Doğu Akdeniz Bölgesinin Yapay Sinir Ağları Yöntemi Ġle Heyelan Duyarlılık Değerlendirmesi Landslide Susceptibility Assessment of the Eastern Mediterranean Region Using Artificial Neural Network Method Senem TEKĠN 1,*, Tolga ÇAN 1, Tolga MAZMAN 1, Tamer Y. DUMAN 2 1 Çukurova Üniversitesi, Jeoloji Mühendisliği Bölümü, 01330 Balcalı, Adana 2 Maden Tetkik ve Arama Genel Müdürlüğü, Jeoloji Etütleri Dairesi Başkanlığı 06800 Çankaya/ANKARA ( * senemtekin01@gmail.com) ÖZ: Bu çalışmada Doğu Akdeniz bölgesi içerisinde yeralan Karaman, Mersin, Adana, Osmaniye ve Hatay il sınırlarını kapsayan toplam 50641 km 2 lik bir alanda, yapay sinir ağları yöntemi kullanılarak heyelan duyarlılık analizleri gerçekleştirilmiştir. MTA tarafından hazırlanan, Türkiye Heyelan Envanter veritabanına göre çalışma alanında heyelan alanı 549 km 2 olan 1451 adet heyelan haritalanmıştır. Duyarlılık değerlendirmelerinde heyelanları hazırlayıcı faktörler olarak litoloji grupları yanısıra, 300 m mekansal çözünürlüğe sahip sayısal yükseklik modeli, yamaç eğimi, kesit, düzlem ve teğetsel yamaç eğrilikleri, pürüzlülük indeksi, eğim-yamaç yönelimi oranı, yüzey röliyef oranı olmak üzere, toplam 9 adet değişken kullanılmıştır. Elde edilen duyarlılık haritalarının performans değerlendirmeleri başarı-tahmin eğrileri kullanılarak gerçekleştirilmiştir. Buna göre analiz, test ve doğrulama veri setlerinde heyelanların % 84-86 sinin, orta çok yüksek duyarlı alanlarda yeraldığı gözlenmiştir. Yüksek ve çok yüksek duyarlı alanlar çalışma alanının % 17 sine karşılık geldiği belirlenmiştir. Anahtar Kelimeler: Heyelan envanter, Heyelan duyarlılık, Yapay Sinir Ağları, Coğrafi Bilgi Sistemleri, Doğu Akdeniz ABSTRACT: In this study landslide susceptibility assessment using artificial neural network method was implemented in an area of 50641 km 2 corresponding to Karaman, Mersin, Adana, Osmaniye and Hatay administrative divisions located in the eastern Mediterranean region. According to the Turkish Landslide Inventory database prepared by MTA, 1451 landslides covering 549 km 2 were identified in the study area. A total of nine independent variables for the landslide conditioning factors were used in the susceptibility assessments, being as lithological groups, digital elevation model, slope, profile, plan, and tangent curvatures, roughness index, slope / aspect ratio, surface relief ratio. The prediction-success rate curves were considered during the performance evaluations of the landslide susceptibility maps. Accordingly, 84-86 % of the landslides were found in the medium to high susceptible zones for the analysis, test and validation data sets. It has found that the percentage of the high and very high landslides susceptibility zones corresponds 17 % of the entire study area. Keywords: Landslide inventory, landslide susceptibility, artificial neural network, geographical information systems, Eastern Mediterranean. 1. GĠRĠġ Ülkemizde heyelanların mekansal dağılımı ile bunları kontrol eden çevresel faktörlerin daha iyi anlaşılmasını sağlamak amacıyla, MTA Genel Müdürlüğü tarafından Türkiye Heyelan Envanter Haritası projesi kapsamında sayısal heyelan veritabanı oluşturulmuştur (Duman vd., 2005; Çan ve Duman 2008; Duman vd., 2009a-e; Duman vd., 2011; Çan vd., 2013). Mevcut veri tabanı heyelanlardan kaynaklanan zararların azaltılmasında öncelikli hedef bölgelerin belirlenmesinde önemli katkı sağlamakla birlikte, heyelan duyarlılık, olası tehlike ve risk değerlendirme çalışmalarının tamamında en önemli girdi parametresini oluşturmaktadır. Heyelan envanter veri tabanına göre Doğu Akdeniz bölgesi içinde yer alan Karaman, Mersin, Adana, Osmaniye ve Hatay il sınırlarınında içinde bulunduğu 50641 km 2 lik alanda, toplam alanı 549 km 2
olan 1451 adet heyelan belirlenmiştir (Duman vd., 2009a-e). Bölgede 1950-2007 yılları arasında yerleşim birimlerini etkileyen 1090 adet heyelan olayı rapor edilmiş olup, toplamda 6935 adet konut olumsuz etkilenmiştir (Gökçe vd., 2008; Duman vd., 2009a-e). Bu çalışmada ilk olarak heyelanların mekansal dağılımını kontrol eden hazırlayıcı ve tetikleyici çevresel faktörler değerlendirilmiştir. Hazırlanan veri tabanı %70 analiz, %15 test ve %15 doğrulama veri seti olarak üç bölüme ayrılarak (YSA) yöntemi kullanılarak heyelan duyarlılık analizleri yapılmıştır. Heyelan duyarlılık haritasının tutarlılığı başarı-tahmin eğrileri ile kontrol edilmiş olup, oldukça yüksek performans sonuçları elde edilmiştir. 2. HAZIRLAYICI FAKTÖRLER Şekil 1. Çalışma alanı içerisindeki heyelanların mekanal dağılımı. Heyelanlar başta jeoloji olmak üzere çok çeşitli morfolojik ve fiziksel faktörler etkisi altında gelişmektedir. Çalışma alanı, jeolojik olarak Orta ve Doğu Toroslara ait çok sayıda tektonik birlik (Özgül 1976), Adana, İskenderun, Mut ve Karsantı havzaları ile Karaman, Çukurova ve Amik ovalarının oluşturduğu geniş alüvyon düzlüklerinden oluşmakta, 1:500,000 ölçekli Türkiye jeoloji haritasında Konya, Adana, Kayseri, Sivas Hatay (Acarlar vd., 2002; Bilgiç, 2002; Şenel, 2002; Ulu, 2002a,b) pafta sınırları içinde yeralmaktadır. Heyelanların bölgesel jeoloji içerisinde sorgulanmasında karşılaşılan güçlükler nedeniyle, Duman vd. (2009 a-e) tarafından jeolojik birimler benzer köken, yaş ve ortam gibi temel özellikleri dikkate alınarak 20 litoloji grubu altında toplanmıştır. Bu çalışmada da aynı litoloji grupları kullanılmıştır (Şekil 2). Çalışma alanındaki litoloji grupları içerisinde, Kuvaterner birimleri (Grup 1), Miyosen-karasal kırıntılı ve karbonatlar (Grup 2), Üst Paleosen-Miyosen-neritik kireçtaşları (Grup 5), Orta Kambriyen-Paleosen- pelajik kireçtaşları (Grup 8) ve Mesozoyik-ofiyolitik kayaçları (Grup 16) tüm litoloji gruplarının % 77 sini oluşturmaktadır. Bu birimlerden Grup 2 ve Grup 16 heyelana en duyarlı birimleri oluşturmaktadır. Çalışma alanında yüksek röliyef gruplarını Toros ve Amanos dağları oluşturmaktadır. Yükseklik değerleri deniz seviyesinden başlayıp Bolkar dağlarında olmak üzere en yüksek 3490 m ye ulaşmaktadır. Sayısal yükseklik modeli (SYM) olarak 30 m mekansal çözünürlüğe sahip Gelişmiş Uzay Termal Yayılma ve Yansıma Radyometre uydusu (ASTER GDEM) kullanılmıştır (Şekil 3a). Ancak, çalışma alanının büyüklüğü göz önünde bulundurularak SYM 300x300m piksel çözünürlüğüne dönüştürülmüştür. Çalışma alanında yamaç eğimleri Toros ve Amanos dağları eteklerinden itibaren zirvelere doğru göreceli olarak artmakta ve en yüksek 56 ye kadar ulaşmaktadır (Şekil 3b).
Şekil 2. Çalışma alanın basitleştirilmiş litoloji grupları haritası. (Duman vd. a-e). 1- Pliyosen- Kuvaterner çökelleri, 2- Miyosen-Pliyosen-Ayrılmamış karasal kırıntılılar, 2a- Miyosen Ayrılmamış karasal kırıntılı ve karbonatlar, 3- Üst Eosen-Pliyosen-Ayrılmamış evaporitli çökel kayalar, 3b- Üst Eosen-Alt Miyosen-Karasal kırıntılılar, 4- Paleosen-Pliyosen Karasal kırıntılılar ve karbonatlar 5- Üst Paleosen-Alt Pliyosen-Neritik kireçtaşları, 6- Üst Paleosen-Eosen-Kırıntılı ve karbonatlar, 7- Üst Kretase-Eosen-Kırıntılı ve karbonatlar, 8- Orta Kambriyen-Paleosen- pelajik kireçtaşları, 9- Orta Triyas -Eosen-Volkanik ve çökel kayalar, 11- Alt Kretase-Üst Jura- Karbonat ve kırıntılılar, 12- Alt Kambriyen-Permo-Triyas-Karbonat ve kırıntılılar, 13- Prekambriyen-Alt Liyas-Karbonat ve kırıntılılar, 14- Paleosen -Kuvaterner-Ayrılmamış volkanikler, 15- Alt Jura-Kuvaterner-Riyodasit, bazalt, andezit, spilit vb., 16- Mesozoyik-Ofiyolit, 17- Prekambriyen-Miyosen-Granitoyidler, 19- Prekambriyen-Eosen-Metamorfik kayalar, 20- Prekambriyen-Kretase-Mermer, kalkşist, rekristalize kireçtaşı. Heyelanları hazırlayıcı faktörler olarak ayrıca, kesit, düzlem ve teğetsel yamaç eğriselliği, pürüzlülük indeksi, eğim/yamaç yönelimi ile yüzey/röliyef oranı haritaları da SYM den türetilmiştir. Yamaç eğrisellikleri; iç bükey ve dış bükey yamaç şekilleri hidrolojik akış durumunu kontrol etmesi bakımından oldukça önemlidir. Yamaç eğrisellikleri değerlendirildiği doğrultuya göre kesit, düzlem ve teğetsel eğrilik olarak üçe ayrılmaktadır (Wilson ve Gallant, 2000). Bunlardan düzlem yamaç eğriselliği, belirli bir yükseklik boyunca yamaç yöneliminin değişimi olarak tanımlanmaktadır (Şekil 3c). Azalan eğim yönünde akış çizgisindeki eğim değişim oranı olan kesit yamaç eğriselliği şekil 3d de, düzlem yamaç şekli değerinin yamaç eğimi değeri ile çarpılmasından elde edilen teğetsel yamaç eğriliği haritası ise şekil 3e de verilmiştir. Pürüzlülük indeksi hesaplamalarında 5x5 piksellik pencereler kullanılmış ve her bir hücredeki yükseklik değerinin karekökü ile komşu hücreler arasındaki yükseklik farklarının çarpılmasıyla elde edilmiştir (Riley vd., 1999). Pürüzlülük indeksi değerlerleri engebeli alanlarda ve sırtlar boyunca yüksek değerlere ulaşmaktadır (Şekil 3f). Eğim/Yamaç yönelimi parametresi, her bir pikselin eğim değeri ile yamaçların yönlerinin 0-360 o arasında doğrusal olarak sahip oldukları değerlerin oranlanmasıyla hesaplanmış olup; yamaçların iç kesimlerinde yüksek değerler düz alanlarda ise düşük değerler vermektedir (Şekil 3g). Yükseklik değerlerinin röliyef değerlerinin oranlanmasıyla oluşturulan yüzey/röliyef değerlerinin yüksek olduğu alanlarda heyelanlar görülmektedir (Şekil 3h).
a b c d e f g h Şekil 3: Çalışma alanına ait sayısal yükseklik modeli (a), yamaç eğimi (b), düzlemsel (c), kesit (d) ve teğetsel (e), yamaç eğrilikleri, pürüzlülük indeksi (f), eğim/yamaç yönelimi oranı (g), yüzey/röliyef oranı (h) haritaları. 3. HEYELAN ENVANTERĠ Çalışma alanı heyelan envanteri, Duman vd., (2009a-e) tarafından hazırlanmıştır (bkz Şekil 1, Çizelge 1). Buna göre çalışma alanında heyelanlar Göksü Nehri havzası boyunca Miyosen kırıntılıları (Şekil 4a-b), Mersin bölgesinde derin yarılımlı vadiler boyunca yüzeyleyen ofiyolit birimleri içerisinde (Şekil 4c), Adana ve Osmaniye bölgelerinde Miyosen ve Pliyosen yaşlı kırıntılı birimlerde yoğunluk göstermektedir. Doğu Akdeniz bölgesinde heyelanların oluşum frekansları Karadeniz ve Doğu Anadolu bölgesine oranla daha düşüktür. Küçük ölçekli heyelanların zaman içinde erozyon, bitki örtüsü değişimi veya diğer çevresel faktörler altında yok oldukları ya da tanımlanmasının güç olduğu bilinmektedir. Bölgesel ölçekte heyelanlar ekstrem yağış olayları sonucu meydana gelmektedir. Doğu Akdeniz bölgesinde Mersin ve Adana meteoroloji istasyonlarından elde edilen uzun yıllar yıllık
ortalama yağış değerleri yaklaşık 600 mm dir. Aylık en fazla yağış ortalama 100 mm ile Aralık ve Ocak aylarında gözlenmektedir. Bununla birlikte heyelanları tetikleyen yağış değerlerinde aylık yağışların 600-700 mm ye ulaştğı gözlenmiştir (Çan vd, 2009). Çan vd. (2008) yapmış olduğu çalışmaya göre bölgesel ölçekli heyelanlar 3 günlük birikimli yağış değerlerinin 300mm nin üzerinde olduğu durumlarda tetiklenmektedir. Bu yağış değerlerinin tekrarlanma periyodu yaklaşık olarak 50 yıl olarak bulunmuştur (Çan vd, 2009). Çalışma alanının heyelan envanter haritasının tamamlılık değerlendirmesi, Malamud vd. (2004) tarafından önerilen frekans büyüklük ilişkileri kullanılarak Çan vd. (2015) tarafından gerçekleştirilmiştir. Buna göre bölgede geçmişte meydana geldiği düşünülen toplam heyelan alanı kestirilmiş olup, mevcut heyelan envanter haritasının bölgede daha önce oluştuğu düşünülen heyelanların alansal olarak % 14 ne karşılık geldiği belirlenmiştir. Küçük ölçekli heyelanların zamanla doğal çevresel faktörler ve arazi kullanım değişiklikleri sonucu kaybolması yanısıra bölgedeki heyelan frekansının düşük, tekrarlanma aralığının uzun olmasından dolayı bölgede yapılacak heyelan duyarlılık haritasının büyük önem taşıdığı düşünülmektedir. Çizelge 1. Çalışma alanındaki heyelanların tanımlayıcı istatistiksel değerleri. Kayma (Aktif değil) Kayma (Aktif) Akma Adet 842 584 25 Ortalama (km 2 ) 0.53 0.16 0.12 Maks. (km 2 ) 11.56 3.55 0.61 Min. (km 2 ) 0.01 0.004 0.015 Toplam alan (km 2 ) 451.33 94.8 3.03 Heyelan kütlesi Heyelan kütlesi a b c Şekil 4. Göksü Nehri havzasında Miyosen kırıntılıları (a, b) ve Mersin ofiyolitik melanj birimleri (c) içerisindeki büyük ölçekli derin heyelanlar.
4. HEYELAN DUYARLILIK DEĞERLENDĠRMESĠ Heyelanların mekansal olarak gelecekte hangi bölgelerde meydana gelebileceğini gösteren heyelan duyarlılık haritaları, heyelan envanter haritaları ve heyelanları hazırlayıcı çevresel faktörler göz önünde bulundurularak hazırlanmaktadır. Heyelan duyarlılık değerlendirmeleriyle ilgili çok sayıda yaklaşım bulunmakta olup genelde niteliksel ve niceliksel olmak üzere ikiye ayrılmaktadır (Corominas vd.,2014). Bu metotlardan niteliksel yöntemler genelde tecrübeye dayalı arazide yapılan jeomorfolojik gözlemler ve değerlendirmeler sonucu sezgisel olarak veya indeks ve parametre haritalarının çakıştırılması yöntemlerini içermektedir. Bu çalışmada niceliksel yöntemlerden; veri-güdümlü yöntem olan YSA yöntemi kullanılmıştır. YSA, biyolojik sinir sisteminden esinlenerek geliştirilen ve paralel yapıya sahip matematiksel modelleme yöntemidir. Genel olarak YSA, tek katmanlı ya da çok katmanlı olarak düzenlenebilen ve paralel çalışan çok sayıda doğrusal olmayan yapay hücreden meydana gelen bir sistem olarak tanımlanabilir (Ayalew vd., 2005). YSA nın temel işlem elemanı olan hücre doğrusal olmadığından, hücrelerin birleşmesinden meydana gelen YSA da doğrusal değildir ve bu özellik bütün ağa yayılmış durumdadır. Bu özelliği ile YSA, doğrusal olmayan karmaşık problemlerin çözümünde en önemli yöntemlerden biri olmuştur. YSA son yıllarda yapılan heyelan duyarlılık çalışmalarında yaygın olarak kullanılmaktadır. YSA ileri beslemeli, geri beslemeli ve radyal tabanlı sinir ağlarından oluşmaktadır (Polykretis vd., 2015). İleri Beslemeli Yapay Sinir Ağları (İBYSA), nöron modeli oluşturulan katmanların ardışık biçimde bir araya getirilmesi sonucu kurulabilir. İBYSA, giriş, çıkış ve gizli katman olmak üzere en az üç katmandan oluşmakta ve giriş/çıkış katmanlarındaki nöron sayısı, problem üzerindeki etkili parametreler dikkate alınarak belirlenmektedir. Giriş ve çıkış katmanları arasında gizli katmanlar bulunur ve bu katmanlardaki nöronlar, doğrusal olmayan davranışlarından dolayı, YSA nın doğrusal olmayan davranışının kaynağını teşkil ederler. Bu çalışmada kullanılan parametreler ve YSA modelinin şematik gösterimi Şekil 5 te verilmiştir. Şekil 5. İleri beslemeli yapay sinir ağ yapısı. Buna göre ilk olarak çalışmada kullanılan 300x300 m mekansal çözünürlüğe sahip çevresel değişkenler 0-1 arasında doğrusal yöntem kullanılarak normalize edilmiştir. CBS ortamında model yapılandırma teknikleri ile heyelan envanter haritası çakıştırılarak veriseti oluşturulmuştur. Çalışma alanı toplam 563257 piksel ile temsil edilirken, kayma türü heyelanlardan etkilenmiş alanlar toplam 6081 pikseldir. Veri seti rastgele seçim yöntemiyle % 70 analiz, % 15 test ve % 15 doğrulama veri seti olmak üzere üçe ayrılmıştır. YSA modellemelerinde gizli katman saysının belirlenmesinde değişik yaklaşımlar önerilmiştir (Basheer ve Hajmeer, 2000; Yeşilnacar ve Topal, 2005; Karsoliya, 2012). Bu çalışmada, Karsoliya (2012) tarafından önerilen giriş katmanı sayısının üçte ikisi ile iki katı arasında değişen gizli katman sayıları denenerek, en iyi sonucun elde edildiği 15 gizli katman ile sonuç duyarlılık analizleri gerçekleştirilmiştir. Elde edilen duyarlılık haritalarının performans değerlendirmeleri başarı-tahmin eğrileri kullanılarak gerçekleştirilmiştir. Elde edilen duyarlılık haritası çok düşük, düşük, orta, yüksek ve çok yüksek olmak üzere 5 sınıfa ayrılmıştır (Şekil 6). Buna göre;
heyelanların; % 2 si çok düşük, % 11 i düşük, % 33 ü orta, % 20 si yüksek ve % 32 si çok yüksek ve çalışma alanın; % 39 u çok düşük, % 21 i düşük, % 23 ü orta, % 8 i yüksek ve % 9 u çok yüksek duyarlı sınıf aralıklarında bulunmaktadır. (a) (b) Şekil 6. Çalışma alanına ait başarı tahmin eğrisi (a) ve heyelan duyarlılık haritası (b). 5. SONUÇLAR Bu çalışma Doğu Akdeniz bölgesi içerisinde yeralan Karaman, Mersin, Adana, Osmaniye ve Hatay il sınırlarını kapsayan toplam 50641 km 2 lik bir alanda yapay sinir ağları yöntemi kullanılarak gerçekleştirilmiştir. 300 m mekansal çözünürlüğe sahip piksel haritalama birimi kullanılmasına karşın, duyarlılık haritasında mevcut heyelanların % 50 sinden fazlasının çalışma alanının % 17 sine karşılık gelen yüksek ve çok yüksek duyarlı alanlarda bulunduğu belirlenmiştir. Bu çalışmada elde edilen verilerin, bölgesel ölçekte heyelan olaylarını kontrol eden çevresel değişkenler ile heyelanlar arasındaki ilişkinin belirlenmesinde ve heyelanlardan kaynaklanan zararların azaltılmasına yönelik yapılacak çalışmalarda önemli katkı sağlayacağı düşünülmektedir. KAYNAKLAR Acarlar, M., Acarlar, S., Adır, M., Akpınar, A., Akarsu, B., 2002. 1:500.000 Ölçekli Türkiye Jeoloji Haritası Kayseri Paftası. Türkiye 1/500.000 Ölçekli Jeoloji Haritaları, No: 9, M. Şenel (Ed.), Maden Tetkik ve Arama Genel Müdürlüğü, Ankara. Ayalew, L, Yamagishi, H., Hideaki, M., Takami, K., 2005. Landslides in Sado Island of Japan: Part II. GIS-based susceptibility mapping with comparisons of results from two methods and verifications. Engineering Geology 81(4): 432-445. Basheer, I.A., Hajmeer, M., 2000. Artificial neural networks: fundamentals, computing, design, and application. Journal of Microbiological Methods 43, 3 31. Bilgiç, T., 2002. 1:500.000 Ölçekli Türkiye Jeoloji Haritası Sivas Paftası. Türkiye 1/500.000 Ölçekli Jeoloji Haritaları, No: 10, M. Şenel (Ed.), Maden Tetkik ve Arama Genel Müdürlüğü, Ankara. Corominas, J., van Westen, C., Frattini, P., Cascini, L. Malet, J. P. Fotopoulou, S. Catani, F. Van Den Eeckhaut, M. Mavrouli, O. Agliardi, F. Pitilakis, K.,Winter, M. G. Pastor, M., 2014. Recommendations for the quantitative analysis of landslide risk. Bulletin of Engineering Geology and the Environment 73(2): 209-263. Çan, T., Duman, T,Y, Çil, E., Mazman, T., 2009. Mersin Merkez ve Erdemli ilçeleri kuzeyinin Coğrafi Bilgi Sistemleri tabanlı heyelan envanter, duyarlılık, olası tehlike ve risk değerlendirmesi, TÜBİTAK-ÇAYDAG:107Y138, Adana.
Çan, T., Duman, T.Y., 2008. General evaluation of historical landslide inventory of Turkey. Proceedings in Symposium of Paleoenvironmental Reconstruction and Material Circulation by Water System. Abstracts book, pp.6-8. Hakozaki Campus Kyushu Univ., Fukuoka Japan. Çan, T., Duman, T.Y., Çil, E., Mazman, T., 2008. Heyelan Olası Tehlike Çalışmalarında Tarihsel ve Olay Heyelan Envanter Haritalamaları ve Bunların İstatistiksel Değerlendirilmesi: Mersin Merkez ve Erdemli İlçeleri Örneği, Mersin Semp. Bildiriler Kitabı. 2796-2803, Mersin. Çan, T., Duman, T.Y., Olgun, Ş., Çörekçioğlu, Ş., Karakaya-Gülmez, F, Elmacı, H., Olgun, Ş., Hamzaçebi, S. Emre, Ö., 2013. Türkiye Heyelan Veri Tabanı. TMMOB Coğrafi Bilgi Sistemleri Kongresi 2013, 11-13 Kasım 2013, Bildiriler İnteraktif CD, No: 217, 6 s., Ankara. Çan, T., Mazman, T., Tekin, S., Duman, T.Y., 2015. Doğu Akdeniz Bölgesi Tarihsel Heyelan Envanterinin Frekans Büyüklük Dağılımlarına Göre Tamamlılık Değerlendirmesi, 68. Türkiye Jeoloji Kurultayı, Bildiri Özleri Kitabı, 110-112. Ankara. Duman, T.Y., Çan, T., 2009. Spatial Analysis of General Landslide Distributions in Turkey. 6th Annual Meeting AOGS, Abstracts on CD. Singapore, 11 to 15 August 2009. Duman, T.Y., Çan, T., Olgun, Ş., Nefeslioğlu, H.A., Durmaz, S., Hamzaçebi, S., Elmacı, H. ve Çörekçioğlu, Ş., 2009a. Türkiye Heyelan Envanteri Haritası-1/500000 ölçekli Hatay Paftası, MTA Özel Yayınlar Serisi-24, Ankara, 23 s. Duman, T.Y., Çan, T., Olgun, Ş., Nefeslioğlu, H.A., Hamzaçebi, S., Elmacı, H., Durmaz, S., ve Çörekçioğlu, Ş., 2009b. Türkiye Heyelan Envanteri Haritası-1/500000 ölçekli Adana Paftası, MTA Özel Yayınlar Serisi-23, Ankara, 19 s. Duman, T.Y., Olgun, Ş., Çan, T., Nefeslioğlu, H.A., Hamzaçebi, S., Elmacı, H., Durmaz S., ve Çörekçioğlu, Ş., 2009c. Türkiye Heyelan Envanteri Haritası-1/500000 ölçekli Konya Paftası, MTA Özel Yayınlar Serisi-22, Ankara,.22 s. Duman, T.Y., Olgun, Ş., Çan, T., Nefeslioğlu, H.A., Hamzaçebi, S., Elmacı, H., Durmaz S., ve Çörekçioğlu, Ş., 2009d. Türkiye Heyelan Envanteri Haritası-1/500000 ölçekli Kayseri Paftası,'' MTA Özel Yayınlar Serisi-18, Ankara, 20 s. Duman, T.Y., Olgun, Ş., Çan, T., Nefeslioğlu, H.A., Hamzaçebi, S., Durmaz, S., Elmacı, H., ve Çörekçioğlu, Ş., 2009e. Türkiye Heyelan Envanteri Haritası-1/500000 ölçekli Sivas Paftası, MTA Özel Yayınlar Serisi-17, Ankara, 21 s. Ferlisi, S., Tofani, V., Hervas, J., Smith, J., T., 2014. Recommendations for the quantitative analysis of landslide risk. Bulletin of Engineering Geology and the Environment 73(2): 209-263. Gökçe O., Özden, Ş., Demir, A., 2008. Türkiye de Afetlerin Mekansal ve İstatistiksel Dağılımı, Afet Bilgileri Envanteri, Afet İşleri Genel Müdürlüğü, Ankara, 118. Karsoliya, S., 2012. Approximating Number of Hidden layer neurons in Multiple Hidden Layer BPNN Architecture, International Journal of Engineering Trends and Technology, V.3(6) pp.714-717 Malamud B. D., Turcotte D. L., Guzzettı F., Reıchenbach P., 2004. Landslide inventories and their statistical properties. Earth Surface Processes and Landforms, v. 29, no. 6, p. 687 711. Özgül N., 1976. Torosların bazı temel jeolojik özellikleri. Türkiye Jeol. Kur. Bült., 19, 65-78. Polykretis, C., Ferentinou, M., Chalkias, C., 2015. A comparative study of landslide susceptibility mapping using landslide susceptibility index and artificial neural networks in the Krios River and Krathis River catchments (northern Peloponnesus, Greece). Bulletin of Engineering Geology and the Environment 74(1): 27-45. Riley, S. J, S. D., DeGloria and R. Elliot, 1999. A terrain ruggedness index that quantifies topographic heterogeneity. Intermountain Journal of Sciences, 5(1-4). Şenel, M., 2002. 1:500.000 Ölçekli Türkiye Jeoloji Haritası Konya Paftası. Türkiye 1/500.000 Ölçekli Jeoloji Haritaları, No: 14, M. Şenel (Ed.), Maden Tetkik ve Arama Genel Müdürlüğü, Ankara. Ulu, Ü., 2002a. 1:500.000 Ölçekli Türkiye Jeoloji Haritası Adana Paftası. Türkiye 1/500.000 Ölçekli Jeoloji Haritaları, No: 15, M. Şenel (Ed.), Maden Tetkik ve Arama Genel Müdürlüğü, Ankara. Ulu, Ü., 2002b. 1:500.000 Ölçekli Türkiye Jeoloji Haritası Hatay Paftası. Türkiye 1/500.000 Ölçekli Jeoloji Haritaları, No: 16, M. Şenel (Ed.), Maden Tetkik ve Arama Genel Müdürlüğü, Ankara. Wilson, J. P., Gallant, J. C., 2000. Terrain analysis: principles and applications. John Wiley and Sons: New York. Yesilnacar, E., Topal, T., 2005. Landslide susceptibility mapping A comparison of logistic regression and neural networks methods in a medium scale study, Hendek region (Turkey). Engineering Geology 79, 251 266.