Yapay Zeka Türkiye’nin Gizli Afet Haritasını Çıkardı: 1997'den Beri Yüzlerce Ölümcül Heyelan Dijital Radarda!

İstanbul Teknik Üniversitesi (İTÜ) bünyesinde geliştirilen yenilikçi bir yapay zeka ve web kazıma algoritması, Türkiye'nin dijital haber arşivlerini tarayarak geleneksel yöntemlerin gözden kaçırdığı 1727 heyelan olayını ve bu afetlerdeki 478 can kaybını neredeyse gerçek zamanlı olarak gün yüzüne çıkardı.

Doğa olaylarının yıkıcı etkileriyle mücadelede teknoloji çağının en güçlü araçları devreye giriyor. Geleneksel yöntemlerin aksine tamamen otomatik sistemlere dayanan yeni bir bilimsel araştırma, Türkiye’nin heyelan gerçekliğini yepyeni bir boyuta taşıyor. İnternet arşivlerinin ve yapay zeka algoritmalarının gücünü arkasına alan bu kapsamlı çalışma, milyonlarca veriyi süzerek ülkenin gizli heyelan haritasını gözler önüne seriyor.

Türkiye, jeolojik ve topoğrafik yapısı nedeniyle başta depremler olmak üzere heyelan, çığ ve su baskını gibi doğa kaynaklı afetlerle sık sık karşı karşıya kalıyor. Afet Epidemiyolojisi Araştırma Merkezi (CRED) verilerine göre, dünyadaki doğal afetlerin en az %17'sini heyelanlar oluşturuyor. Ancak bu ölümcül olayların sistematik şekilde kaydedilmesi ve envanterlerin güncel tutulması, geleneksel yöntemlerle yoğun emek ve zaman gerektirdiği için uzun yıllar boyunca büyük bir zorluk olarak kalmıştı. Bu hayati eksikliği gidermek için devreye yapay zeka ve dijital medyanın gücü girdi.

Türkiye Otomatik Heyelan Envanteri Çalışması Veri Tablosu

Dijital Medyanın Gizli Arşivleri Bilim İçin Derlendi

Geçmişten günümüze afet envanterleri hazırlanırken ağırlıklı olarak uzun ve zahmetli manuel arşiv taramalarına ya da arazi gözlemlerine başvuruluyordu. Ancak bu durum, verilerin güncellenmesinde ciddi gecikmelere yol açıyordu. Yeni geliştirilen akıllı sistem, milyonlarca web sayfasını tarayarak binlerce haberi anlık olarak süzgeçten geçiriyor.

Süreç sadece ham veri toplamakla kalmıyor; yapay zeka temelli anlamsal analiz katmanları sayesinde haberlerin gerçekten bir heyelan olayını temsil edip etmediği büyük bir titizlikle denetleniyor. Böylece magazinsel veya olay dışı metinler tamamen elenerek geriye sadece doğrulanmış bilimsel veriler kalıyor.

Dünya genelindeki yaklaşık 1,13 milyar internet sitesinin yalnızca %18'i aktif olarak güncellense de, bu dijital ekosistem afetlerin izlenmesi açısından devasa bir veri potansiyeli barındırıyor. İTÜ bünyesinde yürütülen çalışmada; ulusal ve yerel dijital medya kaynaklarını tarayan, doğal dil işleme (NLP), web kazıma (web scraping) ve coğrafi kodlama (geocoding) tekniklerini bir araya getiren otomatik bir heyelan envanteri yaklaşımı geliştirildi.

Geliştirilen akıllı algoritma, 1997-2024 yılları arasında yayınlanan 3051 haberi titizlikle inceledi. Yapılan analizler sonucunda 1727 haberin heyelan olayı olduğu kesin olarak doğrulandı. Yapay zekanın radarından kaçmayan veriler, bu olaylardan 212'sinin ölümcül olduğunu ve toplamda 478 kişinin hayatını kaybettiğini ortaya koydu.

Doğal Dil İşleme ve Coğrafi Kodlama ile Nokta Atışı Analiz

Araştırmanın en dikkat çekici yönlerinden biri, metin madenciliği ile coğrafi bilgi sistemlerinin kusursuz entegrasyonu. Haber metinlerinde geçen dağınık ve eksik konum bilgileri, geliştirilen kademeli adres çözümleme algoritmaları sayesinde taranıyor.

• Yüksek Mekansal Çözünürlük: Elde edilen heyelan olaylarının üçte ikisinden fazlası doğrudan mahalle ve köy düzeyinde koordinatlandırılıyor.

• Bağlamsal Doğrulama: Büyük dil modelleri yardımıyla olayların tarihleri, tetikleyici faktörleri (yoğun yağış, insan faaliyetleri vb.) ve can kaybı sonuçları hatasız bir şekilde yapılandırılıyor.

• Düşük Hata Payı: Geleneksel yöntemlerle kaçırılan pek çok yerel olay, dijital ağlar üzerinden otomatik olarak tespit edilerek envantere kazandırılıyor.

Mahalle ve Köy Düzeyinde Yüksek Mekansal Doğruluk

Anlaşılacağı gibi geliştirilen bu yenilikçi yöntemin en büyük başarılarından biri olan konumlandırma hassasiyeti. Web üzerinden elde edilen heyelan verilerinin %66,5'i mahalle veya köy düzeyinde haritalandırılarak yüksek bir mekansal doğruluk sağlandı. Bu sayede yerel düzeyde çok daha isabetli risk tahminlerinin yapılmasına olanak tanındı.

Manuel olarak tutulan ulusal envanterle (FATALDOT) yapılan karşılaştırmalarda, ±1 ve ±7 günlük zaman pencerelerinde F1 skorlarının 0,434 ile 0,552 arasında değiştiği ve iki yöntem arasında orta düzeyde başarılı bir uyum olduğu gözlemlendi. Geliştirilen otomatik sistem; heyelanların yalnızca zamanını ve konumunu belirlemekle kalmıyor, can kaybı sayılarını ve olayı tetikleyen doğal (yoğun yağış, kar erimesi) veya antropojenik (madencilik, ormansızlaşma, yanlış arazi kullanımı) faktörleri de otomatik olarak raporlayabiliyor. Uzmanlar, bu tür web tabanlı otomatik yaklaşımların neredeyse gerçek zamanlı veri sağlayarak geleneksel envanterleri tamamlayacağını vurguluyor ve küresel ölçekte ortak raporlama standartlarının benimsenmesini öneriyor.

Risk Haritalarında Çarpıcı Gerçekler

Oluşturulan dev veri tabanı, Türkiye'nin coğrafi ve sosyolojik yapısına dair ezber bozan sonuçlar sunuyor. Yapılan analizler, heyelan sıklığının en yüksek olduğu bölgeler ile can kaybı riskinin en yoğun olduğu alanların her zaman birebir örtüşmediğini gösteriyor. Özellikle sonbahar ve yaz aylarında meydana gelen olayların, kış dönemine kıyasla çok daha yüksek yıkıcı etkilere ve can kaybı potansiyeline sahip olduğu tespit ediliyor.

Mahalle ölçeğinde gerçekleştirilen risk modellemeleri; nüfus maruziyeti, arazi yapısı ve geçmiş olay sıklıklarını harmanlayarak yerel yönetimlere ve karar vericilere kılavuzluk edecek kritik eşikleri gözler önüne seriyor. Bu yenilikçi yaklaşım, sadece geçmişin kaydını tutmakla kalmıyor, gelecekte kurulacak erken uyarı sistemleri için de sağlam bir zemin oluşturuyor.

Yaşam Süresini Belirleyen Fark Bulundu! Alzheimer mı Lewy Cisimcikli Demans mı?

İçeriği Görüntüle

Kaynak: ELNAZ PAŞA (2026). Doktora Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Harita Mühendisliği Anabilim Dalı (Danışmanlar: Prof. Dr. Füsun Balık Şanlı, Prof. Dr. Tolga Görüm). Tez No; 1018541