Hareketli ölçüm ve dönüştürücüler kullanarak hava kirleticileri, meteoroloji ve arazi örtüsü arasındaki mahalle ölçeğindeki karşılıklı bağımlılıkları öğrenme

Sokağınızdaki Hava Komşunuzunki Gibi Neden Değil

Şehir hava kalitesi genellikle tek bir sayı ile, bazen tüm bir mahalle ya da kasaba için ifade edilir. Oysa gerçekte, kirleticiler sadece birkaç düzine metre içinde—yoğun bir yol ile sessiz bir avlu arasında ya da bir inşaat alanı ile bir park arasında—keskin biçimde değişebilir. Bu çalışma, sensörlerle donatılmış bir elektrikli arabanın ve ileri yapay zekânın birleşiminin bu gizli desenleri nasıl ortaya çıkarabildiğini ve bu bilginin soluduğumuz havayı izleme ve yönetmede daha akıllı yollar sağlayabileceğini gösteriyor.

Kampüs Turu Üzerinde Hareketli Bir Laboratuvar

Araştırmacılar, elektrikli bir golf arabasını hareketli bir hava laboratuvarına dönüştürdü ve İsrail’deki Weizmann Bilim Enstitüsü kampüsünde, yalnızca 1.1 kilometrekarelik bir alanda, defalarca tur attılar. Araçta azot dioksit (trafikle ilişkili bir gaz), ozon, çok küçük parçacıklar (PM1 ve PM2.5), sıcaklık, nem, basınç ve rüzgârı ölçen enstrümanlar vardı. 2024’ün üç mevsimi boyunca, 17 planlı durakta sabit bir rota üzerinde 66 anket tamamladılar ve yol boyunca yaklaşık her 5 metrede bir olmak üzere yaklaşık 180.000 ölçüm topladılar. Ardından bu okumaları, binaların, yolların, bitki örtüsünün ve açık zeminin yerini gösteren detaylı hava fotoğraflarıyla birleştirerek kampüsü hem kirlenme hem de onunla etkileşen yüzeylerin yüksek çözünürlüklü bir “haritasına” çevirdiler.

Gizli Sıcak Noktalar ve Günlük Ritmler

Haritalar, kirletici seviyelerinin kısa mesafelerde dramatik biçimde değişebileceğini ortaya koydu. Kampüsün bazı bölgelerinde azot dioksit diğer yerlere göre iki kata kadar daha yüksekti; özellikle ana cadde yakınında ve yakındaki bir otoyol ile çimento fabrikası yakınında yoğunlaştı. İnşaat alanları kaba parçacıkların güçlü kaynakları olarak öne çıktı, ancak yalnızca kuru koşullarda—nemli sabahlarda ıslak kum çok daha az toz üretiyordu. Ekip ayrıca belirgin günlük desenler gözlemledi: azot dioksit ve ince parçacıklar trafiğe bağlı olarak sabah pik yapma eğilimindeydi, ardından güneş altında oluşan ozon öğleye doğru arttı. Ozon mekânda şaşırtıcı derecede dengeliydi ancak gün içinde güçlü değişimler gösteriyordu. Bu bulgular, “ortalama” şehir okumalarının sadece birkaç sokak ötede bulunan yoğun, kısa süreli maruziyet ceplerini kaçırabileceğini vurguluyor.

Boşlukları Doldurmayı Öğreten Bir Yapay Zekâ

Her yerde aynı anda ölçüm yapmak imkânsız olduğundan ekip, dönüştürücü (transformer) olarak bilinen modern bir yapay zekâ türüne yöneldi—ileri dil araçlarını güçlendiren modellere benzer bir ruhla. Eksik üçte üçü yeniden oluşturmak için çok sınırlı bir ölçüm seti (harita noktalarının ve değişkenlerin yalnızca dörtte biri) alan bir maskelenmiş otoenkoder tabanlı dönüştürücü eğittiler. Nispeten küçük gerçek dünya veri setini telafi etmek için önce model, karmaşık ama gerçekçi desenleri taklit eden sentetik, bilgisayar üretilmiş alanlarda ön eğitimden geçirildi. Kampüs verileri üzerinde ince ayar yapıldıktan sonra yapay zekâ, gerçek değişkenliğin yaklaşık %89’unu yakalayarak ve düşükten aşırıya on kategoride güçlü güvenilirlikle sınıflandırarak ayrıntılı kirlilik ve hava haritalarını yüksek doğrulukla yeniden üretebildi.

Modelin "Neye Dikkat Ettiği"

Birçok kara kutu yapay zekâ sisteminin aksine, dönüştürücüler kararlarını nasıl verdiklerine dair bir pencere sunar: hangi girdilerin her bir tahmini etkilediğini gösteren ‘‘attention’’ (dikkat) desenleri. Bu dikkati izleyerek araştırmacılar, örneğin modelin azot dioksit tahmininde sık sık yakınlardaki partikül verilerine dayandığını ve rüzgâr ile arazi örtüsü bilgileri—yolların, binaların ve bitki örtüsünün nerede olduğuna dair veriler—basit korelasyonlar zayıf olsa bile orantısız bir rol oynadığını görebildiler. Bitki örtüsü ve binalar özellikle azot dioksit ve PM2.5 tahmini için önemliydi; bu da ağaçların ve duvarların hava akışını ve kirletici birikimini çok küçük ölçeklerde nasıl şekillendirdiğini vurguluyor. Hareket halindeki bir arabada gürültülü olsa bile rüzgâr verileri, kirlilik bulutlarının nasıl yayıldığı ve seyreldiğine dair değerli ipuçları taşıyordu.

Daha Az Ölçümle Daha Akıllı İzleme Tasarlamak

Dönüştürücü esnek giriş noktası setleriyle çalışabildiği için ekip, dikkat haritalarıyla belirlenen en “bilgi verici” konumları kullanmayı test etti. Kampüsün rastgele %25’ini örneklemek yerine, tüm sahada bazen yalnızca 15 nokta kadar az sayıda kilit nokta seçerek ana kirlilik ve hava desenlerini hala standart bir istatistiksel yöntemden daha iyi yeniden oluşturabildiklerini buldular. Bu, geçmiş anketlerle eğitilmiş bir yapay zekânın her yeni ölçümün en fazla bilgiyi sağladığı yerleri vurgulamasına izin vererek izleme rotalarını ve sensör yerleşimini planlamada yeni bir yol öneriyor; maliyetleri düşürürken bilimsel değeri koruyor.

Havayı Soluyan İnsanlar İçin Anlamı

Uzman olmayanlar için temel mesaj basit: kendi mahallenizde yürürken deneyimlediğiniz hava kalitesi, uzaktaki bir istasyonun raporladığından çok farklı olabilir ve bu farklar yakın trafik, binalar, ağaçlar ve hatta inşaat zamanlamasına bağlıdır. Bu çalışma, açıklanabilir yapay zekâ tarafından yönlendirilen ve yorumlanan küçük bir hareketli sensör filosunun mahalle ölçeğindeki bu değişimleri dikkat çekici bir ayrıntıyla haritalayabileceğini gösteriyor. Uzun vadede bu yaklaşımlar, şehir plancılarının ağaç dikme veya trafiği yeniden yönlendirme kararlarına yardımcı olabilir, gerçek maruziyeti daha iyi yansıtan sağlık çalışmalarını yönlendirebilir ve kapıdan kapıya soluduğumuz havayı daha yakından izleyen daha yalın, daha akıllı izleme ağlarının kurulmasını sağlayabilir.

Atıf: Nissenbaum, D., Bagon, S., Sarafian, R. et al. Learning neighborhood-scale cross-dependencies among air pollutants, meteorology and land cover using mobile sensing and transformers. npj Clean Air 2, 13 (2026). https://doi.org/10.1038/s44407-026-00054-9

Anahtar kelimeler: kentsel hava kirliliği, hareketli ölçüm, dönüştürücü modeller, mahalle ölçeği haritalama, hava kalitesi izleme