Geri Dön

Predicting countries' vulnerability to climate change

Ülkelerin iklim değişikliğine karşı etkilenebilirliklerinin tahmin edilmesi

  1. Tez No: 793887
  2. Yazar: EMRE KUTLUĞ
  3. Danışmanlar: PROF. DR. MEHMET LEVENT KURNAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Fizik ve Fizik Mühendisliği, Computer Engineering and Computer Science and Control, Physics and Physics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 72

Özet

Birçok ülke küresel iklim değişikliğinin sonuçlarına farklı derecelerde maruz kalmaktadır ve bu ülkelerin etkilenebilirlikleri sosyoekonomik ve çevresel faktörlere göre değişmektedir. Bireyler, toplumlar ve ülkeler iklim değişikliğinin etkilerinin farkında olmalıdır. Tehlikelere ne kadar maruz kaldıklarının, etkilenebilirlik düzeylerinin ve ne yapılması gerektiğinin bilinmesi ve anlaşılması, temel yaşamsal faaliyetlerin devamı için kritik önem taşımaktadır. Gelecekte bir ülkenin iklim değişikliğinden ne kadar etkileneceğinin veya hangi yaşamı destekleyen sektörlerinin ne kadar zarar göreceğinin doğru tahmin edilmesi, ülkelerin önlem alabilmesi açısından büyük önem taşımaktadır. Bu nedenle bu çalışmada, ülkelerin iklim değişikliğine karşı etkilenebilirliklerini tahmin etmek için Notre Dame Küresel Uyum İnisiyatifi (ND-KUİ) Ülke İndisi verileri kullanılmıştır. ND-KUİ ülkelerin iklim bozulmalarından ne kadar etkilenebilir olduğunu gösteren açık kaynaklı bir indistir. Bu indisin verileri, 1995'ten 2020'ye kadar 26 yıllık bir dönemde 182 ülke için etkilenebilirlik puanlarını ve gıda, su, sağlık, ekosistem hizmetleri, insan yaşam alanı ve altyapı olmak üzere yaşamı destekleyen altı alanı içermektedir. Uzun kısa süreli bellek (LSTM) ağ tabanlı model yedi ülkenin 2021'den 2026'ya kadar olan altı yıllık verilerini tahmin etmek için oluşturulmuştur. Bu ülkeler Türkiye, Avustralya, Almanya, Portekiz, Sudan, Gürcistan ve Kırgistan'dır. Sonuçlar, modelin 2021 yılı için Sudan hariç tüm ülkelerin etkilenebilirlik puanlarında artış, 2021 sonrasında ise Almanya ve Avustralya'da hafif bir düşüş, Türkiye, Portekiz ve Kırgızistan'da düşüş öngördüğünü göstermiştir. Model tüm yıllar için Sudan'da düşüş, Gürcistan'da ise artış öngörmüştür. Modelin başarısı 2010'dan 2020'ye kadar olan veriler kullanılarak test edilmiştir. Zaman serisi tahmini zor olsa da tahmin edilen değerler gerçek değerlere yakındır. Başka hiçbir çalışma ülkelerin gelecek yıllardaki iklim değişikliğine karşı etkilenebilirliklerini tahmin etmediği için bu çalışma yenidir.

Özet (Çeviri)

Many countries are subject to the consequences of global climate change at varying degrees, and their vulnerability varies according to socioeconomic and environmental factors. Individuals, societies, and countries must be aware of the effects of climate change. Knowledge and understanding of how exposed they are to hazards, their level of vulnerability, and what must be done are critical for the continuation of basic vital activities. Accurately predicting how much a country will be affected by climate change in the future or which life-supporting sectors will suffer is crucial for countries to take precautions. Therefore, in this study, The Notre Dame Global Adaptation Initiative (ND-GAIN) Country Index's data is used for predicting countries' vulnerability to climate change. It's an open-source index that displays how vulnerable a nation is to climate disruptions. The data for this index includes scores for vulnerability and six areas that support life, including food, water, health, ecosystem services, human habitat, and infrastructure, for 182 nations during a 26-year period from 1995 to 2020. Long short-term memory (LSTM) network-based model is built to predict seven countries' six years of data from 2021 to 2026. These countries are Turkey, Australia, Germany, Portugal, Sudan, Georgia, and Kyrgyzstan. The results showed that the model predicts an increase in the vulnerability scores of all countries except Sudan for 2021, a slight decrease in Germany and Australia, and a decrease in Turkey, Portugal, and Kyrgyzstan after 2021. The model predicts a decrease in Sudan and an increase in Georgia for all years. The model's successes are tested using data from 2010 to 2020. Although time series forecasting is challenging, forecasted values are close to actual values. This study is novel since no other studies have predicted countries' future years' vulnerability to climate change.

Benzer Tezler

  1. OECD ülkelerinin yenilenebilir enerji tüketim oranlarının makine öğrenmesi yöntemleriyle tahmin edilmesi

    Prediction of renewable energy consumption rates of OECD countries with machine learning techniques

    ÖZLEM KURU SÖNMEZ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOsmaniye Korkut Ata Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. EMRE YAKUT

  2. Evaluation of the fire potential index utilizing numerical weather prediction fields and remote sensing imagery

    FPI orman yangını potansiyeli indeksinin sayısal hava tahmin modeli alanları ve uzaktan algılama verisi ile hesaplanması

    FERAT ÇAĞLAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET ÖZGÜR DOĞRU

  3. Makine öğrenmesinde istatistiksel veriler kullanılarak maruziyetin belirlenmesi: Sakarya ölçeğinde bir çalışma

    Determination of exposure using statistical data in machine learning: A case study in Sakarya

    MUHAMMED ALİ HAŞILOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Deprem MühendisliğiSakarya Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. NACİ ÇAĞLAR

  4. Ülke riski analizi

    Başlık çevirisi yok

    ONUR HAKAN ULUYOL

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Ekonomiİstanbul Teknik Üniversitesi

    DOÇ.DR. NİYAZİ BERK

  5. Depremde oluşacak bina hasarlarının envanter bilgilerine dayalı tahmini ve coğrafi bilgi sistemleri (CBS) uygulaması

    Inventory data based prediction of building damages caused by earthquakes and geographical information systems (GIS) applications

    YASEMİN MANAV

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Deprem MühendisliğiPamukkale Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. SELÇUK TOPRAK