Toprak kalitesinin yapay sinir ağları ile değerlendirilmesi: Bingöl Solhan Ovası örneği
Evaluation of soil quality with artificial neural networks thecase of Bingöl Solhan Plain
- Tez No: 949250
- Danışmanlar: PROF. DR. SALİH AYDEMİR
- Tez Türü: Doktora
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu araştırmada, Bingöl Solhan Ovası'nda bazı toprak özelliklerinin modellenmesi amacıyla, ArcGIS 10.8 yazılımıyla 300 m x 300 m aralıklı gridler kullanılarak 85 noktadan 0-30 cm derinlikteki toprak örnekleri alınmış ve uzman görüşüyle belirlenen toprak kalite parametreleriyle ovanın genel toprak kalitesi modellenmiştir. Toprak numunelerinin fiziksel, kimyasal ve biyolojik analizleri yapılmış, her parametre normalize edilerek SMAF modeli ve eklemeli indeks yöntemiyle toprak kalite indeksi hesaplanmıştır. Sonuçlara göre; fiziksel kalite (ortalama 60 skor)“orta”, kimyasal (54 skor) ve biyolojik (48 skor) kalite“düşük”, genel toprak kalitesi ise (56 skor)“orta”olarak sınıflandırılmıştır. Toprakların işlevselliği için fiziksel, kimyasal ve biyolojik kalitenin iyileştirilmesi gereklidir. Bu da uygun arazi yönetimi ve amenajman sistemlerine bağlıdır. Kötü uygulamalar, zaten zayıf olan özellikleri daha da bozabilir. Çalışmada, SMAF modelinin toprak kalitesi değerlendirmede etkili bir araç olduğu ve çiftçiler/arazi yöneticileri için sürdürülebilir kararlar almayı kolaylaştırdığı belirlenmiştir. Araştırmanın ikinci aşamasında, toprak özellikleri yapay sinir ağları (YSA) ile tahmin edilmiştir. Levenberg-Marquardt (LM), Scaled Conjugate Gradient (SCG) ve Bayesian Düzenleme (BR) algoritmaları kullanılarak hiperparametreler optimize edilmiştir. %70 eğitim, %15 test ve %15 doğrulama verisiyle, 0-30 nöronlu çift gizli katmanlı ağ yapıları test edilmiştir. LM algoritması tüm tahminlerde en iyi performansı göstermiştir: Değişebilir katyon yüzdesi (%85 doğruluk, 1.705 MAE, 2.255 RMSE), katyon değişim kapasitesi (%73 doğruluk, 0.439 MAE, 0.533 RMSE), tarla kapasitesi (%97 doğruluk, 0.560 MAE, 1.012 RMSE) ve solma noktası (%99 doğruluk, 0.003 MAE, 0.004 RMSE). LM, tüm modellerde en yüksek R² ve en düşük hata değerlerini sağlamıştır. Böylece, maliyetli ve uzmanlık gerektiren toprak parametreleri yüksek doğrulukla tahmin edilebileceği kanıtlanmıştır.
Özet (Çeviri)
In this study, in order to model some soil properties in Bingöl Solhan Plain, soil samples at 0-30 cm depth were taken from 85 points using 300 m x 300 m spaced grids with ArcGIS 10.8 software and the general soil quality of the plain was modeled with soil quality parameters determined by expert opinion. Physical, chemical and biological analyses of soil samples were carried out and each parameter was normalized and soil quality index was calculated using SMAF model and additive index method. According to the results; physical quality (average score of 60) was classified as“medium”, chemical (score of 54) and biological (score of 48) quality as 'low' and overall soil quality (score of 56) as“medium”. Improvement of physical, chemical and biological quality is necessary for the functionality of soils. This depends on appropriate land management and management systems. Poor practices can further degrade already poor properties. The study found that the SMAF model is an effective tool for soil quality assessment and facilitates sustainable decision making for farmers/land managers. In the second stage of the research, soil properties were estimated by artificial neural networks (ANN). Levenberg-Marquardt (LM), Scaled Conjugate Gradient (SCG) and Bayesian Regularization (BR) algorithms were used to optimize the hyperparameters. Double hidden layer networks with 0-30 neurons were tested with 70% training, 15% testing and 15% validation data. The LM algorithm showed the best performance in all predictions: Percent exchangeable cation (85% accuracy, 1.705 MAE, 2.255 RMSE), cation exchange capacity (73% accuracy, 0.439 MAE, 0.533 RMSE), field capacity (97% accuracy, 0.560 MAE, 1.012 RMSE) and wilting point (99% accuracy, 0.003 MAE, 0.004 RMSE). LM provided the highest R² and lowest error values in all models. Thus, it was proved that costly and specialized soil parameters can be estimated with high accuracy.
Benzer Tezler
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN
- Buğday ekiminin mekanik esasları üzerinde bir araştırma
Başlık çevirisi yok
ADNAN DEĞİRMENCİOĞLU
Yüksek Lisans
Türkçe
1985
ZiraatEge ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
DOÇ. DR. İSMET ÖNAL
- Çukurova bölgesinde biyoklimatik veriler kullanılarak açık ve yeşil alan sistemlerinin belirlenmesi ilkeleri üzerinde bir araştırma
A research on the determination of the principles in open and green spaces systems by using the bioclimatic data in Çukurova region
MEHMET FARUK ALTUNKASA
Doktora
Türkçe
1987
Çevre MühendisliğiÇukurova ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜLTEKİN
- Hidrolik sistemli bir lizimetrenin kurulması ve toprak su bütçesinin belirlenmesinde kullanılma olanaklarının araştırılması
Başlık çevirisi yok
BEYRAMALİ AZİZİ