HÜCRE TABANLI HEYELAN DUYARLILIK HARİTALARININ OLUŞTURULMASI
5. Sonuç Haritaların Doğruluğunun Belirlenmesi
Her bir veri setine farklı ağırlık değerleri verilerek (Tablo: 2-4-6 ) ve CBS çakıştırma tekniği kullanılarak elde edilen heyelan duyarlılık haritalarının doğrulukları daha önceden meydana gelmiş heyelan noktaları ile çakıştı-rılarak belirlenmiştir. Bu işlem için daha önceden meydana gelmiş heyelan noktalarına kullanılan haritanın hücre büyüklüğü olan 30m’lik tampon bölge uygulanmış ve bu alan içine düşen duyarlı alanlar % olarak belir-lenmiştir. Elde edilen sonuç haritalarına bakıldığında genel olarak orta duyarlı alanlar yüksek doğruluk gös-termektedir. Harita 1 (Şekil 4c) %70 (Tablo 3), harita 2 (Şekil 5c) ve harita 3(Şekil 6c) % 95 doğruluk göster-mektedir. Yüksek duyarlı alanların doğruluğu harita 2 de en iyi gözlemlenirken bunun nedeni duyarlılık harita-larının oluşturulmasında en önemli veri seti olan eğime %40’lık bir ağırlık verilmesidir. Sonuç olarak harita 2’ye verilen ağırlık değerlerinin bölgenin heylan duyarlılığının belirlenmesinde iyi sonuçlar verdiği söylenebi-linir.
Veri setleri Eğim TNO Bitki İndexi (NDVI)
Çizgisellik Yoğunluğu
Yol Ağı
Ağırlık 0,3 0,25 0,2 0,15 0,1
Tablo 2: Harita 1’de kullanılan ağırlık değerleri
Toplam
Tablo 3: Harita 1’in doğruluğu
Şekil 4.a:
268
Tablo 4: Harita 2’de kullanılan ağırlık değerleri
Toplam
Tablo 5: Harita 2’in doğruluğu
Şekil 5.a:
Tablo 6: Harita 3’de kullanılan ağırlık değerleri
Tablo 7: Harita 3’in doğruluğu
Şekil 6.a:
Elde edilen sonuç haritalarında düşük orta ve yüksek riskli alanların tüm çalışma alanına olan % dağılımına bakıldığında yüksek riskli zonlar harita 2’de en yüksek değere ulaşırken düşük riskli zonlar harita 2’de en düşük değere ulaşmaktadır
(Tablo 8).Alan km2
Düşük Orta Yüksek
Harita1 89.877 215.672 41.256
Harita 2 75.157 166.386 97.008 Harita 3 96.854 170.568 87.461 Toplam Alan 606.755 606.755 606.755
Oran %
Harita 1 14.81273 35.545154 6.79945 Harita 2 12.38671 27.422271 15.988 Harita 3 15.96262 28.111511 14.41455
Tablo 8: Heyelan duyarlılığının % olarak tüm alana oranı
270
6. SONUÇ
Bu çalışma göstermiştir ki hücre tabanlı veriler kullanarak CBS ortamında uygulanan modelleme fonksiyonu ile çok kısa sürede otomatik olarak duyarlılık haritaları üretilebilmektedir. Hızlı şekilde ve kısa zamanda du-yarlılık haritalarını elde etmek amaçlı oldukça kullanışlı bir yöntemdir.
Bu çalışmada elde edilen heyelan duyarlılık haritalarına bakıldığında elde edilen sonuç haritalarının doğruluğu kullanılan tampon bölgenin büyüklüğüne göre değişmektedir. Tampon bölge büyüdükçe elde edilen haritaların doğruluk değeri yükselmektedir. Farklı ağırlık değerleri verilerek elde edilen heyelan duyarlılık haritalarına bakıldığında kullanılan ağırlık değerlerine göre farklı sonuç haritaları elde edilmektedir. Elde edilen sonuç haritaları daha önceden meydana gelen heyelan noktaları ile kıyaslandığında haritaların doğruluğuna etki eden faktörlerin arasında en önemlisinin harita 2’de gözlemlendiği gibi eğimdir.
KAYNAKLAR
Anagnosti P and Lesevic Z., 1991. Probabilistic versus deterministic approach in hazard assessment of landslides along man made reservoirs. Landslides, 2 : 1221-1227
Ayalew L, Yamagishi H, Ugawa N., 2004. Landslide susceptibility mapping using GIS-based weighted linear combination, the case in Tsugawa area of Agano River, Niigata Prefecture, Japan, Landslides (1):73-81 Baeza C and Corominas J., 2001. Assessment of shallow landslide susceptibility by means of multivariate statistical techniques. Earth Surf Process Landforms 26 : 251–1263
Chung CJF and Fabbri AG., 1999. Probabilistic Models for landslide Hazard Mapping, Photogrammetric Engineering & Remote Sensing, 65(12): 1389-1399
Dai FC and Lee CF., 2001. Terrain-based mapping of landslide susceptibility using a geographical information system: a case Study. Can. Geotech. J. 38: 911–923
A. Erener, ve HSB. Düzgün, 2007, “Heyelan Analizlerinde Coğrafi Ağırlıklandırılmış Regrasyon (CAR) Metodu”, Türkiye Harita Bilimsel ve Teknik Kurultayı
Erener A., Lacesse S., Kaynia A., 2007, Hazard Mapping in quick clay area using GIS, Joint CIG / ISPRS Conference, "Geomatics for Disaster and Risk Management", Toronto, Canada
Erener A., Lacesse S., 2007. ”Landslide Susceptibility Mapping Using GIS” 28th Asian Conference on Remote Sensing ACRS2007 , Kuala Lumpur, Malesia
Erener A., Düzgün HSB., 2008. Analysis of Landslide Hazard Mapping Methods: Regression Models Versus Weight Rating ; XXIst ISPRS Congress 2008; 3-11 July. Beijing, China. Commission VIII papers,
Vol. 37, Part B8 , ISSN 1682-1750 Ohlmacher GC, Davis JC., 2003. Using multiple logistic regression and GIS technology to predict landslide
hazard in northeast Kansas, USA, Engineering Geology 69 331–343
Guzzetti F, Reichenbach P, Ardizzone F, Cardinali M, Galli M., 2006. Estimating the quality of landslide susceptibility models, Geomorphology, 81: 166–184
Guzzetti F, Reichenbach P, Cardinali M, Galli M, Ardizzone F., 2005. Landslide hazard assessment in the Staffora basin, northern Italian Apennines. Geomorphology, 72: 272–299.
Lee S, Min K., 2001. Statistical analysis of landslide susceptibility at Yongin, Korea. Environmental, Geology, 40:1095–1113
Lee S, Tu Dan N., 2005. Probabilistic landslide susceptibility mapping in the Lai Chau province of Vietnam:
focus on the relationship between tectonic fractures and landslides. Environmental Geology, 48: 778-787 Lee S and Pradhan B., 2006. Probabilistic landslide hazards and risk mapping on Penang Island, Malaysia, J.
Earth Syst. Sci. 115,(6) : 661–672
Varnes DJ., 1984. IAEG Commission on landsildes and other Mass movements: Landslide hazard zonation: a rewiev of principles and practices. Paris:UNESCO Press, pp 63.
Van Westen CJ., 1997. Statistical landslide hazard analysis. ILWIS 2.1 for Windows application guide. ITC Publication, Enschede: 73–84
Pistocchi A, Luzi L, Napolitano P., 2002. The use of predictive modeling techniques for optimal exploitation of spatial veribases: a case study in landslide hazard mapping with expert system-like methods. Environ Geol, 41:765–775
Saha AK, Gupta RP, Sarkar I, Arora MK, Csaplovics E., 2005. An approach for GIS-based statistical landslide susceptibility zonation—with a case study in the Himalayas, Landslides (2):61–69
Sandersen F, Bakkehoi S, Hestnes E and Lied K., 1996. The influence of meteorological factors on the initiation of debris flows, rockfalls, rockslides and rockmass stability. In: Senneset, K. (ed): Landslides.
Proceedings of the 7.th symposium on landslides, Trondheim, 17-21 June 1996, pp. 97-114.
Soeters R and Van Westen CJ., 1996. Slope instability recognition, analysis, and zonation, in: Turner, A.K.
and Shuster, R. L. (Eds), Landslides Investigation and mitigation, Transp. Res. Board, Special Report 247, Natural Acad. Press, Washington D.C., p. 129-177.
Wachal, DJ and Hudak PF., 2000. Mapping landslide susceptibility in Travis County, Texas, USA GeoJournal 51: 245–253, 2000.
Yesilnacara 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: 251–
266
Yoshimatsu H, Abe S., 2006. A review of landslide hazards in Japan and assessment of their susceptibility using an analytical hierarchic process (AHP) method, Landslides (3): 149–158.