Deprem Risk Haritası Nasıl Oluşturulur? CBS ile Sismik Zonlama

Türkiye, dünyanın en aktif sismik kuşaklarından biri üzerinde yer almaktadır. 1999 Marmara, 2011 Van ve 2023 Kahramanmaraş depremleri binlerce can kaybına ve milyarlarca dolarlık ekonomik zarara yol açmıştır. Deprem risk haritaları, hangi bölgelerin ne ölçüde tehlike altında olduğunu sistematik biçimde ortaya koyarak kentsel planlama, bina güçlendirme önceliği belirleme ve tahliye koridoru tasarımı için kritik bir araç sunar. Bu rehberde CBS ile adım adım deprem risk haritası nasıl oluşturulur, hangi veri katmanları kullanılır ve QGIS + Python'da nasıl analiz yapılır soruları yanıtlanmaktadır.

Deprem Riski = Tehlike × Maruziyet × Kırılganlık

Risk analizi üç bileşenin çarpımıdır:

• Tehlike (Hazard): Belirli büyüklükte deprem üretme olasılığı — fay hattı konumu, tarihsel deprem kaydı, zemin büyütme etkisi.
• Maruziyet (Exposure): Risk bölgesinde bulunan insan, bina ve altyapı miktarı — nüfus yoğunluğu, bina envanteri.
• Kırılganlık (Vulnerability): Bina yapım yılı, taşıyıcı sistem türü, zemin-yapı etkileşimi — eski yapı stoğu, yüksek kat sayısı.

1. Fay Hattı Tampon Bölgesi Analizi

Aktif fay hatlarına yakınlık, deprem tehlikesinin temel göstergelerinden biridir. MTA'nın Türkiye Diri Fay Haritası, şekil dosyası (shapefile) olarak indirilebilir. Fay hatlarından mesafe bantları oluşturmak için QGIS'te Vektör → Jeometriye Göre Araçlar → Tampon veya Python'da:

import geopandas as gpd # Fay hatlarını yükle (UTM Zone 36N — metrik) faylar = gpd.read_file("turkiye_diri_faylar.shp").to_crs("EPSG:32636") # Mesafe bantları (0-5 km, 5-15 km, 15-30 km) tampon_5km = faylar.buffer(5000) tampon_15km = faylar.buffer(15000) tampon_30km = faylar.buffer(30000) # Risk skoru atama (1=düşük, 5=çok yüksek) risk_5km = gpd.GeoDataFrame(geometry=tampon_5km, crs="EPSG:32636"); risk_5km["skor"] = 5 risk_15km = gpd.GeoDataFrame(geometry=tampon_15km.difference(tampon_5km), crs="EPSG:32636"); risk_15km["skor"] = 4 risk_30km = gpd.GeoDataFrame(geometry=tampon_30km.difference(tampon_15km), crs="EPSG:32636"); risk_30km["skor"] = 3

2. Tarihsel Deprem Verisi ile Yoğunluk Analizi

USGS veya AFAD'dan indirilen tarihsel deprem katalogları (CSV formatında) nokta verisi olarak işlenip Kernel Density Estimation ile yoğunluk rasterine dönüştürülür. Büyüklüğe göre ağırlıklandırılmış KDE, geçmişte en çok deprem üreten bölgeleri ortaya çıkarır:

import pandas as pd import geopandas as gpd from shapely.geometry import Point # USGS CSV: time, latitude, longitude, depth, mag df = pd.read_csv("turkiye_depremler_1900_2026.csv") df = df[df["mag"] >= 4.0] # M4+ depremler geometriler = [Point(x, y) for x, y in zip(df["longitude"], df["latitude"])] depremler = gpd.GeoDataFrame(df, geometry=geometriler, crs="EPSG:4326") depremler = depremler.to_crs("EPSG:32636") # Ağırlık olarak büyüklük değerini kullan # QGIS Heatmap eklentisine veya scipy.stats.gaussian_kde'ye aktar depremler[["geometry", "mag"]].to_file("depremler_agirlikli.shp")

3. Zemin Sıvılaşması Riski

Zemin sıvılaşması, gevşek ve suya doygun kumlu zeminlerde deprem titreşimiyle zeminin taşıma gücünü anlık olarak yitirmesidir. 1999 Adapazarı depreminde bu etki büyük hasara neden olmuştur. CBS'te sıvılaşma duyarlılığı haritası için gerekli katmanlar:

• Zemin türü (litoloji): MTA jeoloji haritaları — alüvyon, kum, çakıl içerikli zeminler yüksek risk
• Yer altı su seviyesi: DSİ gözlem kuyusu verileri — su tablası yüzeye yakın = yüksek risk
• Topografik eğim: DEM'den türetilen eğim rasterı — düz ovalık alanlar (%0–3) kritik
• Zemin büyütme faktörü (Vs30): Kayma dalgası hızı — düşük Vs30 = büyük deprem büyütmesi

4. Ağırlıklı Çakışma (Weighted Overlay) ile Risk Skoru

Her katmanı 1–5 arasında sınıflandırıp ağırlıklarıyla çarparak toplam risk skoru hesaplanır. QGIS Raster Hesaplayıcı veya Python ile:

import numpy as np import rasterio with rasterio.open("fay_mesafe_sinif.tif") as f: fay = f.read(1).astype(float) with rasterio.open("deprem_yogunluk_sinif.tif") as d: dep = d.read(1).astype(float) with rasterio.open("zemin_sinif.tif") as z: zemin = z.read(1).astype(float) with rasterio.open("nufus_yogunluk_sinif.tif") as n: nufus = n.read(1).astype(float) # Ağırlıklar (toplamı 1 olmalı) risk = (fay * 0.35) + (dep * 0.25) + (zemin * 0.25) + (nufus * 0.15) # Kaydet profile = f.profile profile.update(dtype=rasterio.float32, count=1) with rasterio.open("deprem_risk_toplam.tif", "w", **profile) as dst: dst.write(risk.astype(np.float32), 1)

5. Risk Haritasını Görselleştirme

Elde edilen toplam risk rasteri 5 sınıfa bölünür (çok düşük → çok yüksek) ve renk skalasıyla haritalanır. QGIS'te katman sembolojisinden "Graduated" seçilerek her sınıfa farklı renk atanır. Python'da:

import matplotlib.pyplot as plt import matplotlib.colors as mcolors import rasterio from rasterio.plot import show cmap = mcolors.LinearSegmentedColormap.from_list( "deprem_risk", ["#2dc653", "#f6d860", "#f4a261", "#e63946", "#6d023c"] ) fig, ax = plt.subplots(figsize=(14, 9)) with rasterio.open("deprem_risk_toplam.tif") as src: show(src, ax=ax, cmap=cmap, vmin=1, vmax=5) ax.set_title("Türkiye Deprem Risk Haritası", fontsize=14, fontweight="bold") plt.colorbar(ax.images[0], ax=ax, label="Risk Skoru (1=Düşük, 5=Çok Yüksek)") plt.savefig("deprem_risk_haritasi.png", dpi=150, bbox_inches="tight")

Katmanlar ve Ağırlıklar Özet Tablosu

Katman	Veri Kaynağı	Ağırlık
Fay hattı mesafesi	MTA Diri Fay Haritası	%35
Tarihsel deprem yoğunluğu	USGS / AFAD Katalog	%25
Zemin türü / sıvılaşma	MTA Jeoloji Haritası	%25
Nüfus yoğunluğu	TÜİK / WorldPop	%15

Kaynaklar

• AFAD. (2018). Türkiye Deprem Tehlike Haritası. Ankara.
• MTA. (2012). Türkiye Diri Fay Haritası (1:250.000 ölçekli).
• USGS Earthquake Catalog. earthquake.usgs.gov
• Yılmaz, M. ve ark. (2021). CBS tabanlı çok kriterli deprem risk değerlendirmesi. Jeoloji Mühendisliği Dergisi, 45(2), 112–131.