Farklı konumsal tahmin yöntemlerinin toprak haritalama sonuçlarına etkisinin araştırılması

Abstract

Ülkemizde ve dünyada teknolojik gelişmeler, her alanda olduğu gibi tarımsal faaliyetlerde de yoğun bir şekilde kullanılmaktadır. Tarımsal faaliyetin ülkeler ve dolayısıyla insanlar için son derece hayati olduğu göz önüne alınırsa, tarımsal verimliliğin her geçen gün arttırılması son derece önemli bir ihtiyaçtır. Tarımsal verimliliğin arttırılması için yapılması gereken yöntemlerden biri ise toprak etütleri yapılarak, bitkilerin büyüme ve yaşamları için ihtiyaç duydukları elementlerin en uygun biçimde verilmesidir. Bitkilerin bu ihtiyaçlarının en uygun biçimde karşılanması için, yapılan toprak etütlerinin uygun dağılımda olması ve bu toprak etütlerinden faydalanarak diğer bölgeler için en uygun tahmin işleminin yapılması gerekmektedir. Bu tahmin işlemi için birçok konumsal tahmin yöntemi geliştirilmiştir. Bu kapsamda en çok kullanılan 5 konumsal tahmin yöntemi (En yakın komşuluk, Uzaklığın tersi ile ağırlıklandırma, Yüzey trend analiz yöntemi, Nokta KRIGING ve Yapay sinir ağı yöntemi) kullanılarak 600 model verisi yardımıyla, 200 adet test noktası için tahmin edilmiştir. Bu tahminlerden 3 tanesi (En yakın komşuluk, Uzaklığın tersi ile Ağırlıklandırma ve Yüzey trend analiz) için Android Stüdyo kullanılarak bir Android uygulama geliştirilmiş, konumsal tahmin yöntemlerinden bir diğeri olan Nokta KRIGING Yöntemi için Surfer programı ve YSA (Yapay Sinir Ağları) için ise MATLAB programı kullanılmış olup, tahminlerin sonuçlarının Arcgis programında tematik haritaları oluşturulmuş, sonuçlar istatistiksel olarak incelenmiş ve bunların kullanılabilirliği hakkında inceleme yapılmıştır.

Technological developments in our country and in the world are used intensively in agricultural activities as in every field. Considering that agricultural activity is extremely vital for countries and therefore people, it is an extremely important need to increase agricultural productivity day by day. One of the methods that should be done to increase agricultural productivity is to provide the most appropriate elements for the growth and life of plants by conducting soil surveys. In order to meet these needs of the plants in the most appropriate way, the soil surveys should be in an appropriate distribution and the most appropriate estimation should be made for other regions by making use of these soil surveys. Many spatial estimation methods have been developed for this estimation process. In this context, it has been estimated for 200 test points with the help of 600 model data, using the 5 most widely used spatial estimation methods (Nearest neighborhood, Inverse weighting, Surface trend analysis method, Point KRIGING and Artificial neural network method) and artificial neural networks. An android application was developed using Android Studio for 3 of these estimations (Nearest Neighborhood, Inverse of Distance Weighting and Surface trend analysis), Surfer program for Point KRIGING Method, which is another of the spatial estimation methods, and MATLAB program for ANN (Artificial Neural Networks). Thematic maps of the results of the predictions were created in the Arcgis program, the results were analyzed statistically and their usability was examined.