Cbs ve çok ölçütlü karar verme tekniklerinin (AHY ve TOPSIS) deprem tehlike haritası üretimi ve analizi odaklı bütünleştirilmesi: Küçükçekmece örneği

Depremler ve yol açtığı tehlikeler insanoğlu ve çevresi üzerinde yaygın sosyo ekonomik ve çevresel yıkımlarla sonuçlanan şiddetli etkilere yol açmaktadır. Önlemler alınmaksızın depremlerle ilişkilendirilen bu risklerin gelecekte insan topluluklarını ciddi anlamda etkilemesi kaçınılmazdır. Bu etkiler, planlama, müdahale ve risk azaltma stratejisinin geliştirilmesine bağlı olarak etkin ve kapsamlı bir Afet ve Acil Durum Yönetimi ihtiyacını doğurmaktadır. Mekansal teknolojilerdeki son gelişmeler mekansal verinin gün geçtikçe karmaşık bir hal alması ve mekansal veriye olan talebin artmasıyla Afet ve Acil Durum Yönetimi problemlerinin çözümünde yeni olanaklar yaratmaktadır. Bu durum verilecek kararların net olması, anlamlı ve etkin bir biçimde başarılması amacıyla karar verme sürecinin kalitesinin iyileştirilmesi sağlayan Çok Ölçütlü Karar Analizi (ÇÖKA) yöntemlerinin geliştirilmesine ön ayak olmuştur. ÇÖKA yöntemleri afet yönetimine dahil olan paydaşların, karar gruplarının ve ilgili ölçütlerin süreç içinde katılımcı bir biçimde yer almalarına olanak sağlamaktadır. Temel bir yaklaşımla, çok ölçütlü mekansal bir karar problemi, ilgili değerlendirme ölçütlerine dayanarak bir veya birden fazla seçenek içerisinden mekansal olarak tanımlanmış bir seçeneğin seçilmesini içermektedir. Seçenekler mekansal olarak tanımlanmakta ve analizin sonuçları bu mekansal düzenlenişe göre şekillenmektedir. CBS terminolojisi içinde, seçenekler, ölçüt değerleriyle ilişkilendirilmiş olan noktasal, çizgisel ve alansal objelerin toplamı olmaktadır. Çok ölçütlü mekansal karar analizi, mekansal veri setlerinin birbirleriyle bütünleştirilmesi ve birbirine dönüşümüyle bir bileşke karar çıktısını oluşturan işlemlerden ibaret olmaktadır. Çok ölçütlü karar verme süreçleri, girdi harita verisi ile çıktı harita verisi arasındaki ilişkiyi tanımlamaktadır. Bu süreçler, belirli karar verme kurallarına göre mekansal verilerin düzenlenmesini ve karar vericinin tercihlerini içermektedir. Mekansal çok ölçütlü karar analizinin önemli bir özelliği ölçüt değerlerine dayanan mekansal olguların değerlendirilmesini ve değerlendirme ölçütlerine dayanan karar vericinin tercihlerini içermesi olmaktadır. Karar seçeneklerinin belli bir düzen içinde sıralanmasını başaran prosedür karar kuralı olarak adlandırılmaktadır. Karar verici, karar kuralı yardımıyla seçeneklerin en iyi şekilde nasıl sıralanacağını veya hangi seçeneğin öbürüne tercih edileceğini belirlemektedir. Karar kuralı, seçenek bilgisiyle karar vericinin tercihlerini, bütünsel bir değerlendirme için birleştirmektedir. Literatürde çok ölçütlü karar problemini çözmeye yönelik birçok karar kuralı tanımlanmış ve uygulama alanı bulmuştur. Özellikle CBS tabanlı karar vermede toplamlı karar kuralları (additive decision rules) en iyi bilinen ve geniş çapta uygulama alanı bulan çok ölçütlü karar verme yöntemleridir. Bu çalışmada çok ölçütlü karar kurallarından AHY ve TOPSIS yönteminin birlikte kullanılması amaçlanmaktadır. 1970'li yıllarda Thomas Saaty tarafından geliştirilen AHY birden fazla ölçüt içeren karmaşık problemlerin çözümünde kullanılan çok ölçütlü bir karar verme yöntemidir. AHY, karmaşık problemleri amaç-ölçütler-alt ölçütler-seçenekler hiyerarşisi kurularak çözmeye olanak sağlamaktadır. AHY, genel olarak, problemi parçalara ayırma ve hiyerarşi oluşturma (decomposition), karşılaştırmalı karar verme ve tercih matrisinin oluşturulması (comparative judgement) ve önceliklerin sentezlenmesi (synthesis of priorities) olmak üzere üç temel prensibe dayanmaktadır. Parçalara ayırma prensibinde hiyerarşik bir yapı yaratılmakta ve problem bu hiyerarşik yapıya göre çözülmektedir. Karşılaştırmalı karar verme aşamasında ölçütler, çiftler şeklinde belirlenmekte ve birbirleriyle karşılaştırmalı olarak incelenmektedir. Her bir hiyerarşi düzeyinde belirlenen ağırlıklar genel bir ölçekte toplanıp sentezlenerek seçeneklerin önceliklendirilmesi aşamasında kullanılmaktadır. TOPSIS yöntemi ise, pozitif ideal çözüme (v_(+j) ) olan uzaklığı en az ve negatif ideal çözüme (v_(-j)) uzaklığı en fazla olan seçeneği karar vericiye sunmaya ve tüm seçenekleri pozitif ideal çözüme benzerliğe göre sıralamaya yardımcı olmaktadır. v_(+j) tüm ölçütlere göre en iyi performans değerine sahip ideal bir seçeneği temsil ederken; v_(-j) ise tüm ölçütlere göre en kötü performans değerine sahip bir seçeneği göstermektedir. Yöntemin CBS tabanlı uygulaması aşağıdaki işlem adımlarını içerecek şekilde yapılmaktadır: • Olanaklı seçenek grubunun belirlenmesi, • Çeşitli ölçüt değerlerinin (x_ij) boyutsuz ölçüt değerlerine (v_ij) dönüştürülerek herbir ölçüt harita tabakasının standartlaştırılması, • Herbir ölçüte atanan ağırlıkların (w_j), ∑_j▒w_j =1 şartını sağlayacak şekilde tanımlanması, • Standartlaştırılmış ölçüt harita tabakasının içerdiği her v_ij değerinin ilgili w_j, ağırlığıyla çarpılarak ağırlıklandırılmış ve standartlaştırılmış harita tabakalarının oluşturulması, • Ağırlıklandırılmış ve standartlaştırılmış harita tabakaları için maksimum değerin (v_(+j)) saptanması (Bu değer ideal çözümü saptamaya yardımcı olmaktadır), • Ağırlıklandırılmış ve standartlaştırılmış harita tabakaları için minimum değerin (v_(-j)) saptanması (Bu değer negatif ideal çözümü saptamaya yardımcı olmaktadır), • Seçeneklerin ideal çözüme olan uzaklıklarının hesaplanması • Seçeneklerin negatif ideal çözüme olan uzaklıklarının hesaplanması • Seçeneklerin pozitif ideal çözüme olan benzerliklerinin (C_(i+)) hesaplanması • 0 ile 1 arasında değerler alabilecek olan C_(i+) değeri 1 değerine yaklaştıkça ideal çözüme ulaşılmaktadır. • Seçeneklerin benzerliğe göre sıralanması. Tüm seçenekler büyükten küçüğe benzerliklerine göre sıralanmakta ve en büyük C_(i+) değerine sahip seçenek en iyi seçenek olarak seçilmektedir. Bu çalışmada, çok ölçütlü karar kurallarından olan Analitik Hiyerarşi Yöntemi (AHY) ve İdeal Çözüme Benzerliğe Göre Tercih Sıralaması Tekniğinin (Technique for Order Preference by Smilarity to Ideal Solution-TOPSIS) CBS ortamında deprem tehlike haritası üretimi ve analizinde birlikte kullanımı ve birbiriyle bütünleştirilmesi başarılmaktadır. Pilot bölge olarak İstanbul, Küçükçekmece Bölgesi seçilmiştir. Deprem tehlike haritasının üretilmesi ve analiz edilmesi amacıyla daha önceden belirlenen beş ölçüt temel alınmıştır. Bunlar: Topoğrafya, Depremin Merkezine Uzaklık, Toprak Sınıfı, Sıvılaşma Potansiyeli ve Fay Mekanizasyonudur. Öncelikle AHY'nin ikili karşılaştırma özelliğinden yararlanarak ve bu beş ölçüt temel alınarak ölçüt ağırlıkları belirlenmiş, CBS ortamında deprem tehlike haritası üretilmiştir. AHY'den elde edilen ölçüt ağırlıkları baz alınarak, CBS ortamında TOPSIS yöntemi uygulanarak deprem tehlike haritası üretilmesi başarılmıştır. TOPSIS uygulanarak üretilen harita çıktısı ile AHY'den elde harita çıktısı karşılaştırma ve analiz işlemine tabi tutulmuştur. Üretilen model çıktılarının birbiriyle karşılaştırılabilir olduğu görülmüş, yapılan istatistiksel analizler sonucu birbirleriyle yüksek korelasyona sahip olduğu saptanmıştır. Üretilen harita çıktıları deprem risk değerlendirmesine katılan uzmanların ortak tercihlerini de yansıtmaktadır. Çalışma bölgesinin deprem riskinin analiz edilebilmesi amacıyla, nüfus ve bina verisi de analiz işlemine dahil edilmiş, potansiyel kayıp değerlendirilmesi amacıyla kullanılmıştır. Bu çalışmada ayrıca, deprem özelinde, afet ve acil durum yönetiminde simülasyon tabanlı sistemlerden hasar tahmin sistemlerine kadar geniş bir spektrumda uygulanma olnağı bulan mekansal kara destek sistemlerinin incelenmesi ve analizi de başarılmıştır. Global sistemler olarak HAZTURK, QLARM, SELENA, DBELA, CATS, PAGER, bölgesel ve yerel sistemler olarak ise ELER, HAZUS-MH, KOERILoss, MAEviz, EQRM and LNECLOSS incelenmiştir. Dünyadaki ve Türkiyedeki mekansal karar destek sistemleri incelendiğinde HAZTURK'ün deprem risk ve hasar tahmini açısından benzer örneklerine göre avantaja sahip olduğu belirlenmiştir. Bu çalışmada ayrıca ülkemiz özelinde mekansal veri elde etme, mekansal veri kalitesi, veri değişimi, kurumlar arası koordinasyon eksikliği gibi temel konularda anahtar zorluklar da belirlenmiştir.