NASA uyduları ve dbt ile ücretsiz karbon kredi risk modeli nasıl oluşturulur?

Verra Kayıt Sistemi’nde yer alan tüm mavi karbon projelerini değerlendirebilen bir kalıcılık risk puanlama sistemini sadece üç haftada açık kaynaklı olarak hayata geçirdim. Bu süreçte NASA’dan canlı yangın uyarıları, Dünya Bankası verileri ve modern veri araçlarını birleştirdim. İşte size adım adım ilerleyen bu yolculuğun detayları.

Projeye ilham veren temel unsurlar

Mavi karbon projeleri, deniz ve kıyı ekosistemlerinde depolanan karbonu korumayı ve artırmayı hedefler. Ancak bu projelerin başarıya ulaşma olasılığı, yangınlar, ormansızlaşma ve yerel yönetişim gibi birçok faktöre bağlıdır. Ben de bu riskleri objektif verilerle ölçebilen bir sistem geliştirmek istedim. Projeyi oluştururken kullandığım temel araçlar ise şunlar oldu:

• NASA FIRMS API: Yangın olaylarını anında tespit eden uydu tabanlı bir sistem.
• Dünya Bankası API: Son dokuz yıldaki ormansızlaşma verilerine erişim.
• dbt ve DuckDB: Verilerin modellenmesi, test edilmesi ve analizinin kolaylaştırılması.
• Streamlit: Kullanıcı dostu bir arayüz üzerinden sonuçların görselleştirilmesi.
• GitHub Actions: Her kod değişikliğinde otomatik entegrasyon ve dağıtım.

Veri akışının karmaşıklığına karşı teknik çözümler

Veri toplama ve entegrasyon sürecinde karşıma çıkan teknik zorluklar, projemi daha sağlam ve esnek hale getirdi. Bu süreçte karşılaştığım başlıca engeller ve geliştirdiğim çözümler şunlardı:

NASA FIRMS API kullanımında karşılaşılan sorunlar

NASA FIRMS API’ye erişim sağlamak için genellikle bearer token kullanılır. Ancak benim projede karşılaştığım durumda, API anahtarının MAP_KEY olarak adlandırılan özel bir parametreyle gönderilmesi gerekiyordu. Bu farklılığı fark edene kadar birkaç saatimi harcadım. API anahtarını doğru şekilde tanımlamak için aşağıdaki yapıyı kullandım:

curl "

Dünya Bankası API uç noktalarındaki değişiklikler

Dünya Bankası’nın İyi Yönetişim Göstergeleri (WGI) verilerine ulaşmak için kullandığım uç nokta, proje süresince birkaç kez değiştirildi. Bu durum, sürekli olarak API belgelerini kontrol etme ve kodumu buna göre güncelleme zorunluluğunu doğurdu. Sonunda, en güncel uç noktayı kullanarak verileri toplamayı başardım.

Veri setlerinin birleştirilmesi ve kimlik eşleştirmesi

Verra Kayıt Sistemi’nde projeler numerik kimliklerle temsil edilirken, Berkeley Verification Systems tarafından kullanılan kimlikler VCS1234 formatındaydı. Bu iki farklı kimlik sistemi arasındaki eşleştirmeyi sağlamak için string işleme tekniklerinden faydalandım. Aşağıdaki Python kodu, bu eşleştirmeyi nasıl gerçekleştirdiğimi gösteriyor:

verra_id = "12345"
berkeley_id = f"VCS{verra_id}"
# Örnek çıktı: VCS12345

Geliştirilen modelin özellikleri ve kullanım alanları

Oluşturduğum model, mavi karbon projelerinin maruz kaldığı riskleri çeşitli kategorilere ayırarak değerlendiriyor. Bu kategoriler arasında yangın riski, ormansızlaşma baskısı ve yerel yönetişim kalitesi yer alıyor. Modelin çıktıları, yatırımcılar ve proje geliştiriciler için aşağıdaki alanlarda kullanılabilir:

• Risk yönetimi: Projelerin karşı karşıya olduğu tehditlerin önceden tespit edilmesi ve gerekli önlemlerin alınması.
• Karbon kredi doğrulaması: Projelerin kalıcı olarak karbon depolama kapasitelerinin değerlendirilmesi.
• Yatırım kararları: Yatırımcıların, projelerin uzun vadeli sürdürülebilirliğine dair daha bilinçli kararlar almasına yardımcı olması.

Açık kaynaklı yaklaşımın avantajları

Projeyi açık kaynaklı olarak yayınlamamın temel amacı, diğer geliştiricilerin ve araştırmacıların da aynı verileri kullanarak benzer analizler yapabilmesini sağlamaktı. Bu yaklaşımın birçok avantajı bulunuyor:

• Topluluk katkıları: Farklı bakış açıları ve iyileştirme önerileriyle projenin sürekli olarak geliştirilmesi.
• Şeffaflık: Tüm veri kaynaklarının ve hesaplamaların herkes tarafından incelenebilir olması.
• Tekrarlanabilirlik: Diğer araştırmacıların, aynı yöntemleri kullanarak benzer sonuçlara ulaşabilmesi.

Projeye dair tüm kodlara ve detaylı dokümantasyona GitHub deposundan ulaşabilirsiniz. Ayrıca, teknik sorularınızı yorumlar bölümünde paylaşabilirsiniz. Bu modelin, mavi karbon projelerinin değerlendirilmesi ve risk yönetimi süreçlerine katkı sağlamasını umuyorum. Gelecekte, bu modeli daha da genişleterek diğer karbon projelerine de uygulama fırsatını değerlendireceğim.