Fuzzy rule-based landslide susceptibility mapping in Yığılca Forest District (Northwest of Turkey)

Abstract

Fuzzy rule-based landslide susceptibility mapping in Yığılca Forest District (Northwest of Turkey)

Abstract: Landslide susceptibility map of Yığılca Forest District was formed based on developed fuzzy rules using GIS-based FuzzyCell software. An inventory of 315 landslides was updated through fieldworks after inventory map previously generated by the authors. Based on the landslide susceptibility mapping study previously made in the same area, for the comparison of two maps, same 8 landslide conditioning parameters were selected and then fuzzified for the landslide susceptibility mapping: land use, lithology, elevation, slope, aspect, distance to streams, distance to roads, and plan curvature. Mamdani model was selected as fuzzy inference system. After fuzzy rules definition, Center of Area (COA) was selected as defuzzification method in model. The output of developed model was normalized between 0 and 1, and then divided five classes such as very low, low, moderate, high, and very high. According to developed model based 8 conditioning parameters, landslide susceptibility in Yığılca Forest District varies between 32 and 67 (in range of 0-100) with 0.703 Area Under the Curve (AUC) value. According to classified landslide susceptibility map, in Yığılca Forest District, 32.89% of the total area has high and very high susceptibility while 29.59% of the area has low and very low susceptibility and the rest located in moderate susceptibility. The result of developed fuzzy rule based model compared with previously generated landslide map with logistic regression (LR). According to comparison of the results of two studies, higher differences exist in terms of AUC value and dispersion of susceptibility classes. This is because fuzzy rule based model completely depends on how parameters are classified and fuzzified and also depends on how truly the expert composed the rules. Even so, GIS-based fuzzy applications provide very valuable facilities for reasoning, which makes it possible to take into account inaccuracies and uncertainties.

Keywords: FIS, FuzzyCell, GIS, landslide susceptibility mapping, Yığılca

Yığılca Orman İşletmesi’nde (Kuzeybatı Türkiye) bulanık-kural tabanlı heyelan duyarlılık haritasının oluşturulması

Özet: Yığılca Orman İşletmesinin heyelan duyarlılık haritası CBS-tabanlı FuzzyCell yazılımı kullanılarak bulanık kural tabanlı olarak oluşturulmuştur. 315 adet heyelan içeren envanter haritası alanda daha önce yazarlar tarafından üretilen envanterin arazi çalışmaları ile güncellenmiş şeklidir. Alanda daha önce yazarlar tarafından üretilen heyelan duyarlılık haritasına bağlı olarak karşılaştırma yapabilmek amacıyla, yine 8 adet parametre harita seçilmiş ve daha sonra heyelan duyarlılık haritalama için bulanıklaştırılmıştır: arazi kullanımı, litoloji, yükselti, eğim, bakı, yola uzaklık, dereye uzaklık ve plan eğrisellik. Bulanık çıkarım sistemi olarak Mamdani modeli seçilmiştir. Bulanık kuralların tanımlanmasından sonra modelin durulaştırması için Alan Merkezi metodu uygulanmıştır. Daha sonra elde edilen bulanık duyarlılık haritası 0-1 aralığında normalleştirilmiş ve çok düşük, düşük, orta, yüksek ve çok yüksek olmak üzere beş farklı duyarlılık sınıfına ayrılmıştır. Seçilen 8 parametre haritasına bağlı olarak geliştirilen modele göre, Yığılca Orman İşletmesinde heyelan duyarlılığı 0.703 EAA (Eğri Altındaki Alan) değeri ile 32 ila 67 (ki 1-100 aralığındadır) duyarlılıkları arasında belirlenmiştir. Sınıflandırılan heyelan duyarlılık haritasına göre Yığılca Orman İşletmesinin %32.84’ü yüksek ve çok yüksek duyarlılık sınıflarında iken, alanın %29.59’u düşük ve çok düşük duyarlılık sınıflarında, geriye kalan ise orta duyarlılık sınıfında yer almaktadır. Alanda daha önce lojistik regresyon (LR) metodu ile üretilen heyelan duyarlılık haritası ile karşılaştırıldığında duyarlılık sınıflarının dağılımında önemli farklılık gözlenmektedir. Bu bulanık kural tabanlı modelin tamamıyla parametrelerin nasıl sınıflandırıldığı ve bulanıklaştırıldığının yanı sıra kural tabanın ne kadar doğru oluşturulduğuna bağlıdır. Ancak yine de bulanık kural tabanı ile modelleme CBS entegre çalışmalarda oldukça esnek muhakeme imkanı ve böylece belirlilik ve kesinlik olmaması durumunun da dikkate alınmasına imkan sağlamaktadır.

Anahtar Kelimeler: FIS, FuzzyCell, CBS, heyelan duyarlılık haritalama, Yığılca

Received (Geliş): 30.11.2015 - Revised (Düzeltme): 29.12.2015 -   Accepted (Kabul): 07.01.2016

Cite (Atıf): Aydin, A., Eker, R., 2016. Fuzzy rule-based landslide susceptibility mapping in Yığılca Forest District (Northwest of Turkey). Journal of the Faculty of Forestry Istanbul University 66(2): 559-571. DOI: 10.17099/jffiu.44480

Keywords

• -

Yığılca Orman İşletmesi’nde (Kuzeybatı Türkiye) bulanık-kural tabanlı heyelan duyarlılık haritasının oluşturulması

Abstract

Yığılca Orman İşletmesinin heyelan duyarlılık haritası CBS-tabanlı FuzzyCell yazılımı kullanılarak bulanık kural tabanlı olarak oluşturulmuştur. 315 adet heyelan içeren envanter haritası alanda daha önce yazarlar tarafından üretilen envanterin arazi çalışmaları ile güncellenmiş şeklidir. Alanda daha önce yazarlar tarafından üretilen heyelan duyarlılık haritasına bağlı olarak karşılaştırma yapabilmek amacıyla, yine 8 adet parametre harita seçilmiş ve daha sonra heyelan duyarlılık haritalama için bulanıklaştırılmıştır: arazi kullanımı, litoloji, yükselti, eğim, bakı, yola uzaklık, dereye uzaklık ve plan eğrisellik. Bulanık çıkarım sistemi olarak Mamdani modeli seçilmiştir. Bulanık kuralların tanımlanmasından sonra modelin durulaştırması için Alan Merkezi metodu uygulanmıştır. Daha sonra elde edilen bulanık duyarlılık haritası 0-1 aralığında normalleştirilmiş ve çok düşük, düşük, orta, yüksek ve çok yüksek olmak üzere beş farklı duyarlılık sınıfına ayrılmıştır. Seçilen 8 parametre haritasına bağlı olarak geliştirilen modele göre, Yığılca Orman İşletmesinde heyelan duyarlılığı 0.703 EAA (Eğri Altındaki Alan) değeri ile 32 ila 67 (ki 1-100 aralığındadır) duyarlılıkları arasında belirlenmiştir. Sınıflandırılan heyelan duyarlılık haritasına göre Yığılca Orman İşletmesinin %32.84’ü yüksek ve çok yüksek duyarlılık sınıflarında iken, alanın %29.59’u düşük ve çok düşük duyarlılık sınıflarında, geriye kalan ise orta duyarlılık sınıfında yer almaktadır. Alanda daha önce lojistik regresyon (LR) metodu ile üretilen heyelan duyarlılık haritası ile karşılaştırıldığında duyarlılık sınıflarının dağılımında önemli farklılık gözlenmektedir. Bu bulanık kural tabanlı modelin tamamıyla parametrelerin nasıl sınıflandırıldığı ve bulanıklaştırıldığının yanı sıra kural tabanın ne kadar doğru oluşturulduğuna bağlıdır. Ancak yine de bulanık kural tabanı ile modelleme CBS entegre çalışmalarda oldukça esnek muhakeme imkanı ve böylece belirlilik ve kesinlik olmaması durumunun da dikkate alınmasına imkan sağlamaktadır.

Keywords

• FIS, FuzzyCell, CBS, heyelan duyarlılık haritalama, Yığılca

References

1. Akgün, A. 2012. “A comparison of landslide susceptibility maps produced by logistic regression, multi criteria decision, and likelihood ratio methods: a case study at İzmir, Turkey”, 9(1), pp. 93-106, doi: 10.1007/s10346-011-0283-7.
2. Akgün, A., Sezer, E.A., Nefeslioğlu, H.A., Pradhan, B., 2012. “An easy to use MATLAB program (MamLand) for the assessment of landslide susceptibility using Mamdani fuzzy algorithm.” Computer&Geosciences, 38(1), pp. 23-34, doi:10.1016/j.cageo.2011.04.012.
3. Aleotti, P., Chowdhury, R., 1999. “Landslide hazard assessment: summary review and new perspectives,” Bull Eng Geol Env, 58, pp. 21–44, doi: 10.1007/s100640050066.
4. Begueria, S., 2006. “Validation and evaluation of predictive models in hazard assessment and risk management”. Nat Hazards, 37, pp. 315-329, doi: 10.1007/s11069-005-5182-6.
5. Chai, Y., Jia L., Zhang Z., 2009. “Mamdani Model based Adaptive Neural Fuzzy Inference System and its Application”, International Journal of Computational Intelligence 5:1, pp. 22-29.
6. Cornforth D.H., 2004. Landslides in Practice, John Wiley & Sons, New Jersy.
7. Dai, F.C., Lee, C.F., Ngai, Y.Y., 2002. “Landslide risk assessment and management: an overview.” Engineering Geology 64, pp. 65–87, doi: 10.1016/S0013-7952(01)00093-X.
8. Eker, R., 2013. “Mapping landslide susceptibility using geographical information systems and its evaluation for forest roads in the Yığılca Forest Directorate (original in Turkish)”, Master Thesis, Faculty of Forestry, Düzce University, Düzce.

9. Eker, R., Aydın, A., 2014. “Assessment of the forest road conditions in terms of landslide susceptibility: A case study in Yığılca Forest Directorate (Turkey),” Turk J Agric For. 38(2), pp. 281-290, doi: 10.3906/tar-1303-12.
10. Ercanoglu, M., Gokceoglu, C., 2002. “Assessment of landslide susceptibility for a landslide-prone area (north of Yenice, NW Turkye) by fuzzy approach,” Environ Geol 41, pp. 720–730, doi: 10.1007/s00254-001-0454-2.
11. Ercanoğlu, M., Temiz, F.A., 2011 “Application of logistic regression and fuzzy operators to landslide susceptibility assessment in Azdavay (Kastamonu, Turkey),” Environ Earth Sci, 64, pp. 949-964, doi: 10.1007/s12665-011-0912-4.
12. Erener, A., Düzgün, H.S.B., 2011. “Landslide susceptibility assessment: what are the effects of mapping unit and mapping method?”, 66(3), pp. 859-877, doi: 10.1007/s12665-011-1297-0.
13. Gorsevksi, V., Jankowski, P., Gessler, P.E., 2006. “An heuristic approach for mapping landslide hazard by integrating fuzzy logic with analytic hierarchy process,” Control and Cybernetics, 35: 1, pp. 121-146.
14. Gökçe, O., Özden Ş., Demir, A., 2008. Türkiye’de Afetlerin Mekansal ve İstatistiksel Dağılımı Afet Bilgileri Envanteri, Afet İşleri Genel Müdürlüğü, Ankara, pp 118.
15. Jang, J.S.R., 1993. “ANFIS: adaptive-network-based fuzzy inference system. IEEE Journal, 23(3), pp. 665-685, doi: 10.1109/21.256541.
16. Lee, S., 2007. “Application and verification of fuzzy algebraic operators to landslide susceptibility mapping” Environ Geol, 52, pp. 615-623, doi: 10.1007/s00254-006-0491-y.
17. Osna, T., Sezer, E.A., Akgün, A., 2014. “GeoFIS: An integrated tool for the assessment of landslide susceptibility”, 66, pp 20-30, doi:10.1016/j.cageo.2013.12.016.
18. Pourghasemi, H.R., Pradhan, B., Gökçeoğlu, C., 2012. “Application of fuzzy logic and analytical hierarchy process (AHP) to landslide susceptibility mapping at Haraz watershed, Iran”, 63(2), pp. 965-996, doi: 10.1007/s11069-012-0217-2.
19. Pradhan, B., 2010. “Landslide Susceptibility mapping of a catchment area using frequency ratio, fuzzy logic and multivariate logistic regression approaches,” J. Indian Soc. Remote Sens. 38, pp. 301– 320, doi:
20. 1007/s12524-010-0020-z.
21. Pradhan, B., 2011. “Use of GIS-based fuzzy logic relations and its cross application to produce landslide susceptibility maps in three test areas in Malaysia”. Environ Earth Sci, 63, pp. 329-349, doi: 10.1007/s12665-010-0705-1.
22. Tangestani, M.H., 2009. “A comparative study of Dempster–Shafer and fuzzy models for landslide susceptibility mapping using a GIS: An experience from Zagros Mountains, SW Iran” Journal of Asian Earth Sciences, 35, pp. 66–73, doi:10.1016/j.jseaes.2009.01.002.
23. Vahidnia, M.H., Alesheikh, A.A., Alimohammadi, A., Hosseinali, F., 2010. “A GIS-based neuro-fuzzy procedure for integrating knowledge and data in landslide susceptibility mapping,” Computers & Geosciences, 36, pp. 1101–1114, doi:10.1016/j.cageo.2010.04.004.
24. Yanar, T.A., Akyürek, Z., 2006. “The enhancement of the cell-based GIS analyses with fuzzy processing capabilities” Information Sciences 176, pp.1067-1085, doi:10.1016/j.ins.2005.02.006.