197

MTA Dergisi (2019) 160: 197-211

Maden Tetkik ve Arama Dergisi

http://dergi.mta.gov.tr

Arzev bölgesi (Cezayir’in kuzeybatısı) için bilgi değeri ve frekans oranı kullanılarak heyelan duyarlılık haritalaması

Landslide susceptibility mapping using information value and frequency ratio for the Arzew sector (North-Western of Algeria)

Roukh ZINE EL ABIDINEa* ve Nadji ABDELMANSOURb

aGeo Kaynak Labarotuvarları, Çevre ve Doğal Riskler, Oran 2 Mohamed Benahmed Üniversitesi; Yer Bilimleri ve Evren Fakültesi, B.P1 1524 El-M’Naouar. Oran 31000. Cezayir

Araştırma Makalesi

Anahtar Kelimeler: Heyelan duyarlılık haritası, Frekans oranı, Bilgi değeri, Arzev, Cezayir.

Geliş Tarihi: 02.05.2018Kabul Tarihi: 22.10.2018

ÖZJeolojik afetler, Cezayir’in kuzeybatısındaki Arzev bölgesinin (Oran vilayeti) gelişmesinin önündeki en önemli engellerden birini teşkil etmektedir. Heyelanlar, çalışma alanında ve özellikle engebeli bölgelerde en yaygın doğal olaylardan biri olarak kabul edilir. Bu problemin sonuçlarını en aza indirmek ve azaltmak için, şev duraysızlığına maruz kalan farklı bölgelerin haritalanmasına ilişkin ön çalışmaların yapılması gerekmektedir. Bu çalışmanın temel amacı, Arzev bölgesi için istatistiksel modeller ve CBS (Coğrafi Bilgi Sistemleri) teknikleri ile heyelan duyarlılık haritasının yapılmasıdır. Bu hedefe ulaşmak için analitik bir yaklaşım uygulanmıştır. İlk olarak, geçmişte yapılmış envanter haritaları, uydu görüntüleri, hava fotoğrafları ve saha araştırmaları kullanılarak bir heyelan envanter haritası hazırlanmıştır. İkinci olarak, heyelan duyarlılığını değerlendirmek için eğim derecesi, bakı, litoloji, arazi kullanımı, akarsulara uzaklık, yola uzaklık ve yükseklik gibi yedi adet hazırlayıcı faktör kullanılmıştır. Üçüncü olarak, hazırlayıcı faktörlerinin her bir sınıfı için ağırlık değeri, CBS işlevlerine dayanan Frekans Oranı (FR) ve Bilgi Değeri (IV) modelleri kullanılarak belirlenmiştir. Sonuç olarak, Heyelan Duyarlılık Haritaları (LSM’ler), küresel Heyelan Duyarlılık İndekslerinin (LSI’ler) sınıflandırma işlemi ile beş sınıfa ayrılmıştır. Son olarak, deney doğrulaması için, FR ve IV modelleri ile elde edilen LSM’ler, hem Alıcı İşletim Karakteristikleri (ROC) hem de Kök Hücre Alanı İndeksi (SCAI) modelleri kullanılarak heyelan envanter haritasıyla karşılaştırılarak teyit edilmiştir. Eğri altındaki alan (AUC) sonuçları, LSM için IV yönteminin (% 89.03) FR yönteminden (% 85.57) daha iyi performansı olduğunu göstermektedir. Ayrıca, SCAI kullanılarak yapılan doğrulama sonuçları, IV modelinin FR modelinden daha hassas olduğunu da doğrulamıştır. Bu çalışmada kullanılan modeller, çalışma alanının heyelan duyarlılığı sorununu çözme yeteneğine sahiptir. Üretilen duyarlılık haritaları gelecekteki arazi kullanım planlaması için kullanılabilir ve heyelanlara bağlı riskin mekansal dağılımını çözmek için güçlü bir araç olarak düşünülebilir.

* Başvurulacak yazar: Roukh ZINE EL ABIDINE, zinougeorisque@gmail.com

Atıf bilgisi: Zine El Abidine, R., Abdelmansour, N. 2019. Landslide susceptibility mapping using information value and frequency ratio for the Arzew sector (North-Western of Algeria). Bulletin of the Mineral Reserach and Exploration, 160, 197-211. https://doi.org/10.19111/bulletinofmre.502343

MADEN TETKİK VE ARAMA

D E R G İ S İ

İÇİNDEKİLER

Türkçe Bask 2019 160

Oligosen yaşl Datça-Kale-Ac Göl havzasnda çökelme ile eş yaşl tektonizma izleri, Bat Anadolu...........................................................Gülşen ELMAS, Gürol SEYİTOĞLU, Nizamettin KAZANCI ve Veysel IŞIK/ Araştrma Makalesi 1

İstanbul - Yenikap’daki Holosen yaşl isti n sedimentolojik özellikleri ve çökelme ortamlar..............................................................................Meltem SEZERER BULUT, M. Namk YALÇIN ve Oya ALGAN/Araştrma Makalesi 21

Babaeski-Lüleburgaz-Muratl-Çorlu bölgesindeki Paleojen-Neojen isti erinin paleoortamsal özellikleri ve ostrakod incelemesi (Güneydoğu Trakya, Türkiye)..................................................................................................................................................................Ümit ŞAFAK/Araştrma Makalesi 45

Biga Yarmadas’ndaki granitoyitlerin (KB Anadolu, Türkiye) petrolojik ve jeokimyasal özellikleri...............................................................................................Ümit AYDIN, Pnar ŞEN, Öner ÖZMEN ve Erdal ŞEN/Araştrma Makalesi 81

Doğu Akdeniz’in gaz hidrat potansiyeli................................................................................................................Şükrü MEREY ve Sotirios Nik. LONGINOS/Araştrma Makalesi 117

Doğu Karadeniz bölümü (Ordu, Rize, Artvin-KD Türkiye) jeotermal sahalarnn nadir toprak elementleri ve itriyum jeokimyas.............................................................. Esra HATİPOĞLU TEMİZEL, Fatma GÜLTEKİN ve Arzu FIRAT ERSOY/Araştrma Makalesi 135

Uçucu kül içeren killi karşmlarn dş görünüş özellikleri................................................................................Fatma DAĞCI, Nazl İpek KUL GÜL ve Niyazi Uğur KOÇKAL/Araştrma Makalesi 155

Hamit Plütonu’na (Türkiye) ait kayaç örneklerinde faktör ve kümeleme analizleri ile elementlerin kökeni üzerine istatistiksel yaklaşm..............................................Füsun YALÇIN, Daniel G. NYAMSARI, Nurdane İLBEYLİ ve Rifat BATTALOĞLU/Araştrma Makalesi 163

İstatistik ve kokriging yöntemlerini kullanarak sondaj ve IP-Rs verilerinin kombinasyonu ile mineral kaynaklarnn tahmin edilmesi........................................................................................................... Kamran MOSTAFAEİ ve Hamidreza RAMAZİ/Araştrma Makalesi 177

Arzev bölgesi (Cezayir’in kuzeybats) için bilgi değeri ve frekans oran kullanlarak heyelan duyarllk haritalamas ......................................................................................... Roukh ZINE EL ABIDINE1 ve Nadji ABDELMANSOUR/Araştrma Makalesi 197

Beni Mellal Atlas (Fas) karstik masi nde aeromanyetik prospeksiyon ve uzaktan alglama verilerini kullanarak jeolojik yaplarn haritalanmas...................................................Ikram BOUTIRAME, Ahmed BOUKDIR, Ahmed AKHSSAS ve Ahmed MANAR/Araştrma Makalesi 213

Rezidüel gravite alan verilerinden 2 boyutlu doğrusal ve doğrusal olmayan ters çözüm modelini kullanarak bir tuz domununsimülasyonu.............................................................................................................Soheyl POURREZA ve Farnush HAJIZADEH/Araştrma Makalesi 231

Nummulites Sireli Deveciler (N. Sireli Alan Türnün Junior Homonimi) Nummulites Ercumenti Nom. Nov olarak yeniden isimlendirilmesi.....................................................................................................................................................................Ali DEVECİLER/Eleştiri Yazs 245

KATKI BELİRTME ....................................................................................................................................................................................... 247

Maden Tetkik ve Arama Dergisi Yaym Kurallar ......................................................................................................................................... 249

ISSN : 1304-334XE-ISSN : 2651-3048

Keywords:Landslide susceptibility mapping, Frequency ratio, Information value, Arzew, Algeria.

ABSTRACT

Geological hazards present one of the most important constraints for the development of the Arzew sector (Oran province), North Western of Algeria. Landslides are considered us one of the most common phenomena in the study area and especially in the hilly area. For minimizing and reducing the consequences of this problem, it is necessary to carry out preliminary studies on the cartography of the different zones exposed to the slope instability phenomena. The main objective of this study is to perform the landslide susceptibility mapping by statistical models and GIS techniques for the Arzew area. To achieve this goal, an analytical approach was carried out. Firstly, a landslide inventory

MTA Dergisi (2019) 160: 197-211

198

1. Giriş

Heyelanlar, Cezayir’in kuzeyindeki insan hayatını, ekonomiyi, büyük projeleri ve mülkleri tehdit eden, en sık görülen ve zarar verici doğal tehlikelerden biri olarak kabul edilmiştir (Benaissa vd., 1989; Guemache vd., 2011; Hadji vd., 2017; Djerbal vd., 2017). Cezayir’in kuzeybatısında bulunan ve karmaşık jeolojisi (güncel tektonik ve sismik aktivite) ile bilinen Oran bölgesi, özellikle heyelan riskine maruz kalmaktadır. Heyelan sonuçlarını en aza indirmek, mekansal planlamada akılcı bir arazi kullanımı gerektirir. Bir çözüm olarak, heyelan duyarlılık haritaları, riski tahmin etmenin temel aracı olarak kabul edilmiştir.

Heyelanlara karşı duyarlılık, belirli bir alanda çevresel yatkınlığın birçok faktörü (eğim, bakı, arazi kullanımı, litoloji vb.) için heyelanın mekansal olarak ortaya çıkma olasılığıdır (Thiery 2007; Guzzetti vd., 2005). CBS teknikleri bu tür tematik haritaların hızlı bir şekilde oluşturulmasını sağlayan en önemli araçlardır. Heyelan duyarlılık haritalaması, CBS tekniklerine dayanan birkaç yöntem kullanılarak tahmin edilebilir. Birçok çalışma, heyelan duyarlılığının değerlendirilmesinde frekans oranını kullanmıştır (Akgün vd., 2008; Yalçın vd., 2011; Youssef vd., 2015). Diğer çalışmalar heyelan duyarlılığını değerlendirmek için Lojistik regresyon modelini kullanmıştır (Gorsevski vd., 2006b; Yılmaz 2010; Bai vd., 2011; Pourghasemi vd., 2013; Raja vd., 2017). İstatistiksel indeks modeli (bilgi değeri) de, heyelan duyarlılığının tematiğini çözmek için kullanılır (Bui vd., 2011; Cui vd., 2016; Aghdam vd., 2016). Kanıt ağırlığı modeli de birçok araştırmacı tarafından kullanılmıştır (Regmi vd., 2010; Özdemir

ve Altural 2013). Analitik hiyerarşi işlemi (AHP) (Gorsevski vd., 2006c; Ercanoglu vd., 2008; Intarawichian ve Dasananda 2010; Chen vd., 2016; Ghosh vd., 2017), bulanık küme (Pradhan 2011; Sezer vd., 2011), Destek Vektör Makinesi (SVM) metotu (Ballabio ve Sterlacchini 2012; Peng vd., 2014; Pradhan ve diğerleri 2017) ve yapay sinir ağı (Yılmaz 2009; Conforti ve diğerleri 2014; Chen ve diğerleri 2017); heyelan tehlike bölge ayrımında uygulanmıştır.

Cezayir’de heyelan duyarlılığı haritalaması heyelanlara bağlı risklerin önlenmesi için yeni bir yaklaşım sunmaktadır. Şimdiye kadar Cezayir’de heyelan duyarlılığı konusunda az sayıda çalışma tatbik edilmiştir (Hadji vd., 2013; Djerbal ve Melbouci, 2013; Hadji vd., 2014; Bourenane vd., 2015; Achour vd., 2017; Hadji vd., 2017; Dahoua vd., 2017; Mahdadi vd., 2018).

Heyelan duyarlılığına sahip bölge ayrımı, arazi kullanımı yönetimi için vazgeçilmezdir ve gelecekteki çeşitli projeler için resmi bir belge haline gelmelidir (Gorsevski vd., 2006a; Corominas vd., 2014). Çalışma alanının coğrafi konumu, ekonomi ve turizmin nihai merkezi olma özelliğine sahip olması, planlama ve risk yönetiminde ön çalışmalar yapılmasını gerektirir. Heyelan eğilimli bölgeyi tanımlamak için, mevcut araştırmalar Arzev bölgesi (Cezayir’in kuzeybatısı) heyelan duyarlılığının haritalandırılmasına yöneliktir.

Bu çalışmada, üç önemli adım izlenerek, heyelan duyarlılık haritasının oluşturulması için basit bir yöntem kullanılmıştır: Birincisi, veri girişinin toplanması, ikincisi, CBS’ye dayanan iki model kullanılarak heyelan duyarlılık indeksi hesaplaması.

map was prepared using previous inventory maps, satellite images, aerial photos and field surveys. Secondly seven conditioning factors such as slope degree, aspect, lithology, land use, distance to the streams, distance to the road and altitude were exploited to assess landslide susceptibility. Thirdly, the weight value for each class of the conditioning factors was determined using Frequency Ratio (FR) and Information Value (IV) models based in GIS functionalities. Consequently, Landslide Susceptibility Maps (LSMs) were produced by the classification process of the global Landslide Susceptibility Indexes (LSIs) into five classes. Finally, for experiment verification, the LSMs obtained with the FR and IV models were confirmed comparing LSMs with landslide inventory map using both the Receiver Operating Characteristics (ROC) and the Seed Cell Area Index (SCAI) models. The area under curve (AUC) results, demonstrate that the IV method more performance (89.03%) for LSM than FR method (85.57%). Furthermore, the validation results using SCAI also confirmed that the IV model was more accurate than FR model. The models employed in this study are capable to resolve the issue of the landslide susceptibility of the study area. The produced susceptibility maps can be used for future land use planning and can be considered as a powerful tool to resolve the spatial distribution of the risk associated to landslides.

199

MTA Dergisi (2019) 160: 197-211

Üçüncü adım ise, çıktı verilerinin oluşturulması ve doğrulanmasıdır.

2. Çalışma Alanının Genel Özellikleri

Cezayir’in kuzeybatısındaki Oran kıyılarının bir parçası olan çalışma alanı, UTM WGS84 zon 30 (3976894.08 m, 3954859.17 m) enlem ve (715833.47 m, 747107.72 m) boylam koordinatları arasında yer alır, bölgenin alanı 308.06 km² dir.

Çalışma alanının jeomorfolojik birlikleri, yükseklikleri 0–625 metre arasında bulunan, düzlükler, dağlar ve platoların varlığı ile karakterize edilir (Şekil 1). Arzev iklimi, bölgenin topografyasına

uygun bir akışa sahip, oldukça gelişmiş hidrografik ağın bulunduğu yarı kurak Akdeniz biyoklimatik ortamın bir parçasıdır. Kuzeye doğru hidrografinin denize doğru yönlenmiş bir akışı vardır; güneye doğru yüzeysel akış ise bir takım göl ve sabkalar ile temsil edilen farklı endotermik yapıları besler (Şekil 2).

Çalışma alanı, Paleozoyik, Mesozoyik yaşlı, yüksek derecede tektonize olmuş, çoğunlukla metamorfize birimler barındıran Alpin kuşağının bir parçasıdır (Ciszak, 1993). Jeolojik haritalara göre (Gourinard, 1952a, b) çalışma alanındaki dört birim, üç bağımsız ve belirgin jeolojik öğeden oluşur (Şekil 3). Doğudan batıya sırasıyla: Kristel Dağı, Borosse ve Orousse Dağları ve Djebel Essebouaa

Şekil 1- Çalışma alanının yeri.

Şekil 2- Çalışma alanının akarsu ağ haritası.

K

K

MTA Dergisi (2019) 160: 197-211

200

ile gösterilen dördüncü birim olarak yayılır. Djebel Borosse ve Djebel Orousse’den daha karmaşık, her ikisi de nispeten kalın karbonat ve kalkerli-şistli formasyonlardan oluşur. Öğütülmüş kireçtaşları baskın erozyon yüzeyleri tarafından kesilmiştir. Etkileyici sarp kayalıkları, Neojen’den Pliyo-Kuvaterner yaşa uzanan bindirme yapısı ile karakterize edilen şistlerden oluşur (Perrodon, 1957; Fenet, 1975; Thomas, 1985). Miyosen iki tortul seriye ayrılmıştır. İlk nap sonrası devri Djebel Essebouaa’nın güney cephesi ile Boufatis platosu arasında yer alan yeşil marnlar tarafından temsil edilmekte, ikinci döngü Oran’ın doğusunda bir dizi kıtasal seri birikiminin eşlik ettiği aktif bir erozyon fazından önce gelmektedir. Marlinler ve sineritik formasyonlar, Canastel’in ilk nap sonrası devrinin (Oran uçurumları - Canastel) çökellerine yaslanır.

Arzev masifinin güneyi ve doğusu, marnlı mostra ve jips ile belirgin olup, üst Miyosen, Pliyosen tarafından örtülmüştür. Çoğu zaman kuvaterner arazilerle karıştırılır. Belirsiz ve kesin olmayan Plio-Kuvaterner terimi çeşitli kafa karışıklıklarına yol açar. Bu bağlamda Thomas (1985)’in Pliyosen ve Kuvaterner arazilerinin isimlendirilmesine

katılıyoruz: PI: Kumlu konglomeralar, şistli masiflerin dibinde yanal olarak bulunan marn ve denizel kumlar ile karasal konglomeratik çökeller tarafından temsil edilir. Bu çökeller Tabianian yaşlıdır. PII döngüsü: Arzev körfezinin oluşumu ile temsil edilir. Bu lümaşeller (bazı yerlerde) kumlu tepelerle ya da havzanın merkezindeki marn ve kumlarla (Telamine gölü ve Arzev tuzu) yanal olarak geçişlidir. Pleyistosen genellikle; kaba silt, gri silt ve bunların yanal eşdeğerleri olarak temsil edilen, kabuk kumları, kum tepeleri ve hatta akarsu-gölsel killerinden oluşur. Kalkerli bir kabuk (pembeden kırmızımsı-kahverengiye tabaka), playa tipi çökellerle bağlantılı erime yüzeylerinin şekillendirilmesiyle ilişkili olarak çeşitli fasiyelerde gelişir.

3. Heyelan Envanteri

Heyelan envanter haritalaması heyelan duyarlılık modellemesinin kilit süreçlerinden biridir (Fell vd., 2008; Corominas vd., 2014). Uydu görüntüleri, hava fotoğrafları, GPS, incelemeler, makaleler, yerli raporlar ve saha araştırmaları, heyelan envanter haritasını oluşturmak için önemli araçlar sağlar. Bu harita

Şekil 3- Çalışma alanının litolojik haritası, ad: kum yığınları, as: düşük tuzlu dip bitki örtüsü; Ap: plaj, p: az ya da çok kumlu marn; Q1: denizel Pleyistosen (Calabrian); Q1m: lümaşel; Q1md: denizel kum; Q2: Orta seviye deniz Pleyistosen; Q2m: denizel lümaşel, Q3: güncel deniz Pleyistosen; Q3m: deniz tarağı lümaşel; Q3md: denizel kum; Qa: alüvyon ile ilişkili karasal kuvaterner; Qc: az ya da çok sertleşmiş yüzey toprağı ve kabuk; Qe: eboule; Qec az ya da çok sertleşmiş ve çökmüş yüzey toprağı; Q1: Pleyistosen deniz eski seviyesi; Qp: kıtasal kuvaterner (kil gölü); Qs bitki örtülü tuzlu alt taban; M1: algli kireçtaşı; Mm: gri marn; Mg: sarı marnlı ince kum; Mt: beyaz marn-kireçtaşı; Cj1: kireçtaşı mermerleşmiş, yer yer dolomitleşmiş; Cj: şist; Tr: permo-triace (morumsu şist); E: püskürük (yeşil kayaçlar); G: diyapirizm (jips); T kaynak çökeli (Gourinard, 1952a, b).

K

201

MTA Dergisi (2019) 160: 197-211

geçmişte ortaya çıkan heyelan konumlarını içerir. Bu çalışmada heyelan konumları, mevcut veri tabanı, uydu görüntüleri, hava fotoğrafları, Google Earth ve saha araştırmaları kullanılarak belirlenmiştir. Sonuç olarak, veri tabanı 80’den fazla poligon içerir. Şekil 4, Cezayir Arzev bölgesindeki heyelan lokasyonlarının

mekansal dağılımını göstermektedir. Bu çalışmada Cruden ve Varnes (1996) tarafından geliştirilen heyelan sınıflaması kullanılmıştır. Heyelanlar üç tipe ayrılır; dairesel kayma, ötelenmeli kayma, karmaşık kayma. Şekil 5, çalışma alanını etkileyen bazı heyelan örneklerini göstermektedir.

Şekil 4- Heyelan mekansal dağılım haritası.

Şekil 5- Çalışma alanında haritalanan farklı heyelan türlerinin örneği a) ötelenmeli kayma, b) dairesel kayma (Benabdellah 2010), c) dairesel kayma, d) karmaşık kayma, e) dairesel kayma (havadan fotoğraf), f) ötelenmeli kayma (uydu görüntüsü SPOT 6).

K

MTA Dergisi (2019) 160: 197-211

202

4. Hazırlayıcı Faktörler

Genel olarak kütle hareketi, özellikle litolojik, yapısal ve jeoteknik özellikler, eğim açısı, yeraltı suyu, yüzey suyu, sismik… vb. tetikleyici ve ağırlaştırıcı faktörlerin kombinasyonunun sonucudur. Zaman içindeki dağılımları düzensizdir ve sıklığı çok büyük doğal olaylarla şekillenmektedir.

Bu araştırmada kullanılan hazırlayıcı faktörler; eğim açısı, bakı, litoloji, arazi kullanımı, yükseklik, akarsuya uzaklık ve yola olan uzaklıktır. Farklı kaynaklardan üretilmişlerdir. (Çizelge 1). Bununla birlikte, eğim açısı, bakı ve yükseklik gibi topografik özellikler Sayısal Yükseklik Modelinden (DEM) elde edilmiştir. DEM, 1:25.000 ölçekli topoğrafik haritalardan (Şekil 1) çıkarılan topoğrafik harita

eğrilerinin sayısallaştırılması ve enterpolasyonu ile oluşturulmuş, litoloji 1:50.000 ölçekli jeolojik haritalardan çıkarılmış ve ayrıca hem arazi kullanım haritası hem de yola uzaklık haritası, Ulusal Kırsal Kalkınma Çalışmaları Bürosu tarafından hazırlanan (Beneder, 2011) 1: 25.000 ölçekli Oran arazi kullanım haritasından, saha araştırması ve uydu görüntülerinden çıkarılmıştır.

4.1. Eğim Açısı

Eğim dereceleri, eğim hareketinin hızlanmasını arttırır, bu nedenle bu parametre heyelan tetikleyici faktörlerinden biri olmaktadır. DEM ve CBS fonksiyonları kullanılarak eğim dereceleri 5 sınıfa ayrılmıştır: 0-10°, 10-20°, 20-30°, 30-50° ve ˃50°) (Şekil 6).

Çizelge 1- Heyelan duyarlılık haritalamasında kullanılan çeşitli parametreler için bilgi kaynağı.

Ortam Haritalar Bilgi Kaynakları

Heyelan Envanteri Heyelan Envanteri Haritası Uydu görüntüleri (SPOT6), Google Earth, hava fotoğrafı, saha etütleri ve bibliyografik veriler

Topoğrafya Sayısal Yükseklik Modeli (SYM) 1/25000 ölçekli topoğrafik haritalardan çıkarılan kontür çizgilerinin sayısallaştırılması ve enterpolasyonu ile SYM oluşturulması

MorfometrikEğim haritasıBakı haritası

Yükselti/Rakım HaritasıSYM’den türetilmiştir

Jeoloji Litolojik harita 1/50000 ölçekli jeolojik haritalardan litolojik formasyonların sayısallaştırılması

Hidroloji Akarsuya uzaklık haritası 1/25000 ölçekli topografik haritalardan akarsu ağının sayısallaştırması

Arazi Kullanımı Arazi Kullanım HaritasıYola uzaklık haritası Arazi kullanım haritası (BNEDER 2011), uydu görüntüsü, saha etütleri

Şekil 6- Çalışma alanının eğim haritası.

K

203

MTA Dergisi (2019) 160: 197-211

4.2. Bakı

Eğimin ifadesi olarak kabul edilen bakı, 0’dan 360° dereceye kadar saat yönünde ölçülür, 1’den küçük değerler düz alanı temsil eder. Bakı, ayrıca heyelan duyarlılığı sürecinde önemli bir hazırlayıcı faktör olarak ele alınmaktadır. Şekil 7, Arzev bölgesinin bakı haritasını dokuz sınıfla göstermektedir.

4.3. Litoloji

Litoloji; her bir litolojik birim heyelan duyarlılık seviyesine sahip olduğundan en önemli hazırlayıcı faktör olarak kabul edilmiştir (Yeşilnacar ve Topal, 2005). Bu çalışmada litolojik harita 1: 50000 ölçekli jeolojik haritaların sayısallaştırılmasıyla hazırlanmıştır. Jeoteknik ve jeomorfolojik özelliklere dayanarak, ArcGIS yazılımı kullanılarak dört sınıfa ayrılmışlardır (Çizelge 2).

4.4. Akarsuya Uzaklık

Genel olarak heyelanlar, akış hızının yamaç molozunun alt kısmını aşındıracak kadar yeterli olduğu akarsuların yakınında gelişmiştir. Bu yüzden, akarsulara uzaklık heyelan duyarlılığı tahminine dahil edilmiş, ArcGIS’de Öklid uzaklık fonksiyonu kullanılarak akarsu tampon bölgesi oluşturulmuş ve altı sınıfta sınıflandırılmıştır (0-100, 100-200, 200-300, 300-400, 400-500, ˃ 500).

4.5. Arazi Kullanımı

Çıplak ve az bitkili topraklar, yamaç molozunu erozyona ve kaymaya daha fazla meyilli hale getirir (Gomes vd., 2005). Bu nedenle, arazi kullanımı bu çalışmaya dahil edilmiş önemli bir parametre olarak dikkate alınır. Arzew bölgesinin arazi kullanım haritası, Oran’ın 1/25000 ölçekli arazi kullanım

Şekil 7- Çalışma alanının bakı haritası.

Çizelge 2- Litoloji ve arazi kullanımı sınıflandırılması.

Litoloji

Sınıf 1 Q3, Ad, Qs, Ql, Qa, Qc, Ap, As, P, Q2, Qec, T, Qp, Qs.

Sınıf 2 Tr, Cj1, Cj.

Sınıf 3 Q2m, Mg, Q3m, Q3md, Ml.

Sınıf 4 Ma, Mt, Qe, Q1md, Mm, E, G.

Arazi Kullanımı

Sınıf 1 Orman, Meyve ekinleri, Zeytin yetiştiriciliği, Su kütlesi.

Sınıf 2 Ağaçlıklı maki, Maki

Sınıf 3 Şaraplık üzüm yetiştiriciliği, Karışık ekin, Sebze yetiştiriciliği, büyük tarımsal üretim, şehir

Sınıf 4 Madenler, Çıplak Toprak

K

MTA Dergisi (2019) 160: 197-211

204

haritasının sayısallaştırılması ile üretilmiş (Şekil 8), dört sınıfa ayrılmıştır (Çizelge 2).

4.6. Yola Uzaklık

Yol yapımı sırasında, heyelanı etkileyen antropojenik eylemler, bitki örtüsünün tahrip edilmesi, dış yüklerin tatbiki ile gerçekleşir (Bourenane vd., 2015). Buna bağlı olarak, yola olan uzaklık, bu çalışmada önemli bir parametre olarak kabul edilmiştir. Bu çalışmada yola olan uzaklık 150 m aralıklarla 5

bölgeye ayrılmıştır: (0-150, 150-300, 300-450, 450-600, ˃600).

4.7. Yükseklik

Eğim hareket yoğunluğu yükseklik arttıkça artar. Bu araştırmada, ArcGIS yeniden sınıflandırma fonksiyonu temelinde yükseklik haritası yapmak için DEM kullanılmıştır. 0 ile 622 metreler arasında, yükseklik 6 sınıfa ayrılmıştır: 0-100, 100-200, 200-300,300-400, 400-500 ve ˃500 (Şekil 9).

Şekil 8- Çalışma alanının arazi kullanım haritası. 1 meyve ekinleri, 2 madenler, 3 sebze yetiştiriciliği, 4 su kütlesi, 5 orman, 6 büyük tarımsal üretim, 7 Ağaçlıklı maki , 8 maki, 9 zeytin yetiştiriciliği, 10 karışık ekin, 11 çıplak toprak, 12 şehir, 13 şaraplık üzüm yetiştiriciliği, 14 ana yol, 15 tali yol, 16 demiryolu.

Şekil 9- Çalışma alanının yükseklik haritası.

K

K

205

MTA Dergisi (2019) 160: 197-211

5. Heyelan Duyarlılık Haritalaması

Bu makalede heyelan duyarlılığının haritalanmasında istatistiksel indeks metodu ve frekans oranı uygulanmıştır. Her bir nedensel faktör sınıfının ağırlığı, her bir parametre ve heyelan envanter haritasının birleşimi ile tanımlanmıştır. Karar kurallarının (toplama, bölme, çarpma ... vb.) kombinasyonu ile, her bir hazırlayıcı faktör sınıfının ağırlığı tanımlanmıştır. Son olarak, doğal kesiklik sınıflaması (jenks) yöntemi kullanarak heyelan duyarlılık indeksinin sınıflandırılması ve LSM’ler ve envanter haritasının karşılaştırılması ile heyelan duyarlılık haritalarının doğrulaması yapılmıştır. Şekil 10, bu araştırmada kullanılan metodolojinin akış şemasını göstermektedir.

5.1. Frekans Oranı Metodu

Bu yöntemin temel konsepti, verilen bir sınıftaki doğal olayların yoğunluğu ile aynı sınıfın yoğunluğu arasındaki oranı hesaplamaktır. (Lee ve Talib, 2005). LSI, aşağıdaki denklem kullanılarak ifade edilmiştir: (Eşitlik 1)

LS1 Fr1 + Fr2 + Fr3 + ... + Frn (1)

Heyelan oluşma oranı ile hazırlayıcı faktördeki her bir sınıfın oranı arasındaki istatistiksel analizde, Fr’nin ortalama değeri 1’e eşittir. Değer > 1 ise, maksimum korelasyonu ve 1’den küçük bir değer ise minimum

korelasyonu gösterir. Çizelge 3 bu uygulamanın sonuçlarını göstermektedir.

Sonuç olarak, eğim derecesi için, eğim derecesinin artmasıyla FR artmış, sınıf (˃50) maksimum değere (3.995) sahipken sınıf (0 - 10) minimum değere (0.338) sahip olmuştur. Bakı analizleri, maksimum FR değerinin (3.454) kuzeybatı için heyelan oluşumunun maksimum olasılığını işaret ettiğini, ardından Batı (2.573), Kuzey (2.025) ve Düzlük (1.915) geldiğini göstermektedir. Litoloji parametresinin frekans sonuçları, gri marn, beyaz marnlı-kireçtaşı, jips ve denizel kumun, maksimum FR değerinde (10.397) en çok heyelan eğiliminde olduğunu göstermektedir. Heyelan oluşma yüksek olasılığına işaret eden 1’den büyük FR değerleri, akarsulara yakın (0-100) ve (100-200) mesafede dağılmıştır. Yola yakınlık için (300 - 450), (450-600) ve ˃ 600 mesafeleri sırasıyla 1.125, 1.507 ve 1.710 değerlerini verir. Arazi kullanımı ile heyelan arasındaki korelasyon, heyelanların çıplak alanda (4.086) ve maki alanda (1.759) yaygın olarak gerçekleştiğini göstermektedir. Yükseklik ve heyelan envanteri arasındaki kombinasyon, heyelanların daha çok 0 ile 100 metre arasında görüldüğünü göstermiştir.

Eşitlik 1 ile hesaplanan LSI değerleri 1.15 ile 27.13 arasında değişmektedir. Yeniden sınıflandırma fonksiyonu kullanarak, LSI haritası beş sınıfa yeniden sınıflandırılmıştır; çok düşük (% 39.07), düşük (% 31.46), orta (% 19.80), yüksek (% 4.72) ve çok yüksek (% 4.93) (Şekil 11a, c)

Şekil 10- Süreç çalışması için metodoloji akış şeması.

MTA Dergisi (2019) 160: 197-211

206

5.2. Bilgi Değeri Metodu

Bu çalışmada kullanılan istatistiksel yöntem Yin ve Yan (1988) tarafından önerilmiş, Van Westen (1993) tarafından modifiye edilmiştir ve doğal olayların mekansal dağılımı ve çeşitli faktörler arasındaki karşılaştırmaya dayanmaktadır. İlk olarak yöntem, eşitlik (2) kullanılarak yapılan bir istatistiksel analize dayanmaktadır.

(2)

W (i) her bir sınıfın ağırlığıdır (örneğin, eğimin 10° sınıfının ağırlığı), Npix (Si), i sınıflarındaki kayma piksellerinin sayısıdır, Npix (Ni), i sınıfındaki piksellerin sayısıdır. Payda, tüm heyelan piksel sayısı ile çalışma alanındaki toplam piksel arasındaki orandır. İkinci adımda, her bir sınıfta heyelan oluşma olasılığı eşitlik (3) ile belirlenir:

Çizelge 3- FR ve bilgi değeri modellerini kullanarak heyelana etkisi bulunan her faktör ile heyelan arasındaki mekansal ilişki.

Parametre Sınıflar Toplam Alan %’si (a) Heyelanlı Alan % 'si (b) Frekans Oranı (b/a) Bilgi Değeri (Wi)

Eğim (°) 0-10 69.477 23.526 0.338 -1.10210-20 14.877 36.920 2.481 0.88920-30 09.710 23.138 2.382 0.84830-50 05.813 15.929 2.739 0.988˃50 00.211 00.485 3.995 1.365

Bakı Düz 00.042 0.0811 1.915 0.613Kuzey 11.744 23.792 2.025 0.669

Kuzeydoğu 14.347 10.149 0.705 -0.385Doğu 15.546 02.908 0.187 -0.713

Güneybatı 18.028 02.696 0.149 -1.937Güney 15.056 02.015 0.133 -2.047

Güneybatı 08.081 05.734 0.709 -0.380Batı 07.409 19.066 2.573 0.908

Kuzeybatı 09.712 33.554 3.454 1.202Litoloji Sınıf 1 55.022 03.612 0.065 -2.727

Sınıf 2 32.656 04.205 0.128 -2.053Sınıf 3 03.462 00.075 0.021 -3.833Sınıf 4 08.858 92.210 10.397 2.337

Akarsuya uzaklık 0-100 41.838 48.409 1.157 0.174100-200 22.937 26.137 1.139 0.159200-300 11.845 11.370 0.959 -0.012300-400 07.346 05.855 0.797 -0.198400-500 05.402 03.201 0.592 -0.494500-600 04.565 02.989 0.654 -0.394600-700 03.865 01.379 0.356 -2.414

˃700 02.198 00.656 0.298 -2.592Arazi Kullanımı Sınıf 1 10.469 07.164 0.684 -0.396

Sınıf 2 32.693 57.516 1.759 0.457Sınıf 3 49.122 03.791 0.077 -1.119Sınıf 4 07.714 31.527 4.086 1.390

Yola uzaklık 0-150 28.604 08.318 0.290 -1.251150-300 21.739 17.740 0.816 -0.219300-450 15.284 17.796 1.125 0.101450-600 10.137 15.283 1.507 0.394

˃ 600 24.233 41.460 1.710 0.226Yükseklik 0-100 28.062 66.072 2.354 0.843

100-200 39.549 25.429 0.642 -0.454200-300 18.001 05.789 0.321 -1.147300-400 08.671 02.709 0.312 -1.176400-500 04.125 0000 000 000

˃ 500 01.590 0000 000 000

207

MTA Dergisi (2019) 160: 197-211

(3)

Son olarak, arazinin heyelan duyarlılık indeksi (LSI), her bir sınıfta kayma oluşma ihtimalinin entegrasyonundan sonra tüm faktörlerin toplamı eşitlik (4) ile belirlenir.

(4)

ArcGIS’te tematik haritaların heyelan envanter haritası ile kombinasyonları, her sınıftaki heyelanın piksel sayısının hesaplanmasına olanak sağlar. Bilgi değeri yöntemi, her bir sınıfın ağırlığını hesaplamamıza imkan vermiştir (Çizelge 3). LSI’nin pozitif ve negatif sonuçları, en yüksek değerlerin büyük bir kayma olasılığını gösterdiği anlamına gelir. Çalışma alanında nihai hesaplanan LSI değerleri -11.98 ila 7.53 arasında değişmektedir. LSI haritası, doğal kesiklik sınıflaması (jenks) yöntemi kullanılarak beş sınıfa ayrılmıştır (çok düşük% 19.12, düşük% 33.3, orta% 24.46, yüksek% 18.34 ve çok yüksek% 4.75) (Şekil 12b, c).

5.3. Doğrulama

Doğrulama işleminde, elde edilen LSM’lerin performansını değerlendirmek için iki istatistiksel yöntem kullanılmıştır. Hem ROC eğrisi hem de

SCAI yöntemleri, heyelan duyarlılık ve heyelan envanter haritasının kombinasyonuna dayanır. ROC eğrisi, toprak kaymalarının % 30’unu iki LSM ile karşılaştırmıştır. AUC değeri FR modeli için % 85, 57 (Şekil 10a) ve IV modeli için 89.03’tür (Şekil 11a). İki model için eğri altındaki alandan elde edilen sonuçların karşılaştırılması, heyelan duyarlılığı bölgelendirmesi için IV modeli kullanılmasının FR modeline göre daha doğru tahminler sağladığını göstermektedir.

LSM’ye göre iki yöntemin sonuçlarını karşılaştırmak için SCAI metoduna dayalı oryantasyonlu çözüm önerilmiştir. SCAI metodu, Süzen ve Doyuran (2004) tarafından, heyelan duyarlılık haritası doğrulama aracı olarak alıntı yapılmıştır. SCAI’yi değerlendirmek için aşağıdaki denklemi kullanıyoruz:

Burada; SAP duyarlılık alanı yüzdeleri, LP ise heyelan yüzdesidir.

Çizelge 4’e göre, çok yüksek ve yüksek sınıflar minimum SCAI, düşük ve çok düşük sınıflar maksimum SCAI değeri içermektedir. SCAI metodundan elde edilen sonuçlar, IV yönteminin FR yönteminden daha fazla performans gösterdiğini doğrulamıştır.

Şekil 11- a) Frekans modeli ile sağlanan LSM’nin ROC eğrisi, b) Frekans modeli kullanılarak üretilen heyelan duyarlılık haritası, c) heyelan duyarlılık sınıfları dağılımının pasta grafiği.

K

MTA Dergisi (2019) 160: 197-211

208

6. Sonuç

Heyelandan dolayı oluşan jeolojik risk, Cezayir’in kuzey kesimlerinde yer alan bölgelerde sosyo-ekonomik açıdan güçlü bir tehlike oluşturmaktadır. Ne var ki, Cezayir’de daha önce yayınlanmış olan heyelan sorunuyla ilgili araştırmalar az ve dağınıktır. Son zamanlardaki yayınlarda, Cezayir’in kuzeydoğusunda heyelan konusunda birkaç deneme uygulanmıştır. Bu çalışma, Cezayir’in kuzeybatısının da şev hareketi probleminden muzdarip olduğunu doğrulamıştır. Seçilen bölgede, heyelan eğilimli alanı tanımlamak ve heyelan sonuçlarını hafifletebilmek için ön koşul çalışmaları, haritalar ve belgeler bakımından yetersizdi.

Bu makalede, Cezayir’in kuzeybatısında bulunan Arzev bölgesinin iki adet heyelan duyarlılık haritası oluşturulmuştur. FR ve VI metotları, heyelanların

mekansal dağılımı ile zemin hazırlayan faktörler arasındaki ilişkiyi tanımlamak için kullanılmıştır.

ROC eğrisi kullanılan AUC sonuçları, belirlenen LSM için bilgi değeri modelinin (% 89.03) kullanılmasının, frekans oranı (% 85.57) ile karşılaştırıldığında daha doğru tahminler sağladığını göstermektedir.

Öte yandan, Kök Hücre Alan İndeksi (SCAI) modelinin sonuçları, bilgi değeri metodu ile detaylandırılan heyelan duyarlılık haritasının, bu çalışmada kullanılan diğer modelden daha hassas olduğunu doğrulamıştır.

Arzev bölgesi için heyelana duyarlı haritalama alanı, başka modellerin kullanımı ile değerlendirilebilir ve başka diğer birçok verinin bir araya getirilmesiyle geliştirilebilir.

Çizelge 4- İki model için heyelan duyarlılık sınıfları arasında heyelan oluşumunun yoğunlukları.

Model FR IV

Duyarlılık sınıfları Alan (%) Kök (%) SCAI Area (%) Kök (%) SCAI

Çok düşük 39,07 2,01 19,44 19.12 0.27 70.81

Düşük 31,46 2,5 12,58 33.31 2.08 16.01

Orta 19,8 3,33 5,95 24.46 4.80 5.09

Yüksek 4,72 5,7 0,83 18.34 10.68 1.71

Çok Yüksek 4,93 86,44 0,06 4.75 82.15 0.05

Şekil 12- (a) İki değişkenli istatistiksel modelle elde edilen LSM’nin ROC eğrisi, (b) Bilgi değeri modeli kullanılarak üretilen heyelan duyarlılık haritası, (c) Heyelan duyarlılık sınıfları dağılımının pasta grafiği

K

209

MTA Dergisi (2019) 160: 197-211

Denenmiş önerilen modeller, PDAU’nun revizyonunda (planlama ve geliştirme ana planı) karar vericiler için güçlü bir araç olarak düşünülebilir, ayrıca, bu belge yerel topluluklara ve planlayıcılara gelecekteki projeler için uygun yerlerin seçilmesinde ve heyelan eğilimli alanlarla (yüksek ve çok yüksek heyelan duyarlılık sınıfları) ilgili önleyici tedbirler alınmasına hizmet edebilir.

Katkı Belirtme

Bu araştırma Cezayir Oran 2 Üniversitesi’nden Mohamed Benahmed tarafından desteklenmiştir. Yazarlar, ISEMG 2018 Organizasyon Komitesi’ne ve Prof. Dr. M. Gürhan Yalçın, Prof. Dr. Hamidi Mansour ve Prof. Dr. Hassani Moulay Idris’a değerli görüş ve önerileri için müteşekkirdir. Yazarlar bu eserle ilgili yapıcı yorumları için anonim hakemlere teşekkürlerini sunar.

Değinilen BelgelerAchour, Y., Boumezbeur, A., Hadji, R., Chouabbi, A.,

Cavaleiro, V., Bendaoud, E. A. 2017. Landslide susceptibility mapping using analytic hierarchy process and information value methods along a highway road section in Constantine, Algeria. Arabian Journal of Geosciences 10:194.

Aghdam, I., N., Varzandeh, M.H.M., Pradhan, B. 2016. Landslide susceptibility mapping using an ensemble statistical index (Wi) and adaptive neuro-fuzzy inference system (ANFIS) model at Alborz Mountains (Iran). Environmental Earth Sciences 75:553.

Akgün, A., Dağ, S., Bulut, F. 2008. Landslide susceptibility mapping for a landslide-prone area (Findikli, NE of Turkey) by likelihood-frequency ratio and weighted linear combination models. Environmental Geology 54:1127-1143.

Bai, S., Lü, G., Wang, J., Zhou, P., Ding, L. 2011 GIS-based rare events logistic regression for landslide-susceptibility mapping of Lianyungang, China. Environmental Earth Sciences 62:139-149.

Ballabio, C., Sterlacchini, S. 2012. Support vector machines for landslide susceptibility mapping: the Staffora River Basin case study, Italy. Mathematical geosciences 44:47-70

Benabdellah, M. 2010. Mis en évidence des phénomènes contrôlant le littoral oranais (de la Calère a la pointe de Canastel) : étape fondamentale pour une cartographie des risques géologiques. Mémoire de magister, Université d’Oran, 258p.

Benaissa, A., Cordary, D., Gioraud, A. 1989. Les mouvements de terrain dans la zone urbaine de Constantine (Algérie). Bulletin of the International Association of Engineering Geology-Bulletin de l’Association Internationale de Géologie de l’Ingénieur 40:85-90

Beneder. 2011. Carte d’occupation du sol wilaya d’Oran notice explicative. Bureau national d’études pour le développement rural, Rapport inédite, 13p.

Bourenane, H., Bouhadad, Y., Guettouche, MS., Braham, M. 2015. GIS-based landslide susceptibility zonation using bivariate statistical and expert approaches in the city of Constantine (Northeast Algeria). Bulletin of Engineering Geology and the Environment 74:337-355.

Bui, D.T., Lofman, O., Revhaug, I., Dick, O. 2011. Landslide susceptibility analysis in the Hoa Binh province of Vietnam using statistical index and logistic regression. Natural Hazards 59:1413.

Chen, W., Li, W., Chai, H., Hou, E., Li, X., Ding, X. 2016. GIS-based landslide susceptibility mapping using analytical hierarchy process (AHP) and certainty factor (CF) models for the Baozhong region of Baoji City, China. Environmental Earth Sciences 75:63.

Chen, W., Pourghasemi, H. R., Zhao, Z. 2017. A GIS-based comparative study of Dempster-Shafer, logistic regression and artificial neural network models for landslide susceptibility mapping. Geocarto International 32:367-385.

Ciszak, R. 1993. Evolution géodynamique de la chaîne tellienne en Oranie (Algérie occidentale) pendant le Paléozoïque et le Mésozoïque vol 20. Laboratoire de géologie sédimentaire et paléontologie, Thèse de doctorat, Université Paul Sabatier, 513p.

Conforti, M., Pascale, S., Robustelli, G., Sdao, F. 2014. Evaluation of prediction capability of the artificial neural networks for mapping landslide susceptibility in the Turbolo River catchment (northern Calabria, Italy). Catena 113:236-250.

Corominas, J., Van Westen, C., Frattini, P., Cascini, L., Malet, J. P., Fotopoulou, S., Catani, F., Van DenEeckhaut, M., Mavrouli, O., Agliardi, F., Pitilakis, K., Winter, M.G., Pastor, M., Ferlisi, S., Tofani, V., Herva´s, J., Smith, J.T. 2014. Recommendations for the quantitative analysis of landslide risk. Bulletin of Engineering Geology and the Environment 73, 209–263.

Cruden, D.M, Varnes, D.J. 1996. Landslide Types and Processes, Special Report, Transportation Research Board, National Academy of Sciences, 247: 36-75.

MTA Dergisi (2019) 160: 197-211

210

Cui, K., Lu, D., Li, W. 2016. Comparison of landslide susceptibility mapping based on statistical index, certainty factors, weights of evidence and evidential belief function models. Geocarto International:1-21.

Dahoua, L., Yakovitch, S., Hadji, R. 2017.GIS-based technic for roadside-slope stability assessment: an bivariate approach for A1 East-West highway, North Algeria. Mining Science 24.

Djerbal, L., Khoudi, I., Alimrina, N., Melbouci, B., Bahar, R. 2017 Assessment and mapping of earthquake-induced landslides in Tigzirt City, Algeria. Natural Hazards:1-21.

Djerbal, L., Melbouci, B. 2013. Contribution to the mapping of the landslide of Aïn El Hammam (Algeria). In: Advanced Materials Research,. Trans Tech Publ, pp 332-336.

Ercanoğlu, M., Kasmer, O., Temiz, N. 2008. Adaptation and comparison of expert opinion to analytical hierarchy process for landslide susceptibility mapping. Bulletin of Engineering Geology and the Environment 67:565-578.

Fell, R., Corominas, J., Bonnard, C., Cascini, L., Leroi, E., Savage, WZ. 2008 .Guidelines for landslide susceptibility, hazard and risk zoning for land use planning. Engineering Geology 102:85-98.

Fenet, B. 1975. Recherches sur l’alpinisation de la bordure septentrionale du Bouclier africain à partir de l’étude d’un élément de l’orogène nord-maghrébin : les monts du Djebel Tessala et les massifs du littoral oranais, Thèse de doctorat, Université de Nice, 310p.

Ghosh, K., Bandyopadhyay, S., De, S.K. 2017. A Comparative Evaluation of Weight-Rating and Analytical Hierarchical (AHP) for Landslide Susceptibility Mapping in Dhalai District, Tripura. In: Environment and Earth Observation. Springer, pp 175-193.

Gomes, A., Gaspar, J., Goulart, C., Queiroz, G. 2005. Evaluation of landslide susceptibility of Sete Cidades Volcano (S. Miguel Island, Azores). Natural Hazards and Earth System Science 5:251-257.

Gorsevski, P.V., Gessler, P.E., Boll, J., Elliot, W.J., Foltz, R.B. 2006a. Spatially and temporally distributed modeling of landslide susceptibility. Geomorphology 80:178-198.

Gorsevski, P.V., Gessler, P.E., Foltz, R.B., Elliot, W.J. 2006b. Spatial prediction of landslide hazard using logistic regression and ROC analysis. Transactions in GIS 10:395-415.

Gorsevski, P.V., Jankowski, P., Gessler, P.E. 2006c. An heuristic approach for mapping landslide hazard by integrating fuzzy logic with analytic hierarchy process. Control and Cybernetics 35:121-146.

Gourinard, Y. 1952a. Carte géologique détaillée de l’Algérie. Feuille Arzew (127) 2ème idition, Serv. Carte Géol. Alger, Algérie.

Gourinard, Y. 1952b. Carte géologique détaillée de l’Algérie. Feuille Oran (159) 2ème idition, Serv. Carte Géol, Alger, Algérie.

Guemache, M.A., Chatelain, J.L., Machane, D., Benahmed, S., Djadia, L. 2011. Failure of landslide stabilization measures: the Sidi Rached viaduct case (Constantine, Algeria). Journal of African Earth Sciences 59:349-358.

Guzzetti, F., Reichenbach, P., Cardinali, M., Galli, M., Ardizzone, F. 2005. Landslide hazard assessment in the Staffora basin, northern Italian Apennines. Geomorphology 72:272-299.

Hadji, R., Boumazbeur, A., Limani, Y., Baghem, M., el Madjid Chouabi, A., Demdoum, A. 2013. Geologic, topographic and climatic controls in landslide hazard assessment using GIS modeling: a case study of Souk Ahras region, NE Algeria. Quaternary International 302:224-237.

Hadji, R., Limani, Y., Demdoum, A. 2014. Using multivariate approach and GIS applications to predict slope instability hazard case study of Machrouha municipality, NE Algeria. In: Information and Communication Technologies for Disaster Management (ICT-DM), 1st International Conference on, 2014. IEEE, pp 1-10.

Hadji, R., Rais, K., Gadri, L., Chouabi, A., Hamed, Y. 2017. Slope failure characteristics and slope movement susceptibility assessment using GIS in a medium scale: a case study from Ouled Driss and Machroha municipalities, Northeast Algeria. Arabian Journal for Science and Engineering 42:281-300.

Intarawichian, N., Dasananda, S. 2010. Analytical Hierarchy Process For Landslide Susceptibility Mapping In Lower Mae Chaem Watershed, Northern Thailand. Suranaree Journal of Science & Technology 17.

Lee, S., Talib, J.A. 2005. Probabilistic landslide susceptibility and factor effect analysis Environmental geology 47:982-990

Mahdadi, F., Boumezbeur, A., Hadji, R., Kanungo, D.P., Zahri, F. 2018. GIS-based landslide susceptibility assessment using statistical models: a case study from Souk Ahras province, NE Algeria. Arabian Journal of Geosciences 11:476

211

MTA Dergisi (2019) 160: 197-211

Özdemir, A., Altural, T. 2013. A comparative study of frequency ratio, weights of evidence and logistic regression methods for landslide susceptibility mapping: Sultan Mountains, SW Turkey. Journal of Asian Earth Sciences 64:180-197.

Peng, L., Niu, R., Huang, B., Wu, X., Zhao, Y., Ye, R. 2014. Landslide susceptibility mapping based on rough set theory and support vector machines: A case of the Three Gorges area, China. Geomorphology 204:287-301.

Perrodon, A. 1957. Etude géologique des bassins néogènes sublittoraux de l’Algérie occidentale. Thèse de doctorat, Université d’ Oran, 301p.

Pourghasemi, H., Moradi, H., Aghda, S.F. 2013. Landslide susceptibility mapping by binary logistic regression, analytical hierarchy process, and statistical index models and assessment of their performances. Natural Hazards 69:749-779.

Pradhan, B. 2011. Manifestation of an advanced fuzzy logic model coupled with Geo-information techniques to landslide susceptibility mapping and their comparison with logistic regression modeling. Environmental and Ecological Statistics 18:471-493.

Pradhan, B., Jebur, M.N., Abdullahi, S. 2017. Spatial Prediction of Landslides Along Jalan Kota in Bandar Seri Begawan (Brunei) Using Airborne LiDAR Data and Support Vector Machine. Laser Scanning Applications in Landslide Assessment. Springer, pp 167-178.

Raja, NB., Çiçek, I., Türkoğlu, N., Aydın, O., Kawasaki, A. 2017. Landslide susceptibility mapping of the Sera River Basin using logistic regression model. Natural Hazards 85:1323-1346.

Regmi, N.R., Giardino, J.R., Vitek, J.D. 2010. Modeling susceptibility to landslides using the weight of evidence approach: Western Colorado, USA. Geomorphology 115:172-187.

Sezer, E.A., Pradhan, B., Gökçeoğlu, C. 2011. Manifestation of an adaptive neuro-fuzzy model on landslide susceptibility mapping: Klang valley. Malaysia Expert Systems with Applications 38:8208-8219.

Süzen, M., Doyuran, V. 2004. A comparison of the GIS based landslide susceptibility assessment methods: multivariate versus bivariate. Environmental geology 45:665-679.

Thiery, Y. 2007. Susceptibilité du Bassin de Barcelonnette (Alpes du Sud, France) aux’mouvements de versant’: cartographie morphodynamique, analyse spatiale et modélisation probabiliste. Thèse de doctorat, Université de Caen, 445p.

Thomas, G. 1985. Géodynamique d’un bassin intramontagneux Le bassin du Bas Chélif occidental (Algérie) durant le Mio-Plio-Quaternaire. Thèse de doctorat, Université de Pau, 594p.

Van Westen, C. J. 1993. Application of geographic information systems to landslide hazard zonation. ITC Publication, Vol.15. International Institute for Aerospace Survey and Earth Sciences, Enschede 245pp.

Yalçın, A., Reis, S., Aydınoğlu, A., Yomralıoğlu, T. 2011. A GIS-based comparative study of frequency ratio, analytical hierarchy process, bivariate statistics and logistics regression methods for landslide susceptibility mapping in Trabzon, NE Turkey. Catena 85:274-287.

Yeşilnacar, 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.

Yılmaz, I. 2009. A case study from Koyulhisar (Sivas-Turkey) for landslide susceptibility mapping by artificial neural networks Bulletin of Engineering Geology and the Environment 68:297-306.

Yılmaz, I. 2010. Comparison of landslide susceptibility mapping methodologies for Koyulhisar, Turkey: conditional probability, logistic regression, artificial neural networks, and support vector machine. Environmental Earth Sciences 61:821-836.

Yin, K., Yan, T. 1988. Statistical prediction model for slope instability of metamorphosed rocks. In: Proceedings of the 5th International Symposium on Landslides. sl]:[sn], pp 1269-1272.

Youssef, A.M., Al-Kathery, M., Pradhan, B. 2015. Landslide susceptibility mapping at Al-Hasher area, Jizan (Saudi Arabia) using GIS-based frequency ratio and index of entropy models. Geosciences Journal 19:113-134.