Doğal afet riski çoğu zaman bir bölgenin sabit nüfusu, yerleşik yapısı ve tek bir tehlike türü üzerinden değerlendirilir. Oysa gerçek yaşamda bir belediyede bulunan insan sayısı ve bu insanların özellikleri günün saatine, çalışma düzenine, öğrenci ve çalışan hareketliliğine, turizm sezonuna ve konaklama kapasitesine bağlı olarak sürekli değişir. Aynı belediye gece sakin görünürken gündüz bir iş ve eğitim merkezine dönüşebilir; tatil döneminde ise nüfusu geçici ziyaretçiler nedeniyle ciddi biçimde artabilir.

Bu çalışma, İtalya’nın Marche Bölgesi’ndeki 225 belediyeyi orman yangını, deprem, sel, heyelan, sıcak hava dalgası ve şiddetli yağış tehlikeleri bakımından ortak bir çerçevede değerlendirirken, kullanıcı hareketlerini de risk hesabının merkezine yerleştirmektedir. Araştırmacılar yalnızca “kaç kişi ikamet ediyor?” sorusunu değil, “belirli bir zamanda kaç kişi orada bulunabilir, bu kişiler hangi yaş gruplarındadır ve bölgeyi ne kadar tanımaktadır?” sorularını da modele dahil etmektedir.

Çalışmada çalışma günü-gece, çalışma günü-gündüz, tatil dönemi-gece ve tatil dönemi-gündüz olmak üzere dört temel kullanıcı senaryosu kurulmuştur. Yerleşik nüfus, işe veya eğitime gelen günlük hareketli nüfus ve turistik konaklama kapasitesi bu senaryolara farklı biçimlerde dağıtılmıştır. Tehlike, maruziyet ve yaşa dayalı kırılganlık göstergeleri 0 ile 100 arasında normalleştirilmiş; belediyeler benzer risk-kullanıcı profillerine göre beş kümeye ayrılmış ve her senaryo için bileşik çoklu risk endeksi hesaplanmıştır.

Sonuçlar, özellikle kıyı belediyelerinde turizm ve gündüz hareketliliğinin riski belirgin biçimde yükseltebildiğini göstermektedir. İç kesimlerde ise deprem, heyelan ve orman yangını gibi fiziksel tehlikeler daha baskın olmakla birlikte nüfus yoğunluğu genellikle daha düşüktür. Çalışmanın temel mesajı şudur: Bir bölgenin tehlikesi kısa sürede değişmeyebilir; fakat o tehlikenin karşısında bulunan insan sayısı ve kullanıcı profili değiştiği için gerçek risk günün ve yılın farklı dönemlerinde önemli ölçüde farklılaşabilir.

Afet riskinin en bilinen kavramsal çerçevelerinden biri, tehlike, maruziyet ve kırılganlığın birlikte değerlendirilmesine dayanır. Bir yerde deprem, sel veya heyelan meydana gelme olasılığı bulunabilir; ancak söz konusu yerde hiç insan, yapı ya da ekonomik faaliyet yoksa potansiyel kayıp düzeyi farklıdır. Buna karşılık aynı tehlike yoğun nüfuslu, yaşlı nüfus oranı yüksek veya bölgeyi tanımayan ziyaretçilerin bulunduğu bir yerde çok daha ağır sonuçlar doğurabilir.

Çalışmanın ele aldığı temel sorun, mevcut bölgesel risk analizlerinin önemli bir bölümünün iki bakımdan eksik kalmasıdır:

• Riskler çoğu zaman birbirinden bağımsız ve tek tek değerlendirilir.
• Nüfus, yalnızca sabit ikamet edenlerden oluşan değişmez bir büyüklük gibi kabul edilir.

Bu iki varsayım, gerçek kullanım düzenini yeterince temsil etmeyebilir. Bir kıyı belediyesinin kış gecesindeki nüfusu ile yaz tatilindeki gündüz nüfusu aynı değildir. Benzer biçimde bir kent merkezinde gece yalnızca sakinler bulunurken gündüz çalışanlar, öğrenciler ve ziyaretçiler nüfusa eklenir. Bu değişim, yalnızca kişi sayısını değil, tahliye ihtiyacını, sağlık hizmeti kapasitesini, ulaşım yoğunluğunu, yabancı dilde yönlendirme gereksinimini ve insanların yerel kaçış yollarını tanıma düzeyini de etkileyebilir.

Bu problem neden önemlidir?

Arazi kullanım planlaması ve acil durum yönetimi farklı zaman ölçeklerinde çalışır. İmar ve arazi kullanım kararları uzun süre geçerli olacak sabit düzenlemeler gerektirir. Buna karşılık sivil koruma ve tahliye planları, belirli bir anda bölgede fiilen bulunan insanlara cevap vermelidir. Çalışma bu iki alan arasında analitik bir köprü kurmayı amaçlamaktadır.

Statik planlama tamamen terk edilmemektedir. Araştırmacıların önerisi, dinamik analizlerden yararlanarak statik planlamada hangi senaryonun temel alınacağına daha bilinçli karar verilmesidir. Örneğin turistik bir belediyede yalnızca kış nüfusuna dayalı bir tahliye kapasitesi hesabı yetersiz kalabilir. Dinamik model, en sık gerçekleşen ya da en kritik kullanıcı senaryosunu ortaya çıkararak sabit planların daha gerçekçi bir referansa dayanmasını sağlayabilir.

Araştırmanın literatürde cevap verdiği boşluk

Çalışmada iki ayrı araştırma hattının çoğunlukla birbirinden kopuk ilerlediği belirtilmektedir. Birinci hat, çoklu tehlike veya çoklu risk değerlendirmelerine odaklanır; farklı tehlikeleri ortak bir çerçevede karşılaştırmaya çalışır ancak kullanıcıların gün içindeki ve mevsimsel hareketlerini çoğu zaman sınırlı biçimde ele alır. İkinci hat ise yüksek mekânsal çözünürlükte nüfus hareketlerini inceler; fakat genellikle tek bir tehlikeye, küçük bir alana veya yerel uygulamaya odaklanır.

Bu araştırma, dinamik kullanıcı senaryolarını belediye ölçeğinde standartlaştırılmış çoklu risk göstergeleriyle birleştirmektedir. Belediye ölçeğinin seçilmesi tesadüfi değildir. Daha küçük ızgara hücreleri mekânsal ayrıntıyı artırabilir; ancak kamu kurumlarının veri üretme, karar alma ve kaynak tahsis etme birimleri çoğunlukla idari sınırlardır. Belediye ölçeği bu nedenle ayrıntı ile kurumsal uygulanabilirlik arasında bir denge olarak ele alınmaktadır.

Çalışma alanı: Marche Bölgesi

Marche Bölgesi, Adriyatik Denizi ile Orta İtalya Apeninleri arasında yer almaktadır. Yaklaşık 9.344 km² büyüklüğündeki bölge, beş il içinde toplam 225 belediyeden oluşmaktadır. Çalışmada kullanılan nüfus verilerine göre bölgenin yaklaşık 1,487 milyon sakini vardır. Ayrıca yılda 2,7 milyondan fazla turist gelişi ve yaklaşık 12,8 milyon geceleme bildirilmektedir.

Bölge üç temel morfolojik kuşağa ayrılmaktadır:

• Kıyı kuşağı: Adriyatik kıyısı boyunca uzanan, nüfus ve turistik kapasitenin yoğunlaştığı dar yerleşim bandıdır.
• Tepelik kuşak: Bölgenin yaklaşık yüzde 68’ini oluşturan, akarsu vadileriyle parçalanmış ve heyelan süreçlerine duyarlı geniş iç kesimdir.
• Dağlık kuşak: Apeninler boyunca uzanan; deprem, orman yangını, eğim ve jeomorfolojik kararsızlık açısından önemli tehlikeler içeren iç bölgedir.

Bu coğrafi çeşitlilik, çalışmanın yöntemini sınamak için uygun bir ortam sunmaktadır. Kıyıda sel, yüksek nüfus ve turizm baskısı bir araya gelirken; iç kesimlerde deprem, heyelan ve orman yangını tehlikeleri daha belirgin hale gelebilmektedir.

Hangi doğal tehlikeler değerlendirildi?

Çalışmada altı temel doğal tehlike göstergesi oluşturulmuştur:

1. Orman yangını
2. Deprem
3. Sel
4. Heyelan
5. Sıcak hava dalgası
6. Şiddetli yağış

Tehlike verileri tek bir veri tabanından alınmamıştır. CORINE Arazi Örtüsü verileri, ulusal deprem bölgelemesi, ISPRA sel ve heyelan verileri, PAI risk alanları ve Marche Bölgesi’nin iklim değişikliğine uyum planındaki sıcak hava ve yoğun yağış göstergeleri birlikte kullanılmıştır. Veriler QGIS ortamında belediye sınırlarına göre düzenlenmiştir.

Bu yaklaşımın önemli yönü, birbirinden farklı kaynaklardan gelen tehlike bilgilerinin aynı 0–100 ölçeğine taşınmasıdır. Böylece deprem bölgesi sınıfı ile sel alanı yüzdesi gibi doğrudan aynı birimle ölçülemeyen değişkenler karşılaştırılabilir hale getirilmektedir. Bununla birlikte normalleştirme, fiziksel olarak farklı tehlikelerin aynı olduğu anlamına gelmez; yalnızca ortak bir karar destek ölçeği sağlar.

Tehlike alanı göstergesi nasıl hesaplandı?

Her tehlike bileşeni için belediye sınırları içinde kapladığı alanın belediyenin toplam alanına oranı hesaplanmıştır:

\[ i_a = \frac{Area_a}{Area_{mapping\ unit}} \times 100 \]

Burada:

• i_a, belirli bir tehlike bileşeninin belediye içindeki yüzdesidir.
• Area_a, söz konusu tehlike bileşeninin kapladığı alanı km² olarak gösterir.
• Area_{mapping unit}, değerlendirme biriminin, bu çalışmada belediyenin toplam yüzölçümüdür.

Gündelik ifadeyle bu formül, “Belediyenin ne kadarı bu tehlike sınıfının içinde kalıyor?” sorusuna cevap verir. Örneğin bir belediyenin yüzde 20’si yüksek sel tehlikesi alanındaysa ilgili bileşen, alan oranına göre modele girer.

Bir tehlikeye ait birden fazla bileşen bulunduğunda ağırlıklı toplam kullanılmıştır:

\[ I_{haz} = (i_a \times w_a) + (i_b \times w_b) + (i_c \times w_c) + \dots + (i_n \times w_n) \]

Burada:

• I_haz, genel tehlike endeksidir.
• i_a, i_b, …, farklı tehlike bileşenlerinin belediye içindeki oranlarıdır.
• w_a, w_b, …, her bileşene verilen ağırlıklardır.

Ağırlıklar uzman değerlendirmesine ve önceki çalışmalarda kullanılan değerlere dayandırılmıştır. Bu nokta önemlidir: Endeksler tamamen ham gözlem değildir; veri ile yöntemsel ağırlıklandırmanın birleşimidir.

Tek tek tehlike endeksleri

Orman yangını endeksi:

\[ I_W = (i_{WOODED} \times 0.35) + (i_{SPARSE} \times 0.65) \]

Burada ormanlık ve seyrek bitki örtülü alanların oranları farklı ağırlıklarla birleştirilmiştir.

Deprem endeksi:

\[ I_E = (i_{Z4} \times 0.25) + (i_{Z3} \times 0.50) + (i_{Z2} \times 0.75) + (i_{Z1} \times 1.00) \]

Z1 en kritik, Z4 ise en düşük sismik sınıf olarak ağırlıklandırılmıştır. Buradaki endeks olası bina kaybını doğrudan hesaplamaz; belediyenin ulusal sismik bölgelemedeki konumunu temsil eder.

Sel endeksi:

\[ I_F = [(i_{PAI-L} + i_{ISPRA-L}) \times 0.65] + [(i_{PAI-H} + i_{ISPRA-H}) \times 0.35] \]

PAI ve ISPRA veri kümelerindeki düşük ve yüksek sınıflar birlikte değerlendirilmiştir. Formüldeki ağırlıklar çalışma tarafından benimsenen sınıflandırma şemasına aittir; sonuç gerçek taşkın derinliği veya beklenen ekonomik kayıp değildir.

Heyelan endeksi:

\[ I_L = (i_{PAI-L} \times 0.65) + [(i_{IFFI} + i_{PAI-H}) \times 0.35] \]

PAI heyelan risk alanları ile IFFI envanterindeki kaydedilmiş heyelan alanları birleştirilmiştir.

Sıcak hava dalgası endeksi:

\[ I_H = (i_{LOW} \times 0.25) + (i_{MEDIUM} \times 0.50) + (i_{HIGH} \times 0.75) + (i_{VERYHIGH} \times 1.00) \]

Şiddetli yağış endeksi:

\[ I_R = (i_{LOW} \times 0.25) + (i_{MEDIUM} \times 0.50) + (i_{HIGH} \times 0.75) + (i_{VERYHIGH} \times 1.00) \]

Her iki iklim göstergesinde de düşükten çok yükseğe doğru artan sınıf ağırlıkları kullanılmıştır.

Dinamik maruziyet: Bir belediyede gerçekten kaç kişi bulunuyor?

Araştırmanın en önemli yeniliği, maruziyeti yalnızca ikamet eden nüfusla sınırlamamasıdır. Potansiyel nüfus üç kullanıcı grubundan oluşturulmuştur:

• Yerleşik nüfus
• İş veya eğitim amacıyla gelen günlük hareketli nüfus
• Konaklama tesislerinin yatak kapasitesiyle temsil edilen potansiyel turist nüfusu

Bu gruplar dört senaryoya dağıtılmıştır:

Modelde yerleşiklerin her senaryoda bulunduğu, günlük hareketliliğin yalnızca gündüz gerçekleştiği ve konaklama kapasitesinin tatil dönemindeki potansiyel turist sayısını temsil ettiği varsayılmıştır. Turist sayısı gerçek doluluk ölçümü değil, hızlı ve ihtiyatlı değerlendirme amacıyla kullanılan azami yatak kapasitesidir.

Nüfus neden tüm belediye alanına değil, kentleşmiş alana bölündü?

Bir belediyenin yüzölçümü geniş olabilir; ancak insanların büyük bölümü orman, tarım veya dağlık alanlarda eşit biçimde dağılmaz. Bu nedenle potansiyel nüfus, belediyenin toplam alanı yerine kentleşmiş alanına bölünmüştür:

\[ E_{dens} = \frac{potential\ population}{urbanised\ area} \]

Burada:

• E_dens, kentleşmiş alan başına potansiyel kullanıcı yoğunluğudur.
• potential population, ilgili senaryoda belediyede bulunabileceği varsayılan toplam kişidir.
• urbanised area, belediye içindeki kentleşmiş alanın km² cinsinden büyüklüğüdür.

Sonuç kişi/km² birimiyle ifade edilir. Böylece geniş kırsal alana sahip bir belediyenin nüfus yoğunluğu yapay biçimde düşük gösterilmemeye çalışılmıştır.

Bu yoğunluk daha sonra 0–100 aralığına normalleştirilmiştir:

\[ E = \frac{E_{dens} - min(E_{dens})}{max(E_{dens}) - min(E_{dens})} \times 100 \]

E, belediyenin diğer belediyeler arasındaki göreli maruziyet konumunu gösterir. Dolayısıyla 100 değeri mutlak bir fiziksel sınır değil, veri kümesindeki en yüksek yoğunluğa göre belirlenen göreli üst noktadır.

Bölgesel nüfus ağırlığı göstergesi

Yoğunluk göstergesine ek olarak, her belediyenin bölgedeki en kalabalık belediyeye göre nüfus büyüklüğü hesaplanmıştır:

\[ E_1 = \frac{number\ of\ residents}{residents\ of\ the\ most\ populous\ municipality} \times 100 \]

Bu gösterge iki farklı durumu ayırmaya yardımcı olur. Küçük fakat çok sıkışık bir belediyede yoğunluk yüksek olabilir; büyük bir kentte ise hem yoğunluk hem toplam kişi sayısı yüksek olabilir. E ve E₁ birlikte kullanıldığında yerel mekânsal yoğunluk ile bölgesel demografik önem aynı anda görülebilir.

Duyarlılık nasıl ele alındı?

Çalışmada duyarlılık, belirli bir tehlikeye maruz kalabilecek kişi sayısının bir göstergesi olarak tanımlanmıştır:

\[ S = \frac{potential\ population \times I_{haz}}{100} \]

Burada:

• S, ilgili tehlikeye karşı duyarlılık göstergesidir.
• potential population, senaryodaki potansiyel nüfustur.
• I_haz, tehlike endeksidir.

Bu formül, kullanıcı sayısı ile tehlike düzeyini bir araya getirir. Ancak bireysel yaralanma olasılığı ya da beklenen ölüm sayısı üretmez. Çalışmada duyarlılık analizi yalnızca sel ve heyelan için ayrıntılı uygulanmıştır. Deprem, sıcak hava ve yoğun yağış gibi tehlikelerin veri ölçeği belediye alanının tamamını kapsayabildiğinden hızlı değerlendirme yaklaşımı içinde tüm nüfusun benzer biçimde etkilenebileceği varsayılmıştır. Orman yangınında ise orman alanlarının kentleşmiş bölgelerle genellikle sınırlı örtüşmesi nedeniyle bu katman kullanılmamıştır.

Yaşa dayalı kullanıcı kırılganlığı

Kırılganlık, insanların tehlike karşısında başa çıkma ve toparlanma kapasitesindeki farklılıkları temsil etmektedir. Çalışma beş yaş grubu kullanmıştır:

Bileşik kırılganlık endeksi şu şekilde hesaplanmıştır:

\[ V = (\%T \times w_T) + (\%PC \times w_{PC}) + (\%YA \times w_{YA}) + (\%A \times w_A) + (\%EU \times w_{EU}) \]

Burada yaş gruplarının belediye nüfusu içindeki yüzdeleri, kendilerine verilen ağırlıklarla çarpılmaktadır. Bu, belirli bir kişinin gerçek davranışını öngören bireysel bir model değildir. Belediyelerin yaş yapısına göre göreli sosyal kırılganlık karşılaştırmasıdır.

Yaşlı nüfus oranını doğrudan göstermek için ayrıca şu gösterge oluşturulmuştur:

\[ V_1 = \frac{number\ of\ elderly\ users}{number\ of\ residents} \times 100 \]

Turistlerin bölgeyi tanımaması neden kırılganlık olarak görüldü?

Bir afet sırasında bir bölgeyi tanımayan kişinin kaçış güzergâhlarını, toplanma alanlarını, yerel uyarı sistemlerini veya alternatif yolları bilme olasılığı daha düşük olabilir. Çalışma, bu “aşinalık eksikliği”ni iki göstergeyle temsil etmektedir.

Aşinalık eksikliği göstergesi: Konaklama yatağı sayısının yerleşik nüfusa oranı alınmış ve 0–100 aralığına normalleştirilmiştir.

\[ V_2 = \frac{\left(\frac{beds}{residents}\right)-min\left(\frac{beds}{residents}\right)}{max\left(\frac{beds}{residents}\right)-min\left(\frac{beds}{residents}\right)} \times 100 \]

Turistik çekicilik göstergesi:

\[ V_3 = \frac{number\ of\ beds}{maximum\ number\ of\ beds\ among\ municipalities} \times 100 \]

V₂, ziyaretçilerin yerleşik nüfusa göre göreli ağırlığını; V₃ ise belediyenin bölgedeki toplam konaklama çekim gücünü temsil eder. Yatak kapasitesi, turistlerin gerçekten o anda orada bulunduğunu kanıtlamaz. Bu göstergeler potansiyel yoğunluğu ve planlama açısından üst sınırı temsil eder.

Belediyeler neden kümelendi?

225 belediyenin her biri için 13 gösterge bulunmaktadır. Bu kadar çok değişkeni tek tek yorumlamak karar vericiler için zor olabilir. Araştırmacılar benzer özelliklere sahip belediyeleri bir araya getirmek amacıyla Ward bağlantılı yığılmalı hiyerarşik kümeleme kullanmıştır.

Bu yöntem başlangıçta her belediyeyi ayrı bir küme kabul eder. Daha sonra birbirine en çok benzeyen kümeleri, küme içi varyansı mümkün olduğunca düşük tutacak biçimde aşamalı olarak birleştirir. K-means yönteminden farklı olarak küme sayısının en başta kesin biçimde tanımlanması zorunlu değildir. Son küme sayısı dendrogram yapısı ve silhouette katsayısı değerlendirilerek seçilmiştir.

Hesaplama ve görselleştirmeler MATLAB R2024b ile otomatik ve tekrarlanabilir bir iş akışı içinde gerçekleştirilmiştir. Ayrıca verinin daha az boyutlu bir düzlemde gösterilmesi için temel bileşen analizi kullanılmıştır.

Beş belediye kümesi ne anlatıyor?

Kümeleme yalnızca istatistiksel sınıflandırma amacı taşımamaktadır. Benzer özellik gösteren belediyelerin ortak tahliye ilkeleri, altyapı yatırımları, iletişim stratejileri ve arazi kullanım öncelikleri çerçevesinde birlikte ele alınabileceği düşünülmektedir.

Bileşik tehlike endeksi

Altı tehlike endeksi eşit biçimde toplandıktan sonra minimum-maksimum yöntemiyle normalleştirilmiştir:

\[ H = \frac{(I_W+I_E+I_F+I_L+I_H+I_R)-min(I_W+I_E+I_F+I_L+I_H+I_R)}{max(I_W+I_E+I_F+I_L+I_H+I_R)-min(I_W+I_E+I_F+I_L+I_H+I_R)} \times 100 \]

Araştırmacılar bu aşamada tehlikelerden birinin diğerinden daha önemli olduğunu varsaymamak için ek bir tehlike ağırlığı kullanmamıştır. Bu yöntem, tüm tehlikeleri aynı karşılaştırmalı düzlemde ele alır. Ancak farklı tehlikelerin ölüm, ekonomik kayıp veya fiziksel hasar bakımından eşdeğer olduğu sonucunu vermez.

Çoklu risk endeksi nasıl hesaplandı?

Çalışmanın temel bileşik risk göstergesi, normalleştirilmiş tehlike ile maruziyet-kırılganlık bileşiminin iki boyutlu düzlemde başlangıç noktasına olan Öklid uzaklığıdır:

\[ R = \sqrt{\left(\frac{E}{100} \times \frac{V}{100}\right)^2 + \left(\frac{H}{100}\right)^2} \times 100 \]

Burada:

• R, bileşik çoklu risk endeksidir.
• E, dinamik maruziyet endeksidir.
• V, yaşa dayalı kırılganlık endeksidir.
• H, altı tehlikenin normalleştirilmiş bileşik göstergesidir.

Formülün geometrik mantığında sıfır noktası, tehlike ile maruziyet-kırılganlık bileşiminin sıfıra yakın olduğu ideal durumu temsil eder. Bir belediyenin bu noktadan uzaklaşması, bileşik endeksin yükselmesi anlamına gelir.

Kare alma işlemi, yüksek bileşenlerin etkisini güçlendirir. Bununla birlikte R değeri beklenen ölüm, yaralanma, bina hasarı veya parasal kayıp değildir. Belediyeleri ve senaryoları karşılaştırmak için üretilmiş göreli bir planlama göstergesidir.

Zamana bağlı risk değişimi: ΔR

Araştırmacılar, en düşük ve en yüksek kullanıcı varlığına karşılık gelen senaryolar arasındaki değişimi görmek için diferansiyel risk göstergesi ΔR’yi kullanmıştır. Karşılaştırılan temel uç durumlar, çalışma günü-gece ile tatil dönemi-gündüz senaryolarıdır.

ΔR’nin yüksek olması, belediyenin fiziksel tehlikesinin mutlaka en yüksek olduğu anlamına gelmez. Belediyenin kullanıcı hareketlerine karşı risk profilinin çok değişken olduğunu gösterir. Bu tür bir belediye, yılın sakin döneminde düşük veya orta riskte görünürken turizm sezonunda belirgin biçimde daha kritik hale gelebilir.

Haritalar ve grafikler ne anlatıyor?

Tekil tehlike haritaları, Marche Bölgesi’nde her riskin farklı bir coğrafi örüntüye sahip olduğunu göstermektedir:

• Orman yangını tehlikesi Apeninler ve bitki örtüsünün yoğun olduğu iç kesimlerde yükselmektedir.
• Deprem tehlikesi özellikle güney ve güneybatıdaki dağlık belediyelerde yüksektir.
• Sel tehlikesi kıyı ovalarında, akarsu vadilerinde ve nehir ağızlarında yoğunlaşmaktadır.
• Heyelan tehlikesi killi ve eğimli tepelik iç bölgelerde geniş bir alana yayılmaktadır.
• Sıcak hava dalgası göstergesi merkez ve kuzeydeki bazı kentleşmiş alanlarda yükselmektedir.
• Şiddetli yağış göstergesi kuzey ve dağlık kesimlerde daha yüksek değerler göstermektedir.

Maruziyet haritalarında gece çalışma senaryosu yalnızca yerleşik nüfusun mekânsal düzenini yansıtmaktadır. Çalışma günü gündüzünde büyük kentlerde çalışan ve öğrenci hareketliliği nedeniyle değerler yükselir. Tatil gecesinde kıyı ve turizm merkezleri belirginleşir. Tatil gündüzü ise yerleşikler, hareketli nüfus ve turistlerin birlikte hesaba katılması nedeniyle en yüksek ve en yaygın maruziyet örüntüsünü üretir.

Maruziyet ile kırılganlığın çarpımını gösteren ExV haritalarında mekânsal farkın büyük kısmı maruziyetten kaynaklanmaktadır. Bunun nedeni yaş dağılımına dayalı V değerlerinin belediyeler arasında görece homojen olmasıdır. Dolayısıyla çalışma, kullanıcı sayısındaki değişimin risk haritasını yaş yapısındaki farklardan daha güçlü biçimde değiştirdiğini göstermektedir.

H ve ExV dağılımlarına uygulanan doğrusal regresyonların R² değerleri çok düşüktür. Bu bulgu, çok katmanlı risk verilerinin basit doğrusal ilişkilerle iyi açıklanamadığını göstermektedir. Araştırmacılar bu regresyonları güçlü bir tahmin modeli olarak değil, genel eğilimleri ve olağandışı belediyeleri görsel olarak belirleyen yardımcı bir araç olarak kullanmıştır.

Başlıca sayısal sonuçlar

• Çalışma alanı yaklaşık 9.344 km² ve 225 belediyeden oluşmaktadır.
• Bölgenin yaklaşık nüfusu 1,487 milyondur.
• Yıllık turist gelişleri 2,7 milyonun, geceleme sayısı 12,8 milyonun üzerindedir.
• Sel tehlikesi alanlarının bölgenin yaklaşık yüzde 9’unu kapladığı; bu alanların yaklaşık yarısının yüksek risk sınıflarında bulunduğu belirtilmektedir.
• Bileşik R değerleri dört senaryo genelinde yaklaşık 0,3 ile 47,3 arasında değişmiştir.
• Belediyelerin büyük bölümünde ΔR yaklaşık yüzde 4–5 çevresinde yoğunlaşmıştır.
• Bazı belediyelerde, özellikle kıyı kesimlerinde, ΔR yüzde 37’ye kadar çıkmıştır.
• Kümeleme analizi belediyeleri beş risk-kullanıcı grubuna ayırmıştır.

Geçmiş, bugün ve gelecek açısından önemi

Geçmiş açısından: Geleneksel risk planlaması çoğu zaman ikamet nüfusunu temel almış ve tehlikeleri ayrı ayrı değerlendirmiştir. Çalışma, bu yaklaşımın özellikle turistik veya yoğun hareketlilik yaşayan alanlarda eksik kalabileceğini nicel olarak göstermektedir.

Bugün açısından: Belediyelerin nüfusu artık yalnızca konut adreslerinden ibaret değildir. İşe gidiş gelişler, eğitim hareketliliği, turizm, mevsimlik kullanım ve günlük hizmet merkezleri fiilî nüfusu değiştirmektedir. Bu nedenle acil durum kapasitesinin yalnızca gece nüfusuna göre planlanması, gündüz veya tatil dönemi için yetersiz olabilir.

Gelecek açısından: Araştırmacılar kalıcı bölgesel gözlem sistemleri kurulmasını önermektedir. Mobil telefon verileri, güncel konaklama istatistikleri, ulaşım kartları, uzaktan algılama, yapı kayıtları ve daha güncel nüfus verileri kullanıldığında model gerçek zamana daha yakın hale getirilebilir. Ancak bu verilerin mahremiyeti korunarak yeterince geniş mekânsal gruplar halinde işlenmesi gerektiği de vurgulanmaktadır.

Gündelik yaşama etkisi

Bu çalışma doğrudan bir tahliye planı veya erken uyarı sistemi üretmemektedir; ancak böyle sistemlerin hangi nüfusa göre tasarlanması gerektiğini açıklayan bir bilgi altyapısı sunmaktadır. Gündelik yaşamdaki karşılığı şu örneklerle anlaşılabilir:

• Bir sahil kentinde yaz aylarında daha fazla ambulans, geçici toplanma alanı ve çok dilli yönlendirme gerekebilir.
• Bir iş merkezinde gece nüfusuna göre yeterli görünen tahliye yolu, gündüz çalışan nüfus nedeniyle yetersiz kalabilir.
• Yaşlı nüfus oranı yüksek dağlık belediyelerde düşük toplam nüfusa rağmen bireysel yardım ihtiyacı yüksek olabilir.
• Deprem tehlikesi yüksek fakat nüfusu seyrek bölgelerde yapısal risk yönetimi ön plana çıkarken, kıyıda orta tehlike ile çok yüksek kullanıcı yoğunluğu birleşebilir.
• Kısa turizm sezonu yaşayan yerlerde kalıcı arazi kullanım değişikliğinden çok dönemsel hizmet ve acil durum kapasitesi artırımı daha uygun olabilir.

Çalışmanın güçlü yönleri

• Altı doğal tehlikeyi ortak bir karşılaştırma sistemi içinde değerlendirmesi.
• Yerleşik nüfusun yanı sıra günlük hareketlilik ve turizmi hesaba katması.
• Dört açık zaman senaryosu tanımlaması.
• Kamu kurumlarında erişilebilir veri kaynaklarına dayanması.
• Belediye ölçeğini bölgesel politika üretimiyle ilişkilendirmesi.
• Normalleştirilmiş göstergeler sayesinde belediyeler arası karşılaştırma sağlaması.
• Kümeleme yoluyla benzer belediyeler için ortak politika grupları oluşturabilmesi.
• Riskin yalnızca büyüklüğünü değil, zaman içindeki oynaklığını ΔR ile göstermesi.
• Uzun vadeli arazi kullanımı ile kısa vadeli acil durum yönetimini aynı çerçevede tartışması.

Çalışmanın sınırlılıkları

Çalışmanın sonuçları yorumlanırken aşağıdaki sınırlar göz önünde tutulmalıdır:

• Günlük hareketlilik verilerinin bir bölümü 2011 nüfus sayımına dayanmaktadır ve güncel hareketleri tam yansıtmayabilir.
• Turist sayısı gerçek doluluk yerine azami konaklama yatak kapasitesiyle temsil edilmiştir.
• Turist ve günlük hareketli nüfusun yaş, sağlık, engellilik veya grup yapısı bilinmediği için kırılganlık dinamik hale getirilememiştir.
• Yaşa dayalı V göstergesi yalnızca yerleşik nüfustan hesaplanmıştır.
• Bina dayanımı, bakım durumu ve güçlendirme bilgileri ana modele dahil edilmemiştir.
• Fiziksel yapı kırılganlığına ilişkin verilerin belediyeler arasında heterojen olması bölgesel karşılaştırmayı sınırlamıştır.
• Bazı tehlike katmanlarının çözünürlüğü belediye ölçeğinden daha kabadır.
• Marche Bölgesi için tüm alanı aynı yöntemle kapsayan güncel heyelan duyarlılık haritaları bulunmamaktadır.
• Model tehlikeler arasındaki zincirleme ilişkileri doğrudan hesaplamaz. Örneğin şiddetli yağışın heyelanı tetiklemesi ortak çerçevede görünse de nedensel kaskat modellemesi yapılmamıştır.
• R endeksi beklenen can kaybı, ekonomik zarar veya altyapı hasarını hesaplamaz.
• Gösterge ağırlıklarının bir bölümü uzman yargısı ve literatür değerlerine dayanır.
• Sonuçlar henüz belediye ve bölge düzeyindeki karar vericilerle katılımcı biçimde kalibre edilmemiştir.

Çalışma ne söylüyor, ne söylemiyor?

Çalışmanın söylediği: Kullanıcıların zaman içindeki hareketleri, aynı fiziksel tehlike ortamında maruziyeti ve bileşik risk profilini değiştirebilir. Turizm ve günlük hareketlilik özellikle kıyı ve kent merkezlerinde statik nüfus yaklaşımının göremediği kritik durumlar yaratabilir. Belediye ölçeğinde standartlaştırılmış göstergeler, bölgesel planlama için karşılaştırılabilir bir bilgi tabanı sağlayabilir.

Çalışmanın söylemediği: Model belirli bir afetin hangi tarihte gerçekleşeceğini tahmin etmez. Bir belediyede kaç kişinin öleceğini veya ne kadar ekonomik kayıp oluşacağını hesaplamaz. Bina güvenliğini, tahliye süresini, hastane kapasitesini ya da ulaşım ağının çökmesini ayrıntılı biçimde simüle etmez. R değeri, bireysel güvenlik garantisi veya kesin saha sonucu değildir. Ayrıca yüksek R değeri tek başına belirli bir yatırımın zorunlu olduğunu kanıtlamaz; karar sürecine girdi sağlayan göreli bir göstergedir.

Çalışmanın Yöntemi ve Bulguları

Araştırma tasarımı

Çalışma dört ana aşamada yürütülmüştür:

1. Veri toplama: Doğal tehlike, nüfus, günlük hareketlilik, turizm ve kentleşmiş alan verileri ulusal, bölgesel ve Avrupa ölçekli kamu kaynaklarından toplanmıştır.
2. Tek katmanlı göstergeler: Tehlike, maruziyet, duyarlılık ve kırılganlık için belediye ölçeğinde KPI’lar hesaplanmıştır.
3. Kümeleme: 13 normalleştirilmiş gösterge kullanılarak Ward bağlantılı hiyerarşik kümeleme gerçekleştirilmiştir.
4. Dinamik çoklu risk: Dört kullanıcı senaryosu için H, E, V, ExV, R ve ΔR değerleri hesaplanmış ve haritalanmıştır.

Kullanılan başlıca veri kümeleri

Kümeleme değişkenleri

Kümeleme analizinde şu 13 değişken kullanılmıştır:

• I_W: Orman yangını
• I_E: Deprem
• I_F: Sel
• I_L: Heyelan
• I_H: Sıcak hava dalgası
• I_R: Şiddetli yağış
• E: Kullanıcı yoğunluğuna dayalı maruziyet
• E₁: Bölgesel nüfus ağırlığı
• V: Yaşa dayalı bileşik kırılganlık
• V₁: Yaşlı nüfus oranı
• V₂: Aşinalık eksikliği
• V₃: Turistik çekicilik
• Tehlike-kullanıcı profilini tamamlayan normalleştirilmiş senaryo girdileri

Tekil tehlike bulguları

Senaryolara göre temel bulgular

Çalışmanın beş ana sonucu

1. Kıyı belediyeleri, yüksek kullanıcı yoğunluğu, turizm ve aşinalık eksikliği nedeniyle en yüksek bileşik risk koşullarını göstermektedir.
2. İç bölgelerde deprem, heyelan ve orman yangını gibi fiziksel tehlikeler baskındır; ancak nüfus maruziyeti kıyıya göre daha düşüktür.
3. Gece-gündüz farkı çoğu yerde çalışma-tatil dönemi farkından daha küçüktür. Turizm, temel risk değişiminin başlıca sürücülerinden biridir.
4. Kümeleme, R ve ΔR sonuçları bölgenin coğrafi ve sosyoekonomik yapısıyla tutarlı örüntüler üretmiştir.
5. Tek tip bölgesel politika yerine, belediyelerin risk-kullanıcı profillerine göre farklılaştırılmış fakat bölgesel olarak koordine edilmiş planlama gereklidir.

Planlama açısından önerilen kullanım biçimi

• Statik imar ve arazi kullanım planları hazırlanırken önce dinamik senaryolar değerlendirilmelidir.
• En kritik ya da en sık tekrarlanan senaryo, sabit planlar için ihtiyatlı referans olarak seçilebilir.
• Kullanıcı hareketliliğini güncelleyen kalıcı bölgesel gözlem mekanizmaları kurulabilir.
• Benzer belediye kümeleri için ortak politika, altyapı ve hazırlık paketleri oluşturulabilir.
• Yüksek R değerine sürekli sahip belediyeler yapısal öncelik; yüksek ΔR değerine sahip belediyeler ise uyarlanabilir ve dönemsel hazırlık önceliği olarak ele alınabilir.
• Yöntem gelecekte mahalle, nüfus sayım bölgesi veya homojen planlama zonu ölçeğine indirgenebilir.

Kaynak ve Yöntem Notu

Bu içerik, Gabriele Bernardini, Maud Natalucci, Luca Domenella, Giovanni Marinelli ve Enrico Quagliarini tarafından hazırlanan “A Dynamic User-Based Approach to Multi-Risk Assessment for Regional Planning: Application to the Marche Region, Italy” başlıklı çalışmaya dayanmaktadır.

Çalışma, Marche Bölgesi’ndeki 225 belediye için altı doğal tehlikeyi, kullanıcı maruziyetini, yaşa ve yerel aşinalığa bağlı kırılganlığı, hiyerarşik kümelemeyi ve dört zamansal nüfus senaryosunu bir araya getiren nicel bir bölgesel planlama destek modelidir. Araştırmada QGIS ile coğrafi veri işleme, MATLAB R2024b ile kümeleme, temel bileşen analizi ve görselleştirme kullanılmıştır.

PDF’de dergi adı, DOI, kabul tarihi veya tamamlanmış hakemlik sürecini doğrulayan açık bir kayıt bulunmadığından çalışma, hakemliği metin üzerinden doğrulanamayan akademik araştırma metni olarak değerlendirilmiştir. Metinde çalışmanın açıkça hakem değerlendirmesinden geçmediğini söyleyen standart bir preprint uyarısı görülmemiştir; buna rağmen hakemlik tamamlanmış gibi de sunulmamalıdır.

Bu çalışma deneysel bir afet müdahalesi, saha tatbikatı veya kayıp doğrulama araştırması değildir. Sonuçlar kamu veri tabanlarına, coğrafi katmanlara, nüfus sayımı verilerine, konaklama kapasitesine, uzman ağırlıklarına, normalleştirilmiş göstergelere ve senaryo varsayımlarına dayalı bölgesel modelleme sonuçlarıdır. Üretilen R değerleri can kaybı, yaralanma, bina hasarı veya ekonomik zarar tahmini değildir.

İçerik yalnızca PDF’deki çalışmanın yöntemi, bulguları, formülleri, haritaları, tabloları ve sınırlılıkları esas alınarak hazırlanmıştır. Çalışmada bulunmayan saha başarısı, kesin afet tahmini, güvenlik garantisi, ticari uygulanabilirlik veya doğrudan kayıp azaltma iddiası eklenmemiştir. Fiziksel bina kırılganlığı, güncel gerçek zamanlı hareket verisi, turistlerin demografik yapısı ve tehlikeler arası zincirleme etkileşimler modelde tam olarak temsil edilmemektedir.