Yapay Zeka ile Doğal Afet Öngörüsü ve Yönetimi

Eğitim Hakkında

Bu eğitim, afet yönetimi alanında çalışan teknik uzmanların sel, yangın, heyelan, kuraklık ve deprem risklerini yapay zeka ve mekânsal analizle modellemesi ve müdahale süreçlerini veriyle yönetmesi için tasarlanmış beş günlük ileri düzey bir programdır. Katılımcılar CBS ve uydu verisi, tehlike modelleri, erken uyarı, hasar tespiti ve lojistik optimizasyonunu Python laboratuvarlarında uygular.

Neden Bu Eğitim?

Çoklu Tehlike Yaklaşımı. Sel, yangın, heyelan, kuraklık ve depremi ortak bir veri ve modelleme çerçevesinde bütüncül olarak ele alın.

Bilimsel Gerçekçilik. Yapay zekanın neyi öngörebildiğini ve neyi öngöremediğini ayırt ederek güvenilir ve sorumlu çözümler kurun.

Müdahaleye Hazır Çıktı. Hasar haritası, ihtiyaç analizi ve rota optimizasyonuyla afet anında karar vericiye doğrudan destek sağlayın.

“Afetleri durduramayız; ancak riski önceden okuyan ve ilk saatlerde doğru kararı veren sistemlerle kayıpları azaltabiliriz.”

Ön Koşullar

Python veya CBS — Python ile temel veri analizi yapabilmek ya da QGIS veya ArcGIS ile mekânsal veri deneyimi.
Temel İstatistik — Olasılık, regresyon ve sınıflandırma başarımı gibi temel istatistik kavramlarına aşinalık.
Afet Alanı Bilgisi — Afet yönetimi süreçlerine veya tehlike ve risk kavramlarına genel düzeyde aşinalık.
Çalışma Ortamı — Python 3, Jupyter ve QGIS kurulu bilgisayar ile Google Earth Engine hesabına erişim.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiAfet yönetimi döngüsünde yapay zekanın rolünü kavramak, afet verisi kaynaklarını tanımak ve CBS ile uzaktan algılama verilerini analiz için hazırlamak.

Modül 1

Afet Yönetiminde Yapay Zekanın Rolü

Afet yönetimi döngüsü: zarar azaltma, hazırlık, müdahale
Sendai Afet Risk Azaltma Çerçevesi ve öncelikleri
Türkiye Afet Müdahale Planı (TAMP) ve kurumsal yapı
Tehlike, maruziyet, zarar görebilirlik ve risk kavramları
Öngörü, erken uyarı, hasar tespiti ve lojistikte yapay zeka
Vaka: Uluslararası afetlerde yapay zeka kullanım örnekleri

Modül 2

Afet Verisi Kaynakları ve Veri Yönetimi

Meteorolojik gözlem, radar ve ERA5 reanaliz verileri
Sismik ağlar, deprem katalogları ve AFAD veri servisleri
Nüfus, yapı stoku ve kritik altyapı envanter verileri
Sosyal medya, mobil ve IoT sensör kaynaklı veriler
Veri kalitesi, eksik gözlem ve zaman-mekân hizalaması
Uygulama: Pilot il için afet veri envanteri oluşturma

Modül 3

Coğrafi Bilgi Sistemleri ve Mekânsal Analiz

Vektör ve raster veri, koordinat sistemleri ve projeksiyon
QGIS ile tehlike ve maruziyet katmanlarının birleştirilmesi
GeoPandas ve Rasterio ile Python'da mekânsal analiz
Sayısal yükseklik modeli, eğim ve akış analizi
Mekânsal birleştirme ve etki alanı nüfus hesabı
Laboratuvar: Taşkın tehlike bölgesinde etkilenen nüfus

Modül 4

Uzaktan Algılama ve Uydu Görüntüsü İşleme

Optik ve radar (SAR) uydu görüntülerinin farkları
Sentinel-1, Sentinel-2 ve Landsat veri ürünleri
Google Earth Engine ile büyük ölçekli görüntü analizi
Spektral indeksler: NDVI, NDWI ve yanık alan indeksleri
Laboratuvar: Sentinel-2 ile afet öncesi-sonrası karşılaştırma
Günün değerlendirmesi ve tehlike modelleme gününe köprü

Günün hedefiSel, orman yangını, heyelan ve kuraklık risklerini makine öğrenmesiyle modellemek, duyarlılık haritaları üretmek ve erken uyarı için tahmin modelleri geliştirmek.

Modül 1

Sel ve Taşkın Tahmini

Hidrolojik modeller ile veri odaklı modellerin karşılaştırması
Yağış-akış ilişkisinin LSTM ile zaman serisi modellemesi
SAR görüntüleriyle taşkın alanı haritalama yöntemleri
Google Flood Hub ve küresel taşkın tahmin sistemleri
Ani sel riski ve kentsel drenaj kaynaklı taşkınlar
Laboratuvar: Sentinel-1 ile taşkın yayılım haritası

Modül 2

Orman Yangını Riski ve Tespiti

Yangın hava indeksleri ve yakıt nemi değişkenleri
Gradyan artırma ile günlük yangın risk tahmini
NASA FIRMS aktif yangın verisi ve uydu tabanlı tespit
Kamera ve drone görüntüsüyle erken duman tespiti
Yanık alan haritalama ve yangın sonrası rehabilitasyon
Laboratuvar: İl ölçeğinde yangın risk sınıflandırma modeli

Modül 3

Heyelan Duyarlılık Haritalaması

Heyelan envanteri ve koşullandırıcı faktörlerin seçimi
Eğim, litoloji, arazi örtüsü ve yağış değişkenleri
Random Forest ve lojistik regresyon ile duyarlılık modeli
Mekânsal çapraz doğrulama ve ROC-AUC değerlendirmesi
InSAR ile yavaş yamaç hareketlerinin izlenmesi
Laboratuvar: Heyelan duyarlılık haritası üretimi

Modül 4

Kuraklık İzleme ve İklim Riski

Standart yağış indeksi (SPI) ve SPEI kuraklık göstergeleri
Uydu tabanlı bitki örtüsü ve toprak nemi göstergeleri
Mevsimsel tahminler ve kuraklık erken uyarı yaklaşımları
İklim değişikliği senaryolarının afet riskine etkisi
Uygulama: Havza için kuraklık izleme göstergeleri panosu
Günün değerlendirmesi ve deprem gününe köprü

Günün hedefiDeprem tehlikesinin bilimsel temellerini kavramak, sismik veride makine öğrenmesi uygulamak, erken uyarı sistemlerini tanımak ve bina hasar öngörüsü modellemek.

Modül 1

Deprem Tehlikesi ve Risk Değerlendirmesi

Deprem tahmini ile olasılıksal tehlike analizi farkı
Kısa vadeli deprem tahmininin bilimsel sınırları
Türkiye Deprem Tehlike Haritası ve yer hareketi parametreleri
Yerel zemin koşulları ve zemin büyütmesi etkisi
Deprem senaryosu ve olası kayıp tahmini yaklaşımı
Vaka: 6 Şubat 2023 Kahramanmaraş depremlerinden dersler

Modül 2

Sismik Veride Makine Öğrenmesi

Sismogram yapısı ile P ve S dalgası fazlarının tanınması
Derin öğrenme ile faz tespiti: PhaseNet ve EQTransformer
SeisBench ile önceden eğitilmiş sismik modellerin kullanımı
Otomatik deprem kataloğu oluşturma ve artçı sarsıntı analizi
Gürültü ile deprem sinyalinin ayrıştırılması
Laboratuvar: ObsPy ve SeisBench ile faz tespiti

Modül 3

Deprem Erken Uyarı Sistemleri

Erken uyarının çalışma prensibi ve uyarı süresi sınırları
İstasyon tabanlı ve akıllı telefon tabanlı erken uyarı
Makine öğrenmesi ile hızlı büyüklük kestirimi
Otomatik eylemler: doğalgaz, raylı sistem ve asansör kontrolü
Yanlış alarm, kaçırılan uyarı ve toplumsal güven dengesi
Vaka: Japonya ve Meksika erken uyarı sistemlerinin incelemesi

Modül 4

Yapı Stoku ve Hasar Öngörüsü

Bina envanteri ve yapısal zarar görebilirlik sınıfları
Makine öğrenmesi ile bina hasar olasılığı modellemesi
Hızlı görsel tarama ve saha verisinin modele entegrasyonu
Kentsel dönüşüm önceliklendirmesinde risk skorları
Laboratuvar: Mahalle bazlı hasar senaryosu haritası
Günün değerlendirmesi ve afet müdahalesi gününe köprü

Günün hedefiUydu ve drone görüntüleriyle hızlı hasar tespiti yapmak, kriz bilgisini sosyal medyadan çıkarmak, yardım lojistiğini optimize etmek ve uyarı iletişimini tasarlamak.

Modül 1

Görüntülerden Hızlı Hasar Tespiti

Afet sonrası uydu ve drone görüntüsü edinim süreçleri
Copernicus Acil Durum Yönetim Hizmeti ürünleri
xBD veri seti ve bina hasar sınıflandırma ölçeği
U-Net ve değişim tespiti modelleriyle hasar haritalama
Model çıktılarının saha ekipleriyle doğrulanması
Laboratuvar: Öncesi-sonrası görüntüyle bina hasar tespiti

Modül 2

Kriz Bilgisi ve Sosyal Medya Analitiği

Afet anında sosyal medya ve çağrı merkezi verisinin değeri
Yardım talebi, enkaz altı bildirimi ve ihtiyaç sınıflandırma
Metinlerden konum çıkarımı ve olay haritalama
Mükerrer bildirim ve yanlış bilginin tespiti
LLM ile durum raporu ve koordinasyon özeti üretimi
Laboratuvar: Kriz mesajlarının sınıflandırılıp haritalanması

Modül 3

Yardım Lojistiği ve Kaynak Optimizasyonu

Talep tahmini: barınma, gıda, su ve sağlık ihtiyaçları
Depo yeri seçimi ve ön konuşlandırma optimizasyonu
Araç rotalama ve hasarlı yol ağında erişilebilirlik
Arama-kurtarma ekiplerinin sahaya önceliklendirilmesi
Google OR-Tools ile rota optimizasyonu uygulaması
Laboratuvar: Yardım dağıtım rotalarının optimizasyonu

Modül 4

Erken Uyarı İletişimi ve Tahliye

Etkili erken uyarı: son kilometre ve anlaşılır mesaj
Hücre yayını (cell broadcast) ve çok kanallı uyarı
Tahliye rotası, toplanma alanı erişimi ve kapasite analizi
Engelli, yaşlı ve kırılgan grupların ihtiyaçlarını gözetme
Vaka: Taşkın erken uyarısında toplum temelli yaklaşım
Günün değerlendirmesi ve karar destek gününe köprü

Günün hedefiAfet modellerini bütünleşik karar destek sistemine dönüştürmek, etik ve veri paylaşımı ilkelerini yönetmek ve uçtan uca afet yapay zeka projesini sunmak.

Modül 1

Afet Karar Destek Sistemi Mimarisi

Veri akışı, model servisleri ve ortak operasyon resmi
Belirsizliğin karar vericiye anlaşılır biçimde sunumu
Senaryo tabanlı tatbikat ve masa başı simülasyonlar
Kentsel dijital ikiz ile afet senaryosu analizi
Kurumlar arası birlikte çalışabilirlik ve standartlar
Demo: Tehlike, maruziyet ve lojistiği birleştiren pano

Modül 2

Etik, Güvenilirlik ve Veri Paylaşımı

Afet anında kişisel veri işleme ve KVKK hukuki dayanakları
Model hataları: kaçırılan riskin ve yanlış alarmın maliyeti
Kırılgan bölgelerde veri eksikliği kaynaklı yanlılık
Kurumlar arası ve uluslararası afet verisi paylaşımı
Açık veri, açık kaynak ve insani yardım veri ilkeleri
Tartışma: Otomatik kararlar ve insan sorumluluğu

Modül 3

Final Projesi: Afet Yapay Zeka Çözümü

Proje kapsamı: tehlike seçimi, pilot bölge ve karar ihtiyacı
Takım çalışması: veri hazırlığı ve model geliştirme
Belirsizlik, doğrulama ve sınırlılıkların raporlanması
Operasyonel entegrasyon ve sorumlu kurum planı
Mentor destekli teknik gözden geçirme oturumu
Uygulama: Karar vericiye yönelik sunum hazırlığı

Modül 4

Proje Sunumları, Değerlendirme ve Kapanış

Takım sunumları ve afet yöneticisi rolünde geri bildirim
Kurumsal uygulama için yol haritası önerileri
Afet yapay zekası alanında güncel kaynaklar ve ağlar
Program çıktılarının kurumsal paylaşım planı
Genel değerlendirme ve Soru-Cevap oturumu
Sertifikaların takdimi ve kapanış oturumu

Eğitim Kazanımları

Mekânsal Analiz — CBS ve Python ile tehlike, maruziyet ve nüfus katmanlarını birleştirerek risk analizleri yapabileceksiniz.
Uydu Verisi — Sentinel ve Landsat görüntülerini Google Earth Engine ile işleyip afet öncesi ve sonrası değişimi ölçebileceksiniz.
Tehlike Modelleme — Sel, yangın, heyelan ve kuraklık için makine öğrenmesi tabanlı tahmin ve duyarlılık modelleri geliştireceksiniz.
Deprem Bilimi — Deprem tahmini ile olasılıksal tehlike analizini ayırt ederek sismik veride derin öğrenme modellerini kullanacaksınız.
Erken Uyarı — Erken uyarı sistemlerinin olanaklarını, sınırlarını ve etkili son kilometre iletişim ilkelerini uygulayabileceksiniz.
Hasar Tespiti — Uydu ve drone görüntülerinden derin öğrenmeyle hızlı bina hasar haritaları üretip sahada doğrulatabileceksiniz.
Afet Lojistiği — İhtiyaç tahmini ve rota optimizasyonuyla yardım dağıtımını ve ekip konuşlandırmasını planlayabileceksiniz.
Karar Desteği — Modelleri belirsizliği açıkça gösteren, etik ve veri paylaşım ilkelerine uygun karar destek sistemine dönüştüreceksiniz.

Kimler İçin Uygundur?

Afet ve acil durum yönetimi uzmanları
CBS ve uzaktan algılama analistleri
belediye ve kamu teknik ekipleri
meteoroloji ve hidroloji uzmanları ile araştırmacılar.

Sıkça Sorulan Sorular

Yapay Zeka ile Doğal Afet Öngörüsü ve Yönetimi Eğitimi kimler için uygundur?

Program; afet ve acil durum yönetimi uzmanları, CBS ve uzaktan algılama analistleri, belediye ve kamu kurumlarının teknik ekipleri, meteoroloji ve hidroloji uzmanları ile afet alanında çalışan araştırmacılar için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi formatta verilir?

Eğitim 5 tam gün sürer ve 20 modülden oluşur. Kurumun tercihine göre Digital Vizyon Akademi sınıflarında, kurum lokasyonunda veya online olarak gerçekleştirilir.

Yapay zeka depremleri önceden tahmin edebilir mi?

Hayır. Güncel bilimsel bilgiye göre depremlerin zamanı, yeri ve büyüklüğü kısa vadede güvenilir biçimde tahmin edilemez. Eğitimde yapay zekanın olasılıksal tehlike analizi, sismik veri işleme, erken uyarı ve hasar öngörüsündeki gerçekçi katkıları ele alınır.

Eğitimde hangi araç ve veri kaynakları kullanılıyor?

Uygulamalarda QGIS, GeoPandas, Rasterio, Google Earth Engine, ObsPy, SeisBench ve Google OR-Tools kullanılır; Sentinel-1, Sentinel-2, Landsat, ERA5, NASA FIRMS ve Copernicus Acil Durum Yönetim Hizmeti gibi açık veri kaynaklarından yararlanılır.

Eğitime katılmak için hangi ön bilgiler gerekiyor?

Python ile temel veri analizi veya QGIS ve ArcGIS gibi bir CBS yazılımıyla çalışma deneyimi ve temel istatistik bilgisi beklenir. Laboratuvarlar hazır not defterleriyle yürütüldüğünden iki alandan birinde deneyim yeterlidir.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

YAPAY ZEKA İLE DOĞAL AFET ÖNGÖRÜSÜ VE YÖNETİMİ EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Afet Yönetiminde Yapay Zekanın Rolü

Afet Verisi Kaynakları ve Veri Yönetimi

Coğrafi Bilgi Sistemleri ve Mekânsal Analiz

Uzaktan Algılama ve Uydu Görüntüsü İşleme

Sel ve Taşkın Tahmini

Orman Yangını Riski ve Tespiti

Heyelan Duyarlılık Haritalaması

Kuraklık İzleme ve İklim Riski

Deprem Tehlikesi ve Risk Değerlendirmesi

Sismik Veride Makine Öğrenmesi

Deprem Erken Uyarı Sistemleri

Yapı Stoku ve Hasar Öngörüsü

Görüntülerden Hızlı Hasar Tespiti

Kriz Bilgisi ve Sosyal Medya Analitiği

Yardım Lojistiği ve Kaynak Optimizasyonu

Erken Uyarı İletişimi ve Tahliye

Afet Karar Destek Sistemi Mimarisi

Etik, Güvenilirlik ve Veri Paylaşımı

Final Projesi: Afet Yapay Zeka Çözümü

Proje Sunumları, Değerlendirme ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi