Türkiye'nin 2030 sera gazı emisyon hedefleri bağlamında MDAM ve LSTM modelleri ile tahmin, etki analizi ve Covid-19 sürecinin incelenmesi

Abstract

Sera gazı (GHG) emisyonları, küresel ısınma ve iklim değişikliğinin temel sebeplerindendir. Türkiye, Paris Anlaşması kapsamında 2030'a kadar emisyonlarını %41 azaltmayı ve 2038'i zirve yılı ilan ederek 2053'te net sıfır emisyon hedefine ulaşmayı taahhüt etmiştir. Bu hedeflere ulaşmada etkili tahmin araçları kritik önem taşımaktadır. Bu çalışmada, Türkiye'nin 1993–2022 dönemine ait TÜİK sera gazı emisyon verileri ve TEİAŞ enerji verileri analize konu olmuş, derin öğrenme tabanlı bir zaman serisi modeli olan Uzun Kısa Dönemli Bellek (Long Short-Term Memory - LSTM) ile Kesirli Kalkülüs - Caputo türevlerini temel alan Çoklu Derin Değerlendirme Metodolojisi (Multi Deep Assessment Model - MDAM) karşılaştırmalı olarak kullanılmıştır. LSTM zaman serisi örüntülerini güçlü şekilde yakalarken, MDAM kesirli türev altyapısı ile uzun vadeli bağımlılıkları daha iyi modellemektedir. Model başarıları ortalama yüzdesel mutlak hata (Mean Absolute Percentage Error – MAPE) ile ölçülmüş, MDAM %1,64, LSTM %2,69 hata oranı ile sonuçlanmıştır. 2030 yılı için MDAM tahmini 721,86 Mt, LSTM tahmini 709,49 Mt'dir. Türkiye'nin 2030 hedefi olan 695 Mt seviyesinin üstünde kalan bu tahminler, mevcut politikaların güçlendirilmesi ve yenilenebilir kaynakların payının belirgin biçimde artırılması gerektiğine işaret etmektedir. Ayrıca, çalışmada yapılan etki faktörü analizleri sayesinde emisyonları etkileyen temel değişkenlerin büyüklükleri ve yönleri de ortaya konmuştur. MDAM modelinde enerji talebi 69,08 birimlik, fosil yakıtla elektrik üretimi ise 31,24 birimlik artış yönlü etki göstermiştir. Buna karşılık, yenilenebilir kaynaklı elektrik üretimi -44,68 birim ile emisyonları azaltıcı yönde bir katkı sunmuştur. LSTM modelinde ise bu etkiler daha da belirginleşmiştir, enerji talebi 122,49, fosil üretim 173,51 gibi yüksek pozitif etki katsayılarına sahipken, yenilenebilir üretimin etkisi yalnızca 4,21 birim düzeyinde kalmıştır. Bu bulgular, özellikle fosil yakıtlardan uzaklaşılması ve yenilenebilir enerjinin sistematik olarak yaygınlaştırılmasının emisyon azaltımı açısından ne denli kritik olduğunu ortaya koymaktadır. Bu analizlere ek olarak çalışmada COVID-19 etkisini analiz etmek amacıyla 1993–2018 verileriyle pandemi senaryosu dışı modeller oluşturulmuş; 2019'a kadar olan verilerle modeller kurulduğunda 2030 için MDAM 798,14 Mt, LSTM 778,28 Mt öngörmüştür. Bu durum, pandemideki ekonomik ve toplumsal durgunluğun emisyonları azalttığını göstermektedir. Sonuçlar, MDAM'ın LSTM gibi güçlü bir algoritmaya kıyasla daha başarılı tahmin sunduğunu ortaya koymuş olsa da iki modelin de başarılarının yüksek olduğu görülmüştür. Türkiye emisyon zirvesi ve net sıfır hedeflerine ulaşması için yenilenebilir enerji yatırımları, düşük karbonlu teknolojiler ve karbon yakalama sistemlerine öncelik verilmelidir. Her iki model de, senaryo analizleriyle birlikte politika yapıcılara stratejik bir yol haritası sunmakta; veri temelli karar alma süreçlerinin gelişmesine katkı sağlamaktadır. Böylece iklim hedeflerine yönelik risk analizleri ve eylem planları daha sağlam temellere oturtulabilmektedir.