Although there are different approaches and models to understand and interpret the structures in crustal deformations, one of them is the block modeling method. Using block modeling, one can determine plate movements, parameters such as slip rates, locking depths or Euler poles on faults. However, the accuracy of the block modeling results is related to how well the block boundaries are determined. One of the most important steps of block modeling is the detection of block boundaries and clustering can be used as a tool for this. Cluster analysis assigns data to similar groups based on similarities and differences in the data subject to clustering. In this study, Türkiye was determined as the study area. In this context, we utilized the ensemble clustering algorithm to cluster recent Global Navigation Satellite Systems (GNSS) velocity field in Türkiye and determine block boundaries. Current GNSS velocity field, which consists of 78% survey and 22% continuous type GNSS data processed together, used for clustering analysis for the first time in this study. Before clustering, we employed three different methods - Davies-Bouldin, Gap statistics, and Silhouette - to determine the optimal number (cluster number that best fit to GNSS velocity field) of clusters. Then, k-means, HAC, and spectral clustering techniques were then applied to cluster current GNSS velocities. Finally, we utilized the Meta-Clustering Algorithm (MCLA) as an ensemble clustering technique to cluster the horizontal components of the current velocity domain and present our findings.
Kıtasal deformasyonları anlayabilmek ve yorumlayabilmek için farklı yaklaşımlar ve modeller bulunmakta olup, bunlardan biri de blok modelleme yöntemidir. Blok modelleme yardımıyla plaka hareketleri, kayma hızları, faylardaki kilitlenme derinlikleri, Euler kutbu gibi parametreler belirlenebilmektedir. Ancak, blok sınırları ne kadar iyi belirlenirse, modelleme sonuçları o kadar gerçeğe yaklaşmaktadır. Blok modellemenin en önemli adımlarından biri blok sınırlarının tespiti olup, kümeleme işlemi bunun için bir araç olarak kullanılabilmektedir. Kümeleme analizi, kümelemeye konu verideki benzerlik ve farklılıklara dayanarak veriyi benzer gruplara atamaktadır. Bu çalışmada, çalışma alanı olarak Türkiye belirlenmiştir. Bu kapsamda Türkiye'nin en güncel Küresel Navigasyon Uydu Sistemi (Global Navigation Satellite Systems – GNSS) hız alanı topluluk kümeleme algoritması ile kümelenmiş ve bu hız alanına uygun blok sınırları belirlenmiştir. Türkiye için %22’si sürekli ve %78’i kampanya tipi verilerden oluşan GNSS gözlemlerinin birarada değerlendirilerek güncellenmiş hız alanı ilk defa bu çalışma ile kümelenmiştir. Kümeleme öncesinde üç ayrı yöntemle, Davies-Bouldin, Gap (gap istatistiği) ve Silhouette ile, veriye en iyi uyum sağlayan optimum küme sayısı (GNSS hız alanına en uygun küme sayısı) tespit edilmiştir. Daha sonra, k-ortalamalar, HAC ve spektral kümeleme teknikleri kullanılarak güncel GNSS hızları kümelenmiştir. Son olarak, Meta-Kümeleme Algoritması (Meta-CLustering Algorithm - MCLA) olan topluluk kümeleme tekniği ile güncel hız alanı yatay bileşenleri kümelenmiş ve sonuçlar paylaşılmıştır.