İstanbul İçin CBS Tabanlı Makine Öğrenmesi İle Sel Duyarlılık Haritasının Oluşturulması

Abstract

Bu çalışma kapsamında meydana gelebilecek olası bir sel olayının gerçekleşebileceği yerin önceden tahmini ve tespiti için makine öğrenmesi yöntemleri kullanılarak coğrafi bilgi sistemleri (CBS) tabanlı bir sel duyarlılık haritalama modeli oluşturulması amaçlanmıştır. Çalışma kapsamında incelen bölge olarak ise Türkiye’nin metropol kenti olan İstanbul ili seçilmiştir. Literatürden elde edilen sel envanteriyle oluşturulan örneklem kümesi önce sel olmayan noktaların rastgele oluşturulması ile genişletilmiş olup, ardından sınıf dengesizliği rastgele alt örnekleme (RUS) tekniği ile giderilmiştir. Bu yaklaşım Türkiye’ de gerçekleştirilen sel duyarlılık haritalamaları çalışmaları için ilk kez uygulanmıştır. Rastgele orman (RF), stokastik gradyan artırma (SGB) ve XGBoost algoritmaları olmak üzere üç farklı makine öğrenmesi algoritmasının performans karşılaştırmaları gerçekleştirilmiştir. En yüksek model performansının XGBoost ile elde edildiği, bu metodu ise sırasıyla SGB ve RF’nin takip ettiği sonucuna ulaşılmıştır. Ayrıca, RF ve SGB modellerinin sel olmayan noktaların neredeyse tamamını doğru olarak bulduğu, sel olan noktalarda ise %90.67’lik bir başarı sergilediği görülmüştür. Fakat, çalışmanın esas amacını kapsayan sel gerçekleşen noktaların belirlenmesinde XGBoost modeli %92.00’lik bir başarı ile diğer iki metoda üstünlük sergilediği tespit edilmiştir. Sel olayını etkileyen parametreler incelendiğinde ise İstanbul için seli en önemli parametrenin yağış olduğu sonucuna ulaşılmış olup, yağışı sırasıyla drenaj ağına uzaklık ve eğri numarası takip etmiştir. Sonuç olarak çalışma kapsamında İstanbul’da gerçekleştirilen sel duyarlılık haritalamaları çalışmaları için ilk kez uygulanan bu çerçevenin kullanımının sayısı ve etkileri giderek artırılarak sel olaylarına karşı daha yaygın alanlara uygulanması gelecek vadedici bir yaklaşım olacaktır.