Coğrafi bilgi sistemleri ortamında makine öğrenmesi ve istatistiksel yöntemler kullanılarak heyelan duyarlılık haritalarının üretilmesi: Rize Taşlıdere havzası örneği

Abstract

Bu çalışmada Rize ili Taşlıdere havzası içerisinde sığ heyelanlara ilişkin heyelan duyarlılık analizinin gerçekleştirilmesi amaçlanmıştır. Bu amaçla; yapay sinir ağları modeli kullanılarak heyelan duyarlılık analizi ve modelin havzadaki performansı değerlendirilmiştir. Buna göre; drenaj alanı içerisinde yapılan araştırmalar 4 aşamada gerçekleştirilmiştir: (i) Öncelikle konuya ilişkin ulusal ve uluslararası literatür değerlendirilmiştir ve çalışma sahasının genel özellikleri incelenmiştir; (ii) Havzaya ait sığ heyelan envanterinin oluşturulmasına yönelik ayrıntılı araştırmalar yürütülmüştür; (iii) YSA analizi için uygun parametre kestirimi gerçekleştirilmiş ve daha sonra analiz yapılmıştır; (iv) Elde edilen duyarlılık haritasının performans değerlendirmesi yapılmıştır. Heyelan duyarlılık haritasının üretilmesinde girdi parametre olarak, heyelan oluşumunda etkili olduğu arazi çalışmaları sırasında gözlenen 15 parametre kullanılmıştır. Bu parametreler; arazi kullanımı, litoloji, yükselti, eğim, bakı, pürüzlülük, plan eğriselliği, profil eğriselliği, pürüzlülük indeksi, akarsu aşındırma gücü indeksi, topoğrafik nemlilik indeksi, LS faktörü, drenaj yoğunluğu, drenaja olan mesafe, yol yoğunluğu, yola olan mesafedir. Heyelan duyarlılık haritası, sayısallaştırılan envanter haritası ve girdi parametreler kullanılarak, Frekans Oranı (FO), Lojistik Regresyon (LR) ve Yapay Sinir Ağları (YSA) yöntemleri ile üretilmiştir. Üretilen harita, çok düşük, düşük, orta, yüksek ve çok yüksek olmak üzere 5 duyarlılık sınıfına ayrılmıştır. Üretilen duyarlılık haritasının performans değerlendirmesinde ROC (Relative Operating Curve) eğrisi altında kalan alan olan AUC (Area of Under the Curve) kullanılmış ve AUC değeri FO 0,72, LR 0.83, YSA 0.87 olarak elde edilmiştir.

In this study, landslide susceptibility analysis of shallow landslides was aimed to be carried out in Rize Province Taşlıdere basin. For this purpose; an artificial neural network model was used to evaluate landslide susceptibility analysis and model performance in the basin. According to this; research in the drainage area was carried out in 4 stages: (i) Firstly, the national and international literature on the subject was evaluated and the general characteristics of the field of study were examined; (ii) Detailed investigations were conducted to establish an inventory of shallow landslides in the basin; (iii) the appropriate parameter estimate for the YSA analysis was performed and then analyzed; (iv) Performance evaluation of the obtained sensitivity map was performed.In the production of the landslide susceptibility map, 15 parameters observed during field studies were used as input parameters in landslide formation. These parameters are; land use, lithology, elevation, slope, aspect, roughness, plan curvature, profile curvature, SPI, TWI, LS factor, drainage density, drainage distance, road density, road distance. Landslide susceptibility map was produced by Frequency Ratio (FR), Logistic Regression (LR) and Artificial Neural Networks (ANN) method using digitized inventory map and input parameters. The generated map is divided into 5 susceptibility classes: very low, low, medium, high and very high. In the performance evaluation of the generated susceptibility map, AUC (Area of Under the Curve), which is the area under the ROC (Relative Operating Curve) curve, was used and the AUC value was found as FR 0,72, LR 0,83, ANN 0,87.