YUKARI DİCLE HAVZASI TOPRAKLARININ BAZI FİZİKSEL VE KİMYASAL ÖZELLİKLERİNİN TAHMİNİNDE GÖRÜNEBİLİR-YAKIN KIZILÖTESİ SPEKTROSKOPİ (VNIRS) VE MAKİNE ÖĞRENME TEKNİKLERİNİN KULLANIMI

Abstract

Bitkisel üretimde birim alandan alınacak ürünün kalitesi ve verimi üzerine önemli etkileri olan kil, kum, silt, EC, kireç, Organik madde, Zn, Cu, Mn ve Fe elementlerinin en düşük ve en yüksek olduğu yerlerin rahatlıkla tespit edilebildiği yersel değişim haritaları, arazilerin doğru yönetilmesi ve girdilerin en uygun kullanımı açısından son derece yararlı araçlardır. Fakat bu analizlerin elde edilmesi zaman, maliyet, iş gücü vb. sorunlara yol açmaktadır bu sorunları ortadan kaldırmak için haritalamanın yanında NIRS (350nm-2500nm) analizinden de daha hızlı sonuçlar alınabilir. Bu çalışmada Yukarı Dicle Havzasında yer alan bazı toprakların yapılan geleneksel analizlerle ile VNIRS analizinin (350nm-2500nm) uygunluğu makine öğrenmesi kullanılarak araştırılması amaçlanmıştır. Bunun için Yukarı Dicle havzasında yer alan ve yaklaşık 1.000.000 ha’dan oluşan çalışma alanından 386 farklı noktadan ve 0- 20 cm derinliğinden alınmış olan toprak örnekleri VNIRS ile taranmıştır. Bu işlem yapılırken NIRS okumaları 10-25-50 aritmetik ortalamalı gruplara ayrılarak toprak özeliğine göre en iyi ortalama ve Support Vektör Regresyon, Random Forest Regresyon, Decision Tree Regresyonu, XGBoost Regresyonu modelleri uygulanarak bu modeller arasında en iyi model belirlendi. Kil, Silt, Fe, Cu, Mn içerikleri için en iyi tahmin üreten aritmetik ortalamanın 50’li aritmetik ortalama olduğu ve en iyi modelin ise XGBoost regresyon olduğu görülmüştür. Ayrıca model doğruluğunu gösteren R2 ,RMSE ve RPD değerlerine bakıldığında sırasıyla kil içeriği için R 2 değeri 0.93, RMSE değeri 0.02 ve RPD değeri de 3.92 , Silt içeriği için R2 değeri 0.95, RMSE değeri 0.02 ve RPD değeri de 4.32 , Fe içeriği için R2 değeri 0.95, RMSE değeri 0.02 ve RPD değeri de 4.49, Cu içeriği için R 2 değeri 0.95, RMSE değeri 0.02 ve RPD değeri de 4.52 , Mn içeriği için R2 değeri 0.95, RMSE değeri 0.02 ve RPD değeri de 4.64 olduğu bulunup mükemmel tahmin üretimine sahip olduğu belirlenmiştir. Kum, Ec, Organik Madde, Kireç ve Zn bakıldığında ise en iyi tahmin üreten aritmetik ortalamanın 10’lu aritmetik ortalamaya sahip olduğu ve en iyi modelin ise XGBoost regresyon olduğu görülmüştür. Model doğruluk parametrelerine (R2 ,RMSE ve RPD) bakıldığında sırasıyla kum içeriği için R2 değeri 0.94, RMSE değeri 0.02 ve RPD değeri de 4.06, R2 değeri 0.94, Ec içeriği için RMSE değeri 0.02 ve RPD değeri de 4.13, Kireç içeriği için R 2 değeri 0.94, RMSE değeri 0.02 ve RPD değeri de 3.95, Organik madde içeriği için R2 değeri 0.92, RMSE değeri 0.03 ve RPD değeri de 3.56, Zn içeriği için ise R2 değeri 0.95, RMSE değeri 0.02 ve RPD değeri de 4.51 olduğu bulunup mükemmel tahmin üretimine sahip olduğu belirlenmiştir. Ayrıca kil, kum, silt, EC, Kireç ve Organik madde analizleri daha önceden tubitak proje kapsamında belirlendiğinden, bu tez çalışması kapsamında eksik olan mikro besin elementi içerikleri belirlenmiş ve mesafeye bağlı değişim haritaları hazırlanmıştır.