Depremin Yıkıcılığını Azaltmak: Güncel Çözüm Önerileri

Fatma Tosun

Ekosistemin cansız etmeni olduğu iddia edilen yerkure var olduğundan beri çeşitli hareketleri (tektonik hareketler, sarsıntılar gibi) meydana getirmektedir. Deprem, yer kabuğun­daki enerji birikiminin, kırıklarda meydana ge­tirdiği dinamik kuvvetlerle birlikte yeryüzünde oluşturduğu sarsıntılara denir.¹ Bu kırıklar ve hareketler milyonlarca yıl içerisinde kıtaların üzerinde bulunduğu tektonik levhaları oluştur­muştur. Hareket halindeki bu levhalar hareket­leri sırasında birbirine çarpar, sürtünür, birbi­rinin altına girer ve oluşan temas yüzeyinde de bir enerji birikimi olur.² Bu birikimin yönetimi ekolojinin devamlılığı için önemlidir. Ekolojik dengenin kapsadığı enerji akışına üretici-tüke­tici-çürükcül canlılar ve doğa arasında devam eden enerji döngüsü, magmadaki yüksek ısı enerjisinin hareket enerjisine dönüşmesi örnek verilebilir. Örneklerde de görüldüğü gibi eko­lojik dengenin devamlılığı bu enerji akışlarının sağlanmasını da kapsar. Bu sebeple yer kabuğu­nun birikmiş enerjiyi salıvermesi, sarsıntının meydana gelmesi, ekosistem düzeninin devam­lılığı için önemlidir.³ Salınan birikmiş enerjinin yeryüzünde yarattığı sarsıntı can ve mal kaybı­na neden olmaktadır. Ayrıca depremin -sonra­sında meydana gelen etkilerinden dolayı- afet sonrası tahribatın en yüksek belirsizlik oranına sahip doğa olayı olduğunun altı çizilmektedir.¹ Yeryüzü milyonlarca yıl önce oluşmuştur ve bu oluşum süreci hala devam etmektedir. Oluşum sürecinde volkan patlaması, deprem gibi doğa olayları etkilidir.

Yeryüzünün şekillenmesinden sorumlu te­mel doğa olayı deprem ise Türkiye’nin en ya­kından tanık olduğu afettir.⁴ Ayrıca anadolu toprakları jeolojik oluşumu itibarıyla genç ol­masından dolayı sıklıkla depreme maruz ka­lır.^5,6 Bu sebeple depremin meydana getirdiği tahribatı azaltacak çeşitli önlemler alınmalıdır. Alınan önlemlerin başında vatandaşların afet hakkında bilinçlenmesi, afet planlarının yetkili­lerce güncellenmesi gelmelidir. Her kademede­ki eğitim-öğretim müfredatının depremle mü­cadelede mevcut şartları ve güncel yöntemleri dahil ederek yeniden düzenlenmesi de tedbirler kapsamında olabilir. “Afet ve Acil Durum Mü­dahale Hizmetleri Yönetmeliği” ve “Türkiye Bina Deprem Yönetmeliği” afet krizi yönetiminin daha etkili olması için yeniden düzenlenebilir.^7,8 6 Şubat 2023 tarihinde gerçekleşen merkez üssü Kahramanmaraş olan depremin elim sonuçları bu düzenlemelerin ehemmiyetini bir kez daha göstermiştir.

Afetle oluşan can ve mal kayıpları, içme sularına karışan atıklar, zarar gören altyapı ve Depremin Yıkıcılığını Azaltmaya Yönelik Gün­cel Çözüm Önerileri Fatma Tosun üstyapı sis­temleri, ani değişen hava durumu, bölgesel sal­gınlar bireysel ve toplumsal olarak etkisi yıllarca devam eden psikolojik ve ekonomik sonuçlar meydana getirebilir.^9,11 Bu sebeple ekolojik den­genin tüm unsurlarının korunması amacıyla afetlere yönelik stratejiler geliştirilmelidir. Afet­ler tedbir almayı kolaylaştırmak amacıyla afet öncesi dönem, afet dönemi ve afet sonrası dö­nem olarak kategorize edilebilir. Buradan yola çıkarak bu yazıda güncel tekniklerin ve yeni teknolojilerin dahil olduğu yapısal ve işlevsel analiz, kriz yönetimi, iletişim ve ulaşım planı­nın belirlenmesi konularına değinilecektir.

Deprem Öncesi: Makine Öğrenmesi ile Bina Analizi

Afetlerin ekosisteme çeşitli etkileri bulun­maktadır. Bu etkilerden şüphesiz en yıkıcı olanı, yer altı ve yer üstü yapılara verdiği ciddi zararlar­dır. Yıkıcı etkinin tamamen engellenmesi müm­kün olmamakla beraber zararın en aza indiril­mesi için çalışmalar devam etmektedir.^12,19 Bu çalışmalarda yapıların depreme karşı dayanıklı­lığının değerlendirilmesi, afetten önce koruyucu önlem alınmasını sağlamak açısından önem arz etmektedir. Deprem sarsıntısı ile meydana gelen enkazın kaldırılması ve enkaz altındaki bireyin kurtarılması zor bir süreçtir.¹³ Bu nedenle amaç enkazın meydana gelmesini tamamen engelle­yebilmek olmalıdır. Deprem öncesi binaların dayanıklılık durumunu bilerek afet öncesi plan­lama yapılması, can ve mal kayıplarını azaltabilir. Günümüzde artık, yapının deprem dayanıklılığı analiz edilirken yapıya ait tüm bilgilerin hızlıca değerlendirilmesi için yapay zeka ve makine öğ­renmesi tekniklerinin kullanımı mümkün hâle gelmektedir.¹² Böylece bina yapımı için gerekli enerjiden, insan gücünden, ekonomiden ve za­mandan tasarruf sağlanabilir.

New Jersey Teknoloji Enstitüsü İnşaat Mü­hendisliği Bölümünden Prof. Cumhur Coşgun, son çalışmasında binaların depreme dayanıklı­lıklarını değerlendiren bir yazılım modeli geliş­tirmiştir.¹² Bu yazılım modeli, binalardan numu­ne alınarak elde edilen verileri analiz etmektedir. Sadece yapımı bitmiş binaların değil, yapımı de­vam eden binaların da depreme dayanıklılığı hız­lıca denetlenmektedir. Şekilde önerilen metodun ilk basamakları yer almaktadır. Şekil 1d’de gö­rülen yapısal model, binaların deprem dayanık­lılıklarını analiz etmek üzere makine öğrenme tekniklerinde kullanılmıştır.¹² Önerilen yazılım modeli, binanın depreme karşı risk durumunun değerlendirilmesinde ilk basamağı oluşturmak­tadır. Bu basamak için yapı projesinde yer alan şantiye verilerinin yazılım modelinde kullanı­labileceği belirtilmiştir. Bu sayede binalardan numune alınmasına gerek kalmadan depreme dayanıklılık analizi gerçekleştirilebileceği ve ge­leneksel dayanıklılık değerlendirmesine kıyasla önemli ölçüde tasarruf sağlanabileceği vurgulan­maktadır. Uygulanan yazılım modeli ile binanın riskli olduğu tespit edildiğinde “Türkiye Bina Deprem Yönetmeliği”ne göre detaylı analiz ya­pılması önerilmektedir.^8,11 Binaların deprem per­formansının makine öğrenmesi ile değerlendi­rilmesi, afet odaklı kriz yönetiminin hedeflerini belirlemekte ve tedbir alma konusunda yönetici­lere yol göstermektedir.¹² Bu çalışma, İstanbul’da­ki binalardan elde edilen birincil verilerle analiz yapan ilk çalışma olmasıyla dikkat çekmektedir. Çalışmada kullanılan makine öğrenmesi teknik­leri, binanın deprem dayanıklılığını etkileyen en önemli faktörleri belirlemeye yönelik geliştiril­miştir. Bu sayede kısa zamanda düşük maliyetli kararların alınabileceği belirtilmektedir.¹²

Deprem Sırasında: Makine Öğrenmesi ile Kriz Yönetimi

Afetlerin meydana getirdiği ortak sorunla­rın ilki, iletişimin sekteye uğramasıdır. Deprem sırasında iletişim altyapısının zarar görmesi telekomünikasyon için engel oluşturabilir. Bu sebeple afetin meydana geldiği sırada ve afet sonrası akut süreçte beklenen lojistik destek afet bölgesinde bulunmayabilir ve acil durum hatları ulaşılmaz olabilir. Bu durum müdahale ekiplerinin depremzedeler ile iletişimini zorlaş­tırabilir. İletişim ağları zarar gördüğünde buna alternatif olarak internet ağları iletişimi sağla­yabilir. İnternet ağları metin şeklinde, sesli veya görüntülü iletişim kurulmasını sağlayarak afet sırasında anlık bilgi paylaşımının alternatifi olabilir.¹⁶ Böylece iletişimin kesintisiz devam etmesi ile afette can kaybı azaltılabilir.

Twitter (yeni ismiyle X), küresel ölçekte aktif kullanımıyla dikkat çeken bir sosyal medya platformu olarak kriz zamanlarında da iletişim imkanı sağlamaktadır. Acil yardım kurumlarıyla iletişimin kısıtlı olduğu afet zamanlarında Twitter’ın önemli bir iletişim ağı olduğu görülmüştür. Twitter kullanımının fazla olması sebebiyle büyük miktarda veri oluşmuş ve mevcut veri analizinin de aynı oranda zorlaştığı belirtilmiştir.¹⁶ Wisconsin-Whitewater Üniversitesinden Courtney Powers ve arkadaşları afet durumunda Twitter mesajı olarak paylaşılan acil durum çağrılarını ayıklayan bir makine öğrenimi modeli üzerine çalışmışlardır. Bu çalışmayla, makine öğrenmesi ve yapay zeka modelleri kullanılarak acil yardım talebini içeren tweet’lerin kategorize edilmesi ve kriz sırasında hızlı iletişim sağlanabilmesi amaçlanmıştır. Çalışmanın ilk kazanımı acil çağrı içerikli tweet’lerin ayırt edilmesidir. İkinci kazanımı ise kurtarma ekiplerinin koordinasyonuna yardımcı olmasıdır. Son olarak, makine öğrenmesi modeli için verilerin yorumlanabilirliğini geliştirmek amacıyla veri ön işleme stratejilerinin kullanılmasıdır.¹⁶ Afet ile ilgili analiz edilen tweet’lerin, “ilgili ve acil olan tweet içerikleri” şeklinde filtrelenmesi sonucunda az sayıda tweet elde edilmiş olması çalışmanın sınırlılığı olarak belirtilmiştir. Dolayısıyla az miktardaki bu veri setinin hacmini artırabilmek amacıyla başka veriler de gerektiğinden benzer afetlerin veri kümelerini dahil ederek yeni bir veri seti oluşturulması önerilmiştir. Bu veri setinin yeni afetlerde de acil durum içerikli tweet’lerin tespitini sağlamak suretiyle ekiplere yardımcı olabileceği umulmaktadır. Bu çalışmada önerilen modeller, acil olma ve afetle ilgili olma durumlarına göre ikili sınıflandırma içermektedir. Önerilen modelin gelecekte yapılacak çalışmalarda tweet’lerin ilgili, ilgisiz, acil olma ve olmamasının dışında başka kategorilerin de dahil edilmesi için umut verici olduğu görülmektedir.¹⁶ Ayrıca bu çalışmada afet tweet’lerinin sınıflandırılmasında, diğer modellere kıyasla büyük veriyi değerlendiren ön-eğitimli dil modelleri ilk defa kullanılmıştır.¹⁶ Dil modellerinin önemi, yapay zeka ve makine öğrenmesi ile bilgisayarın insan dilini kavrayabilmesi ve analiz edebilmesidir.¹⁷ Burada da büyük ölçekli dil modellerinin sınıflandırma amacıyla kullanımının gelecekteki çalışmalara yön verebileceğine dikkat çekilmektedir.¹⁷

Deprem Sonrası: Dronlar ile İnsani Yardım

Lojistiği Afetlerin meydana getirdiği ortak sorunların bir diğeri ulaşımın sekteye uğramasıdır. Afetin meydana geldiği sırada ve afet sonrası akut süreçte beklenen lojistik destek, karayolunun depremden hasar alması veya bina enkazının yol üzerinde olması sebebiyle afet yerinde bulunmayabilir. Deprem nedeniyle meydana gelen enkaz, acil ihtiyaçların ve müdahale ekiplerinin olay yerine ulaşmasının önündeki ciddi engellerden biridir.¹⁸ Bu durum, 6 Şubat 2023 tarihinde Doğu Anadolu fay hattında gerçekleşen ve merkez üssü Kahramanmaraş olan depremde de gözlemlenmiştir.⁹

Ulaşım engeli, afet sırasında bir kurtuluş yolu bulmayı ve müdahale ekiplerinin olay yerine ulaşmasını zorlaştırarak afette can kaybının artmasına sebep olabilir. Bu ulaşım engeline bir çare olarak deprem sonrası akut süreçte lojistik faaliyetlerini karayollarının alternatifi olarak hava yolu ile yapmak acil ihtiyaçların karşılan­masını kolaylaştırabilir.

Afet sonrası insani yardımların hızlıca ulaş­tırılması amacı için önerilen yöntemlerden biri, Viadrina Avrupa Universitesinden Okan Dük­kancı ve arkadaşları tarafından geliştirilen iki aşamalı dron taşıma sistemidir (Şekil 2).¹⁹ Dron­lar genel olarak denetim, izleme, lojistik ve insani yardım projelerinde teslimat için kullanılan ci­hazlardır.¹⁹ Bu çalışmada ise afet sonrası teslimat­ta karayolu ağının etkisini azaltmak için menzil ve zaman kısıtı olmasına rağmen dronlar tercih edilmiştir. Dronun en kısa zamanda en uzun me­safeyi alması için lojistik problem matematiksel olarak ifade edilmiştir. Problemin matematiksel ifadesi, önerilen algoritma ile afet sonrası talep­lerin ve karayolu ağ belirsizliklerinin de hesapla­nabilmesini sağlamıştır. Bu hesaplamalar netice­sinde belirlenen noktaların konumları Şekil 3’te yer almaktadır. Bu çalışmada yer alan iki kilog­ram kapasiteli küçük dronlar ile su arıtma tab­letleri, maske, ilaç gibi düşük ağırlıklı ve küçük hacimli malzemelerin taşınması hedeflenmiştir. Çalışma, İstanbul’da beklenen deprem için yeni bir yaklaşım ve en iyi performansı sergileyen al­goritmayı sunmasıyla literatüre katkı sağlamak­tadır. Ayrıca İstanbul için birincil verilerle iki ka­demeli olarak tasarlanmış ilk çalışma olduğu da vurgulanmaktadır. İlk kademede küçük dronlar kamyonlar tarafından alandaki bir noktaya kadar taşınmaktadır. Ardından algoritma ile belirlenen dağıtım noktalarına dronların uçurulmasıyla lo­jistik destek sağlanmaktadır. Çalışmada yer alan büyük dronlar depodan direkt dağıtım noktasına taşıma gerçekleştirdiği için tek kademede lojistik destek sağlamaktadır. Sınırlı mesafeyi gidebilen küçük dronlar ise en iyi lojistik desteği iki kade­meli sistemle sağlamaktadır.¹⁹

Lojistik probleminin bilgisayar ile hesaba da­yalı analizi yardım ulaşan insan sayısının arttığı­nı fırlatma noktalarının ve küçük dron sayısının artırılması gerektiğini, depo sayısının ise azal­tılması gerektiğini göstermektedir.¹⁹ Çalışmada hava koşullarının ihmal edilmesi ve küçük dron­lar için gerekli olan tamamen dolu pil sayısının yeterli kabul edilmesi, hedefe ulaşmanın sınırlı­lıkları olarak gösterilmiştir. Meydana gelen yıkı­mın büyüklüğü düşünüldüğünde, geliştirilen bu algoritmanın insani yardımların mümkün olabi­lecek en hızlı şekilde bölgeye ulaştırılmasına kat­kı sağladığı belirtilmektedir.¹⁹ Ayrıca depoların sabit maliyeti, kamyonların nakliye ücreti gibi ekonomik etkilerin gelecek çalışmalarda dikkate alınması önerilmektedir.¹⁹

Afete hazırlık sürecinde ve afet sırasında lo­jistik, iletişim, acil yardım gibi sorunlara hızla çözüm bulmak, önerilen makul ve uygulanabi­lir çözüm alternatiflerini iyi değerlendirmekle mümkün olabilir. Makine öğrenme teknikleri­nin olası senaryoları üretmede ve risklerin tes­pitinde kullanılması beklenen yıkıma en yakın senaryonun tahmin edilmesini ve önlem alma­yı sağlayabilir. Afete karşı planlama yapmak, zamandan, mekândan ve enerji kullanımın­dan tasarruf etmeyi de mümkün kılar. Ayrıca geliştirilen yöntemler ve teknikler sayesinde betonarme yapıların deprem performansının analiz edilmesi yangın, sel, çığ, toprak kayması, kasırga gibi diğer afet türlerinin öncesinde de yapısal ve işlevsel analizin yolunu açabilir. Bü­yük veri kümelerinin modern makine öğrenme teknikleriyle değerlendirilmesi sayesinde sade­ce deprem değil, yıkıcı olmayan ekolojik olay­ların analizi de yapılabilir. Bu sayede günlük hayatta karşılaşılan hava kirliliğinin yapılara, tarihi eserlere verdiği zarar analiz edilebilir ve daha geniş çaplı tedbirler alınabilir. Küresel öl­çekte aktif olarak kullanılan sosyal medya plat­formlarından sağlanan verilerde fotoğraf, video gibi görsel içerikli çağrıların analizini yapabilen makine öğrenmesi modelleri geliştirilebilir. Bu modeller afet sırasındaki ve sonrasındaki talep­lerin belirlenmesine ve afet sonuçlarının hızla analiz edilmesine katkı sağlayabilir. Ayrıca sos­yal medya platformlarında bulunan büyük veri­yi daha verimli işleyen veri ön işleme teknikleri­nin geliştirilmesi, makine öğrenmesinin verim­liliğini de artırabilir. İnsanın binlerce yıllık geli­şimi sonucunda doğa şartlarına daha iyi uyum sağlayarak hayatta kalması süreç içinde gelişen zekasının göstergesi olarak görülebilir. Bu ge­lişime rağmen insanın öğrenemediği hastalık mekanizmaları, kültürdeki bakterilerin hızlı ve doğru sayılması, tıp alanındaki görüntüleme­nin tanı ve tedavi sürecini kolaylaştırması gibi spesifik birçok alanda güçlü bir yardıma ihtiyaç duyabilir. İnsana bu konu ve daha fazlasında yardımcı olan yapay zeka ve makine öğrenme­sidir. Yapay zeka ve makine öğrenmesi bilim tarihinde yerini yeni almasına rağmen hızlı evrimiyle -afetler dahil- birçok süreçte insana desteğini arttırır. Afet sürecinin en iyi yönetimi ve doğayı anlamanın yolu kaçınılmaz olarak bi­limsel yöntemlere başvurmayı gerektirir. Geniş kullanım alanı ve hızlı gelişimiyle yapay zekâ ve makine öğrenmesi, bilimsel yöntemlerin aktif rol almasına katkı sağlayarak umut vadediyor ve heyecan uyandırıyor.

Kaynakça

1. Ürkmezyel M. (2023). Sismik izolasyon sistemlerinin fayda-maliyet analizi açısından değerlendirilmesi (TC Maltepe Üniversitesi Lisansüstü Eğitim Ensti­tüsü Yüksek Lisans Tezi).
2. Arikan A. (2010). 09(Sakarya Üniversitesi Fen Bi­limleri Enstitüsü Yüksek Lisans Tezi).
3. Yılmaz Ş. Geleneksel Ekolojik Bilgi Bağlamın­da Beypazarı Evleri. Millî Folklor. 2019; 16(124), 213229.
4. Dünyanın Jeolojik Tarihi. Ankara Üniversitesi Açık Dersler. https://acikders.ankara.edu.tr/pluginfile. php/121791/mod_resource/content/0/Konu%202. pdf#:~:text=Bu%20süre%20genel%20olarak%20 500,kadar%20geçen%20süre%20olarak%20tanım­lanır Erişim tarihi: 29.10.2023
5. Karaoğlu M., Çelim, Ş. Doğu Anadolu Bölgesi Ve Iğdır’ın Jeolojisi Ve Toprak Özellikleri . Journal of Agriculture. 2018; 1 (1) , 14-26.
6. Gönüllü A.R. Güneybatı Anadolu Bölgesi’nde Mey­dana Gelen Depremler (1851-1971). Atatürk Araş­tırma Merkezi Dergisi. 2009; XXV, 369-416.
7. Afet ve Acil Durum Müdahale Hizmetleri Yönetme­liği https://www.mevzuat.gov.tr/mevzuat?Mevzuat No=5211&MevzuatTur=21&MevzuatTertip=5 Eri­şim tarihi: 29.10.2023
8. Türkiye Bina Deprem Yönetmeliği https://www. resmigazete.gov.tr/eskiler/2018/03/20180318M1-2. htm Erişim tarihi: 18.07.2023
9. Math S B, Nirmala M C, Moirangthem S, Kumar N C. Disaster Management: Mental Health Pers­pective. Indian journal of psychological medicine. 2015;37(3), 261–271.
10. Makwana N. Disaster and its impact on mental he­alth: A narrative review. Journal of family medicine and primary care. 2019; 8(10), 3090–3095.
11. Altun F. Afetlerde Psikososyal Hizmetler: Marmara ve Van Depremleri Karşılaştırmalı Analizi. İstanbul Sabahattin Zaim Üniversitesi Sosyal Bilimler Der­gisi. 2016;4(8-9),183-197. Retrieved from https:// dergipark.org.tr/tr/pub/izusbd/issue/54076/730144
12. Cosgun C. Machine learning for the prediction of evaluation of existing reinforced concrete structu­res performance against earthquakes. Structures. 2023;50:1994-2003.
13. Arslan R. (2017). 1957 Fethiye depremi ve bölgeye etkileri. Electronic Turkish Studies, 12(35). (Milliyet, 28 Nisan 1957: 1) (Süreli Yayınlar: Milliyet, Bayar ve Menderes Zelzele Bölgesinde, 28 Nisan 1957.)
14. Akter S., Wamba S. F. Big data and disaster mana­gement: a systematic review and agenda for future research. Annals of Operations Research. 2019;283, 939-959.
15. Zheng L., Shen C., Tang L., Zeng C., Li T., Luis S., Chen S. C. Data mining meets the needs of disas­ter information management. IEEE Transactions on Human-Machine Systems. 2013;43(5), 451-464.
16. Powers CJ, Devaraj A, Ashqeen K, et al. Using artifi­cial intelligence to identify emergency messages on social media during a natural disaster: A deep lear­ning approach. International Journal of Information Management Data Insights. 2023;3(1):100164.
17. Radford A., Wu J., Child R., Luan D., Amodei D., Sutskever I. Language models are unsupervised multitask learners. OpenAI blog. 2019;1(8), 9.
18. Ürün U. (2015). Van kentinin deprem sonrası yeni­den yapılandırılması sürecinde ulaşım sorunları ve geliştirilebilecek ulaşım politikaları (Fen Bilimleri Enstitüsü Yüksek Lisans Tezi).
19. Dukkanci O, Koberstein A, Kara BY. Drones for re­lief logistics under uncertainty after an earthquake. Eur J Oper Res. Published online March 3, 2023.
20. İşçi DC. Deprem Nedir Ve Nasil Korunuruz. J Yaşar Univ. 2008;3(9):959.