Araştırma makalesi

Coğrafi Bilgi Sistemleri, Çoklu Etki Faktörü ve Analitik Hiyerarşi Süreci Yaklaşımları Kullanarak Yağmur Suyu Hasadı Sahasının ve Yapı Uygunluğunun Optimizasyonu

28 görüntülenme

⸱

DOI:

10.3791/72363

⸱

1 Ekim 2026

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1National Centre of Excellence in Geology, University of Peshawar, 2Directorate General Soil and Water Conservation, 3School of Interdisciplinary Engineering and Sciences (SINES), National University of Sciences and Technology (NUST), 4Department of Biotechnology, College of Science, Taif University, 5Department of Biology, College of Science, Taif University, 6Department of Computer Science, College of Science, Northern Border University, 7Department of Information Systems, College of Computer Science and Engineering, Taibah University, 8Department of Computer Science, College of Computer Science and Engineering, Taibah University, 9Department of Computer Science, Faculty of Science, Tanta University, 10Department of Field Crops, Faculty of Agriculture, Siirt University

Bu makalede

Özet

Bu makale, Pakistan'ın kuzeyindeki Panjkora havzasında gösterildiği üzere, dağlık nehir havzalarında uygun yağmur suyu hasadı sahalarını belirlemek ve uygun yapıları seçmek için Çoklu Etki Faktörü (MIF) ve Analitik Hiyerarşi Süreci (AHP) modellerini kullanan entegre bir Coğrafi Bilgi Sistemi (CBS) tabanlı yaklaşımı tanımlamaktadır.

Özet

Yağmur suyu hasadı (RWH), dağlık bölgelerde su tasarrufu, geliştirilmiş su kaynakları yönetimi ve suyla ilgili tehlikelerin azaltılması için temel bir uygulamadır. Uygun bir sahanın seçimi ve RWH tesisinin uygun yapısı, özellikle iklim değişikliğine bağlı hidrolojik belirsizlikler nedeniyle, her koşul altında su mevcudiyetini ve tarımsal verimliliği artırmak için hayati önem taşır. Dünya genelindeki çeşitli koşullar altında, özellikle bu sahaların bölge ve aşağı havza üzerindeki çevre, toplum ve ekonomi üzerindeki etkilerinin önemli olduğu uzak ve erişilemez dağlık alanlarda RWH sahalarını değerlendirmek ve analiz etmek zordur. Bu çalışmada, Pakistan'ın kuzeyindeki Hindu Kuş bölgesinde bulunan Panjkora nehri havzasında uygun bir RWH sahası ve uygun yapıların seçimi için geleneksel ve uzaktan algılama (RS) verileri kullanılarak Coğrafi Bilgi Sistemi (GIS) içinde Çoklu Etki Faktörü (MIF) ve Analitik Hiyerarşi Süreci (AHP) uygulanmıştır. MIF (ve AHP) sonuçlarına göre, çalışma bölgesinde RWH yapıları için 80,22 (1572,58) km2 düşük uygunlukta alan, 1681,99 (1605,69) km2 orta derecede uygun, 3116,10 (1768,62) km2 uygun, 844,86 (689,15) km2 yüksek derecede uygun ve 35,10 (122,61) km2 çok yüksek derecede uygun alan bulunmaktadır. Modellerin doğruluğunu ve sağlamlığını kontrol etmek için sonuç haritaları, Alıcı İşletim Karakteristiği ve Eğri Altındaki Alan (ROC-AUC) testleri (MIF puanı = 0,724 ve AHP puanı = 0,692) kullanılarak doğrulanmıştır. Umut verici bir doğrulukla sonuçlar sunan bu araştırma, farklı hidro-meteorolojik ve fizyografik koşullar altında modellerin daha fazla geliştirilmesi, uygunluğu ve uygulanabilirliği konusunda konuyla ilgili yeni teknik bakış açıları sağlayacaktır. Genel olarak, her iki model de uygun yağmur suyu hasadı sahalarını başarıyla belirlemiştir; ancak MIF modeli, tahmin doğruluğu ve mekansal güvenilirlik açısından AHP modelinden daha üstün performans göstermiştir. Önerilen GIS tabanlı çerçeve, dağlık havzalarda sürdürülebilir yağmur suyu hasadı planlamasını ve su kaynakları yönetimini destekleyebilir.

Giriş

Hem yüzeysel hem de yer altı su kaynaklarının tükenmesini içeren su kıtlığı, birçok gelişmekte olan ülkede temel bir sorun haline gelmiştir1. Hızlı nüfus artışı, şehirleşme, tarımsal genişleme, karmaşık topografya ve değişen iklim koşulları, mevcut su kaynakları üzerindeki baskıyı artırmıştır2,3. Su stresinin yaşandığı bölgelerde, evsel ve tarımsal talepleri karşılamak için yapılan aşırı yer altı suyu çekimi, su tablolarının düşmesine ve uzun vadeli su güvenliğinin azalmasına neden olmuştur. Bu nedenle, özellikle Pakistan gibi hızlı nüfus artışı yaşayan, su kaynakları iklim değişikliğine karşı yüksek hassasiyete sahip olan ve su talebinin arttığı bölgelerde sürdürülebilir su yönetimi stratejilerine acilen ihtiyaç duyulmaktadır. Çeşitli adaptasyon stratejileri arasında, yağmur suyu hasadı (RWH), yağış akışını korumak ve mevcut su kaynaklarını desteklemek için etkili bir yaklaşım olarak ortaya çıkmıştır4. RWH sistemleri, yağışlı dönemlerde yağmur suyunu toplar ve daha sonra kullanılmak üzere depolar; böylece hem yerel hem de bölgesel ölçekte su kıtlıklarını gidermek için sürdürülebilir bir alternatif sunar5,6. Ancak RWH sistemlerinin başarısı, büyük ölçüde uygun konumların ve uygun hasat yapılarının belirlenmesine bağlıdır. Saha seçimi, bölgeler arasında mekansal olarak farklılık gösteren çok sayıda fizyografik, çevresel, hidrolojik ve sosyo-ekonomik faktörden etkilendiği için karmaşık bir süreçtir7,8. Geleneksel olarak, potansiyel RWH alanlarını belirlemek için saha araştırmaları kullanılmıştır; ancak bu yaklaşımlar genellikle maliyetli, zaman alıcıdır ve özellikle dağlık bölgeler gibi geniş ve erişilemez alanlar için kullanışsızdır. Bu nedenle, Coğrafi Bilgi Sistemleri (CBS) ve Uzaktan Algılama (UA) teknolojileri, bölgesel ölçekte RWH değerlendirmesi için verimli alternatifler olarak giderek daha fazla benimsenmektedir9. CBS tabanlı çok kriterli değerlendirme (MCE), uygun RWH bölgelerini belirlemek amacıyla yağış, akış, eğim, toprak özellikleri, arazi kullanımı/arazi örtüsü, drenaj yoğunluğu ve sosyo-ekonomik parametreler dahil olmak üzere çeşitli tematik katmanları entegre etmek için etkili bir çerçeve sunar10,11. Uzaktan algılama veri setleri; arazi örtüsü, jeomorfoloji, toprak özellikleri ve hidrolojik özellikler dahil olmak üzere geniş ve erişilemez alanlar üzerinden maliyet etkin mekansal bilgiler sağlayarak bu yaklaşımı daha da geliştirmektedir12. Pakistan; artan su talebi, iklim değişkenliği ve tarıma dayalı geçim kaynaklarına bağımlılık nedeniyle ciddi su sorunlarıyla karşı karşıya olan ülkeler arasındadır13. Ülkenin tarımsal ekonomisi önemli su kaynakları gerektirirken, düşen yer altı suyu seviyeleri ve düzensiz yağış modelleri su kıtlığına karşı hassasiyeti artırmıştır. Sonuç olarak, özellikle su yetersizliği olan ve dağlık bölgelerde su mevcudiyetini artırmak için yağmur suyu koruma ve depolama önemli stratejiler haline gelmiştir12,14. Önceki çalışmalar, çevresel ve sosyo-ekonomik parametreleri entegre ederek RWH saha seçimi için CBS ve UA tabanlı yaklaşımların etkinliğini kanıtlamıştır15,16,17,18. Birçok araştırmacı, farklı çevresel koşullar altında uygun RWH konumlarını belirlemek için Analitik Hiyerarşi Süreci (AHP), Bulanık AHP ve diğer ağırlıklandırma yaklaşımları dahil olmak üzere çeşitli çok kriterli karar verme teknikleri uygulamıştır19. Önemli ilerlemelere rağmen, farklı çok kriterli karar verme yaklaşımlarının performansı; bölgesel çevresel özelliklere, mevcut veri setlerine ve uzman tabanlı ağırlıklandırma sistemlerine bağlı olarak değişebilir. Özellikle, benzer havza koşulları altında farklı yaklaşımların etkinliğini karşılaştıran sınırlı sayıda çalışma bulunmaktadır. Bu nedenle, alternatif karar verme tekniklerini değerlendirmek ve karşılaştırmak, RWH saha uygunluk değerlendirmelerinin güvenilirliğini artırmak için gereklidir. Mevcut çalışma, Pakistan'daki Panjkora Havzası'nda uygun RWH sahalarını belirlemek için Çok Etkileyici Faktör (MIF) ve Analitik Hiyerarşi Süreci (AHP) tekniklerini karşılaştırarak bu araştırma boşluğunu doldurmayı amaçlamaktadır. Topografya, jeolojik özellikler, arazi örtüsü dinamikleri, drenaj-lineament yoğunluğu, toprak özellikleri ve yağış gibi farklı değişkenlerin bir çok kriterli karar yaklaşımı kullanılarak CBS'ye dahil edilmesinin, dağlık bir ortamda en uygun RWH sahalarını belirleyebileceği hipotezi kurulmuştur. Çalışma, dağlık bölgelerde sürdürülebilir su kaynağı planlaması için CBS tabanlı karar destek yaklaşımlarının uygulanabilirliği konusunda değerli bilgiler sunmaktadır.

Protokol

Bu çalışma coğrafi veri, uzaktan algılama ve saha doğrulama verilerini içermekte olup; insan katılımcıları, tanımlanabilir kişisel verileri, hayvanları veya omurgalı dokularını kapsamamaktadır; bu nedenle, kurumsal insan veya hayvan etiği onayı gerekmemiştir.

Çalışma bölgesi

Panjkora nehir havzası, Pakistan'ın kuzeyindeki doğu Hindu Kuş Dağları'nda yer alan önemli bir fizyografik bölgedir (Şekil 1). Panjkora nehri, havzanın ana nehri olup (113 km uzunluğunda ve 5758,27 km2 havza alanına sahiptir) Hindu Kuş'un buzlarla kaplı dağlarından bir akarsu olarak başlar. Dir Lower'daki Chakdara yakınlarında Swat Nehri ile birleşir20. Panjkora Nehri'ne Barawal, Dir, Gawaldai, Jandol ve Kohistan dahil olmak üzere beş önemli akarsu veya dere katılır. Nehir, 34°39′30′′ ile 35°46′1′′ Kuzey enlemleri ve 71°13′08′′ ile 72°22′13′′ Doğu boylamları arasında uzanır. Bölgenin konumu ve engebeli topografyası, iklimini (dağlık ve ılıman) önemli ölçüde etkilemektedir. Havzanın Üst (Kumrat, Thal) bölgesinde kış mevsimi daha uzun, yaz mevsimi ise daha soğuk geçer. Kasım ayından itibaren sıcaklıklar hızla düşer. Bununla birlikte, Dir Lower'da (Timergara, Talaash, Maidan, Samarbagh) sıcaklıklar genellikle Aralık'tan Şubat'a kadar donma noktasının üzerindedir. Timergara'da en sıcak aylar, ortalama maksimum sıcaklıkların 35 °C'nin üzerinde olduğu Haziran ile Ağustos arasıdır; Dir Kasabası'nda ise en sıcak aylar Haziran ve Temmuz'dur (maksimum sıcaklıklar sırasıyla 32,4 °C ve 31,5 °C). Musonlar yaz yağışlarının kaynağıyken, Batı Alçak Basınç sistemi kış yağışlarını getirir. Çalışma alanı, yıl boyunca yüksek bağıl nem ile karakterize edilir. Özellikle Wari'nin yukarı ve aşağı akış bölgelerinde (nerdeyse) her yıl nehir taşkınları ve ani seller21 meydana gelir. Bölgede yetiştirilen başlıca ürünler arasında pirinç, buğday, mısır, patates ve soğan yer alırken, çalışma alanında yetiştirilen önemli meyveler hurma, portakal, elma, ceviz, kayısı, erik, malta eriği ve duttur.

figure-protocol-1
Şekil 1: Kuzey Pakistan'daki Panjkora Nehri Havzası'nın çalışma alanı haritası. (A) Khyber Pakhtunkhwa'nın Pakistan içindeki konumu; (B) Panjkora Nehri Havzası'nın Khyber Pakhtunkhwa içindeki konumu; ve (C) havza sınırını, yükselti dağılımını, nehir ağını ve çalışma alanındaki önemli konumları gösteren Panjkora Nehri Havzası. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Veri toplama ve hazırlama

Bu çalışma için veriler farklı kaynaklardan toplanmıştır. Yağış verileri, 2014 ile 2023 yılları arasını kapsayacak şekilde Küresel Yağış Ölçümü (GPM) Ulusal Havacılık ve Uzay Dairesi'nden (NASA) https://gpm.nasa.gov/missions/GPM adresinden indirilmiştir. Toprak dokusu verileri, Pakistan Khyber Pakhtunkhwa Toprak Etüt Müdürlüğü'nden (www.soilconservation.kp.org) toplanmıştır. Jeolojik veriler, Pakistan Jeolojik Etüt bölgesel ofisinden (https://gsp.gov.pk/) temin edilmiştir. Arazi Senaryolarının (Arazi kullanımı/Arazi Örtüsü) toplanması ve hesaplanması için Sentinel 2 görüntüleri Avrupa Uzay Ajansı (ESA) Copernicus Open Access Hub'dan (https://scihub.copernicus.eu/) alınmıştır. Arazi kullanımı/arazi örtüsü (LULC) haritalaması için 10 Eylül 2025 tarihinde elde edilen Sentinel-2B görüntüleri kullanılmıştır. Görüntü, Maksimum Olabilirlik Sınıflandırması (MLC) algoritması kullanılarak işlenmiş ve sınıflandırılmıştır. Çalışma alanı genelinde; su kütleleri, orman, tarım arazisi, kentsel alanlar, çıplak toprak, kar/buz ve mera olmak üzere yedi LULC sınıfını temsil eden toplam 65 eğitim örneği toplanmıştır. Hazırlanan eğitim örnekleri, denetimli sınıflandırma yapmak ve nihai LULC haritasını oluşturmak için kullanılmıştır. Sınıflandırma doğruluğu, genel doğruluk ve Kappa katsayısını içeren, doğrulama örneklerine dayalı bir doğruluk değerlendirme yaklaşımı kullanılarak analiz edilmiştir. 12.5 uzamsal çözünürlüğe sahip dijital yükseklik modeli (DEM), 2/12/2023 tarihinde Alaska Uydu Tesisi'nden (ASF) (https://asf.alaska.edu/) temin edilmiştir. DEM modeli daha sonra eğim, drenaj ağı, drenaj yoğunluğu ve yükseklik katmanlarını oluşturmak için kullanılmıştır. Mevcut yağmur suyu hasadı yapılarına ait veriler, çapraz doğrulama amacıyla ilgili departmanlardan toplanmıştır.

Tüm mekansal veri setleri, coğrafi bilgi sistemi (CBS) yazılımı kullanılarak işlenmiş ve analiz edilmiştir (bakınız Materyaller Tablosu). CBS tematik katman verileri Ek Dosya 1'de sunulmuştur. Mekansal tutarlılığı sağlamak ve doğru alan hesaplamaları yapmak için tüm girdi veri setleri ortak bir projeksiyon koordinat referans sistemine (CRS) (WGS 1984 UTM Zon 42N) projekte edilmiştir. Farklı mekansal çözünürlükteki raster veri setleri, kategorik veri setlerinin orijinal mekansal özellikleri korunarak, en yakın komşu yeniden örnekleme yöntemiyle ortak bir ızgaraya göre yeniden örneklenmiş ve hizalanmıştır. Mekansal hizalama için 12.5 m mekansal çözünürlüğe sahip Sayısal Yükseklik Modeli (DEM) referans raster olarak kullanılmış ve tüm tematik katmanlar aynı hücre boyutu ve kapsama sahip raster formatına dönüştürülmüştür. Tüm girdi katmanlarını dışarı aktarmak ve analiz için tutarlı bir mekansal kapsam sağlamak amacıyla Panjkora Nehri Havzası'nın çalışma alanı sınırı maske olarak kullanılmıştır. Eksik pikseller ve havza sınırı dışındaki alanlar analizden çıkarılmış ve NoData değerleri olarak kabul edilmiştir. Tematik katmanlar (yağış, eğim, drenaj yoğunluğu, lineament yoğunluğu, toprak, jeoloji ve arazi kullanımı/arazi örtüsü), Jenks Doğal Kırılmalar sınıflandırma yöntemi kullanılarak uygunluk sınıflarına yeniden sınıflandırılmış ve MIF ve AHP yaklaşımlarına göre ilgili rütbe/ağırlıklar atanmıştır. Veri kaynakları Tablo 1'de gösterilmektedir.

Tablo 1: Yağmur suyu hasadı uygunluk değerlendirmesi için kullanılan veri kaynakları ve özellikleri. Bu tabloyu indirmek için lütfen buraya tıklayın.

MIF uygunluk modellemesi

Başlangıçta, çeşitli parametrelerin seçimi literatür taramasına dayanarak gerçekleştirilmiştir12. Yağmur Suyu Hasadı (RWH) için uygun konumları belirlemek amacıyla; yağış, litoloji, lineament yoğunluğu, drenaj yoğunluğu, toprak dokusu, eğim ve arazi kullanımı/arazi örtüsü ayrı etkileyici faktörler olarak dikkate alınmıştır. Bu amaç doğrultusunda, parametrelerin etki ölçeğini oluşturmak için parametrelerin ön işlemesi yapılmış; ardından veriler RWH açısından önem derecelerine göre kategorize edilmiş ve çoklu etkileyici faktör formülü (Denklem 1) kullanılarak ana ve ikincil önem dereceleri belirlenmiştir. Tablo 2, farklı faktörlerin ana ve ikincil önem derecelerini göstermektedir22 (Bkz. Ek Dosya 2)

Tablo 2: Çoklu Etki Faktörü (MIF) modelinde kullanılan seçilmiş etkileyici faktörler ile bunların ana ve ikincil etki puanları. Bu tabloyu indirmek için lütfen buraya tıklayın.

Seçilen faktörler, şu ilişki kullanılarak sıralanmıştır,

[(X+Y) ÷ ∑(X+Y)] × 100 (1)

burada Y faktörlerin ikincil etkisini, X ise ana etkisini temsil eder. Her faktörün ana ve ikincil etkileri Denklem 1 kullanılarak hesaplanır.

Majör (X) ve minör (Y) etki puanları, önceki çalışmalara ve her bir faktörün akış üretimi, sızma ve yağmur suyu hasadı potansiyelini kontrol etmedeki hidrolojik önemine göre atanmıştır12. RWH uygunluğu üzerinde doğrudan etkisi olan faktörlere majör etki atanırken, minör etki, kontrol parametreleri arasındaki dolaylı ilişkileri temsil etmiştir. Faktör ağırlıkları, birleşik majör ve minör etki puanlarının normalize edilmesiyle Denklem (1) kullanılarak hesaplanmıştır. Alt sınıf ağırlıkları; akış birikimine, sızma kapasitesine, su tutma kapasitesine ve RWH yapılarına olan uygunluğa yaptıkları göreceli katkıya göre atanmıştır. Bu yaklaşım, CBS tabanlı uygunluk analizi için şeffaf ve tekrarlanabilir bir ağırlıklandırma çerçevesi sağlamıştır.

Saaty ölçeğine dayalı göreceli önem Tablo 3'te gösterilmiştir.

Tablo 3: Analitik Hiyerarşi Süreci (AHP) analizi için kullanılan Saaty'nin göreceli önem ölçeği. Bu tabloyu indirmek için lütfen buraya tıklayın.

Tüm parametrelerin tematik seviye puanları birleştirilmiş olup, MIF parametrelerinin her bir alt sınıf puanı Tablo 4'te listelenmiştir. Yeniden sınıflandırma tekniği kullanılarak, MIF çıktısı yağmur suyu hasadı için beş kategoriye ayrılmıştır. Son olarak, setler, çiftlik göletleri, şev dolguları ve diğer koruma odaklı yapılar gibi farklı YSH yapılarının kurulması için önerilen nihai konumların haritaları oluşturulmuş ve analiz edilmiştir. Şekil 2 metodoloji çerçevesini göstermektedir.

figure-protocol-2
Şekil 2: CBS tabanlı MIF ve AHP modelleri kullanılarak yağmur suyu hasadı saha uygunluk değerlendirmesi için metodolojik çerçeve. Çerçeve; jeoloji, toprak, eğim, drenaj yoğunluğu, lineament yoğunluğu, arazi kullanımı/arazi örtüsü (LULC) ve yağış gibi tematik katmanlar elde etmek için saha araştırması, jeoloji, toprak, ALOS PALSAR DEM, ESA ve GPM verilerinin toplama ve işleme sürecini göstermektedir. Bu katmanlar, RWH uygunluk haritasını oluşturmak için Çoklu Etkileyici Faktör (MIF) yaklaşımı kullanılarak entegre edilmiş ve ardından nihai doğrulanmış haritaları üretmek için saha tabanlı doğrulama yapılmıştır Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Tablo 4: Yağmur suyu hasadı uygunluk haritalaması için tematik faktörlerin ve alt sınıfların Çoklu Etki Faktörü (MIF) tabanlı sıralamaları ve ağırlıkları. Bu Tabloyu indirmek için lütfen buraya tıklayın.

AHP uygunluk modellemesi

Analitik Hiyerarşi Süreci (AHP), karar vericinin öncelikleri belirlemesine ve en iyi seçeneği seçmesine yardımcı olan, zor karar verme durumlarını yönetmek için etkili bir tekniktir23. AHP tekniği, matematik ve uzman bilgisinin uygulanması yoluyla karmaşık kararları organize etmek ve değerlendirmek için kullanılan sistematik bir çerçevedir24. AHP, karmaşık yargıları ikili karşılaştırmalar yoluyla basitleştirip ardından sonuçları değerlendirerek, bir kararın hem öznel hem de nesnel yönlerinin belirlenmesine yardımcı olur25. Karşılaştırmalar öznel veya bireysel bakış açılarına dayandığı için kaçınılmaz olarak bazı farklılıklar olacaktır. Tutarlılık oranını hesaplayarak ve karar verme yanlılığını ortadan kaldırarak AHP tekniği, karar vericinin yargılarının tutarlılığını değerlendirmek için yararlı bir araç sunarak algıların tutarlılığını sağlar. AHP'nin temel avantajlarından biri, farklı kriterlerin ikili karşılaştırmaları arasındaki tutarlılık derecesini nicelleştiren tutarlılık oranıdır26,27,28,29. Coğrafi veri girişleri, AHP tarafından birleştirilerek bir karar çıktısına dönüştürülür. Saaty'nin ölçeği (Tablo 3) kullanılarak, ikili karşılaştırma matrisi oluşturulması yoluyla çeşitli temalar ve nitelikler hakkındaki kalitatif veriler kantitatif verilere dönüştürülür30,31. Temel süreç; hedefin belirlenmesini, nihai kararı etkileyen faktörlerin veya standartların değerlendirilmesini ve her bir kritere puan atamak için Saaty'nin ölçeğinin kullanılmasını içerir. Atanan ağırlıkların tutarlılığını kontrol etmek için, Saaty tarafından önerilen23 tutarlılık oranı (CR), Denklem 2 ve 3 kullanılarak hesaplanmıştır:

CR = CI/RCI (2)

burada CI tutarlılık indeksi, RCI ise rastgele tutarlılık indeksidir.

Tutarlılık indeksi (CI) şu denklemle verilir:

figure-protocol-3 (3)

burada n kriter sayısını ve λmax en büyük özdeğeri temsil eder. Tutarlılık indeksinin ortalama değeri, rastgele indeks ile tahmin edilir.

RWH yapı seçimi

Arazi örtüsü ve arazi kullanımı (LULC)

Arazi kullanımı, arazinin nasıl kullanıldığını tanımlarken; arazi örtüsü, arazinin doğal özelliklerini tanımlar. Akış yayılımı hakkında önemli bilgiler LULC'de32 yer almaktadır. Bitki örtüsüyle kaplı alanlarda, daha yüksek emilim ve sızma oranları daha az akışla ilişkilendirilirken; çıplak araziler ve yapılaşmış alanlar yüksek akış oluşumunu teşvik eder33,34. Çalışma alanının arazi kullanımı/arazi örtüsü modellerini hazırlamak için Sentinel 2b uydu verileri kullanılmıştır. Panjkora nehir havzasının arazi kullanımı; su kütleleri, orman, ürün ve tarım arazisi, kentsel alan, çıplak arazi, kar/buz ve mera olmak üzere yedi sınıfa ayrılmıştır. Farklı arazi kullanımı/arazi örtüsü sınıflarına atanan uygunluk ağırlıkları, bunların akış üretimi, sızma ve yağmur suyu depolama potansiyeli üzerindeki etkilerine göre belirlenmiştir. Tarım arazileri, genellikle orta düzeyde akış üretmesi ve sulama için hasat edilen sudan doğrudan faydalanması nedeniyle en yüksek uygunluk puanını almıştır. Çıplak arazilere de nispeten yüksek bir ağırlık verilmiştir çünkü seyrek bitki örtüsü ve açık toprak yüzeyleri, yoğun bitki örtüsü olan alanlara kıyasla daha fazla yüzey akışını teşvik eder. Buna karşılık, ormanlık alanlara daha düşük ağırlıklar verilmiştir çünkü yoğun bitki örtüsü yağışı engeller, geniş kök sistemleri aracılığıyla sızmayı artırır ve yüzey akışını azaltır. Kentsel alanlara ve mevcut su kütlelerine, ya ek RWH yapıları inşa etmek için sınırlı imkanlara sahip oldukları ya da halihazırda geçirimsiz yüzeyler veya mevcut su kütleleri tarafından kaplı oldukları için daha düşük uygunluk atanmıştır (Şekil 3A).

Drenaj yoğunluğu

Bir bölgenin yer altı suyu sızması ve su yüzey akışı, drenaj yoğunluğu ile tanımlanır. Drenaj yoğunluğu, hem yer altı hidrolojik oluşumlarını hem de yüzey özelliklerini yansıtır. Kanal aralıklarının sıkılığını ve yüzey malzemesinin özelliklerini gösterir. Drenaj yoğunluğu azaldıkça yüzey akışı azalır ve tersi durum geçerlidir12. Düşük drenaj yoğunluğuna sahip bölgelerde genellikle daha düşük sızma ve daha düşük yüzey akışı görülür ve tersi durum geçerlidir. Yoğun drenaj ağları, yağmur suyu toplama için temel öneme sahiptir. RWH, suyun akmasına ve bir toplama noktasına hızla iletilmesine olanak tanıyan bir sistem sağladıkları için yüksek drenaj yoğunluğuna sahip bölgelere daha uygundur34,35. Panjkora Nehri havzasının drenaj yoğunluğu, Jenks Doğal Kırılmalar sınıflandırmasına göre beş sınıfa ayrılmıştır: 0–9,4907, 9,4907–27,207, 27,207–48,219, 48,219–79,089 ve 79,089–161,34 km/km2. Düşükten orta düzeyde drenaj yoğunluğuna sahip bölgeler, yağmur suyu hasadı için ideal konumlar olarak kabul edildikleri için daha yüksek bir ağırlık değerine atanmıştır (Şekil 3B).

Lineament yoğunluğu

Lineamentler, tipik olarak jeolojik haritalardan türetilen ve uydu görüntülerinde de görülebilen doğrusal yüzey altı özelliklerdir. (Lokalize veya yapısal ayrışma bölgelerinin altında gömülü olan) lineamentler, artmış gözeneklilik ve geçirgenlik sergiler12. Lineamentler, uzaktan algılama görüntü işleme yazılımı kullanılarak Landsat 8 görüntüsünden çıkarılmıştır. Lineament raster katmanını oluşturmak için çizgi yoğunluğu (line-density) aracı kullanılmıştır. Lineament yoğunluğu, Jenks Doğal Kırılımlar (Natural Breaks) sınıflandırma yöntemi kullanılarak beş sınıfa ayrılmıştır: 0.0072-0.406 km/km2, 0.406-0.664 km/km2, 0.664-0.921 km/km2, 0.921-1.33 km/km2 ve 1.33-2.13 km/km2 (Şekil 3C).

Toprak

Toprak tekstürü, RWH planlaması ve saha seçimi açısından önemli bir faktördür. Toprağın infiltrasyon kapasitesi, tekstürü tarafından belirlenir. Genel olarak, kumlu topraklar killi topraklara kıyasla düşük yüzey akışı oluşturur36. Silt, kum ve kil yüzdeleri toprağın tekstürel sınıfını tanımlar. Killi toprak düşük geçirgenliğe sahiptir ve toplanan suyu tutabilir, bu nedenle yağmur suyu toplama için genellikle orta ve ince taneli toprağa sahip alanlar tercih edilmiştir8,37. Çalışma bölgesi beş toprak tekstürü ile karakterize edilmiştir: Buzullar ve kar örtüleri, tınlı, kireçsiz killi toprak, Tınlı sığ kireçsiz toprak, Tınlı çok sığ toprak ve kaya çıkıntıları (Şekil 3D).

Eğim

Sızma ve yüzeysel akış, topografyadan önemli ölçüde etkilenir8. Havzadaki eğim varyasyonu, sağanak yağış sırasında ve sonrasında suyun nasıl aktığı üzerinde belirgin bir etkiye sahiptir. Dik eğimli alanlarda, ihtiyaç duyulan yoğun toprak işleri nedeniyle yağmur suyu hasadı (RWH) yapılarının inşa edilmesi maliyet etkin değildir38. Yüksek RWH potansiyeli için en uygun konum, hafif eğimli alanlardır. Dik eğimli bölgelerde (yüzde 5'ten büyük eğimler) RWH yapıları dayanıklı değildir39. Dik eğimli alanlarda erozyon kontrol önlemleri de dikkate alınır40. Eğim derece cinsinden hesaplanmış ve çalışma alanı Jenks Natural Breaks sınıflandırması kullanılarak beş sınıfa ayrılmıştır: 0°–11.9°, 12°–22.5°, 22.6°–31.8°, 31.9°–42.4° ve 42.5°–82° (Şekil 3E).

Yağış

Yüzey akışını oluşturan temel bileşen yağışlardır. 2014-2023 yılları arasındaki yağış/presipitasyon verileri, Küresel Yağış Ölçümü (GPM) verileri olarak NASA'nın https://gpm.nasa.gov/missions/GPM adresinden indirilmiştir41. 2014-2023 dönemine ait GPM yağış verileri ve Jenks Doğal Kırılmalar sınıflandırması kullanılarak çalışma alanı beş yağış (mm) sınıfına ayrılmıştır: 49,93–57,014, 57,014–61,773, 61,773–65,262, 65,262–68,646 ve 68,646–76,894 (Şekil 3F).

Jeoloji

Bir havzanın fiziksel bileşimi ve ürettiği toprak miktarı, bölgenin jeolojisinden büyük ölçüde etkilenir. Jeolojik özellikler, suyun yer altı akiferlerine akışını kontrol eder40. Mevcut çalışma alanında bulunan iki ana kayaç türü sedimanter ve metamorfik kayaçlardır. Litoloji genel olarak Alt Paleozoyik kayaçlar, Karbonifer sedimanter kayaçlar, Kretase sedimanter kayaçlar, Mezozoyik intrüzif ve metamorfik kayaçlar, Triyas kayaçlar, ayrılmamış Paleozoyik kayaçlar, ayrılmamış Paleozoyik kayaçlar ve ayrılmamış Prekambriyen kayaçlar ile ayrılmamış Silüryen kayaçlar olarak ayrılmıştır. Kullanılabilirlik ve depolama kapasitesi, litoloji türünden önemli ölçüde etkilenir; bazı kayaçlar yüzey sularını süzme ve akiferi besleme yeteneğine sahiptir41. Öte yandan, bazı kayaçlar suyun geçişine izin vererek yer altı sularının yeniden beslenmesine yardımcı olur. Litoloji; geçirgenlik, gözeneklilik ve infiltrasyon kapasitesi üzerindeki etkileri aracılığıyla yüzeysel akış oluşumunu güçlü bir şekilde kontrol eder. Panjkora Havzası'nda, kompakt metamorfik kayaçlar genellikle konsolide olmamış veya yüksek gözenekli sedimanter çökeltilere göre daha düşük birincil gözeneklilik ve geçirgenlik sergiler. Sonuç olarak, yağışların sızma olasılığı daha düşük, yüzeysel akış oluşturma olasılığı ise daha yüksektir; bu da bu formasyonları yüzey yağmur suyu hasadı yapıları için daha uygun hale getirir. Buna karşılık, iri taneli veya kumlu malzemeler içeren sedimanter formasyonlar genellikle daha fazla infiltrasyona izin vererek depolama için mevcut olan yüzeysel akışı azaltır. Bu nedenle, metamorfik kayaçlara daha yüksek uygunluk ağırlıkları atanırken, sedimanter formasyonlara nispeten daha düşük ağırlıklar atanmıştır. Şekil 3G, Panjkora nehir havzasının jeolojik haritasını göstermektedir. Tüm veriler Ek Dosyalar 1 ve 3'te mevcuttur.

figure-protocol-4
Şekil 3: Panjkora Nehri Havzası'nda yağmur suyu hasadı alanı değerlendirmesi için kullanılan tematik faktörlerin mekansal dağılımı. (A) Arazi kullanımı/arazi örtüsü, (B) drenaj yoğunluğu, (C) lineament yoğunluğu, (D) toprak dokusu, (E) eğim, (F) yağış ve (G) jeoloji. Farklı renkler, her bir tematik faktörün ilgili sınıflarını temsil etmektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayınız.

Sonuçlar

MIF modeli için tematik harita yeniden sınıflandırması

Arazi örtüsü, arazi kullanımı ve RWH

Panjkora nehir havzasının arazi kullanımı; Su kütleleri, Orman arazisi, Ürün ve Tarım arazisi, Kentsel arazi, Boş arazi, Kar ve buz ile mera bölgeleri olmak üzere yedi sınıfa ayrılmıştır. Yağmur suyu hasadının (RWH) yaşam için kritik olduğu bölgelere, literatüre dayalı olarak yüksek ağırlıklar atanmıştır. Tarım ve boş araziler, bu arazi örtüsü sınıflarının genellikle yoğun ormanlık alanlara göre daha fazla yüzey akışı oluşturması ve hasat edilen suyun tarımsal kullanım için depolanması adına uygun konumlar sağlaması nedeniyle daha yüksek uygunluk değerleri almıştır. Ormanlık alanlar, yüksek bitki örtüsünün yağış durdurmayı ve sızmayı artırarak akış oluşumunu azaltması sebebiyle daha düşük uygunluk değerleri almıştır. Kentsel alanlar ve mevcut su kütleleri, yeni yağmur suyu hasadı müdahaleleri için sınırlı fırsatlar sunduklarından daha düşük ağırlıklar atanmıştır; yağmur suyu hasadı bağlamında tarım ve boş araziye daha fazla ağırlık verilirken, yüzey suları ve kentsel alanlara daha az ağırlık verilmiştir (Şekil 4A). LULC sınıflarına, yağmur suyu hasadı uygunluğu açısından göreceli önemlerine göre ağırlıklar atanmıştır (Tablo 4): su kütleleri (1), boş arazi (6), orman örtüsü (2), kentsel alanlar (1) ve tarım arazileri (7).

Drenaj yoğunluğu ve RWH

Yeraltı sularının sızması ve yüzey sularının akışı, drenaj yoğunluğu ile tanımlanır. Düşük akışlı alanlar yüksek sızma gösterirken, düşük drenaj yoğunluğuna sahip alanlar daha düşük sızma göstermiştir. 23 temel alınarak, düşük ve orta düzeydeki drenaj yoğunluğu bölgelerine yüksek bir derece (7, 4) verilirken, yüksek ve çok yüksek drenaj yoğunluğuna sahip bölgelere en düşük ağırlık (3, 2) verilmiştir (Şekil 4B). Düşük ve orta dereceli drenaj yoğunluğu alanları, bölgedeki yağmur suyu hasadı (RWH) için en uygun yerler olarak işaretlenmiştir.

Lineament yoğunluğu ve RWH

Çalışma alanının lineaman yoğunluğu, Jenks Doğal Kırılma sınıflandırma yöntemi kullanılarak beş sınıfa (yani çok yüksek uygunluk, yüksek uygunluk, orta uygunluk, düşük uygunluk ve çok düşük uygunluk) ayrılmış ve ağırlıklar buna göre (7, 4, 3, 2, 1) atanmıştır (Şekil 4C ve Tablo 4). Çalışma alanında, yüksek yoğunluklu bölgeler yağmur suyu hasadı için en az uygun konumlar olarak kabul edilirken, düşük yoğunluklu bölgelerin yüksek potansiyele sahip olduğu düşünülmüş ve bunlara daha yüksek bir ağırlık değeri verilmiştir.

Toprak ve Yağmur Suyu Hasadı (RWH)

Beş farklı toprak dokusu tipi haritalanmıştır: (buzullar ve kar örtüleri), (tınlı, killi kireçsiz toprak), (tınlı sığ kireçsiz toprak), (tınlı çok sığ toprak) ve (kayaç çıkıntıları) (Şekil 4D). Ağırlıklar atanırken su tutma kapasitesi ve geçirgenlik dikkate alınmıştır. Tınlı ve killi toprağın yüzeyde su tutma kapasitesine Saaty'ye23 göre en yüksek ağırlık verilmiştir. Çok sığ dağ tınlı toprağı, yüksek gözenekliliği ve yüksek geçirgenliği nedeniyle düşük bir ağırlık değerine sahiptir.

Eğim ve RWH

Eğim verileri, Jenks Doğal Kırılmalar sınıflandırmasına göre beş sınıfa ayrılmıştır: (0–11.9) derece, (12–22.5) derece, (22.6–31.8) derece, (31.9–42.4) derece ve (42.5–82) derece (Şekil 4E). MIF tekniğinde, orta eğimli alanlara (12–22.5) yüksek bir değer atanırken, çok dik eğimli alanlara düşük bir değer atanmıştır. Bu durum, eğime ağırlık verildiğini göstermektedir. Sınıf ağırlıklarını ve sıralamalarını belirlemek için MIF model formülü kullanılmıştır.

Yağış ve RWH

2014–2023 zaman dilimine ait GPM yağış verileri kullanılmış ve Junk'ın sınıflandırması kullanılarak (mm) cinsinden beş sınıfa ayrılmıştır: (49.93–57.014), (57.014–61.773), (61.773–65.262), (65.262–68.646) ve (68.646–76.894) (Şekil 4F). Değerler yağış miktarlarına göre atanmıştır; yüksek yağış oranlarına sahip alanlar yüksek ağırlıklar almış, düşük oranlı alanlar ise düşük ağırlıklar almıştır.

Jeoloji ve RWH

Çalışma alanının büyük bir kısmı metamorfik ve sedimanter kayaçlardan oluşmaktadır. Kullanılabilirlik ve depolama kapasitesi, litoloji ve kayaç türünden önemli ölçüde etkilenmektedir; bazı kayaçlar yüzey sularının sızmasına ve akiferin beslenmesine olanak tanıyabilir. Öte yandan, bazı kayaçlar suyun geçişine izin vererek yeraltı sularının yeniden şarj olmasına yardımcı olur. Metamorfik kayaçlar, nispeten düşük geçirgenliklerinin yüzey akış oluşumunu desteklemesi ve böylece hasat için akış miktarını artırması nedeniyle daha yüksek uygunlukla derecelendirilmiştir. Buna karşılık, sedimanter oluşumlar genellikle daha yüksek geçirgenliğe ve sızma kapasitesine sahiptir ve yağışların daha büyük bir kısmının yüzey akışına katkıda bulunmak yerine yeraltına sızmasına izin verir. Bu nedenle, çalışma alanında yüzey yağmur suyu hasadı için metamorfik kayaçlar daha uygun görülmüştür. Şekil 4G, yeniden sınıflandırılmış Jeolojik haritayı göstermektedir.

AHP kullanarak ağırlıkların atanması

Wind ve Saaty'nin önerilerine göre23, çalışma, her birine yağmur suyu hasadı için uygunluğuna göre 1 ile 9 arasında bir ağırlık atanan yedi tematik katmanı dikkate almıştır. Bu yaklaşım, öznitelik sınıflarına da ağırlıkların tahsis edildiğini göstermektedir. Tablo 5, AHP yaklaşımı30 kullanılarak kriterlere ve bunların öznitelik sınıflarına atanan ağırlıkların normalizasyonunu göstermektedir. Farklı faktörlere atanan ağırlıkların belirlenmesinde, her faktörün araştırma alanı üzerindeki etkisine göre değerlendirildiği uzman görüşü kritik rol oynamıştır. Hesaplamalar sonucunda; Arazi kullanımı/Arazi örtüsü (0,23), Yağış (0,27), drenaj yoğunluğu (0,13), eğim (0,07), lineament yoğunluğu (0,08), jeoloji (0,10) ve toprak (0,10) için normalleştirilmiş ağırlıklar verilmiştir. Tema katmanları için tutarlılık oranı, Denklem 3 kullanılarak 0,08 olarak hesaplanmış olup bu değer 0,10 eşik değerinin altındadır. Ayrıca, öznitelik sınıflarının tutarlılık oranı da benzer şekilde 0,10 aralığında kalmıştır (Tablo 6). Mevcut çalışma için tutarlılık oranına göre katmanlar ve öznitelikler tutarlıdır. Tematik katmanların göreceli önemini belirlemek için Tablo 5'te gösterildiği gibi ikili karşılaştırma analizi de yapılmıştır.

Tablo 5: Analitik Hiyerarşi Süreci (AHP) modelinde kullanılan tematik faktörlerin ikili karşılaştırma matrisi ve normalize edilmiş ağırlıkları. Bu tabloyu indirmek için lütfen buraya tıklayın.

Tablo 6: Yağmur suyu hasadı uygunluk analizi için tematik faktörlerin ve alt sınıfların Analitik Hiyerarşi Süreci (AHP) tabanlı ağırlıkları ve sıralamaları. Bu tabloyu indirmek için lütfen buraya tıklayın.

figure-results-1
Şekil 4: Panjkora Nehri Havzası'ndaki yağmur suyu hasadı uygunluk analizi için kullanılan yeniden sınıflandırılmış tematik katmanlar. (A) Yeniden sınıflandırılmış arazi kullanımı/arazi örtüsü, (B) drenaj yoğunluğu, (C) lineament yoğunluğu, (D) toprak dokusu, (E) eğim, (F) yağış ve (G) jeoloji. Sınıflar, yağmur suyu hasadı alanı seçimi için uygunluk puanlarına göre yeniden sınıflandırılmıştır. Sayılar/renkler, uygulanabilir olduğu yerlerde, çok düşükten çok yükseğe kadar değişen atanmış uygunluk sınıflarını göstermektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Potansiyel RWH alanları

MIF ve AHP model teknikleri kullanılarak oluşturulan nihai haritalar, ağırlıklı örtüştürme ve ağırlıklı toplam teknikleri uygulanarak geliştirilmiştir. Bu iki model kullanılarak çalışma alanı, uygunluk sınıflarına göre beş sınıfa ayrılmıştır (Şekil 5): düşük uygunluk, orta derecede uygun, uygun, yüksek uygunluk ve çok yüksek uygunluktaki alanlar. Panjkora nehri havzasında yağmur suyu hasadı için elde edilen MIF sonuçları, 80.22 km2 alanın düşük uygunluğa, 1681.99 km2 alanın orta derecede uygunluğa, 3116.1 km2 alanın uygunluğa, 844.86 km2 alanın yüksek uygunluğa ve 35.10 km2 alanın RWH için çok yüksek uygunluğa sahip olduğunu göstermektedir. AHP sonuçları ise RWH için 1572.58 km2 alanın düşük uygunluğa, 1605.69 km2 alanın orta derecede uygunluğa, 1768.62 km2 alanın uygunluğa, 689.15 km2 alanın yüksek uygunluğa ve 122.611 km2 alanın çok yüksek uygunluğa sahip olduğunu ortaya koymaktadır (Tablo 7, Şekil 5 ve Şekil 6). MIF ve AHP tabanlı uygunluk haritası çıktıları Ek Dosya 4'te sunulmuştur.

Tablo 7: Çoklu Etki Faktörü (MIF) ve Analitik Hiyerarşi Süreci (AHP) modellerinden türetilen yağmur suyu hasadı uygunluk sınıflarının karşılaştırılması. Bu tabloyu indirmek için lütfen buraya tıklayın.

figure-results-2
Şekil 5: Panjkora Nehri Havzası'nda (A) MIF yöntemi ve (B) AHP yöntemi kullanılarak belirlenen potansiyel yağmur suyu hasadı alanlarının mekansal dağılımı. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

figure-results-3
Şekil 6: Çoklu Etki Faktörü (MIF) ve Analitik Hiyerarşi Süreci (AHP) yöntemleri kullanılarak farklı yağmur suyu hasadı uygunluk sınıflarına ayrılan alanların karşılaştırılması. Çubuklar; daha az uygun, orta derecede uygun, uygun, yüksek derecede uygun ve çok yüksek derecede uygun bölgeleri içeren her bir uygunluk sınıfındaki alanı (km2) göstermektedir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Uygun RWH yapılarının seçimi

Kontrol bentleri, çiftlik göletleri ve şev dolguları dahil olmak üzere yağmur suyu hasadı (RWH) yapıları için uygun konumların seçilmesinde kullanılan mühendislik kriterleri, Gıda ve Tarım Örgütü'nün (FAO) Su Hasadı Kılavuzu'ndan42 benimsenmiştir. FAO kılavuzlarına göre, uygun RWH yapılarının seçimi; hasat sistemlerinin teknik fizibilitesini, yapısal stabilitesini ve uzun vadeli performansını sağlamak için topografya (eğim), drenaj özellikleri, akış potansiyeli, toprak tekstürü, litoloji, arazi kullanımı/arazi örtüsü ve havza koşullarını dikkate almalıdır. Uluslararası düzeyde kabul görmüş bu mühendislik kriterleri, bu çalışmada kullanılan CBS tabanlı çok kriterli değerlendirme çerçevesine entegre edilmiştir. Akış koruma yapıları (teras hendekleri, kaya dolgu bentler, şev dolguları ve kontrol bentleri) kullanılarak yapılan yağmur suyu korumasının temel amacı, su akışını azaltmak veya durdurmaktır. Kontur hendekleri ve yeraltı bentleri, kuraklığa eğilimli bölgelerde kuraklık ve su kıtlığının ciddi sorunlarını gidermek için RWH'nin kullanılabileceği iki etkili yöntemdir43. Potansiyel RWH alanlarının belirlenmesinin ardından, RWH inşaatı için optimal konumlar tespit edilmiştir. Çalışma alanı koşullarının analizi sonucunda, değerlendirmeye değer bulunan tek üç RWH yapısı çiftlik göletleri, kontrol bentleri ve şev dolguları olmuştur (Tablo 8). Çiftlik göletleri, %1 ile %6 arasında değişen eğime sahip küçük toprak bariyerlerdir. Çiftlik göletleri inşa etmenin amacı, akış hızını ve akış sularının neden olduğu erozyonu azaltmak için uzun bir eğimi birden fazla daha kısa ve daha az dik eğime bölmektir. Kontrol bentleri, toprak erozyonunu azaltabildikleri ve yağmur suyunu depolayabildikleri için diğer yapı türlerinden daha önemlidir. Bir akarsu kanalı boyunca zincir şeklinde inşa edilirken iki kontrol bendi arasındaki mesafe, su yayılım alanlarından daha büyük olmalıdır. Üst toprağın yağmur suyuyla erozyona uğraması, küçük derelerin (gully) oluşumuna yol açar. Zamanla erozyon artar ve küçük dere daha belirgin bir şekil alır. Ardından, erozyonu durdurmak ve yağmur suyunu daha sonra kullanmak üzere depolamak için belirli aralıklarla, çeşitli malzemelerden yapılmış bariyerler veya dolgular küçük dere boyunca yerleştirilir. Harita (Şekil 7), Panjkora nehir havzasındaki yağmur suyu hasadı konumlarını göstermektedir. Belirlenen uygun RWH konumları için meta veriler Ek Dosya 5'te sunulmuştur.

Tablo 8: Panjkora Nehri Havzasında önerilen yağmur suyu hasadı yapıları ve bunların coğrafi özellikleri. Bu tabloyu indirmek için lütfen buraya tıklayın.

figure-results-4
Şekil 7: Panjkora Nehri Havzası'ndaki potansiyel yağmur suyu hasadı yapılarının mekansal dağılımı. Harita, belirlenen uygun alanlar içindeki önerilen kontrol bentlerinin, çiftlik göletlerinin ve şebeke tıkaçlarının konumlarını göstermektedir. Havza sınırı ve drenaj ağı da gösterilmiştir. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Model doğrulaması

CBS tabanlı model sonuçları her zaman saha verileriyle doğrulanmaya ihtiyaç duyar. Veriler çıkarıldıktan sonra alan kapsamlı bir şekilde incelenmiş ve sonuçlar, çalışma alanındaki mevcut RWH yapılarıyla çapraz kontrol edilmiştir. İnceleme boyunca, bazı yağmur suyu hasadı yapılarının uygun konumlara halihazırda inşa edildiği keşfedilmiştir; ancak bunlar alan için yeterli değildi. MIF ve AHP sonuçlarının doğrulanması, çapraz doğrulama tekniği kullanılarak yapılmıştır. En uygun bölgeler, uygulanabilir müdahalelerin yer aldığı alanlardır. Ek olarak, fiziksel inceleme sırasında gelecek dönem yağmur suyu hasadı müdahaleleri için çeşitli konumlar belirlenmiştir. Saha incelemesi doğrulama noktaları ve coğrafi koordinatlar Ek Dosya 6'da sunulmuştur. Modelin istatistiksel doğrulaması, alıcı işletim karakteristiği eğri altındaki alan (ROC AUC) kullanılarak gerçekleştirilmiştir. AHP modeli için ROC analiz verileri ve sonuçları Ek Dosya 7'de sunulmuştur. ROC analizi, saha doğrulama Küresel Konumlama Sistemi (GPS) noktaları (Şekil 8A) ile AHP ve MIF modellerinin sonuçları üzerinde çalıştırılmıştır. MIF modeli için ilgili ROC analiz verileri ve sonuçları Ek Dosya 8'de sunulmuştur. MIF modelleri 0,72 AUC eğrisi (Şekil 8B) sergilerken, AHP modeli 0,69 (Şekil 8C) göstermektedir. Genel kabul görmüş ROC-AUC yorumlama kriterlerine göre, tahmin performansını belirtmek için AUC değerleri; ayrım yok (0,50), zayıf (0,50 ila 0,60), orta (0,60 ila 0,70), iyi (0,70 ila 0,80), çok iyi (0,80 ila 0,90) ve mükemmel (0,90 ve üzeri) olarak sınıflandırılır. Buna göre, MIF modeli iyi bir tahmin kapasitesi (0,72) gösterirken, AHP modeli orta (iyiye yakın) tahmin performansı (0,69) sergilemiştir. Her iki model de rastgele tahminlerden (AUC = 0,50) önemli ölçüde daha iyi performans göstermiş olsa da, MIF modeli tarafından elde edilen daha yüksek AUC değeri, gözlemlenen yağmur suyu hasadı konumlarıyla daha fazla uyum olduğunu göstermekte ve MIF yaklaşımının Panjkora Havzası'nın dağlık arazisinde uygun RWH alanlarını belirlemek için daha güvenilir olduğunu ortaya koymaktadır. Yine de MIF, çalışma alanında AHP'den karşılaştırmalı olarak daha iyi bir modeldir. MIF modelinin AHP modeline göre üstün performansı, Panjkora Havzası'nın karmaşık çevresel ve coğrafi özelliklerine bağlanabilir. Havza; yüzey akışı oluşumunu ve yağmur suyu hasadı potansiyelini güçlü bir şekilde etkileyen sarp dağlık arazi, oldukça değişken eğimler, heterojen litolojik oluşumlar ve çeşitli arazi kullanımı/arazi örtüsü modelleri ile karakterize edilmiştir. Öncelikle uzman tarafından türetilen ikili karşılaştırmalara dayanan AHP yönteminin aksine, MIF yaklaşımı, birden fazla çevresel faktör arasındaki göreceli etkiyi ve etkileşimi daha esnek bir şekilde değerlendirir. Bu durum, modelin havza içindeki hidrolojik süreçlerin mekânsal değişkenliğini daha iyi temsil etmesini sağlar. Sonuç olarak, MIF modeli daha gerçekçi uygunluk modelleri üretmiş, bu da daha yüksek bir AUC değerine ve mevcut yağmur suyu hasadı yapılarının konumlarıyla daha iyi bir uyuma yol açmıştır. Ayrıca, Panjkora Havzası yağış dağılımı, drenaj yoğunluğu, eğim, toprak dokusu ve jeolojik koşullarda dikkate değer bir mekânsal heterojenlik sergilemektedir. Bu faktörler havza genelinde farklı şekilde etkileşime girerek münferit parametrelerin etkisini düzensiz hale getirmektedir. MIF yaklaşımı, yalnızca öznel ikili yargılara dayanmak yerine birden fazla koşullandırıcı faktörün kümülatif etkisini değerlendirdiği için bu varyasyonları yakalamaya daha uygundur. Bu durum, AHP modeline kıyasla geliştirilmiş tahmin performansına muhtemelen katkıda bulunmuştur.

figure-results-5
Şekil 8: Alıcı İşletim Karakteristiği (ROC) analizi kullanılarak yağmur suyu hasadı uygunluk modellerinin doğrulanması. (A) Model doğrulaması için kullanılan saha tabanlı doğrulama noktalarının mekansal dağılımı; (B) Çoklu Etki Faktörü (MIF) modeli için ROC eğrisi ve Eğri Altındaki Alan (AUC); ve (C) Analitik Hiyerarşi Süreci (AHP) modeli için ROC eğrisi ve AUC. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

VERİ ERİŞİLEBİLİRLİĞİ:

Bu çalışmada kullanılan veri setleri halka açıktır veya ilgili kuruluşlardan temin edilebilir. Küresel Yağış Ölçümü (GPM) yağış verileri, NASA GPM misyon deposundan (https://gpm.nasa.gov/missions/GPM) erişilebilirdir. Sentinel-2 uydu görüntüleri ESA Copernicus Açık Erişim Merkezi'nden (https://scihub.copernicus.eu/) alınmıştır. Sayısal yükseklik modeli (DEM), Alaska Uydu Tesisi (ASF) Dağıtılmış Aktif Arşiv Merkezi'nden (https://asf.alaska.edu/) indirilmiştir. Çıkarılan veriler (Doğrulama, tüm raster verileri, tüm üstveriler, Model hesaplamaları) Ek Dosyalar 1–8 içerisinde sunulmuştur.

Ek Dosya 1: CBS tematik katman verileri. Çalışmada değerlendirilen çevresel ve hidrolojik faktörler de dahil olmak üzere, yağmur suyu hasadı uygunluk analizine dahil edilen tematik CBS katmanlarını oluşturmak için kullanılan mekansal veriler.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 2: MIF hesaplamaları. MIF tabanlı yağmur suyu hasadı uygunluk analizinde uygulanan göreceli etki, faktör ağırlıkları ve skorların belirlenmesinde kullanılan hesaplamalar.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 3: Yeniden sınıflandırılmış GIS katmanları ve uygunluk eşikleri. MIF ve AHP analizlerinde kullanılan yeniden sınıflandırılmış tematik katmanlar ve bunlara karşılık gelen sınıf aralıkları, eşik değerleri, dereceler ve uygunluk skorları.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 4: MIF ve AHP tabanlı uygunluk haritası sonuçları. Panjkora Nehir Havzası için sonuçlanan yağmur suyu hasadı uygunluk sınıflandırmalarını gösteren MIF ve AHP analizlerinin mekansal çıktıları.Lütfen bu dosyayı indirmek için buraya tıklayın.

Ek Dosya 5: Belirlenen uygun yağmur suyu hasadı konumları için metadata. Mevcut mekansal ve saha ile ilgili bilgiler dahil olmak üzere, yağmur suyu hasadı yapıları için uygun olarak belirlenen konumlarla ilişkili metadata.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 6: Saha araştırması doğrulama noktaları.MIF ve AHP kaynaklı yağmur suyu hasadı uygunluk haritalarını değerlendirmek için kullanılan doğrulama noktalarının coğrafi koordinatlarını içeren saha araştırması doğrulama verileri.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 7: AHP modeli için ROC analizi. Analitik Hiyerarşi Süreci (AHP) modelinin öngörücü performansını değerlendirmek için kullanılan alıcı işletim karakteristik (ROC) analizi verileri ve sonuçları.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Dosya 8: MIF modeli için ROC analizi. Çoklu Etki Faktörü (MIF) modelinin öngörücü performansını değerlendirmek için kullanılan ROC analizi verileri ve sonuçları.Bu dosyayı indirmek için lütfen buraya tıklayınız.

Tartışma

Bu çalışma, Kuzey Pakistan'daki dağlık Panjkora Nehir Havzası'nda uygun yağmur suyu hasadı (RWH) alanlarını belirlemek için yaygın olarak kullanılan iki GIS tabanlı çok kriterli karar verme yaklaşımını, yani Çoklu Etki Faktörü (MIF) ve Analitik Hiyerarşi Süreci'ni (AHP) karşılaştırmıştır. Her iki model de potansiyel hasat bölgelerini başarıyla belirlemiş olsa da, mekânsal tahminlerinde ve doğrulama performanslarında belirgin farklar gözlemlenmiştir. ROC-AUC analizi, MIF modelinin (AUC = 0.724) AHP modelinden (AUC = 0.692) daha iyi performans gösterdiğini ortaya koymuş; bu durum her iki modelin de kabul edilebilir tahmin yeteneğine sahip olduğunu, ancak MIF yaklaşımının mevcut yağmur suyu hasadı yapılarının dağılımı ve saha gözlemleriyle daha yüksek uyum sağladığını göstermiştir. MIF modelinin üstün performansı, Panjkora Havzası'nın karmaşık hidrolojik ve jeomorfolojik özellikleriyle açıklanabilir. Havza; sarp dağlık arazi, oldukça değişken eğimler, heterojen litoloji, çeşitli arazi kullanım modelleri ve mekânsal olarak değişken yağışlarla karakterize edilmiştir. Bu çevresel değişkenler, yüzey akış üretimini, sızmayı ve su depolama potansiyelini kontrol etmek için eş zamanlı olarak etkileşim halindedir. Temel olarak kriterler arasında uzman tarafından türetilen ikili karşılaştırmalara dayanan AHP yaklaşımının aksine, MIF tekniği hem görece önemi hem de birden fazla koşullandırıcı faktör arasındaki kümülatif etkileşimleri değerlendirir. Sonuç olarak MIF, yüzey akışı üretiminin tek başına bireysel faktörlerden ziyade topografya, jeoloji, toprak dokusu, drenaj özellikleri ve arazi örtüsünün ortak etkisiyle yönetildiği dağlık havzaların mekânsal heterojenliğini daha iyi yakalayabilmektedir. Benzer gözlemler, etki tabanlı ağırlıklandırma yaklaşımlarının, çevresel değişkenler arasındaki etkileşimleri daha iyi temsil ettikleri için hidrolojik olarak heterojen ortamlarda iyi performans gösterdiğini ortaya koymuştur22,34,41. Yüksek derecede uygun RWH bölgelerinin mekânsal dağılımı, havzanın fiziksel özelliklerini yansıtmaktadır. Havzanın batı ve güney kısımları; orta dereceli eğimleri, uygun drenaj yoğunluğunu, elverişli toprak dokusunu, nispeten daha yüksek yağışı ve yüzey akışı üretimini teşvik eden arazi kullanım koşullarını bir araya getirmesi ve aynı zamanda hasat yapılarının inşa edilmesi için teknik olarak uygulanabilir olması nedeniyle en uygun konumlar olarak belirlenmiştir. Orta dereceli eğimler, aşırı erozyonu ve inşaat maliyetlerini minimize ederken, akış hızını yüzey akışının toplanmasını kolaylaştıracak düzeyde azaltır. Buna karşılık, çok dik eğimler hızlı akış üretir, sınırlı depolama imkanı sunar ve yapısal kararsızlığı artırarak kontrol bentleri veya çiftlik göletleri inşa etmek için daha az uygun hale gelir. Bu bulgular, eğimin dağlık ortamlarda RWH uygunluğu üzerinde baskın bir kontrol olduğunu belirleyen önceki çalışmalarla uyumludur8,36,39. Jeoloji de RWH uygunluğunun belirlenmesinde önemli bir rol oynamıştır. Panjkora Havzası'nda metamorfik kayaçlar, genellikle birçok sedimanter formasyondan daha düşük birincil gözeneklilik ve geçirgenlik sergileyerek sızma kayıplarını azaltmakta ve hasat için mevcut yüzey akışını artırmaktadır. Sonuç olarak, bu formasyonlar, kontrol bentleri ve çiftlik göletleri gibi yüzey depolama yapıları için gerekli olan akış birikimini artırdıkları için daha yüksek uygunluk ağırlıkları almıştır. Aksine, nispeten daha yüksek geçirgenliğe sahip sedimanter formasyonlar, daha fazla sızmaya ve yer altı suyu beslenmesine izin vererek hasat için mevcut yüzey akış hacmini azaltır. Litoloji, yüzey akışı üretimi ve yağmur suyu hasadı uygunluğu arasındaki benzer ilişkiler daha önce rapor edilmiştir12,40. Arazi kullanımı/arazi örtüsü ve toprak dokusu, uygun hasat alanlarının mekânsal dağılımını daha da etkilemiştir. Tarım arazileri ve boş araziler, bu yüzeylerin genellikle orta ila yüksek düzeyde akış üretmesi ve aynı zamanda tarımsal su depolama ve kullanım için doğrudan fırsatlar sunması nedeniyle daha yüksek uygunluk göstermiştir. Buna karşılık, ormanlık alanlar, yoğun bitki örtüsünün yağışları tutması, toprak yapısını iyileştirmesi ve geniş kök sistemleri aracılığıyla sızmayı artırarak yüzey akışını azaltması nedeniyle karşılaştırmalı olarak daha düşük uygunluk göstermiştir. Benzer şekilde, nispeten düşük geçirgenlikleri ve daha yüksek su tutma kapasiteleri nedeniyle killi ve tınlı topraklar daha elverişli kabul edilirken, sığ kayalık topraklar sınırlı depolama potansiyeli ile hızlı sızmayı veya aşırı akışı teşvik eder. Benyal bulgular; Etiyopya, Irak ve Pakistan'da yürütülen önceki GIS tabanlı RWH araştırmalarında rapor edilmiştir9,18. MIF ve AHP arasındaki karşılaştırma, ağırlıklandırma stratejisinin uygunluk haritalama üzerindeki etkisini de göstermektedir. AHP yaklaşımı, kabul edilebilir tutarlılık oranlarına rağmen bir dereceye kadar öznellik getirerek, kriter ağırlıklarını öncelikle uzman yargısı ve ikili karşılaştırma yoluyla atar. Buna karşılık MIF, etkileyici faktörler arasındaki hem ana hem de ikincil etkileşimleri değerlendirir ve ayrıca parametre alt sınıflarının hidrolojik önemine göre ağırlıklandırılmasına izin verir. Bu esnek ağırlıklandırma çerçevesi, MIF'in özellikle çevresel faktörlerin kısa mesafelerde önemli ölçüde değiştiği dağlık havzalarda, akış üreten koşullardaki mekânsal değişkenliği daha iyi temsil etmesini sağlar. Benzer karşılaştırmalı çalışmalar, etki tabanlı veya hibrit çok kriterli yaklaşımların, karmaşık fizyografik koşullar altında geleneksel uzman tabanlı ağırlıklandırma tekniklerinden sıklıkla daha iyi performans gösterdiğini rapor etmiştir19,44,45. ROC-AUC doğrulaması bu gözlemleri daha da desteklemektedir. Her iki model de kabul edilebilir tahmin performansı (AUC > 0.5) elde etmiş olsa da, MIF modelinin daha yüksek AUC değeri, tahmin edilen uygun konumlar ile saha doğrulaması sırasında gözlemlenen mevcut yağmur suyu hasadı yapıları arasında daha yüksek bir uyum olduğunu göstermektedir. Bu durum, birden fazla hidrolojik ve çevresel değişken arasındaki etkileşimlerin dahil edilmesinin, uygunluk değerlendirmelerinin güvenilirliğini artırdığını kanıtlamaktadır. ROC analizi kullanan benzer doğrulama yaklaşımları; yer altı suyu potansiyelinin, sel duyarlılığının ve yağmur suyu hasadı uygunluk modellerinin değerlendirilmesinde başarıyla uygulanmıştır34,41,45. Genel olarak bulgular; GIS, uzaktan algılama ve çok kriterli karar verme tekniklerinin entegrasyonunun, dağlık havzalarda yağmur suyu hasadı planlaması için güvenilir bir çerçeve sağladığını doğrulamaktadır. Uygun konumların belirlenmesinin ötesinde, burada sunulan karşılaştırmalı değerlendirme, model seçiminin uygunluk tahminlerinin kalitesini önemli ölçüde etkilediğine dair pratik kanıtlar sunmaktadır. MIF modelinin gelişmiş performansı, etki tabanlı ağırlıklandırma yaklaşımlarının, topografya, litoloji, yağış ve arazi örtüsünde güçlü mekânsal değişkenlikle karakterize edilen bölgeler için özellikle uygun olduğunu göstermektedir. Sonuç olarak, bu çalışmada geliştirilen metodoloji, benzer hidro-meteorolojik ve fizyografik koşullara sahip diğer dağlık ve su kıtlığı çeken bölgelerde sürdürülebilir su kaynağı planlaması için aktarılabilir bir karar destek çerçevesi olarak hizmet edebilir.

Bu karşılaştırmalı çalışma, yağmur suyu hasadı yapılarının inşası için farklı uygunluk düzeylerine sahip alanları belirlemek amacıyla çeşitli doğrudan ve dolaylı kontrol faktörlerini analiz ederek AHP ve MIF yaklaşımlarını CBS tabanlı mekansal modeller olarak değerlendirmektedir. MIF ve AHP tek başlarına mekansal kararlar verme konusunda benzersiz faydalara sahip olsa da, bu tekniklerin karşılaştırılması, saha uygunluk değerlendirmelerinin hassasiyetini ve sağlamlığını artıran daha gelişmiş bir çok kriterli analize olanak tanır. RWH sahalarının seçimi için yağış, jeoloji, toprak, lineament yoğunluğu, drenaj yoğunluğu, arazi kullanımı/örtüsü ve topografya sorumlu faktörler olarak analiz edilmiştir. Yollara uzaklık, ana akarsulara uzaklık ve kentsel yerleşimlere uzaklık gibi bazı ek faktörler de FAO kriterlerine göre işlenmiştir. Uygun RWH sahaları geliştirmenin amacı, çalışma alanının su kaynağı mevcudiyetini artırmaktır. RWH inşasıyla ilgili olarak çalışma alanı, uygunluk derecesine göre beş sınıfa ayrılmıştır: düşük uygun, orta derecede uygun, uygun, yüksek düzeyde uygun ve çok yüksek düzeyde uygun sahalar. Arazi ziyareti sırasında, bölgenin dağlık arazisinde MIF sonuçlarının AHP modelinden daha doğru olduğu tespit edilmiştir. MIF model sonuçları, karmaşık topografik değişkenleri yönetmedeki adaptasyon yeteneği ve alt sınıf ağırlıkları ile sıralamalarını birleştirme kapasitesi nedeniyle daha doğru ve yerel olarak daha uygundu. MIF, kullanıcıların karar verme süreci için her bir alt sınıfı sıralamasına izin verirken, diğer yandan AHP, parametrelerin alt sınıfları yerine doğrudan parametrelere sıralama ve ağırlıklar atar. MIF ve AHP arasındaki karşılaştırma, farklı ağırlık atama stratejilerinin ve karar kriterlerinin mekansal analiz sonuçlarını nasıl etkilediğine dair daha derin bir anlayış sağlar. MIF yaklaşımının AHP yaklaşımından daha iyi performans gösterdiği, MIF için 0,724 ve AHP için 0,692 olan ROC-AUC skorları ile de doğrulanmıştır.

Bu yöntemler; maliyet, iş gücü ve zamanı minimize ederken su kaynaklarının sürdürülebilir yönetimi için daha verimli karar verme süreçlerini mümkün kılmaktadır. Dünya su kaynaklarının sürdürülebilir şekilde yönetilmesi; iklim değişikliği, artan şehirleşme ve su kıtlığı karşısında yaratıcı çözümler gerektireceği için bu durum özellikle kritik bir öneme sahiptir. Bu teknolojilerin Panjkora Havzası gibi topografik açıdan çeşitli bir bölgedeki verimliliği kanıtlanarak, benzer çevresel kısıtlamalara sahip diğer bölgelerdeki benzer kullanımlar için bir model sunulmuştur. Böylece, her iki model de başarılı performans göstermiş ve araştırılan bölgenin dışındaki diğer coğrafi, çevresel ve sosyo-ekonomik bölgeler için uygulanabilirlikleri onaylanmıştır. MIF ve AHP yaklaşımlarının ölçeklenebilirliğini ve doğruluğunu artırmak için makine öğrenimi ve yüksek çözünürlüklü mekansal veri gibi yeni teknikler eklenebilir. Dinamik ve genişletilmiş uygulamalar için temel teşkil eden bu gelişmeler, gerçek zamanlı ve otomatik analizi mümkün kılacaktır.

Açıklamalar

Yazarlar herhangi bir çıkar çatışması olmadığını beyan ederler. Görüntülerin ve şekillerin hiçbirisi yapay zekâ ile oluşturulmamıştır.

Yazar Katkıları:
Shazia Gulzar: Kavramsal çalışma, Yöntem, Veri yönetimi, Biçimsel analiz, Araştırma, Görselleştirme, Yazım - ilk taslak. Muhammad Ali: Kavramsal çalışma, Denetim, Yöntem, Doğrulama, Yazım, inceleme ve düzeltme, Proje yönetimi. Abid Sarwar: Biçimsel analiz, CBS ve Uzaktan Algılama analizi, Veri yorumlama, Doğrulama, Görselleştirme, Yazım – inceleme & düzenleme. Hammad Gilani: Metodoloji, Doğrulama, Yazma, inceleme & düzenleme. Hassan Alsberi: Yazma, inceleme ve düzenleme, Görselleştirme. Abdulqader M. Almars: Yazma, inceleme ve düzenleme, Biçimsel analiz. Hasan Hashim: Doğrulama, Yazma, inceleme & düzenleme. El-Sayed Atlam: Resmi analiz, Yazma, inceleme ve düzenleme. Ayman El Sabagh: Denetim, Yazma, inceleme & düzenleme, fon sağlama

Teşekkürler

Yazarlar, bu çalışmayı finanse ettiği için Suudi Arabistan'daki Taif Üniversitesi Lisansüstü Eğitim ve Bilimsel Araştırmalar Dekanlığına teşekkür ederler.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
ArcGIS DesktopEsriVersion 10.3.1GIS tabanlı mekânsal veri ön işlemesi, tematik katman oluşturma, yeniden sınıflandırma, ağırlıklı çakıştırma analizi ve uygunluk haritalaması için kullanılmıştır.
Sayısal yükseklik modeli (DEM), 12.5 mAlaska Satellite Facility (ASF) Distributed Active Archive CenterN/AReferans raster olarak ve eğim, drenaj ağı, drenaj yoğunluğu ile yükselti katmanlarını türetmek için kullanılan 12.5 m mekânsal çözünürlüklü DEM; elde edilme tarihi makalede 2/12/2023 olarak belirtilmiştir ve netleştirilmelidir.
Jeolojik verilerGeological Survey of PakistanN/AJeoloji tematik katmanını oluşturmak için kullanılan jeolojik/litolojik veriler.
Global Precipitation Measurement (GPM) yağış verileriNational Aeronautics and Space Administration (NASA)2014-2023 veri setiYağış tematik katmanını oluşturmak için kullanılan yağış verileri. Tam GPM ürünü/versiyonu ve zamansal istatistik yazarlar tarafından belirtilmelidir.
Global Konumlama Sistemi (GPS) saha doğrulama noktalarıBelirtilmemişN/AÇapraz doğrulama ve ROC-AUC değerlendirmesi için kullanılan saha doğrulama konumları. GPS alıcısı/uygulaması üreticisi ve modeli makalede belirtilmemiştir.
Landsat 8 görüntüleriKaynak belirtilmemişÜrün/sahne kimliği belirtilmemişLineament çıkarımı için kullanılmıştır. Yazarlar; kaynak depoyu, elde edilme tarihini, ürün/sahne kimliğini, mekânsal çözünürlüğü ve ön işleme ayrıntılarını sağlamalıdır.
Sentinel-2B uydu görüntüleriEuropean Space Agency (ESA), Copernicus10 Eylül 2025 tarihinde elde edildiDenetimli Maksimum Olabilirlik Sınıflandırması ile arazi kullanımı/arazi örtüsü haritalaması için kullanılmıştır. Yazarlar; tam ürün/sahne tanımlayıcısını ve işlem seviyesini eklemelidir.
Toprak dokusu verileriDirectorate of Soil Survey, Khyber Pakhtunkhwa, PakistanN/AToprak dokusu tematik katmanını oluşturmak için kullanılmıştır. Veri seti/harita baskısı veya tanımlayıcısı makalede belirtilmemiştir.

Kaynaklar

  1. Ibrahim GRF, et al. Suitable site selection for rainwater harvesting and storage case study using Dohuk Governorate. Water. 2019;11(4):864.
  2. Andualem TG, et al. Groundwater recharge estimation using empirical methods from rainfall and streamflow records. J Hydrol Reg Stud. 2021;37:100917.
  3. Hagos YG, Andualem TG, Yibeltal M, Mengie MA. Flood hazard assessment and mapping using GIS integrated with multi-criteria decision analysis in upper Awash River basin, Ethiopia. Appl Water Sci. 2022;12(7):148.
  4. Mohanty S, Bardhan T, Dey A. Rain water harvesting: a viable way to combat water crisis. Food Sci Rep. 2020;1(7):44–48.
  5. Biswas BK, Mandal BH. Construction and evaluation of rainwater harvesting system for domestic use in a remote and rural area of Khulna, Bangladesh. Int Sch Res Notices. 2014;2014(1):751952.
  6. Bekbolet M, et al. Application of oxidative removal of NOM to drinking water and formation of disinfection by-products. Desalination. 2005;176(1–3):155–166.
  7. Jasrotia A, Majhi A, Singh S. Water balance approach for rainwater harvesting using remote sensing and GIS techniques, Jammu Himalaya, India. Water Resour Manag. 2009;23(14):3035–3055.
  8. Toosi AS, et al. A multi-criteria decision analysis approach towards efficient rainwater harvesting. J Hydrol. 2020;582:124501.
  9. Adham A, et al. Development of methodology for existing rainwater harvesting assessment in (semi-) arid regions. In: Water and Land Security in Drylands: Response to Climate Change. Springer; 2017:171–184.
  10. Isioye OA, Shebe M, Momoh U, Bako C. A multi criteria decision support system (MDSS) for identifying rainwater harvesting site(s) in Zaria, Kaduna State, Nigeria. Int J Adv Sci Eng Technol Res. 2012;1(1):53–71.
  11. Tolossa TT, Abebe FB, Girma AA. Rainwater harvesting technology practices and implication of climate change characteristics in Eastern Ethiopia. Cogent Food Agric. 2020;6(1):1724354.
  12. Khudhair MA, Sayl KN, Darama Y. Locating site selection for rainwater harvesting structure using remote sensing and GIS. IOP Conf Ser Mater Sci Eng. 2020;881(1):012170.
  13. Ahmad S, Farid S, Maryam K, Khoso AR. Smallholder farmer vulnerability and adaptation deficits: insights district Okara, Pakistan. SN Soc Sci. 2026;6(7):258.
  14. Kadam AK, et al. Identifying potential rainwater harvesting sites of a semi-arid, basaltic region of Western India, using SCS-CN method. Water Resour Manag. 2012;26(9):2537–2554.
  15. Abdulla FA, Al-Shareef AW. Roof rainwater harvesting systems for household water supply in Jordan. Desalination. 2009;243(1–3):195–207.
  16. Al-Ardeeni M. Selecting potential water harvest sites using GIS and remote sensing in Al-Tharthar Valley, West Nineveh, Iraq. Tikrit J Pure Sci. 2018;20(2):142–150.
  17. Ammar A, Riksen M, Ouessar M, Ritsema C. Identification of suitable sites for rainwater harvesting structures in arid and semi-arid regions: a review. Int Soil Water Conserv Res. 2016;4(2):108–120.
  18. Ejegu MA, Yegizaw ES. Potential rainwater harvesting suitable land selection and management by using GIS with MCDA in Ebenat District, Northwestern Ethiopia. J Degrad Min Lands Manag. 2020;8(1):2537.
  19. Khashei-Siuki A, Sharifan H. Comparison of AHP and FAHP methods in determining suitable areas for drinking water harvesting in Birjand aquifer, Iran. Groundw Sustain Dev. 2020;10:100328.
  20. Sarwar A, Ali M. GIS-DRASTIC integrated approach for groundwater vulnerability assessment under soil erosion hot spot areas in Northern Pakistan. Environ Earth Sci. 2024;83(18):532.
  21. Ali MAS, et al. Application of morphometric ranking approach using geospatial techniques for flash flood susceptibility modelling in District Shangla, Pakistan. Proc Pak Acad Sci B Life Environ Sci. 2023;60(2):243–255.
  22. Selvam S, et al. A GIS based identification of groundwater recharge potential zones using RS and IF technique: a case study in Ottapidaram taluk, Tuticorin district, Tamil Nadu. Environ Earth Sci. 2015;73(7):3785–3799.
  23. Saaty T. The analytic hierarchy process (AHP) for decision making. Kobe, Japan; 1980;1:69.
  24. Suliman M, Ali M. Identification of potential groundwater recharge sites in a semi-arid region of Pakistan using Saaty's Analytical Hierarchical Process (AHP). Geomat Environ Eng. 2022;16(1):53–70.
  25. Dweiri F, Kumar S, Khan SA, Jain V. Designing an integrated AHP based decision support system for supplier selection in automotive industry. Expert Syst Appl. 2016;62:273–283.
  26. Benítez J, Delgado-Galván X, Izquierdo J, Pérez-García R. An approach to AHP decision in a dynamic context. Decis Support Syst. 2012;53(3):499–506.
  27. Dyer JS. Remarks on the analytic hierarchy process. Manage Sci. 1990;36(3):249–258.
  28. Franek J, Kresta A. Judgment scales and consistency measure in AHP. Procedia Econ Finance. 2014;12:164–173.
  29. Kubler S, et al. Measuring inconsistency and deriving priorities from fuzzy pairwise comparison matrices using the knowledge-based consistency index. Knowl Based Syst. 2018;162:147–160.
  30. Chowdary V, et al. Multi-criteria decision making approach for watershed prioritization using analytic hierarchy process technique and GIS. Water Resour Manag. 2013;27(10):3555–3571.
  31. Vaidya OS, Kumar S. Analytic hierarchy process: an overview of applications. Eur J Oper Res. 2006;169(1):1–29.
  32. Ahmad H, et al. Morphometric assessment and soil erosion susceptibility mapping using ensemble extreme gradient boosting (XGBoost) algorithm: a study for Hunza-Nagar catchment, Northern Pakistan. Environ Earth Sci. 2024;83(21):605.
  33. Aziz SF, Abdulrahman KZ, Ali SS, Karakouzian M. Water harvesting in the Garmian Region (Kurdistan, Iraq) using GIS and remote sensing. Water. 2023;15(3):507.
  34. Fagbohun BJ. Integrating GIS and multi-influencing factor technique for delineation of potential groundwater recharge zones in parts of Ilesha schist belt, southwestern Nigeria. Environ Earth Sci. 2018;77(3):69.
  35. Hammouri N, El-Naqa A, Barakat M. An integrated approach to groundwater exploration using remote sensing and geographic information system. J Water Resour Prot. 2012;4(9):717.
  36. Jha MK, Chowdary V, Kulkarni Y, Mal BC. Rainwater harvesting planning using geospatial techniques and multicriteria decision analysis. Resour Conserv Recycl. 2014;83:96–111.
  37. Sayl KN, Mohammed AS, Ahmed AD. GIS-based approach for rainwater harvesting site selection. IOP Conf Ser Mater Sci Eng. 2020;737(1):012246.
  38. Emeka OJ, et al. Evaluation of the effect of hydroseeded vegetation for slope reinforcement. Land. 2021;10(10):995.
  39. Oweis TY. Rainwater harvesting for restoring degraded dry agro-pastoral ecosystems: a conceptual review of opportunities and constraints in a changing climate. Environ Rev. 2017;25(2):135–149.
  40. Islam F, et al. Modelling and mapping of soil erosion susceptibility of Murree, Sub-Himalayas using GIS and RS-based models. Appl Sci. 2022;12(23):12211.
  41. Nazir J, et al. Delineation and validation of GIS-based groundwater potential zones under arid to semi-arid environment using multi-influence-factors approach. Geol Ecol Landsc. 2025;9(4):1194–1210.
  42. Critchley WS, Chapman K, Finkel CM. Water harvesting: a manual for the design and construction of water harvesting schemes for plant production. FAO; Rome; 1991. AGL/MISC/17/91.
  43. Kiggundu N, et al. Rainwater harvesting knowledge and practice for agricultural production in a changing climate: A review from Uganda’s perspective. Agric Eng Int CIGR J. 2018;20(2):19–36.
  44. Khan AS. A comparative analysis of rainwater harvesting system and conventional sources of water. Water Resour Manag. 2023;37(5):2083–2106.
  45. Zheng X, et al. Rainwater harvesting for agriculture development using multi-influence factor and fuzzy overlay techniques. Environ Res. 2023;238:117189.

Yeniden basım ve izinler

Etiketler

Saha UygunluğuJeouzamsal AnalizCBS HaritalamaUzaktan AlgılamaSu Kaynakları YönetimiDağlık HavzalarROC-AUC Doğrulaması
Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.