Forecasting of Climate Change by Using Big Data and Machine Learning With Python Program

Abstract

İklim değişikliği, dünyanın genel iklim düzeninde önemli ve kalıcı değişiklikleri kapsamaktadir. Dahası, 'büyük veri' terimi, hacimde sürekli genişleme ve hızlı akışla karakterize edilen ve genellikle beş V'yle ayırt edilen çok çeşitli veri türleri dizisiyle ilgilidir. Bu çalışmanın temel amacı, Türkiye, Amerika Birleşik Devletleri, Almanya, Irak ve Çin ülkelerine ilişkin karbon emisyonları, sera gazı emisyonları ve çevre ticareti verilerinin incelenmesi etrafında şekillenmektedir. Ek olarak araştırma, söz konusu ülkelerdeki hava sıcaklığı, yüzey sıcaklığı ve hava ile ilgili felaketler gibi çeşitli faktörlerle ilişki kurmaya çalışmaktadır. Bu araştırmada kullanılan veriler Uluslararası Para Fonu'nun resmi internet sitesinden temin edilmiştir. Bu araştırma amacına ulaşmak için, çalışma Shapley Katkısal Açıklama metodolojisini ve Python tabanlı bir program aracılığıyla yürütülen doğrusal olmayan bir harici giriş otoregresif ağını kullanmaktadır. Bu teknikler, büyük veri ve makine öğrenimi metodolojilerinin birleşiminden yararlanılarak iklim değişikliğini tahmin etmek için kullanılmaktadir. Bu çalışmanın sonuçları, Amerika Birleşik Devletleri'nin düşük karbonlu teknoloji ürünlerine ilişkin ticaret dengesindeki üniter bir artışın, ortalama küresel yüzey sıcaklığı değişkeninde 0,042 birimlik bir artışa yol açtığını ortaya koymaktadır. Ayrıca, ABD'nin çevre ürünleri ihracatının toplam ihracat içindeki payının bir birimlik artması, ortalama küresel yüzey sıcaklığı değişkeninde 0,028 birimlik bir artışa neden olmaktadır. Almanya bağlamında, çevresel mallar değişkenindeki toplam ticaretteki bir birimlik artış, Arazi Örtüsü Odunsu Bitkiler değişkeninde 8.745 birimlik kayda değer bir azalmaya karşılık gelmektedir. Buna ek olarak, Almanya (Atık Su Yönetimi Harcamaları) değişkenindeki bir birimlik artış, Arazi Örtüsü (Çalılarla Örtülü Alanlar) değişkeninde 193.482 birimlik önemli bir artışa yol açmaktadır. Bu araştırmadaki tüm grafik gösterimler, ortalama küresel yüzey sıcaklığı değişkeninin, diğer tüm değişkenlerle karşılaştırıldığında NARX modeliyle en yakın uyumu sergilediğini tutarlı bir şekilde ortaya koyuyor ve bu da modelin sonuç üretmedeki güvenilirliğini göstermektedir.Climate change encompasses substantial and enduring modifications in the Earth's overarching climatic patterns. Moreover, the term 'big data' pertains to a diverse array of data types, characterized by continuous expansion in volume and rapid influx, often distinguished by the quintessential five Vs. This study's principal aim revolves around the examination of carbon emissions, greenhouse gas emissions, and environmental trade data concerning the countris of Türkiye the United States, Germany, Iraq, and China. Additionally, the research endeavors to establish associations with various factors, such as air temperature, surface temperature, and weather-related calamities within these respective countries. The data utilized in this investigation were procured from the official website of the International Monetary Fund. To accomplish this research objective, the study employs the Shapley Additive Explanation methodology and a nonlinear external input autoregressive network, executed through a Python-based program. These techniques are harnessed to prognosticate climate change utilizing the amalgamation of big data and machine learning methodologies. The outcomes of this study reveal that a unitary increment in the United States' trade balance related to low-carbon technology products results in a 0.042-unit elevation in the mean global surface temperature variable. Furthermore, a one-unit augmentation in the United States' exports of environmental goods as a proportion of total exports induces a 0.028-unit surge in the mean global surface temperature variable. In the context of Germany, a one-unit increase in the total trade in environmental goods variable corresponds to a noteworthy 8.745-unit reduction in the Land Cover Woody Crops variable. Additionally, a one-unit increase in the Germany (Expenditure on Waste Water Management) variable leads to a substantial 193,482-unit escalation in the Land Cover (Shrub-covered Areas) variable. All graphical representations within this investigation consistently evince that the mean global surface temperature variable exhibits the closest alignment with the NARX model in comparison to all other variables, signifying the model's reliability in generating results.