Erkenez Havzası CBS Matris Yöntemi ile Heyelan Duyarlılık Değerlendirmesi

Yıl 2021, Cilt: 36 Sayı: 1, 141 - 154, 10.05.2021

Eser Koç , Muhterem Küçükönder

https://doi.org/10.21605/cukurovaumfd.933874

Cited By: 3

Öz

Ülkemizde depremden sonra en fazla yaşanan doğal afetler arasında heyelanlar yer almaktadır. Heyelan duyarlılık çalışmaları ise bu afetlerin yarattığı etkinin boyutunu gerçekleşmeden önce tahmin ederek mekânsal heyelan meydana gelme olasılıklarını haritalamayı amaçlamaktadır. Ülkemizde yağış ve litolojik faktörler dikkate alındığında heyelan olayları birçok bölgemizde yaşanmaktadır. Erkenez havzası topoğrafik, jeolojik ve meteorolojik faktörler dikkate alındığında Kahramanmaraş ilinde heyelan olaylarının yoğunlaştığı bölgelerden biridir. Havzanın heyelan duyarlılık analizi heyelan envanterine dayalı çok değişkenli haritalama birimlerinde olası kombinasyonlar arasında heyelanlı ve heyelansız alan ayrımına dayanan CBS Matris modeli ile gerçekleştirilmiştir. Bu modelde, sayısal yükseklik modeli (SYM), litolojik birimler, arazi kullanımı, eğim, bakı, normalize fark bitki indeksi (NDVI) ve topoğrafik nemlilik indeksi (TWI) parametreleri kullanılmıştır. 265 km2 alana sahip havzanın %4,5’i heyelanlı bölgedir. Havzada %6,97’si düşük, %3,11’i orta, %1,37’si yüksek, %1,2’si çok yüksek derecede heyelana duyarlı alanlar olarak tespit edilmiştir. Havza için üretilen heyelan duyarlılık haritaları ile ileriye dönük yerleşim planlamalarında sorunların azaltılması ve çözümü yönünde pozitif etkisi olacağı düşünülmektedir.

Anahtar Kelimeler

Erkenez havzası, Heyelan, CBS matris, Heyelan duyarlılık

Landslide Susceptibility Assessment with GIS Matrix Method in Erkenez Watershed

Öz

Landslides are among the most common natural disasters after earthquakes in our country. Landslide susceptibility studies aim to map the probability of spatial landslides by estimating the extent of the impact of these disasters before they occur. The Erkenez watershed is one of the regions where the landslide events are concentrated in Kahramanmaras, considering the topographic, geological and meteorological factors. The landslide susceptibility analysis of the watershed was carried out with the GISMatrix model based on the separation of landslide and non-landslide areas between possible combinations in multivariate mapping units based on landslide inventory. In this model, digital elevation model (DEM), lithological units, land use, slope, aspect, normalized difference plant index (NDVI) and topographic wetness index (TWI) parameters were used. The study area is 265 km2 and 4.5% of it is landslide zone. In the watershed, 6.97% are low, 3.11% are medium, 1.37% are high, and 1.2% are very high landslide sensitive areas. It is thought that the landslide susceptibility maps produced for the watershed will have a positive effect in reducing and solving problems in settlement planning.

Anahtar Kelimeler

Erkenez watershed, landslide, GIS matrix, landslide susceptibility

Kaynakça

• 1. Dragovich, J.D., Brunengo, M.J., 1995. Landslide Map and Inventory, Tilton River- Mineral Creek Area, Lewis County, Washington. Wash. Dept. Natural Resources, Div. of Geology and Earth Resources, Open- File Report, 95-1, 165.
• 2. Guzzetti, F., Carrara, A., Cardinali, M., Reichenbach, P., 1999. Heyelan Tehlike Değerlendirmesi: Mevcut Tekniklerin Gözden Geçirilmesi ve Çok Ölçekli Bir Çalışmadaorta İtalya, Jeomorfoloji, 31(1-4), 181-216.
• 3. Dağ, S., Bulut, F., 2012. Coğrafi Bilgi Sistemleri Tabanlı Heyelan Duyarlılık Haritalarının Hazırlanmasına Bir Örnek: Çayeli (Rize, KD Türkiye). Jeoloji Mühendisliği Dergisi, 36(1), 35-62.
• 4. Kavzoğlu, T., Şahin, E.K., Çölkesen, İ., 2012. Heyelan Duyarlılığının İncelenmesinde Regresyon Ağaçlarının Kullanımı: Trabzon Örneği. Harita Dergisi, 147(3), 21-33.
• 5. Chen, W., Li, Y., 2020. GIS-Based Evaluation Of Landslide Susceptibility Using Hybrid Computational Intelligence Models. Catena, 195, 104777.
• 6. Guzzetti, F., Mondini, A.C., Cardinali, M., Fiorucci, F., Santangelo, M., Chang, K.T., 2012. Landslide Inventory Maps: New Tools for an Old Problem. Earth Sciencereviews, 112(1-2), 42-66.
• 7. Radbruch, D.H., Crowther, K.C., 1970. Map Showing Relative Amounts of Landslides in California (No. 70-270). https://doi.org/ 10.3133/ofr70270
• 8. Dobrovolny, E., 1971. Landslide Susceptibility in and Near Anchorage as Interpreted from Topographic and Geologic Maps, in the Great Alaska Earthquake of 1964 Geology Volume. Publication 1603. US Geological Survey Open File Report, 86-329.
• 9. Brabb, E.E., Pampeyan, E.H., Bonilla, M.G., 1972. Landslide Susceptibility in San Mateo County, California (No. 360). US Geological Survey, 1.
• 10. Chacón, J., Irigaray, C., Fernandez, T., El Hamdouni, R., 2006. Engineering Geology Maps: Landslides and Geographical Information Systems. Bulletin of Engineering Geology and the Environment, 65(4), 341-411.
• 11. Evans, N.C., King, J.P., 1998. The Natural Terrain Landslide Study: Debris Avalanche Susceptibility. Technical Note TN 1/98. Planning Division. Geotechnical Engineering Office, Civil Engineering Department, Hong Kong, 96.
• 12. Evans, N.C., Huang, S.W., King, J.P., 1997. The Natural Terrain Landslide Study-Phases I and II. Special Project Report SPR5/97. Geotechnical Engineering Office, Hong Kong, 420.
• 13. Chacón, J., Corominas, J., 2003. Special Issue on Landslides and GIS. Natural Hazards, 30, 263-499.
• 14. Tekin, S., Çan, T., 2019. Yapay Sinir Ağları Yöntemi ile Ermenek Havzası’nın (Karaman) Kayma Türü Heyelan Duyarlılık Değerlendirmesi. Bilge International Journal of Science and Technology Research, 3(1), 21-28.
• 15. Clerici, A., Perego, S., Tellini, C., Vescovi, P., 2002. A Procedure for Landslide Susceptibility Zonation by the Conditional Analysis Method. Geomorphology, 48(4), 349-364.
• 16. Lee, S., Ryu, J.H., Min, K., Won, J.S., 2003. Landslide Susceptibility Analysis Using GIS and Artificial Neural Network. Earth Surface Processes and Landforms: The Journal of the British Geomorphological Research Group, 28(12), 1361-1376.
• 17. Fernández, T., Irigaray, C., El Hamdouni, R., Chacón, J., 2003. Methodology for Landslide Susceptibility Mapping By Means of a GIS. Application to the Contraviesa Area (Granada, Spain). Natural Hazards, 30(3), 297-308.
• 18. Süzen, M.L., Doyuran, V., 2004. Data Driven Bivariate Landslide Susceptibility Assessment Using Geographical Information Systems: A Method and Application to Asarsuyu Catchment, Turkey. Engineering Geology, 71(3-4), 303-321.
• 19. Ercanoglu, M., Gokceoglu, C., 2004. Use of Fuzzy Relations to Produce Landslide Susceptibility Map of a Landslide Prone Area (West Black Sea Region, Turkey). Engineering Geology, 75(3-4), 229-250.
• 20. Ayalew, L., Yamagishi, H., 2005. The Application of GIS-Based Logistic Regression for Landslide Susceptibility Mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology, 65(1-2), 15-31.
• 21. Lee, S., Talib, J.A., 2005. Probabilistic Landslide Susceptibility and Factor Effect Analysis. Environmental Geology, 47(7), 982-990.
• 22. Reis, S., Yalçın, A., Atasoy, M., Nişancı, R., Bayrak, T., Sancar, C., Ekercin, S., 2009. CBS ve Uzaktan Algılama Teknikleri ile Heyelan Duyarlılık Haritalarının Üretimi: Rize İli Örneği. Türkiye Ulusal Fotogrametrive Uzaktan Algılama Birliği V. Teknik Sempozyumu (TUFUAB 2009), Ankara
• 23. Tekin, S., Çan, T., 2019. Ermenek Havzasının Yapay Sinir Ağları Yöntemi İle Heyelan Duyarlılık Değerlendirmesi, 1, 21-28. doi: 10.30516/bilgesci.525438.
• 24. Pham, B.T., Tien Bui, D., Indra, P., Dholakia, M., 2015. Hindistan, Uttarakhand Himalaya’nın Bir Bölümünde, Frekans Oranı Yönteminin CBS Tabanlı İstatistiksel Yaklaşımı Kullanılarak Heyelan Duyarlılık Değerlendirmesi. Int J Eng Res Technol, 4(11), 338-344.
• 25. Dağdelenler, G., 2020. İki Farklı Örneklem Tekniği Kullanılarak Oluşturulan Heyelan Duyarlılık Haritalarının Frekans Oranı (FO) Yöntemi ile Karşılaştırılması. Jeoloji Mühendisliği Dergisi, 44(1), 19-38.
• 26. Fernández, T., Jiménez, J., Fernández, P., El Hamdouni, R., Cardenal, F.J., Delgado, J., Chacón, J., 2008. Automatic Detection of Landslide Features with Remote Sensing Techniques in the Betic Cordilleras (Granada, Southern Spain). Int Soc Photogramme, 37(8), 351-356.
• 27. Irigaray, C., Fernández, T., El Hamdouni, R., Chacón, J., 2007. Evaluation Andvalidation of Landslide-Susceptibility Maps Obtained by a GIS Matrix Method: Examples from the Betic Cordillera (Southern Spain). Natural Hazards, 41(1), 61-79.
• 28. Ayalew, L., Yamagishi, H., 2005. The Application of GIS-Based Logistic Regression for Landslide Susceptibility Mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology, 65(1-2), 15-31.
• 29. Erener, A., Sarp, G., Duzgun, S.H., 2019. Use of GIS and Remote Sensing for Landslide Susceptibility Mapping. In Advanced Methodologies and Technologies in Engineering and Environmental Science, IGI Global, 384-398pp.
• 30. Degraff, J.V., Romesburg, C., 1980. Regional Landslide Susceptibility Assessment for Wildland Management: A Matrix Approach.
• 31. Irigaray, C., 1995. Movimientos De Ladera: Inventario, Análisis Y Cartografía de Susceptibilidad Mediante un Sistema de Información Geográfica (SIG). Aplicación a Las Zonas de Colmenar (Ma), Rute (Co) Y Montefrío (Gr) (Doctoral Dissertation, Universidad de Granada).
• 32. Fernández, C.I., Del Castillo, T.F., Hamdouni, R.E., Montero, J.C., 1999. Verification of Landslide Susceptibility Mapping: A Case Study. Earth Surface Processes and Landforms: The Journal of the British Geomorphological Research Group, 24(6), 537-544.
• 33. Chacón, J., Irigaray, C., Fernandez, T., El Hamdouni, R., 2006. Engineering Geology Maps: Landslides and Geographical Information Systems. Bulletin of Engineering Geology and the Environment, 65(4), 341-411.
• 34. Duman, T.Y., Çan, T., Olgun, Ş., Nefeslioğlu, H.A., Durmaz, S., Hamzaçebi, S., Elmacı, H.,Çörekçioğlu, Ş., 2009. Türkiye Heyelan Envanteri Haritası-1:500.000 Ölçekli Hatay Paftası, MTA Özel Yayınlar Serisi 24, Ankara, 23.
• 35. Varol, L., Alican, K.O.P., Darbaş, G., 2012. Koçlar-Sarıgüzel (Kahramanmaraş Kuzeyi) Arasında Kalan Bölgenin Genel Jeolojik Özellikleri, Doğu Toroslar. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 15(1), 43-56.
• 36. Duman, TY, Emre, Ö., 2013. The East Anatolian Fault: Geometry, Segmentation and Jog Characteristics, In: Robertson, A.H.F., Parlak, O., and Ünlügenç, U.C., (Eds.), Geological Development of Anatolia and Easternmost Mediterranean Region. Geological Society, London, Special Publication. 372, 495–529.
• 37. Ulu, Ü., 2002. 1:500.000 Ölçekli Türkiye Jeoloji Haritası Hatay Paftası. Türkiye 1/500.000 Ölçekli Jeoloji Haritaları, No: 16, M. Şenel (Ed.), Maden Tetkik ve Arama Genel Müdürlüğü, Ankara.
• 38. Erkmen, C., Eravcı, B., Özsaraç, V., Yaman, M., Tekin, B.M., Albayrak, H., Kuterdem, K., Aktan, T., Tepeuğur, E., 2009. Doğu Anadolu Fayı’nın Paleosismolojisi Pilot Bölge: “Türkoğlu Gölbası Arası”. Türkiye Ulusal Jeodezi ve Jeofizik Birliği (TUJJB) Ulusal Deprem Programı Proje No: TUJJB-UDP-1-07.
• 39. Yalçın, C., 2012. Çağlayancerit (Kahramanmaraş) Batısının Tektono- Stratigrafisi ve Yapısal Evrimi. Kahramanmaraş Sütçü İmam Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 129.
• 40. Akar, İ., 2007. Jeomorfoloji Analizlerinde Coğrafi Bilgi Sistemleri Tekniklerinin Kullanımı: Kasatura Körfezi Hidrolojik Havzası Örneği. Türkiye Kuaterner Sempozyumu, İstanbul Teknik Üniversitesi, Avrasya Enstitüsü, İstanbul.
• 41. Dahal, R.K., Hasegawa, S., Nonomura, A., Yamanaka, M., Masuda, T., Nishino, K., 2008. GIS-based Weights-of-evidence Modelling of Rainfall-induced Landslides in Small Catchments for Landslide Susceptibility Mapping. Environmental Geology, 54(2), 311-324.
• 42. Karabulut, M., 2015. Farklı Uzaktan Algılama Teknikleri Kullanılarak Göksu Deltası Göllerinde Zamansal Değişimlerin İncelenmesi. Journal of International Social Research, 8(37), 347-347.
• 43. Çelik, M., Karabulut, M., 2013. Yağış Koşullarının Antep Fıstığı (Pistacia Vera L.) Biomas Aktivitesi ve Fenolojik Özelliklerine Etkisinin Uzaktan Algılama Verileri Kullanılarak incelenmesi. Türk Coğrafya Dergisi, (60), 37-48.
• 44. Quinn, P.F., Beven, K.J., Lamb, R., 1995. The Ln (A/Tanβ) Index: How to Calculate it and How to Use it Within the Topmodel Framework, Hydrological Processes 9, 161-182.
• 45. Sorenson, R., Zinko, U., Seibert, J., 2005. On the Calculation of the Topographic Wetness Index: Evaluation of Different Methods Based on Field Observations, Hydrology and Earth Systems Sciences Discussions, 2, 1807-1834.
• 46. Gomez, H., Kavzoglu, T., 2005. Assessment of Shallow Landslide Susceptibility Using Artificial Neural Networks in Jabonosa River Basin, Venezuela. Engineering Geology, 78 (1-2), 11-27.
• 47.MGM, İllere Ait Mevsim Normalleri (1981- 2010) https://www.mgm.gov.tr/veri degerlendirme/il-ve-ilceler-istatistik.aspx?k=undefined&m=K.MARAS, 10.09.2020.