Makine öğrenmesi kullanılarak çevresel radyoaktivite seviyesi tahmini ve Türkiye'nin yüksek çözünürlüklü radyasyon haritasının oluşturulması: Çevrimiçi bir hesaplama modülünün geliştirilmesi
Yükleniyor...
Dosyalar
Tarih
2026
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Artvin Çoruh Üniversitesi, Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Doğal radyasyonun mekânsal dağılımının doğru bir şekilde haritalanması, halk sağlığı ve çevresel risk yönetimi için temel bir gerekliliktir. Ancak, Türkiye'nin mevcut çevresel radyasyon haritalarının mekânsal çözünürlüğü sınırlıdır ve yerel ölçekteki değişimleri yansıtmada yetersiz kalmaktadır. Bu çalışmanın temel amacı, Türkiye'nin toprak kökenli doğal radyonüklid (Ra-226, Th-232, K-40) konsantrasyonlarını, modern veri bilimi tekniklerini kullanarak 300×300 m² gibi yüksek bir mekânsal çözünürlükte tahmin etmek, bu tahminlere dayalı ulusal bir radyasyon haritası oluşturmak ve sonuçları etkileşimli bir çevrim içi platformda sunmaktır.
Bu hedefe ulaşmak için çok adımlı hibrit bir metodoloji izlenmiştir. İlk olarak, Ortam Gama Doz Hızı (AGDR) ve ilişkili mekânsal belirsizliği, Radyasyon İzleme ve Uyarı Sistemi Ağı (RADİSA) verileri kullanılarak Sıralı Gauss Simülasyonu (SGS) ile modellenmiştir. İkinci olarak, Kozmik Gama Doz Hızı (CGDR) ise, hesaplama maliyeti yüksek olan EXPACS (EXcel-based Program for calculating Atmospheric Cosmic-ray Spectrum) fiziksel modelini taklit eden bir makine öğrenmesi vekil modeli ile ülke sathı için tahmin edilmiştir. Son olarak bu mekânsal katmanlar, coğrafi değişkenlerle (enlem, boylam, rakım vb.) ve Türkiye Radyoaktivite Atlası’ndan sayısallaştırılan verilerle birleştirilerek nihai radyonüklid tahmin modelleri geliştirilmiştir. Model geliştirme sürecinde, Aşırı Gradyan Arttırma (XGBoost) algoritmasının en yüksek performansı sergilediği tespit edilmiştir.
Çalışma sonucunda, Türkiye’nin ilk yüksek çözünürlüklü Ra-226, Th-232, K-40 ve bu değerlerden türetilen Karasal Gama Doz Hızı (TGDR) haritaları üretilmiştir. Haritalardaki mekânsal desenlerin, ülkenin bilinen uranyum/toryum yatakları ve ana jeolojik formasyonları ile güçlü bir uyum sergilediği gözlemlenmiştir. Modelin geçerliliği, eğitim sürecinde kullanılmamış harici ve noktasal ölçüm verileriyle de ayrıca sınanmış ve hem ilçe hem de noktasal (tek koordinat değeri) ölçekte anlamlı bir doğruluk sergilediği kanıtlanmıştır. Çalışmanın somut bir çıktısı olarak, tüm bu sonuçların sorgulanabildiği interaktif bir çevrim içi haritalama ve analiz aracı geliştirilerek kamu erişimine sunulmuştur. Bu araca https://01994506-2a67-920b-dbefa71795421468.share.connect.posit.cloud/ adresinden ulaşılabilir.
Bu çalışma, ulusal ölçekte bir radyasyon haritalama problemine getirdiği yenilikçi hibrit metodoloji, ürettiği yüksek çözünürlüklü ve doğrulanmış mekânsal veri setleri ve bilimsel çıktıyı pratik bir araca dönüştürmesiyle literatürdeki önemli bir boşluğu doldurmaktadır.
Accurate mapping of the spatial distribution of natural radiation is a fundamental prerequisite for public health and environmental risk management. However, the existing environmental radiation maps of Türkiye have limited spatial resolution and are inadequate for representing local-scale variations. The primary objective of this study is to predict the concentrations of terrestrial primordial radionuclides (226Ra, 232Th, 40K) across Türkiye at a high spatial resolution of 300x300 m² using modern data science techniques, to generate a national radiation map based on these predictions, and to present the results on an interactive online platform. A multi-step hybrid methodology was implemented to achieve this goal. Firstly, the Ambient Gamma Dose Rate (AGDR) and its associated spatial uncertainty were modeled using data from the Radiation Monitoring and Warning System Network (RADISA) with Sequential Gaussian Simulation (SGS). Secondly, the Cosmic Gamma Dose Rate (CGDR) was predicted for the entire country via a machine learning surrogate model that emulates the computationally expensive EXPACS (EXcel-based Program for calculating Atmospheric Cosmic-ray Spectrum) physical model. Finally, these spatial layers were combined with geographic variables (latitude, longitude, altitude) and data digitized from the Radioactivity Atlas of Türkiye to develop the final radionuclide prediction models. During the model development process, the Extreme Gradient Boosting (XGBoost) algorithm was identified as the top-performing model. The study resulted in the production of Türkiye's first high-resolution maps for Ra-226, Th-232, K-40, and the derived Terrestrial Gamma Dose Rate (TGDR). It was observed that the spatial patterns in the maps show strong agreement with the country's known uranium/thorium deposits and major geological formations. The model's validity was also tested against an external, point-based measurement dataset not used during the training process, where it demonstrated significant accuracy at both district and point scales. As a tangible output of the study, an interactive online mapping and analysis tool, allowing for the querying of all results, was developed and made publicly available. This tool can be accessed at https://01994506-2a67-920b-dbefa71795421468.share.connect.posit.cloud/ . This study fills a significant gap in the literature through its innovative hybrid methodology for a national-scale radiation mapping problem, its production of highresolution and validated spatial datasets, and its translation of scientific output into a practical tool.
Accurate mapping of the spatial distribution of natural radiation is a fundamental prerequisite for public health and environmental risk management. However, the existing environmental radiation maps of Türkiye have limited spatial resolution and are inadequate for representing local-scale variations. The primary objective of this study is to predict the concentrations of terrestrial primordial radionuclides (226Ra, 232Th, 40K) across Türkiye at a high spatial resolution of 300x300 m² using modern data science techniques, to generate a national radiation map based on these predictions, and to present the results on an interactive online platform. A multi-step hybrid methodology was implemented to achieve this goal. Firstly, the Ambient Gamma Dose Rate (AGDR) and its associated spatial uncertainty were modeled using data from the Radiation Monitoring and Warning System Network (RADISA) with Sequential Gaussian Simulation (SGS). Secondly, the Cosmic Gamma Dose Rate (CGDR) was predicted for the entire country via a machine learning surrogate model that emulates the computationally expensive EXPACS (EXcel-based Program for calculating Atmospheric Cosmic-ray Spectrum) physical model. Finally, these spatial layers were combined with geographic variables (latitude, longitude, altitude) and data digitized from the Radioactivity Atlas of Türkiye to develop the final radionuclide prediction models. During the model development process, the Extreme Gradient Boosting (XGBoost) algorithm was identified as the top-performing model. The study resulted in the production of Türkiye's first high-resolution maps for Ra-226, Th-232, K-40, and the derived Terrestrial Gamma Dose Rate (TGDR). It was observed that the spatial patterns in the maps show strong agreement with the country's known uranium/thorium deposits and major geological formations. The model's validity was also tested against an external, point-based measurement dataset not used during the training process, where it demonstrated significant accuracy at both district and point scales. As a tangible output of the study, an interactive online mapping and analysis tool, allowing for the querying of all results, was developed and made publicly available. This tool can be accessed at https://01994506-2a67-920b-dbefa71795421468.share.connect.posit.cloud/ . This study fills a significant gap in the literature through its innovative hybrid methodology for a national-scale radiation mapping problem, its production of highresolution and validated spatial datasets, and its translation of scientific output into a practical tool.
Açıklama
Anahtar Kelimeler
Çevresel radyoaktivite, Radyasyon haritalama, Makine öğrenmesi, Jeoistatistik, Mekânsal tahmin, Türkiye, Environmental radioactivity, Radiation mapping, Machine learning, Geostatistics, Spatial prediction
