PS-InSAR ve derin öğrenme ile yerkabuğu hareketlerinin kestirimi

Yerkabuğu hareketleri, özellikle antropojenik etkilerle artan bir problem olup, sürdürülebilir kaynak yönetimi ve afet risk azaltımı için bu hareketlerin izlenmesi ve gelecekteki davranışlarının tahminlenmesi kritik öneme sahiptir. Bu doktora tezi, Afyonkarahisar-Bolvadin'deki yerkabuğu hareketlerinin uzun dönemli analizini ve geleceğe yönelik tahminlerini, PS-InSAR ve derin öğrenme tekniklerini entegre ederek gerçekleştirmeyi amaçlamıştır. Çalışmada, 2015-2024 arasını kapsayan 240 adet Sentinel-1A SAR görüntüsü PS-InSAR tekniğiyle işlenerek yıllık LOS hareket hızı zaman serileri üretilmiştir. Analizler, bölgede +1 ila -14 mm/yıl arasında değişen, genel olarak çökme yönlü ve özellikle yeraltı suyu çekiminin yoğun olduğu güneybatı kesimlerde yoğunlaşan hareketler tespit etmiştir. Bu zaman serileri; LSTM, GRU, TCN, CNN ve Transformer derin öğrenme modelleriyle, Yinelemeli Çok Adımlı Tahmin (RMF) stratejisi kullanılarak 2025-2026 yılları için modellenmiştir. Bulgular, tüm modellerin tek adımlı tahminlerde yüksek başarı (R² > 0.92) gösterdiğini, CNN mimarisinin ise en iyi performansı sergilediğini ortaya koymuştur. RMF projeksiyonları, çökme eğiliminin devam edeceğini öngörmüş, CNN ve LSTM modelleri çok adımlı tahminlerde daha stabil bulunmuştur. Bu çalışma, PS-InSAR ve derin öğrenme entegrasyonunun yüzey hareketlerinin izlenmesi ve anlamlı gelecek tahminleri için potansiyelini göstermiş olup, bölgesel planlama ve yönetim stratejilerine bilimsel bir zemin sunmaktadır. Yardımcı parametrelerin dahil edilmesi ve yer bazlı doğrulama gelecek çalışmalar için önerilmektedir.