Orman havza türü, bu çalışmada dağlık orman arazisini hidrolojik ve jeomorfolojik bağlantısına göre toplanma bölgesi, yamaç bölgesi veya bağımsız bölge olarak ayıran mekânsal bir analiz ve yönetim birimidir. Jaejeong Kim ve Dongyeob Kim, Güney Kore'nin Chungcheong bölgesinde 2022–2024 döneminde dağ ormanı havzalarıyla çakışan 1809 heyelan hasar poligonunu inceleyerek hasarın ölçeğinin ve heyelanla ilişkili çevresel faktörlerin bu üç havza türü arasında değişip değişmediğini araştırmıştır. Hasar alanı, çevre, genişlik, uzunluk ve uzama oranı istatistiksel olarak karşılaştırılmış; 13 topoğrafik, toprak, orman, jeolojik ve havza morfometrisi değişkeniyle Random Forest modelleri oluşturulmuş; modeller tekrarlı tabakalı 5 katlı çapraz doğrulamayla değerlendirilmiş ve SHAP analiziyle değişken katkıları yorumlanmıştır.

Hasar alanı, çevresi, genişliği ve uzunluğu toplanma bölgelerinde en yüksek, bağımsız bölgelerde en düşük bulunmuştur. Ortalama hasar alanı toplanma bölgelerinde 2413,3 m², yamaç bölgelerinde 1268,5 m² ve bağımsız bölgelerde 695,9 m²'dir. Random Forest modellerinin ortalama AUC değerleri sırasıyla 0,759, 0,733 ve 0,830'dur. Havza alanı üç havza türünde de yüksek öneme sahip ortak bir değişkendir; ancak ikincil faktörler havza türüne göre farklılaşmıştır. Toplanma bölgelerinde rölyef, DBH sınıfı ve yamaç uzunluğu; yamaç bölgelerinde yamaç eğimi, DBH sınıfı ve rölyef; bağımsız bölgelerde ise rölyef ve yamaç eğimi öne çıkmıştır.

Bu sonuçlar heyelanın yalnız tek bir yamaçtaki yerel stabilite koşullarıyla açıklanamayabileceğini; hasarın büyüklüğü ve yayılma potansiyelinin havza içindeki su, topoğrafya, akış yolları ve sediment bağlantısıyla birlikte değerlendirilmesi gerektiğini göstermektedir. Bununla birlikte çalışma olay bazlı yağış tehlikesi modeli değildir, nedensellik kanıtlamaz ve sonuçlar Chungcheong bölgesi ile 2022–2024 envanterinin sınırlarını taşır. Özellikle SHAP sıfır geçiş değerleri fiziksel heyelan eşikleri olarak değil, yalnız kullanılan veri kümesi ve modeller içindeki ampirik referans noktaları olarak yorumlanmalıdır.

Heyelan hasarı neden yalnız başlangıç noktasındaki eğimle açıklanamaz?

Bir heyelan ilk olarak bir yamaçta meydana gelir; ancak hasar her zaman başlangıç alanıyla sınırlı kalmaz. Kopan toprak, kaya ve odunsu malzeme suyla birlikte hareket ederek dere ağlarına ulaşabilir, akış yollarını takip edebilir ve daha aşağıdaki yerleşim, yol veya altyapıya doğru taşınabilir. Bu nedenle heyelan tehlikesinin nerede başladığı kadar, başarısız olan malzemenin havza içinde nereye bağlandığı ve ne kadar uzağa taşınabildiği de önemlidir.

Çalışmanın temel kavramsal ekseni hidrolojik ve jeomorfolojik bağlantıdır. Hidrolojik bağlantı suyun arazide hangi yollarla biriktiğini ve aktığını; jeomorfolojik bağlantı ise sediment ve kütle hareketi ürünlerinin topoğrafik yapı içinde bir konumdan başka bir konuma aktarılabilme derecesini ifade eder. Aynı büyüklükte bir yamaç kopması, dere ağına güçlü biçimde bağlı bir havzada uzun bir taşıma yoluna girebilirken, bağlantısı zayıf bir alanda daha yerel kalabilir.

Orman havzası türü heyelan hasarının büyüklüğünü neden değiştirebilir?

Çalışmaya göre havza türleri suyun, sedimentin ve başarısız olmuş yamaç malzemesinin arazi içinde nasıl toplandığını ve taşındığını farklılaştırır; toplanma bölgelerinde akışın dere ağlarına yakınsaması hasarın daha geniş alana yayılmasına elverişli olabilirken, bağımsız bölgelerde daha zayıf bağlantı hasarın daha yerel kalmasıyla ilişkilidir.

Üç havza türünün bilimsel anlamı

Toplanma bölgesi (catchment zone), yüzey ve yeraltı akışlarının belirli bir çıkışa veya dere kanalına doğru yakınsadığı alandır. Yağış sırasında suyun birikmesi, doygunluğun ve gözenek suyu basıncının artması ve kopan sedimentin dere ağına bağlanması bakımından diğer iki sınıftan ayrılır. Çalışmada en büyük ortalama heyelan hasar poligonları bu sınıfta görülmüştür.

Yamaç bölgesi (slope zone), sırt ve vadi hatları arasındaki yamaç egemen arazileri ifade eder. Akış tek bir çıkışta kuvvetli biçimde toplanmak yerine yamaç doğrultusunda daha dağınık ilerler. Hasarın yamaç içinde veya yamaç eteğinde yoğunlaşması, uzun mesafeli dere-ağı taşınımına göre daha baskın olabilir.

Bağımsız bölge (independent zone), çevredeki dere kanallarına ve temel topoğrafik akış yollarına bağlantısı görece zayıf ve mekânsal olarak daha izole orman alanlarını ifade eder. Çalışmanın yorumuna göre bu bölgelerde kopan malzemenin kesintisiz biçimde aşağı havzaya aktarılma olasılığı daha düşüktür; gözlenen hasar poligonlarının ortalama ölçeği de en küçüktür.

Çalışma alanı neden Chungcheong bölgesi olarak seçildi?

Araştırmacılar 2022–2024 döneminde Güney Kore genelinde raporlanan 4794 heyelan hasar kaydını başlangıç noktası olarak incelemiştir. Chungcheongnam-do'da 1338, Chungcheongbuk-do'da 911, Daejeon'da 30 ve Sejong'da 21 kayıt bulunmuş; böylece Chungcheong bölgesindeki toplam 2300 kayıt ülke toplamının yaklaşık %48'ini oluşturmuştur. Bölgenin hem yüksek sayıda hasar kaydı hem de farklı orman-havza yapıları içermesi çalışma alanı seçiminde temel gerekçedir.

Chungcheong, yalnız yüksek dağlardan oluşan homojen bir topoğrafya değildir. Bölgede nispeten alçak dağlar, tepelik alanlar, yumuşak etekler, havzalar ve nehir koridorları boyunca düzlükler birlikte bulunur. Bu heterojen jeomorfoloji; yamaç kırılması, yüzey akışı, dere bağlantısı, sediment taşınımı ve aşağı havza hasarının farklı mekânsal biçimler üretmesine olanak verir.

Heyelan hasar poligonlarının sınıflandırılması

Çalışmada 2022–2024 heyelan hasar envanterinden dağ ormanı havzalarıyla çakışan toplam 1809 hasar poligonu çıkarılmıştır. Bunların 1159'u toplanma bölgesinde, 583'ü yamaç bölgesinde ve 67'si bağımsız bölgede sınıflandırılmıştır.

Burada önemli bir ayrım vardır. Toplanma bölgelerinde toplam hasar poligonu sayısı en yüksek olmasına rağmen, alan başına poligon yoğunluğu yamaç bölgelerinde daha yüksektir. Dolayısıyla “en büyük hasar alanı” ile “birim alan başına en fazla hasar poligonu” aynı kavram değildir.

Orman Havza Haritası nasıl üretildi?

Araştırma, Güney Kore National Institute of Forest Science tarafından 2021'de hazırlanan Forest Watershed Map'i kullanmıştır. Havza sınıflandırmasının temelinde 5 m çözünürlüklü DEM, topoğrafik akış yönleri, akış birikimi, dere ağı, orman sınırları ve mekânsal komşuluk ilişkileri bulunur.

DEM üzerindeki çukurlar doldurulduktan sonra akış yönü ve akış birikimi hesaplanmıştır. Dere ağı için minimum katkı alanı 5 ha olarak kullanılmıştır. Dere ağının orman sınırıyla kesiştiği noktalar toplanma havzalarının olası çıkışları olarak değerlendirilmiş, aynı dere üzerinde birden fazla nokta varsa en aşağı akım noktası seçilmiştir. Orman alanı 3 ha veya daha büyük olan uygun havzalar toplanma bölgesi olarak sınırlandırılmıştır.

Toplanma bölgeleri çıkarıldıktan sonra kalan orman arazisi dere ağına göre sağ ve sol yamaç birimlerine ayrılmış ve toplanma bölgelerine bitişik kısımlar yamaç bölgesi olarak sınıflandırılmıştır. Toplanma veya yamaç bölgelerine komşu olmayan mekânsal olarak izole orman parçaları ise bağımsız bölge olarak tanımlanmıştır.

Hasar alanının biçimi nasıl ölçüldü?

Çalışma her heyelan poligonu için alan, çevre, uzunluk, genişlik ve uzama oranını hesaplamıştır. Alan hasarın kapladığı mekânsal yüzeyi, çevre poligon sınırının toplam uzunluğunu, uzunluk ana gelişim doğrultusundaki boyutu ve genişlik buna dik olan enine boyutu ifade eder.

Düzensiz şekilli heyelan poligonlarında yalnız doğu-batı veya kuzey-güney koordinat aralıklarını kullanmak yanıltıcı olabileceği için araştırmacılar Oriented Minimum Bounding Box (OMBB) yöntemini kullanmıştır. OMBB, poligonu tamamen çevreleyen minimum alanlı döndürülmüş dikdörtgeni belirler. Bu dikdörtgenin uzun kenarı heyelan uzunluğu, kısa kenarı genişlik olarak alınmıştır.

Uzama oranı kaynakta uzunluğun genişliğe oranı olarak tanımlanmıştır:

\[ ER=\frac{L}{W} \]

Burada \(ER\) uzama oranını, \(L\) OMBB'nin uzun kenarını ve \(W\) kısa kenarını temsil eder. Değer büyüdükçe hasar poligonu tek bir doğrultuda daha fazla uzamış kabul edilir. Ancak çalışma sonuçlarında uzama oranı, alan ve boyut ölçütleri kadar güçlü bir havza-türü ayrımı göstermemiştir.

Hasar ölçeğindeki fark ne kadar büyüktü?

Levene testi beş ölçütte de eşit varyans varsayımının sağlanmadığını göstermiştir. Bu nedenle klasik tek yönlü ANOVA yerine Welch ANOVA, ikili grup karşılaştırmaları için Games–Howell post hoc testi kullanılmıştır. Alan, çevre, genişlik ve uzunluk için sıralama istatistiksel olarak toplanma bölgesi > yamaç bölgesi > bağımsız bölge biçimindedir ve tümü için \(p<0{,}001\) raporlanmıştır.

Etki büyüklüğü sonuçları da farkın yalnız büyük örneklemden kaynaklanan istatistiksel bir durum olmadığını desteklemektedir. Alan, çevre, genişlik ve uzunluk için \(\omega^2\) değerleri 0,14'ün üzerindedir ve kaynakta kullanılan sınıflandırmaya göre büyük etkiye karşılık gelir. Uzama oranının \(\omega^2=0{,}029\) değeri ise küçük etkidir; Games–Howell sonucunda gruplar açık biçimde birbirinden ayrılmamıştır.

Toplanma bölgelerinde hasar neden daha geniş olabilir?

Çalışmanın süreç temelli yorumu, toplanma bölgelerindeki akış yakınsamasına odaklanır. Yüzey ve yeraltı suyu ortak çıkışlara ve dere kanallarına doğru toplandığında, yağış sırasında su ve sediment hareket yolları birbirine bağlanabilir. Kopan yamaç malzemesi kanala ulaştığında aşağı akıma taşınma ve bazı koşullarda enkaz akışı benzeri sediment taşıma süreçlerine dönüşme potansiyeli artabilir.

Bu mekanizma çalışma tarafından doğrudan zaman çözünürlüklü bir sediment taşınım deneyiyle ölçülmemiştir. Araştırmacıların yorumu, gözlenen daha büyük hasar poligonları ile hidrolojik-jeomorfolojik bağlantı literatürünün birlikte değerlendirilmesine dayanmaktadır. Dolayısıyla “toplanma bölgesi olmak kesin olarak büyük heyelana neden olur” şeklinde nedensel bir sonuç çıkarılamaz.

Yamaç ve bağımsız bölgelerin farkı

Yamaç bölgeleri ara bir yapı göstermiştir. Hasar boyutları toplanma bölgelerinden küçük, bağımsız bölgelerden büyüktür. Araştırmacılar bunu dere-ağı bağlantısının toplanma bölgelerine göre zayıf, fakat bağımsız bölgelere göre daha güçlü olmasıyla ilişkilendirmektedir.

Bağımsız bölgelerde hasar alanı, çevresi, genişliği ve uzunluğu en düşük ortalama değerlere sahiptir. Kaynağın yorumu, ana akış yollarına zayıf bağlantının başarısız malzemenin uzun mesafeli aşağı-akım transferini sınırlayabileceği yönündedir. Bununla birlikte bağımsız bölgeler “heyelan açısından güvenli” olarak sınıflandırılmamıştır; yerel eğim ve rölyef koşulları bu bölgelerde de önemlidir.

Random Forest ve SHAP bu çalışmada birbirinden farklı olarak ne yapıyor?

Random Forest, havzaları 13 çevresel değişkene göre heyelan hasarı kaydedilmiş veya kaydedilmemiş olarak sınıflandıran çok-ağaçlı bir makine öğrenmesi modelidir; SHAP ise eğitilmiş modelin tahminlerine hangi değişkenlerin ne büyüklükte ve hangi yönde katkıda bulunduğunu açıklamak için kullanılan yorumlama yöntemidir.

Random Forest neden seçildi?

Heyelan oluşumu topoğrafya, toprak, jeoloji, orman yapısı ve havza morfometrisinin doğrusal olmayan etkileşimlerinden etkilenebilir. Random Forest, çok sayıda karar ağacını bir araya getiren ve her ağaçta gözlem ve değişken alt örneklemeleri kullanan bir topluluk öğrenmesi yöntemidir. Bu yapı, doğrusal ilişki varsaymadan sürekli ve kategorik değişkenleri birlikte kullanabilmesini sağlar.

Çalışma ayrıca Random Forest'ı yalnız tahmin amacıyla kullanmamıştır. Modelin SHAP ile yorumlanabilmesi, farklı havza türlerinde hangi değişkenlerin sınıflandırmaya katkı sağladığını incelemek için yöntem seçiminin önemli nedenlerinden biridir.

SHAP neyi gösterir, neyi göstermez?

SHAP, bir değişkenin belirli bir model tahminini modelin temel beklentisine göre ne kadar değiştirdiğini Shapley değerleri üzerinden açıklar. Bu çalışmada pozitif SHAP değeri, ilgili değişkenin tahmini “heyelan hasarı kaydedilmiş havza” sınıfına doğru; negatif değer ise “hasar kaydedilmemiş havza” sınıfına doğru ittiğini ifade eder.

SHAP değeri bir fiziksel kuvvet, nedensel katsayı veya heyelanın gerçek dünyadaki bağımsız etkisi değildir. Bir değişkenin yüksek SHAP önemi, modelin o değişkenden sınıflandırma bilgisi aldığı anlamına gelir. Özellikle havza alanı gibi analiz biriminin büyüklüğüyle de ilişkili değişkenlerde bu ayrım kritiktir.

Hangi çevresel değişkenler modele girdi?

Toplam 13 değişken kullanılmıştır. Sürekli değişkenler Topographic Wetness Index (TWI), yamaç eğimi, eğrilik, yamaç uzunluğu, yükselti, toprak derinliği, havza alanı, rölyef ve hypsometric integral (HI); kategorik değişkenler bakı, orman tipi, DBH sınıfı ve anakaya tipidir.

TWI için kaynakta kullanılan ifade:

\[ TWI=\ln\left(\frac{A_{\mathrm{upslope}}}{\tan(\beta)}\right) \]

biçimindedir. \(A_{\mathrm{upslope}}\) yukarı yamaçtan katkı sağlayan alanı, \(\beta\) eğim açısını temsil eder. TWI, topoğrafik yapının su birikimine elverişliliğini temsil eden bir indekstir; çalışmada yağış miktarının yerine kullanılmamıştır.

Hypsometric integral ise:

\[ HI=\frac{\bar{z}-z_{\min}}{\mathrm{relief}} \]

olarak tanımlanmıştır. Burada \(\bar{z}\) ortalama yükselti, \(z_{\min}\) minimum yükselti ve rölyef maksimum yükselti ile minimum yükselti arasındaki farktır. HI, havzanın yükselti dağılımının morfometrik bir özetidir.

DBH sınıfı neyi temsil ediyor?

DBH, ağaçların göğüs yüksekliğindeki çap sınıfını temsil eden kategorik bir orman yapısı değişkenidir. Kaynak veri setinde sınıflar fide/genç sınıf (<6 cm), küçük çaplı (6–16 cm), orta çaplı (18–28 cm) ve büyük çaplı (≥30 cm) olarak tanımlanmıştır.

Çalışmada özellikle toplanma ve yamaç bölgelerinde küçük DBH sınıfları pozitif SHAP katkılarıyla, orta ve büyük sınıflar ise daha negatif katkılarla ilişkilendirilmiştir. Ancak yazarlar DBH sınıfının kök güçlendirmesini doğrudan ölçmediğini özellikle vurgular. DBH; ağaç yaşı, tür kompozisyonu, meşcere yoğunluğu, toprak gelişimi ve geçmiş orman yönetimiyle birlikte değişebilen bir vekil değişkendir.

Çalışmanın Yöntemi ve Bulguları

Heyelanlı ve heyelansız havza örnekleri nasıl oluşturuldu?

Her heyelan hasar poligonunun poligon içindeki temsil noktası kullanılmış ve bu noktayı içeren havza “heyelan hasarı kaydedilmiş havza” olarak sınıflandırılmıştır. Aynı havza içinde birden fazla hasar poligonu bulunabildiği için 1809 poligon sayısı ile makine öğrenmesinde kullanılan heyelanlı havza sayısı aynı değildir.

Potansiyel heyelansız havzalardan, heyelanlı havzaların 500 m çevresindeki adaylar çıkarılmıştır. Amaç, birbirine çok yakın pozitif ve negatif örneklerin aynı çevresel koşulları paylaşması nedeniyle ortaya çıkabilecek mekânsal yakınlık etkisini azaltmaktır.

Daha sonra sınıf dengesizliğini sınırlamak için her havza türünde heyelanlı ve heyelansız örnekler 1:1 oranında oluşturulmuştur. Chungcheongnam-do, Chungcheongbuk-do, Daejeon ve Sejong idari alanları üzerinden tabakalı örnekleme kullanılarak bölgesel temsil korunmaya çalışılmıştır.

Girdi verileri hangi mekânsal ölçekte işlendi?

TWI, yamaç eğimi, eğrilik, yamaç uzunluğu, yükselti, rölyef, HI ve bakı 1:5000 ölçekli National Digital Topographic Map kaynaklı 10 m DEM'den türetilmiştir. Toprak derinliği 1:25.000 National Forest Soil Map'ten, orman tipi ve DBH sınıfı 1:5000 National Forest Type Map'ten, anakaya tipi ise 1:50.000 National Geologic Map'ten alınmıştır.

Farklı çözünürlük ve formatlardaki veriler ortak analiz için 10 m × 10 m hücrelere dönüştürülmüştür. TWI, eğim, eğrilik, yamaç uzunluğu, yükselti ve toprak derinliği gibi sürekli değişkenlerde havza içindeki hücrelerin ortalaması; bakı, orman tipi, DBH ve anakaya gibi kategorik değişkenlerde havza içindeki en sık kategori kullanılmıştır. Havza alanı, rölyef ve HI doğrudan havza geometrisinden hesaplanmıştır.

Bu işlem, her havzayı tek bir makine öğrenmesi örneğine dönüştürür. Ancak aynı zamanda çok dik küçük bir kesim veya çok sığ yerel toprak tabakası gibi uç koşulları ortalamada yumuşatabilir. Bu nedenle havza ortalamaları bireysel kopma noktasının doğrudan yerel stabilite parametreleri olarak yorumlanmamalıdır.

Çoklu bağlantı kontrolü

Sürekli değişkenler arasındaki doğrusal ilişkiler Pearson korelasyon katsayısıyla incelenmiş ve \(|r|>0{,}7\) yüksek korelasyon ölçütü olarak kullanılmıştır. Hiçbir sürekli değişken çifti bu sınırı aşmamıştır.

Varyans şişirme faktörü (VIF) bakımından da bütün değerler 10'un altında kalmıştır. En yüksek VIF rölyef için 3,903, ardından yamaç eğimi için 3,539, TWI için 2,375 ve yükselti için 2,151'dir. Havza alanının VIF değeri 1,664'tür. Böylece dokuz sürekli değişken de modele alınmıştır.

Random Forest nasıl eğitildi ve doğrulandı?

Her havza türü için ayrı Random Forest modeli oluşturulmuştur. Uygulama R 4.5.1'de ranger paketiyle yapılmıştır. Modelde 2000 karar ağacı kullanılmış, her düğümde aday bölme değişkeni sayısı \(mtry=2\) olarak belirlenmiştir. Her ağaç eğitim verisinin %70'iyle, yerine koymadan alt örnekleme kullanılarak oluşturulmuştur; yani sample.fraction = 0.7 ve replace = FALSE ayarları uygulanmıştır.

Model performansı tekrarlı tabakalı 5 katlı çapraz doğrulama ile ölçülmüştür. Her tekrarda veri beş parçaya ayrılmış, dört parça eğitim ve bir parça held-out doğrulama için kullanılmıştır. İşlem 10 kez tekrarlandığından her havza türü için toplam 50 eğitim–doğrulama kombinasyonu oluşmuştur.

Tabakalama heyelan durumu üzerinden yapılmış ve pozitif/negatif örnek oranının her fold'da korunması hedeflenmiştir. Model hiperparametreleri bütün fold'larda sabit tutulmuş ve held-out doğrulama verileri üzerinden ek hiperparametre optimizasyonu yapılmamıştır.

Model performansı

Toplanma ve yamaç modelleri kaynakta orta düzey ayırt edici performans olarak yorumlanmıştır. Bağımsız bölgenin AUC'si daha yüksek görünse de toplam yalnız 124 model örneği bulunmaktadır. Birkaç örneğin sınıflandırma sonucu performans ölçütlerini daha fazla etkileyebileceğinden, bağımsız bölge sonucu geniş ölçekli genellenebilirlik göstergesi sayılmamıştır.

Ayrıca doğrulama aynı çalışma bölgesindeki held-out fold'lar üzerinden yapılmıştır. Farklı bir bölgeden bağımsız dış doğrulama veri kümesi bulunmamaktadır. Dolayısıyla bu performans değerleri modelin farklı ülkelerde veya farklı dönemlerde ne kadar başarılı olacağını doğrudan göstermemektedir.

SHAP sıfır geçiş değerleri heyelan için fiziksel eşik midir?

Hayır. Çalışmadaki SHAP sıfır geçişleri, LOESS eğrisinin negatif SHAP katkısından pozitif katkıya geçtiği veri- ve model-bağımlı ampirik referans noktalarıdır; yazarlar bunların evrensel fiziksel eşikler, yağış eşikleri veya doğrudan yönetim kriterleri olarak kullanılmaması gerektiğini açıkça belirtmektedir.

SHAP hesaplaması nasıl yapıldı?

SHAP analizi R'deki fastshap paketiyle gerçekleştirilmiştir. Her çapraz doğrulama kombinasyonunda model eğitim fold'larında eğitilmiş, SHAP değerleri yalnız held-out fold örnekleri için hesaplanmıştır. Eğitim fold'ları SHAP arka plan verisi olarak kullanılmıştır.

Genel önem her değişkenin ortalama mutlak SHAP değeriyle özetlenmiştir. İşaret ise tahmin yönünü ifade etmiştir: pozitif SHAP heyelanlı sınıfa, negatif SHAP heyelansız sınıfa doğru katkıyı temsil eder.

Her havza türü için ayrı model kurulduğundan farklı havza türlerindeki mutlak SHAP büyüklüklerini birbirleriyle doğrudan karşılaştırmak uygun değildir. Çalışma esas olarak her model içindeki önem sırası, katkının yönü ve bağımlılık desenlerine odaklanmıştır.

Tam modellerde hangi faktörler öne çıktı?

Yamaç bölgesi için kaynakta ortalama mutlak SHAP değerleri havza alanı 0,063, yamaç eğimi 0,040 ve DBH sınıfı 0,039 olarak verilmektedir. Bağımsız bölgede havza alanı 0,083, rölyef 0,079 ve yamaç eğimi 0,049'dur.

Toplanma bölgesinde havza alanı 0,093 ve rölyef 0,038 ile üst sıralardadır. Bununla birlikte kaynak metni ile Şekil 5 üzerindeki DBH ve yamaç uzunluğu SHAP etiketleri arasında sayısal uyuşmazlık bulunduğundan bu iki değişken için tek bir kesin değer bu Verianla makalesinde dayatılmamıştır.

Havza alanı gerçekten her şeyi açıklıyor mu?

Araştırmacılar havza alanının hem fiziksel anlam taşıyan bir morfometri değişkeni hem de analiz biriminin boyutunu temsil eden potansiyel bir ölçek etkisi olabileceğini fark ederek ayrı bir duyarlılık analizi yapmıştır. Üç model karşılaştırılmıştır: bütün 13 değişkeni içeren tam model, havza alanını dışlayan model ve yalnız havza alanını kullanan model.

Havza alanının çıkarılması bütün modellerde AUC'yi azaltmıştır; ancak düşüş sınırlıdır: toplanma bölgesinde 0,017, yamaç bölgesinde 0,029 ve bağımsız bölgede 0,009. Tam modeller bütün havza türlerinde en iyi performansı vermiştir. Bu bulgu, havza alanının anlamlı bilgi taşıdığını fakat sınıflandırmanın yalnız havza büyüklüğüne dayanmadığını desteklemektedir.

Havza alanı çıkarıldığında hangi değişkenler kaldı?

Havza alanı dışlandığında toplanma bölgelerinde rölyef ve yamaç uzunluğu üst sıralarda kalmış; eğrilik ve DBH sınıfı da anlamlı model bilgisi sağlamıştır. Yamaç bölgelerinde yamaç eğimi, DBH sınıfı ve rölyef en belirgin faktörlerdir. Bağımsız bölgelerde ise rölyef ve yamaç eğimi güçlü biçimde öne çıkmıştır.

Bu sonuç, üç havza türüne aynı “tek faktörlü” açıklamanın uygulanamayacağını destekler. Toplanma bölgelerinde akış yolu ve sediment bağlantısını temsil eden havza morfometrisi; yamaç bölgelerinde yerel stabilite ve orman yapısı; bağımsız bölgelerde ise yerel rölyef ve eğim daha belirgin görünmektedir.

SHAP bağımlılık desenleri

Çalışma önemli sürekli değişkenler için SHAP bağımlılık grafiklerine LOESS eğrisi uydurmuş ve negatif katkıdan pozitif katkıya ilk geçişi ampirik sıfır geçişi olarak belirlemiştir. Bu değerlerdeki belirsizlik 100 tabakalı bootstrap yeniden örneklemesi kullanılarak %95 güven aralığıyla verilmiştir.

DBH sınıfı sürekli bir değişken olmadığından onun için aynı biçimde fiziksel sıfır geçiş eşiği hesaplanmamıştır. Toplanma ve yamaç modellerindeki SHAP dağılımlarında fide ve küçük çap sınıflarının daha çok pozitif, orta ve büyük çap sınıflarının ise daha çok negatif katkı göstermesi bir model deseni olarak yorumlanmıştır.

Orman yönetimi açısından yorum

Toplanma bölgelerinde yönetim yalnız kopma noktasını değil dere kanallarına bağlantıyı, sediment hareket yollarını, kanal tıkanması olasılığını ve aşağı havzadaki risk altındaki unsurları da değerlendirmelidir. Büyük havza alanı, yüksek rölyef ve uzun akış yollarının birlikte görüldüğü toplanma alanları daha ayrıntılı inceleme için önceliklendirilebilir; ancak SHAP sıfır geçişleri doğrudan idari sınır olarak kullanılmamalıdır.

Yamaç bölgelerinde yerel yamaç eğimi, rölyef, toprak koşulları ve orman yapısının birlikte değerlendirilmesi daha uygundur. Orman yolları, kesme-dolgu şevleri ve tesislere komşu dik yamaçlar özel önem taşıyabilir. DBH sınıfı tek başına yönetim kararı vermek için yeterli değildir; tür, yaş, meşcere yoğunluğu ve kök özellikleri gibi daha doğrudan değişkenlerle birlikte değerlendirilmesi gerekir.

Bağımsız bölgelerde aşağı havzaya uzun mesafeli hasar yayılımı daha sınırlı olabilse de yerel dik yamaçlar ve doğrudan maruz kalan orman yolları veya tesisler göz ardı edilmemelidir. Kaynak özellikle küçük bağımsız bölge örneklemi nedeniyle bu sınıf için yönetim yorumlarının ek verilerle desteklenmesini önermektedir.

Çalışmanın desteklediği yorum

Veriler, orman havzasının hidrolojik-jeomorfolojik bağlamının heyelan hasar poligonlarının ölçeğiyle ilişkili olduğunu; hasar alanı, çevresi, uzunluğu ve genişliğinin toplanma bölgelerinden bağımsız bölgelere doğru azaldığını göstermektedir. Random Forest ve SHAP sonuçları da modelin kullandığı etkileyen faktörlerin havza türüne göre aynı olmadığını desteklemektedir.

Havza alanı ortak bir güçlü model değişkenidir, fakat duyarlılık analizi tek başına yeterli olmadığını göstermektedir. Bu nedenle topoğrafya, orman yapısı, toprak ve jeoloji gibi diğer değişkenler göz ardı edilmemelidir.

Çalışmanın desteklemediği yorum

Çalışma, SHAP önem sıralamasının fiziksel nedenselliği kanıtladığını göstermez. Yüksek SHAP değeri, değişkenin model tahmini açısından bilgi taşıdığını gösterir; “bu değişken heyelana şu miktarda neden oldu” anlamına gelmez.

Çalışma olay bazlı yağış şiddeti veya süre eşiği üretmez. Yağış yoğunluğu, yağış süresi ve olay bazlı toplam yağış modele dahil edilmemiştir. Bu nedenle sonuçlar yağış tetikleme eşiklerini belirlemek için kullanılamaz.

Çalışma bağımsız bir dış bölgede doğrulanmış ulusal veya evrensel bir heyelan tahmin sistemi değildir. Model değerlendirmesi Chungcheong içindeki çapraz doğrulama fold'larına dayanır.

“Heyelansız havza” etiketi de jeolojik olarak heyelan oluşamayacak alan anlamına gelmez. Yalnızca 2022–2024 döneminde kullanılan hasar envanterinde heyelan hasarı kaydedilmemiş havzaları temsil eder.

Sınırlılıklar ve gelecekte yapılması gerekenler

Birinci sınırlılık coğrafi ve zamansal kapsamdır. Veri Chungcheong bölgesi ve yalnız 2022–2024 dönemine aittir; sonuçlar dönemin yağış, arazi, orman ve hasar kayıt sisteminden etkilenmiş olabilir. Farklı bölgeler ve daha uzun dönemler kullanılarak havza-türüne özgü desenlerin tekrarlanıp tekrarlanmadığı sınanmalıdır.

İkinci sınırlılık yağış verisidir. Her heyelan poligonunun kesin oluş zamanı ve hangi yağış olayına ait olduğu güvenilir biçimde belirlenemediği için yağış yoğunluğu, süre ve olay toplamı modele dahil edilmemiştir. Gelecekte olay bazlı yağış, toprak nemi ve yeraltı suyu verileriyle doğrudan süreç doğrulaması gereklidir.

Üçüncü sınırlılık negatif örnek tanımıdır. Hasar kaydı olmayan havzalar gerçekten heyelansız olmayabilir; bazı olaylar araştırılmamış veya hasar envanterine girmemiş olabilir. Kaynak daha ayrıntılı arazi incelemeleri ile kopma bölgesi, taşıma yolu ve çökelme bölgesini ayrı belirleyen envanterleri önermektedir.

Dördüncü sınırlılık havza ortalamalarının yerel heterojenliği azaltmasıdır. Ortalama yamaç eğimi, toprak derinliği veya orman yapısı; havza içindeki çok dik, çok sığ veya özel biçimde içbükey küçük alanları gizleyebilir. Üst yüzdelikler, uç değerler, mekânsal değişkenlik, yüksek çözünürlüklü DEM ölçütleri ve dereye uzaklık gibi ek göstergeler gelecekte değerlendirilebilir.

Beşinci sınırlılık dış doğrulama eksikliğidir. Tekrarlı çapraz doğrulama tek bölge içindeki model kararlılığını ölçer; tam spatial block cross-validation veya başka bölgelerde bağımsız doğrulama yapılmamıştır. Özellikle bağımsız bölge modeli için örneklem küçüktür.

Son olarak orman tipi ve DBH sınıfı kök güçlendirmesini doğrudan ölçmez. Gelecek araştırmalarda ağaç türü, meşcere yaşı, çap dağılımı, meşcere yoğunluğu, kök çekme dayanımı, toprak fiziksel özellikleri ve orman yönetimi geçmişi gibi değişkenlerin eklenmesi önerilmektedir.

Kaynak ve Yöntem Notu

Özgün başlık: Quantifying Landslide Damage Characteristics and Influencing Factors Across Mountain Forest Watershed Types Using Random Forest and SHAP.

Yazarlar: Jaejeong Kim; Dongyeob Kim.

Corresponding author: Dongyeob Kim.

Kurumlar: Department of Natural Resources, Daegu University; Landslide Division, National Institute of Forest Science; Department of Landscape, Forest and Garden, Daegu University, Republic of Korea.

Dergi: Forests.

Yayınevi: MDPI, Basel, Switzerland.

Yayın bilgisi: Forests 2026, 17(9), 1063.

DOI: 10.3390/f17091063.

Yayın tarihi: 6 Eylül 2026.

Makale geçmişi: Alınma 13 Ağustos 2026; revizyon 1 Eylül 2026; kabul 4 Eylül 2026.

Kaynak türü: Hakemli, açık erişimli özgün araştırma makalesi; mekânsal hasar analizi, istatistiksel karşılaştırma, Random Forest sınıflandırması ve SHAP tabanlı açıklanabilir makine öğrenmesi.

Lisans: Creative Commons Attribution (CC BY 4.0). Telif hakkı yazarlara aittir.

Çalışma alanı: Chungcheongnam-do, Chungcheongbuk-do, Daejeon Metropolitan City ve Sejong Special Self-Governing City'yi kapsayan Chungcheong bölgesi, Republic of Korea.

Çalışma dönemi: 2022–2024 heyelan hasar envanteri.

Ana veri: Dağ ormanı havzalarıyla çakışan 1809 heyelan hasar poligonu.

Havza türleri: Toplanma bölgesi (catchment zone), yamaç bölgesi (slope zone), bağımsız bölge (independent zone).

İstatistik yazılımı: R 4.5.1.

İstatistiksel anlamlılık: α = 0,05.

Grup karşılaştırması: Levene testi sonrasında varyans homojenliği sağlanmadığı için Welch ANOVA ve Games–Howell post hoc testi; etki büyüklüğü için omega squared (ω²).

Makine öğrenmesi: R ranger paketi; 2000 ağaç, mtry = 2, sample.fraction = 0.7, replace = FALSE.

Doğrulama: 10 kez tekrarlanan tabakalı 5 katlı çapraz doğrulama; her havza türü için 50 eğitim–held-out doğrulama kombinasyonu.

Model ölçütleri: AUC, Cohen's kappa, F1-score, accuracy ve precision.

SHAP: R fastshap paketi; held-out fold örneklerine SHAP hesaplaması, ortalama mutlak SHAP ile global önem, LOESS bağımlılık eğrileri ve 100 bootstrap örneklemesiyle ampirik sıfır geçişlerinin %95 güven aralıkları.

Finansman: Korea Forest Service / Korea Forestry Promotion Institute, Forest Science Technology R&D programı; proje RS-2025-02213492.

Veri erişilebilirliği: Heyelan hasar envanteri ve kamu kurumlarından alınmış coğrafi veri kümeleri yeniden dağıtım kısıtlarına tabidir; erişim talepleri özgün veri sağlayıcılarına yöneltilmelidir.

Çıkar çatışması: Yazarlar çıkar çatışması olmadığını bildirmiştir.

Yapay zekâ kullanım beyanı: Yazarlar, makalenin özgün taslağını gözden geçirmek ve İngilizce dil düzenlemesi yapmak için ChatGPT GPT-5.5 Thinking kullandıklarını; çıktıyı kendilerinin gözden geçirip düzenlediklerini ve yayın içeriğinin sorumluluğunu üstlendiklerini bildirmiştir.

Yazar katkıları: Jaejeong Kim ve Dongyeob Kim kavramsallaştırma ve metodolojiye katkı vermiştir. Jaejeong Kim yazılım, doğrulama, biçimsel analiz, veri kürasyonu, özgün taslak ve görselleştirmeyi yürütmüştür. Dongyeob Kim gözden geçirme/düzenleme, danışmanlık, proje yönetimi ve finansman ediniminden sorumludur.

Temel yorum sınırı: Çalışma bir olay-bazlı yağış tetikleme modeli veya evrensel fiziksel heyelan eşiği üretmemektedir. Random Forest ve SHAP sonuçları çalışma alanındaki mekânsal örneklem için iç doğrulama ve model açıklaması niteliğindedir; nedensellik veya başka bölgelere doğrudan genellenebilirlik kanıtı değildir.

Kaynak içi tutarsızlık notu: Tablo 7, toplanma bölgesindeki yalnız-havza-alanı modelinin AUC'sini 0,638 verirken aynı bölümün açıklama metni 0,683 olarak bildirmektedir. Ayrıca toplanma bölgesi için Şekil 5'in DBH sınıfı ve yamaç uzunluğu SHAP etiketleriyle açıklama metnindeki bazı sayılar tam örtüşmemektedir. Bu değerler Verianla tarafından tahmin yoluyla uzlaştırılmamıştır.