Tortum-Narman (Erzurum) Bölgesinin Kanıt Ağırlığı Yaklaşımı Kullanılarak Heyelan Duyarlılığının Değerlendirilmesi

Yıl 2025, Cilt: 10 Sayı: 2, 144 - 156

Samet Berber

https://doi.org/10.29128/geomatik.1589807

Öz

Bu çalışmada, Erzurum iline bağlı Tortum ile Narman arasındaki bölgenin heyelan duyarlılığı, Kanıt Ağırlığı (WoE) yöntemi kullanılarak değerlendirilmiştir. İlk aşamada, yapılan saha çalışmalarıyla bölgenin heyelan envanteri oluşturulmuş ve heyelan oluşumuna etki eden 11 adet parametre belirlenmiştir. Saha araştırmaları sonucunda toplam 89 adet heyelan haritalanmıştır. Heyelan duyarlılık haritasının üretiminde kullanılan girdi parametreleri; eğim, bakı, arazi kullanımı, profil eğriselliği, plan eğriselliği, topografik nemlilik indeksi, normalize edilmiş bitki örtüsü indeksi, yükseklik, litoloji, akarsu aşındırma gücü indeksi ve akarsulara mesafedir. Bu parametreler seçildikten sonra, her parametrenin alt sınıfları için kanıt ağırlığı hesaplamaları gerçekleştirilmiştir. Sonraki aşamada, parametre haritaları sayısal ortamda analiz edilerek, bölgeye ait heyelan duyarlılık haritası oluşturulmuş ve göreceli olarak beş sınıfa ayrılmıştır. Sonuç olarak, elde edilen haritada çalışma alanının %3.94'ü çok düşük, %17.92'si düşük, %35.58'i orta, %35.84'ü yüksek ve %6.72'si çok yüksek heyelan duyarlılığına sahip olduğu tespit edilmiştir. Heyelan duyarlılık haritasının performans değerlendirmesinde Doğruluk (Accuracy), Geri Çağırma (Recall), Hassasiyet (Precision), F1 Puanı ve ROC eğrisi kriterleri kullanılmıştır. Bu kriterler için sırasıyla 0.673, 0.802, 0.638, 0.710 ve 0.722 değerleri hesaplanmıştır. Elde edilen sonuçlar, üretilen heyelan duyarlılık haritasının afet yönetimi ve planlaması çalışmalarına entegre edilebileceğini göstermektedir.

Anahtar Kelimeler

Kanıt Ağırlığı, Heyelan duyarlılığı, Erzurum, Doğruluk, ROC eğrisi

Proje Numarası

2023/217

Kaynakça

• Afet ve Acil Durum Yönetimi Başkanlığı (AFAD) (2023). Afet ve Acil Durum Yönetimi Başkanlığı 2022 Yılı Doğa Kaynaklı Olay İstatistikleri. Erişim adresi: https://www.afad.gov.tr/afet-istatistikleri
• Akıncı, H., Özalp, A.Y., Özalp, M., Kılıçer, S.T., Kılıçoğlu, C., Everan, E. (2015). Production of Landslide Susceptibility Map Using Bayesian Probability Model. International Journal of 3-D Information Modeling, 4(2), 16-33, Septemper 2015.
• Aleotti, P., & Chowdhury, R. (1999). Landslide hazard assessments: Summary review and new perspective. Bulletin of Engineering Geology of the Environment, 58, 21-44
• Aydoğan, E., & Dağ, S. (2023). İstatistiksel Yöntemlerle Yukarı Karasu Havzası'nın Kuzeydoğu Bölümünün (Erzurum) Heyelan Duyarlılık Analizi. Turkish Journal of Remote Sensing and GIS, 4(1), 64-82. https://doi.org/10.48123/rsgis.1202140
• Batar, A.K., & Watanabe, T. (2021). Landslide Susceptibility Mapping and Assessment Using Geospatial Platforms and Weights of Evidence (WoE) Method in the Indian Himalayan Region: Recent Developments, Gaps, and Future Directions. ISPRS International Journal of Geo-Information, 10 (3),114. https://doi.org/10.3390/ijgi10030114
• Başara, A. C., & Şişman, Y. (2021). Landslide susceptibility mapping of Tokat (Turkey) province using weight of evidence and random forest. Advanced GIS, 1(1), 1–7. Retrieved from.
• Başara, A.C., Tabar, M.E., & Şişman, Y. (2021). Landslide Susceptibility Mapping of Samsun (Turkey) Province Using Frequency Ratio and AHP Methods. Türkiye Coğrafi Bilgi Sistemleri Dergisi, 3(1), 24-30.
• Başara, A.C., & Şişman, Y. (2022). Frekans oranı, Kanıt Ağırlığı ve Lojistik Regresyon Yöntemleri Kullanılarak Heyelan Duyarlılık Haritalarının CBS Tabanlı Karşılaştırılması. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 11 (3), 647-660. https://doi.org/10.28948/ngumuh.1065284
• Bayramoğlu, Z., Uzar, M. (2023). Performance analysis of rule-based classification and deep learning method for automatic road extraction. International Journal of Engineering and Geosciences, 8 (1), 83-97. https://doi.org/10.26833/ijeg.1062250
• Beven, K.J., Kirkby, M.J. (1979). A physically based, variable contributing area model of basin hydrology /Un model base physique de zone d’appel variable de l’hydrologie du basin versant. Hydrol Sci J 24(1):43–69. https://doi.org/10.1080/02626667909491834 Biçer, Ç. T., & Ercanoglu, M. (2020). A semi-quantitative landslide risk assessment of central Kahramanmaraş City in the Eastern Mediterranean region of Turkey. Arabian Journal of Geosciences, 13, 1-26. https://doi.org/10.1007/s12517-020-05697-w
• Bonham-Carter, G.F., Agterberg, F.P., Wright, D.F. (1988). Integration of geological datasets for gold exploration in Nova Scotia. Photogramm Eng Remote Sensing 54,1585–1592
• Bonham-Carter, G.F., Agterberg, F.P., & Wright, D.F. (1989). Weights of evidence modelling: a new approach to mapping mineral potential. Statistical applications in the earth science, geological survey of Canada, 89(9), 171–183
• Chen, T., Niu, R., & Jia, X. (2016). A comparison of information value and logistic regression models in landslide susceptibility mapping by using GIS. Environmental Earth Sciences, 75, 1-16. https://doi.org/10.1007/s12665-016-5317-y
• Chen, W., Sun, Z., & Han, J. (2019). Landslide susceptibility modeling using integrated ensemble weights of evidence with logistic regression and random forest models. Applied sciences, 9(1), 171. https://doi.org/10.3390/app9010171
• Chen, J., Chen, S., Fu, R., Wang, C., Li, D., Jiang, H., Zhao, J., Wang, L., Peng, Y., Mei, Y., (2021). Simulation of water hyacinth growth area based on multi-source geographic information data: an integrated method of WOE and AHP. Ecol. Indicat. 125107574. https://doi.org/10.1016/j.ecolind.2021.107574
• Çiftçi,H.,& Kuşak,L.(2021). Determination of unsuitability points on the route of Van Gölü-Kapıköy railway line by using GIS and AHP method. Advanced GIS,1(1), 27-36.
• Dehnavi, A., Aghdam, I.N., Pradhan, B., & Varzandeh, M.H.M. (2015). A new hybrid model using step-wise weight assessment ratio analysis (SWARA) technique and adaptive neuro-fuzzy inference system (ANFIS) for regional landslide hazard assessment in Iran. Catena, 135, 122-148. https://doi.org/10.1016/j.catena.2015.07.020
• EM-DAT (2023). Acil Durum Olayları Veri Tabanı, 2023 Afet Yılı İncelemesi Raporu. Erişim adresi: https://www.emdat.be/
• Ercanoğlu, M., Gokceoglu, C. & Van Asch, T.W.J. (2004). Landslide susceptibility zoning North of Yenice (NW Turkey) by multivariate statistical techniques. Natural Hazards, 32, 1–23. https://doi.org/10.1023/B:NHAZ.0000026786.85589.4a
• Ercanoğlu, M., Dagdelenler, G., Ozsayin, E., Alkevli, T., Sönmez, H., Ozyurt, N.N., Kahraman, B., Uçar, I., & Çetinkaya, S. (2016). Application of Chebyshev theorem to data preparation in landslide susceptibilitymapping studies: an example from Yenice (Karabuk, Turkey) region. J Mount Sci, 13 (11), 1923–1940. https://doi.org/10.1007/s11629-016-3880-z
• Fang, Z., Wang, Y., van Westen, C., & Lombardo, L. (2024). Landslide hazard spatiotemporal prediction based on data-driven models: Estimating where, when and how large landslide may be. International Journal of Applied Earth Observation and Geoinformation, 126, 103631. https://doi.org/10.1016/j.jag.2023.103631
• Fawcett, T. (2006). An ıntroduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874.
• Garcitaşkaa-Ruiz, J.M., Beguería, S., Alatorre, L.C., & Puigdefabregas, J. (2010). Land cover changes and shallow landsliding in the flysch sector of the Spanish Pyrenees. Geomorphology, 124, 250–259. https://doi.org/10.1016/j.geomorph.2010.03.036
• Gentilucci, M., Pelagagge, N., Rossi, A., Domenico, A., & Pambianchi, G. (2023). Landslide Susceptibility Using Climatic–Environmental Factors Using the Weight-of-Evidence Method-A Study Area in Central Italy. Appl Sci, 13, 8617. https://doi.org/10.3390/app13158617
• Güngör, B., Dedetürk, B.A., & Taşdemir, K. (2022). Cilt Kanseri Görüntü Sınıflandırması için Görüntü Ön İşlemenin Evrişimsel Sinir Ağları Performansı Üzerindeki Etkileri. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 38 (2).
• Goyes-Peñafiel, P., & Hernandez-Rojas, A. (2021). Landslide susceptibility index based on the integration of logistic regression and weights of evidence: A case study in Popayan, Colombia. Engineering Geology, 280, 105958. https://doi.org/10.1016/j.enggeo.2020.105958
• Hicks, S. A., Strümke, I., Thambawita, V., Hammou, M., Riegler, M. A., Halvorsen, P., & Parasa, S. (2022). On evaluation metrics for medical applications of artificial intelligence. Scientific reports, 12(1), 5979.
• Hong, H., Jaafari, A., Zenner, E.K. (2019). Predicting spatial patterns of wildfire susceptibility in the Huichang County, China: An integrated model to analysis of landscape indicators. Ecological Indicators 101, 878–891. https://doi.org/10.1016/j.ecolind.2019.01.056
• Ikram, N., Basharat, M., Ali, A., Usmani, N.A., Gardezi, S.A.H., Hussain, M.L., & Riaz, M.T. (2022). Comparison of landslide susceptibility models and their robustness analysis: a case study from the NW Himalayas, Pakistan. Geocarto Int 37(25):9204–9241. https://doi.org/10.1080/10106049.2021.2017010
• Ilia, I., & Tsangaratos, P. (2016). Applying weight of evidence method and sensitivity analysis to produce a landslide susceptibility map. Landslides, 13, 379–397. https://doi.org/10.1007/s10346-015-0576-3
• Jaafari, A., Najafi, A., Pourghasemi, H.R., Rezaeian, J., & Sattarian, A. (2014). GIS-based frequency ratio and index of entropy models for landslide susceptibility assessment in the Caspian forest, northern Iran. Int J Environ Sci Technol, 11, 909–926. https://doi.org/10.1007/s13762-013-0464-0
• Jin, G., Wang, Z., Hu, X., Hu, S., & Zhang, D. (2013). Land suitability evaluation in the Qinghai-Tibet Plateau based on fuzzy weight of evidence model. Transactions of the Chinese Society of Agricultural Engineering, 29(18), 241-250.
• Kadı, F., & Yılmaz, O. S. (2024). Determination of alternative forest road routes using produced landslide susceptibility maps: A case study of Tonya (Trabzon), Türkiye. International Journal of Engineering and Geosciences, 9 (2), 147-164. https://doi.org/10.26833/ijeg.1355615
• Kainthura, P., & Sharma, N. (2022). Machine learning driven landslide susceptibility prediction for the Uttarkashi region of Uttarakhand in India, Georisk: Assessment and Management of Risk for Engineered Systems and Geohazards, 16:570-583. https://doi.org/10.1080/17499518.2021.1957484
• Konak, N., Bilgiç, T., Bilgin, R., Hepşen, N., Ercan, T., & Hakyemez, Y. (2001). Kuzeydoğu Pontidlerin (Oltu-Olur-Şenkaya-Narman-Tortum-Uzundere-Yusufeli) Jeolojisi, MTA Raporu.
• Konak, N., Hakyemez, H.Y. (2008). 1: 100000 Ölçekli Türkiye Jeoloji Haritaları No: 95 Tortum-H47 Paftası.
• Lee, S., Choi, J., & Min, K. (2002). Landslide susceptibility analysis and verification using the Bayesian probability model. Environ Geol, 43,120–131
• Lee, J. H., Kim, H., Park, H. J., & Heo, J. H. (2021). Temporal prediction modeling for rainfall-induced shallow landslide hazards using extreme value distribution. Landslides, 18, 321-338. 10.1007/s10346-020-01502-7
• Lima, P., Steger, S., Glade, T., & Murillo-Garcia, F.G. (2022). Literature review and bibliometric analysis on data-driven assessment of landslide susceptibility. J Mt Sci 19:1670–1698. https://doi.org/10.1007/s11629-021-7254-9
• Li, R., Huang, S., & Dou, H. (2023). Dynamic Risk Assessment of Landslide Hazard for Large-Scale Photovoltaic Power Plants under Extreme Rainfall Conditions. Water, 15(15), 2832. https://doi.org/10.3390/w15152832
• Lin, W., Yin, K., Wang, N., Xu, Y., Guo, Z., & Li, Y. (2021). Landslide hazard assessment of rainfall-induced landslide based on the CF-SINMAP model: a case study from Wuling Mountain in Hunan Province, China. Natural Hazards, 106, 679-700. https://doi.org/10.1007/s11069-020-04483-x
• Mallick, J., Alqadhi, S., Talukdar, S., AlSubih, M., Ahmed, M., Khan, R.A., Kahla, N.B., & Abutayeh, S.M. (2021). Risk Assessment of Resources Exposed to Rainfall Induced Landslide with the Development of GIS and RS Based Ensemble Metaheuristic Machine Learning Algorithms. Sustainability, 13, 457. https://doi.org/10.3390/su13020457
• MGM (2024). Meteoroloji Genel Müdürlüğü [Online]. Erişim adresi: https://www.mgm.gov.tr.
• Moore, I.D., & Burch, G.J. (1986). Physical basis of the length-slope factor in the universal soil Loss equation. Soil Sci Soc Am J, 50(5), 1294–1298.
• MTA (2024). Maden Tetkik ve Arama Genel Müdürlüğü, Yerbilimleri Harita Görüntüleyici [Online]. Erişim adresi: http://yerbilimleri.mta.gov.tr/anasayfa.aspx
• Öcül, M., & Şişman, A. (2023). Landslide susceptibility analysis with multi criteria decision methods; a case study of Taşova. Advanced GIS, 3(1), 14-21.
• Özdemir, A., & Altural, T. (2013). A comparative study of frequency ratio, weights of evidence and logistic regression methods for landslide susceptibility mapping: Sultan Mountains, SW Turkey. Journal of Asian Earth Sciences, 64, 180-197. https://doi.org/10.1016/j.jseaes.2012.12.014
• Özşahin, E. (2015). Coğrafi Bilgi Sistemleri Yardımıyla Heyelan Duyarlılık Analizi: Ganos Dağı Örneği (Tekirdağ). Harita Teknolojileri Elektronik Dergisi, 7 (1), 47-63. 10.15659/hartek.15.04.68
• Partigöç, N. S. ve Dinçer, C. (2024). Coğrafi bilgi sistemleri (CBS) tabanlı afet risk analizi: Denizli ili örneği. Geomatik, 9 (1), 27-44. https://doi.org/10.29128/geomatik.1261051
• Polykretis, C., & Chalkias, C. (2018). Comparison and evaluation of landslide susceptibility maps obtained from weight of evidence, logistic regression, and artificial neural network models. Natural hazards, 93, 249-274. https://doi.org/10.1007/s11069-018-3299-7
• Pourghasemi, H.R., Mohammady, M., & Pradhan, B. (2012). Landslide susceptibility mapping using index of entropy and conditional probability models in GIS: Safarood Basin, Iran. Catena, 97, 71-84. https://doi.org/10.1016/j.catena.2012.05.005
• Qazi, A., Singh, K., Vishwakarma, D.K., & Abdo, H.G. (2023). GIS based landslide susceptibility zonation mapping using frequency ratio, information value and weight of evidence: a case study in Kinnaur District HP India. Bull Eng Geol Environ, 82, 332. https://doi.org/10.1007/s10064-023-03344-8
• Reis, H.Ç. (2018). Detection of foot bone anomaly using medical photogrammetry. International Journal of Engineering and Geosciences, 3 (1), 1-5. https://doi.org/10.26833/ijeg.333686
• Rouse, J.W., Haas, R.H., Schell, J.A., & Deering, D.W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. Proceedings of the Third Earth Resources Technology Satellite-1 Symposium, 301−317. Greenbelt, MD: NASA.
• Sidle, R.C., & Ochiai, H. (2006). Landslides: processes, prediction, and land use. Water Resources Monograph Series. Washington (DC): American Geophysical Union.
• Spiegelhater, D., & Knill-Jones, R.P. (1984). Statistical and knowledge approaches to clinical decision-support systems, with an application in gastroenterology. J R Stat Soc, 147, 35–77
• Sujatha, E.R., & Sridhar, V. (2021). Landslide Susceptibility Analysis: A Logistic Regression Model Case Study in Coonoor, India. Hydrology, 8, 41. https://doi.org/10.3390/hydrology8010041
• Taşkanat, T. (2022). Frekans Oranı ve Kanıt Ağırlığı Metotları Kullanılarak Heyelan Duyarlılık Analizi, Kayseri Küpeli Mahallesi Örneği. VIII. Uzaktan Algılama-CBS Sempozyumu, Ankara.
• Tırmanoğlu, B., İsmailoğlu, İ., Kokal, A.T., Musaoğlu, N. (2023). Yeni nesil multispektral ve hiperspektral uydu görüntülerinin arazi örtüsü / arazi kullanımı sınıflandırma performanslarının karşılaştırılması: Sentinel-2 ve PRISMA Uydusu. Geomatik, 8 (1), 79-90. https://doi.org/10.29128/geomatik.1126685
• van Westen, C.J., Rengers, N., & Soeters, R. (2003). Use of geomorphological information in indirect landslide susceptibility assessment, Natural Hazards, 30(2003), 399-419.
• Varnes, D. J. (1978). Slope movement types and processes in landslides: analysis and control. Edited by R. L. Schuster And R. J. Krizek. Transportation Research Board, National Academy Of Science, Washington. Special Report 176, Chapter 2, 11-33.
• Yeşilnacar, E., & Topal, T. (2005). Landslide susceptibility mapping: a comparison of logistic regression and neural networks methods in a medium scale study, Hendek region (Turkey). Engineering Geology, 79(3-4), 251-266. https://doi.org/10.1016/j.enggeo.2005.02.002
• Yılmaz, C., Topal, T., & Süzen, M.L. (2011). GIS-based landslide susceptibility mapping using bivariate statistical analysis in Devrek (Zonguldak-Turkey). Environmental Earth Sciences, 65, 2161-2178. https://doi.org/10.1007/s12665-011-1196-4
• Yilmaz, H. M., Yakar, M., Mutluoglu, O., Kavurmaci, M. M., & Yurt, K. (2012). Monitoring of soil erosion in Cappadocia region (Selime-Aksaray-Turkey). Environmental Earth Sciences, 66, 75-81.
• Yılmaz, O. S. (2023). Frekans oranı yöntemiyle coğrafi bilgi sistemi ortamında heyelan duyarlılık haritasının üretilmesi: Manisa, Demirci, Tekeler Köyü örneği. Geomatik, 8(1), 42-54. https://doi.org/10.29128/geomatik.1108735
• Zhang, Y. X., Lan, H. X., Li, L. P., Wu, Y. M., Chen, J. H., & Tian, N. M. (2020). Optimizing the frequency ratio method for landslide susceptibility assessment: A case study of the Caiyuan Basin in the southeast mountainous area of China. Journal of Mountain Science, 17(2), 340-357. https://doi.org/10.1007/s11629-019-5702-6