Deprem verileri için, ABD Jeolojik Araştırmalar Kurumu'nun (USGS) https://earthquake.usgs.gov/ veri setini kullanabilirsiniz; bu veri seti, dünya çapında kaydedilen tüm deprem olaylarının konumu, büyüklüğü ve derinliği hakkında en hızlı ve doğru bilgileri sağlamaktadır.
Veriler; büyüklük (magnitude), derinlik (depth), zaman (UTC), lokasyon (enlem/boylam) ve depremin türü gibi kritik parametreleri içerir.
Detaylı Arama
https://earthquake.usgs.gov/earthquakes/search/ adresinden de detaylı aramalar yapabilirsiniz.
API ile Veri Çekme
Verilen API adresinden istediğiniz konumlardan istediğiniz bir tarih aralığını seçerek deprem şiddetlerine göre veri çekebilirsiniz.
import requests
url = "https://earthquake.usgs.gov/fdsnws/event/1/query"
params = {
"format": "geojson",
"starttime": "1926-01-01",
"endtime": "2026-01-01",
"minmagnitude": 5.5,
"minlatitude": 34,
"maxlatitude": 43,
"minlongitude": 25,
"maxlongitude": 45
}
response = requests.get(url, params=params)
data = response.json()
print(f"Toplam {data['metadata']['count']} deprem bulundu.")
Harita Üzerinde Gösterme
Kod ile şöyle verileri çekebilirsiniz:
#!pip install marimo openlayers
import marimo as mo
import openlayers as ol
#Türkiye verileri 1926-2026 arası ve diğer filtreler
data = "https://earthquake.usgs.gov/fdsnws/event/1/query?format=geojson&starttime=1926-01-01&endtime=2026-04-01&minmagnitude=5.0&minlatitude=34&maxlatitude=43&minlongitude=25&maxlongitude=45"
#Genel olarak veri çekmek istenirse
#data = "https://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/all_month.geojson"
vector = ol.VectorLayer(
source=ol.VectorSource(url=data)
)
radius = 8
blur = 15
heatmap = ol.HeatmapLayer(
source=ol.VectorSource(url=data),
opacity=0.5,
weight=["get", "mag"],
radius=radius,
blur=blur
)
m = ol.MapWidget(layers=[ol.BasemapLayer(), vector, heatmap])
m.add_tooltip()
m
2. Veri Formatları ve Erişim
USGS, geliştiriciler ve araştırmacılar için oldukça esnek formatlar sunar. Harita tabanlı uygulamalar için GeoJSON, veri analizi (Pandas/R) için CSV, akademik değişimler için QuakeML ve görselleştirme için KML formatları mevcuttur.
3. API ve Sorgulama Mekanizması
Statik dosyaların ötesinde, USGS'in FDSN Event Web Service adını verdiği güçlü bir API'si vardır. Bu API sayesinde zaman aralığı (starttime/endtime), büyüklük (minmagnitude) ve coğrafi alan (koordinat kutusu veya yarıçap) gibi filtrelemelerle spesifik verilere ulaşılabilir.
4. Türkiye Özelinde Kullanım İpucu
Türkiye depremlerini son yüzyıl için çekmek istediğinde, USGS verilerini yerel AFAD veya Kandilli verileriyle karşılaştırmakta fayda vardır. USGS, küresel istasyonları kullandığı için bazen sığ depremlerin derinliğini veya büyüklüğünü yerel ağlara göre hafif farklı hesaplayabilir.
5. Önemli Özellikler
Veri seti içerisinde, insanların depremi nasıl hissettiğine dair CDI (Community Determined Intensity) bilgisi, yer yüzeyindeki yıkıcı etkiyi ölçen MMI (Modified Mercalli Intensity) skalası ve olası tsunami riskini belirten göstergeler yer alır.
Kaynaklar
- Use Remote Sensing Technique to Predict Earthquakes
- Estimation of the date and magnitude of impending massive earthquakes using the integration of precursors obtainable from remote sensing data
- Possibility of an earthquake prediction based on monitoring crustal deformation anomalies and thermal anomalies at the epicenter of earthquakes with oblique thrust faulting
- Statistical and Comparative Analysis of Multi-Channel Infrared Anomalies before Earthquakes in China and the Surrounding Area
- Remotely sensed atmospheric anomalies of the 2022 Mw 7.0 Bantay, Philippines earthquake
- Using Support Vector Machine (SVM) with GPS Ionospheric TEC Estimations to Potentially Predict Earthquake Events
- Vegetation-landslide nexus and topographic changes post the 2004 Mw 6.6 Chuetsu earthquake
- Assessing the Impact of the 2023 Kahramanmaras Earthquake on Cultural Heritage Sites Using High-Resolution SAR Images
- Thermal infrared anomaly indicating unformed strong earthquake sequences
- Thermal infrared anomalies as a precursor of strong earthquakes in the distant future
- SATELLITE REMOTE SENSING DATA APPLIED FOR SEISMIC RISK ASSESSMENT OF VRANCEA REGION
- Statistical framework for the evaluation of earthquake forecasting: A case study based on satellite surface temperature anomalies
- https://molab.marimo.io/github/marimo-team/gallery-examples/blob/main/notebooks/geo/earthquake.py/wasm

