Silivri İlçesinde Sanayi Yer Seçimi Uygunluğunun LUCIS Modeli ile Belirlenmesi

Yıl 2025, Sayı: 8, 150 - 178, 31.12.2025

Seda Çakır , Mesut Doğan

Öz

İstanbul metropoliten alanında sanayi faaliyetlerinin desantralizasyonu sürecinde Silivri ilçesi; lojistik avantajları, geniş yüzölçümü ve komşu Tekirdağ-Çorlu hattındaki Organize Sanayi Bölgeleri (OSB) ile olan entegrasyonu sayesinde stratejik bir sanayi genişleme alanı hâline gelmiştir. Ancak bu yoğun talep, plansız kentleşme ve sanayi alanlarının kentsel doku ile iç içe geçmesi riskini doğurarak mekânsal bir karmaşaya zemin hazırlamaktadır. Bu çalışmada Silivri’de sanayi tesisleri için en rasyonel yer seçimi alanlarının belirlenmesi amacıyla 2007 yılında Florida Üniversitesinde geliştirilen ve çok kriterli karar verme süreçlerini mekânsal düzleme aktarıp analiz imkanı sunan LUCIS (Land Use Conflict Identification Strategy) modeli kullanılmıştır.
Araştırma kapsamında modelin aşamalı metodolojisine uygun olarak eğim, jeolojik yapı ve afet riskleri gibi fiziki faktörlerin yanı sıra TEM Otoyolu ve D-100 gibi ana lojistik arterlere erişilebilirlik, mevcut sanayi odaklarına yakınlık gibi beşerî kriterler sentezlenmiştir. Kriterlerin ağırlıklandırılmasında Analitik Hiyerarşi Süreci (AHS) metodolojisinden yararlanılmış ve ArcGIS Pro ortamında veri katmanları hazırlanarak mekânsal analizler gerçekleştirilmiştir. Analiz sonuçları, ilçenin özellikle lojistik akslarla kesişen güney ve orta kesimlerinin sanayi gelişimi için yüksek potansiyel taşıdığını, en yüksek uygunluk değerine sahip yaklaşık 86 km²lik (%10) sayısal verilerle ortaya koymaktadır. Sonuç olarak çalışma, sanayi yer seçimi kararlarının sadece ekonomik kâr odaklı değil kentsel gelişimi koruyan ve lojistik verimliliği artıran bilimsel bir yaklaşım doğrultusunda planlanması gerektiğini vurgulayarak yerel yönetimler için stratejik bir karar destek mekanizması sunmaktadır.

Anahtar Kelimeler

Silivri , Silivri , Sanayi Yer Seçimi , LUCIS Modeli , AHS , Lojistik Akslar , Sanayi Desantralizasyonu

Etik Beyan

Bu makale, daha önce yayımlanmamıştır ve eş zamanlı olarak başka bir yerde değerlendirme sürecinde değildir. Tüm yazarlar, gönderiyi ve makalenin içeriğini onaylamıştır. Herhangi bir potansiyel çıkar çatışması bulunmamaktadır. Çalışma, bilimsel araştırma ve yayın etiği kurallarına titizlikle uyularak hazırlanmıştır

Destekleyen Kurum

Bu çalışma, herhangi bir kurum veya kuruluştan özel bir finansal destek (hibe) almamıştır.

Determination of Industrial Site Suitability in Silivri District via the LUCIS Model

Öz

In the process of industrial decentralization within the Istanbul metropolitan area, Silivri district has emerged as a strategic expansion zone due to its logistical advantages, extensive land area, and integration with the Organized Industrial Zones (OIZ) along the neighboring Tekirdağ-Çorlu line. However, this intense demand poses a risk of unplanned urbanization and the intertwining of industrial areas with the urban fabric, potentially leading to spatial conflict. This study employs the LUCIS (Land Use Conflict Identification Strategy) model—developed at the University of Florida in 2007—to determine the most rational site selection for industrial facilities in Silivri by integrating multi-criteria decision-making processes into a spatial analysis framework.
In accordance with the model’s stepwise methodology, physical factors such as slope, geological structure, and disaster risks were synthesized with human criteria, including proximity to existing industrial hubs and accessibility to major logistical arteries like the TEM Highway and D-100. The Analytic Hierarchy Process (AHS) was utilized for criteria weighting, and spatial analyses were conducted using data layers prepared within the ArcGIS Pro environment. The analysis results reveal through numerical data that the southern and central parts of the district, particularly where they intersect with logistical axes, possess high potential for industrial development, identifying approximately 86 km²’lik (%10) of land with the highest suitability value. Ultimately, this study provides a strategic decision-support mechanism for local governments, emphasizing that industrial site selection should be guided by a scientific approach that prioritizes logistical efficiency and sustainable urban protection over purely economic profit.

Anahtar Kelimeler

Silivri , Industrial Site Selection , LUCIS Model , AHS , Logistics Axes , Industrial Decentralization

Etik Beyan

This article has not been previously published and is not under simultaneous consideration for evaluation elsewhere. All authors approve of the submission and the content of the article. There are no potential conflicts of interest. The study was prepared in strict compliance with the rules of scientific research and publication ethics

Destekleyen Kurum

This study did not receive any specific financial support (grant) from any institution or organization.

Kaynakça

• AFAD. (2019). Türkiye sel ve taşkın risk yönetimi planı raporu.
• Akdeniz, S., & Altın, A. (2021). Bursa kenti yakın çevresinde sanayi yer seçimi uygunluk analizi. Doğal Afetler ve Çevre Dergisi, 7(1), 125–140. https://doi.org/10.21324/ dacd.787685
• Ansal, A., Kurtuluş, A., & Tönük, G. (2009). Seismic microzonation and hazard assessment. In Normal faulting, case studies and earthquake preparedness (ss. 183-199).
• Aydoğdu, A., & Bakırcı, M. (2021). Bölgesel ölçekte yerleşme uygunluk analizleri: LUCIS modeli yaklaşımı. Coğrafya Dergisi, (42), 115-130. https://doi.org/10.26650/ JGEOG2021-932147
• Bulut, A., & Gürer, A. (2016). Sanayi tesislerinde yer seçimi ve zemin stabilitesi ilişkisi. Mühendislik Bilimleri ve Tasarım Dergisi, 4(2), 89-102.
• Carr, M. H., & Zwick, P. D. (2007). Smart land-use analysis: The LUCIS model land use conflict identification strategy. ESRI Press.
• Cellek, S. (2020). Heyelan duyarlılık analizlerinde statik ve dinamik yüklerin etkisi. Jeoloji Mühendisliği Dergisi, 44(1), 25-42.
• Doğanay, H. (2002). Ekonomik coğrafya 1: Ziraat, hayvancılık ve ormancılık. Aktif Yayınevi.
• Doğanay, H. (2011). Ekonomik coğrafya 2: Sanayi coğrafyası. Pegem Akademi. Eastman, J. R. (2001). Decision analysis and GIS. John Wiley & Sons.
• European Environment Agency. (2018). CORINE Land Cover 2018.
• Erdik, M. (2013). Deprem mühendisliğine giriş. Boğaziçi Üniversitesi Yayınevi.
• Erkan, İ. (2012). İstanbul’da sanayinin desantralizasyonu ve Silivri örneği. Marmara Coğrafya Dergisi, (25), 145-162.
• Gök, A. (2001). Sanayi coğrafyası: Teoriler ve gerçekler. Çantay Kitabevi.
• Gökçe, O., Özden, S., & Demir, A. (2016). Sismik risk analizlerinde yerel zemin koşullarının etkisi. Deprem Araştırma Bülteni, 4(12), 45-60.
• Hayter, R. (1997). The dynamics of industrial location: The factory, the firm and the production system. John Wiley & Sons.
• İBB. (2020). Silivri ilçesi heyelan ve sismik mikro bölgeleme raporu. İstanbul Büyükşehir Belediyesi Deprem Risk Yönetimi ve Kentsel İyileştirme Daire Başkanlığı.
• Karataş, A. (2012). Liman hinterland analizi ve sanayi etkileşimi. Lojistik ve Deniz Bilimleri Dergisi, 4(1), 22-35.
• Keloğlu, E., & Bayar, R. (2023). LUCIS modeli ile arazi kullanımı çatışmalarının belirlenmesi: Efeler (Aydın) ilçesi örneği. Ege Coğrafya Dergisi, 32(1), 173-188. https:// doi.org/10.51800/ecd.1252412
• Koçkar, M. K. (2012). Mühendislik jeolojisi ve yer seçimi kriterleri. Jeoloji Mühendisliği Dergisi, 36(1), 12-28.
• Korkmaz, H. (2018). Sanayi tesislerinde afet yönetimi ve sismik güvenlik. Afet ve Risk Dergisi, 1(2), 77-85.
• Malczewski, J. (2004). GIS-based multicriteria decision analysis: A survey of the literature. International Journal of Geographical Information Science, 18(1), 3-36. https://doi.org/10.1080/13658810310001629326
• Marshall, A. (1890). Principles of economics. Macmillan.
• McHarg, I. L. (1969). Design with nature. Natural History Press.
• Meyer, W. B., & Turner, B. L. (1994). Changes in land use and land cover: A global perspective. Cambridge University Press.
• Notteboom, T. E., & Rodrigue, J. P. (2005). Port regionalization: Towards a new phase in port development. Maritime Policy & Management, 32(3), 297-313. https://doi. org/10.1080/03088830500139885
• Özçağlar, Y. (2016). Sanayi coğrafyası. Pegem Akademi.
• Özşahin, E. (2013). Hidrografik özelliklerin sanayi yer seçimine etkisi: Ergene Havzası örneği. Tekirdağ Ziraat Fakültesi Dergisi, 10(3), 22-34.
• Özşahin, E. (2014). Sanayi tesislerinin yer seçimi için uygun alanların belirlenmesinde Coğrafi Bilgi Sistemleri (CBS) tabanlı çok kriterli karar analizi yaklaşımı: Ergene Havzası (Tekirdağ) örneği. Coğrafi Bilimler Dergisi, 12(1), 47-64.
• Porter, M. E. (1998). Clusters and the new economics of competition. Harvard Business Review, 76(6), 77-90.
• Rodrigue, J. P. (2020). The geography of transport systems (5th ed.). Routledge.
• Saaty, T. L. (1990). How to make a decision: The analytic hierarchy process. European Journal of Operational Research, 48(1), 9-26. https://doi.org/10.1016/0377- 2217(90)90057-I
• Saaty, T. L. (1980). The analytic hierarchy process. McGraw-Hill.
• Sancar, C., Karabaş, M., & Okuyucu, C. (2012). CBS tabanlı sanayi yer seçimi modellemesi. Planlama Dergisi, 22(3), 110-125.
• Taşdemir, A., & Kaya, Ş. (2015). Yerleşim yeri uygunluk analizlerinde LUCIS modeli uygulaması. Türkiye Coğrafi Bilgi Sistemleri Dergisi, 3(2), 55-70.
• Turoğlu, H. (2011). Sel ve taşkın analizleri. Çantay Kitabevi.
• Tümertekin, E. ve Özgüç, N. (2012). Ekonomik coğrafya. Çantay Kitabevi.
• Uzun, A. (2005). Sanayi yer seçiminde ulaşım faktörünün maliyet analizine etkisi. Ekonomi ve Yönetim Dergisi, 2(1), 45-58.
• Weber, A. (1929). Theory of the location of industries (C. J. Friedrich, Trans.). University of Chicago Press. (Original work published 1909)
• Yılmaz, C., Çiçek, İ., & Ertek, T. A. (2016). CBS ile yerleşme uygunluk analizleri ve doğal risk yönetimi. Türk Coğrafya Dergisi, (66), 1-12.
• Yılmaz, M. (2017). Sanayi ve konut alanlarının mekânsal ayrışması ve çevresel etkiler. Şehir ve Bölge Planlama Dergisi, 5(2), 45-60.
• Zhang, J., Su, Y., Wu, J., & Liang, H. (2019). GIS-based multi-criteria decision making of land-use suitability for the sustainable development of cities. Journal of Cleaner Production, 240, 118244. https://doi.org/10.1016/j.jclepro.2019.118244