İHA ölçümleri ve makine öğrenmesi kullanılarak yol kenarı hava kirliliğinin irtifa çözünürlüklü tahmini

Otoyol kenarındaki kirlilik neden önemli

Birçok insan yoğun otoyolların yakınında yaşar, çalışır veya egzersiz yapar; bu alanlarda trafik dumanı sağlıklarını sessizce etkileyebilir. Oysa çoğu hava kalitesi ölçüm cihazı yerde sabit noktalarda bulunur ve kirliliğin yolun birkaç metre üstünde veya uzaklaşınca nasıl değiştiğini gösteremez. Bu çalışma, drone’lar ve gelişmiş bilgisayar modellerini birleştirerek yol kenarı hava kirliliğinin üç boyutlu bir görünümünü oluşturuyor; böylece şehir planlamacıları ve sağlık araştırmacıları kimin ne zaman en çok etkilendiğini daha iyi anlayabiliyor.

Havanın kirini haritalamak için uçan sensörler kullanmak

Araştırmacılar, Seul ve Busan’ı bağlayan ve ülkenin en yoğun trafiğine sahip otoyollarından biri olan büyük bir Kore otoyoluna odaklandı. Yol kenarındaki istasyona kompakt bir hava sensörü kurdular ve aynı tipte ikinci bir sensörü dört rotorlu bir drone’a taktılar. Aletler, egzoz kaynaklı karbon monoksit, yakıt yanmasından azot dioksit, güneş ışığında oluşan yüzey ozonu ve PM2.5 olarak bilinen ince partiküller olmak üzere dört temel kirleticiyi ölçtü. Yaz ve kış boyunca birkaç gün süren çalışmalarda drone, yol kenarının üzerinde 10 ila 60 metre yüksekliklerde yukarı aşağı uçtu; kışın ayrıca yoldan yatay olarak 60 metre uzağa kadar hareket etti ve her konumda havayı örneklemek için durdu.

Dronun yolun üzerinde gördükleri

Ölçümler, kirliliğin yükseklik, uzaklık, günün saati ve mevsime göre nasıl değiştiğine dair belirgin örüntüler ortaya koydu. Azot dioksit ve ozon en yüksek olarak yerde yoğunlaşıyor ve irtifa ile otoyoldan uzaklaştıkça azalıyor; bu, taşıtların yerel baskın kaynak olduğunu gösteriyor. Azot dioksit sabah yoğunluğunun yaklaşık 07:00 civarında yükseldiği, bu durumun sabah işe gidiş trafiği ile örtüştüğü görüldü; ozon ise o saatte en düşük düzeyde olup parlak öğleden sonra daha yüksekti; bu da ozonun güneşle tetiklenen kimyasal reaksiyonlarla oluştuğuna işaret ediyor. Kışın, azot dioksit genel olarak daha yüksek olma eğilimindeydi; soğuk, durağan hava tabakaları emisyonları yüzeye yakın tutmaya yardımcı oldu. Sürpriz olarak, ince partikül seviyeleri kıştan ziyade yazın daha yüksekti; 48 saatlik hava kütlesi yollarını geri izleyerek, yaz havasının sıklıkla Çin’in doğusundaki sanayi bölgelerinden geldiği görüldü; bu da uzak mesafe taşınımının yerel trafik kirliliğine katkıda bulunduğunu düşündürüyor.

Dağınık okumalardan 3B kirlilik haritasına

Drone’lar yalnızca sınırlı uçuş süresine sahip olduğu ve güvenli yolları izlemek zorunda olduğu için ölçümleri uzay ve zamanda yamalı biçimdedir. Boşlukları doldurmak için ekip, yüksekteki kirliliğin yol kenarındaki ölçümlerle nasıl karşılaştırılacağını tahmin etmek üzere birkaç makine öğrenmesi modeli eğitti. Ham konsantrasyonları tahmin etmek yerine, her kirletici için drone ölçümleri ile yer ölçümleri arasındaki oranlara odaklandılar. Modeller beş giriş grubunu kullandı: yer düzeyindeki kirlilik seviyeleri, trafik hacmi ve hızı, hava (rüzgâr, sıcaklık, nem), dronun yükseklik ve yoldan uzaklığı ile mevsim ve günün saati. Birkaç rekabetçi algoritma arasında CatBoost adı verilen bir yöntem en iyi performansı gösterdi; polütana ve mevsime bağlı olarak bu oranlardaki değişimin kabaca üçte ikisinden neredeyse tamamına kadarını açıkladı.

Sokağın üzerindeki kirlilik örüntülerini ne yönlendiriyor

Eğitilmiş modeli inceleyerek, araştırmacılar her kirleticinin dikey ve yatay örüntülerini en güçlü biçimde şekillendiren gerçek dünya faktörlerini görebildiler. Karbon monoksit için trafik hızı büyük ölçüde etkiliydi: daha yavaş hareket eden veya dur-kalk yapan araçlar yol kenarında daha yüksek göreli kirlilikle ilişkilendirildi; bu da daha yoğun egzozu yansıtıyor. Azot dioksit ve ince partiküller için ise yer seviyesinde olanlarla yerel hava koşullarının birleşimi belirleyiciydi—daha sıcak koşullar ve daha yüksek yer düzeyi konsantrasyonları genellikle yüksekteki seviyeleri artırıyordu. Ozon örüntüleri ise yer yüzü ozon ölçümlerinden ziyade meteoroloji ve mevsim tarafından daha çok yönetiliyordu; bu, onun güneş kaynaklı kimya ile oluşumuyla tutarlı. Ekip modeli kullanarak yükseklik, uzaklık, zaman ve mevsim boyunca kirlilik oranlarının sürekli haritalarını oluşturduğunda, ortaya çıkan örüntüler yerleşik anlayışla iyi örtüşüyordu: yol kenarına yakın yüksek azot dioksiti, gün içinde artan ozon ve parçacıkların zamanla yukarı ve trafik şeritlerinden uzağa karışması.

Bu durum insanların daha rahat nefes almasına nasıl yardımcı olur

Basitçe söylemek gerekirse, çalışma bir dronenun otoyol üzerinde ölçtüğünü, bir yer monitörü, trafik sayıcıları ve meteoroloji aletlerinin yerde gözlemlediklerinden güvenilir biçimde yeniden oluşturabileceğini gösteriyor. Kısa drone uçuşlarını makine öğrenmesi ile birleştirerek, araştırmacılar yalnızca ölçümlerle elde edilmesi zor ve pahalı olacak ayrıntılı üç boyutlu yol kenarı hava kalitesi görünümleri üretti. Bu yüksek çözünürlüklü haritalar, farklı yükseklik ve mesafelerde ve günün ve yılın farklı zamanlarında sakinlerin, yolcuların ve yayaların trafik kirliliğine maruziyetini daha doğru tahmin etmeye yardımcı olabilir. Uzun vadede, bu birleşik drone-ve-model yaklaşımı yeni yolların, gürültü bariyerlerinin ve yeşil koridorların yerleştirilmesine rehberlik edebilir ve şehir yetkililerinin trafik kontrol politikalarının insanların gerçekten soluduğu havayı nasıl temizleyebileceğini test etmesine yardımcı olabilir.

Atıf: Kho, C.J., Seo, S., Hwang, H. et al. Altitude-resolved prediction of roadside air pollution using UAV measurements and machine learning. Sci Rep 16, 13925 (2026). https://doi.org/10.1038/s41598-026-44153-9

Anahtar kelimeler: yol kenarı hava kirliliği, drone'lar, makine öğrenmesi, otoyollar, ince partiküller