Dinamik Çığ Tehlike Değerlendirmesi İçin CBS ve Bayes Ağlarının Entegrasyonu

Abstract

Tehlike değerlendirmesi, risk tanımlama ve erken uyarı/tahmin sistemlerinin ilk ve en önemli adımı olduğundan, tehlike haritalarının doğruluğu oldukça kritik bir konudur. Günümüzde tehlike haritaları statik olarak üretilip, değişen koşullar sisteme entegre edilmeksizin üretilmiş haritalar yıllarca kullanılmaktadır. Ancak tehlikeyi etkileyen değişkenlerin bir kısmı dinamik bir yapı gösterip süreçle birlikte değişmektedir. Değişen parametrelerin etkisiyle tehlike alanlarında ve tehlike derecelerinde farklılıklar meydana gelmekte ve bu değişim klasik tehlike değerlendirmelerinde gözardı edilmektedir. Değişen koşulların doğru bir tehlike değerlendirmesi açısından sisteme entegre edilmesinin gerekliliği açıktır. Koşullardaki değişimi sisteme entegre etmeyi mümkün kılan Bayes Ağları, dinamik tehlike tanımlaması için etkili bir şekilde kullanılabilir. Bu tez çalışmasında, değişen ve yenilenen verilerin sisteme dâhil edilebildiği dinamik çığ tehlike değerlendirmesi için Bayes Ağları temelli bir model önerilmiştir. Önerilen modelde, Bayes Ağlarının ve Coğrafi Bilgi Sistemleri'nin (CBS) entegrasyonu, Ulusal Konumsal Veri Altyapıları (UKVA) perspektifinde değerlendirilmiştir. Bu modelde, farklı kaynaklardan elde edilen verileri birleştirmek ve analiz etmek mümkündür ve çığ tehlikesi için faktörler anlık verilerle dinamik olarak güncellenebilir ve dinamik tehlike haritalaması yapılabilir. Ülkemiz için bir UKVA projesi olan Türkiye Ulusal Coğrafi Bilgi Sistemi (TUCBS) bu kapsamda yapılandırılabilir. Bu tez çalışmasında önerilen metodoloji, dinamik tehlike değerlendirmesi için genel bir yapı sağlar ve diğer afetlerin dinamik haritalanması için genişletilebilir.

The accuracy of hazard assessment is a critical issue. Because hazard assessment is the first and most important step in risk analysis of natural disasters and early warning/prediction systems. Today, hazard identification methods are static. For this reason, new information and conditions cannot easily be included in the pre-defined hazard assessments. And the static assessments produced without being integrated into the system are used for years. However, some of the variables that affect the hazard is dynamic and change with the process. Differences in hazard areas and hazard levels occur with dynamic parameters and this dynamic structure is ignored in traditional hazard assessments. It is clear that changing conditions should be integrated into the system for an accurate hazard assessment. Bayesian Networks can be used effectively for dynamic hazard identification. Because Bayesian Networks make it possible to integrate changes in conditions into the system. In this thesis, a model based on Bayesian Networks is proposed for the dynamic avalanche hazard assessment where changing and renewed data can be included in the system. In the proposed methodology, the integration of the Geographical Information Systems (GIS) and Bayesian Networks is modeled in the National Spatial Data Infrastructure (NSDI) perspective. In this model, it is possible to combine and analyze the data obtained from different sources and factors for avalanche hazard can be dynamically updated with real-time updated data and dynamic hazard mapping can be performed. Turkish National Geographic Information System (TNGIS), a National Spatial Data Infrastructure project for Turkey, can be configured in this context. The proposed methodology provides a generic structure and can be expanded for dynamic mapping for other disasters.