Bilgilioğlu, Süleyman SefaÇetin, İbrahim2025-01-222025-01-2220242024-09-16https://hdl.handle.net/20.500.12451/12784Konya Kapalı Havzası (KKH), litolojik olarak kolay eriyebilen kayaların yoğunlaştığı karstik bir topoğrafyaya sahiptir. Obruklar gibi karstlaşma ürünleri ise bu bölgede görülen en sık karstlaşma ürünleridir. KKH'da obruklar tarım alanları başta olmak üzere enerji hatları ile karayolu gibi altyapılar ve yerleşim yerlerini tehdit etmektedir. Obrukların meydana getirdiği zararlı etkileri azaltmak için bu fenomenleri kontrol eden faktörlerin nerelerde oluşabileceğini bilmek gerekir. Bu tez çalışması ile obrukların hangi koşullar altında tekrar ettiği ve mekânsal olarak nerelerde olabileceği sorusuna, obruk duyarlılık haritası ile cevap aranmaktadır. Çalışma kapsamında, ortofotolar, saha çalışmaları, uydu görüntüleri ve AFAD il Müdürlüklerinden temin edilen veriler kullanılarak elde edilen 628 obruk envanteri ile bir veri tabanı oluşturulmuştur. Obruk araştırmalarında literatürde sık kullanılan 20 koşullandırma faktörü ve Rastgele Orman (RF), Hafif Gradyan Artırma (LightGBM), Aşırı Gradyan Artırma (XGBoost), Uyumlandırılmış Gradyan Artırma (AdaBoost) ve Kategorik Artırma (CatBoost) olmak üzere 5 adet topluluk makine öğrenme (MÖ) modelleri duyarlılık haritalarını üretmek için kullanılmıştır. Bu kapsamda tüm MÖ modelleri için % 95 ve üzeri tahmin performansı elde edilmiş olup en yüksek doğruluk skoru ise rastgele orman algoritması (% 97,35) olmuştur. Faktör önem oranlarını belirlemek için açıklanabilir yapay zekâ yaklaşımı olan SHAP kullanılmıştır. Buna göre RF modeli için en çok katkı veren faktörler; yeraltı su seviyesi değişim hızı, volkanik formlara yakınlık, kuyu yoğunluğu ve yükseklik olarak belirlenmiştir. Üretilen obruk duyarlılık haritasına havza topraklarının yaklaşık % 39'unun yüksek ve çok yüksek derece duyarlı alanlarda kaldığını göstermektedir. Bu çalışma ile üretilen havza bazında obruk duyarlılık haritası literatürde önemli bir açığı kapatarak havzada planlama faaliyetlerine altlık bir harita oluşturulduğu düşünülmektedir.Konya Closed Basin (KKH) has a karst topography where lithologically easily soluble rocks are concentrated. Karstification products such as sinkholes are the most common karstification products seen in this region. In KKH, sinkholes threaten agricultural areas, infrastructures such as energy lines and highways and settlements. In order to reduce the harmful effects of sinkholes, it is necessary to know where the factors controlling these phenomena can occur. In this thesis, the question of under which conditions sinkholes recur and where they may occur spatially is sought to be answered with a sinkhole susceptibility map. Within the scope of the study, a database was created with 628 sinkhole inventory obtained by using orthophotos, field studies, satellite images and data obtained from AFAD Provincial Directorates. The 20 conditioning factors commonly used in the literature and 5 ensemble machine learning (ML) models, namely Random Forest (RF), Light Gradient Boost (LightGBM), Extreme Gradient Boost (XGBoost), Adaptive Gradient Boost (AdaBoost) and Categorical Boost (CatBoost), were used to produce susceptibility maps. In this context, prediction performance of 95% and above was obtained for all ML models and the highest accuracy score was the random forest algorithm (97.35%). SHAP, which is an explainable artificial intelligence approach, was used to determine factor importance ratios. Accordingly, the most contributing factors for the RF model were determined as the rate of change in groundwater level, proximity to volcanic forms, well density and elevation. The produced sinkhole susceptibility map shows that approximately 39 per cent of the basin soils are located in highly and very highly susceptible areas. It is thought that the basin-based sinkhole susceptibility map produced by this study fills an important gap in the literature and provides a base map for planning activities in the basin.trinfo:eu-repo/semantics/openAccessCBSKonya Kapalı HavzasıMakine ÖğrenmesiObruk Duyarlılık HaritasıGISKonya Closed BasinMachine LearningSinkhole Susceptibility MapMaster Thesis