LANDSLIDE SUSCEPTIBILITY AND SETTLEMENT RISK ANALYSIS OF SOLAKLI BASIN (TRABZON)

Öz

Solaklı basin; It carries dangers and risks arising from its natural character. The high slope values in the basin, the combination of severe and extreme rainfall values, hydrographic features, lithology and anthropogenic pressures have turned landslides into a more common disaster with more destructive effects on the economy and society. Although there are landslide inventory studies in the basin, there are little or no studies that can reduce the landslide hazard. This study will contribute to the elimination of this deficiency. Determining the effect rates of the factors causing landslides in the Solaklı basin, determining the landslide potential of the basin by considering the results maps (Landslide sensitivity, Settlement landslide risk map) to be created by overlapping these factors, evaluating the spatial distribution of settlements that are risky against landslides, It is aimed to contribute to the reduction of landslide risks in the basin. In this framework, topographic factors (height, slope, aspect, drainage density, distance to the stream, topographic humidity index, profile curvature) were used to determine the effects of lithology proximity to the road and precipitation data on the spatial distribution of the landslide-sensitive areas. The results obtained were used in the frequency ratio technique to develop a landslide susceptibility map. Landslide analyzes and evaluations made in the basin will contribute to the realization of landslide hazard management for local authorities. The increase in landslide studies in the basin is of vital importance for the future of the population in the basin.

Anahtar Kelimeler

• Solaklı Stream Basin (Trabzon)
• Frequency Ratio Method
• Landslide Sensitivity Analysis
• Settlement Landslide Risk Analysis

SOLAKLI HAVZASI’NIN (TRABZON) HEYELAN DUYARLILIĞI VE YERLEŞİM YERİ RİSK ANALİZİ

Öz

Solaklı havzası; doğal karakterinden kaynaklı tehlike ve riskler taşır. Havza da Eğim değerlerinin yüksek oluşu, şiddetli ve ekstrem yağış değerleri, hidrografik özellikler, litoloji ve antropojenik baskıların birlikteliği heyelanları daha sık görülen, ekonomi ve toplum üzerinde daha yıkıcı etkileri olan bir afete dönüştürmüştür. Havzada heyelan envanter çalışmaları olmasına karşın heyelan riskini azaltabilecek çalışmalar az yada eksiktir. Bu çalışma bu eksikliğin giderilmesine katkı sağlayacaktır. Solaklı havzasında heyelana neden olan parametrelerin heyelan üzerindeki etki oranlarının belirlenmesi, bu parametrelerin çakıştırılmasıyla oluşturulacak sonuç haritalarıda (Heyelan duyarlılık, Yerleşim yeri heyelan risk haritası) göz önünde bulundurarak havzanın heyelan oluşturma potansiyelinin ortaya konması, heyelana karşı riskli yerleşmelerin mekansal dağılımının değerlendirilmesi, ilgili kurum ve kuruluşlara havzada heyelan risklerin azaltılmasına katkı sağlaması amaçlanmıştır. Bu çerçeve de topoğrafik parametreler (yükseklik, eğim, bakı, drenaj yoğunluğu, akarsuya uzaklık, topoğrafik nemlilik indeksi, profil eğriliği) litoloji yola yakınlık ve yağış verilerinin heyelana duyarlı alanların mekansal dağılışı üzerine etkilerini belirlemek için kullanılmıştır. Elde edilen sonuçlar bir heyelan duyarlılık haritası geliştirmek için frekans oranı tekniğinde kullanılmıştır. Havzanın % 35’lik kısmına denk düşen saha çok düşük ve düşük duyarlılığa sahipken % 33’lük kısmı yüksek ve çok yüksek duyarlılığa sahip alanlara karşılık gelmektedir. Solaklı havzasının heyelan duyarlılık haritası ROC Eğrisi kullanılarak doğruluk değerlendirmesi yapılmıştır. Buna göre Solaklı havzasının duyarlılık haritasının 0,73 doğruluğa sahip olduğu görülmüştür. Havzada yapılan heyelan analizleri ve değerlendirmeleri yerel makamlara heyelan risk yönetiminin gerçekleştirilmesine katkı sağlayacaktır. Havzada yapılan heyelan çalışmaların artması havzadaki nüfusun heyelan riskine karşı tedbir alması açısından önem arz etmektedir.

Anahtar Kelimeler

• Solaklı Havzası (Trabzon)
• Frekans Oranı Metodu
• Heyelan Duyarlılık Analizi
• Yerleşim yeri Heyelan Risk Analizi

Kaynakça

1. Abedini, M. & Tulabi, S. (2018). Assessing LNRF, FR, and AHP models in landslide susceptibility mapping index: a comparative study of Nojian watershed in Lorestan province, Iran. Environmental Earth Sciences, 77(11), 1-13. https://doi.org/10.1007/s12665-018-7524-1
2. Aghlmand, M., Onur, M. İ. & Talaeı, R. (2020). Heyelan duyarlılık haritalarının üretilmesinde Analitik Hiyerarşi yönteminin ve Coğrafi Bilgi Sistemlerinin kullanımı. European Journal of Science and Technology, Nisan (Özel Sayı), 224-230. https://doi.org/10.31590/ejosat.araconf28
3. Akgün, A. (2018). Bulanık Uyarlanabilir Rezonans Teorisi (FuzzyART) yöntemi kullanılarak heyelan duyarlılık analizi: Tonya (Trabzon) Örneği. GÜFBED/GUSTIJ, 8(1), 135-146. doi: 10.17714/gumusfenbil.346532.
4. An, H., Viet, T. T., Lee, G., Kim, Y., Kim, M., Noh, S. & Noh, J. (2016). Development of time-variant landslide-prediction software considering three-dimensional subsurface unsaturated flow. Environmental Modelling and Software, 85, 172-183. https://doi.org/10.1016/j.envsoft.2016.08.009
5. Arınç, K. (2011). Doğal, İktisadi, Sosyal Yönleriyle Türkiye’nin Kıyı Bölgeleri. Bam Yayınları. Erzurum.
6. Avcı, V. (2016). Gökdere havzası ve çevresinin (Bingöl Güneybatısı) frekans oranı metoduna göre heyelan duyarlılık analizi. Marmara Coğrafya Dergisi, 34, 160-177.
7. Beguería, S. (2006). Validation and evaluation of predictive models in hazard assessment and risk management. Natural Hazards, 37(3), 315-329.
8. Çellek, S., Bulut, F. & Ersoy, H. (2015). AHP yöntemi’nin heyelan duyarlılık haritalarının üretilmesinde kullanımı ve uygulaması (Sinop ve Yakın Çevresi). Jeoloji Mühendisliği Dergisi, 39(2), 59-59. https://doi.org/10.24232/jeoloji-muhendisligi-dergisi.295366

9. Çevik, E. & Topal, T. (2003). GIS-based landslide susceptibility mapping for a problematic segment of the natural gas pipeline, Hendek (Turkey). Environmental Geology, 44(8), 949-962. https://doi.org/10.1007/s00254-003-0838-6
10. Chen, X. & Chen, W. (2021). Catena GIS-based landslide susceptibility assessment using optimized hybrid machine learning methods. Catena, 196, 104833. https://doi.org/10.1016/j.catena.2020.104833
11. Çoban, A. (2015). Türkiye’nin iklimi. In H. D. İ. Akengin (Ed.), Türkiye fiziki coğrafyası (pp. 23-53). Ankara.
12. Daǧ, S. & Bulut, F. (2012). Coǧrafi Bilgi Sistemleri tabanlı heyelan duyarlılık haritalarının hazırlanmasına bir örnek: Çayeli (Rize, KD Türkiye). Jeoloji Muhendisligi Dergisi, 36(1), 35-62.
13. Dağdelenler, G. (2020). Comparison of the landslide susceptibility maps using two different sampling techniques with the frequency ratio (Fr) method. Jeoloji Muhendisligi Dergisi, 44(1), 19-38. https://doi.org/10.24232/jmd.740509
14. Das, G. & Lepcha, K. (2019). Application of logistic regression (LR) and frequency ratio (FR) models for landslide susceptibility mapping in Relli Khola river basin of Darjeeling Himalaya, India. SN Applied Sciences, 1(11), 1-22. https://doi.org/10.1007/s42452-019-1499-8
15. Dirican, A. (1991). ROC eğrisi çözümlenmesi ile tanı testlerinin değerlendirilmesi ve bilgisayar uygulaması. (Doktora tezi, İstanbul Üniversitesi Sağlık Bilimleri Enstitüsü, İstanbul).
16. Eker, R. & Aydın, A. (2014). Ormanların heyelan oluşumu üzerindeki etkileri. Turkish Journal of Forestry | Türkiye Ormancılık Dergisi, 15(1), 84. https://doi.org/10.18182/tjf.31067
17. El Jazouli, A., Barakat, A. & Khellouk, R. (2019). GIS-multicriteria evaluation using AHP for landslide susceptibility mapping in Oum Er Rbia high basin (Morocco). Geoenvironmental Disasters, 6(1). https://doi.org/10.1186/s40677-019-0119-7
18. Erener, A. & Lacasse, S. (2007). Heyelan Duyarlılık Haritalamasında CBS Kullanımı. TMMO Harita ve Kadastro Mühendisleri Odası ,Ulusal Coğrafi Bigi Sistemleri Kongresi, Trabzon
19. Erinç.S. (1996). Jeomorfoloji 1. İstanbul.
20. Faraggi, D. & Reiser, B. (2002). Estimation of the area under the ROC curve. Stat Med, 21, 3093-3106.
21. Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters, 27, 861-874.
22. Fidan, S. & Görüm, T. (2020). Türkiye’de ölümcül heyelanların dağılım karakteristikleri ve ulusal ölçekte öncelikli alanların belirlenmesi. Türk Coğrafya Dergisi, 74, 123-134. https://doi.org/10.17211/tcd.731596
23. Goetz, J. N., Brenning, A., Petschko, H. & Leopold, P. (2015). Evaluating machine learning and statistical prediction techniques for landslide susceptibility modeling. Computers and Geosciences, 81, 1-11. https://doi.org/10.1016/j.cageo.2015.04.007
24. Gökçeoğlu, C. & Ercanoğlu, M. (2001). Heyelan duyarlılık haritalarının hazırlanmasında kullanılan parametrelere ilişkin belirsizlikler. Hacettepe Üniversitesi Yerbilimileri Uygulama ve Araştırma Merkezi Bülteni, 22(23), 189-206
25. Güney, Y. (2018). Frekans Oranı yönteminin erozyon duyarlılık analizinde kullanımı : Selendi Çayı havzası ( Manisa ) örneği. Toprak Bilimi ve Bitki Beslenme Dergisi, 6(2), 73-85.
26. Hepdeniz, K. & Soyaslan, İ. İ. (2018). CBS ve Frekans Oranı yöntemi kullanılarak Isparta-Burdur dağ yolu heyelan duyarlılığının değerlendirilmesi. Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 9(2), 179-186. https://doi.org/10.29048/makufebed.414392
27. Huang, Y. & Zhao, L. (2018). Review on landslide susceptibility mapping using support vector machines. Catena, 165, 520-529. https://doi.org/10.1016/j.catena.2018.03.003
28. Jadda, M., Shafri, H. Z. M., Mansor, S. B., Sharifikia, M. & Pirasteh, S. (2009). Landslide susceptibility evaluation and factor effect analysis using Probabilistic-Frequency Ratio model. European Journal of Scientific Research, 33(4), 654-668.
29. Jakob, M. (2000). The impacts of logging on landslide activity at Clayoquot Sound, British Columbia.Catena, 38(4), 279-300. https://doi.org/10.1016/S0341-8162(99)00078-8
30. Khan, H., Shafique, M., Khan, M. A., Bacha, M. A., Shah, S. U. & Calligaris, C. (2019). Landslide susceptibility assessment using Frequency Ratio, a case study of northern Pakistan. Egyptian Journal of Remote Sensing and Space Science, 22(1), 11-24. https://doi.org/10.1016/j.ejrs.2018.03.004
31. Koçman, A. (1993). Türkiye İklimi. İzmir: Ege Üniversitesi Edebiyat Fakültesi Yayınları No: 72.
32. Lee S., Choi J. & Min K., (2004), Landslide hazard mapping using gıs and remote sensing data at Boun, Korea. Int J Remote Sensing, 25, 2037-2052.
33. Liu, H., Li, X., Meng, T. & Liu, Y. (2020). Susceptibility mapping of damming landslide based on slope unit using Frequency Ratio model. Arabian Journal of Geosciences, 13(16). https://doi.org/10.1007/s12517-020-05689-w
34. Medina, V., Hürlimann, M., Guo, Z., Lloret, A. & Vaunat, J. (2021). Catena Fast physically-based model for rainfall-induced landslide susceptibility assessment at regional scale. Catena, 201, 105213. https://doi.org/10.1016/j.catena.2021.105213
35. Mohammady, M., Pourghasemi, H. R. & Pradhan, B. (2012). Landslide susceptibility mapping at Golestan Province, Iran: a comparison between frequency ratio, Dempster- Shafer, and weights-of-evidence models. Journal of Asian Earth Sciences, 61, 221-236. https://doi.org/10.1016/j.jseaes.2012.10.005
36. Öztürk, K. (2002). Heyelanlar ve Türkiye’ye etkileri. G.Ü. Gazi Eğitim Fakültesi, Dergisi, 2, 35-50.
37. Pourghasemi, R.H. & Rahmati, O. (2018). Prediction of the landslide susceptibility: which algorithm, which precision? Catena, 162, 177-192. https://doi.org/10.1016/j.catena.2017.11.022
38. Reichenbach, P., Rossi, M., Malamud, B. D., Mihir, M. & Guzzetti, F. (2018). Earth-science reviews a review of statistically-based landslide susceptibility models. Earth-Science Reviews, 180, 60-91. https://doi.org/10.1016/j.earscirev.2018.03.001
39. Taşoğlu, E. (2020). Devrek İlçesi’nin (Zonguldak) yapay sinir ağları ile heyelan duyarlılık değerlendirmesi. (Yayınlanmamış Yüksek lisans tezi, Karabük Üniversitesi, Coğrafya Bölümü, Karabük).
40. UNISDR. (2017). Economic losses, DISASTERS poverty & 1998-2017. 1–27. Retrieved from https://ci.nii.ac.jp/naid/40021243259/
41. Wu, X., Shen, S. & Niu, R. (2016). Landslide susceptibility prediction using GIS and PSO-SVM. Wuhan Daxue Xuebao (Xinxi Kexue Ban)/Geomatics and Information Science of Wuhan University, 41(5), 665-671. https://doi.org/10.13203/j.whugis20130566
42. Wubalem, A. (2021). Landslide susceptibility mapping using statistical methods in Uatzau catchment area, northwestern Ethiopia. Geoenvironmental Disasters, 8(1), 1-28. https://doi.org/10.1186/s40677-020-00170-y
43. Yilmaz, I. (2009). Landslide susceptibility mapping using Frequency Ratio, logistic regression, artificial neural networks and their comparison: a case study from Kat landslides (Tokat-Turkey). Computers and Geosciences, 35(6), 1125-1138. https://doi.org/10.1016/j.cageo.2008.08.007