An analysis on environmental justice and air quality using machine learning techniques

This study examines air quality dynamics across countries using machine learning with a focus on environmental justice. Random Forest, Decision Tree, XGBoost, and Adaboost algorithms were applied for a 10-year air pollution forecast. XGBoost showed the best performance. Increases in pollutant levels are expected in Bhutan and North Korea, while improvements may occur in India, Pakistan, and Nepal. Significant air quality changes are projected in Laos, Indonesia, and North Korea. The study highlights inequalities in pollution exposure and emphasizes the need for targeted interventions.

Bu çalışma, çevresel adalet odağında makine öğrenmesi yöntemleriyle farklı ülkelerde hava kalitesi dinamiklerini incelemektedir. Random Forest, Karar Ağacı, XGBoost ve Adaboost algoritmaları kullanılarak 10 yıllık hava kirliliği tahmini yapılmıştır. En iyi performans XGBoost modelinde görülmüştür. Bhutan ve Kuzey Kore’de kirletici seviyelerinin artacağı, Hindistan, Pakistan ve Nepal’de ise iyileşmeler yaşanabileceği öngörülmüştür. Laos, Endonezya ve Kuzey Kore’de önemli hava kalitesi değişiklikleri beklenmektedir. Çalışma, kirlilikteki eşitsizliklere dikkat çekerek hedefe yönelik müdahalelerin gerekliliğini vurgular.