Dünya genelinde taşkın olaylarının sayısı her yıl artmaktadır. Bu durum, etkin taşkın yönetim planlarının hazırlanmasını ve uygulanmasını zorunlu kılmaktadır. Taşkın duyarlılık haritaları, onların oluşturulmasında kritik bir araçlardır. Bu çalışma, geçmişte taşkınlardan önemli ölçüde etkilenmiş olan Kayseri ili için en güvenilir taşkın duyarlılık haritasının üretilmesini amaçlamıştır. Bu doğrultuda öncelikle çalışma alanının taşkın envanteri haritası ve 24 farklı faktöre ilişkin tematik haritaları hazırlanmıştır. Ardından, özellik seçim algoritması kullanılarak farklı girdi modelleri tasarlanmış ve lojistik regresyon (LR) yöntemiyle taşkın duyarlılık haritaları elde edilmiştir. Bu haritalar genel doğruluk (OA), alıcı işletim karakteristiği (ROC) eğrisi ve eğri altında kalan alan (AUC) ölçütleriyle karşılaştırılmıştır. Bu ölçütlerden %74 OA, 0,8507 eğitim AUC ve 0,8233 test AUC değerleri, en yüksek performansın F-M-14-LR haritasının sergilediğini ortaya koymuştur. Literatürde çoğu çalışmada tüm faktörlerin birlikte kullanıldığı göz önüne alındığında, bu araştırmada yalnızca en etkili on dört faktörün belirlenmesi ve kullanılması, doğruluğu artırmış ve veri boyutunu önemli ölçüde azaltmıştır. Bu çalışmanın, taşkına eğilimli bölgelerde erken taşkın uyarı sistemlerinin geliştirilmesine katkı sunması ve arazi kullanım planlamasında karar vericilere yol göstermesi beklenmektedir.
The number of flood events worldwide has increased every year. This situation necessitates the preparation and implementation of effective flood management plans. Flood susceptibility maps are critical tools for their creation. This study aimed to produce the most reliable flood susceptibility map for Kayseri province, which has been significantly affected by floods in the past. To this end, a flood inventory map and thematic maps for 24 different factors were prepared for the study area. Then, different input models were designed using a feature selection algorithm, and flood susceptibility maps were obtained using logistic regression (LR) method. These maps were compared with overall accuracy (OA), receiver operating characteristic (ROC) curve, and area under the curve (AUC) metrics. From these metrics, 74% OA, 0.8507 training AUC and 0.8233 test AUC values revealed that the F-M-14-LR map exhibited the highest performance. Considering that most studies in the literature use all factors together, identifying and using only the fourteen most influential factors in this study increased accuracy and dramatically reduced data size. This study is expected to contribute to the development of early flood warning systems in flood prone areas and guide decision-makers in land use planning.
