algılama, makine öğrenimi, Kazakistan, enerji aramacılığı