Buğdayda (Ttriticum aestivum L.) soğuğa dayanıklılığın belirlenmesinde yapay zeka yöntemlerinin kullanılması
Use of artificial intelligence methods to determine cold tolerance in wheat (Triticum aestivum L.)
- Tez No: 943608
- Danışmanlar: PROF. DR. KAMİL HALİLOĞLU
- Tez Türü: Doktora
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Tarla Bitkileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 126
Özet
Amaç: Günümüzde yapay zekâ bitkisel üretimin farklı alanlarında kullanılmaya başlamasından dolayı, buğday bitkisinde soğuğa dayanıklılığın belirlenmesinde yapay zekâ modellerinin uygulanabilirliğini denemek ve ıslah programlarında kullanılabilecek yapay zekâ tabanlı bir modelin geliştirilmesi amaçlanmıştır. Materyal ve Yöntem: Çalışmamızda, Norstar (kışlık, soğuğa dayanıklı fakat sarı pasa hassas) ve Zagros (erkenci yazlık, soğuğa hassas ve sarı pasa dayanıklı) ebeynlerin melezlemesi ile elde edilmiş 180 adet rekombinant kendilenmiş hattan (RIL) oluşan popülasyon genetik materyal olarak kullanılmıştır. Deneme iki farklı lokasyonda (Erzurum ve Konya) tam şansa bağlı blok deneme desenine göre iki tekrarlı olacak şekilde kurulmuş ve değerlendirilmiştir. Dört farklı regresyon metriği (MSE, MAE, MAPE ve R²) açısından sekiz farklı makine öğrenmesi algoritmalarının performansı karşılaştırılmıştır. Bulgular: İki farklı lokasyonda (Erzurum ve Konya) yürütülen çalışmamızın varyans analizi sonuçlarına göre lokasyon, genotip ve lokasyon x genotip interaksiyonunun görsel soğuk zararı üzerine etkisi çok önemli bulunmuştur. Lokasyonların ve genotiplerin kış zararı üzerine etkisi önemli, lokasyon ve genotip interaksiyonunun etkisi ise önemsiz bulunmuştur. Genotiplerin ortalama değerlerine göre kış zararı %4,4 - 40,2 arasında, görsel soğuk zararı ise %4,3 - %71,3 arasında değişmiştir. Lokasyon ortalamalarına göre, kış zararı Erzurum lokasyonunda %26,4, Konya lokasyonunda ise %11,7 oranında gerçekleşmiştir. Görsel soğuk zararı ise Erzurum lokasyonunda %18,7, Konya lokasyonunda %10,3 oranında gerçekleşmiştir. Elde ettiğimiz sonuçlara göre hem görsel soğuk zararının hem de kış zararının Erzurum lokasyonunda Konya lokasyonuna göre daha fazla olduğu sonucu ortaya çıkmıştır. Google Colab platformunda geliştirilen yapay zekâ algoritmalarının doğrulama ve test işlemleri sonucuna göre Aşırı Gradyan Artırma (XGBoost) ve Rastgele orman (RF) modelleri genel olarak en iyi performansı göstermiş, özellikle düşük hata (MSE, MAE, MAPE) ve yüksek R² değerine sahip olmuştur. LT50 değerinin tahmin edilmesinde çiçeklenme dönemindeki kanopi değeri (Kanopi 0), görsel soğuk zararı değerinin tahmin edilmesinde çiçeklenme süresi (ÇS) ve kış zararı değerinin tahmin edilmesinde ise kıştan sonra bitki sayısı (KSBS) en yüksek önem yüzdesine sahip olmuştur. Sonuç: Buğdayda soğuğa dayanıklılığı yapay zeka modelleri ile tahmin etmeyi amaçladığımız çalışmamızda XGBoost ve RF modelleri en iyi performans göstermiştir. Bu kapsamda geliştirilen tahmin modelleri, buğdayın soğuğa dayanıklılığı açısından genetik materyallerin seçilmesini hızlandırmak ve buğday ıslah programlarının etkinliğini artırmak için kullanılabilir.
Özet (Çeviri)
Purpose: Since artificial intelligence has started to be used in different fields of crop production today, it was aimed to test the applicability of artificial intelligence models in determining cold hardiness in wheat plants and to develop an artificial intelligence-based model that can be used in breeding programs. Method: In our study, a population of 180 recombinant inbred lines (RIL) obtained by crossing Norstar (winter, cold hardy but susceptible to yellow rust) and Zagros (early summer, cold hardy and resistant to yellow rust) parents were used as genetic material. The experiment was established and evaluated in two different locations (Erzurum and Konya) according to complete randomized block design with two replications. The performance of eight different machine learning algorithms was compared in terms of four different regression metrics (MSE, MAE, MAPE and R²). Findings: According to the analysis of variance results of our study conducted in two different locations (Erzurum and Konya), the effect of location, genotype and location x genotype interaction on visual cold damage was found to be very significant. The effect of locations and genotypes on winter damage was found to be significant, while the effect of location and genotype interaction was found to be insignificant. According to the mean values of the genotypes, winter damage varied between 4,4 – 40,2% and visual cold damage varied between 4,3 – 71,3%. According to the location averages, winter damage was realized as 26,4% in Erzurum location and 11,7% in Konya location. Visual cold damage was 18,7% in Erzurum location and 10,3% in Konya location. According to the results we obtained, it was concluded that both visual cold damage and winter damage were higher in Erzurum location compared to Konya location. According to the results of the validation and testing of the artificial intelligence algorithms developed on the Google Colab platform, the Extreme Gradient Boost (XGBoost) and Random Forest (RF) models showed the best performance in general, especially with low error (MSE, MAE, MAPE) and high R² values. Canopy value at flowering (Canopy 0) had the highest percentage of significance in predicting LT50 value, flowering time (CF) in predicting visual cold damage value and number of plants after winter (PPS) in predicting winter damage value. Results: In our study, in which we aimed to predict cold hardiness in wheat with artificial intelligence models, XGBoost and RF models showed the best performance. The prediction models developed in this context can be used to accelerate the selection of genetic materials for cold hardiness of wheat and to increase the efficiency of wheat breeding programs.
Benzer Tezler
- Benzoik asidinin soğuk stresine maruz bırakılan farklı buğdaylar (Triticum aestivum L.) üzerine etkilerinin incelenmesi
Investigation of the effects of benzoic acid on different wheats (Triticum aestivum L.) subjected to cold stress
HÜSEYİN KANBUR
Doktora
Türkçe
2016
BiyokimyaYıldız Teknik ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. BARBAROS NALBANTOĞLU
DOÇ. DR. SALİH MUTLU
- Cold, drought, and salt tolerance levels of some species and varieties of wheat (Triticum turgidium)
Bazı buğday (Triticum turgidium) tür ve çeşitlerinin soğuğa, kurağa ve tuza dayanım düzeyleri
DİDEM ASLAN
Yüksek Lisans
İngilizce
2017
BiyolojiAbant İzzet Baysal ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. NUSRET ZENCİRCİ
- Buğdayda (Triticum aestivum l.) gen transferi ile herbisite (Dalapon) dayanıklı bitkilerin elde edilmesi
Başlık çevirisi yok
HATİCE YÜCE
- Buğdayda (Triticum aestivum L.) olgun embriyo kaynaklı kallus oluşumunu ve rejenerasyon kapasitesini etkileyen faktörlerin belirlenmesi
Determination of the factors affecting callus induction and regeneration capacity in mature embryo sourced wheat (Triticum aestivum L.)
MURAT AYDIN
Yüksek Lisans
Türkçe
2006
ZiraatAtatürk ÜniversitesiTarla Bitkileri Ana Bilim Dalı
PROF.DR. SEVİM SAĞSÖZ
- Optimization of regeneration and Agrobacterium mediated transformation of wheat (Triticum aestivum L.cv. Yüreğir 89)
Buğdayda (Triticum aestivum L.cv. Yüreğir 89) rejenerasyonun ve Akrobakteriuma dayalı transformasyonun optimizasyonu
DİDEM DEMİRBAŞ
Yüksek Lisans
İngilizce
2004
BiyoteknolojiOrta Doğu Teknik ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. MERAL YÜCEL
PROF. DR. HÜSEYİN AVNİ ÖKTEM