MÜHJEO’2015
Ulusal Mühendislik
Jeolojisi Sempozyumu
National
Symposium on
Engineering
Geology
(Prof. Dr. Fikret TARHAN Anısına)
(In Memory of Prof. Dr. Fikret TARHAN)
3-5 EYLÜL 2015 TRABZON
3-5 SEPTEMBER 2015
EDİTÖRLER /
EDITORS
Reşat ULUSAY, Mehmet EKMEKÇİ
Hakan ERSOY, Arzu FIRAT ERSOY
Karadeniz Teknik Üniversitesi
Karadeniz Technical University
Osman Turan Kültür ve Kongre Merkezi
137
Doğu Akdeniz Bölgesinin Yapay Sinir Ağları Yöntemi Ġle Heyelan
Duyarlılık Değerlendirmesi
Landslide Susceptibility Assessment of the Eastern Mediterranean Region Using Artificial Neural Network Method
S. Tekin1,*, T. Çan1, T. Mazman1, T. Y. Duman2
1
Çukurova Üniversitesi, Jeoloji Mühendisliği Bölümü, 01330 Balcalı, Adana
2
Maden Tetkik ve Arama Genel Müdürlüğü, Jeoloji Etütleri Dairesi Başkanlığı 06800 Çankaya/Ankara
ÖZ: Bu çalışmada, Doğu Akdeniz bölgesi içerisinde yeralan Karaman, Mersin, Adana, Osmaniye ve
Hatay il sınırlarını kapsayan toplam 50641km2’lik bir alanda, yapay sinir ağları yöntemi kullanılarak
heyelan duyarlılık analizleri gerçekleştirilmiştir. MTA tarafından hazırlanan Türkiye Heyelan Envanter veritabanına göre çalışma alanında heyelan alanı 549 km2
olan 1451 adet heyelan haritalanmıştır. Duyarlılık değerlendirmelerinde heyelanları hazırlayıcı faktörler olarak litoloji gruplarının yanısıra, 300 m mekansal çözünürlüğe sahip sayısal yükseklik modeli, yamaç eğimi, kesit, düzlem ve teğetsel yamaç eğrilikleri, pürüzlülük indeksi, eğim-yamaç yönelimi oranı, yüzey röliyef oranı olmak üzere, toplam 9 adet değişken kullanılmıştır. Elde edilen duyarlılık haritalarının performans değerlendirmeleri başarı-tahmin eğrileri kullanılarak gerçekleştirilmiştir. Buna göre analiz, test ve doğrulama veri setlerinde heyelanların % 84-86’sının, orta–çok yüksek duyarlı alanlarda yeraldığı gözlenmiştir. Yüksek ve çok yüksek duyarlı alanların çalışma alanının % 17’sine karşılık geldiği belirlenmiştir.
Anahtar Kelimeler: Heyelan Envanter, Heyelan Duyarlılığı, Yapay Sinir Ağları, Coğrafi Bilgi
Sistemleri, Doğu Akdeniz
ABSTRACT: In this study, landslide susceptibility assessment using artificial neural network method
was implemented in an area of 50641km2corresponding to Karaman, Mersin, Adana, Osmaniye and Hatay administrative divisions located in the eastern Mediterranean region. According to the Turkish Landslide Inventory database prepared by MTA, 1451 landslides covering 549 km2 were identified in the study area. A total of nine independent variables for the landslide conditioning factors were used in the susceptibility assessments, being as lithological groups, digital elevation model, slope, profile, plan, and tangent curvatures, roughness index, slope/aspect ratio, surface relief ratio. The prediction-success rate curves were considered during the performance evaluations of the landslide susceptibility maps. Accordingly, 84-86 % of the landslides were found in the medium to high susceptible zones for the analysis, test and validation data sets. It has found that the percentage of the high and very high landslides susceptibility zones corresponds 17 % of the entire study area.
Keywords: Landslide Inventory, Landslide Susceptibility, Artificial Neural Network, Geographical
Information Systems, Eastern Mediterranean.
1. GĠRĠġ
Ülkemizde heyelanların mekansal dağılımı ile bunları kontrol eden çevresel faktörlerin daha iyi anlaşılmasını sağlamak amacıyla,MTA Genel Müdürlüğü tarafından “Türkiye Heyelan Envanter Haritası” projesi kapsamında sayısal heyelan veritabanı oluşturulmuştur (Duman vd., 2005; Çan ve Duman 2008; Duman vd., 2009a-e; Duman vd., 2011; Çan vd., 2013). Mevcut veri tabanı heyelanlardan kaynaklanan zararların azaltılmasında öncelikli hedef bölgelerin belirlenmesinde önemli katkı sağlamakla birlikte, heyelan duyarlılık, olası tehlike ve risk değerlendirme çalışmalarının tamamında en önemli girdi parametresini oluşturmaktadır.
138
Heyelan envanter veri tabanına göre Doğu Akdeniz bölgesi içinde yer alan Karaman, Mersin, Adana, Osmaniye ve Hatay il sınırlarınında içinde bulunduğu 50641 km2’lik alanda, toplam alanı 549 km2
olan 1451 adet heyelan belirlenmiştir (Duman vd., 2009a-e). Bölgede 1950-2007 yılları arasında yerleşim birimlerini etkileyen 1090 adet heyelan olayı rapor edilmiş olup, toplamda 6935 adet konut olumsuz etkilenmiştir (Gökçe vd., 2008; Duman vd., 2009a-e). Bu çalışmada ilk olarak heyelanların mekansal dağılımını kontrol eden hazırlayıcı ve tetikleyici çevresel faktörler değerlendirilmiştir. Hazırlanan veri tabanı %70 analiz, %15 test ve %15 doğrulama veri seti olarak üç bölüme ayrılarak(YSA) yöntemi kullanılarak heyelan duyarlılık analizleri yapılmıştır. Heyelan duyarlılık haritasının tutarlılığı başarı-tahmin eğrileri ile kontrol edilmiş olup, oldukça yüksek performans sonuçları elde edilmiştir.
Şekil 1. Çalışma alanı içerisindeki heyelanların mekansal dağılımı.
2. HAZIRLAYICI FAKTÖRLER
Heyelanlar, başta jeoloji olmak üzere, çok çeşitli morfolojik ve fiziksel faktörlerin etkisi altında gelişmektedir. Çalışma alanı, jeolojik olarak; Orta ve Doğu Toroslara ait çok sayıda tektonik birlik (Özgül 1976), Adana, İskenderun, Mut ve Karsantı havzaları ile Karaman, Çukurova ve Amik ovalarının oluşturduğu geniş alüvyon düzlüklerinden oluşmakta, 1:500,000 ölçekli Türkiye jeoloji haritasında Konya, Adana, Kayseri, Sivas Hatay (Acarlar vd., 2002; Bilgiç, 2002; Şenel, 2002; Ulu, 2002a,b) paftalarının sınırları içinde yeralmaktadır. Heyelanların bölgesel jeoloji içerisinde sorgulanmasında karşılaşılan güçlükler nedeniyle, Duman vd. (2009a-e) tarafından jeolojik birimler benzer köken, yaş ve ortam gibi temel özellikleri dikkate alınarak 20 litoloji grubu altında toplanmıştır. Bu çalışmada da aynı litoloji grupları kullanılmıştır (Şekil 2). Çalışma alanındaki litoloji grupları içerisinde, Kuvaterner birimleri (Grup 1), Miyosen-karasal kırıntılı ve karbonatlar (Grup 2), Üst Paleosen-Miyosen-neritik kireçtaşları (Grup 5), Orta Kambriyen-Paleosen- pelajik kireçtaşları (Grup 8) ve Mesozoyik-ofiyolitik kayaçları (Grup 16) tüm litoloji gruplarının % 77’sini oluşturmaktadır. Bu birimlerden Grup 2 ve Grup 16 heyelanla en duyarlı birimleri oluşturmaktadır. Çalışma alanında yüksek röliyef gruplarını Toros ve Amanos dağları oluşturmaktadır. Yükseklik değerleri deniz seviyesinden başlayıp Bolkar dağlarında olmak üzere en yüksek 3490 m’ye ulaşmaktadır. Sayısal yükseklik modeli (SYM) olarak 30 m mekansal çözünürlüğe sahip Gelişmiş Uzay Termal Yayılma ve Yansıma Radyometre uydusu (ASTER GDEM) kullanılmıştır (Şekil 3a).
139
Ancak, çalışma alanının büyüklüğü göz önünde bulundurularak SYM 300x300m piksel çözünürlüğüne dönüştürülmüştür. Çalışma alanında yamaç eğimleri Toros ve Amanos dağları eteklerinden itibaren zirvelere doğru göreceli olarak artmakta ve en yüksek 56°’ye kadar ulaşmaktadır (Şekil 3b).
Şekil 2. Çalışma alanın basitleştirilmiş litoloji grupları haritası. (Duman vd. 2009a-e). 1- Pliyosen-Kuvaterner çökelleri, 2- Miyosen-Pliyosen-Ayrılmamış karasal kırıntılılar, 2a- Miyosen Ayrılmamış
karasal kırıntılı ve karbonatlar, 3- Üst Eosen-Pliyosen-Ayrılmamış evaporitli çökel kayalar, 3b- Üst Eosen-Alt Miyosen-Karasal kırıntılılar, 4- Paleosen-Pliyosen Karasal kırıntılılar ve karbonatlar 5- Üst
Paleosen-Alt Pliyosen-Neritik kireçtaşları, 6- Üst Paleosen-Eosen-Kırıntılı ve karbonatlar, 7- Üst Kretase-Eosen-Kırıntılı ve karbonatlar, 8- Orta Kambriyen-Paleosen- pelajik kireçtaşları, 9- Orta Triyas -Eosen-Volkanik ve çökel kayalar, 11- Alt Kretase-Üst Jura- Karbonat ve kırıntılılar, 12- Alt
Kambriyen-Permo-Triyas-Karbonat ve kırıntılılar, 13- Prekambriyen-Alt Liyas-Karbonat ve kırıntılılar, 14- Paleosen -Kuvaterner-Ayrılmamış volkanikler, 15- Alt Jura-Kuvaterner-Riyodasit,
bazalt, andezit, spilit vb., 16- Mesozoyik-Ofiyolit, 17- Prekambriyen-Miyosen-Granitoyidler, Prekambriyen-Eosen-Metamorfik kayalar, 20- Prekambriyen-Kretase-Mermer, kalkşist, rekristalize
kireçtaşı.
Heyelanları hazırlayıcı faktörler olarak ayrıca, kesit, düzlem ve teğetsel yamaç eğriselliği, pürüzlülük indeksi, eğim/yamaç yönelimi ile yüzey/röliyef oranı haritaları da SYM’den türetilmiştir. Yamaç eğrisellikleri; iç bükey ve dış bükey yamaç şekilleri hidrolojik akış durumunu kontrol etmesi bakımından oldukça önemlidir. Yamaç eğrisellikleri değerlendirildiği doğrultuya göre kesit, düzlem ve teğetsel eğrilik olarak üçe ayrılmaktadır (Wilson ve Gallant, 2000). Bunlardan düzlem yamaç eğriselliği,belirli bir yükseklik boyunca yamaç yöneliminin değişimi olarak tanımlanmaktadır(Şekil 3c). Azalan eğim yönünde akış çizgisindeki eğim değişim oranı olan kesit yamaç eğriselliği şekil 3d’de, düzlem yamaç şekli değerinin yamaç eğimi değeri ile çarpılmasından elde edilen teğetsel yamaç eğriliği haritası ise şekil 3e’de verilmiştir. Pürüzlülük indeksi hesaplamalarında 5x5 piksellik pencereler kullanılmış ve her bir hücredeki yükseklik değerinin karekökü ile komşu hücreler arasındaki yükseklik farklarının çarpılmasıyla elde edilmiştir (Riley vd., 1999). Pürüzlülük indeksi değerlerleri engebeli alanlarda ve sırtlar boyunca yüksek değerlere ulaşmaktadır (Şekil 3f). Eğim/Yamaç yönelimi parametresi, her bir pikselin eğim değeri ile yamaçların yönlerinin 0-360o
arasında doğrusal olarak sahip oldukları değerlerin oranlanmasıyla hesaplanmış olup; yamaçların iç kesimlerinde yüksek değerler düz alanlarda ise düşük değerler vermektedir (Şekil 3g).
140
yüksek olduğu alanlarda heyelanlar görülmektedir (Şekil 3h).
a b
c d
e f
g h
Şekil 3. Çalışma alanına ait sayısal yükseklik modeli (a), yamaç eğimi (b), düzlemsel (c), kesit (d) ve teğetsel (e), yamaç eğrilikleri, pürüzlülük indeksi (f), eğim/yamaç yönelimi oranı (g), yüzey/röliyef
oranı (h) haritaları.
3. HEYELAN ENVANTERĠ
Çalışma alanı heyelan envanteri, Duman vd., (2009a-e) tarafından hazırlanmıştır (bkz. Şekil 1, Çizelge 1). Buna göre çalışma alanında heyelanlar Göksü Nehri havzası boyunca Miyosen kırıntılıları (Şekil 4a-b), Mersin bölgesinde derin yarılımlı vadiler boyunca yüzeyleyen ofiyolit birimleri içerisinde(Şekil 4c), Adana ve Osmaniye bölgelerinde Miyosen ve Pliyosen yaşlı kırıntılı birimlerde yoğunluk göstermektedir. Doğu Akdeniz bölgesinde heyelanların oluşum frekansları Karadeniz ve Doğu Anadolu bölgesine oranla daha düşüktür.
141
Küçük ölçekli heyelanların zaman içinde erozyon, bitki örtüsü değişimi veya diğer çevresel faktörler altında yok oldukları ya da tanımlanmasının güç olduğu bilinmektedir. Bölgesel ölçekte heyelanlar aşırı yağış olayları sonucu meydana gelmektedir. Doğu Akdeniz bölgesinde Mersin ve Adana meteoroloji istasyonlarından elde edilen uzun yıllar yıllık ortalama yağış değerleri yaklaşık 600 mm’dir. Aylık en fazla yağış ortalama 100 mm ile Aralık ve Ocak aylarında gözlenmektedir. Bununla birlikte, heyelanları tetikleyen yağış değerlerinde aylık yağışların 600-700 mm’ye ulaştğı gözlenmiştir (Çan vd., 2009). Çan vd. (2008) yapmış olduğu çalışmaya göre bölgesel ölçekli heyelanlar 3 günlük birikimli yağış değerlerinin 300mm’nin üzerinde olduğu durumlarda tetiklenmektedir. Bu yağış değerlerinin tekrarlanma periyodu yaklaşık olarak 50 yıl olarak bulunmuştur (Çan vd., 2009). Çalışma alanının heyelan envanter haritasının tamamlılık değerlendirmesi, Malamud vd. (2004) tarafından önerilen frekans büyüklük ilişkileri kullanılarak Çan vd. (2015) tarafından gerçekleştirilmiştir. Buna göre bölgede geçmişte meydana geldiği düşünülen toplam heyelan alanı kestirilmiş olup, mevcut heyelan envanter haritasının bölgede daha önce oluştuğu düşünülen heyelanların alansal olarak % 14’ ne karşılık geldiği belirlenmiştir. Küçük ölçekli heyelanların zamanla doğal çevresel faktörler ve arazi kullanım değişiklikleri sonucu kaybolması yanısıra bölgedeki heyelan frekansının düşük, tekrarlanma aralığının uzun olmasından dolayı bölgede yapılacak heyelan duyarlılık haritasının büyük önem taşıdığı düşünülmektedir.
Çizelge 1. Çalışma alanındaki heyelanların tanımlayıcı istatistiksel değerleri.
Kayma (Aktif değil) Kayma (Aktif) Akma
Adet 842 584 25 Ortalama (km2) 0.53 0.16 0.12 Maks. (km2) 11.56 3.55 0.61 Min. (km2) 0.01 0.004 0.015 Toplam alan (km2) 451.33 94.8 3.03 a b c
Şekil 4. Göksü Nehri havzasında Miyosen kırıntılıları (a, b) ve Mersin ofiyolitik melanj birimleri (c) içerisindeki büyük ölçekli derin heyelanlar.
142
4. HEYELAN DUYARLILIK DEĞERLENDĠRMESĠ
Heyelanların mekansal olarak gelecekte hangi bölgelerde meydana gelebileceğini gösteren heyelan duyarlılık haritaları, heyelan envanter haritaları ve heyelanları hazırlayıcı çevresel faktörler göz önünde bulundurularak hazırlanmaktadır. Heyelan duyarlılık değerlendirmeleriyle ilgili çok sayıda yaklaşım bulunmakta olup genelde niteliksel ve niceliksel olmak üzere ikiye ayrılmaktadır (Corominas vd., 2014). Bu metotlardan niteliksel yöntemler genelde tecrübeye dayalı arazide yapılan jeomorfolojik gözlemler ve değerlendirmeler sonucu sezgisel olarak veya indeks ve parametre haritalarının çakıştırılması yöntemlerini içermektedir. Bu çalışmada niceliksel yöntemlerden; veri-güdümlü yöntem olan YSA yöntemi kullanılmıştır. YSA, biyolojik sinir sisteminden esinlenerek geliştirilen ve paralel yapıya sahip matematiksel modelleme yöntemidir. Genel olarak YSA, tek katmanlı ya da çok katmanlı olarak düzenlenebilen ve paralel çalışan çok sayıda doğrusal olmayan yapay hücreden meydana gelen bir sistem olarak tanımlanabilir (Ayalew vd., 2005). YSA’nın temel işlem elemanı olan hücre doğrusal olmadığından, hücrelerin birleşmesinden meydana gelen YSA da doğrusal değildir ve bu özellik bütün ağa yayılmış durumdadır. Bu özelliği ile YSA, doğrusal olmayan karmaşık problemlerin çözümünde en önemli yöntemlerden biri olmuştur. YSA son yıllarda yapılan heyelan duyarlılık çalışmalarında yaygın olarak kullanılmaktadır. YSA ileri beslemeli, geri beslemeli ve radyal tabanlı sinir ağlarından oluşmaktadır (Polykretis vd., 2015). İleri Beslemeli Yapay Sinir Ağları (İBYSA), nöron modeli oluşturulan katmanların ardışık biçimde bir araya getirilmesi sonucu kurulabilir. İBYSA, giriş, çıkış ve gizli katman olmak üzere en az üç katmandan oluşmakta ve giriş/çıkış katmanlarındaki nöron sayısı, problem üzerindeki etkili parametreler dikkate alınarak belirlenmektedir. Giriş ve çıkış katmanları arasında gizli katmanlar bulunur ve bu katmanlardaki nöronlar, doğrusal olmayan davranışlarından dolayı, YSA’nın doğrusal olmayan davranışının kaynağını teşkil ederler. Bu çalışmada kullanılan parametreler ve YSA modelinin şematik gösterimi Şekil 5’te verilmiştir.
Şekil 5. İleri beslemeli yapay sinir ağ yapısı.
Buna göre ilk olarak çalışmada kullanılan 300x300 m mekansal çözünürlüğe sahip çevresel değişkenler 0-1 arasında doğrusal yöntem kullanılarak normalize edilmiştir. CBS ortamında model yapılandırma teknikleri ile heyelan envanter haritası çakıştırılarak veriseti oluşturulmuştur. Çalışma alanı toplam 563257 piksel ile temsil edilirken, kayma türü heyelanlardan etkilenmiş alanlar toplam 6081 pikseldir. Veri seti rastgele seçim yöntemiyle % 70 analiz, % 15 test ve % 15 doğrulama veri seti olmak üzere üçe ayrılmıştır. YSA modellemelerinde gizli katman saysının belirlenmesinde değişik yaklaşımlar önerilmiştir (Basheer ve Hajmeer, 2000; Yeşilnacar ve Topal, 2005; Karsoliya, 2012). Bu çalışmada, Karsoliya (2012) tarafından önerilen giriş katmanı sayısının üçte ikisi ile iki katı arasında değişen gizli katman sayıları denenerek, en iyi sonucun elde edildiği 15 gizli katman ile sonuç duyarlılık analizleri gerçekleştirilmiştir.Elde edilen duyarlılık haritalarının performans değerlendirmeleri başarı-tahmin eğrileri kullanılarak gerçekleştirilmiştir.Elde edilen duyarlılık haritası
143
çok düşük, düşük, orta, yüksek ve çok yüksek olmak üzere 5 sınıfa ayrılmıştır (Şekil 6). Buna göre; heyelanların; % 2’si çok düşük, % 11’i düşük, % 33’ü orta, % 20’si yüksek ve % 32’si çok yüksek ve çalışma alanın; % 39’u çok düşük, % 21’i düşük, % 23’ü orta, % 8’i yüksek ve % 9’u çok yüksek duyarlı sınıf aralıklarında bulunmaktadır.
Şekil 6. Çalışma alanına ait başarı tahmin eğrisi(a) ve heyelan duyarlılık haritası (b).
5. SONUÇLAR
Bu çalışma, Doğu Akdeniz bölgesi içerisinde yeralan Karaman, Mersin, Adana, Osmaniye ve Hatay il sınırlarını kapsayan toplam 50641 km2’lik bir alanda yapay sinir ağları yöntemi kullanılarak
gerçekleştirilmiştir. 300 m mekansal çözünürlüğe sahip piksel haritalama birimi kullanılmasına karşın, duyarlılık haritasında mevcut heyelanların % 50’sinden fazlasının çalışma alanının % 17’sine karşılık gelen yüksek ve çok yüksek duyarlı alanlarda bulunduğu belirlenmiştir. Bu çalışmada elde edilen verilerin, bölgesel ölçekte heyelan olaylarını kontrol eden çevresel değişkenler ile heyelanlar arasındaki ilişkinin belirlenmesinde ve heyelanlardan kaynaklanan zararların azaltılmasına yönelik yapılacak çalışmalarda önemli katkı sağlayacağı düşünülmektedir.
6. KAYNAKLAR
Acarlar, M., Acarlar, S., Adır, M., Akpınar, A., Akarsu, B., 2002. 1:500.000 ölçekli Türkiye jeoloji haritası Kayseri paftası, MTA, No: 9, Ankara.
Ayalew, L, Yamagishi, H., Hideaki, M., Takami, K., 2005. Landslides in Sado Island of Japan: Part II. GIS-based susceptibility mapping with comparisons of results from two methods and verifications. Engineering Geology, 81(4), 432-445.
Basheer, I.A., Hajmeer, M., 2000. Artificial neural networks: fundamentals, computing, design, and application. Journal of Microbiological Methods, 43, 3–31.
Bilgiç, T., 2002. 1:500.000 Ölçekli Türkiye Jeoloji Haritası Sivas Paftası. MTA, No: 10, Ankara. Corominas, J., van Westen, C., Frattini, P., Cascini, L.Malet, J.P.Fotopoulou, S.Catani, F.Van Den
Eeckhaut, M.Mavrouli, O.Agliardi, F.Pitilakis, K., Winter, M.G.Pastor, M., 2014. Recommendations for the quantitative analysis of landslide risk. Bulletin of Engineering Geology and the Environment, 73(2), 209-263.
Çan, T., Duman, T.Y, Çil, E., Mazman, T., 2009. Mersin merkez ve Erdemli ilçeleri kuzeyinin coğrafi bilgi sistemleri tabanlı heyelan envanter, duyarlılık, olası tehlike ve risk değerlendirmesi.Tübitak-Çaydag:107y138, Adana.
Çan, T., Duman, T.Y., 2008. General evaluation of historical landslide inventory of Turkey. Proceedings in Symposium of Paleoenvironmental Reconstruction and Material Circulation by Water System. Abstracts book, pp.6-8. Hakozaki Campus Kyushu Univ., Fukuoka Japan.
(b) (a)
144
Çan, T., Duman, T.Y., Çil, E., Mazman, T., 2008. Heyelan olası tehlike çalışmalarında tarihsel ve olay heyelan envanter haritalamaları ve bunların istatistiksel değerlendirilmesi: Mersin Merkez ve Erdemli ilçeleri örneği, Mersin Semp. Bildiriler Kitabı. 2796-2803, Mersin.
Çan, T., Duman, T.Y., Olgun, Ş., Çörekçioğlu, Ş., Karakaya-Gülmez, F, Elmacı, H., Olgun, Ş., Hamzaçebi, S. Emre, Ö., 2013. Türkiye heyelan veri tabanı. TMMOB Coğrafi Bilgi Sistemleri Kongresi 2013, No: 217, Ankara.
Çan, T., Mazman, T., Tekin, S., Duman, T.Y., 2015. Doğu Akdeniz Bölgesi tarihsel heyelan envanterinin frekans büyüklük dağılımlarına göre tamamlılık değerlendirmesi. 68. Türkiye Jeoloji Kurultayı, Bildiri Özleri Kitabı, Ankara,110-112.
Duman, T.Y., Çan, T., 2009. Spatial Analysis of general landslide distributions in Turkey. 6th Annual Meeting AOGS, Abstracts, Singapore.
Duman, T.Y., Olgun, Ş., Çan, T., Nefeslioğlu, H.A., Hamzaçebi, S., Durmaz, S., Elmacı, H., ve Çörekçioğlu, Ş., 2009e. Türkiye heyelan envanteri haritası-1/500000 ölçekli Sivas paftası. MTA Özel Yayınlar Serisi-17, Ankara, 21 s.
Duman, T.Y., Olgun, Ş., Çan, T., Nefeslioğlu, H.A., Hamzaçebi, S., Elmacı, H., Durmaz S., ve Çörekçioğlu, Ş., 2009d. Türkiye heyelan envanteri haritası-1/500000 ölçekli Kayseri paftası. MTA Özel Yayınlar Serisi-18, Ankara, 20 s.
Duman, T.Y., Olgun, Ş., Çan, T., Nefeslioğlu, H.A., Hamzaçebi, S., Elmacı, H., Durmaz S., ve Çörekçioğlu, Ş., 2009c. Türkiye heyelan envanteri haritası-1/500000 ölçekli Konya paftası. MTA Özel Yayınlar Serisi-22, Ankara, .22 s.
Duman, T.Y., Çan, T., Olgun, Ş., Nefeslioğlu, H.A., Hamzaçebi, S., Elmacı, H., Durmaz, S., ve Çörekçioğlu, Ş., 2009b. Türkiye heyelan envanteri haritası-1/500000 ölçekli Adana paftası. MTA Özel Yayınlar Serisi-23, Ankara, 19 s.
Duman, T.Y., Çan, T., Olgun, Ş., Nefeslioğlu, H.A., Durmaz, S., Hamzaçebi, S., Elmacı, H., Çörekçioğlu, Ş., 2009a. Türkiye heyelan envanteri haritası-1/500000 ölçekli Hatay paftası. MTA Özel Yayınlar Serisi-24, Ankara, 23 s.
Ferlisi, S., Tofani, V., Hervas, J., Smith, J.T., 2014. Recommendations for the quantitative analysis of landslide risk. Bulletin of Engineering Geology and the Environment, 73(2), 209-263.
Gökçe O., Özden, Ş., Demir, A., 2008. Türkiye’de afetlerin mekansal ve istatistiksel dağılımı. Afet Bilgileri Envanteri, Afet İşleri Genel Müdürlüğü, Ankara.
Karsoliya, S., 2012. Approximating number of hidden layer neurons inmultiple hidden layer BPNN architecture.International Journal of Engineering Trends and Technology, 3(6), 714-717.
Malamud B.D., Turcotte D.L., Guzzettı F., Reichenbach P., 2004. Landslide inventories and their statistical properties. Earth Surface Processes and Landforms, 29(6), 687–711.
Özgül N., 1976. Torosların bazı temel jeolojik özellikleri. Türkiye Jeoloji Kurumu Bülteni, 19, 65-78. Polykretis, C., Ferentinou, M., Chalkias, C., 2015. A comparative study of landslide susceptibility
mapping using landslide susceptibility index and artificial neural networks in the Krios River and Krathis River catchments (northern Peloponnesus, Greece). Bulletin of Engineering Geology and the Environment, 74(1), 27-45.
Riley, S.J, DeGloria S.D., Elliot, R., 1999. A terrain ruggedness index that quantifies topographic heterogeneity. Intermountain Journal of Sciences, 5, 1-4.
Şenel, M., 2002. 1:500.000 ölçekli Türkiye jeoloji haritası Konya paftası. MTA, No: 14, Ankara. Ulu, Ü., 2002b. 1:500.000 ölçekli Türkiye jeoloji haritası Hatay paftası. MTA, No: 16, Ankara. Ulu, Ü., 2002a. 1:500.000 ölçekli Türkiye jeoloji haritası Adana paftası. MTA, No: 15, Ankara. Wilson, J.P., Gallant, J.C., 2000. Terrain Analysis: Principles and Applications. John Wiley and
Sons, New York.
Yesilnacar, 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.
