Makine öğrenmesi modelleri kullanarak PS InSAR verilerine dayalı zemin çökme duyarlılık haritalarının oluşturulması: Aksaray ili örneği

Bu çalışma, Aksaray ilindeki zemin çökme duyarlılığını makine öğrenimi (MÖ) yöntemleri ile değerlendirmeyi amaçlamaktadır. Zemin çökme duyarlılık haritalarının oluşturulması için gerekli olan zemin çökmesi envanteri, geniş bir bölgeyi kapsayan arazi çalışmaları ile toplanması mümkün olmayan bir veri türüdür. Bu nedenle, bu çalışmada zemin çökmesi envanterin PS InSAR (Sabit Saçıcı İnterferometrik Sentetik Açıklıklı Radar) tekniği kullanılarak elde edilmesi amaçlanmıştır. Beş yıllık bir izleme sürecinde, iki farklı çerçeve için toplamda 80 Sentinel-1 uydu görüntüsü işlenmiş ve 63.437 PS noktası analiz edilmiştir. Zemin çökmesi duyarlılığını değerlendirmek amacıyla, litoloji, eğrisellik, eğim, bakı, yükseklik, yeraltı su seviyesi, drenaj yoğunluğu, kuyu yoğunluğu, Topografik Nem İndeksi (TNİ), Akış Gücü İndeksi (AGİ), arazi kullanımı, yerleşim yerine yakınlık, fay hattına yakınlık, yola yakınlık ve NDVI dahil olmak üzere toplam 15 koşullandırıcı faktör analiz edilmiştir. Bu faktörler, Random Forest, XGBoost, CatBoost, LightGBM ve AdaBoost gibi makine öğrenmesi algoritmalarına dahil edilmiştir. Modellerin karşılaştırılması sonucunda, %95 doğruluk oranı ile Random Forest algoritması en yüksek tahmin performansını göstermiştir. Ayrıca faktörlerin önem dereceleri analiz edilmiş ve litoloji, yükseklik, yeraltı su seviyesi değişimi ve arazi kullanımının zemin çökmesi üzerinde en önemli etkilere sahip olduğu belirlenmiştir. Elde edilen bulgular, Aksaray ilinin Sultanhanı, Eskil ve Merkez ilçelerinin yüksek ve çok yüksek zemin çökme riskine sahip olduğunu göstermektedir. Çalışma, yerel yönetimler için zemin çökmesi risklerini daha iyi anlamak ve etkin risk yönetimi stratejileri geliştirmek için önemli bir rehber sunmaktadır. Aynı zamanda, sürdürülebilir tarım stratejilerinin geliştirilmesi ve su kaynaklarının etkin yönetimi açısından da değerli veriler sağlamaktadır.