Doğal afetlerden kaçış yok, deprem, sel, yanardağ patlaması, fırtına, tsunami, yangın, heyelan bir şekilde gelip bizi buluyor. Bazılarına müdahale etmeye başladık ama çoğu boyumuzu aşıyor. Peki bunların olmasını engelleyemiyorsak, sonuçlarını nasıl en iyi şekilde yönetip, zararı minimize ederiz? Bu noktada teknoloji imdadımıza yetişiyor. Yapay zeka (AI), Nesnelerin İnterneti (IoT) ve Büyük Veri gibi yıkıcı teknolojilerdeki gelişmeler ile robotik ve drone teknolojisi gibi alanlardaki yenilikler afet riskinin azaltılması ve yönetimi de dahil olmak üzere birçok alanı dönüştürüyor.   Destekleyici dijital altyapı ve cihazların, özellikle kablosuz geniş bant ağların, akıllı telefonların ve bulut bilişimin hızla yayılması, afet yönetimi için yıkıcı teknolojilerin uygulanması için güzel bir temel oluşturmaya başladı. Yıkıcı teknolojileri kullanarak kritik bilgileri daha hızlı yayabilir, felaketlerin nedenlerini daha iyi anlayabilir, erken uyarı sistemlerini geliştirebilir, yeni metotlarla hasarları değerlendirebilir, kaynak kullanımlarını doğru önceliklendirebilir ve krizlerin ardından sosyal davranışların ve ekonomik etkilerin bilgi tabanına katkıda bulunabiliriz.   Teknoloji ile Mümkün Olabilenler   Quantum bilgisayarlar 10 sene sonra depremleri 1 hafta önceden tam yer, saat, şiddet olarak tespit edene kadar aşağıdaki gelişmelerle mutlu olabiliriz:  

• Sensörler, kapalı devre kameralar, akıllı telefonlar, finansal işlemler ve bireylerin internet aktiviteleri bir veri çığı üretiyor. Bu verilerin çoğu işletmeler tarafından ticari amaçlar için çıkarılırken (bknz: ürün bedavaysa ürün sizsiniz), büyük veri analitiği afetler sonrası kriz yönetimi için muazzam bir potansiyele sahip.

 

• Ağaç sensörleri, sıcaklık, nem ve karbondioksit seviyelerini test ederek yangının nereden ne zaman patlak verdiğini, ne tarafa doğru hangi hızla ilerlediğini tespit edebilir.

 

• Yer sensörleri, depremleri işaret edebilecek yer hareketlerini tespit edebilir. Nehir seviyeleri, olası su basmalarını önceden teşhis için sensörler tarafından izlenebilir.

 

• Havadan çekilen görüntülerdeki binalar ve yollar gibi nesneler, makine öğrenmesi ile çıkarımlar yapılarak haritalar daha hızlı oluşturulabilir.

 

• Arama-kurtarma robotları ilk önce Eylül 2001'de New York'taki terörist saldırılarda yıkılan Dünya Ticaret Merkezinin enkazını temizlemek için kullanıldı. O zamandan beri, afet kullanımı için 50'den fazla afette robotik arama-kurtarma teknolojisinin kullanıldığını biliyoruz.

 

• Hızla oluşan bir felaket sırasındaki zorluklardan biri, farklı paydaşlar arasındaki bilgilerin hızlıca koordine edilmesi ve doğrulanmasıdır. Blokzinciri teknolojisi bilgi kontrolünün iyileştirilmesinde önemli bir rol oynayabilir.

 

• Facebook’un kriz bilgi uygulaması, kullanıcıların kendilerini güvenli olarak işaretlemelerine, arkadaşlarına ve ailelerine güven vermelerine, yardımların koordinasyonuna, para bağışına ve hızlı bilgi alımına olanak tanıyor.

 

• Kitlesel bilgi toplama, afet bölgelerinin haritalarına hayati detayların eklenmesine yardımcı oluyor. Uydu görüntüleri ile daha fazla ayrıntı sağlayarak, yardım çalışmalarını daha etkili ve hedefli hale getiriyor.

 

• Dijital teknolojiler, afet mağdurları için bağış toplamaya altyapı sunuyor. 2010 yılında Haiti deprem felaketinin ardından kısa mesaj yoluyla 40 milyon dolardan fazla bağış toplandı. Bazı yardım kuruluşları, Bitcoin gibi kripto para birimlerinde bağış kabul etmeye başladı.

 

• Yeni radar ekipmanları, fırtına bulutlarının içinden/üzerinden gözlem yapabiliyor ve bu sayede felaketler için uydu aktivasyonları artıyor. Örneğin tsunami etkinliğini izlemek için yüksek frekanslı okyanus radar sistemleri kullanılmaya başlandı.

  Dünyadan Vaka Çalışmaları  

• Vanuatu’da Drone’larla Hasar Tespiti

  Pam Fırtınası, 13-14 Mart 2015 tarihlerinde Vanuatu'nun Güney Pasifik takımadaları ülkesini vurdu, binlerce bina yıkıp, 75 bin kişiyi evsiz bıraktı.   Dünya Bankası’nın desteği ile uygulanan drone teknolojisi, ağ görüntüleme sayesinde durumun hızlı ve ayrıntılı bir şekilde değerlendirilmesi için değerli içgörüler sağladı, hasarlı bölgelerin haritalanmasında en hızlı yöntem olduğunu kanıtladı.

• Hindistan’daki Chennai Selinde Twitter Kullanımı

  Her sene Ekim-Aralık ayları arasında musonlar düzenli olarak Güney Hindistan'ı etkiler. Fakat 2015 yılında El Niño etkisine bağlı olarak yağış miktarı normalin yüzde 90'ından fazla oldu.   Birkaç haftalık sel sırasında 500'den fazla insanın öldüğü ve 1.8 milyon insanın yerinden taşındığı tahmin ediliyor. Acil telefon numaraları kurulmasına rağmen, aşırı yüklenmeden kaynaklı olarak sistem çöktü. Bu yüzden Facebook ve Twitter gibi sosyal medya mecraları internet erişimi olanların iletişimi için popüler bir yöntem haline geldi. Gerçek zamanlı olarak yayın yapılabilen halka açık platform Twitter Live, STK'lar, halk, devlet kurumları ve medya tarafından bilgi paylaşımında aktif kullanıldı.

• Meksika’daki Odile Fırtınasında Finansal Büyük Veri Kullanımı

    Odile Kasırgası, Meksika’nın Baja California Sur eyaletini 15–17 Eylül 2014 tarihleri arasında vurdu. Bölgeye vuran en büyük kasırgalardan biriydi ve geniş çapta hasara yol açtı.   BBVA Data ve Analitik takımından araştırmacılar ve Birleşmiş Milletler Global Pulse ekibi, kasırgadan önce, sırasında ve sonrasında eyalette afetten etkilenenler ile yapılan finansal işlemler (banka kartı ödemeleri ve ATM para çekme) arasındaki ilişkiyi araştırmak için Büyük Veri tekniklerini kullandı. Bu analiz, afet sonrası yardımları hedeflemede hangi grupların en çok etkilendiğini, normale dönmesinin ne kadar sürdüğünü ve ekonomik etki tahminlerinin nasıl üretileceğini anlamayı geliştirdi. Çalışmada, 100.000'den fazla bankacılık hizmet kullanıcısı tarafından oluşturulan, günde yaklaşık 25.000 satış noktası ve ATM’den para çekme işlemi verisi kullanıldı.

• Japonya'daki Afet Teşhis Robotları

  Japonya, felaketlerde robot kullanımı için öncü bir ülke. Tohoku Üniversitesi İnsan-Robot Bilişim Laboratuvarı, afet müdahalesi için birçok tür robot geliştirmekte.   2011 depreminden sonra Fukushima Daiichi Nükleer Santrali'nde gerçekleşen hasar, insanların doğrudan bakım onarım ve temizlik faaliyetleri gerçekleştirmesini engelleyen radyasyon nedeniyle önemli derecede robot araştırmalarını tetikledi.   En büyük zorluklardan biri, reaktörün çekirdeğindeki yakıta ne olduğunu belirleme olmuştu. Çekirdeğe nüfuz etmek için çeşitli robotlar kullanılmış, ancak başarılı olmamıştı. Son olarak, 2017'de, beş pervane, video kamera, bir dizi sensörle donatılmış ve su altında şiddetli radyasyona maruz kalacak şekilde tasarlanmış, “Little Sunfish” adlı bir robot, reaktör çekirdeğinin içindeki eksik yakıtı bulmayı başardı.

• Kolombiya'da Nehir Taşkınlarının Kontrolü için Nesnelerin İnterneti

  IoT altyapısının kurulumuna bir örnek, Kolombiya’nın Salgar köyüdür. Mayıs 2015'te yıkıcı bir heyelanı tetikleyen ve 80'den fazla ölüme neden olan Liboriana Nehri'nin su basmasının ardından, Kolombiya Hükümeti Afet Risk Yönetimi Ulusal Birimi gelecekteki riskleri azaltmak için adım attı.   IoT teknolojisini kullanan erken uyarı sistemini uygulamak için Kolombiya merkezli bir şirket görevlendirildi. Beş güneş enerjili sensör kiti, Liboriana ve diğer iki nehir boyunca su seviyelerini ve hava sıcaklığını ultrason yardımıyla izlemek için kuruldu. Güneş enerjisi kullanımı, sensörlerin elektrik kesintisi durumunda çalışmaya devam etmesini sağladı. Her bir sensör kitinin fiyatı 5200 EUR civarıydı. Belediye merkezine ve sel tehlikesi bölgelerine sirenler yerleştirildi. Engebeli arazi ve parçalı 3G kapsama alanı nedeniyle sensörler arasındaki 3G iletişimi problemliydi. Bu nedenle, sensörlerin köylerdeki kontrol merkezine veri göndermelerini ve erken uyarı sistemini etkinleştirip etkinleştirmemeye karar vermelerini sağlayan 900 MHz frekans bandında bir ağ kuruldu. Veriler, herkesin erişebilmesi için bulutta da depolandı ve kamuya açıldı. Önceden tanımlanmış kurallara göre bir risk algılandığında, yazılım otomatik olarak köy yetkililerine bir kısa mesajı gönderdi. Gerektiğinde, sirenler devreye girdi ve nehir seviyesini gösteren yanıp sönen ışıklar yakıldı. Sistem ölçeklenebilir şekilde tasarlandı, bu nedenle daha fazla sensör ve izleme noktası eklenebildi. Kolombiya Hükümeti, sistemi uygulamak için 410 milyon COP (130000 ABD Doları) harcadı.

• Deprem Tespiti ve Tahmini için Yapay Zeka

  Son yıllarda sismik verilerin hacmi katlanarak arttı ve depremleri güvenilir bir şekilde tespit edip lokasyonunu ve şiddetini noktasal tespit için imkan sağladı. Bilim adamları, yaklaşmakta olan depremler hakkında bilgi edinebilmek için sismik kayıtlar üzerinde tekrarlayan sinyalleri tespit etmeye gayret ediyor. Yapay zekadaki son gelişmeler, depremleri önceden tahmin etme potansiyeline sahip fakat şimdiye kadar başarılı bir uygulama çıkmadı. Sismometreler yeryüzündeki titreşimleri algılar ve dalga formlarını grafiksel olarak kaydeder. Titreşimlerin kontrol istasyonlarına ulaşma mesafeleri geleneksel olarak depremleri üçgenleme yoluyla bulmak için kullanılır. Daha yeni teknikler, bir deprem merkez üssünü daha kesin olarak tespit etmek için diğer olaylarla birleştirilen dalga formlarını analiz etmek için bilgisayar yazılımı kullanıyor. Bu yaklaşım, çapraz korelasyon ve çok olaylı konum yazılımı kullanılarak analiz edilen genişletilmiş bir zaman serisi dalga formu gerektiriyor. Uzun yıllar süren deprem dalga formlarını analiz etmek, önemli bir hesaplama gücü gerektirir. İşlem süresini azaltmanın bir yolu, ilgili dalga formlarının bir alt kümesini seçmektir. Parmak İzi ve Benzerlik Eşiği (FAST) olarak adlandırılan yeni bir teknik, dalga formlarından özellikler (parmak izleri) seçerek eşleşen şablonlarla ilgili işlemi azaltır. Bu yöntemlerin sakıncası, konum bilgisinin kaybolmasıdır. Yeni bir yaklaşım, konum bilgisini korurken dalga formu analiz işlemini azaltmak için yapay zeka kullanıyor. Harvard Üniversitesi ve MIT’de bir araştırma ekibi tarafından geliştirilen ConvNetQuake, evrişimli sinir ağı bilgisayarlarının öğrenilmesine dayanan yapay zeka uyguluyor. Geliştirilen yazılım, büyük dalga formu veri setlerini analiz etmek ve gürültü ile gerçek deprem sinyalleri arasında ayrım yapmak için eğitildi. Dalga formlarını geçmiş verilerle eşleştirmek yerine, yazılım bunları filtreleyerek eşleşen şablonlar kitaplığına duyulan ihtiyacı ortadan kaldırıyor. Biz Ne Yapabiliriz?   Sismik açıdan oldukça aktif bir ülke olan ülkemiz, Avrasya-Arap-Afrika levhası arasında yer alıyor. Türkiye, sınırları içerisinde Kuzey Anadolu Fay Hattı, Doğu Anadolu Fay Hattı ve Batı Anadolu Fay Hattıyla deprem kuşağında bulunuyor.   Türkiye'de 10 Eylül 1509'da 7,2 büyüklüğünde "Büyük İstanbul Depremi", 23 Şubat 1653'de 7,5 büyüklüğünde "Doğu İzmir Depremi", 17 Ağustos 1668'de 8 büyüklüğünde "Anadolu Depremi", 10 Temmuz 1688'de 7 büyüklüğünde "İzmir Depremi", 3 Nisan 1881'de 7,3 büyüklüğünde "Sakız Adası Depremi" ve 10 Temmuz 1894'te 7 büyüklüğünde "İstanbul Depremi" oldu.  1900-1939 yılları arasında ise 9 Ağustos 1912'de 7,3 büyüklüğünde "Mürefte Depremi", 18 Kasım 1919'da 7 büyüklüğünde "Ayvalık Depremi" ve 7 Mayıs 1930'da 7,6 büyüklüğünde "Hakkari Depremi" meydana geldi.  1939-2018 yılları arasında Erzincan, Erbaa, Ladik, Gerede, Yenice, Fethiye, Abant, Manyas, Gediz, Muradiye, İzmit, Düzce ve Van depremleri yaşandı. Uzmanlar, Türkiye nüfusunun yüzde 60'a yakınının, faal olan ve zarar verebilen deprem alanları üzerinde yerleştiğini ifade ediyor. Türkiye'deki binaların kentsel dönüşüm projesi kapsamında depreme dayanıklı yapılması hedefleniyor fakat bu dönüşüm tamamlanana kadar teknolojik altyapımızı geliştirmememiz için hiçbir neden yok. Başlangıç Noktası ekibi olarak, akıllı şehir uzmanı ve politikacı Taylan Yıldız’ın başını çektiği bir grup ile beraber deprem teknolojileri üzerine bir hackathon yapmayı planlıyoruz.  Problem olarak deprem anında ve sonrasında yaşanan koordinasyon sorununun seçilmesi kuvvetle muhtemel. Veri bilimcileri (Kodluyoruz ekibi, İTÜ öğrencileri gibi), deprem uzmanları (Volkan Sevilgen gibi), kriz anı uzmanları (Nasuh Mahruki gibi), sosyologlar, psikologlar, akıllı şehir uzmanları bu hackathon için çalışmaya başladı bile.   Referans: https://www.itu.int/en/ITU-D/Emergency-Telecommunications/Documents/2019/GET_2019/Disruptive-Technologies.pdf