AFAD Ankara 2015

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