Frekans Oranı Yöntemi Kullanılarak Arsuz Çayı Havzası Heyelan Duyarlılık Analizi

Yıl 2024, , 23 - 39, 15.10.2024

Semir Demirbilek , Hüseyin Turoğlu

https://doi.org/10.46453/jader.1496249

Öz

Heyelan afetleri, Türkiye’nin birçok bölgesinde gerçekleşen doğal afetlerin başında gelmektedir. Hatay Arsuz sınırları içerisinde yer alan Arsuz Çayı Havzası’da heyelan afetlerinin gerçekleştiği sahalardan biridir. Çalışmanın amacı, Arsuz Çayı Havzası’nın frekans oranı yöntemi aracılığıyla heyelan duyarlılık analizinin yapılmasıdır. Bu amaç doğrultusunda heyelan duyarlılık analizinin gerçekleştirilmesinde; yükselti, eğim, bakı, topografik nemlilik indisi (TWI) akarsu aşındırma gücü (Spi), yola uzaklık, akarsuya uzaklık, topografik pürüzlülük indisi (TRI), normalize edilmiş bitki indisi (NDVI), çizgisellik mesafesi, arazi örtüsü, yağış, vadi derinliği, eğrisellik ve litoloji olmak üzere toplamda 15 parametre kullanılmıştır. Analizlerin ortaya konulmasında 1/25.000 ölçekli Mersin P35b1, Mersin P35b2, Mersin P35b3, Antakya P36a4 topografya paftaları, 1/100.000 ölçekli Antakya P36-P37-Hama-R36- Mersin P35-Lazkiye-R35 jeoloji paftaları, sayısal yükselti modeli (SYM-10 m), arazi örtüsü(10 m), Sentinel-2 25/01/2024 güncel tarihli uydu görüntüsü (10 m), yol verisi (10 m), yağış verisi (1 km²) ile Coğrafi Bilgi Sistemleri (CBS) kullanılmıştır. Frekans oranı yöntemine göre oluşturulan heyelan duyarlılık haritası incelendiğinde, bu alanların dağılış özellikleri; çok düşük duyarlılık sınıfı 34.9 km², toplam alan içerisinde yaklaşık %23.8, düşük sınıfta duyarlılık 31 km² ve toplam alan içerisinde % 21.2, orta duyarlılıkta sınıflar 45.9 km² ve toplam alan içerisinde %31.3, yüksek duyarlı alanlar 30.3 km² ve toplam alan içerisinde % 20.7, çok yüksek sınıfta duyarlılık sahaları ise 4.5 km² ve toplam alan içerisinde %3.1’lik alan kaplamaktadır. Çalışmada yapılan analizlerin doğruluğu için alıcı işletim karakteristiği (ROC) yöntemi kullanılmıştır. ROC yöntemine bağlı olarak doğruluk analizi kapsamında, Frekans Oranı (FR) yöntemine göre oluşturulan modelin 0.828 gibi oldukça yüksek bir değerde doğruluk değerine ulaşılmıştır. Buna göre model doğruluğu yaklaşık % 83 oranında bir doğruluğa sahiptir.

Anahtar Kelimeler

Arsuz Çayı Havzası, Heyelan duyarlılık analizi, Frekans Oranı

Etik Beyan

Bu çalışma; İstanbul Üniversitesi Sosyal Bilimler Enstitüsü Coğrafya Anabilim Dalında hazırlanan “Arsuz Çayı Havzası’nın (Hatay) Uygulamalı Jeomorfoloji Etüdü” adlı doktora tez çalışmasından üretilmiştir.

Landslide Susceptibility Analysis of Arsuz Stream Basin Using the Frequency Ratio Method

Öz

Landslide events are one of the leading natural disasters that occur in many regions of Turkey. Arsuz Stream Basin, located within the borders of Hatay Arsuz, is one of the areas where these landslide events occur.The purpose of the study is to perform landslide susceptibility analysis of the Arsuz Stream Basin through the frequency ratio method. For this purpose, a total of 15 parameters including elevation, slope, aspect, topographic moisture index (TWI), stream erosion power (Spi), distance to road, distance to stream, topographic roughness index (TRI), normalized vegetation index (NDVI), linearity distance, land use, precipitation, valley depth, curvature and lithology were used in the landslide susceptibility analysis. In the study carried out based on Geographic Information Systems (GIS), 1/25,000 scale Mersin P35b1, Mersin P35b2, Mersin P35b3, Antakya P36a4 topography sheets, 1/100,000 scale Antakya P36-P37-Hama-R36- Mersin P35-Latakia-R35 geology sheets, digital elevation model (SYM-10 m), land cover (10 m), Sentinel-2 satellite image dated 25/01/2024 (10 m), road data (10 m), rainfall data (1 km²) were used. When the landslide susceptibility map created according to the frequency ratio method, the distribution characteristics of these areas; very low sensitivity class is 34.9 km², approximately 23.8% in the total area, low class sensitivity is 31 km² and 21.2% in the total area, medium sensitivity classes are 45.9 km² and 31.3% in the total area, high sensitivity areas are 30.3 km² and 20.7% in the total area, very high class sensitivity areas cover 4.5 km² and 3.1% of the total area. The receiver operating characteristic (ROC) method was used for the accuracy of the analyzes performed in the study. Within the scope of accuracy analysis based on the ROC method, it was determined that the model created according to the Frequency Ratio (FR) method had a very high value of 0.828. Accordingly, the model accuracy has an accuracy of approximately 83%.

Etik Beyan

Bu çalışma; İstanbul Üniversitesi Sosyal Bilimler Enstitüsü Coğrafya Anabilim Dalında hazırlanan “Arsuz Çayı Havzası’nın (Hatay) Uygulamalı Jeomorfoloji Etüdü” adlı doktora tez çalışmasından üretilmiştir.

Kaynakça

• Ado, M., Amitab, K., Maji, A.K., Jasińska, E., Gono, R., Leonowicz, Z. & Jasiński, M. (2022). "Landslide Susceptibility Mapping Using Machine Learning: A Literature Survey" Remote Sensing 14, no. 13: 3029. https://doi.org/10.3390/rs14133029
• Akgün, A., Türk, N. (2010). İki ve Çok Değişkenli İstatistik ve Sezgisel Tabanlı Heyelan Duyarlılık Modellerinin Karşılaştırılması: Ayvalık (Balıkesir, Kuzeybatı Türkiye) Örneği. Jeoloji Mühendisliği Dergisi, 34(2), 85-112. Erişim adresi:https://dergipark.org.tr/tr/pub/jmd/issue/28177/295467
• Akıncı, H., Doğan, S. Kılıçoğlu, C. 2017. Landslide Susceptıbılıty Mapping Of Canik (Samsun) Dıstrıct Usıng Bayesıan Probabılıty and Frequency Ratıo Models. Selçuk Üniversitesi Mühendislik, Bilim Ve Teknoloji Dergisi, 5(3), 283-299. https://doi.org/10.15317/Scitech.2017.89
• Arca, D., Kutoğlu, Ş.H. (2017). Frekans Oranı Metodu ile Heyelan Duyarlılık Haritasının Üterilmesi. TMMOB Harita ve Kadastro Mühendisleri Odası, 16. Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara. Erişim adresi: https://www.hkmo.org.tr/resimler/ekler/23443add7429229_ek.pdf
• Azarafza, M., Azarafza, M., Akgün, H., Atkinson, P.M., & Derakhshani, R. (2021). Deep learning-based landslide susceptibility mapping. Scientific Report, 11, 24112. https://doi.org/10.1038/s41598-021-03585-1
• Bonham-Carter, G.F. (1994). Geographic Information Systems for Geoscientists. Pergamon Press, Modeling with GIS, Oxford.Erişim adresi: https://www.sciencedirect.com/book/9780080418674/geographic-information-systems-for-geoscientists
• Cemiloglu, A., Zhu, L., Mohammednour, A. B., Azarafza, M., Nanehkaran, Y.A. 2023. "Landslide Susceptibility Assessment for Maragheh County, Iran, Using the Logistic Regression Algorithm" Land 12, no. 7: 1397. https://doi.org/10.3390/land12071397
• Cihangir, M. E., Görüm, T. (2016). Kelkit vadisinin aşağı çığırında gelişmiş heyelanların dağılım deseni ve oluşumlarını kontrol eden faktörler. Türk Coğrafya Dergisi (66), 19-28. https://doi.org/10.17211/tcd.84731
• Çan, T., Duman, T. Y., Olgun, Ş., Çörekçioğlu, Ş., Karakaya-Gülmez, F., Elmacı, H., Hamzaçebi, S., & Emre, Ö. (2013). Türkiye Heyelan Veri Tabanı. TMMOB Coğrafi Bilgi Sistemleri Kongresi.Erişim adresi: //https://obs.hkmo.org.tr/showmedia/resimler/ekler/85a47f65233d5d0_ek.pdf
• Chen, W., Chai, H., Sun, X., Wang, Q., Ding, X., & Hong, H.(2016a). A GIS-based comparative study of frequency ratio, statistical index and weights-of-evidence models in landslide susceptibility mapping. Arabian Journal of Geosciences. 9 (3), 204.https://doi.org/ 10.1007/s12517-015-2150-7
• Chen, W., Wang, J., Xie, X., Hong, H., Van Trung, N., Bui, D.T., Wang, G., & Li, X.(2016b). Spatial prediction of landslide susceptibility using integrated frequency ratio with entropy and support vector machines by different kernel functions. Environmental Earth Sciences. 75 (20), 1344. https://doi.org/10.1007/s12665-016-6162-8
• Dalkes, M., Korkmaz, M. S. (2023). Analitik Hiyerarşi Süreci ve Frekans Oranı Yöntemlerinin Heyelan Duyarlılık Analizinde Karşılaştırılması: Trabzon İli Akçaabat ve Düzköy İlçeleri Örneği. Doğal Afetler Ve Çevre Dergisi, 9(1), 16-38. https://doi.org/10.21324/dacd.1105000
• Değerliyurt, M. (2014). İskenderun-Arsuz İlçelerinin (Hatay) CBS Tabanlı Zemin Hareketleri Duyarlılık Analizi, Turkish Studies, Cilt 9, Sayı 5:655-678. doi:http://dx.doi.org/10.7827/TurkishStudies.6765
• Ding, Q., Chen, W., & Hong, H. (2017). Application of frequency ratio, weights of evidence and evidential belief function models in landslide susceptibility mapping. Geocarto International 32 (6), 619–639. https://doi.org/10.1080/10106049.2016.1165294
• Erener, A., Duzgun, H.S. (2010) Improvement of statistical landslide susceptibility mapping by using spatial and global regression methods in the case of More and Romsdal (Norway), Landslides, 7, 55-68. https://doi.org/10.1007/s10346-009-0188-x
• Ergünay, O. (2007). Türkiye’nin afet profili. TMMOB Afet Sempozyumu, 5(7), 1-14. Erişim adresi:https://eskisakarya.imo.org.tr/resimler/ekutuphane/pdf/3885.pdf
• Fick. E.S., Hijmans, R.J. (2017). WorldClim 2: new 1-km spatial resolution climate surfaces for global land areas. International Journal of Climatology. https://doi.org/10.1002/joc.5086
• Froude M. J., Petley D. (2018). Global fatal landslide occurrence from 2004 to 2016. Natural Hazards and Earth System Sciences, 18, 2161-2181. https://doi.org/10.5194/nhess-18-2161-2018
• Gong, W., Hu, M., Zhang, Y., Tang, H., Liu, D. & Song, Q. (2021). GIS-based landslide susceptibility mapping using ensemble methods for Fengjie County in the Three Gorges Reservoir Region, China. International Journal of Environmental Science and Technology, 1-18. https://doi.org/10.1007/s13762-021-03572-z.
• Gökçeoğlu, C., Ercanoğlu, M. (2001) Heyelan duyarlılık haritalarının hazırlanmasında kullanılan parametrelere ilişkin belirsizlikler. Yerbilimleri 23, 189–206. Erişim adresi: https://dergipark.org.tr/tr/pub/yerbilimleri/issue/13619/165042
• Görüm, T. (2006). Coğrafi bilgi sistemi ve istatistiksel yöntemler kullanılarak heyelan duyarlılık analizi: Melen boğazı ve yakın çevresi (Tez No.215614). [Yüksek Lisans Tezi, İstanbul Üniversitesi]. Yök Tez Merkezi.
• Görüm, T., Fidan, S. (2021). Spatiotemporal variations of fatal landslides in Turkey. Landslides 18, 1691–1705. https://doi.org/10.1007/s10346-020-01580-7.
• Guzzetti, F., Carrara, A., Cardinali, M., & Reichenbach, P. (1999). Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy. Geomorphology 31, 181–216. https://doi.org/10.1016/S0169-555X(99)00078-1
• 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-Science Reviews.112, 42–66. https://doi.org/10.1016/j.earscirev.2012.02.001
• Günini, N. Ü., Öztürk, D. (2021). Van ili heyelan duyarlılığının frekans oranı yöntemiyle analizi. Bursa Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, Cilt 26, Sayı 3. https://doi.org/10.17482/uumfd.969246
• 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
• Jenks, G. F. (1967). The Data Model Concept in Statistical Mapping. International Yearbook of Cartography, 7, 186-190.
• Ke, C., He, S., & Qin, Y. (2023). Comparison of natural breaks method and frequency ratio dividing attribute intervals for landslide susceptibility mapping. Bulletin of Engineering Geology and the Environment 82, 384. https://doi.org/10.1007/s10064-023-03392-0.
• Khan, H., Shafique, M., Khan, M. A., Bacha, M. A., Shah, S. U., & Calligaris, C. (2018). Landslide susceptibility assessment using Frequency Ratio, a case study of northern Pakistan. The Egyptian Journal of Remote Sensing and Space Science, 22(1), 11-24. https://doi.org/10.1016/j.ejrs.2018.03.004
• Kılıçoğlu, C. (2020). Frekans Oranı Metodu ve Bayesyen Olasılık Modeli Kullanılarak Samsun İli Vezirköprü İlçesinin Heyelan Duyarlılık Haritasının Üretilmesi. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, 20(1), 138-154. https://doi.org/10.35414/akufemubid.658662
• Lee, S., Talib, J. A. (2005). Probabilistic landslide susceptibility and factor effect analysis. Environmental Geology. 47 (7), 982–990. https://doi.org/10.1007/s00254-005-1228-z
• Mandal, S., Mondal, S. (2019). Statistical Approaches for Landslide Susceptibility Assessment and Prediction, Springer International Publishing, Cham, 193 s. https://doi.org/10.1007/978-3-319-93897-4
• 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
• 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
• Pham, B.T., Nguyen-Thoi, T., Qi, C., Phong, T.V., Dou, J., Ho, L.S., Le, H.V., & Prakash, I. (2020). Coupling RBF neural network with ensemble learning techniques for landslide susceptibility mapping. Catena 195, 104805. https://doi.org/10.1016/j.catena.2020.104805
• Pourghasemi, H.R., Kornejady, A., Kerle, N., & Shabani, F. (2020). Investigating the effects of different landslide positioning techniques, landslide partitioning approaches, and presence-absence balances on landslide susceptibility mapping. Catena 187, 104364. https://doi.org/10.1016/j.catena.2019.104364
• Rahmati, O., Pourghasemi, H. R., & Zeinivand, H. (2016). Flood susceptibility mapping using frequency ratio and weights-of-evidence models in the Golastan Province, Iran. Geocarto International, 31(1), 42–70. https://doi.org/10.1080/10106049.2015.104155 9
• Reis, S., Yalcin, A., Atasoy, M., Nisanci, R., Bayrak, T., Erduran, M., Sancar, C., Ekercin, S. (2012). Remote sensing and GIS-based landslide susceptibility mapping using frequency ratio and analytical hierarchy methods in Rize province (NE Turkey). Environmental Earth Sciences, 66 (7), 2063–2073. https://doi.org/10.1007/s12665-011-1432-y
• Shano, L., Raghuvanshi, T.K., & Meten, M. (2021). Landslide susceptibility mapping using frequency ratio model: the case of Gamo highland, South Ethiopia. Arabian Journal of Geosciences, 14, 623. https://doi.org/10.1007/s12517-021-06995-7.
• Shirzadi, A., Chapi, K., Shahabi, H., Solaimani, K., Kavian, A., & Ahmad, B. Bin. (2017). Rock fall susceptibility assessment along a mountainous road: an evaluation of bivariate statistic, analytical hierarchy process and frequency ratio. Environmental Earth Sciences, 76(4), 1–17. https://doi.org/10.1007/s12665-017-6471-6
• Shu, H., Guo, Z., Qi, S., Song, D., Pourghasemi, H.R., & Ma, J. (2021). Integrating Landslide Typology with Weighted Frequency Ratio Model for Landslide Susceptibility Mapping: A Case Study from Lanzhou City of Northwestern China. Remote Sensing,13, 3623. https://doi.org/10.3390/rs13183623
• Sun, D.L., Wen, H.J., Wang, D.Z., & Xu, J.H. (2020). A random forest model of landslide susceptibility mapping based on hyperparameter optimization using Bayes algorithm. Geomorphology 362, 107201. https://doi.org/10.1016/j.geomorph.2020.107201
• Taşkanat, T. (2012). Frekans Oranı Ve Kanıt Ağırlığı Metotları Kullanılarak Heyelan Duyarlılık Analizi, Kayseri Küpeli Mahallesi Örneği. Uzal ve CBS Sempozyumu. 1-9. https://doi.org/10.15659/uzalcbs2022.13033
• Turoğlu, H. (2000). Doğal Ortam Analizi ve Düzenleme-Planlama Çalışmaları. İstanbul Üniversitesi Coğrafya Dergisi (8), 201-212. Erişimadresi: https://dergipark.org.tr/tr/pub/iucografya/issue/25057/264552
• Utlu, M. (2023). Frekans Oranı ve Shannon Entropisi Yöntemi Kullanarak Ezine Çayı Havzası Taşkın Duyarlılık Analizi (Kastamonu-Bozkurt). Jeomorfolojik Araştırmalar Dergisi (11), 160-178. https://doi.org/10.46453/jader.1358845
• Van Westen, C.J. (1993). Remote Sensing and Geographic İnformation Systems for Geologic Hazard Mitigation. ITC Journal-4. Erişim adresi: https://www.researchgate.net/publication/209805617_Remote_Sensing_and_Geographic_Information_Systems_for_Geological_Hazard_Mitigation
• Wang, Y., Sun, D., Wen, H., Zhang, H., & Zhang, F. (2020). Comparison of Random Forest Model and Frequency Ratio Model for Landslide Susceptibility Mapping (LSM) in Yunyang County (Chongqing, China). International Journal of Environmental Research and Public Health, 17, 4206. https://doi.org/10.3390/ijerph17124206
• Yılmaz, 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-Geosciences, 35 (6), 1125–1138. https://doi.org/10.1016/j.cageo.2008.08.007
• 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
• Zhou, X., Wen, H., Zhang, Y., Xu, J., & Zhang, W. (2021). Landslide susceptibility mapping using hybrid random forest with GeoDetector and RFE for factor optimization. Geoscience Frontiers, 12(5), 101211. https://doi.org/10.1016/j.gsf.2021.101211