Farklı çok kriterli karar verme yöntemleri ile Büyük Menderes nehri havzası'nın tarımsal alan kullanım uygunluğunun değerlendirilmesi

Büyük Menderes Nehri Havzası'nın (BMH) tarımsal açıdan uygun alanlarının belirlenmesi amacıyla yapılan bu çalışmada, geleneksel yöntemlerden (i) Çok Kriterli Karar Verme (ÇKKV) yöntemleri ile parametrik sınıflama teknikleri ile güncel tekniklerden (ii) Makine Öğrenmesi (MÖ) algoritmaları ile parametrik olmayan sınıflama teknikleri kullanılmıştır. Araştırma kapsamında hem parametrik hem de parametrik olmayan sınıflama tekniklerinde hibrit teknikler kullanarak sonuçların karşılaştırılmasının yapılması amaçlanmıştır. Bu amaç doğrultusunda ÇKKV yöntemlerinden AHP, Bulanık DEMATEL ve SIMOS teknikleriyle, MÖ algoritmalarından Random Forest (RF), Lojistik Regresyon (LR) ve Yapay Sinir Ağları-Çok Katmanlı Algılayıcı (MLP) ile BMH'nda tarımsal açıdan uygun alanlar tespit edilmiştir. Her bir teknikten ve algoritmadan elde edilen sonuçlar CBS ortamında dört sınıfa (çok uygun, orta derecede uygun, az derecede uygun, uygun değil) ayrılarak yeniden sınıflandırılmış ve tarımsal uygunluk haritaları elde edilmiştir. Parametrik sınıflama teknikleri sonucunda elde edilen tarımsal uygunluk haritasında "orta derecede uygun" olan alanlar BMH'nda %58,39 oran ile en fazla alana sahiptir. Bu oranı %40,64 ile "az derecede uygun" olan alanlar takip etmektedir. En az oranı ise %0,33 ile "çok uygun" olan alanlar oluşturmuştur. Parametrik olmayan sınıflama teknikleri sonucunda elde edilen tarımsal uygunluk haritasında ise BMH'nda tarıma "uygun olmayan" alanlar RF (%59,7), LR (%67,4) ve MLP (%77,0) oranları ile en fazla alana sahiptir. Bu oranı RF algoritması için %15,2 ile "az derecede uygun" olan alanlar, LR algoritması için %20,2 ve MLP algoritması için %18,69 ile "çok uygun" alanlar takip etmektedir. En az oranı ise RF (%11,7) "çok uygun", LR (%6,0) ve MLP (%2,02) "orta derecede uygun" alanlar oluşturmuştur.