Türkiye'de havza ölçeğinde CBS uygulaması ile olay temelli (bazlı) sediment verimin tahmınınde toprak erozyonu yetke ve metke modellerinin doğrulama çalışmaları
Validation studies of soil erosion models of rusle and musle in prediction of event based sediment yield with gis application at the watershed scale in Turkey
- Tez No: 997825
- Danışmanlar: PROF. DR. GÜNAY ERPUL
- Tez Türü: Doktora
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı
- Bilim Dalı: Toprak Bilimi ve Bitki Besleme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Toprak erozyonu ve sedimentasyon, küresel ölçekte tarımsal üretkenlik, su kaynakları ve ekosistem sağlığı açısından ciddi tehdit oluşturan önemli çevresel sorunlardır. Su kaynaklı erozyon, eğimli araziler, hassas toprak yapısı, düzensiz yağış rejimleri ve seyrek bitki örtüsü ile karakterize bölgelerde yaygındır. İnsan kaynaklı etkiler, örneğin ormansızlaşma, sürdürülebilir olmayan tarım uygulamaları, aşırı otlatma ve kentleşme, erozyon sürecini hızlandırmaktadır. İklim değişikliği ise yağış rejimlerini ve şiddetini değiştirerek sürece katkıda bulunmaktadır. Bu faktörlerin birleşimi, toprak kaybını artırmakta olup arazi verimliliğini düşürmekte, su kaynaklarında sediment birikimine yol açmakta ve hem karasal hem de su ekosistemlerinin bozulmasına neden olmaktadır.Türkiye, yarı kurak iklimi, dik yamaçlı topoğrafyası, sığ toprakları ve düşük organik madde içeriği nedeniyle su kaynaklı erozyona karşı oldukça hassastır. Geleneksel tarım uygulamaları, aşırı otlatma ve seyrek bitki örtüsü toprak kaybını artırmaktadır. Ülkenin, Orta ve Doğu Anadolu ile Akdeniz bölgelerinde erozyon riski en yüksektir. Ulusal tahminlere göre Türkiye'de yılda yaklaşık 642 milyon ton toprak kaybolmakta ve toplam arazinin %12'sinden fazlası şiddetli erozyon tehdidi altındadır. Bu durum, etkin havza yönetimi ve sürdürülebilir arazi kullanım planlamasının önemini artırmaktadır. Toprak erozyonunu ve sediment verimini tahmin etmek için ampirik modeller yaygın olarak kullanılmaktadır. Bu çalışmada, Revize Evrensel Toprak Kayıpları Denklemi (YETKE) ve Modifiye Evrensel Toprak Kayıpları Denklemi (METKE) modelleri ele alınmıştır. YETKE, uzun dönemli ortalama toprak kaybını tahmin ederken METKE, olay temelli sediment verimi tahminine odaklanmakta ve belirli yağış olayları sırasında yüzey akışı hacmi ve pik debiyi kullanmaktadır. Her iki model de veri açısından sınırlı veya heterojen havzalarda bazı sınırlamalara sahiptir ve karmaşık yağış, akış, toprak ve arazi örtüsü etkileşimlerini tam olarak yansıtamayabilir. Son yıllarda uzaktan algılama, Coğrafi Bilgi Sistemleri (CBS) ve Makine Öğrenmesi (ML) alanlarındaki gelişmeler, bu modellerin öngörü performansını artırma potansiyeli sunmaktadır. Mekânsal sediment bağlantı indekslerinin entegrasyonu, sediment hareketini daha doğru bir şekilde modellemeye ve hidrolojik, topoğrafik ve arazi örtüsü değişkenleri arasındaki doğrusal olmayan etkileşimleri yakalamaya olanak tanımaktadır. Bu çalışmada, CBS tabanlı analiz ve ML yöntemleri ile geleneksel ampirik modeller birleştirilerek, özellikle heterojen veya veri açısından sınırlı havzalarda sediment verimi tahminlerinin güvenilirliği artırılmıştır. Araştırma, Kahramanmaraş ilinde Göksun Çayı havzasına bağlı Karaahmet alt havzasında gerçekleştirilmiştir. Alt havza yaklaşık 760 km²'lik bir alanı kapsamaktadır ve farklı topoğrafya ve erozyon hassasiyeti ile kıtasal iklim bölgelerini temsil etmektedir. Yıllık ortalama yağış 622 mm, yıllık ortalama sıcaklık 8 °C civarındadır. Topoğrafya dik yamaçlar, sığ topraklar ve heterojen bitki örtüsü ile karakterizedir. Model kalibrasyonu ve doğrulaması için meteorolojik kayıtlar, toprak etüt haritaları, 10 m çözünürlüklü Dijital Yükseklik Modeli (DEM) ve arazi örtüsü (LULC) verileri kullanılmıştır. Toprak erodibilitesi (K faktörü), LS (eğim dikliği ve uzunluğu) ve C (Ürün yönetim faktörü) faktörleri bu veriler üzerinden hesaplanmıştır. 196 alt havza ve 69 yağış olayı için kapsamlı bir veri seti oluşturulmuş ve model uygulamaları ArcGIS ve Google Earth Engine platformlarında gerçekleştirilmiştir. YETKE ve METKE modelleri, temel parametreler olan K, LS, C ve P kullanılarak uygulanmıştır olup. YETKE'de yağış erozivitesi (R faktörü) dikkate alınırken, METKE'de yüzey akış hacmi ve pik debi (Q×qp) kullanılmıştır. YETKE, olay bazlı sediment verimini doğrudan tahmin etmediğinden, Sediment Taşınım Oranı (STO) ile desteklenmiştir. Sediment taşınımını daha gerçekçi modellemek amacıyla, Sediment Bağlantılılık İndeksi (SCI) ve Bileşik Ağırlıklı Bağlantılılık İndeksi (CWCI) gibi mekânsal bağlantı indeksleri kullanılmıştır. Bu indeksler, eğim, akış birikimi, arazi örtüsü ve hidrolik bağlantılılığı dikkate alarak alt havza ölçeğinde sediment taşınımını değerlendirmiştir. Başlangıçta, YETKE ve METKE çıktılarına birbirine karşı regresyon analizi uygulanarak kalibrasyon yapılmıştır. İlk karşılaştırma orta düzeyde uyum göstermiş (R2 = 0,87), ancak regresyon tabanlı optimizasyon sonrasında iki model arasındaki uyum önemli ölçüde artırılarak R2 = 0,99 değerine ulaşılmıştır. Bu kalibrasyon, modellerin tutarlı ve karşılaştırılabilir hale getirilmesini sağlamıştır. Kalibrasyonun ardından modeller, gözlenen sediment verileri ile doğrulanmıştır. Belirleme katsayısı (R2) YETKE için 0,86, METKE için ise 0,84 bulunmuştur. Bu değerler, her iki modelin genel eğilimleri başarılı bir şekilde yakaladığını, ancak bazı bireysel olaylarda sapmalar içerdiğini göstermektedir. Bu doğrulama, ampirik modellerin gerçek koşullar altında olay bazlı sediment verimini temsil etme gücünü ve sınırlamalarını ortaya koymaktadır. Tahmin performansını daha da artırmak için, makine öğrenmesi algoritmaları (Random Forest, XGBoost ve Yapay Sinir Ağları) iki temel amaçla uygulanmıştır: (i) YETKE ve METKE'nin tahmin doğruluğunu artırmak, (ii) yalnızca bağlantılılık indekslerini kullanarak veri kısıtlı havzalarda alternatif sediment tahmini sağlamak. Hidrolojik, topoğrafik ve arazi örtüsü değişkenlerinin model çıktılarıyla entegrasyonu sayesinde ML modelleri yüksek öngörü doğruluğu elde etmiştir (R²=0,93–0,94). Bu değişkenler arasında SCI en etkili öngörücü olarak belirlenmiş, akışa dayalı parametreler ise sediment taşınımında kritik rol oynamıştır. Genel olarak, bu çalışma, YETKE ve METKE modellerinin CBS ve ML ile bütünleştirilmesinin olay bazlı sediment verimi tahmininde güçlü ve uygulanabilir bir metodoloji sağladığını göstermektedir. Yaklaşım, mekânsal ve zamansal değişkenliği yakalama, erozyon ve sediment taşınım süreçlerinin fiziksel temsiliyetini güçlendirme ve veri kısıtlı havzalara pratik alternatifler sunma açısından önemli katkılar sağlamaktadır. Gelecek çalışmalar için yüksek çözünürlüklü veri kullanımı, dinamik kalibrasyon ve uzaktan algılama teknolojilerinin entegrasyonu önerilmektedir.
Özet (Çeviri)
Erosion and sedimentation are critical environmental challenges threatening watershed health, land productivity, and water quality. This study evaluates the performance of the Revised Universal Soil Loss Equation (RUSLE) and Modified Universal Soil Loss Equation (MUSLE) for event-based sediment yield estimation in the Karaahmet sub-catchment of the Göksun Çayı Basin, Türkiye. A total of 69 rainfall events across 196 sub-catchments were analyzed using GIS-based modeling by integrating rainfall, soil, topography, and land cover data. A regression-based calibration between rainfall erosivity and runoff factors was applied to enhance model consistency, and the incorporation of connectivity indices improved prediction accuracy and reduced bias. Both models were validated with observed data, achieving coefficients of determination of 0.86 for RUSLE and 0.84 for MUSLE. Machine learning algorithms were used to reproduce empirical model outputs using topographic and connectivity metrics such as the Index of Connectivity (IC), Sediment Delivery Ratio (SDR), Relative Relief Index (RRI), and Topographic Wetness Index (TWI). Among five models tested, XGBoost and Random Forest showed the highest accuracy, with coefficients of determination of 0.94. IC, SDR, and TWI were dominant predictors for empirical model replication. In addition, machine learning was used to assess the relationship between observed sediment yield and various erosion drivers. Random Forest again provided the best performance, identifying the product of runoff volume and peak discharge and the 30-minute rainfall intensity as the most influential variables. The findings confirm the effectiveness of integrating empirical models, connectivity metrics, and machine learning for sediment yield estimation in mountainous and data-scarce regions.
Benzer Tezler
- Yangın riski taşıyan açık alanlar için CBS tabanlı, bulut altyapılı, yüksek hassasiyetli, nanofotonik erken yangın tespit sistemi tasarımı ve uygulaması
Design and implementation of a GIS based, cloud substructured, high sensitive, nanophotonic early fire detection system for fire risk areas
YÜCEL GÜLLÜCE
Doktora
Türkçe
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
- Evaluation of the impact of public space design on the land surface temperature by using geographical information systems: the example of taksim square urban design competition
Kamusal alan tasarımlarının arazi yüzey sıcaklığına etkisinin coğrafi bilgi sistemleriyle değerlendirilmesi: taksim meydanı kentsel tasarım yarışması örneği
AYBÜKE BİHTER KIZILCA
Yüksek Lisans
İngilizce
2022
Şehircilik ve Bölge PlanlamaOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. YÜCEL CAN SEVERCAN
DOÇ. DR. UĞUR MURAT LELOĞLU
- İklim değişikliğinde kentsel hasar görebilirlik: İstanbul- Bağcılar örneği
Urban damage vulnerability in climate change: İstanbul- Bağcılar
KÜBRA ALTINTAŞ
Yüksek Lisans
Türkçe
2025
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiAfet ve Acil Durum Yönetimi Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ CEYHAN KAHYA
- Yüzer güneş enerjisi santrallerinin (YGES) konuşlandırılmasında bulanık örtüştürmeye dayalı bir optimizasyon metodolojisi: YGES elverişli rezervuar yüzeyi
An optimization methodology to deployment of floating photovoltaics (FPV) based on fuzzy overlay: FPV convenient reservoir surface
MEHMET SEREN KORKMAZ
Doktora
Türkçe
2023
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET DURAN ŞAHİN
- Monitoring and assessing the temporal changes of natural lakes of Türkiye via satellite images
Türkiye'deki doğal göllerin zamansal değişimini uydu verileriyle gözlemleme ve değerlendirme
ERTUĞ FIRATLI
Doktora
İngilizce
2023
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE GÜL TANIK