🌍 Doğal Afet & CBS

Deprem Risk Haritası Nasıl Oluşturulur? CBS ile Sismik Risk Zonlama

📅 Güncellendi: 5 Temmuz 2026 ⏱️ 24 dk okuma 🌍 Doğal Afet & CBS

Türkiye, dünyanın en aktif sismik kuşaklarından biri üzerinde yer alır. 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 karar destek aracı sunar. Bu rehber, tehlike-maruziyet-kırılganlık modelinden AHP ağırlıklandırmasına, QGIS adımlarından uçtan uca Python iş akışına kadar CBS tabanlı deprem risk haritalamasını kapsamlı biçimde ele alır.

1. Deprem Riski Nedir? Tehlike × Maruziyet × Kırılganlık

Afet yönetimi literatüründe kabul gören temel formülasyona göre risk, üç bileşenin etkileşiminden oluşur:

  • Tehlike (Hazard): Belirli büyüklükte bir depremin belirli bir sürede meydana gelme olasılığı — fay hattı konumu, tarihsel deprem kaydı, zemin büyütme etkisi.
  • Maruziyet (Exposure): Risk bölgesinde bulunan insan, bina ve altyapı miktarı — nüfus yoğunluğu, bina envanteri, kritik tesisler (hastane, okul).
  • Kırılganlık (Vulnerability): Maruz kalan unsurların hasar görme eğilimi — bina yapım yılı, taşıyıcı sistem türü, zemin-yapı etkileşimi, sosyoekonomik kapasite.
Tehlike Fay, PGA, zemin × Maruziyet Nüfus, bina say. × Kırılganlık Yapı yaşı, türü = RİSK
Şekil 1. Deprem riski üç bağımsız bileşenin çarpımıdır — yüksek tehlike, düşük maruziyet/kırılganlıkla dengelendiğinde toplam risk azalabilir.

🔷 Tehlike Haritası

  • Yalnızca doğal olayın kendisini modeller
  • PGA, spektral ivme, olasılık eşiği
  • İnsan/yapı unsuru içermez
  • Örnek: AFAD Türkiye Deprem Tehlike Haritası

🟩 Risk Haritası

  • Tehlike + maruziyet + kırılganlık birleşimi
  • Potansiyel can/mal kaybını tahmin eder
  • Kentsel dönüşüm önceliklendirmede kullanılır
  • Bu yazının konusu budur

2. Sismik Tehlike Kavramları: Büyüklük, Şiddet, PGA

Risk modeline geçmeden önce, veri katmanlarında sürekli karşılaşacağınız temel kavramları netleştirmek gerekir:

  • Büyüklük (Magnitude): Moment magnitüd (Mw) ölçeğiyle ifade edilen, depremin kaynağında açığa çıkan enerjiyi gösteren tek bir sayı — konumdan bağımsızdır.
  • Şiddet (Intensity): Değiştirilmiş Mercalli Ölçeği (MMI) gibi ölçeklerle, belirli bir yerde hissedilen sarsıntı ve hasarın gözlemsel derecesini ifade eder — konuma bağlıdır, aynı deprem farklı yerlerde farklı şiddette hissedilir.
  • PGA (Peak Ground Acceleration — Tepe Yer İvmesi): Deprem sırasında zeminin yaşadığı maksimum ivme; genellikle yerçekimi ivmesinin (g) bir oranı olarak ifade edilir ve bina tasarım yönetmeliklerinin temel girdisidir.
  • Tekrarlanma periyodu: Belirli bir PGA seviyesinin ortalama kaç yılda bir aşıldığını ifade eder (örn. "475 yılda bir aşılma olasılığı %10" — bina yönetmeliklerinde standart tasarım kriteridir).

Neden önemli? AFAD'ın Türkiye Deprem Tehlike Haritası, doğrudan PGA değerlerini bir raster olarak sunar; bu rasteri risk modelinize bir "tehlike" katmanı olarak entegre edebilirsiniz — fay mesafesi ve tarihsel yoğunluk analizleri (Bölüm 4-5), PGA verisi bulunmadığında kullanılan dolaylı (proxy) göstergelerdir.

3. Veri Kaynakları: Türkiye ve Küresel

VeriKaynakFormat
Deprem Tehlike Haritası (PGA)AFADRaster / WMS
Diri Fay HaritasıMTAShapefile
Tarihsel deprem kataloglarıAFAD, Kandilli (KOERI), USGSCSV / API
Jeoloji / zemin türüMTAShapefile / Raster
Sayısal Yükseklik Modeli (DEM)Copernicus DEM (30 m), SRTMGeoTIFF
Nüfus yoğunluğuTÜİK, WorldPop, Meta HRSLRaster / tablo
Bina envanteriBelediye imar verisi, OSM binalarıVektör
ShakeMap / sarsıntı şiddetiUSGS ShakeMapRaster

4. Fay Hattı Tampon (Buffer) Analizi

Aktif fay hatlarına yakınlık, deprem tehlikesinin temel dolaylı göstergelerinden biridir. MTA'nın Türkiye Diri Fay Haritası shapefile olarak indirilebilir. Fay hatlarından mesafe bantları oluşturmak için QGIS'te:

Vektör → Geoprocessing Araçları → Tampon (Buffer)…
Girdi katmanı: turkiye_diri_faylar.shp
Mesafe: 5000 / 15000 / 30000 (metre, UTM projeksiyonunda)
→ Çalıştır — her mesafe için ayrı katman oluşturun
Aktif Fay Hattı 0-5 km: Çok Yüksek 5-15 km: Yüksek 15-30 km: Orta
Şekil 2. Fay hattından mesafeye göre azalan risk skoru — tampon bölgeleri (buffer zones) mesafe bantlarını risk sınıflarına dönüştürür.
import geopandas as gpd # Fay hatlarını yükle (UTM Zone 36N — metrik hesaplama için) 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

5. Tarihsel Deprem Yoğunluğu (KDE)

USGS veya AFAD'dan indirilen tarihsel deprem katalogları (CSV formatında) nokta verisi olarak işlenip Kernel Density Estimation (KDE) ile yoğunluk rasterine dönüştürülür. Büyüklüğe göre ağırlıklandırılmış KDE, geçmişte en çok deprem üreten bölgeleri ortaya çıkarır — KDE'nin matematiksel temeli ve bant genişliği seçimi için Yoğunluk Analizi (KDE) yazımıza bakabilirsiniz.

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 veya scipy.stats.gaussian_kde) depremler[["geometry", "mag"]].to_file("depremler_agirlikli.shp")

6. Zemin Sıvılaşması Duyarlılığı

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

  • Zemin türü (litoloji): MTA jeoloji haritaları — alüvyon, kum, çakıl içerikli zeminler yüksek risk taşır.
  • Yer altı su seviyesi: DSİ gözlem kuyusu verileri — su tablası yüzeye yakınsa risk artar.
  • Topografik eğim: DEM'den türetilen eğim rasterı — düz ovalık alanlar (%0–3) kritik kabul edilir.
  • Standart Penetrasyon Testi (SPT-N): Zeminin sıkılık/gevşeklik derecesini ölçen saha testi; düşük SPT-N değerleri (<15) yüksek sıvılaşma potansiyeline işaret eder (Youd & Idriss, 2001).

7. Zemin Büyütmesi ve Vs30

Zemin büyütmesi (site amplification), sismik dalgaların yumuşak zemin tabakalarından geçerken genliğinin artması olgusudur — aynı deprem, kayalık zeminde hafif hissedilirken yumuşak alüvyon üzerinde çok daha şiddetli hissedilebilir. Bu etki, Vs30 parametresiyle (yüzeyden 30 metre derinliğe kadar ortalama kayma dalgası hızı, m/s) nicelleştirilir:

Zemin Sınıfı (NEHRP)Vs30 (m/s)Büyütme Eğilimi
A — Sert Kaya>1500Çok Düşük
B — Kaya760–1500Düşük
C — Çok Sıkı Zemin / Yumuşak Kaya360–760Orta
D — Sıkı Zemin180–360Yüksek
E — Yumuşak Zemin<180Çok Yüksek

Türkiye için Vs30 rasterları USGS'in küresel Vs30 modelinden veya yerel mikrobölgeleme çalışmalarından temin edilebilir; bu katman, risk modelinde fay mesafesi ve zemin türü katmanlarını tamamlayan bağımsız bir girdi olarak kullanılmalıdır.

8. Maruziyet: Nüfus ve Bina Envanteri

Tehlike ne kadar yüksek olursa olsun, kimse yaşamıyorsa risk sıfıra yakındır. Maruziyet katmanları:

  • Nüfus yoğunluğu: TÜİK mahalle/ilçe nüfus verisi veya WorldPop/Meta HRSL gibi 100 m çözünürlüklü küresel nüfus rasterları.
  • Bina envanteri: Belediye imar/yapı ruhsatı verileri veya OSM bina ayak izleri (footprint); bina sayısı ve kat adedi maruziyetin hacmini belirler.
  • Kritik altyapı: Hastane, okul, itfaiye, enerji santrali gibi deprem sonrası müdahale kapasitesini etkileyen tesisler ayrı bir ağırlıkla değerlendirilmelidir.

9. Kırılganlık İndeksi: Bina Yaşı ve Yapı Türü

Aynı şiddette sarsıntıda, 1999 öncesi yönetmeliğe göre inşa edilmiş yığma/betonarme bir bina ile 2018 sonrası Türkiye Bina Deprem Yönetmeliği'ne uygun güçlendirilmiş bir bina çok farklı hasar görür. Kırılganlık indeksi tipik olarak şu değişkenleri birleştirir:

  • Yapım yılı: 1999 öncesi / 1999–2007 / 2007–2018 / 2018 sonrası dönemler farklı yönetmelik rejimlerini temsil eder.
  • Taşıyıcı sistem türü: Yığma, betonarme çerçeve, perde duvarlı betonarme, çelik.
  • Kat sayısı: Orta katlı (4–7 kat) betonarme binalar, yumuşak kat düzensizliği gibi nedenlerle özellikle kırılgan olabilir.
  • Zemin-yapı etkileşimi: Yapının doğal titreşim periyodunun zemin periyoduna yakınlığı (rezonans riski).

Veri kısıtı: Bina bazlı kırılganlık verisi Türkiye'de genellikle belediye düzeyinde ve sınırlı olarak mevcuttur; akademik çalışmalarda çoğunlukla saha anketi (hızlı değerlendirme formları) veya uydu görüntüsünden yapı yoğunluğu çıkarımı ile dolaylı olarak tahmin edilir. Bu veri kısıtını metodoloji bölümünde açıkça belirtin.

10. Çok Kriterli Ağırlıklandırma: AHP Yöntemi

Fay mesafesi, deprem yoğunluğu, zemin türü ve nüfus katmanlarını birleştirirken her birine ne kadar ağırlık verileceği keyfi bir karar olmamalıdır. Saaty'nin (1980) geliştirdiği Analitik Hiyerarşi Süreci (AHP), uzman görüşlerini sistematik bir çerçeveye oturtur:

  1. Kriterler ikili karşılaştırma matrisinde birbirine göre 1–9 skalasında puanlanır (örn. "fay mesafesi, zemin türüne göre ne kadar daha önemli?").
  2. Matrisin özvektöründen (eigenvector) her kriter için göreli ağırlık türetilir.
  3. Tutarlılık Oranı (Consistency Ratio — CR) hesaplanır; CR < 0.10 ise karşılaştırmalar tutarlı kabul edilir, aksi halde puanlamalar gözden geçirilmelidir.
Örnek AHP çıktısı (bu yazıda kullanılan ağırlıklarla tutarlı):
KriterAHP Ağırlığı
Fay hattı mesafesi0.35
Tarihsel deprem yoğunluğu0.25
Zemin türü / sıvılaşma0.25
Nüfus yoğunluğu0.15

Neden önemli? AHP kullanmak, ağırlıkların nasıl belirlendiğini şeffaf ve tekrarlanabilir kılar — akademik yayınlarda "ağırlıklar sezgisel olarak atandı" ifadesi yerine CR değeriyle birlikte raporlanan bir AHP süreci, metodolojik güvenilirliği belirgin şekilde artırır.

11. QGIS'te Adım Adım Uygulama

1) Katmanları Aynı CRS ve Çözünürlüğe Getirme

Raster → Hizalama (Align Rasters)…
Referans katman: DEM (30 m) → Tüm katmanları bu ızgaraya yeniden örnekleyin

2) Her Katmanı 1–5 Sınıfına Ayırma (Reclassify)

Raster → Raster Hesap Makinesi (veya Processing → Reclassify by Table)
Her katman için eşik değerlerine göre 1 (çok düşük) – 5 (çok yüksek) sınıfları atayın

3) Ağırlıklı Toplama (Weighted Overlay)

Raster → Raster Hesap Makinesi…
İfade: ("fay@1" * 0.35) + ("deprem_yogunluk@1" * 0.25) + ("zemin@1" * 0.25) + ("nufus@1" * 0.15)
→ Çıktı: deprem_risk_toplam.tif

4) Semboloji ve Sınıflandırma

Katman Özellikleri → Semboloji → Dereceli (Graduated)
Sınıflandırma yöntemi: Doğal Kırılım (Jenks) veya Eşit Aralık, 5 sınıf
Renk skalası: Yeşil (düşük) → Kırmızı (çok yüksek)

12. Python ile Uçtan Uca İş Akışı

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) # AHP ile türetilen 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)
Görselleştirme
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")

13. Doğrulama ve Model Değerlendirmesi

Bir risk haritası üretmek kolaydır; onun doğru olduğunu göstermek asıl zorluktur. Önerilen doğrulama adımları:

  • Geçmiş hasar verisiyle çapraz kontrol: AFAD'ın bina hasar tespit anketleri veya sigorta (DASK) hasar kayıtları, yüksek riskli olarak işaretlenen bölgelerle örtüşmelidir.
  • Duyarlılık analizi: AHP ağırlıklarını ±%10 değiştirip risk sınıflarının ne kadar değiştiğini test edin; sonuçlar ağırlık seçimine aşırı duyarlıysa yöntemin sağlamlığı tartışmalıdır.
  • Bağımsız uzman değerlendirmesi: Jeoloji/deprem mühendisliği uzmanlarının haritayı sahadan bildikleri bölgelerle karşılaştırarak yorumlaması.

Doğrulama: Oluşturulan risk haritasını geçmiş depremlerin hasar verileriyle (AFAD binasal hasar anketi) karşılaştırarak doğrulayın. Yüksek riskli bölgelerin gerçekten yüksek hasarlı alanlarla örtüşmesi modelin güvenilirliğini artırır.

14. Yaygın Hatalar ve Sınırlamalar

  • Derece cinsinden CRS'te mesafe/tampon hesaplamak: EPSG:4326'da buffer metre değil derece cinsinden yorumlanır; tüm mesafe hesaplarını UTM gibi metrik bir CRS'te yapın.
  • Ağırlıkları sezgisel/keyfi atamak: AHP gibi sistematik bir yöntem kullanmadan atanan ağırlıklar, sonuçların sorgulanmasına ve tekrarlanamamasına yol açar.
  • Bina/nüfus verisinin çözünürlük uyumsuzluğu: 100 m'lik nüfus rasterini 30 m'lik DEM ile doğrudan karşılaştırmak sahte hassasiyet yaratır; ortak bir çözünürlüğe yeniden örnekleyin.
  • Risk haritasını statik kabul etmek: Bina stoku, nüfus dağılımı ve hatta zemin koşulları (yer altı suyu) zamanla değişir; risk haritaları periyodik olarak güncellenmelidir.
  • Tehlike ile riski karıştırmak: Yalnızca PGA/fay mesafesi haritası üretip bunu "risk haritası" olarak sunmak, maruziyet ve kırılganlık bileşenlerini göz ardı eder (bkz. Bölüm 1).

Katmanlar ve AHP Ağırlıkları Özet Tablosu

KatmanVeri KaynağıAHP Ağırlığı
Fay hattı mesafesiMTA Diri Fay Haritası%35
Tarihsel deprem yoğunluğuUSGS / AFAD Katalog%25
Zemin türü / sıvılaşmaMTA Jeoloji Haritası%25
Nüfus yoğunluğuTÜİK / WorldPop%15

Deprem Risk Analizi Projenizde Profesyonel Destek

CBS tabanlı deprem risk haritalaması, kentsel dönüşüm öncelik analizi ve mekansal risk modelleme konularında uzman kadromuzdan destek alın.

Ücretsiz Danışmanlık Alın

Kaynaklar

  • AFAD. (2018). Türkiye Deprem Tehlike Haritası. Ankara.
  • MTA. (2012). Türkiye Diri Fay Haritası (1:250.000 ölçekli).
  • USGS Earthquake Catalog. earthquake.usgs.gov
  • Saaty, T. L. (1980). The Analytic Hierarchy Process. McGraw-Hill.
  • Youd, T. L., & Idriss, I. M. (2001). Liquefaction Resistance of Soils. Journal of Geotechnical and Geoenvironmental Engineering, 127(4), 297–313.
  • Yılmaz, M. ve ark. (2021). CBS tabanlı çok kriterli deprem risk değerlendirmesi. Jeoloji Mühendisliği Dergisi, 45(2), 112–131.
  • Bkz. ayrıca: Heyelan Duyarlılık Analizi ve Deprem Sonrası Hasar Tespiti yazılarımız.