Geri Dön

İHA tabanlı uzaktan algılama tekniklerinin pamuk sulama programlamasında kullanım olanaklarının araştırılması

Investigation of the using of UAV-based remote sensing techniques for cotton irrigation scheduling

  1. Tez No: 1004637
  2. Yazar: ŞENER ÖZÇELİK
  3. Danışmanlar: PROF. DR. ERHAN AKKUZU
  4. Tez Türü: Doktora
  5. Konular: Ziraat, Agriculture
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Tarımsal Yapılar ve Sulama Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Su kaynaklarının tarımda etkin kullanımı için İHA tabanlı uzaktan algılama teknolojilerinin bitki su durumunun izlenmesi, bitki morfolojik ve fizyolojik özelliklerinin belirlenmesi, anlık ve mevsimlik bitki su tüketiminin tahmini ve verim tahmini için potansiyel araçlardandır. Çalışmada pamuk (Gossypium hirsutum L.) bitkisinin S1(%100), S2(%67), S3(%33) ve S4(Sulanmayan) olmak üzere 4 farklı sulama düzeyinde tepkilerinin İHA üzerine yerleştirilmiş multispektral ve termal kameralar ile araştırılması için 2022 ve 2023 yıllarında Menemen ovası koşullarında tesadüf blokları deneme deseninde tarla denemesi yürütülmüştür. Araştırmada bitki boyu (BB), yaprak alan indeksi (LAI), biyokütle, pamuk verim ve kalite parametreleri, anlık ve mevsimlik bitki su tüketimi değerleri ile spektral yansıma oranları ve indeksleri (NDVI, GNDVI, NDRE, SAVI, EVI, SR ve Clg), termal sıcaklık değerleri (Ts, Tc-Ta), bitki su stres indeksi (CWSI) ve su eksiklik indeksi (WDI) değerleri belirlenmiştir. Çalışmada elde edilen sonuçlara göre pamuk bitkisine S1, S2 ve S3 konularına sırasıyla 640 mm, 429 mm, 211 mm sulama suyu uygulanmıştır. Bitki su tüketimleri 271-840 mm arasında değişmiştir. Pamuk kütlü verimleri üzerine sulama konularını etkisi önemli bulunmuş ve verim değerleri 274-653“kg ”〖“da”〗^“-1”arasında değişmiştir. S2 konusu en yüksek verim değerini elde ederken S3 konusu su üretkenliği ve sulama suyu üretkenliği bakımından en yüksek değerleri almıştır. Mevsimlik verim tepki etmeni (k_y) 0.70 (R2=0.89**) olarak hesaplanmıştır. Lif kalite özelliklerinden iplik olabilirlik indeksi (SCI), lif inceliği (Mic), lif uzunluğu (mm) (UHML), uniformite indeksi (%) (UI), kısa lif oranı (%) (SF), lif kopma dayanımı (gr tex-1) (Str) ve esneklik (Elg) üzerine sulama konularının etkisi önemli bulunmuştur. Uzaktan algılama verileri ile FAO-56 tekil bitki katsayısı (Kc), günlük bitki su tüketimi (ETagün), zamansal kümülatif bitki su tüketimi (ETaküm) arasında önemli ilişkiler belirlenmiştir. En yüksek belirleme katsayısı elde edilen parametreler Kc için Tc-Ta ve CWSI (R2=0.54**, R2=0.53**), ETagün için Tc-Ta ve CWSI (R2=0.57**, R2=0.51**), ETaküm için GNDVI ve Clg (R2=0.52**, R2=0.51**) indeksleri olmuştur. Pamuk kütlü verimi ve biyokütle ile termal göstergeler (Tc-Ta, CWSI ve WDI) arasında önemli ilişkiler belirlenmiştir. Bitki gelişim özelliklerinden BB ve LAI ile GNDVI ve NDRE (BB için R2=0.81-0.82**, LAI için R2=0.65-0.67**) indeksleri arasında önemli ilişkiler elde edilmiştir. Bitki gelişim özellikleri ile spektral indeksler önemli ilişkiler ortaya koyarken, bitki su tüketim değerleri ve verim değerleri ile termal parametreler arasında önemli ilişkiler belirlenmiştir. Makine öğrenmesi (ML) ve derin öğrenme (DL) yöntemlerinin performansları değerlendirilmiş ve en iyi sonuç veren modeller; Kc için gradyan arttırmalı ağaçlar ML modeli (GB, R2=0.63, RMSE=0.33, MAE=0.22), ETagün için rastgele orman ML modeli (RF, R2=0.69, RMSE=1.98, MAE=1.36), ETküm için evrişimsel sinir ağları DL modeli (1D-CNN, R2=0.92, RMSE0.30, MAE=0.63) olmuştur. Bitki boyu için MLP ve LAI için 1D-CNN modelleri en başarılı tahmin sonuçlarını elde etmişlerdir. Klasik regresyon modellerine kıyasla daha yüksek tahmin doğruluğu sağlayan ML ve DL yöntemleri, İHA tabanlı uzaktan algılama verilerine dayalı gerçek zamanlı sulama yönetimi için önemli bir potansiyel ortaya koymaktadır.

Özet (Çeviri)

For the efficient use of water resources in agriculture, UAV-based remote sensing technologies are potential tools for monitoring plant water status, determining plant morphological and physiological characteristics, estimating instantaneous and seasonal evapotranspiration, and estimating yield In this study, field experiments were conducted in the Menemen plain in 2022 and 2023 using a randomized block design with multispectral and thermal cameras mounted on a UAV to investigate the responses of cotton (Gossypium hirsutum L.) plants to four different irrigation levels: S1 (100%), S2 (67%), S3 (33%), and S4 (Non-irrigated). In the study, plant height (BB), leaf area index (LAI), biomass, cotton yield and quality parameters, instantaneous and seasonal evapotranspiration values, UAV spectral reflectance ratios and indices (NDVI, GNDVI, NDRE, SAVI, EVI, SR, and Clg), thermal temperature values (Ts, Tc-Ta), plant water stress index (CWSI), and water deficit index (WDI) were determined. According to the results of the study, 640 mm, 429 mm, and 211 mm of irrigation water were applied to the cotton plants respectively S1, S2 and S3 treatment. Water consumption ranged from 271-840 mm. The effect of irrigation treatments on cotton seed yield was found to be significant, with yield values ranging from 274-653“kg ”〖“da”〗^“-1”. Treatment S2 achieved the highest yield value, while treatment S3 achieved the highest values in terms of water productivity and irrigation water productivity. The seasonal yield response factor (k_y) was calculated as 0.70 (R2=0.89**). The effect of irrigation treatments on the fiber quality properties such as consistency index (SCI), fiber fineness (Mic), upper half mean length (mm) (UHML), uniformity index (%) (UI), short fiber ratio (%) (SF), tensile strength (gr tex-1) (Str), and elasticity (Elg) were found to be significant. Significant relationships were found between remote sensing data and FAO-56 individual plant coefficient (Kc), daily evapotranspiration (ETaday), temporal cumulative evapotranspiration (ETacum). The parameters with the highest determination coefficients were found Tc-Ta and CWSI for Kc (R2=0.54**, R2=0.53**), Tc-Ta and CWSI for ETaday (R2=0.57**, R2=0.51**), GNDVI and Clg for ETacum (R2=0.52**, R2=0.51**) indices. Cotton lint yield and biomass were found significantly and strongly correlated wit thermal indicators (Tc-Ta, CWSI and WDI). The indices GNDVI and NDRE showed significant correlations with the plant growth parameters BB and LAI (R2=0.81-0.82** for BB, R2=0.67** for LAI). Spectral indices revealed stronger relationships for plant growth characteristics, while thermal parameters showned stronger relationships for plant water consumption values and yield values. The performance of machine learning (ML) and deep learning (DL) methods were evaluated, and the best-performing models were as follows: the gradient boosting trees ML model for Kc (GB, R2=0.63, RMSE=0.33, MAE=0.22), the random forest ML model for ETaday (RF, R2=0.69, RMSE=1.98, MAE=1.36), and the convolutional neural network DL model for ETacum (1D-CNN, R2=0.92, RMSE=0.30, MAE=0.63). MLP model for canopy height and 1D-CNN model for LAI were achieved the most successful prediction results. ML and DL methods, which provide better prediction results than classical regression models, have demonstrated significant potential for real-time irrigation management based on UAV-derived remote sensing data.

Benzer Tezler

  1. Tez No

    866102

    İHA tabanlı NDVI ile mısır bitkisinin verim tahmini

    Yield estimation of corn plant with UAV-based NDVI

    MUSTAFA ÖZKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriHarran Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİZAR POLAT

  2. Tez No

    1017388

    Coğrafi bilgi sistemleri ve uzaktan algılama teknikleri kullanarak deprem sonrası yapısal hasarlarının tespiti:6 şubat 2023 Kahramanmaraş depremleri örneği

    Detection of post-earthquake structural damages using geographic information systems and remote sensing techniques: The case of the Kahramanmaras earthquakes

    YAREN GÜLŞEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    İnşaat MühendisliğiÇankırı Karatekin Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER SARIFAKIOĞLU

  3. Tez No

    898991

    İHA ile görüntü işleme tekniklerini kullanarak yoncada verim ve kalite parametreleri için uygun bitki indekslerinin elde edilmesi

    Obtaining appropriate plant indices for yield and quality parameters in alfalfa using image processing techniques with UAV

    VEYSEL GÜL

    Doktora

    Türkçe

    Türkçe

    2024

    ZiraatAnkara Üniversitesi

    Tarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDULLAH BEYAZ

  4. Tez No

    767326

    A novel hybrid classification approach to integrate pixel- and object-based image analysis for classification of remotely sensed data

    Uzaktan algılanan verilerin sınıflandırılması için piksel ve obje tabanlı görüntü analizini entegre eden yeni bir hibrit sınıflandırma yaklaşımı

    MUHAMMED YUSUF ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Jeodezi ve FotogrametriGebze Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL ÇÖLKESEN

  5. Tez No

    944941

    Depremden yıkılan binaların tespitinde makine öğrenme yöntemlerinin değerlendirilmesi

    Evaluation of machine learning methods in detecting buildings collapsed by earthquakes

    FARUK ÖZARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Jeodezi ve FotogrametriEskişehir Teknik Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DOÇ. DR. DİLEK KÜÇÜK MATCI

Geri Dön