Uzaktan algılama ve CBS entegrasyonuyla taşkın duyarlılık haritalarının üretiminde etkili faktörlerin özellik seçimiyle belirlenmesi

Abstract

İklim değişikliği ve insan kaynaklı faaliyetler nedeniyle dünya çapında meydana gelen taşkın sayısı her yıl daha da artmaktadır. Bu durum, daha verimli taşkın yönetim planlarının geliştirilmesine yardımcı olabilecek taşkın duyarlılık haritaları (TDH)'nin oluşturulması ihtiyacını doğurmuştur. İyi bir taşkın tahmin sisteminin geliştirilebilmesi için bu tür haritaların, optimum faktörleri içeren belirli bir girdi modeli kullanılarak mümkün olan en yüksek doğruluğa sahip olacak biçimde üretilmesi gerekmektedir. Optimum faktörlerin belirlenmesinin nedeni, taşkın tahmininde etkili değişkenlerin haritanın üretilmesindeki katkısının olumlu veya olumsuz olmasının bilinememesi ve hangi faktörlerin kullanılacağının belirlenmesinde bu girdi modeline ihtiyaç duyulmasıdır. Bu amaçla, tez kapsamında taşkın envanter haritası ve 24 girdi faktörünün her biri için tematik haritaları ayrı ayrı üretildikten sonra, faktörler arasındaki ilişkiyi değerlendirmek için Çoklu Doğrusal Bağlantı Analizi (MCA) yapıldı. Bu aşamadan sonra özellik seçim yöntemleri kullanılarak çeşitli faktör kombinasyonlarına göre farklı girdi modelleri oluşturuldu. Bu modeller FISHER-MODEL2 (Fisher özellik seçim yöntemine göre ağırlığı en yüksek 2 faktörün birleştirilmesi sonucunda oluşan model) gibi adlandırıldı. Çalışma bölgesinin TDH'si, oluşturulan farklı girdi modelleriyle Lojistik Regresyon (LR) ve Destek Vektör Makineleri (SVM) yöntemleri kullanılarak üretildi. Bu haritalar FISHER-MODEL2-LR (Fisher yöntemi sonucunda ağırlığı en yüksek 2 faktörün birleştirilmesi sonucunda oluşan modelin LR ile üretilen haritası) gibi adlandırıldı. Her bir haritanın performansı, sınıflandırma genel doğruluğu (SGD), alıcı işletim karakteristiği (ROC) eğrisi ve eğri altında kalan alan (AUC) metriklerine göre değerlendirildi. Test verilerine göre MODEL11-RF-SVM haritasının en iyi performansı gösterdiği bulundu. McNemar's istatistiksel testi (MİT) kullanılarak % 5 anlamlılık seviyesinde en iyi sonucu veren haritaların marjinal homojenliği test edildi. Literatürde genellikle TDH'nin elde edildiği çalışmalarda girdi faktörlerine ait optimum girdi modelleri analiz edilmemekte, mevcut faktörler tamamıyla kullanılmaktadır. Bu tez kapsamında ise 24 faktör yerine en yüksek doğruluğa sahip haritayı üreten optimum 11 faktör belirlendi. Böylece veri boyutu yaklaşık %54 azaltılarak hem doğruluk arttırılmış hem de önemli ölçüde zaman tasarrufu (hem girdi verisi üretiminde hem de sonuç haritası üretiminde) sağlanmıştır. Ayrıca, bu tez çalışmasının, incelenen bölgede taşkınlara karşı bir erken uyarı sistemi geliştirilmesinde ve ilgili kişilere arazi kullanım planlaması ve yönetiminde yardımcı olmak için önemli bir katkı sağlaması beklenmektedir.

The number of floods occurring worldwide due to climate change and human-induced activities have increased every year. This has led to the need for the creation of flood susceptibility maps (FSM), which can help develop more efficient flood management plans. In order to be able to develop a good flood forecasting system, such maps are required to be produced with the highest possible accuracy using a particular input model that includes the optimum factors. The reason for determining the optimum factors is that it is not known whether the positive or negative contribution of the variables effective in flood forecasting to the production of the map is unknown and this input model is needed to determine which factors will be used. For this purpose, after the flood inventory map and thematic maps for each of the 24 input factors were produced separately within the scope of the thesis, Multicollinearity Analysis (MCA) was performed to evaluate the relationship between the factors. After this stage, different input models were created according to various factor combinations by using feature selection methods. These models were named as FISHER-MODEL2 (the model formed as a result of combining the 2 factors with the highest weight according to the Fisher feature selection method). The TDH of the study region was generated using Logistic Regression (LR) and Support Vector Machines (SVM) methods with different input models created. These maps were named as FISHER-MODEL2-LR (The map of the model that is formed as a result of combining the 2 factors with the highest weight as a result of the Fisher method, produced with LR). The performance of each map was evaluated based on classification overall accuracy (COA), receiver operating characteristic (ROC) curve, and area under the curve (AUC) metrics. According to test data, MODEL11-RF-SVM map was found to perform best. The marginal homogeneity of the maps that gave the best results at the 5% significance level was tested using McNemar's statistical test (MIT). In the literature, generally, the optimum input models of the input factors are not analyzed in studies where TFR is obtained, and the existing factors are used completely. With in the scope of this thesis, instead of 24 factors, the optimum 11 factors that produce the map with the highest accuracy were determined. Thus, by reducing the data size by approximately 54%, both accuracy is increased and significant time savings (both in the production of input data and in the production of the result map) were provided. In addition, this thesis is expected to make an important contribution to the development of an early warning system against floods in the studied region and to assist the relevant people in land use planning and management.