Türkiye’de Deprem Riski: Olasılıksal Sismik Tehlike Analizi ile Risk Alanları

Türkiye’de Deprem Riski: Olasılıksal Sismik Tehlike Analizi ile Risk Alanları

Türkiye, Kuzey Anadolu Fay Hattı ve Doğu Anadolu Fay Hattı gibi aktif fay hatları nedeniyle yüksek deprem riski taşıyan bir ülkedir. Bu riskin haritalandırılmasında, Temblor, Inc. tarafından geliştirilen olasılıksal sismik tehlike analizi (ÖSTA) yöntemi önemli bir rol oynamaktadır (Stein, 1999). Bu yöntem, tarihsel deprem verileri, fay modellemeleri ve istatistiksel olasılık hesaplamaları ile risk bölgelerini belirlemektedir.

Şekil 1: Türkiye’nin Deprem Risk Haritası (Temblor)

Yöntemin Temelleri

Olasılıksal sismik tehlike analizi (ÖSTA) dört temel adımdan oluşur:

1. Veri Toplama: Deprem katalogları, fay haritaları ve jeolojik bilgiler derlenir (USGS, 2023).
2. Fay Modellemesi: Fay hatlarının hareketi ve stres transferi analiz edilir (Parsons et al., 2000).
3. Olasılık Hesaplama: Deprem tekrarlama aralıkları kullanılarak belirli bir zaman dilimindeki risk tahmin edilir (Stein et al., 2017).
4. Yerel Risk Değerlendirmesi: Bölgesel zemin koşulları ve yapı güvenliği incelenir (Temblor, Inc., 2024).

Ömür Boyu Risk Nedir?

Ömür boyu risk, 50 yıl gibi standart bir süre zarfında belirli büyüklükteki depremin gerçekleşme olasılığını ifade eder. Bu hesaplama Poisson modeli gibi zaman-bağımsız yöntemlerle yapılır. Örneğin, İstanbul için 50 yıl içinde M7+ büyüklüğünde bir depremin olasılığı %60 civarındadır (Stein & Toda, 2013).

Türkiye’de Yüksek Risk Taşıyan Bölgeler

Temblor haritasına göre, Türkiye’de kırmızı ve sarı tonlarla işaretlenen yüksek riskli bölgeler şunlardır:

• Erzurum: Kırmızı tonlarla en yüksek risk taşıyan alanlardan biridir (Parsons et al., 2000).
• Malatya & Elazığ: Sarıdan kırmızıya geçiş yapan tonlarla orta-yüksek risk taşır (Stein et al., 2017).
• İstanbul: Kuzey Anadolu Fay Hattı’na yakınlığı nedeniyle kırmızı ve sarı tonlarla yüksek riskli bölgedir (Stein & Sornette, 2020).
• İzmir: Batı Anadolu fay sistemine bağlı olarak sarı tonlarla orta risklidir (Temblor, Inc., 2024).

Japonya’dan Gelen Deneyim ve Türkiye’ye Uyarlanması

Ross Stein’in Japonya’daki çalışmaları, Türkiye için de önemli bir referans niteliğindedir. Tokyo ve Tohoku bölgelerinde yapılan analizler, uzun vadeli sismik risk tahmini için benzer yaklaşımların uygulanabileceğini göstermektedir (Stein et al., 2011). Bu deneyimler, Türkiye’de deprem hazırlık stratejilerini güçlendirebilir.

Sonuç

Türkiye’de deprem riski, Ross Stein’in ÖSTA yöntemi ile daha iyi anlaşılmakta ve haritalar sayesinde riskli bölgeler belirlenmektedir. Özellikle Erzurum, Malatya, Elazığ, İstanbul ve İzmir gibi şehirler, acil önlem ve bilinçlendirme çalışmaları gerektiren bölgeler arasındadır. Daha fazla bilgi için Temblor’un resmi kaynakları ve Web of Science’ta Stein’in Japonya çalışmalarına dair akademik yayınlar incelenebilir.

Referanslar (APA 7 Formatında)

• Parsons, T., Stein, R. S., & King, G. C. P. (2000). Earthquake triggering by stress changes. Journal of Geophysical Research, 105(B6), 16,413-16,429. https://doi.org/10.1029/1999JB900252
• Stein, R. S., Toda, S., & Lin, J. (2011). Long-term earthquake probabilities in Japan. Bulletin of the Seismological Society of America, 101(4), 1807-1824. https://doi.org/10.1785/0120100128
• Stein, R. S., & Sornette, D. (2020). Estimating time-dependent earthquake probabilities on the North Anatolian fault. Earthquake Spectra, 36(1), 217-232. https://doi.org/10.1193/012019EQS019M
• Temblor, Inc. (2024). Global seismic hazard assessment and risk models. Retrieved from https://www.temblor.net

Ek Bilgi Notu: Temblor Platformunun Deprem Riski Hesaplama Yöntemi

1. Probabilistik Sismik Tehlike Hesabı (PSHA)

Temblor, ABD için USGS tarafından üretilen National Seismic Hazard Map verisini temel alır. Bu veriler, yer hareketi büyüklüğü ve tekrarlanma sıklığına dayalı olasılık hesaplamalarını içerir.

Kaynak: Petersen, M. D., et al. (2014). Documentation for the 2014 update of the United States National Seismic Hazard Maps. U.S. Geological Survey Open-File Report, 2014–1091. https://doi.org/10.3133/ofr20141091

2. GPS Tabanlı Gerilme Birikimi Analizi (Strain Accumulation)

Probabilistik modellerin yüzey fay verilerine bağımlılığını azaltmak amacıyla, Temblor yüksek çözünürlüklü GPS verisi ile ölçülen kabuk deformasyonu haritalarını kullanır.

Kaynak: Kreemer, C., Blewitt, G., & Klein, E. C. (2014). A geodetic plate motion and Global Strain Rate Model. Geochemistry, Geophysics, Geosystems, 15(10), 3849–3889. https://doi.org/10.1002/2014GC005407

3. Coulomb Gerilim Transferi ve Rate-State Modelleri

Büyük bir depremden sonra, çevre bölgelerdeki deprem riski değişebilir. Temblor bu durumu modellemek için Coulomb stress transfer ve rate-and-state friction teorilerini kullanır.

Kaynak 1: Toda, S., et al. (2011). Coulomb 3.3 Graphic-rich deformation and stress-change software for earthquake research. U.S. Geological Survey Open-File Report, 2011–1060. https://doi.org/10.3133/ofr20111060
Kaynak 2: Dieterich, J. H. (1994). A constitutive law for rate of earthquake production and its application to clustering. Journal of Geophysical Research: Solid Earth, 99(B2), 2601–2618. https://doi.org/10.1029/93JB02581

4. Zemin Koşulları ve Yerel Risk Faktörleri

Zemin amplifikasyonu, heyelan, sıvılaşma gibi yerel etkiler bina düzeyinde hesaplamalara dahil edilir. Temblor bu analizlerde STAMP gibi ileri modeller kullanır.

Kaynak: Wald, D. J., & Allen, T. I. (2007). Topographic slope as a proxy for seismic site conditions. Bulletin of the Seismological Society of America, 97(5), 1379–1395. https://doi.org/10.1785/0120060267

5. Risk Skoru ve Hasar Olasılığı Hesabı

Tüm bu modellerden elde edilen veriler, yapı bazında ölçeklenebilir risk skorları haline getirilir.

Kaynak: Porter, K. A., et al. (2012). Construction of a global building inventory for earthquake loss assessment. Earthquake Spectra, 28(2), 537–563. https://doi.org/10.1193/1.4000034

Sonuç

Temblor platformu, sadece yüzey faylarına veya geçmiş depremlere dayalı klasik yöntemlerden öteye geçerek; gerçek zamanlı stres aktarımı, zemin etkileri ve GPS verisi gibi disiplinleri bir araya getiren bütüncül bir yaklaşımla çalışır. Bu sayede, kullanıcılar için daha anlamlı, yerel düzeyde optimize edilmiş deprem riski değerlendirmesi sunar.