Journals / Geomatik / 2023 / Cilt: 8 - Sayı: 1

Frekans oranı yöntemiyle coğrafi bilgi sistemi ortamında heyelan duyarlılık haritasının üretilmesi: Manisa, Demirci, Tekeler Köyü örneği

Journal
Geomatik
Pages
42–54
Publication Date
2023-04-10
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Ayrıca bulunan sonuç haritanın olası muhtemel heyelanlar için bir öngörü niteliğinde olduğu, afet yönetim ve planlama çalışmalarına entegre edilebileceği sonucuna varılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada 2009 yılında meydana gelen ve afet bölgesi olarak ilan edilen Manisa ili, Demirci ilçesi sınırlarında bulunan Tekeleler köyünün heyelan duyarlılık haritası coğrafi bilgi sistemi tabanlı frekans oranı yöntemi kullanılarak üretilmiştir.
📊
Key Findings & Data:Heyelan duyarlılık analizinde yağış, eğim, bakı, yükseklik, akarsuya uzaklık, yola uzaklık, arazi kullanımı, litoloji, eğrisellik, topografik nemlilik indeksi, normalize edilmiş fark bitki örtüsü indeksi koşullandırma faktörleri olarak seçilmiştir.
💡
Conclusion & Impact:Ayrıca bulunan sonuç haritanın olası muhtemel heyelanlar için bir öngörü niteliğinde olduğu, afet yönetim ve planlama çalışmalarına entegre edilebileceği sonucuna varılmıştır.
🔬Design:Research Article
📍Scope:2009 Verileri
⚙️Variables:Coğrafi Bilgi Sistemleri · Google Earth Engine · Frekans Oranı

Özet

Bu çalışmada 2009 yılında meydana gelen ve afet bölgesi olarak ilan edilen Manisa ili, Demirci ilçesi sınırlarında bulunan Tekeleler köyünün heyelan duyarlılık haritası coğrafi bilgi sistemi tabanlı frekans oranı yöntemi kullanılarak üretilmiştir. Heyelan duyarlılık analizinde yağış, eğim, bakı, yükseklik, akarsuya uzaklık, yola uzaklık, arazi kullanımı, litoloji, eğrisellik, topografik nemlilik indeksi, normalize edilmiş fark bitki örtüsü indeksi koşullandırma faktörleri olarak seçilmiştir. Heyelan olan bölgeden Google Earth görüntüleri kullanılarak örnek rastgele noktalar belirlenmiş, belirlenen noktalar %70’i eğitim %30’u test için iki sınıfa bölünmüştür. Üretilen heyelan duyarlılık haritası çok düşük, düşük, orta, yüksek ve çok yüksek olmak üzere beş farklı sınıfa ayrılmıştır. Bu sınıflar içerisinde kalan alanlar sırasıyla tüm alanın %11,36, %39,61, %34,32, %12,89 ve %1,81’ini kapladığı görülmüştür. Heyelan duyarlılık haritasının doğruluğu alıcı işletim karakteristiği eğrisi altında kalan alan dikkate alınarak hesaplanmıştır. AUC değeri başarı oranı %95,14 ve tahmin oranı %94,11 olarak bulunmuştur. Bu çalışma ile frekans oranı yöntemi kullanılarak heyelan duyarlılık haritalarının başarılı bir şekilde üretilebileceği gösterilmiştir. Ayrıca bulunan sonuç haritanın olası muhtemel heyelanlar için bir öngörü niteliğinde olduğu, afet yönetim ve planlama çalışmalarına entegre edilebileceği sonucuna varılmıştır.

🔖

Cite This Article

YILMAZ, O. S. (2023). Frekans oranı yöntemiyle coğrafi bilgi sistemi ortamında heyelan duyarlılık haritasının üretilmesi: Manisa, Demirci, Tekeler Köyü örneği. Geomatik, Cilt: 8 - Sayı: 1, 42–54. https://ajindex.com/articles/878513

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (9)

  1. Abeysiriwardana, H. D., & Gomes, P. I. A. (2022). Integrating vegetation indices and geo-environmental factors in GIS-based landslide-susceptibility mapping: using logistic regression. Journal of Mountain Science, 19(2), 477–492. https://doi.org/10.1007/s11629-021-6988-8
  2. Aditian, A., Kubota, T., & Shinohara, Y. (2018). Geomorphology Comparison of GIS-based landslide susceptibility models using frequency ratio, logistic regression, and arti fi cial neural network in a tertiary region of Ambon, Indonesia. Geomorphology, 318, 101–111. https://doi.org/10.1016/j.geomorph.2018.06.006
  3. Acar, U., Yilmaz, O. S., Çelen, M., Ateş, A. M., Gülgen, F. & Şanli, F. B. (2021). Determination of Mucilage in The Sea of Marmara Using Remote Sensing Techniques with Google Earth Engine Determination of Mucilage in The Sea of Marmara Using Remote Sensing Techniques with Google Earth Engine. International Journal of Environment and Geoinformatics, 8(4), 423–434. doi:10.30897/ijegeo. Aghlmand, M., Onur, M. İ., & Talaei, R. (2020). Heyelan Duyarlılık Haritalarının Üretilmesinde Analitik Hiyerarşi Yönteminin Ve Coğrafi Bilgi Sistemlerinin Kullanımı. European Journal of Science and Technology, 224–230. https://doi.org/10.31590/ejosat.araconf28
  4. Akıncı, H., Özalp, A. Y., & Kılıçer, S. T. (2015). Coğrafi Bilgi Sistemleri ve AHP Yöntemi Kullanılarak Planlı Alanlarda Heyelan Duyarlılığının Değerlendirilmesi: Artvin Örneği. Doğal Afetler ve Çevre Dergisi, 1(1–2), 40–53.
  5. Al Kalbani, K., & Rahman, A. A. (2022). 3D city model for monitoring flash flood risks in Salalah, Oman. International Journal of Engineering and Geosciences, 7(1), 17-23.
  6. Alptekin, A., & Yakar, M. (2020). Türkiye İnsansız Hava Araçları Dergisi Heyelan Bölgesinin İHA Kullanarak M odellenmesi Modelling of a Landslide Site Using a UAV. Türkiye İnsansız Hava Araçları Dergisi, 2(1), 17–21.
  7. Alqadhi, S., Mallick, J., Talukdar, S., Bindajam, A. A., Van Hong, N., & Saha, T. K. (2022). Selecting optimal conditioning parameters for landslide susceptibility: experimental research on Aqabat Al-Sulbat, Saudi Arabia. Environmental Science and Pollution Research, 29(3), 3743–3762. https://doi.org/10.1007/s11356-021-15886-z
  8. Avcı, V. (2016). Gökdere Havzası ve Çevresinin (Bingöl Güneybatısı) Frekans Oranı Metoduna Göre Heyelan Duyarlılık Analizi. Marmara Coğrafya Dergisi, 34, 160–177.
  9. Aydınoğlu, A., & Altürk, G. (2021). Heyelan Duyarlılık Haritalarının İstatistik ve Makine Öğrenmesi Teknikleri Kullanılarak Üretilmesi: Taşlıdere Havzası Örneğ