Makine öğrenme algoritmaları kullanılarak heyelan duyarlılık haritalaması

Bu çalışmada, İstanbul Anadolu yakasının güneyinde yer alan Kartal İlçesi sınırları içerisinde bulunan 38.54 km2'lik bölgede uzaktan algılama ve coğrafi bilgi sistemleri kullanılarak alanın heyelan duyarlılık haritalaması yapılması amaçlanmıştır. Çalışma alanı nüfus ve ticaret alanı olması nedeniyle önemli bir konuma sahiptir. Çalışma kapsamında farklı veri setinden oluşturulan topografik, morfometrik ve spektral parametreler kullanılmıştır. Bu parametreler ASTER uydu görüntüleri ve bunların analizlerinden elde edilen görünür ve yakın kızılötesi, kısa dalga boylu kızılötesi, termal kızılötesi, normalleştirilmiş fark bitki örtüsü indeksi, dekorelasyon germesi, temel bileşenler analizi, sayısal yükseklik modeli ve türevleri (eğim, bakı, kanallara olan uzaklık, plan eğriliği, profil eğriliği, topografik ıslaklık indeksi, LS faktör) verileri ile mevcut fay hatlarına olan uzaklık ve heyelan envanter verileri kullanılmıştır. Çalışmada analiz ve işlem sonuçları ile elde edilen girdi parametreleri, makine öğrenme algoritmalarından Destek Vektör Makinesi (SVM) kullanılarak heyelan duyarlılık haritalaması yapılmıştır. Çalışmada İki Seviyeli Rastgele Örnekleme (2LRS) algoritması kullanılarak eğitim ve test sınıfları belirlenmiştir. Bu algoritmanın en önemli özelliği çalışma sahasında heyelan öncesi koşulların kullanılmasıdır. Böylece otomatik heyelan haritalaması değil, heyelan duyarlılık haritalaması yapılmıştır. Üretilen heyelan duyarlılık haritasında, her piksel 0.0 ile 1.0 aralığında süreklilik arz eden duyarlılık değerlerini göstererek sınıflandırılmıştır. Elde edilen duyarlılık haritaları, her biri yüksek, orta, düşük ve çok düşük duyarlılık olmak üzere dört farklı sınıfa ayrılmıştır. Sınıflandırma sonucunda elde edilen haritaların doğruluk değerlendirmesi için alıcı işletim karakteristik (ROC) eğrisi ve eğri altında kalan alan (AUC) değerleri kullanılmıştır. Üretilen heyelan duyarlılık haritalarının doğruluk değerleri olarak hesaplanan AUC değerleri %93 olarak bulunmuştur.