Akçasu Dere Havzası’nda (İnegöl, Bursa) heyelan duyarlılığının makine öğrenmesi modelleri ile karşılaştırmalı analizi

Abstract

Heyelan önleme ve risk azaltma stratejilerinin temel yapı taşını oluşturan heyelan duyarlılık analizleri, sahaya ait fiziksel parametreleri değerlendirerek tehdit altındaki alanların önceden belirlenmesine imkan tanır. Bu çalışma kapsamında, makine öğrenmesi algoritmaları aracılığıyla Akçasu Dere Havzası’nın heyelan duyarlılık potansiyelinin modellenmesi ve bu duyarlılığın mekânsal dağılımının ortaya konulması amaçlanmıştır. Bu amaç doğrultusunda belirlenen 10 farklı bağımsız değişken temel alınarak; Rastgele Orman (RF), Destek Vektör Makineleri (DVM), Lojistik Regresyon (LR), Yapay Sinir Ağları (YSA) ve Maksimum Entropi (MaxEnt) gibi makine öğrenmesi algoritmalarıyla heyelan duyarlılık modelleri üretilmiştir. Hazırlanan heyelan duyarlılık haritaları düşük, orta, yüksek ve çok yüksek şeklinde dört sınıfa ayrılmıştır. Model sonuçları, heyelan envanteri ve AFAD verileriyle çakıştırılarak sahadaki gerçek kütle hareketleriyle uyumu sayısal olarak ortaya konulmuştur. Model çıktıları, Akçasu Dere Havzası’nda heyelan duyarlılığının orta çığırda yer alan ve akarsular tarafından derince yarılmış platoluk sahalarda kümelendiğini göstermektedir. Bu alanlar aynı zamanda antropojenik (insan kaynaklı) baskıların da en üst seviyeye ulaştığı bölgeleri temsil etmektedir. Aktif kütle hareketlerinin gözlemlendiği Çayyaka, Çayyaka (Kümlük), Dipsizgöl, Hamidiye (Gençali), Hayriye, İclaliye, Kestanealanı, Konurlar, Lütfiye ve Muratbey kırsal mahalleleri yüksek duyarlılık bölgeleri içerisinde yer almaktadır. Bu tür afetlerin zararlarının minimize edilmesi amacıyla; yüksek duyarlılıklı sahaların imar planlarında yerleşime kapatılması ve bu bölgelerdeki mevcut yapıların kademeli olarak tahliyesi önerilmektedir. Yerleşimin sürdüğü orta ve yüksek duyarlı alanlarda ise geoteknik iyileştirmeler (fore kazık, ankraj vb.) ve drenaj sistemleriyle entegre edilmiş teraslama çalışmaları titizlikle uygulanmalı; yamaç dengesini korumak için kontrolsüz mühendislik müdahaleleri denetim altına alınmalıdır.

Landslide susceptibility analyses, which constitute the fundamental component of landslide prevention and risk reduction strategies, enable the early identification of areas under threat by evaluating the physical parameters of the terrain. In this study, it is aimed to model the landslide susceptibility potential of the Akçasu Stream Basin using machine learning algorithms and to reveal the spatial distribution of this susceptibility. In line with this objective, landslide susceptibility models were generated using machine learning algorithms—such as Random Forest (RF), Support Vector Machines (SVM), Logistic Regression (LR), Artificial Neural Networks (ANN), and Maximum Entropy (MaxEnt)—based on 10 different independent variables determined for the study. The landslide susceptibility maps produced were classified into four categories: low, moderate, high, and very high. The model outputs were overlaid with the landslide inventory and AFAD data, and their consistency with actual mass movements in the field was quantitatively assessed. The model outputs indicate that landslide susceptibility within the Akçasu Stream Basin is concentrated in the middle course, particularly in plateau-like areas that have been deeply incised by fluvial processes. These areas also correspond to the regions where anthropogenic pressures reach their highest intensity. The rural neighborhoods of Çayyaka, Çayyaka (Kümlük), Dipsizgöl, Hamidiye (Gençali), Hayriye, İclaliye, Kestanealanı, Konurlar, Lütfiye, and Muratbey—where active mass movements have been observed—are located within the high-susceptibility zones. In order to minimize the impacts of such hazards, it is recommended that high susceptibility areas be excluded from settlement in zoning plans, and that existing structures within these zones be gradually evacuated. In medium and high susceptibility areas where settlement continues, geotechnical stabilization measures (such as bored piles, anchors, etc.) and terracing works integrated with drainage systems should be implemented meticulously; and uncontrolled engineering interventions must be regulated in order to maintain slope stability.