Frekans oranı, kanıt ağırlığı ve lojistik regresyon yöntemleri kullanılarak heyelan duyarlılık haritalarının CBS tabanlı karşılaştırılması

Yıl 2022, , 647 - 660, 18.07.2022

Aslan Cihat Başara , Yasemin Şişman

https://doi.org/10.28948/ngumuh.1065284

Cited By: 2

Öz

Heyelan ülkemizde meydana gelme sayısı bakımından incelendiğinde sıkça karşılaştığımız doğal afetlerden biridir. Çalışmada eğim, bakı, yükseklik, eğrisellik, topoğrafik nemlilik indeksi, bitki indeksi, yıllık toplam yağış, tektonik unsura yakınlık, litoloji ve arazi kullanım durumu parametreleri kullanılmıştır. Parametreler frekans oranı yöntemi, kanıt ağırlığı yöntemi ve lojistik regresyon yöntemi kullanılarak heyalan envanter haritası ile ilişkilendirilmiş ve analiz edilmiştir. Analizler sonucunda heyelan duyarlılık haritaları üretilmiştir. Üretilen haritalar “çok düşük, düşük, orta, yüksek ve çok yüksek” olmak üzere 5 sınıfa ayrılmıştır. Analizler sonucunda oluşan modellerin performanslarının değerlendirilmesinde ROC eğrisi ve AUC değerleri kullanılmış, model doğruluklarının değerlendirilmesinde eski heyelan olaylarının risk gruplarıyla uyumu incelenmiştir. Çalışma sonucunda Frekans Oranı Yöntemi %82.9 oranında, Kanıt Ağırlığı Yöntemi %83.5 oranında ve Lojistik Regresyon Yöntemi %77.1 oranında doğruluk göstermiştir.

Anahtar Kelimeler

Heyelan Duyarlılık Haritası, Frekans Oranı Yöntemi, Kanıt Ağırlığı Yöntemi, Lojistik Regresyon YÖntemi

Comparison of landslide susceptibility maps using frequency ratio, weight of evidence and logistic regression methods based on GIS

Öz

When examined in terms of the number of occurrences in our country, one of the natural disasters which we encounter frequently is landslides. slope, aspect, elevation, curvature, topographic wetness index, NDVI, annual total precipitation, proximity to fault lines, lithology and land use status parameters were used in the study. Parameters were correlated and analyzed with the landslide inventory map using the frequency ratio method, the weight of evidence method and the logistic regression method. landslide susceptibility maps were produced as a result of the analysis. The maps produced are divided into 5 classes as "very low, low, medium, high and very high". The ROC curve and AUC values were used to evaluate the performance of the models created as a result of the analysis, the compatibility of the old landslide events with the risk groups was examined in the evaluation of the model accuracy. As a result of the study, accuracy rates of 82.9% for the Frequency Ratio Method, 83.5% for the Weight of Evidence Method and 77.1% for the Logistic Regression Method were obtained.

Anahtar Kelimeler

Landslide susceptibility map, Frequency ratio method, Weight of evidence method, Logistic regression method

Kaynakça

• AFAD, Açıklamalı Afet Yönetimi Terimleri Sözlüğü. T.C. Başbakanlık Afet ve Acil Durum Yönetimi Başkanlığı Deprem Dairesi Başkanlığı, Ankara, 2014.
• A. C. Başara, İstatistiksel Yöntemler Kullanılarak Heyelan Duyarlılık Haritalarının Üretilmesi ve Konumsal Hassasiyetlerinin İncelenmesi. Yüksek Lisans Tezi, Ondokuz Mayıs Üniversitesi Lisansüstü Eğitim Ensitüsü, Türkiye, 2021.
• B. Ildır, Türkiye’de heyelanların dağılımı ve afetler yasası ile ilgili uygulamalar. 2nd National Landslide Symposium, Sakarya, Türkiye, Eylül 1995.
• A. C. Başara and Y. Sişman, Landslide Susceptibility Mapping of Tokat (Turkey) Province Using Weight of Evidence and Random Forest. Advanced GIS, 1(1), 1-7, 2021.
• R. Karagüzel, Y. Mahmutoğlu, M. Erdoğan Topçuoğlu, G. Şans and A. Dikbaş, Susceptibility mapping for sinkhole occurrence by GIS and SSI methods: A case study in Afsin-Elbistan coal basin. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 26(8), 1353-1359, 2020. https://doi.org/10.5505/pajes.2020. 69812 .
• B. Balaban, Gölpazarı (Bilecik) ve çevresinin heyelan duyarlılık analizleri. Yüksek Lisans Tezi, Kütahya Dumlupınar Üniversitesi Fen Bilimleri Enstitüsü, Türkiye, 2019.
• P. Aleotti and R. Chowdhury, Landslide hazard assessment: summary review and new perspectives. Bulletin of Engineering Geology and the environment, 58(1), 21-44, 1999. https://doi.org/10.1007/ s100640050066 .
• S. Dağ, Çayeli (Rize) ve çevresinin istatistiksel yöntemlerle heyelan duyarlılık analizi. Doktora Tezi, Karadeniz Teknik Üniversitesi Fen Bilimleri Enstitüsü, Türkiye, 2007.
• A. C. Başara, M. E. Tabar and Y. Sisman, Landslide Susceptibility Mapping of Samsun (Turkey) Province Using Frequency Ratio and AHP Methods. Turkish Journal of Geographic Information Systems, 3(1), 24-30, 2021.
• A. Akgun and N. Türk, Landslide susceptibility mapping for Ayvalik (Western Turkey) and its vicinity by multicriteria decision analysis. Environmental Earth Sciences, 61(3), 595-611, 2010. https://doi.org/10. 1007/s12665-009-0373-1 .
• M. Çeliker, O. Yildiz and N. N. Koçer, Evaluating solid waste landfill site selection using multi-criteria decision analysis and geographic information systems in the city of Elazığ, Turkey. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 25(6), 683-691, 2019. https://doi.org/10.5505/pajes.2018.70493 .
• M. Uyan, Güneş enerjisi santrali kurulabilecek alanların AHP yöntemi kullanılarak CBS destekli haritalanması. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 23(4), 343-351, 2017. https://doi.org/10.5505/pajes.2016.59489 .
• Ç. Tetik Biçer, Heyelan Risk Haritalaması Üzerine Yarı Sayısal Bir Değerlendirme. Doktora Tezi, Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Türkiye, 2017.
• E. Akyol, M. Alkan and H. Akgündüz, Determining Settlement Suitability by Geographic Information Systems and Analytical Hierarchy Process. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 21 (6) , 254-259, 2016. https://doi.org/10.5505/pajes.2014. 40412 .
• S. Lee and J. A. Talib, Probabilistic landslide susceptibility and factor effect analysis. Environmental geology, 47(7), 982-990, 2005. https://doi.org/10.1007/ s00254-005-1228-z .
• G. F. Bonham Carter, F. P. Agterberg and D. F. Wright, Integration of geological datasets for gold exploration in Nova Scotia. Photogrammetric Engineering Remote Sensing, 54(11), 1585-1592, 1988.
• W. Chen, W. Li, E. Hou, Z. Zhao, N. Deng, H. Bai and D. Wang, Landslide susceptibility mapping based on GIS and information value model for the Chencang District of Baoji, China. Arabian Journal of Geosciences, 7(11), 4499-4511, 2014. https://doi.org/ 10.1007/s12517-014-1369-z .
• S. Doğan, H. Akıncı ve C. Kılıçoğlu, Bayes olasılık teoremi kullanılarak Samsun il merkezinin heyelan duyarlılık haritasının üretilmesi. 65. Türkiye Jeoloji Kurultayı, Ankara, Türkiye, 2012.
• A. Ozdemir and T. Altural, 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, 2013. https://doi.org/10.1016/j.jseaes.2012.12.014 .
• N. R. Regmi, J. R. Giardino and J. D. Vitek, Modeling susceptibility to landslides using the weight of evidence approach: Western Colorado, USA. Geomorphology, 115(1-2), 172-187, 2010. https://doi.org/10.1016/ j.geomorph.2009.10.002 .
• C. J. Van Westen, N. Rengers and R. Soeters, Use of geomorphological information in indirect landslide susceptibility assessment. Natural Hazards, 30(3), 399-419, 2003. https://doi.org/10.1023/B:NHAZ. 0000007097.42735.9e .
• M. Ercanoglu and F. Temiz, Application of logistic regression and fuzzy operators to landslide susceptibility assessment in Azdavay (Kastamonu, Turkey). Environmental Earth Sciences, 64(4), 949-964, 2011. https://doi.org/10.1007/s12665-011-0912-4 .
• H. Tatlıdil, Uygulamalı Çok Değişkenli İstatistiksel Analiz. Türkiye, Akademi Matbaası, Ankara, 1996.
• J. Eastman, Idrisi Taiga, guide to GIS and image processing, user’s guide (Ver. 15). Press Clark University, Worcester, USA, 328, 2009.
• R. L. Ott and M. Longnecker, An introduction to statistical methods and data analysis. 5th ed. Belmont, California, USA, Duxbury Press, 2001.
• C. Baeza and J. Corominas, Assessment of shallow landslide susceptibility by means of multivariate statistical techniques. Earth Surface Processes and Landforms: The Journal of the British Geomorphological Research Group, 26(12), 1251-1263, 2001. https://doi.org/10.1002/esp.263 .
• J. Remondo, A. González, J. R. D. De Terán, A. Cendrero, A. Fabbri and C. J. F. Chung, Validation of landslide susceptibility maps; examples and applications from a case study in Northern Spain. Natural Hazards, 30(3), 437-449, 2003. https://doi.org/10.1023/B:NHAZ.0000007201.80743.fc .
• M. Komac, A landslide susceptibility model using the analytical hierarchy process method and multivariate statistics in perialpine Slovenia. Geomorphology, 74(1-4), 17-28, 2006. https://doi.org/10.1016/j.geomorph. 2005.07.005 .
• F. C. Dai and C. F. Lee, Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorphology, 42(3-4), 213-228, 2002. https://doi.org/10.1016/S0169-555X(01)00087-3 .
• W. Torge, Geodesy. Berlin, Germany, Walter de Gruyter, 1991.
• P. Vanicek and E. Krakiwsky, Geodesy: The Concepts. Amsterdam, Netherlands, North Holland Publ. Company, 1982.
• D. Caniani, S. Pascale, F. Sdao and A. Sole, Neural networks and landslide susceptibility: a case study of the urban area of Potenza. Natural Hazards, 45(1), 55-72, 2008. https://doi.org/10.1007/s11069-007-9169-3 .
• P. V. Gorsevski and P. Jankowski, Discerning landslide susceptibility using rough sets. Computers, environment and urban systems, 32(1), 53-65, 2008. https://doi.org/10.1016/j.compenvurbsys.2007.04.001 .
• C. Gökçeoğlu ve M. Ercanoğlu, Heyelan duyarlılık haritalarının hazırlanmasında kullanılan parametrelere ilişkin belirsizlikler. Yerbilimleri Dergisi, 22(23), 189-206, 2001.
• S. Lainas, N. Sabatakakis and G. Koukis, Rainfall thresholds for possible landslide initiation in wildfire-affected areas of western Greece. Bulletin of Engineering Geology and the environment, 75(3), 883-896, 2016. https://doi.org/10.1007/s10064-015-0762-5 .
• J. P. Wilson and J. C. Gallant, Terrain analysis: principles and applications. USA, John Wiley & Sons Inc., 2000.
• D. J. Wachal and P. F. Hudak, Mapping landslide susceptibility in Travis County, Texas, USA. GeoJournal, 51(3), 245-253, 2000. https://doi.org/10. 1023/A:1017524604463 .
• J. Rouse, R. H. Haas, J. A. Schell and D. W. Deering, Monitoring vegetation systems in the Great Plains with ERTS. NASA special publication, 351(1974), 309, 1974.
• R. Selçuk, T. Bayrak, A. Yalçın, M. Atasoy, R. Nişancı ve S. Ekercin, Rize Bölgesinde Yağış Heyelan İlişkisi. Jeodezi ve Jeoinformasyon Dergisi, (99), 5-9, 2008.
• D. J. Varnes, Landslide hazard zonation: a review of principles and practice. Paris, France, United Nations, 1984.
• K. Şahin, Heyelan duyarlılık haritası için adımsal regresyona dayalı faktör seçme yönteminin etkinliğinin araştırılması. Harita Dergisi, 159, 1-15, 2018.
• J. A. Swets, Measuring the accuracy of diagnostic systems. Science, 240(4857), 1285-1293, 1988. https://doi.org/10.1126/science.3287615 .