Büyük Kahire’de Hava Kirliliği Rejimlerini Belirleyen Kümeleme ve Makine Öğrenimi Teknikleri

Şehrin Havası Neden Hepimizi İlgilendirir

20 milyondan fazla kişiye ev sahipliği yapan Büyük Kahire, sık sık dünyanın en yoğun dumanlı mega kentleri arasında yer alır. Çölden gelen toz, milyonlarca aracın egzozu ve fabrikalardan yayılan emisyonlarla karışarak anlaşılması zor ve yönetilmesi daha da zor karmaşık bir pus oluşturur. Bu çalışma, modern veri araçlarının bu pusu birkaç net "mod"a ayırabileceğini gösteriyor; böylece şehir plancıları ve sağlık yetkilileri havanın genellikle ne zaman güvenli olduğunu, ne zaman trafiğin ana neden olduğunu ve tehlikeli toz fırtınalarının ne zaman geldiğini pratik şekilde öğrenebilir.

Bir Veri Bulutunda Desenleri Görmek

Araştırmacılar 2023–2024 dönemine odaklandı ve atmosferin ayrıntılı bir resmini elde etmek için uydu, yer ve model verilerini harmanlayan Copernicus Atmosfer İzleme Servisi’nden bilgi kullandı. Her bir kirlilik ölçümünü izole bir nokta olarak ele almak yerine aynı anda birkaç bileşene baktılar: ince ve kaba partiküller (PM₂.₅ ve PM₁₀), araçlardan kaynaklanan azot dioksit gibi gazlar ve sıcaklık, rüzgar hızı ile basınç gibi temel hava koşulları. Amaçları yalnızca yarının rakamlarını tahmin etmek değil; şehir üzerinde tekrar tekrar ortaya çıkan yineleyen hava kalitesi “rejimlerini” ortaya çıkarmaktı.

Günleri Dört Hava Türüne Ayırmak

Bu rejimleri ortaya koymak için ekip, birleşik kirlilik ve hava parmak izlerine göre benzer günleri bir araya getiren bir kümeleme yöntemi kullandı. Farklı seçenekleri test ettikten sonra, verinin yapısını aşırı karmaşıklaşmadan yakalayan dört grubun uygun olduğunu buldular. Bu gruplardan ikisi ümit vericiydi: düşük ve çok düşük kirlilik koşulları iki yıllık dönemin yaklaşık dörtte üçünü oluşturuyordu; bu da Kahire’nin çoğu zaman nispeten temiz havaya sahip olduğunu gösteriyor. Üçüncü grup, araç kaynaklı emisyonların baskın olduğu günleri yansıtıyordu ve araçlardan gelen yüksek düzeyde azot dioksit ile işaretleniyordu. Dördüncü ve en küçük grup ise yalnızca yaklaşık %6’lık bir zaman dilimini kapsıyor ve kaba partiküllerin sağlık kılavuzlarının çok üzerine çıktığı toz fırtınası olaylarına karşılık geliyordu.

Her Rejimi Tanımayı Makinelere Öğretmek

Desenleri bulmak, bunlar gerçek zamanlı olarak hızla algılanabiliyorsa kullanışlıdır. Bunu test etmek için yazarlar, yeni bir ölçüm setinin hangi rejime ait olduğunu tanımak üzere iki tür karar verme modeli eğitti. Bir dizi eğer–ise tercihi yapan tek bir karar ağacı, rejimi %93’ün üzerinde doğrulukla belirledi. Birçok böyle ağacı birleştiren daha güçlü bir yöntem olan rastgele orman ise bu başarı oranını %97’nin üzerine çıkardı. Hangi girdilerin daha önemli olduğunu inceleyerek modeller, her rejimi neyin yönlendirdiğini de ortaya koydu: azot dioksit trafik ağırlıklı günleri tespit etmede özellikle önemliyken, kaba toz parçacıkları PM₁₀ toz fırtınası olaylarını işaretlemede belirleyiciydi.

Bilgisayar Kurallarından Gerçek Dünya Eylemine

Ham doğruluğun ötesinde, çerçeve zaman içinde istikrarlı ve çalıştırılması hızlı çıktı; bu da mevcut hava kalitesi hizmetlerinin yanında erken uyarı aracı olarak kullanılabileceği anlamına geliyor. Yöntem kesin konsantrasyon değerlerinden ziyade göreli desenlere odaklandığı için, altındaki uydu tabanlı veriler mutlak anlamda bazı sapmalar gösterse bile —çöl bölgelerinde bilindiği üzere— yine de kullanışlı kalır. Pratikte bu, yetkililerin şehrin rutin düşük kirlilik evresine mi, trafik ağırlıklı bir döneme mi yoksa kamu sağlığı uyarıları gerektiren kısa ama yoğun bir toz fırtınasına mı girdiğini hızlıca söyleyebilecekleri anlamına gelir.

Bu Kahire’deki İnsanlar İçin Ne Anlama Geliyor

Yerel halk için ana mesaj şudur: Kahire’nin havası tek bir sabit tehlike düzeyinde kalmaz; tanınabilir küçük bir dizi durum arasında değişir. Çoğu zaman hava nispeten temizdir, ancak trafik ve toz koşulları özellikle kalp veya akciğer hastalığı olan kişiler için riski artırabilir. Bu çalışmanın devasa çevresel veri akışlarını dört kolay anlaşılır rejime dönüştürmesi, daha akıllı uyarılar, daha iyi planlama ve kirliliği kaynağında azaltmaya yönelik daha hedefli çabalar için bir yol haritası sunuyor. Aynı yaklaşım, kentleşmenin hızla arttığı ve kentsel dumanla doğal tozun karıştığı diğer şehirlere de uygulanabilir.

Atıf: Elmourssi, D.M., El-Assy, A.M. & Amer, H.M. Clustering and machine learning techniques identify air pollution regimes in Greater Cairo. Sci Rep 16, 14038 (2026). https://doi.org/10.1038/s41598-026-49777-5

Anahtar kelimeler: hava kirliliği, Büyük Kahire, makine öğrenimi, toz fırtınaları, trafik emisyonları