📌 Turkish Journal of Remote Sensing (TUZAL) • Open Access
Değerli hocam Prof. Dr. Kemal Özgür Hastaoğlu ile birlikte *Turkish Journal of Remote Sensing (TUZAL)* dergisinde yayımladığımız bu kapsamlı derleme çalışması, tam olarak bu felsefi ve bilimsel muhasebenin bir ürünüdür. Web of Science ve Scopus veri tabanlarını tarayarak **1984 ile 2024 yılları arasında zemin deformasyonlarının izlenmesi üzerine yayımlanmış tam 3.616 bilimsel makaleyi** masaya yatırdık. 40 yıllık bu devasa külliyatı bibliyometrik haritalama ve veri bilimi teknikleriyle incelediğimizde karşımıza çıkan tablo, geodezi disiplininin kabuk değiştirişinin adeta bir belgeseli gibiydi.
Nivo ve Teodolitten Uzay Çağına: 40 Yılın Özeti
1980’lerin ve 90’ların literatürüne baktığınızda hakim tema çok açıktır: Klasik nivelman ağları, elektronik uzaklık ölçerler (EDM), teodolitler ve yerel poligonlar. O dönemde deformasyon izlemek, arazide günlerce ter dökmek, milimetrik nivelman miralarını gözlemek ve elde edilen sınırlı sayıdaki noktanın hareketinden bütün bir fay hattını veya baraj gövdesini tahmin etmeye çalışmak demekti.
2000’li yıllarla birlikte sahneye **Küresel Navigasyon Uydu Sistemleri (GNSS/GPS)** ve **Sentetik Açıklıklı Radar İnterferometrisi (InSAR)** çıktı. Özellikle ERS-1, ENVISAT ve ardından ESA’nın devrimsel Sentinel-1 takımyıldızının açık veri politikasıyla devreye girmesi, geodezi dünyasını yerel bir ölçme pratiğinden gezegensel ölçekte bir uzay teknolojisine dönüştürdü. Artık tüm kıtalar, tektonik plakalar ve devasa kentsel havzalar milimetre hassasiyetinde yukarıdan izlenebiliyordu.
1984–2024 yılları arasında zemin deformasyonu izleme literatüründeki anahtar kelime ortak oluşum ağı ve tematik kümeler.
2020 Miladı: Yapay Zekanın Geodeziye Çıkarması
Veri setimizdeki en çarpıcı kırılma noktası hiç şüphesiz **2020 yılı** oldu. Grafiklerimize baktığımızda 2020 sonrasında zemin deformasyonu literatüründe Makine Öğrenmesi (Random Forest, SVM, XGBoost) ve Derin Öğrenme (LSTM, GRU, CNN) anahtar kelimelerinde adeta dikey bir patlama yaşandığını gördük.
Neden 2020? Çünkü uydulardan gelen zaman serisi InSAR verisi o kadar devasa boyutlara ulaştı ki, klasik istatistiksel modeller bu “Büyük Veri” (Big Data) yükünün altında ezilmeye başladı. Araştırmacılar artık sadece geçmişte zeminin ne kadar çöktüğünü ölçmekle yetinmek istemiyor; *”Gelecek 6 ay içinde bu fay hattı veya bu kentsel çökme havzası nasıl bir davranış sergileyecek?”* sorusuna yapay zeka modelleriyle kestirim üretmeye çalışıyor.
Küresel Manzara ve Türkiye’nin Yeri
Bibliyometrik ortak yazarlık ve atıf ağları bize küresel bilim ekosisteminin jeopolitiğini de çok net gösterdi. Uluslararası iş birliği oranı %33’e fırlamış durumda. Devasa altyapı projeleri, mega barajları ve hızlı tren hatlarındaki zemin oturmalarını izleme zorunluluğu nedeniyle **Çin**, yayın hacminde ezici bir liderliğe oturmuş durumda. Onları metodolojik derinlik ve algoritmik yeniliklerde **ABD** ve **İtalya** takip ediyor.
Türkiye ise Kuzey Anadolu Fay Zonu ve Doğu Anadolu Fay Zonu gibi dünyanın en aktif tektonik kuşakları üzerinde yer almanın getirdiği zorunlulukla, özellikle InSAR ve deprem deformasyonları literatüründe son derece saygın ve üretken bir konumda yer alıyor.
Deformasyon izleme tekniklerinin zaman içindeki yükselişi ve metodolojik kırılma noktaları.
Bu Çalışmadan Çıkardığımız En Büyük Ders
Bu 3.616 makaleyi analiz ettiğimizde gördüğümüz en temel eksiklik şuydu: Araştırmacılar artık yapay zekayı çok seviyor; ancak yapay zeka modellerini arazinin gerçek jeolojik, hidrolojik ve tektonik fiziğinden kopuk birer “kara kutu” gibi kullanma eğilimi var.
Bu bibliyometrik sentez bize açıkça gösterdi ki; geodezinin geleceği sadece daha karmaşık sinir ağları kurmakta değil, o sinir ağlarını yer bilimlerinin fiziksel yasalarıyla harmanlayan **açıklanabilir, bölgesel ve melez (hybrid) sistemler** geliştirmekte yatıyor. Nitekim bu çıkarım, bir sonraki durağımız olan ARAIS projemizin doğrudan fikri temelini oluşturacaktı.
📖 Akademik Künye ve Atıf (APA 7)
Kara, B. C., & Hastaoğlu, K. Ö. (2026). Ground deformation monitoring: A bibliometric analysis of recent trends and techniques. Turkish Journal of Remote Sensing, 8, 1754180. https://doi.org/10.51489/tuzal.1754180