Heyelan Duyarlılık Haritası İçin Adımsal Regresyona Dayalı Faktör Seçme Yönteminin Etkinliğinin Araştırılması

Assessment of Factor Selection Based on Stepwise Regression for Landslide Susceptibility Mapping

Özet

Optimum faktör seçimi ve harita üretim metodunun belirlenmesi heyelan duyarlılık haritası üretim sürecinin en önemli bileşenleri arasında yer almaktadır. Fakat; heyelan duyarlılık haritalarında kullanılan faktörler ile yöntemlerin tespitinde henüz evrensel kuralların oluşturulamadığı söylenebilir. Bu çalışmanın temel amacı, çok sayıda heyelanda etkili faktörler içerisinde optimum faktör modelinin tespiti ve farklı yöntemler kullanılarak heyelan duyarlılık haritası üretimindeki etkinliğinin araştırılmasıdır. Bu amaç doğrultusunda, adımsal regresyon (AR) metodu optimum faktör modeli tespitinde kullanılmıştır. Ayrıca, lojistik regresyon (LR) ve rastgele orman (RO) gibi harita tahmin yöntemlerinin heyelan duyarlılık haritası üretimindeki etkinliği araştırılmıştır. Üretilen duyarlılık haritalarının performanslarının değerlendirilmesi amacıyla genel doğruluk, kappa değerleri, ROC (Alıcı işlem karakteristikleri) eğrisi ile AUC (Eğri Altında Kalan) değerleri incelenmiştir. Ayrıca üretilen modeller arasındaki farklılıklar ve istatistiksel anlamlılıkları McNemar’s testi ile analiz edilmiştir. Çalışma sonucunda, AR yöntemiyle belirlenen 6 faktörden oluşan Model-6 (NDVI (Normalized Difference Vegetation Index), Yükseklik, Bakı, Litoloji, Topoğrafik Islaklık İndeksi(TIİ), Eğim) ile optimum faktör model kurulmuştur. En yüksek genel doğruluk (%88,27) AR algoritması tarafından belirlenen 6 faktörü içeren veri setinin (Model-6) RO algoritması yardımıyla tahmin edilmiştir. Elde edilen sonuçlar, AR ve RO yöntemi ile belirlenen optimum faktör modelinin geleneksel LR yönteminden yaklaşık %8 oranında daha üstün olduğunu ve bu farkların istatistiksel olarak anlamlı olduğunu ortaya koymuştur.

Abstract

Selection of optimum factors and map production methods are main crucial components of landslide susceptibility mapping process. Unfortunately, there are no universal guidelines regarding the selection of factors in landslide susceptibility mapping. The main purpose of this study was to determine an optimal factor model within the available landslide conditioning factors and investigation of suitable prediction method for landslide susceptibility mapping. For this purpose, stepwise regression method was used to determine the optimal factor model. In addition, this study investigates the map prediction method of logistic regression and random forest for producing landslide susceptibility map. All optimum factor models were tested using overall accuracy, kappa value, area under the ROC curve and AUC value. Also, McNemar's test statistic was also applied to test the statistical significance of performance differences for factor models. As a result of the study, the optimum factor model was established as Model-6 consisting of 6 landslide causative factors (NDVI, elevation, aspect, lithology, topographic wetness index and slope) by applying stepwise regression method. The highest overall accuracy (88.27%) was estimated by RF algorithm for the dataset including 6 factors selected with Stepwise algorithm (Model-6). Results showed that the optimum factor model determined by stepwise regression and random forest method outperformed the conventional LR method by about 8% and this level of difference was found to be statistically significant.