AFAD Ankara 2015
184-2015070617353-kutle-hareketleri-temel-kilavuz_tr
184-2015070617353-kutle-hareketleri-temel-kilavuz_tr
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
6 HEYELAN DUYARLILIĞI<br />
VE DEĞERLENDİRME YÖNTEMLERİ<br />
90<br />
Bütünleşik Tehlike Haritalarının Hazırlanması<br />
HEYELAN-KAYA DÜŞMESİ<br />
TEMEL KILAVUZ<br />
FR= a/b<br />
Bu eşitlikte FR, frekans oranı; a katsayısı, parametre<br />
alt grubundaki heyelanlı piksel sayısının, toplam heyelanlı<br />
piksel sayısına oranına; b katsayısı ise, parametre<br />
alt grubunun dikkate alınan alandaki piksel sayısının,<br />
dikkate alınan alandaki toplam piksel sayısına oranına<br />
karşılık gelmektedir. Bu yöntemde, 1 değerinden büyük<br />
olan FR değerlerinin, göreceli olarak heyelan oluşumunda<br />
daha etkin olduğu, 1 değerinden küçük FR değerlerinin<br />
ise, heyelan oluşumunda daha az etkiye sahip olduğu<br />
belirtilmektedir (Lee ve Talib, 2005). Dikkate alınan<br />
her bir parametre alt grubu için hesaplanan FR değerleri,<br />
ilgili parametrelere atanarak, CBS ortamında çalıştırılmaktadır.<br />
Bu işlem için, dikkate alınan ve FR değerleri<br />
atanmış parametreler, CBS ortamında toplanarak, LS<br />
(landslide susceptibility) değerleri elde edilmektedir<br />
(Lee ve Talib, 2005) ( Eş.6.3):<br />
LS= ∑FR<br />
Bu eşitlikte LS heyelan duyarlılığını ∑FR ise, dikkate<br />
alınan alandaki her bir piksel için hesaplanan FR değerlerinin<br />
matematiksel toplamına karşılık gelmektedir.<br />
6.2.2. Çok Değişkenli İstatistiksel Analizler<br />
6.2.2.1. Faktör Analizi<br />
Eş.6.2<br />
Eş.6.3<br />
İki değişkenli istatistiksel analizlerde, heyelan oluşumunda<br />
etkin olduğu düşünülen parametreler sınıflandırılarak<br />
ve heyelan yoğunluk değerleri temel alınarak<br />
ağırlık değerleri atanmaktadır. Çok değişkenli istatistiksel<br />
analizlerde ise hesaplamalar daha karmaşık<br />
bir yapıdadır. Çok değişkenli istatistiksel analizlerde,<br />
araştırmacıların üzerinde yoğunlaştığı yöntemler faktör<br />
analizi, diskriminant analizi ve lojistik regresyon<br />
modelleridir. İzleyen bölümlerde bu yöntemlerin ayrıntılarına<br />
değinilmiştir.<br />
Çok değişkenli istatistiksel analiz yöntemlerinden biri<br />
olan faktör analizi, birbiri ile ilişkili çok sayıdaki değişkeni,<br />
daha az sayıda ve anlamlı olan ve birbirinden bağımsız<br />
yeni veri yapılarına dönüştürmek ve değişkenleri<br />
sınıflandırarak ortak faktörleri oluşturmak amacıyla kullanılmaktadır.<br />
Diğer bir deyişle, p değişkenli bir olayda<br />
(örneğin heyelan duyarlılığının değerlendirilmesinde),<br />
birbiri ile ilişkili parametreleri (örneğin: yamaç eğimi, ara-<br />
zi kullanımı, bakı,litoloji gibi) bir araya getirerek, daha az<br />
sayıda, ancak birbiriyle ilişkili yeni değişkenler bulmayı<br />
amaçlayan boyut indirgeme ve bağımlılık yapısını yok<br />
eden bir yöntemdir (Tatlıdil, 2002).<br />
Faktör analizleri varyans-kovaryans veya korelasyon<br />
matrisleri kullanılarak birbirlerinden bağımsız homojen<br />
grupların (yeni parametrelerin) oluşturulması ile gerçekleşmektedir.<br />
Eğer ham veri matrisleri kullanılıyor<br />
ise varyans-kovaryans matrisleri, standartlaştırılmış ve<br />
normalize edilmiş veriler dikkate alınıyorsa, korelasyon<br />
matrislerinden yararlanılmaktadır (Tatlıdil, 2002).<br />
Faktör analizi modeli, zj değişkenleri ile f1,f2,…,fm<br />
ortak faktörleri arasındaki ilişkiyi gösteren doğrusal bir<br />
model olup genel olarak Eş.6.4’deki biçimde ifade edilmektedir:<br />
z j<br />
= a j1<br />
.f 1<br />
+a j2<br />
.f 2<br />
+…a jm<br />
.f m<br />
+b j<br />
.u j<br />
j= 1,2,…,p<br />
Eş.6.4<br />
Bu eşitlikte, zj,hipotetik çıkarım veya hipotetik değişken;<br />
a,j’inci değişkenin m’inci faktör üzerindeki ağırlığı;<br />
uj özel veya artık faktörü; bj ise, uj değişkenine ilişkin<br />
katsayıyı temsil etmektedir (Tatlıdil, 2002).<br />
Faktör analizleri, bazı CBS yazılımlarında bulunan istatistiksel<br />
modüller yardımı ile gerçekleştirilebilmekteyken,<br />
harici olarak istatistiksel yazılımlarda (SPSS,Statgraf,<br />
S-Plus vb.) bu analizlerin yapılmasına olanak<br />
tanımaktadır. Faktör analizlerinde öncelikle, veri setinin<br />
faktör analizi için uygunluğu değerlendirilmekte, daha<br />
sonra anlamlı faktörler elde edilmekte ve en son aşamada<br />
ise faktör ağırlık değerleri elde edilmektedir. Elde<br />
edilen her bir ağırlık değeri, ilgili parametre ile çarpılıp,<br />
tüm değerler toplanarak bir eşitlik elde edilmektedir.<br />
Örneğin, beş adet parametrenin (yamaç eğimi, YE; bakı,<br />
BK; nemlilik indeksi, Nİ; topoğrafik yükseklik, TY; drenaja<br />
yakınlık, DY) dikkate alınacak bir çalışmada elde edilecek<br />
heyelan duyarlılığı eşitliği, Eş.6.5’deki gibi olacaktır:<br />
f HD<br />
= (0,41 YE) + (0,18 BK) - (0,02 Nİ) + (0,19 TY)- (0,03 DY) Eq.6.5<br />
Bu eşitlikte f HD<br />
, heyelan duyarlılığını sayısal olarak ifade<br />
etmektedir. Eş.6.5’deki pozitif katsayılar, ilgili parametrenin<br />
(örneğin YE, BK, TY) heyelan oluşumunda daha etkin olduğunu<br />
ifade etmekteyken, negatif katsayılar (örneğin Ni, DY) heyelan<br />
oluşumunda bu parametrelerin göreceli olarak etkilerinin<br />
daha az olduğu anlamına gelmektedir. Elde edilen eşitlik<br />
yardımıyla, her bir piksel için dikkate alınacak parametreler<br />
ve ağırlık katsayıları CBS platformunda çarpılıp toplanarak,<br />
heyelan duyarlılığı sayısal olarak elde edilmektedir.