Arazi Kalite Parametrelerinin Buğday Ürün Rekoltesi Üzerine

Transkript

ANKARA ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
DOKTORA TEZİ
ARAZİ KALİTE PARAMETRELERİNİN BUĞDAY ÜRÜN REKOLTESİ
ÜZERİNE ETKİLERİNİN UZAKTAN ALGILAMA VE COĞRAFİ BİLGİ
SİSTEMİ KULLANILARAK BELİRLENMESİ, ALTINOVA TARIM
İŞLETMESİ ÖRNEĞİ
Mustafa USUL
TOPRAK ANABİLİM DALI
ANKARA
2010
Her hakkı saklıdır
TEZ ONAYI
Mustafa USUL tarafından hazırlanan “Arazi Kalite Parametrelerinin Buğday Ürün
Rekoltesi Üzerine Etkilerinin UA ve CBS Kullanılarak Belirlenmesi; Altınova Tarım
İşletmesi Örneği” adlı tez çalışması aşağıdaki jüri tarafından oy birliği ile Ankara
Üniversitesi TOPRAK Anabilim Dalı’nda DOKTORA TEZİ olarak kabul edilmiştir.
Sunum Tarihi : 07.06.2010
Danışman : Doç. Dr. İlhami BAYRAMİN
Jüri Üyeleri :
Başkan
: Prof. Dr. Yusuf KURUCU
Ege Üniversitesi, Ziraat Fakültesi, Toprak Ana Bilim Dalı
Üye
: Prof. Dr. Gökhan ÇAYCI
Ankara Üniversitesi, Ziraat Fakültesi, Toprak Ana Bilim Dalı
Üye
: Prof. Dr. Günay ERPUL
Üye
: Doç. Dr. İlhami BAYRAMİN
Üye
: Doç. Dr. Orhan DENGİZ
19 Mayıs Üniversitesi, Ziraat Fakültesi, Toprak Ana Bilim Dalı
Yukarıdaki sonucu onaylarım.
Prof. Dr. Orhan ATAKOL
Enstitü Müdürü
ÖZET
Doktora Tezi
ARAZİ KALİTE PARAMETRELERİNİN BUĞDAY ÜRÜN REKOLTESİ ÜZERİNE
ETKİLERİNİN UZAKTAN ALGILAMA VE COĞRAFİ BİLGİ SİSTEMİ KULLANILARAK
BELİRLENMESİ, ALTINOVA TARIM İŞLETMESİ ÖRNEĞİ
Mustafa USUL
Ankara Üniversitesi
Fen Bilimleri Enstitüsü
Toprak Anabilim Dalı
Danışman: Doç. Dr. İlhami BAYRAMİN
Bu çalışma Altınova Tarım İşletmesi’nin 29.608,6 ha’lık Aridisol, Vertisol ve Entisol toprak ordolarından
oluşan tarım parsellerinde yürütülmüştür. Paremetrik Metot (Karekök Metodu) ile değerlendirilen tarım
parsellerinin hem Arazi Kalite İndeksleri (AKI) hem de Arazi Uygunluk Sınıfları her bir toprak
haritalama biriminin toprak özelliklerine göre hesaplanmıştır. Arazi Kullanım Uygunlukları bakımından
arazinin % 17,8’i S1 (çok iyi) , % 69,9’u S2 (iyi) ve %12,3’ü S3 (orta) olarak sınıflandırılmıştır. SPOT 2
uydu görüntüsünün 1, 2 ve 3. bantları kullanılarak NDVI değerleri elde edilmiştir. İşletmenin 73 adet
buğday tarımı yapılan parselinin 21 yıllık verimlerinin ortalamaları ile her bir parselin AKI değerleri
arasında istatistik analizi yapılmıştır. Verim ile AKI arasındaki istatistiki analiz P<0,0001 seviyesinde
önemli bulunmuştur. R değeri 0,87 ve R2değeri 0,75 olarak belirlenen bu ilişkinin formülü Buğday
Ortalama Verim (kg/da) = 14,376 + 3,07 AKI olarak tespit ediliştir. Yapılan bu istatistiki analize göre
verimdeki değişimin %75’i AKI tarafından açıklanmaktadır. SPOT 2 uydu görüntüsünden üretilen NDVI
değerleri ile buğday verimleri ve bu parsellerin AKI değerleri arasında istatiksel analizler yapılmıştır.
Verim ile, AKI-NDVI değerleri arasında yapılan istatistiksel analiz P<0,0001 seviyesinde önemli
bulunmuştur. R değeri 0,69 ve R2 değeri 0,47 olarak tespit edilen bu ilişkinin formülü ise Verim kg/da =
NDVI*1.023+AKI*0.174-66,998 olarak bulunmuştur. Buna göre ise verimdeki değişimin %47’si NDVI
ve AKI tarafından açıklanmıştır.
Haziran 2010, 140 sayfa
Anahtar Kelimeler: Uydu Verileri, Uzaktan Algılama, CBS, Ürün Rekoltesi, Toprak Kalite
Parametreleri, Altınova TIM
i ABSTRACT
Ph.D. Thesis
DETERMİNATİON OF EFFECTS OF LAND QUALİTY PARAMETERS ON WHEAT
YİELD BY USİNG REMOTE SENSİNG AND GEOGRAPHİC INFORMATİON SYSTEMS,
CASE STUDY; ALTINOVA STATE FARM
Mustafa USUL
Ankara University
Graduate School of Natural and Applied Sciences
Department of Soil Science
Supervisor: Assoc. Prof. Dr. İlhami BAYRAMİN
This study was carried out in Altınova State Farm that comprises an area of 29.608,6 ha., the soils of
which are mainly in Aridisols, Vertisols and Entisols. Parcels were evaluated by parametric method
(square root). Both land quality indices (AKI) and land suitability classes of the parcels were calculated
according to the soil properties of the each soil map units. Of the 17,8% land is classified as S1 (very
good), while 69,9% is S2 (good) and 12,3% is S3 (moderate) according to the Land Use Suitability
Classification. NDVI data were generated by using 1st, 2nd and 3rd bands of SPOT 2 satellite imagery.
Statistical analysis were calculated using 21-year average yield data and AKI values of the 73 wheatgrown parcels. Statistical analysis showed that the relationship between yield and AKI was significant at
P< 0,0001 level. Yield estimation was formulated as; average wheat yield(kg/da)= 14,376 + 3,07 AKI
with high correlation coefficient (R: 0,87, R2 : 0,75) values. According to the analysis, 75% of the change
in yield is explained by AKI. Relationships between yield and AKI-NDVI was also important statistically
with higher correlation coefficient values (R: 0,69 and R2: 0,47) at P<0,0001 level. Yield estimation was
formulated as; yield (kg/da)= NDVI* 1,023+AKI* 0,174- 66,998. 47% of the change in yield was
explained by NDVI and AKİ.
June 2010, 140 pages
Key Words: Satellite imagery, Remote sensing, GIS, Crop yield, Soil quality parameters, Altınova State
Farm.
ii TEŞEKKÜR
Çalışmalarımı yönlendiren, araştırmalarımın her aşamasında bilgi, öneri ve yardımlarını
esirgemeyerek akademik ortamda olduğu kadar kişisel ilişkilerde de engin fikirleriyle
yetişme ve gelişmeme katkıda bulunan danışman hocam Doç. Dr. İlhami
BAYRAMİN’e (AÜZF Toprak ABD), çalışmalarım süresince maddi manevi
desteklerini esirgemeyen ve hep yanımda hissettiğim kıymetli Enstitü Müdürümüz Dr.
Bülent SÖNMEZ’e, çalışmalarım sırasında önemli katkılarda bulunan ve beni
yönlendiren Prof. Dr. Yusuf KURUCU’ya (Ege ÜZF Toprak ABD), diğer jüri üyesi
hocalarım Prof. Dr. Gökhan ÇAYCI (AÜZF Toprak ABD), Prof. Dr. Günay ERPUL
(AÜZF Toprak ABD) ve Doç. Dr. Orhan DENGİZ’e (Ondokuz Mayıs ÜZF Toprak
ABD), kıymetli fikirlerini esirgemeyen ve çalışmalarıma destek sağlayan Toprak Gübre
ve Su Kaynakları Merkez Araştırma Enstitüsü Komite üyelerine, Ege Üniversitesi
Ziraat Fakültesi Toprak Bölümü UA ve CBS birimindeki çok değerli hocalarıma,
asistanları ve çalışanlarına, TRGM Şube Müdürü Dr. Yüksel ŞAHİN’e, Tarım
İşletmeleri Genel Müdürlüğünün yöneticilerine, Altınova Tarım İşletmesi İdareci ve
personeline, çalışmalarım süresince birçok fedakârlıklar göstererek beni destekleyen
eşim Merih USUL ve çocuklarım Çağatay USUL ve Ömer Faruk USUL’a en derin
duygularımla teşekkür ederim.
Mustafa USUL
Ankara, Haziran 2010
iii İÇİNDEKİLER
ÖZET.................................................................................................................................i
ABSTRACT .....................................................................................................................ii
TEŞEKKÜR ...................................................................................................................iii
SİMGELER DİZİNİ ......................................................................................................vi
ŞEKİLLER DİZİNİ ......................................................................................................vii
ÇİZELGELER DİZİNİ .................................................................................................ix
1. GİRİŞ ...........................................................................................................................1
2. KAYNAK ÖZETLERİ ...............................................................................................4
2.1 Uzaktan Algılama Tekniği Temel Kavramlar......................................................15
2.2 Cisimlerin Spektral Özellikleri ..............................................................................21
2.2.1 Bitki örtüsünün spektral karakteristikleri ........................................................22
2.2.2 Toprağın spektral karakteristikleri....................................................................24
2.2.3 Suyun spektral karakteristikleri.........................................................................25
2.2.4 Yerleşim alanlarının spektral özellikleri............................................................26
2.3 Uydu Verileri ve Sistemleri ...................................................................................27
2.3.1 Uydu görüntüleri..................................................................................................27
2.3.2 Çözünürlükler ......................................................................................................28
2.3.3 LANDSAT uydu sistemi ......................................................................................29
2.3.3.1 LANDSAT – MSS sistemi.................................................................................31
2.3.3.2 LANDSAT-TM sistemi .....................................................................................32
2.3.3.3 LANDSAT-ETM+ sistemi ................................................................................32
2.3.4 SPOT uydu sistemi..............................................................................................33
3. MATERYAL VE YÖNTEM....................................................................................38
3.1 Materyal ...................................................................................................................38
3.1.1 Araştırma yerinin tanımı.....................................................................................38
3.1.2 Kartografik materyal...........................................................................................40
3.1.3 Uydu görüntüleri..................................................................................................40
3.1.4 İşletme bilgileri .....................................................................................................40
3.1.5 Yazılımlar .............................................................................................................40
3.2 Yöntem .....................................................................................................................40
3.2.1. Altınova tarım işletmesi sayısal veri tabanının oluşturulması........................42
3.2.2 Arazi çalışmaları ve laboratuar analizleri .........................................................42
3.2.2.1 Toprak verilerinin test edilmesi.......................................................................42
3.2.2.2 Ürün deseni, ekim sistemi, verim değerlerinin toplanması ...........................42
3.2.2.3 Laboratuvar analizleri......................................................................................44
3.2.3Toprak kalite parametreleri indeksi’nin (AKI) belirlenmesi ...........................45
3.2.3.1 Bünye (Tekstür) (A) ..........................................................................................46
3.2.3.2 Eğim (B) .............................................................................................................46
3.2.3.3 Derinlik (Solum A+B) (C )................................................................................47
3.2.3.4 Taşlılık, çakılılık ve kayalılık (D).....................................................................47
3.2.3.5 Tuzluluk, alkalilik ve reaksiyon (toprak asitliği) ( pH 1/2.5 su) (E).............48
3.2.3.6 Diğer toprak karakteristiklerinin oranları (F)..............................................48
3.2.4. Uydu verilerinin analizleri .................................................................................52
3.2.4.1 Tahıl verimine etki eden faktörler: .................................................................52
3.2.4.2 Uydu görüntülerinin temin edilmesi ...............................................................54
iv 3.2.4.3 Normalize edilmiş bitki örtüsü indeksi ...........................................................57
3.2.5 İstatiksel analizler ve modelleme çalışmaları ....................................................63
4. BULGULAR ..............................................................................................................64
4.1. Altınova Tarım İşletmesi Sayısal Veri Tabanının Oluşturulması .....................64
4.1.1 Parsel haritalarının oluşturulması .....................................................................64
4.1.2 Sayısal toprak haritalarının oluşturulması........................................................64
4.1.3 Seri haritalarının oluşturulması .........................................................................67
4.1.4 Derinlik haritasının oluşturulması .....................................................................67
4.1.5 Eğim haritasının oluşturulması ..........................................................................70
4.1.6 Taşlılık haritasının oluşturulması.......................................................................70
4.1.7 Drenaj haritasının oluşturulması .......................................................................74
4.1.8 Taksonomi haritasının oluşturulması ................................................................74
4.1.9 1/25 000 ölçekli sayısal topoğrafik haritaların değerlendirilmesi...................75
4.1.10 Arazi kullanım kabiliyet sınıfları (AKK) haritasının oluşturulması.............78
4.2 Arazi Çalışmaları ve Laboratuar Analizleri.........................................................78
4.3 Toprak Kalite Parametreleri İndeksi’nin Belirlenmesi ......................................82
4.3.1 AKK sınıfları ile arazi uygunluk sınıflarının karşılaştırılması........................87
4.3.2 Toprak taksonomisi ile arazi uygunluk sınıflarının karşılaştırılması.............88
4.4 Normalize Edilmiş Bitki Örtüsü İndeksi (NDVI) Verileri ..................................90
4.5 İstatiksel Analizler ve Modelleme Çalışmaları.....................................................93
4.5.1 Arazi kalite indeksi ile verim ilişkisi ..................................................................93
4.5.1.1 S1 parsellerinin arazi kalite indeksi ile verim ilişkisi ....................................96
4.5.2. 29 Mayıs 2008 yılı SPOT 2 uydu görüntüsü NDVI piksel
değerleri ile arazi kalite indeksi ve verim ilişkisi...........................................101
4.5.2.1 NDVI ve AKI ilişkisi .......................................................................................101
4.5.2.2 NDVI ve Verim ilişkisi ....................................................................................103
4.5.2.3 AKI ve Verim ilişkisi.......................................................................................104
4.5.2.4 NDVI, AKI ve verim ilişkisi ...........................................................................105
4.5.3 17 Haziran 2005 yılı Landsat 7 uydu görüntüsü NDVI piksel
değerleri ile arazi kalite indeksi ve verim ilişkisi...........................................106
4.5.4 Modelleme çalışması ..........................................................................................107
5. TARTIŞMA ve SONUÇ .........................................................................................111
KAYNAKLAR ............................................................................................................122
ÖZGEÇMİŞ.................................................................................................................128
v SİMGELER DİZİNİ
AKI
AKK
AR
ASTER
CBS
CNES
DMİ
DTTEH
EME
ETM+
FAO
GPS
HB
HGK
HRVIR
IRS
K
KK
LAI
LISS
MD
MEDALUS
ML
MSS
N
NDAA
NDVI
NIR
P
Rmax
SAM
SPOT
TİGEM
TİM
TM
TRGM
TÜİK
US
USGS
VMI
VI
VIR
WSI
Arazi Kalite İndeksi
Arazi Kullanım Kabiliyet Sınıflama
Autoregressive
Advanced Spaceborne Thermal Emission and Reflection Radiometer
Coğrafi Bilgi Sistemi (GIS)
Centre National d’Etudes Spatiales
Devlet Meteoroloji İşleri Genel Müdürlüğü
Detaylı Temel Toprak Etüt ve Haritalama
Elektromanyetik Enerji
Enhanced Thematic Mapper Plus
Uluslararası Gıda ve Tarım Organizasyonu
(Global Positioning System) Küresel Konumlandırma Sistemi
Haritalama Birimi
Harita Genel Komutanlığı
High Resulotion Visible Infrared
Indian Remote Sensing Satellite
Potasyum
Karekök
Yaprak Alan İndeksi
Linear Imaging Self Scanner
Minimum Distance
Akdeniz Çölleşme ve Arazi Kullanımı Projesi
Maximum Likelihood
Landsat Multispectral Scanner
Azot
National District Attorneys Association
Normalized Difference Vegetation İndex
Yakın Kızılötesi Bölge
Fosfor
Ortalama maksimum oran
Sayısal Arazi Modeli
Satellite Probatoire pour L’Observation de la Terre
Tarım İşletmeleri Genel Müdürlüğü
Tarım İşletmesi Müdürlüğü
Tematik Haritalayıcı
Tarım Reformu Genel Müdürlüğü
Türkiye İstatistik Kurumu
Uygunluk Sınıfı
The U.S Geological Survey
Vegetation Monitoring Instrument
Bitki İndisleri
Görünür Kızılötesi Yansıma
Su Gereksinim İndeksi (Water Satisfaction Index)
vi ŞEKİLLER DİZİNİ
Şekil 2.1 Uzaktan algılama tekniğinin 4 temel ilkesi (Altınbaş vd. 2003) .....................16 Şekil 2.2 Su, toprak ve bitki gibi önemli öğelerin spektral yansıma özellikleri
(Anonim, 2006)................................................................................................17 Şekil 2. 3 Aktif ve pasif uzaktan algılama işlemi (Kurucu, 2009)..................................18 Şekil 2.4 SAR görüntüleri oluşturulmasında kullanılan mikrodalgaların geri
saçılım özellikleri (Kurucu, 2009) ...................................................................19 Şekil 2.5 Elektromanyetik tayf diyagramı (Canadian Space Agency, 1996).................20 Şekil 2.6 SAR sistemlerinde enerji transferi (Canadian Space Agency, 1996) ..............21 Şekil 2.7 Farklı yer örtü tipleri için genelleştirilmiş spektral yansıtım grafiği ...............22 Şekil 2.8 Yeşil bitki örtüsünün spektral duyarlık karakteristikleri (Maktav ve
Sunar,1999) ......................................................................................................23 Şekil 2.9 Şehir alanlarında farklı yer tiplerinin spektral yansıtım eğrileri (Rencz ve
Ryerson, 1999) .................................................................................................27 Şekil 2.10 Farklı konumsal çözünürlüğe sahip uydu görüntüleri ...................................29 Şekil 2.11 Landsat 7 uydusu (Süslü, 2007)......................................................................31 Şekil 2.13 SPOT HRV algılayıcısı sistemi (URL-3) ......................................................35 Şekil 3.1 Çalışma alanı yer bulduru haritası ...................................................................38
Şekil 3.2 Altınova Tarım İşletmesi Müdürlüğü çiftlik yerleşim planı ............................39
Şekil 3.3 İş akış şeması ...................................................................................................41
Şekil 3.4 Altınova Tarım İşletmesi Tarla ve Yem Bitkileri Teknik Kayıt Defteri
örneği ...............................................................................................................43
Şekil 3.5 Altınova TİM arazileri AKI ve US belirlenmesi için oluşturulmuş
programdan bir görünüm .................................................................................51
Şekil 3.6 Altınova Tarım İşletmesine ait SPOT 2 uydu görüntüsü.................................55
Şekil 3.7 Altınova Tarım İşletmesine ait LANDSAT 7 ETM uydu görüntüsü ..............56
Şekil 3.8 Çalışma alanına ait SPOT 2 uydu görüntüsünden elde edilmiş NDVI
görüntüsü..........................................................................................................59
Şekil 3.9 Çalışma alanına ait LANDSAT 7 uydu görüntüsünden elde edilmiş
NDVI görüntüsü...............................................................................................60
Şekil 3.10 Çalışma alanına ait SPOT 2 uydusu NDVI görüntüsündeki parselden
piksel seçimi_1. aşaması ................................................................................61
piksel seçimi_2. aşaması ..................................................................................61
Şekil 3.12 Çalışma alanına ait LANDSAT 7 uydusu NDVI görüntüsündeki
parselden piksel seçimi_1. aşaması..................................................................62
parselden piksel seçimi_2. aşaması..................................................................62
Şekil 4. 1 Altınova tarım işletmesi tarım arazilerinin parsel haritası..............................65
Şekil 4. 2 Altınova tarım işletmesi tarım arazilerinin toprak haritası. ............................66
Şekil 4. 3 Altınova tarım işletmesi arazilerinin seri haritası. ..........................................68
Şekil 4. 4 Altınova tarım işletmesi arazilerinin derinlik haritası. ...................................69
Şekil 4. 5 Altınova tarım işletmesi arazilerinin eğim haritası.........................................71
Şekil 4. 6 Altınova tarım işletmesi arazilerinin taşlılık haritası. .....................................72
Şekil 4. 7 Altınova tarım işletmesi arazilerinin drenaj haritası.......................................73
Şekil 4. 8 Altınova tarım işletmesi arazilerinin taksonomi haritası. ...............................76
vii Şekil 4. 9 Altınova TİM arazileri sayısal yükseklik haritası...........................................77
Şekil 4. 10 Altınova tarım işletmesi arazilerinin AKK sınıfları haritası.........................79
Şekil 4. 11 Altınova tarım işletmesi arazilerinin US haritası..........................................83
Şekil 4. 12 Altınova tarım işletmesi tarım parsellerinin US haritası...............................86
Şekil 4. 13 SPOT 2 NDVI değerinden piksel değerinin toplanması...............................90
Şekil 4. 14 Landsat 7 NDVI değerinden piksel değerinin toplanması............................92
Şekil 4. 15 Altınova Tarım İşletmesi parsellerinin AKI ve buğday verim değerleri
arasındaki ilişki ................................................................................................95
Şekil 4. 16 S2 parsellerinin AKI ve buğday verim değerleri arasındaki ilişki................99
Şekil 4. 17 S3 parsellerinin AKI ve buğday verim değerleri arasındaki ilişki..............100
Şekil 4. 18 2008 yılı Altınova TİM parsellerinin AKI ve SPOT 2 NDVI değerleri
arasındaki ilişki. .............................................................................................102
Şekil 4. 19 2008 yılı Altınova TİM parsellerinin NDVI ve verim değerleri
Şekil 4. 20 2008 yılı Altınova TİM parsellerinin AKI ve verim değerleri
Şekil 4. 21 Altınova TİM parsellerinden bir örnek. ......................................................108
Şekil 4. 22 Uydu görüntüsü toprak haritası sınır uyumsuzluğu. ...................................109
Şekil 4. 23 İşletme arazilerini temsilen açılmış bir profil. ............................................110
viii ÇİZELGELER DİZİNİ
Çizelge 2.1 LANDSAT uydu sistemlerinin teknik özellikleri (Süslü, 2007) .................31
Çizelge 2.2 SPOT uydusu spektral aralıklar (Süslü, 2007), (URL-3).............................35
Çizelge 2.3 SPOT uyduları genel özellikleri (Süslü, 2007), (URL-3) ............................36
Çizelge 2.4 SPOT uydusu üzerindeki mevcut sensörlerin özellikleri, (Süslü, 2007) .....37
Çizelge 3.1 Arazi uygunluk sınıfı ve arazi kalite indeksi tekstür ve oranları. ................46
Çizelge 3 2 Arazi uygunluk sınıfı ve arazi kalite indeksi eğim ve oranları. ...................46
Çizelge 3.3 Arazi uygunluk sınıfı ve arazi kalite indeksi derinlik ve oranları................47
Çizelge 3.4 Arazi uygunluk sınıfı ve arazi kalite indeksi taşlılık, çakıllık ve
kayalılık ile oranları. .......................................................................................47
Çizelge 3.5 Arazi uygunluk sınıfı ve arazi kalite indeksi tuzluluk, alkalilik
reaksiyon ile oranları......................................................................................48
Çizelge 3.6 Arazi uygunluk sınıfı ve arazi kalite indeksi yıllık yağış ve kök gelişimi
engeli ile oranları. ............................................................................................49
Çizelge 3.7 Arazi uygunluk sınıfı ve arazi kalite indeksi erozyon derecesi, K faktörü
ve drenaj ile oranları. .......................................................................................49
Çizelge 3.8 Arazi uygunluk sınıfı ve arazi kalite indeksi strüktür şekli ve oranları. ......50
Çizelge 3.9 Arazi uygunluk sınıfı ve arazi kalite indeksi kireç içeriği ve oranları.........50
Çizelge 3.10 Arazi uygunluk sınıfı ve arazi kalite indeksi KDK ve oranları. ................50
Çizelge 3.11 Arazi uygunluk sınıfı ve arazi kalite indeksi verimlilik ve oranları. .........50
Çizelge 3.12 Arazi kalite indeks değerlerine göre uygunluk sınıfı (Khiddir 1986)........51
Çizelge 4.1 Altınova tarım işletmesi arazilerindeki serilerin oransal ve alansal
dağılımı ............................................................................................................67
Çizelge 4.2 Altınova tarım işletmesi arazilerindeki toprak derinliklerinin oransal ve
alansal dağılımı ................................................................................................67
Çizelge 4.3 Altınova tarım işletmesi arazilerinin eğim gruplarının oransal ve
Çizelge 4.4 Altınova tarım işletmesi arazilerinin taşlılık oranlarının oransal ve
Çizelge 4.5 Altınova tarım işletmesi arazilerindeki taksonomik toprak tiplerinin
oransal ve alansal dağılımı...............................................................................74
Çizelge 4.6 Altınova tarım işletmesi arazilerindeki AKK sınıflarının alansal ve
oransal dağılımı................................................................................................78
Çizelge 4.7 Toprak örnekleri alınan noktaları toprak tipleri ve koordinatları ................80
Çizelge 4.8 Seçilen Seri topraklarının fiziksel ve kimyasal analiz sonuçlar...................81
Çizelge 4.9 Altınova tarım işletmesi arazileri toprak haritalama birimlerinin uygunluk
sınıflarının oransal ve alansal dağılımı ............................................................82
Çizelge 4.10 Altınova tarım işletmesi arazileri tarımsal parsellerin uygunluk
sınıflarının oransal ve alansal dağılımı ............................................................84
Çizelge 4.11 Altınova tarım işletmesi tarım parsellerinin AKI değerleri .......................85
Çizelge 4.12 Altınova tarım işletmesi arazileri ile tarımsal parsellerin uygunluk
sınıflarının oransal ve alansal karşılaştırılması ................................................87
Çizelge 4.13 Uygunluk sınıflarının AKK sınıfları içerisindeki dağılımı........................88
Çizelge 4.14 Taksonomik toprak alt grupları ile US karşılaştırılması ............................89
ix Çizelge 4.15 2008 yılı SPOT 2 uydu görüntüsünden elde edilen NDVI görüntüsü
piksel değerleri.................................................................................................91
Çizelge 4.16 2005 yılı Landsat 7 uydu görüntüsünden elde edilen NDVI
görüntüsü piksel değerleri................................................................................92
Çizelge 4.17 Altınova Tarım İşletmesi parsellerinin AKI ve buğday verim değerleri ...94
Çizelge 4.18 Altınova Tarım İşletmesi parsellerinin AKI ve buğday verim değerleri
regresyon istatistikleri ......................................................................................94
Çizelge 4.19 Altınova Tarım İşletmesi parsellerinin AKI ve buğday verim
değerleri varyans analizi .................................................................................95
Çizelge 4.20 Altınova TİM parsellerinin 1986-2008 yılları arasındaki
AKI-Verim arasındaki ilişkinin regresyon istatistikleri...................................96
Çizelge 4.21 S1 parsellerinin AKI ve verim değerleri....................................................97
Çizelge 4.22 S1 parsellerinin varyans analiz değerleri ...................................................97
Çizelge 4.23 S2 parsellerinin AKI ve buğday verim değerleri .......................................98
Çizelge 4.24 S2 parsellerinin AKI ve buğday verim değerleri regresyon istatistikleri ..98
Çizelge 4.25 S2 parsellerinin AKI ve buğday verim değerleri varyans analizi ..............98
Çizelge 4.26 S3 parsellerinin AKI ve buğday verim değerleri .......................................99
Çizelge 4.27 S3 parsellerinin AKI ve buğday verim değerleri
regresyon İstatistikleri....................................................................................100
Çizelge 4.28 S3 parsellerinin AKI ve buğday verim değerleri varyans analizi ............100
Çizelge 4.29 2008 yılı Altınova TİM parsellerinin buğday verimi, AKI ve SPOT 2
NDVI değerleri ..............................................................................................101
Çizelge 4.30 2008 yılı Altınova TİM parsellerinin AKI ve SPOT 2 NDVI
değerleri regresyon istatistikleri.....................................................................102
Çizelge 4.31 2008 yılı Altınova TİM parsellerinin AKI ve SPOT 2 NDVI değerleri
varyans analizi ...............................................................................................102
Çizelge 4.32 2008 yılı Altınova TİM parsellerinin NDVI ve verim değerleri regresyon
istatistikleri.....................................................................................................103
Çizelge 4.33 2008 yılı Altınova TİM parsellerinin NDVI ve verim değerleri varyans
analizi .............................................................................................................103
Çizelge 4.34 2008 yılı Altınova TİM parsellerinin AKI ve verim değerleri
regresyon istatistikleri ....................................................................................104
varyans analizi ...............................................................................................104
Çizelge 4.36 2008 yılı Altınova TİM parsellerinin AKI, NDVI ve verim değerleri
varyans analizi ...............................................................................................106
Çizelge 4.38 2008 yılı NDVI, AKI ve verim ilişkisinin katsayılarıa ............................106
Çizelge 4.39 2005 yılı Altınova TİM parsellerinin AKI ve Landsat 7 NDVI değerleri
x 1. GİRİŞ
Bilgi toplumuna geçiş sürecinin yaşandığı bir dönemde, yeterli ve güvenilir veri tabanı
bulunmayan bir ülkede, tarımın kayıt altına alınması ve ekonomik gelişmenin ve bunu
yönlendirecek olan politikaların sağlıklı bir şekilde belirlenmesi mümkün değildir.
Sağlıklı bir tarımsal veri altyapısı, tarım alanında yaşanan birçok sorunun çözümü için
kaçınılmazdır.
Hızla artan nüfusumuzun temel besini olan ekmeğin hammaddesinin, ekmek dışındaki
unlu ürünler endüstrisine gerekli hammaddelerin ve hayvan yemi ihtiyacının büyük bir
kısmının karşılanabilmesi, iç ve dış ticaret bağlantılarının güvenle yapılabilmesi, ancak
tahılların ve özellikle buğdayın tüketim ve üretim tahminlerinin zamanında ve sağlıklı
yapılabilmesi ile mümkündür. Ülkemizde tarımsal üretim, gerekli veri altyapısı
oluşturulmadan, hedef ürün deseni belirlenmeden yönlendirilmeye çalışılmaktadır.
Tarım politikalarının etkili olabilmesi için, veri altyapısının oluşturulması ve üretim
miktarlarının doğru olarak bilinmesi gerekir.
Gelişmiş ülkeler ürün tahmini alanında en ileri teknolojilerden yararlanmakta ve uydu
görüntüleri yardımıyla ekim alanı ve verim tahmini yapabilmektedir. Günümüzde
birçok ülke üretim planlamaları yapmak için, hasattan önce kendi üretim tahminlerinin
ötesinde, başka ülkeler için de üretim tahminleri yapmaktadır.
Tarım ürünlerinin ekili alanların bilinmesi ve ürün rekoltesinin önceden saptanması,
tarımsal girdilerin ve üretimin planlanması, stok miktarları ve taban fiyatlarının
belirlenmesi ve spekülasyonların azaltılması açsından da önem taşımaktadır. Bu nedenle
devlet
kuruluşları
yanında
üreticileri
ve
ticari
kuruluşları
da
yakından
ilgilendirmektedir. Ayrıca uluslar arası düzeyde tarımsal pazar fiyatları, gıda
maddelerinin üretim ve tüketimine ilişkin bilgilerden etkilenmektedir.
Türkiye’de tahıl borsaları daha yeni gelişme döneminin başlangıcındadır. Oysa yaygın
ve etkin bir borsa düzeni, üretici ve tüketicilerin haklarının korunması, üretimin kayıt
1 altına alınması, diğer ürünlere ve özellikle dış dünya ile rekabet edebilme, gereğince
stok yapılması, eksik veya fazlalıklar için önceden önlem alınabilmesi serbest piyasa
koşullarının oluşması açısından önem taşımaktadır.
Bitkiler, yaprakların tipine, genişliklerine, hücre şekillerine, toprağı örtme yüzdelerine,
doğada toprağa dik ya da koşut olma konumlarına göre özellikle kızıl ötesi ışınları
yansıtırlar. Her bitkinin kendine özgü fizyolojik yapısı ve hücre şekli ile büyüme
zamanına sahip olması onların doğadaki yerlerinin ve yoğunluklarının, Uzaktan
algılama tekniği ile kolaylıkla saptanmasına yardımcı olmaktadır. Bitki türlerinin
kendine özgü yansıma değerleri, yer çalışmaları ile ve bir el spektroradyometresi
kullanılarak belirlenebilmektedir. Bu, bitki türlerinin doğadaki yüzölçümlerini ve
sonuçta kültür bitkileri ürün rekoltesinin büyük bir doğruluk ile belirlenmesi olanağını
sağlar. Şöyle ki, iğne yapraklı çam ağaçlarından oluşan bitki örtüsü, yoğun çayır, mısır,
buğday, domates pamuk veya ayçiçeği vb. bitki örtülerine göre yakın kızıl ötesi (NIR)
ışınları daha düşük oranlarda yansıtırlar. Hastalıklı bitkilerde NIR yansımanın düşmesi
ve bunun uydu verilerinde belirlenebilmesi, bölge bazında hastalığın geniş alanlara
yayılmadan önlem alınması şansını verir (Kurucu vd. 2003).
Buğday üretimine ilişkin güvenilir tahminler yapılabilmesi ve gerçekleşen değerlerin
doğru olarak belirlenebilmesi için en geçerli yöntem bitki gelişiminin değişik
evrelerinde alınacak uydu görüntülerinin yer kontrolleri ile ilişkilendirilmesidir.
Uzaktan algılama tekniklerinde ekim alanları, hastalık ve zararlıların yaptığı zararlar ve
bitkilerin gelişim düzeyleri yüksek doğruluk oranları ile belirlenebilmektedir. Yer
kontrolleri ise olası girişimlerin etkisiz hale getirilmesi, çeşide bağlı kestirme
yanlışlıklarının en aza indirilmesi, yetiştiricilerden doğrudan bilgi alınması gibi
amaçlarla yürütülmektedir. Çeşitli tekniklerle, pilot alanlarda bire bir belirlemeler uydu
verilerinin doğruluk düzeylerinin belirlenmesi ve yükseltilmesinde kullanılmakta, geniş
alanlarda ise, örnekleme testleri ile bu verilerin doğruluğu tesadüfî tekniklerle
incelenmektedir.
2 Altınova Tarım İşletmesi, buğday ekim alanlarında toprak kalite parametreleri ile ürün
rekolteleri arasında ilişkilerin UA ve CBS kullanılarak belirlenmesi ve İç Anadolu
koşulları için bir verim modeli oluşturulması amacıyla, geçmiş yıllara ait verilerin
mevcut olması, toprak özelliklerine göre bir toprak yönetiminin kullanılması ve ülkede
hububat üretiminin yoğun olarak yapıldığı Orta Anadolu Bölgesinde olması açısından
çalışma alanı olarak seçilmiştir.
3 2. KAYNAK ÖZETLERİ
Boissard vd. (1989), Fransa’ da Beauce’de yetiştirilen ekmeklik buğday ve Camargue
bölgesinde yetiştirilen sert buğdayın gerçek verimleri ile yer uydu tahminleri arasındaki
ilişkileri değerlendirmiştir. Gerçek verimler ile buğdayın sapa kalkma, çiçeklenme ve en
yüksek tane nemi içerdiği dönemde alınan yer vejetasyon indeksi arasındaki istatistiksel
ilişkiler test edilmiştir. Beauce’de farklar içindeki varyasyon, tüm gelişme dönemlerinde
Camargue’den daha az bulunmuştur. Beauce’de sapa kalkma dönemi boyunca en
yüksek değişim gözlenmiştir. Camargue’deki farklılık, herhangi bir zamandaki farklı
fenolojik safhalardan dolayı oluşmuştur. Yere ve ekim tarihine bağlı olarak SPOT
verileri verimdeki değişimin %45 ile %81’ini açıklamıştır. Değişik tarım tekniği ve
ekim tarihine rağmen Beauce’ de verim ile değişik zamanlarda alınan SPOT veriler
arasındaki ilişkiler önemli bulunmuştur. Sonuç olarak yüksek kapasiteli uydular
kullanılmak şartıyla uzaktan algılama yöntemi ile bir bölgedeki tarlaların verimlerine
göre sınıflandırılabileceği ve uzaktan algılamanın verim tahmin modellerine girebileceği
sonucuna varılmıştır.
Walker (1989), Batı Kanada’ da yağış ve sıcaklıktan hesaplanan kuraklık indeksi
verilerini, kuraklık indeksi = P/ (T + 10) formülü ile elde etmiştir. Burada P yıllık
toplam yağışı, T ise yıllık ortalama sıcaklığı göstermektedir. Kuraklık indekslerini
meteorolojik istasyonlarda lokasyonlara göre değerlendirmiştir. Bölgesel ortalama
indeksini vermek üzere ortalamasını almış ve bölgesel ortalama verimi ile regresyon
denklemlerini kurmuştur. Verim ile kuraklık indeksi düşük standart hatalı, yüksek bir
doğrusal ilişki göstermiştir (r=0,96). 1987 gelişme döneminde model, gelişme
döneminin sonuna doğru verimi tam olarak tahmin etmiştir. Gelecekteki meteorolojik
şartlardaki belirsizlikten dolayı, erken dönemde verim tahmini yapılmamıştır. Bölgesel
ortalama verimin tahmininde modeldeki başarı, modellemede simülasyon ve regresyon
yaklaşımının kombine edilmesinden dolayı oluşmuştur.
Li (1990) , Çin’in
buğday ekim alanlarının %90’ını oluşturan bölgelerde, buğday
üretimini uzaktan algılama ile belirlemek için bir program hazırlamıştır. Programda
genel olarak NOAA uydusu dataları kullanılmış ve ilave olarak Landsat MSS ve TM
4 görüntüleri de kullanılmıştır. 140 ilçedeki 400 gözlemli yer uygulaması agronomik
bilgiler ve bazı spektroradyometrik ölçümler sağlamıştır. İlçe düzeyinde buğday verim
tahminleri elde edilmiştir. Buğday verim tahminindeki hatalar %2.3 ile %4.5 arasında
bulunmuştur.
Benli vd. (1990), Türkiye’de buğday üretiminin %70’ini sağlayan 23 ilde değişken
ekleme-eleme yöntemini kullanarak önemli iklim değişkenleri yardımı ile verim ve
üretim tahminleri elde etmişlerdir. İllerin verim tahminlerindeki belirtme katsayılarını
(R2 ) 0.837 ile 0.990 arasında bulmuşlardır. Türkiye’de buğday üretimini 1988 yılı için
%0.56 hata ile 20.6 milyon ton ve 1989 yılı için ise 16.3 milyon ton olarak tahmin
etmişlerdir.
Kün vd. (1990), 1988 ve ülkemizde genelde kurak geçen 1989 yıllarına ait Tarım
İşletmeleri Genel Müdürlüğü’ne (TİGEM ) bağlı başlıca tarım işletmelerinde, yağış ile
buğday verimleri arasındaki ilişkiyi incelemişlerdir. Yağış ile verim arasındaki
korelasyon katsayı 0.679 olarak önemli bulunmuştur. Yağışın yalnız başına verimdeki
varyasyonun %46’sını oluşturduğunu açıklamışlardır.
Drury (1990) ve Sabins (1987)’a göre; Uzaktan algılama tekniğinin tarım alanlarının
belirlenmesinde kullanılan başlıca özelliği elektromanyetik tayfın bitki örtüsüne duyarlı
yakın kızılötesi bandında yeryüzünü algılamasıdır. Cracknell ve Hayes (1991)’e göre ise
bitkilerde bulunan klorofil, yakın kızılötesi bantta parlak bir yansıma değeri
göstererek diğer arazi örtülerinden kolaylıkla ayırt edilebilmesini sağlamaktadır.
Rudroff ve Batista (1991), Brezilya’da Sao Paulo eyaletinin güneyindeki bir test
yerinde, 1986 ve 1987 ürün yılı için Landsat verileri ile tarımsal ve meteorolojik
verileri, yaklaşık 250 tarlada yapılan verim tahminleri ile karşılaştırmışlardır. Analiz
edilen 2 ürün yılı için TM Landsat’dan alınan vejetasyon indeksi, buğday verimindeki
değişimin %40-60’ını açıklamıştır. Hem vejetasyon indeksinin hem de tarımsal
meteorolojik verilerin bir modelde birlikte kullanılması, bunların ayrı olarak tek tek
kullanılmalarına göre daha iyi sonuçlar vermiştir. Önerilen model gelecek ürün dönemi
5 için de geçerli olup analiz edilen 2 ürün dönemi için buğday verim tahmini için doğru
sonuçlar vermiştir. Araştırmada belirtme katsayısının 0.65, standart hatanın ise 339
kg/ha bulunduğunu bildirmişlerdir.
Lamelas vd. (1991), Arjantin’in Tucuman bölgesinde su ve sıcaklık değişkenlerine
dayanan buğday verimi tahmininden istatistiksel bir model geliştirmişlerdir. 1973-1988
yılları arasındaki verim kayıtlarını kullanmışlardır. Model ile bölgede verimde gözlenen
farklılığın %90.44 ünü açıklamışlardır. Verimdeki farklılığın %82.2’sini nem
değişkenleri ve su değişkenlerinin içinde Şubat-Mayıs ayları arasındaki yağışlar
%46.5’ini Ağustos-Eylül ayları arasındaki yağışlar ise %34.7’sini açıkladığını
bildirmişlerdir. Sıcaklık değişkenlerinin ise verimdeki farklılığın daha azını açıkladığını
belirtmişlerdir. En soğuk ayların ortalama sıcaklığı ve aynı dönemdeki ortalama
minimum sıcaklık verimdeki değişimin ise sırasıyla %10.8 ve %8 ni açıklamışlardır.
Gözlem ve tahmin edilen verimler arasındaki farklılık 1975’de %0.2 ve 1980’de %11.7
arasında değişmiştir.
Evsahibioğlu ve Kodal (1992), uzaktan algılama teknikleri ile Ankara ve Çankırı
illerinde 1991 yılı bitki gelişme süresinde buğday üretiminin belirlemesini amaçladıkları
çalışmalarında buğday ekim alanlarını uzaktan algılama tekniklerini kullanarak, verim
değerlerini tarımsal meteorolojik yaklaşımla tahmin etmişlerdir.
Uzaktan algılama
teknikleri ile buğday ekim alanlarının istatiksel olarak yüksek doğruluk dereceleri ile
tahmin edilebileceğini ve bu değerler agroklimatolojik yaklaşımlarla geliştirilen verim
modelleri ile entegre edildiğinde bitkisel üretime ilişkin önemli bulguların
sağlanabileceğini ortaya koymuşlardır.
Pander vd. (1992), ekim alanları ve verim tahminlerindeki doğruluğu artırmak için
uzaktan algılama verileri ile geleneksel modeller birleştirilerek en uygun tahmin tekniği
kullanmışlardır. Buğday verim tahminlerindeki doğruluğu yükseltmek için bir
autoregressive (AR) model geliştirilmişlerdir. AR modelin sonuçları Haryana eyaleti
Hisar ve Karnal bölgesinde uzaktan algılama sonuçları ile kombine edilmiştir. Uzaktan
algılama ve AR modelin birlikte kullanılmasıyla yalnız başlarına kullanılmasına göre
6 daha doğru sonuçlar bulunduğunu bildirmişlerdir. Hindistan’ın Punjap eyaleti için
meteorolojik verilere dayanan buğday verim tahmini AR modeli sonuçları ile kombine
edilmesi sonucu da her iki metodun da yalnız başına kullanılmasına göre daha doğru
bir verim tahmini elde edildiğini belirtmişlerdir.
Quarmby vd. (1993), kuzey Yunanistan’da NDVI (Normalized Difference Vegetation
Index) uzaktan algılama ile ürün verimini tahmin etmişlerdir. NDVI ile 1986-1988
yılları arasında ürün verimi arasında ilişki bulmuşlar ve 1989 da ürün verimlerini
tahmin etmek için kullanılmışlardır. NDVI ve verim arasındaki basit doğrusal ilişki
kullanılarak yapılan pamuk, pirinç ve mısır verileri yıl içinde verilen resmi rakamlarla
%90’ını uyumlu bulunmuşlar fakat, buğday verim tahminindeki doğruluğu daha düşük
bulmuşlardır. Bir tarımsal meteorolojik modelin tane doldurma süresi boyunca tahmin
modelini düzenlemek için girdi olarak kullanılabileceğini önermişlerdir. Sonuç olarak
hasat öncesi ürün verimlerinin NDVI ile tahmin edileceğini belirlemişlerdir.
Sharma vd. (1993), Landsat MSS ve Hindistan uzaktan algılama uydusu (IRS-1A)
verilerini kullanarak hasat öncesi buğday verim tahminini yapmışlardır. Değişik uydu
algılayıcılarından verilerin kullanılması için yansıma değerleri kullanılarak doğrusal bir
verim yansıma indeks modeli geliştirmişlerdir. Yansıma oranları normalleştirmişlerdir.
Bu işlemler 1988 ve 1989 yılında Hindistan’ın Haryana eyaletinin değişik ilçelerinde
verimi tahmin etmek için kullanılmışlardır. Her iki uydudan alınan veriler ile yapılan
tahminleri birbirleriyle uyum içinde bulunmuşlardır. İlçe düzeyinde elde ettikleri
tahminler ile Hindistan Ekonomi ve İstatistik Dairesi Başkanlığı tarafından verilen
tahminlerin uyumlu bulunduğunu bildirip, rakamlarda - %18.3 ile + %14.3 arasında
sapmalar bulmuşlardır.
Sridhar vd. (1994), Hindistan uzaktan algılama uydusunda (IRS-1B) LISS-I’den (Linear
Imaging Self Scanner) sayısal verileri kullanarak Madhya Pradesh’de 1991-1992 üretim
yılında, 7 ilçe için buğday ekim alanı tahmini yapmışlardır. Tabakalı 5*5 km boyutlu
örnek segment ve bu alanın %10’u kadar bir örnek kullanmışlardır. Verimi, verim ile
spectral data arasındaki ilişki ile tahmin etmişlerdir. 35 yıllık ilçe buğday verimlerini,
7 1991-1992 üretim yılı verimini tahmin ve ARİMA modelleri geliştirmek için
kullanmışlardır. Kombine edilmiş tahminleri, elde edilen son üretim ekim alanı ve
verim değerlerinden sırası ile %15.8, %10 ve %6 daha düşük bulmuşlardır.
Peştemalcı vd. (1995) Landsat TM verilerinin 3., 4., ve 5. bant kombinasyonlarını
kullanarak, Adana ilinin buğday ve arpa rekolte tahminini, %15 hatayla saptamışlardır.
Evsahibioğlu (1994), Uzaktan algılama tekniği ile Tekirdağ, Marmara Ereğli’si ve Ulaş
yörelerinde bitki deseni ve bu desen içeriğinde dağılım gösteren buğday ekili alanlarını
belirlemiş ve sonuçta agroekolojik yaklaşımlarla buğday üretiminin sağlıklı olarak
tahmin edilebileceğini belirtmiştir.
Dadhwal ve Sridhar (1997), yaptıkları çalışmada Bitki İndisleri (VI) ile ürün dane
verimleri arasında doğrusal olmayan bir ilişki olduğunu ortaya koymuşlardır.
Çalışmalarında aynı zamanda görüntü tarihindeki farklılıkların etkisini ortadan
kaldıracak ya da normalize edecek bir algoritma önerisinde bulunmuşlardır. Bu
algoritma, vejetasyon indisinin pike yakın olduğu noktalarda sapmaların quadratik bir
davranış gösterdiği ilkesine dayanmaktadır. Bu algoritma ile Medhya Pradesh
(Hindistan) yakınlarında yapılan çalışma sonucunda değişik yıl ve çalışma parsellerine
ait IRS ve LISS görüntülerinde buğday dane verimi ile vejetasyon indisi arasındaki
ilişki doğrusal modeller ile kıyaslandığında daha yüksek korelasyon katsayısı vermiştir.
Akalın (1997), İklim verilerinden yararlanarak Türkiye buğday üretimini tahmin etmek
amacı ile bir model geliştirmiştir. Bunun için Türkiye buğday üretiminin % 80’ini veren
33 ilin tamamını kullanırken, üretimde daha az paya sahip 45 ilden 1/5 oranında örnek
çekmiştir. Araştırmasında verimi bağımlı değişken; yağış, sıcaklık, nem, güneşlenme
süresi, güneş ışınları şiddeti ile tarımsal girdi ile tarım tekniğinin etkisini ifade eden
dummy değişkenini bağımsız değişken olarak almıştır. Verimi en yüksek derecede
açıklayan bağımsız değişkenlerin seçilmesinde, değişken ekleme-eleme yöntemini
kullanmıştır. İllerin verim tahminlerindeki isabet dereceleri (R2), en düşük %78,6 ile
Uşak ilinde, en yüksek % 9,8 ile Samsun ve Çanakkale illerinde elde edilmiştir. Tahmin
8 denklemlerinden yararlanarak 1995 yılı Türkiye buğday üretimini yaklaşık 18,5 milyon
ton olarak tahmin etmiştir.
Sönmez ve Sarı (1999), yaptıkları araştırmada, Landsat-5 Thematic Mapper (TM)
uydusunun sayısal verileri kullanılarak Batı Akdeniz Bölgesi’nde yetiştirilen buğdayın
spektral
özelliklerinin
ve
alansal
dağılımının
belirlenmesini
amaçlamışlardır.
Araştırmalarında buğday bitkisinin spektral özelliklerini altı bantta saptamışlar ve sonuç
olarak buğday alanlarının belirlenmesinde TM uydu verilerinin 4, 5 ve 7. bant
kombinasyonlarının en iyi sonuçları verdiğini belirlemişlerdir. Test alanlarında yer alan
toprak, buğday, yonca, narenciye, okaliptüs’ten oluşan çeşitli örtü tiplerinin spektral
yansımalarına bakıldığında 4. bantta en yüksek yansımayı yonca ve buğday bitkilerinin
verdiğini saptamışlardır. Buğday bitkisinin 3. bant hariç diğer görünür dalga boylarında
yonca, narenciye ve okaliptüs ile çok yakın spektral özelliklere sahip olduğu
gözlemlenmiştir. Bu benzerliğin en önemli nedeninin, algılamanın yapıldığı Nisan
ayında söz konusu bu bitkilerin klorofil oluşturma düzeylerinin ve araziyi örtme
oranlarının birbirine çok yakın olmasından kaynaklandığı belirlenmiştir. Görünür dalga
boyu olan 3. bantaki narenciye alanlarının spektral özelliklerinin ise buğday ve
yoncadan önemli derecede farklılaştığı saptanmıştır. Spektral yansımalar incelendiğinde
buğday bitkisi, Landsat TM uydusunun 4. ve 5. bantlarına karşılık gelen kızılötesi dalga
boylarında, diğer örtü tiplerinden anlamlı bir spektral farklılığa sahip olmuştur. Uzak
kızıl ötesi bölgede bitki hücrelerinde farklı nem içeriklerine duyarlı olan 7. bandın,
klorofil tutulmasına duyarlı olan 3. bandan daha iyi ayrım olanağı sağladığı
saptanmıştır. Buğdayı diğer objelerden ayırt eden en iyi bant kombinasyonunun ise
Landsat TM verilerinin 4. ve 5. bantları olduğu, yardımcı bant olarak da 7. bandın
kullanılması gerektiği sonucuna ulaşmışlardır.
Kurucu vd. (2000), Ege Bölgesi pamuk ekili alanlarının ve ürün rekoltesinin uzaktan
algılama tekniği kullanılarak belirlenmesi üzerine yaptıkları araştırmada, gelişmişlik
durumuna göre pamuk bitki örtüsünün elektromanyetik enerjiyi yansıtma özelliklerini
dikkate almışlardır. Bu amaçla pamuğun vegetatif gelişimi, büyüme ve sıklık durumuna
göre iyi, orta ve zayıf olmak üzere üç kategoride incelemişlerdir. Her bir kategorinin
yeşil doku yoğunluğuna bağlı olarak yakın kızıl ötesi dalga boyundaki enerjiyi bitki
9 dokusu yoğunluğa paralel olacak şekilde yansıttıklarını saptamışlardır. Araştırmacılar,
pamuk bitki örtüsünün belirlenebilmesi için Landsat ve Aster uydu görüntülerini
kullanmıştır.
Giordano vd. (2002), MEDALUS metodolojisinin bir parçası olan toprak kalite
indeksine göre İtalya’nın Sicilya bölgesinde yayılım gösteren arazilerdeki toprakların
yaklaşık %72’sinin orta seviyede kalitede, yüksek kalitedeki toprakların ise çoğunlukla
Catarna ilinin merkez ve güney kısımında bulundukları, kötü kalitedeki toprakların ise
Palermo kentinin civarlarında parçalı olarak dağılım gösterdiğini açıklamışlardır.
Dengiz (2002), Ankara-Gölbaşı ilçesi ve yakın çevresinde yayılım gösteren toprakların
parametrik metot kullanarak kalitelilik durumunu belirlemiştir. Bu amaçla daha önce
yapılmış 1:25000 ölçekli temel toprak haritasından çalışma alanına ait haritalama
birimleri ve metot için gerekli olan parametreleri belirlemiştir. Değerlendirmeye aldığı
faktörlerin oransal değerlerini karakök formülü yardımıyla hesapladıktan sonra her bir
haritalama biriminin uygunluk sınıflarını belirlemiştir. Elde edilen sonuçlara göre
çalışılan alanın büyük bir kısmını oluşturan %70.1’i arazilerin tarımsal yönden
kalitelilik özellikleri bakımından çok iyi ve iyi (S1 ve S2) sınıflarından oluştuğunu
tespit etmiştir. Alanın %15.2’sini orta iyi ve %14.2’sini ise tarımsal kullanım yönünden
uygun olmadıklarını ortaya koymuştur. Ayrıca bu bölge için yapılmış daha önceki
çalışmalarla bu çalışmanın uyumlu olduğunu da vurgulamıştır.
Mansour (2003), TERRA-ASTER görüntülerini kullanarak uzaktan algılama ile fıstık
verimi arasında ilişkiyi araştırmıştır. Çalışmada çoklu spektral sınıflandırma, PC, NDVI
ve diğer görüntü işleme metodlarını kullanmıştır. Verimlilik yaprak alan indeksi ve ürün
değişkenliğinin pikseller bazında değerlendirilmesi ile elde edilmiştir. Bunların yanında
toprak özellikleri ve ilişkili yansıma değerleri bağımsız değişken olarak kullanılmıştır.
Bu çalışma sonucunda fıstık veriminin uzaktan algılama ile tahmin edilmesinde “bitki”,
“toprak” ve “diğerleri” olmak üzere üç ana değişken tespit etmiştir.
10 Esetlili ve Kurucu (2003), Aydın’da gerçekleştirdiği, uzaktan algılama tekniği
kullanarak pamuk ekili alanların belirlenmesi için yaptıkları çalışmaların en önemli
aşamasının uydu görüntüsünün sınıflandırılması olduğunu görmüşlerdir. Pamuk ekili
alanları belirlemek için Ağustos 2000 tarihinde çekilmiş olan Landsat 7 ETM uydu
görüntüsünü kullanmışlardır. Uydu görüntülerinin sınıflandırılmalarını kontrollü
(supervized) ve kontrolsüz (unsupervized) olarak iki şekilde gerçekleştirmişlerdir. Bu
çalışmada, görüntü işleme yazılımı olarak Image Analyst kullanmışlar ve bu yazılımın
içeriğinde bulunan Minimum Distance, Maximum Likelihood, Para-ML, Para-MD,
Parallelepiped, N-Image ML kontrollü sınıflandırma yöntemlerini toplam 20 adet test
alanında uygulamışlardır. Arazi ve laboratuar çalışmaları sonucunda; diğer yöntemlere
göre en yüksek doğruluk oranlarını Para-ML (%97,06) ve Para-MD (%95,8) yöntemleri
ile elde etmişlerdir. Ayrıca pamuk ekili alanların uydu görüntüleri ile belirlenmesi
çalışmalarında büyük alanlar için Para-MD sınıflandırma yönteminin en iyi olduğu
belirlemişlerdir.
Usul ve Bayramin (2004), Salihli sağ sahil sulama birliği arazisinin fiziksel arazi
değerlendirmesi adlı çalışmalarında toplam 10714.7 ha çalışma alanının; %9.2’sinin
oldukça iyi tarım arazileri, %22.9’unun sorunlu tarım arazileri, %57.9’unun tarımda
kullanımı sınırlı tarım arazileri ve %10.0’ını ise yüksek tuzluluk, alkalilik gibi bitkisel
üretimi kısıtlayan sebeplerden dolayı tarım dışı araziler sınıfına sokmuşlardır.
Dengiz vd. (2005), Kahramanmaraş Tarım İşletmesinde dağılım gösteren toprakların
parametrik metot kullanılarak kalite durumlarını belirlemişlerdir. Bu amaçla ilk olarak
daha önce yapılmış 1:20 000 ölçekli temel toprak haritasından çalışma alanına ait
haritalama birimleri ve metot için gerekli olan parametreleri belirlemişlerdir.
Değerlendirmeye alınan faktörlerin oransal değerleri kompleks karekök formülü
yardımıyla arazi kalite indeks değerleri hesaplandıktan sonra her bir HB’in uygunluk
sınıflarını ortaya koymuşlardır. Elde edilen sonuçlara göre çalışma alanının tamamının
1994.9 ha. olduğunu ortaya koymuşlardır. Bunun %0.51’i (10.2 ha) işletmenin yönetim,
lojman, garaj, v.b gibi yerleşim yeri, büyük bir kısmını oluşturan %55.1’i (1099.1 ha)
arazilerin tarımsal yönden ve kalitelilik özellikleri bakımından çok iyi ve iyi (S1 ve S2),
11 %16,5’i (329.9 ha) orta iyi (S3) ve %27.9’u (555.6 ha) ise tarımsal kullanım yönünden
toprak özelliklerinin uygun olmadıklarını (N) belirlemişlerdir.
Kurucu vd. (2004), pamuk bitki örtüsünün ekiliş tarihinden hasat dönemine kadar olan
zaman dilimindeki gelişme özelliklerine bağlı olarak gösterdikleri görünür ve kızılötesi
bantlardaki yansıma değerlerindeki değişimleri incelemişlerdir. Aydın yöresi pamuk
tarlalarında gerçekleştirdikleri bu çalışma ile pamuk bitkisinin gelişim sürecinde
yaklaşık 20’şer günlük periyotlarla toprağı örtme oranlarını belirlemişlerdir. Landsat
uydusu 1., 2., 3. ve 4. bantlarına uyumlu bir el spektroradyometresi kullanılarak bitki ve
toprak yansıma değerlerini ölçmüşlerdir. Toprağı örtme oranları ve yansıma özellikleri
dikkate alınarak piksel yansıma değerini hesaplamışlardır. Araştırmada pamuk bitki
örtüsünün toprağı örtme oranlarını, Nisan ayında % 1-4’e, Mayıs ayında
%4-6’ya,
Haziran ayında %34’e, Temmuz ayında %58 ve Ağustos ayında ise %95’e ulaştığını
belirlemişlerdir. Örtme oranları ile ilişkili olarak pamuk bitki örtüsünün en yüksek
yansıma yaptığı dönemlerin 31 Temmuz ile 20 Ağustos tarihleri arasında olduğunu
saptamışlardır. Spektroradyometrik yansıma değerleri ile Landsat 7 ETM uydu
görüntülerinde test alanlarını oluşturan piksellerin yansıma değerleri arasında ilişki
aramışlardır. Mayıs ayı uydu görüntüsü ile NIR bant radyometrik okumaları arasında
önemli düzeyde (-0,55) negatif ilişki belirlenirken, Temmuz ayı görüntüsü ve NIR bant
radyometrik okumaları arasında istatistiki olarak çok önemli ve pozitif bir (0.97**)
ilişki saptamışlardır.
Nagler vd. (2004), Aşağı Kolorado Nehri (USA) kıyısındaki nehir kenarı bitki
türlerindeki genel örtü özellikleri ve elektromanyetik enerji (EME) yansımalarının
belirlenebilmesi için LAI ve NDVI
kullanılabilirliği üzerine bir çalışma
gerçekleştirmişlerdir. Bu çalışmada, yaprak tipi ve genel bitki örtü yapısı açısından
farklılık gösteren Populus fremontii ve Salix gooddingii ile iki farklı çalı olarak da
Tamarix ramosissima ve Pluchia sericea türlerini materyal olarak seçmişlerdir. ABD ve
Meksika’da, Aşağı Kolorado nehrinin 350 km’lik kıyısındaki nehir kenarı bitki
türlerinde ölçümler yapmışlardır. LAI ölçümlerinde biyokütleye karşı kalibre edilmiş
Licor 2000 bitki genel örtü analizörü, NDVI ölçümünde ise kırmızı (R) Mavi (B) ve
yakın kızılötesine (NIR) bantları bulunan DyCam dijital kamera monte edilmiş uçakları
12 ile çekimi yapılmış hava fotoğraflarını kullanmışlardır. Araştırmacılar, NDVI verilerinin
bitki örtüsü ve genel arazi kullanımına ait yansıma özelliklerinin belirlenmesi için etkili
bir yöntem olduğunu ve zemindeki LAI verileri ve yaprakların yansıtma özelliklerinin
birlikte değerlendirilmesi ile farklı bitki tipleri için enerji yansıtma katsayılarının
belirlenebileceği sonucuna ulaşmışlardır.
Karakaş (2004), Uzaktan algılama ve coğrafi bilgi sistemi (CBS) tekniklerini kullanarak
toprak özellikleri ile pamuk verimi arasındaki ilişkiyi belirlemek amacı ile yaptığı
çalışmada Şanlıurfa ili Harran Ovası kapsamındaki 18 sulama birliğinin kapladığı alanı
seçmiştir. Toprak özellikleri ve pamuk verimi arasındaki ilişkiyi kurmak için 1/30 000
ölçekli toprak haritasını bilgisayar ortamına aktararak sayısallaştırmıştır. Ovadaki bitki
yoğunluğunu belirtmek ve verim tahmininde bulunmak üzere 2002 yılı Eylül ayına ait
Landsat 7 ETM+ görüntüsüne NDVI( Normalized Difference Vegetation Index) modeli
uygulanarak ovanın az yoğundan, çok yoğuna doğru farklı yoğunluktaki NDVI
değerlerini bulmuş ve NDVI haritasını oluşturmuştur. NDVI sınıflamasında ovadaki
bitki indeksi değerleri -1 ile +0.59 arasında yer almıştır. Ovadaki pamuk verim
seviyelerini belirlemek için zenginleştirilmiş görüntülerden yararlanılarak farklı
alanlardaki parsellerden verim değerlerini almıştır. Ovanın farklı alanlarından alınan bu
verim değerlerini CBS ortamında NDVI haritası ile ilişkilendirmiştir. Bu ilişki
doğrultusunda ovada dört farklı verimliliğe sahip pamuk verim haritası oluşturmuştur.
Buna göre pamuk alanlarının %28,8’inin düşük verimli, %31,4’ünün orta ve
%46,3’ünün yüksek verime sahip alanlar olduğunu bulmuştur. Oluşturulan bu veriler
doğrultusunda pamuk verimi ve toprak özellikleri arasındaki ilişkiyi sorgulamıştır.
Düşük verimli alanlarda derinlik, eğim, taban suyu ve tuzluluk parametrelerinin pamuk
verimi üzerinde belirgin bir etkiye sahip olduğunu görmüştür. Yüksek verimli alanlarda
toprak özelliklerinin derinlik, eğim, tuzluluk, drenaj bakımından problemsiz alanlar
olduğunu belirlemiştir.
Prasad vd. (2005), Iowa eyaletine ait uydu görüntülerinden belirlenmiş NDVI, toprak
nemi, toprak yüzeyi sıcaklığı ve yağış verilerini kullanarak ve lineer regresyon metodu
ile 19 yıl için ürün veriminin belirlenmesi ve tahmini çalışmasında bulunmuşlardır.
Çalışmada doğrusal olmayan çok değişkenli Quasi-Newton optimizasyon metodu
13 kullanarak verim tahminlerindeki hatayı minimuma indirilmişlerdir. Mısır ve soya
fasulyesinde ölçülen verim ile tahmin edilen verim arasında sırasıyla 0.78 ve 0.86’lık
korelasyon katsayısı belirlemişlerdir. Ürün verimi tahmin modelinin daha uzun sürelere
ait verim değerleri ve farklı bölgeler için ürünler kullanılarak geliştirilebileceği
araştırmacılar tarafından ifade edilmiştir.
Şimşek vd. (2007), FAO ile yürütülen Teknik İşbirliği Projesi kapsamında
AgroMetShell modeli kullanarak verim tahminleri yapmışlardır. AgroMetShell
modelinin çalıştırılabilmesi için gerekli olan meteorolojik veriler, bitki katsayıları,
fenolojik gözlemler, toprak özellikleri ve NDVI görüntüleri hazırlamışlardır. Sulamanın
yapılamadığını kabul ederek, 265 istasyon için modeli çalıştırmışlardır. İstasyon
bazında Su Gereksinim İndeksi (Water Satisfaction Index-WSI) grafiği ve değerleri elde
etmişlerdir. NDVI görüntüleri yardımıyla WSI değerlerini araziye yaymışlar ve il
bazında ortalama değerler elde etmişlerdir. Bulunan indeks değerleri ile TÜİK’e ait,
illerin ortalama verim değerleri arasında istatistiksel analizler yapmışlardır. Sonuçta
2005 ve 2006 yılları için il bazında verim tahminleri elde etmişlerdir. TÜİK’ten alınan
istatistik verim değerleri ve modelin 2005, 2006 verim tahmini değerleri kullanılarak
haritalar oluşturmuşlardır. Tahmin edilen verim değerleri ile gerçekleşen değerler
arasında r² = 0.9067 düzeyinde bir ilişki tespit etmişlerdir.
Eroğlu vd. (2008), Ege Bölgesinde yaygın olarak tarımı yapılan pamuk, domates ve
buğday bitkilerinin beslenme durumlarının saptanmasına yönelik uydu görüntülerinin
kullanılabilirliğinin araştırılmasını amaçlamışlardır. Bu amaçla tarla bitkileri için
çözünürlüğünün uygun olduğu düşünülen İzmir iline ait 20x20 m çözünürlüklü SPOT-2
ve 30x30 m çözünürlüklü LANDSAT uydu görüntüleri kullanmışlardır. Bitki örtüsünün
bulunduğu tarlalar, uydu görüntülerindeki yerleri ve yansıma değerleri arazi ve
laboratuar analiz çalışmaları ile belirlenmiş ve bitkilerin elektromanyetik enerji
yansımalarının belirlenebilmesi için bir el spektroradyometresi kullanılmışlardır.
Araştırmada spektroradyometre ölçüm sonuçları, aynı alana ait uydu görüntülerindeki
yansıma değerleri, gözlemlenen bitkilerden alınan örneklerdeki makro ve bazı mikro
elementlerin belirlenen miktarları arasında istatistiki ilişkileri incelenmişlerdir. Sonuç
olarak, pamuk ve buğday bitkilerinin %N, %P ve %K miktarları ile yakın kızılötesi
14 yansıma arasında 0.05 önem düzeyde ilişki bulmuşlardır. Diğer bitki besin elementleri
ile önemli düzeyde bir ilişki bulamamışlardır.
2.1 Uzaktan Algılama Tekniği Temel Kavramlar
Altınbaş vd. (2003)’ a göre, uzaktan algılama tekniğinin en önemli materyallerini uzay
fotoğrafları ve uydular oluşturur. Uzay fotoğrafçılığı, insanların uzaya açılmasından 10
yıl kadar önce, 1946 yılında başlamıştır. İkinci Dünya Savaşında Almanlar'dan alınan
V–2 roketlerinin bazıları 1946 yılında ABD'de uzayın bilinmeyenlerini incelemeye
yarayacak bir takım gereçlerle donatılarak fırlatılmış ve yerin 105 km yükseklikten ilk
kez resmi çekilmiştir. 1955 yılında Viking–12 roketi ile 244 km ve 1959 yılında da
Atlas roketi ile 1120 km yükseklikten ABD'nin bazı bölgelerinin fotoğrafları
çekilebilmiştir. Dünyada ilk uydunun 1957 yılında Sovyetler Birliği (SSCB) tarafından,
Sputnik adıyla uzaya gönderilmesi ile yeni bir çağ açılmıştır. Yerin uzaydan otomatik
fotoğraf makineleri ile fotoğraflarını çeken ilk insansız uydu 1959 yılında ABD
tarafından uzaya gönderilen Explorer–6 uydusudur.
Altınbaş vd. (2003)’ e göre, uzaktan algılama tekniğinin uygulanması dört temel ilkeye
dayanmaktadır. Bunlar; radyasyon ya da elektromanyetik enerji, atmosferik geçiş
koridoru, elektromanyetik enerjinin soğurulması ya da yansıtılmasını gerçekleştiren
doğal elemanlar ve yansıyan ya da yayılan elektromanyetik enerjinin algılandığı
algılama düzenekleri ile onları taşıyan platformlardır (Şekil 2.1).
15 Şekil 2.1 Uzaktan algılama tekniğinin 4 temel ilkesi (Altınbaş vd. 2003)
Richards (1986)’e göre, yeryüzündeki her materyal değişik yollarla elektromanyetik
ışınımı absorbe eder, yansıtır veya yayarlar (Şekil 2.2). Yansıyan elektromanyetik
ışınım, suyun sedimantasyon seviyesine, toprağın nem içeriğine ve bitki pigmentleri
gibi birçok özelliğe göre kızılötesi (infrared) ve görünür (visible) bölgede uzaktan
algılama platformlarındaki algılayıcı düzenekler tarafından ölçülür.
Sesören (1999)’e göre, uzaktan Algılama Tekniği, cisimlerle fiziksel temas
sağlamadan, görüntü veya fotoğraflarla tanımlanması çalışmalarıdır.
16 Şekil 2.2 Su, toprak ve bitki gibi önemli öğelerin spektral yansıma özellikleri
(Anonim, 2006)
Sesören (1999)’e göre, özellikle doğa bilimciler ve doğal kaynakların planlayıcıları,
yeryüzünün değişik bölgelerinde yer alan doğal öğelerin bulundukları yerleri ve
özelliklerine göre dağılım alanlarını belirleme gereksinimini duyarlar. Genelde “Etüt”
ismi verilen bu tür çalışmalarda yeryüzünü hem bölgesel hem de geniş bir alanı
gözetleyerek ayrıntılı özellikler ve buna bağlı olarak oluşturulan grupların sınır
çizgilerini belirlerler. Bu amaçla, başlangıç aşamalarında balonla, daha sonra uçak ve
son olarak da uydu kullanılarak yüksekten yeryüzüne ait görüntüler alınmaktadır.
Sesören (1999)’e göre, uzaktan algılama tekniği pek çok bilim dalı için vazgeçilmez bir
araç konumundadır. Konusunu iyi bilen “uzman” kullanıcılar, hava fotoğrafları ya da
uydu görüntülerinden, çalışma alanına ait bilgileri ayrıntılı olarak üretebilirler. Uzaktan
algılama tekniği ayrıntılı veri üretmek için tek başına yeterli değildir.
Kurucu (2009)’a göre, uzaktan algılama tekniği, algılanan enerjinin kaynağına göre
aktif ve pasif uzaktan algıma şeklinde iki başlık altında incelenir.
17 Kurucu (2009)’a göre, pasif uzaktan algılama sisteminde, enerji kaynağı çoğunlukla
güneştir, ancak cisimlerin kendi bünyelerinden yaydıkları enerjinin algılanması ve
görüntülenmesi işlemi de pasif uzaktan algılama sistemi içerisinde değerlendirilir. Pasif
uzaktan algılama sistemi içerisinde yer alan Landsat, SPOT , IKONOS vb. uyduların ve
uçağa takılı kamera düzenekleri yardımı ile üretilen görüntüler “Optik Görüntü” olarak
tanımlanır (Şekil 2.3).
Şekil 2. 3 Aktif ve pasif uzaktan algılama işlemi (Kurucu, 2009)
Kurucu (2009)’a göre, aktif uzaktan algılama da ise sistem, algılayacağı enerjiyi kendi
kaynaklarında yaratır, yeryüzüne gönderir ve yansımalarını kaydeder. “RADAR”
olarak da bilinen bu sistemlerde mikrodalga enerji kullanılır ve bunların yayılması,
yansıyan enerjinin algılanmaları antenler aracılığı ile gerçekleşir.
Kurucu (2009)’a göre, aktif uzaktan algılama atmosfer koşullarından etkilenmeyen
mikrodalganın kullanıldığı ve enerji kaynağı ve algılayıcının aynı platformda yer aldığı
düzeneklerle yapılır. Aktif mikrodalga algılayıcılar görüntü kaydeden ve etmeyenler
olmak üzere ikiye ayrılmaktadırlar. Görüntü kaydeden aktif mikrodalga algılayıcılar
olarak en iyi bilinenler RADAR’lardır. RADAR tanımlaması, Radio Detection And
Ranging’den kaynak alır. Algılayıcı sistem, mikrodalga enerjiyi hedefe yollamakta ve
bu yolladığı sinyalin geri saçılan miktarını kaydetmektedir. Geri saçılma miktarı
18 objeleri birbirinden ayırt edebilmek için ölçülürken, aynı zamanda yollanan ve dönen
sinyal arasındaki zaman farkı da hedef ve uydu arasındaki mesafeyi belirlemek için
kullanılır. Mikrodalga algılaması sayesinde radar sistemlerinin en büyük avantajı bulut
ve her türlü atmosfer koşullarından geçebilmesidir. Gece-gündüz ve tüm hava
koşullarında çalışıyor olmaları radarın en önemli iki özelliğidir. Aktif uzaktan
algılamada kullanılan enerjinin dalga boyları, objelerin bu aralıklarda gösterdiği
tepkilere göre değişmektedir. 2.4-3.75 cm dalga boyu aralığındaki X bant objelerin
yüzeyinden yansımakta ve çoğunlukla askeri amaçlı kullanılmaktadır. 3,75–7,5 cm
genişliğindeki dalga boylarına sahip olan C bant ise objelerin yüzeye yakın bölgelerine
ulaşabilmektedir. 15–30 cm aralığa sahip L bant ise özellikle bitki dokusunun altındaki
zemin vb. gibi objelere ulaşabilmektedir (Şekil 2.4).
Şekil 2.4 SAR görüntüleri oluşturulmasında kullanılan mikrodalgaların geri
saçılım özellikleri (Kurucu, 2009)
Örüklü (1988)’e göre, uzaktan algılama tekniği, elektromanyetik spektrumun morötesi
ışınlarla mikrodalga ışınları arasındaki bölümlerini, algılayıcılar aracılığı ile havadan
veya uzaydan kaydetme ve inceleme tekniğidir. Esetlili (2001)’e göre, alıcılar,
elektromanyetik spektrumun görünebilir (0.4-0.5 µm mavi, 0.5-0.6 µm yeşil, 0.6-0.7
µm kırmızı) ve kızıl ötesi (0.7-1.35 µm yakın kızıl ötesi; 1.35-3.00 µm orta kızıl ötesi;
3-15 µm uzak kızıl ötesi veya termal) bölgelerindeki enerjiyi algılamaktadırlar. İnsan
19 gözü ancak 0.4–0.7 µm dalga boyundaki elektromanyetik enerjiyi algılayabilmekte,
bunun dışındaki dalga boylarındaki verileri algılayamamaktadır.
SAR Tekniği
Kurucu (2009)’a göre, SAR görüntüleri, alınan verilerin yapısı ve alınma yöntemi ile
optik görüntülerden ayrılmaktadır. Landsat TM ve SPOT gibi optik uydular pasif
sistemler olup, ancak güneş ışınlarının aydınlattığı yeryüzünü görüntüleyebilir. Bu da
elektromanyetik tayfın yansıma yapan aralığına denk gelir (Şekil 2.5). Radar görüntüleri
ise elektromanyetik tayfın mikrodalga boyu aralığında kaydedilir. Bu aralıktaki dalga
boyu yağmur, bulut, sis gibi her türlü hava koşullarında geçerek yer yüzeyinin
görüntülerini sürekli olarak alabilir.
Şekil 2.5 Elektromanyetik tayf diyagramı (Canadian Space Agency, 1996)
Kurucu (2009)’a göre, radar görüntüsü, yer yüzeyine yollanan enerji ile uyduya geri
dönen enerji arasındaki oran hesaplanarak oluşturulur. Algılayıcıya geri dönen enerjiye
geri saçılma (backscatter) denir (Şekil 2.6).
Kurucu (2009)’a göre, görüntülenen bir alanın geri saçılması o bölgenin topografyasına,
pürüzlülüğüne (cm büyüklüğünde) ve nem oranı ile doğrudan etkilenen di-elektrik
özelliğine bağlı olarak değişiklik gösterir. Geri saçılmanın az olması koyu renkli yani
gri skalanın yaklaşık siyah aralığında görüntü oluşmasına neden olurken, yüksek geri
saçılmalar açık tonlu yani gri skalanın beyaza yakın aralığında görüntü verir.
20 Şekil 2.6 SAR sistemlerinde enerji transferi (Canadian Space Agency, 1996)
2.2 Cisimlerin Spektral Özellikleri
İspir (2000)’e göre, cisimlerin yansıtma, yutulma ve geçirilme özellikleri cisimleri
fiziksel ve kimyasal özelliklerine ve gelen ısınımın dalga boyuna bağlıdır. Görünür
bölgede bu değişiklikler renk olgusunun ortaya çıkmasına neden olmaktadır. Göz çeşitli
cisimleri ayırt etmek için yansıyan enerjinin şiddetindeki değişikliklerden yararlanır.
Her cisim üzerine gelen ısınımı farklı oranda yansıtır, yutar ya da geçirir. Spektral
özelliklerinin değişiklik göstermesi yeryüzündeki cisimlerin tanımlanabilmelerinin en
önemli nedenidir. Uzaktan algılama sistemleri esas olarak yansıtılan enerjinin esas
olduğu dalga boyu bölgesinde algılama yaptığı için cisimlerin yansıtma özellikleri çok
önemlidir.
İspir (2000)’e göre, yansıma ışınlarından yararlanılarak kaydedilmiş veriler; fotoğraflar,
görüntüler veya fotoğrafa ya da görüntüye dönüştürülebilir analog ve dijital bant
kayıtlarıdır. Bunların basında laboratuarda veya arazide ölçülen spektral yansıma
değerlerinin, dalga ve boyunun bir fonksiyonu olarak gösterilen spektral yansıma
grafiklerinden de yararlanılmaktadır. Spektral yansıma grafiklerinin özellikle iki önemli
yararı vardır. Bunlardan birincisi bilinmeyen belirlenmesinde kullanılabilecek standart
yansıma değerlerinin elde edilmesidir. İkincisi ise arazide bir arada bulunana cisimlerin
özellikle farklı kayaç türlerinin hangi spektral kanallarda daha belirgin kontrast
verebileceklerinin ortaya çıkmasıdır. Birinci durum için yeni ölçümle sağlanan bir
grafik, önceden belirlenen cisimlere ait grafiklerle karşılaştırılır ve uygunluk gösterdiği
cisim grubuna dahil edilir. İkinci durum için ise arazide bir arada bulunan spektral
21 yansıma değerleri ayrı ayrı ölçülür ve aynı koordinat eksenine göre birlikte grafikleri
çizilir. Bu grafikte farklı cisimlerin eğrileri hangi dalga boylarında en fazla uzaklık
gösteriyorsa, o aralıkta seçilecek olan kanal uzaktan algılama içinde en uygun kanal
olacaktır. Şekil 2.7’de farklı yer örtü tipleri için genelleştirilmiş spektral yansıtma
grafiği verilmektedir.
Şekil 2.7 Farklı yer örtü tipleri için genelleştirilmiş spektral yansıtım grafiği
2.2.1 Bitki örtüsünün spektral karakteristikleri
Örmeci (2000), Maktav ve Sunar (1991)’e göre, yeşil bitki örtüsünün tipik bir spektral
yansıtım eğrisini şekil 2.8’de gösterilmekte ve en önemli spektral duyarlık bölgeleri
tanımlanmaktadır. Bitki cinsine bağlı olmaksızın yaprakların spektral yansıtmaları üç
farklı bölgeye ayrılabilir. Görünür bölgede yansıma klorofil, karoten, ksantofil ve
antosiyanin gibi yaprak pigmentleri tarafından kontrol edilir. Bu bölgede yaprak
pigmentleri ısınımı yutarlar ve yansımayı azaltırlar. Sekil 2.6’ da gösterilen yeşil yaprak
yansıtımının detayları tekrar incelendiğinde, görünür bölgenin mavi ve kırmızı
bölgelerinde çok düşük bir yansıtım olduğu görülmektedir. Bu düşük yansıtım, iki
klorofil tutulma bandına karşılık gelir (0.45 µm ve 0.65 µm). Görünür dalga boylarında,
22 yeşil bir yaprağa çarpan enerjinin çoğu soğurulur ve azı yapraktan geçer. İki klorofil
soğurma bandı arasındaki dalga boylarında bağıl bir soğurma kaybı, yaklaşık 0.54 µm
de bir yansıtım tepe noktası oluşmasına neden olur ki bu da yeşil dalga boyu bölgesidir.
Bu da, normal sağlıklı yaprakların gözümüze yeşil görünmesine önemli ölçüde neden
olarak yeşil dalga boylarındaki oldukça düşük yutulmadan kaynaklanmaktadır.
Şekil 2.8 Yeşil bitki örtüsünün spektral duyarlık karakteristikleri (Maktav ve
Sunar,1999)
Örmeci (2000), Maktav ve Sunar (1991)’e göre, eğer bitki stres altında ise ve klorofil
üretimi azaldıysa, klorofil pigmentasyonunun eksikliği, bu bitkilerin, klorofil yutma
bantlarında daha az yutulmasına neden olur. Bu tür bitkiler, özellikle spektrumun
kırmızı bölgesinde çok daha fazla yansıtıma sahip olup, bu nedenle sarımsı veya kloroza
maruz kalmış görünmektedir.
Örmeci (2000), Maktav ve Sunar (1991)’a göre, ilgilenilen diğer pigmentler, karoten ve
ksantofil (sarı pigmentler) daha yeşil yaprakta bulunur, fakat sadece spektrumun
özellikle mavi bölgesinde bir yutma bandına sahiptir. Klorofil de, mavi bantta
yutulduğundan, bu sarı pigmentleri maskeler. Bununla beraber bir bitki yasadıkça,
23 klorofil yavaş yavaş kaybolur ve bu kayboluş, karotenlerin ve ksantofillerin başat
olmasına neden olur. Bu olay ağaç yapraklarının sonbaharda sarı renk almasının temel
nedenidir. Aynı şekilde, sonbaharda klorofil üretimi azaldığında, bazı ağaç cisimleri
büyük miktarda antosiyaninler (kırmızı pigment) üretir ve bunun sonucu olarak da
yapraklar açık kırmızı bir görünüm alır.
Örmeci (2000), Maktav ve Sunar (1991)’e göre, yansıtma eğrisinin görünür bölgeye
göre farklılık gösterdiği ikinci bölge ise 0.70-1.30 μm arasında kalan yakın kızılötesi
bölgedir. Bu bölgede yansıtma ve geçirilme önemli olup, ana etken yaprağın hücre
yapısıdır. Yaprak pigmentlerinin bu bölgede tamamen geçirimli olmaları nedeni ile
hemen hemen hiç yutulma söz konusu değildir. Yalnız 0.98 μm ve 1.20 μm dalga
uzunluklarında yapraktaki su muhtevası nedeni ile çok az miktarda yutulma olur.
Yaprak yapısı bitki türleri için birçok farklılıklar gösterildiğinden buna bağlı
yansıtmadaki farklılıklardan yararlanarak türleri ayırt etmek mümkündür. Diğer taraftan
hücre yapısının her hangi bir etki ile bozulması ve değişmesi de yansıtmanın özelliğini
değiştirir.
Örmeci (2000), Maktav ve Sunar (1991)’e göre, bundan sonra λ = 1.3-2.7 μm arasında
yer alan orta kızılötesi bölgede bitkideki su muhtevası spektral yansımaya etki eder. Bu
dalga boylarında 1.4, 1.9 ve 2.7 μm yakınında oluşan güçlü su yansıma bantları, yeşil
bitki örtüsünün spektral duyarlılığında etkendir. Bu bölgede, yansıtım tepe noktaları, su
soğurma bantları arasında, yaklaşık 1.6 ve 2.2 μm de oluşur. Yansıtma ile yapraktaki su
muhtevası ters orantılı olup, su muhtevası da yaprak kalınlığı ile orantılıdır.
2.2.2 Toprağın spektral karakteristikleri
Maktav ve Sunar (1991)’a göre, toprak maddelerinin çoğunun spektral yansıtım eğrileri,
genellikle bitki örtüsününki kadar karmaşık değildir.
Maktav ve Sunar (1991)’a göre, toprağın yansıtımı genel olarak incelendiğinde artan
nemin, spektrumun yansıtıcı bölgesi boyunca yansıtımın azalmasına neden olacağı
24 görülmemektedir. Havada kurumuş kumlu toprakların su soğurma bantlarındaki
yansıtımında önemli miktarda su içeren kumlu toprakların ise, yaklaşık 1.4, 1.9 ve 2.7
μm soğurma bantlarındaki yansıtımında belirgin azalmalar vardır. Bu bantlar bitki
örtüsünün yansıtımında incelenen su yutma bantlarıdır. Özellikle su yutma bantlarında,
toprağın nem muhtevası arttıkça yansıtım azalmaktadır.
Maktav ve Sunar (1991)’a göre, toprağın yansıtımını etkileyen diğer faktörler ise;
toprağın dokusu, yüzey pürüzlüğü,
organik madde muhtevası, demir oksitlerdeki
artışıdır.
Maktav ve Sunar (1991)’a göre, toprak dokusunun tanecik boyutu küçüldükçe yansıtım
artar, aynı şekilde yüzey pürüzlüğündeki azalma yansıtım değerini artırır. Bunun
yanında organik madde muhtevası ve demir oksit miktarındaki artış yansıtım değerinde
azalmaya neden olmaktadır.
2.2.3 Suyun spektral karakteristikleri
Örmeci (2000)’e göre, suyun spektral yansıtması da bitki örtüsü ve zemin gibi dalga
uzunluğuna bağlı olarak değişiklik gösterir.
Örmeci (2000)’e göre, görünür bölgede suyun yansıtması, su yüzeyinin durumu, suda
bulunan askıda katı maddeler ve suyun içinde yer aldığı ortamın tabanı ile yakından
ilgilidir. Yine suyun yutması ve geçirgenliği de su içinde bulunan organik ve organik
olmayan maddelerin miktar ve büyüklüğüne bağlıdır. Suyun bulanıklığı geçirgenliğin
azalmasına, buna karşılık yansımanın artmasına neden olur. Bulanık su, temiz suya göre
daha büyük dalga uzunluklarında yansıtır.
Örmeci (2000)’e göre, suyun yansıtma özelliği, içinde bulunan klorofil miktarına göre
de değişir. Klorofil yoğunluğundaki artma, suyun mavi dalga uzunluklarındaki
yansıtmanın azalmasına, yeşil dalga uzunluklarındaki yansıtmanın ise artmasına neden
olur. Bu değişiklikten yararlanarak yosun varlığı ve yoğunlukları uzaktan algılama
25 verileri ile saptanabilir. Ayrıca görünür bölgedeki yansıma verilerinin değişiminde
yararlanarak yağ, petrol, endüstri ve kanalizasyon artıkları gibi nedenlerle oluşan su
kirlenmeleri belirlenebilir.
Örmeci (2000)’e göre, kızılötesi bölgede ise suyun ısınımı tutma özelliği ağır basar ve
hemen hemen gelen bütün ısınım yutulur. Yansıma çok az olduğundan yansıyan
kızılötesi bölgede suyu, zemin ve bitki örtüsünden koyu siyah rengi nedeni ile ayırt
etmek oldukça kolaydır.
2.2.4 Yerleşim alanlarının spektral özellikleri
Rencz ve Ryerson (1999)’a göre, uzaktan algılamada, belirli dalga boyu aralıklarında
ölçülen yansıtım değerleri bir takım spektral özellikler içerir. Bu spektral yansıtım
istatistikleri genellikle uzaktan algılama ve şehir bölgelerinin karakterize edilmesine ve
arazi kullanımına ait özelliklerin belirlenmesinde kullanılmaktadır. Bu spektral
özellikler verilen şehir bölgesi için her zaman sabit olmayıp, spektral dağılım, incelenen
alanın o anki parlaklık değerine, enerji ile algılayıcının tarama açısı arasındaki
geometrik bağlantılara, atmosferik etkilere ve bölgenin fiziksel özelliklerine bağımlıdır.
Rencz ve Ryerson (1999)’a göre, şehirleşme olgusu ile ilgili bir değerlendirme
yapabilmek için farklı maddelerin spektral yansıtım eğrileri şekil 2.9’da verilmiştir.
Şekilde de görüldüğü gibi pek çok eleman belirli spektral bölgelerde kabaca aynı
spektral yansıtım özelliği göstermektedir. Fakat coğrafik olarak spektral özelliklerin
arazi parçasının büyüklüğüne, bina inşa materyallerine, yapılan konum ve yönlerine,
enleme (güneş açısı etkileri) ve atmosferik koşullara bağlı olarak değişebileceği göz
önünde bulundurulmalıdır. Bu nedenle şehir olgusuyla ilgili uydu algılayıcıları
tarafından elde edilen spektral özellikler ilk bakışta yanıltıcı olabildiğinden spektral
bölgelerin doğru seçilmesi ve elde edilen spektral verilerin doğru bir şekilde
yorumlanması gerekmektedir. Bu da hava fotoğrafları, çok spektrumlu algılayıcılar,
mikrodalga algılayıcıları vb. ve o bölgeye ait farklı algılama sistemlerinden alınan
verileri gerektirir.
26 Şekil 2.9 Şehir alanlarında farklı yer tiplerinin spektral yansıtım eğrileri (Rencz ve
Ryerson, 1999)
2.3 Uydu Verileri ve Sistemleri
2.3.1 Uydu görüntüleri
Özkan (2000)’a göre, uydudaki algılayıcı sistemlerin gelişimi ve yeryüzü hakkında çok
sayıda fotografik ve dijital formda verinin elde edilmesi mümkün olmaktadır. Bu
veriler, yeryüzü kaynaklarının araştırılması, şehir gelişimi planlaması, arazi
kullanımının incelenmesi, çevre kirlenmesinin izlenmesi gibi uygulamalarda yoğun
olarak kullanılmaktadır.
Özkan (2000)’a göre, gerek fotografik ve tematik haritaların yapılmasında gerekse
güncelleştirme çalışmalarında, uzaktan algılama görüntüleri hız, doğruluk ve maliyet
açısından büyük kazanımlar sağlanmaktadır. Uydu yüksekliğinin sağlandığı sinoptik
görüş, uydu algılayıcılarının hareket hızı ve kullanılan spektral bant sayısı nedeniyle
çok büyük miktarda veri üretilmektedir.
27 2.3.2 Çözünürlükler
Özkan (2000)’a göre, çözünürlük, genel anlamda ekranda görünen piksel sayısını yada
görüntüdeki bir pikselin yeryüzündeki karşılığını ifade etmek için kullanılır. Bu
çözünürlük tanımı uzaktan algılanmış bir veri için yetersiz kalmaktadır. Uzaktan
algılama uygulamalarında dört farklı çözünürlük tanımlanmaktadır.
•
Spektral Çözünürlük
•
Uzaysal Çözünürlük
•
Radyometrik Çözünürlük
•
Zamansal Çözünürlük
Özkan (2000)’a göre, spektral çözünürlük, algılayıcının algılamayı yaptığı dalga boyu
aralığını ifade eder. Örneğin Landsat TM’ in (Tematik Haritalayıcı) 1. bandı görünür
bölgedeki 0.45 ve 0.52 μm (mavi) arasındaki enerjiyi kaydederken 2. bant 0.52 ile 0.60
μm (yeşil) arasındaki enerjiyi kaydeder.
Özkan (2000)’a göre, uzaysal çözünürlük, her pikselin yeryüzünde temsil ettiği alanı
veya algılayıcının kaydedileceği en küçük cismin ölçüsünü ifade eder. Eğer cisim bu
ölçüden küçükse algılayıcı tarafından kaydedilemez, fakat cismin spektral yansıtım
değeri, o alandaki bütün cisimlerin spektral yansıtım değerlerinin ortalaması olarak
kaydedilir.
Özkan (2000)’a göre, radyometrik çözünürlük, her bir banttaki toplam alabilecek veri
değerini ifade eder. Bu veriler bit olarak gösterilir. Örneğin 8 bitlik bir veride (28), her
bir piksel 0’ dan 255’ e kadar değişen 256 farklı gri renk tonu değeri, 2 bitlik bir veride
(22) ise 4 farklı gri renk tonu değeri almaktadır. Şekil 2.10’ de 2 ve 8 bitlik uydu
görüntüleri arasındaki radyometrik çözünürlükteki farklılık açıkça görülmektedir.
28 Şekil 2.10 Farklı konumsal çözünürlüğe sahip uydu görüntüleri
Özkan (2000)’a göre, zamansal çözünürlük ise, belirli bir bölgenin hangi sıklıkta
algılanacağını ifade eder. Bu da zamana bağlı değişimlerin izlediği uzaktan algılama
uygulamaları için önemlidir.
2.3.3 LANDSAT uydu sistemi
Süslü (2007)’e göre, dünya üzerindeki doğal kaynakları sivil uydu aracılığı ile inceleme
fikri 1960’ların ortasında düşünülmeye başlanmıştır. NASA (The National Aeronautics
and Space Administration) bu fikrin gelişmesine ön ayak olup ilk uzaktan algılama
uydusunun uzaya fırlatılmasını tasarlamıştır. USGS (The U.S Geological Survey)
LANDSAT verilerinin dağıtımı ve arşiv yöntemini üzerine almak için 1970’lerin
29 basında NASA ile bir işbirliği başlatmıştır. 23 Temmuz 1972’de NASA, LANDSAT
serisinin ilk uydusu orijinal adıyla ERS-A (Earth Resources Technology Satellite-A)
uzaya fırlatılmıştır. Bu uydu beş yıldan uzun bir süre veri gönderdikten sonra ömrünü
tamamlamıştır. Bu serinin ikinci uydusu ERTS-B 22 Ocak 1975’ de fırlatılmıştır. Bu
uydunun adı daha sonra NASA tarafından LANDSAT 2 olarak değiştirilmiştir. Bu
uyduları LANDSAT 3, 4, 5, 6 ve 7 takip etmiştir. LANDSAT 1, 2, 3 birinci jenerasyon
ve LANDSAT 4, 5, 6, 7 ikinci jenerasyon uydulardır. Her başarılı uydu sistemi,
algılayıcı ve kapasitelerinin gelişimini sağlamıştır.
Süslü (2007)’e göre, 1980’lerin başına kadar LANDSAT uydu sistemlerindeki bütün
işlemler NASA sorumluluğunda yürütülmüştür. Ocak 1983’de LANDSAT sistemlerinin
yürütücülüğü NOAA’ ya (National Oceanic and Atmospheric Administration)
devredilmiştir. Ekim 1985’te ise sistem ticarileştirilmiştir.
Süslü (2007)’e göre, LANDSAT 4 ve 5 uydularında MSS ve TM algılayıcıları mevcut
olup MSS algılayıcılarının veri alması 1992’nin sonlarında iptal edilmiştir. Uyduların
yörünge yüksekliği 705 km’dir. Tekrarlama zamanları 16 gündür. Algılayıcının tarama
genişliği 185 km.dir ve 16 günde 133 dairesel yörüngede çalışmaktadır. Bu
yörüngelerde birbirini örtme oranı ekvator civarında %7 iken, 81° kuzey ve güney
enlemlerinde %84’ e kadar çıkmaktadır. LANDSAT 4 14 Aralık 1993 görevini
tamamlamıştır.
Süslü (2007)’e göre, LANDSAT 6 fırlatıldıktan sonra meydana gelen kazadan dolayı
yörüngeye yerleştirilememiştir. LANDSAT 7 ETM+ (Enhanced Thematic Mapper Plus)
algılayıcısına sahiptir (Şekil 2.11). Diğer LANDSAT sistemlerinde farklı olarak ayrıca
pankromatik bandı vardır. Günümüzde LANDSAT 5 ve 7 birlikte çalışarak her 8 günün
sonunda yer kürenin tam olarak algılanmasını sağlamaktadır.
Süslü (2007)’e göre, LANDSAT 7 verileri Amerika ve Uluslararası yer istasyonundan
oluşan bir ağ tarafından alınmaktadır. Ayrıca şekil 2.11’ de ise LANDSAT 7 uydusuna
ait yörüngeler gösterilmektedir (URL-2).
30 Şekil 2.11 Landsat 7 uydusu (Süslü, 2007).
Çizelge 2.1 LANDSAT uydu sistemlerinin teknik özellikleri (Süslü, 2007)
2.3.3.1 LANDSAT – MSS sistemi
Süslü (2007)’e göre, LANDSAT Multi Spectral Scanner (MSS) yer yüzeyini batı-doğu
doğrultusunda tarayan bir radyometredir. LANDSAT-MSS sisteminin uzaysal
çözünürlüğü LANDSAT 1, 2, 3 için 79x79 metre, LANDSAT 4,5 için 82x82 metredir.
31 Bu farklılığın sebebi ilk jenerasyon LANDSAT uydularının uçuş yükseklikleri 920 km
iken ikinci jenerasyon uyduların 705 km olmasıdır. MSS sisteminin tarama genişliği
185 km’dir. MSS algılayıcıları, uçuş yörüngesine dik olarak satır tarama yapan
sistemlerdir. Tarama salınımlı bir ayna tarafından yapılmakta olup her spektral bant için
6 detektör mevcuttur. (LANDSAT 3’ de ısıl bant için 2 detektör). İlk beş LANDSAT
uydu sistemi her biri 4 spektral banda sahip olan (LANDSAT 3 ısıl kızılötesi bölgeden
algılama yapan 5. banda sahiptir) MSS algılayıcı sistemi taşımaktadır. Tablo 3.2’ de
LANDSAT-MSS algılayıcılarının spektral çözünürlükleri verilmektedir (URL-2).
2.3.3.2 LANDSAT-TM sistemi
Süslü (2007)’e göre, Thematic Mapper (TM) sistemi çok spektrumlu bir tarayıcıdır. TM
algılayıcıları MSS algılayıcılarından daha fazla radyometrik bilgi sağlamaktadır. TM
sisteminin radyometrik çözünürlüğü 8 bittir. TM sistemi elektromanyetik spektrumun
görünür, yansıyan kızılötesi, orta kızılötesi ve ısıl kızılötesi bölgelerinden algılama
yapmakta olup, elektromanyetik ısınım 7 bantta kaydedilmektedir. Isıl bant haricindeki
diğer bantlarda, her bant için 16 detektör bulunmaktadır ve bu bantların uzaysal
çözünürlükleri 30 m’ dir. Isıl bantta ise 4 detektör ile algılama yapılmakta ve uzaysal
çözünürlük 120 m dir (URL-2).
2.3.3.3 LANDSAT-ETM+ sistemi
Süslü (2007)’e göre, LANDSAT uydu sistemlerinin sonuncusu olan LANDSAT-7,
diğer LANDSAT sistemlerinden farklı olarak ETM+ tarayıcısına sahiptir. ETM+
sistemi, yeryüzünü 705 km yükseklikten, 183 km genişliğinden şeritler halinde
taramaktadır.
Süslü (2007)’e göre, elektromanyetik ısınım, piksel büyüklüğü 15 m olan pankromatik
bantta, 30 m olan 6 görünür, yakın ve orta kızılötesi bantlarda ve 60 m olan ısıl
kızılötesi bantta algılanmaktadır.
32 2.3.4 SPOT uydu sistemi
Süslü (2007)’e göre, SPOT (Satellite Probatoire pour L’Observation de la Terre) uydu
programı, Belçika ve İsveç’le yapılan işbirliği ile Fransız uzay ajansı CNES (Centre
National d’Etudes Spatiales) tarafından geliştirilmiştir. 1982’de kurulan SPOT Sistemi,
dünya gözlem uydularından alınan coğrafi bilginin dağıtımını sağlamak amacıyla
kurulmuş ilk ticari kurumdur. Bu sistem algılama yapan dört uydu ve bu uyduların
kontrolü, programlaması, görüntü üretilmesi ve üretilen görüntülerin dağıtılmasını
sağlayan 24 yer istasyonundan oluşmaktadır (Şekil 2.12- 2.13), (URL-1).
Süslü (2007)’e göre, SPOT sisteminin ilk uydusu SPOT 1, 22 Şubat 1986 yılında uzaya
fırlatılmıştır. Bu uyduyu daha sonra yaklaşık 822 km yükseklikte, kutuplardan geçen,
kutupsal bir yörüngede algılama yapan SPOT 2, 3 ve 4 uyduları takip etmiştir.
Şekil 2.12 SPOT uydusu (Süslü, 2007), (URL-1)
33 Süslü (2007)’e göre, SPOT 1, 2 ve 3 optik-elektronik iki HRV (High Resolution
Visible) algılayıcısına sahiptir (şekil 3.4). Bu algılayıcıların her biri çok spektrumlu
(0.50-0.59 μm, 0.61-0.68 μm, 0.79-0.89 μm ) ya da pankromatik (0.51-0.73 μm) olarak
algılama yapabilmektir. Algılayıcılar düşey konumda iken 60 km2’lik bir tarama
genişliğine sahiptir. Düşeyden ±27° sapılması durumunda ise 80 km genişlikte şerit
tarayabilmektir. İki algılayıcının bu şekilde eğimlendirilebilmesi, görüntülerin
stereoskopik olarak algılanabilmesini mümkün kılmaktadır.
Süslü (2007)’e göre, SPOT 4 uydusu HRVIR (High Resulotion Visible Infrared) ve
VMI
(Vegetation
Monitoring
Instrument)
algılayıcılarına
sahiptir.
HRVIR
algılayıcısından kızılötesi bölgede algılama yapan ek bir bant bulunmaktadır.
Pankromatik bandın spektral genişliği 0.61-0.68 μm aralığına daraltılmış ve ayrıca HRV
algılayıcısına göre kayıt kapasitesi arttırılmıştır.
Süslü (2007)’e göre, VMI algılayıcısı, bitki örtüsü gözleme çalışmaları için
tasarlanmıştır. Bu algılayıcı çok geniş bir açıyla 2000 km genişlikte bir şerit
taramaktadır. 1 km.lik uzaysal çözünürlüğe ve yüksek radyometrik çözünürlüğe sahiptir.
HRVIR algılayıcısındaki aynı spektral bantlar kullanılmakta olup B2, B3 ve MR
(middle infrared), ayrıca okyanus çalışmaları ve atmosferik düzeltmeler için 0.430.47μm arasında çalışan B0 bandına sahiptir (URL-1).
34 Şekil 2.12 SPOT HRV algılayıcısı sistemi (URL-3)
Süslü (2007)’e göre, SPOT uydu sistemi özellikleri çizelge 3.2’de, SPOT algılama
sistemlerinin spektral çözünürlükleri çizelge 3.3-3.4’de verilmektedir.
Çizelge 2.2 SPOT uydusu spektral aralıklar (Süslü, 2007), (URL-3)
35 Çizelge 2.3 SPOT uyduları genel özellikleri (Süslü, 2007), (URL-3)
36 Çizelge 2.4 SPOT uydusu üzerindeki mevcut sensörlerin özellikleri, (Süslü, 2007)
37 3. MATERYAL VE YÖNTEM
3.1 Materyal
3.1.1 Araştırma yerinin tanımı
Bu çalışma; Tarım İşletmeleri Genel Müdürlüğü’ne ait Altınova Tarım İşletmesi
Müdürlüğünde (TİM) yürütülmüştür. İç Anadolu Bölgesinin 409000 m / 4302000 m
doğu ve 432200 m / 4274500 m kuzey enlemleri arasında yer alan ortalama 915 m
rakıma sahip Altınova TİM, Konya iline bağlı Kadınhanı ilçesinin 60 km. kuzeyinde,
Ankara’ya 189 km ve Konya iline 126 km uzaklıktadır (Şekil 3.1).
Şekil 3.1 Çalışma alanı yer bulduru haritası
İşletme 29.608,600 ha’lık arazi varlığına sahiptir. Kültür altındaki alanlarda buğday,
arpa, tritikale, yonca, mısır gibi ürünler yetiştirilmektedir. Bunlar arasında buğday
yaklaşık 21.400 ha’lık alana ekilerek işletme alanının önemli kısmını oluşturmaktadır.
Bunu 1.600 ha ile arpa ve yaklaşık 350 ha ile tritikale takip etmektedir (Şekil 3.2).
Detaylı toprak etüt ve haritalama çalışmalarına göre İşletme toprakları Aridisol, Vertisol
38 ve Entisol Ordolarından oluşmaktadır (Dinç vd. 1997). İşletme alanına ait en yüksek
sıcaklık ortalaması 22,5 oC ile Temmuz ayı ve en düşük 1,7 oC ile Ocak ayıdır, yıllık
ortalama yağış 362.9 mm hesaplanmıştır (Doğan ve Denli 1999).
Şekil 3.2 Altınova Tarım İşletmesi Müdürlüğü çiftlik yerleşim planı
39 3.1.2 Kartografik materyal
Çalışmada toprak haritalarının sayısallaştırılması ve arazi yükseklik haritalarının
oluşturulması için 1/25000 ölçekli K27b3, K27c2-c3, K28a3-a4, K28b1-b2-b3-b4,
K28d1-d2-d3-d4 paftalarına ait topografik haritalar ile işletmenin Dinç vd. (1997)
tarafından yapılan toprak etüt raporu ve toprak birlik haritaları kullanılmıştır.
3.1.3 Uydu görüntüleri
Buğday verimi ve arazi kalite indeksi ile uydu görüntülerini ilişkilendirmek için 29
Mayıs 2008 tarihli SPOT 2 ve 17 Haziran 2005 tarihli Landsat 7 uydu görüntüleri
kullanımıştır.
3.1.4 İşletme bilgileri
Altınova Tarım İşletmesi Müdürlüğünün 76 parselinin 1985-2008 yıllarına ait 21 yıllık
verim ve envanter bilgileri kullanılmıştır.
3.1.5 Yazılımlar
Haritaların oluşturulması, uydu görüntülerinin işlenmesi ve istatistik analizleri için Ege
ve Ankara Üniversiteleri Ziraat Fakülteleri ile Toprak Gübre ve Su Kaynakları Merkez
Araştırma Enstitüsünde bulunan ArcMap coğrafi bilgi sistemi yazılımı, ERDAS, PCI,
ENVI, Intergraph ve Image Analyst uzaktan algılama yazılımları ile MicroImages CBS
ve UA yazılımı ve SPSS istatistik programları kullanılmıştır.
3.2 Yöntem
Bu çalışma aşağıda da gösterildiği gibi 5 aşamada yapılmıştır (Şekil 3.3).
1. Altınova Tarım İşletmesi Sayısal Veri Tabanının Oluşturulması,
2. Arazi Çalışmaları ve Laboratuvar Analizleri
40 a. Toprak verilerinin test edilmesi
b. Ürün Deseni, Ekim Sistemi, Verim Değerlerinin Toplanması
c.
Laboratuvar Analizleri
3. Toprak Kalite Parametreleri İndeksi’nin Belirlenmesi,
4. Uydu Verilerinin Analizleri,
5. İstatiksel Analizler ve Modelleme Çalışması,
Şekil 3.3 İş akış şeması
41 3.2.1. Altınova tarım işletmesi sayısal veri tabanının oluşturulması
Dinç ve arkadaşları tarafından (1997) hazırlanmış olan toprak birlik haritaları raster
olarak bilgisayar ortamına aktarılmıştır. Raster halindeki toprak haritaları ArcGIS
programı kullanılarak coğrafik düzeltmeleri 1/25.000’lik K27b3, K27c2, K28a3, K28a4,
K28d1, K28d2 ve K28d3 pafta numaralı topoğrafik haritalar kullanılarak yapılmıştır.
Coğrafik düzeltmeleri yapılan toprak harita paftaları birleştirilerek sayısallaştırılmıştır.
Toprak haritalama birimlerine ait öz nitelik bilgileri girilerek sayısal toprak veri tabanı
oluşturulmuştur.
Altınova TİM arazilerinin parselasyon bilgilerini içeren basılı kadastral haritası,
coğrafik düzeltme işlemlerinden sonra sayısallaştırılarak sayısal parsel haritaları
oluşturulmuştur.
Çalışma alanına ait 1/25.000 ölçekli topoğrafik haritaların eşyükselti eğrileri
sayısallaştırılarak işletmenin sayısal arazi yükseklik modeli oluşturulmuştur.
3.2.2 Arazi çalışmaları ve laboratuar analizleri
3.2.2.1 Toprak verilerinin test edilmesi
Dinç ve arkadaşları tarafından (1997) hazırlanmış işletmeye ait toprak haritaları
sayısallaştırıldıktan sonra, toprak etüdünün yapıldığı tarih ile bugünkü zaman aralığında
toprağın fiziksel ve kimyasal değişimlerinin de gözlemlenmesi için işletme arazilerinde
dağılım gösteren hakim 5 farklı toprak serisi üzerinde bulunan 3 farklı toprak ordosuna
ait 4 faklı toprak tipini temsil edecek şekilde ve 3 paralelli olarak toplam 15 noktadan
30 adet toprak örneği alınmıştır. Alınan toprak örnekleri laboratuarda analiz edilmiştir.
3.2.2.2 Ürün deseni, ekim sistemi, verim değerlerinin toplanması
İşletmeye ait teknik kayıt defterinden toplam 76 parselin 1986-2008 yıllarına ait
buğday verimleri bilgisayar ortamına aktarılmıştır (Şekil 3.4). Toprak hazırlama, ekim,
mücadele, gübreleme vb. yönetim şekilleri tüm parsellere eşit uygulandığından bu
işlemler değerlendirilmeye alınmamıştır.
42 Şekil 3.4 Altınova Tarım İşletmesi Tarla ve Yem Bitkileri Teknik Kayıt Defteri örneği
43 3.2.2.3 Laboratuvar analizleri
Çalışma alanında daha önce detaylı bir şekilde toprak özelliklerinin belirlenmiş
olmasına rağmen, zamana bağlı değişimin incelenmesi için 30 adet toprak örneği
alınmıştır. Bu örneklerde yapılan analizler ve metotları aşağıda verilmiştir.
Organik madde (%): Modifiye edilmiş Walkley-Black metoduna göre saptanmıştır
(Tüzüner, 1990).
Alınabilir fosfor (P2O5):
Olsen metodundaki Murphy ve Riley Yönteminde
bahsedildiği gibi 0,5 N NaHCO3 kullanılarak tayin edilmiştir (Tüzüner, 1990).
Tuz (%) : Kondaktivite aleti ile saturasyon ekstraktında 25
O
C’ de elektriksel
iletkenliğin ölçülmesi suretiyle tayin edilmiştir (Richards, 1954).
Toprak reaksiyonu (pH): Richards (1954)’ de belirtilen esaslara göre, saturasyon
macununda ve ekstraktında pH metre aleti ile belirlenmiştir.
Toprak bünyesi: Islak elemeli Bouyoucos metoduna göre yapılmış olup analiz
sonuçlarına göre bünye sınıfının belirlenmesinde toprak sınıflandırma üçgeninden
yararlanılmıştır (Tüzüner, 1990).
Suyla Doygunluk (%) : Richards (1954)’de belirtilen esaslara göre, toprağa doygun
hale gelinceye kadar saf su eklemek yoluyla belirlenmiş ve yüzde olarak ifade
edilmiştir.
Kireç (%): Çağlar (1949)’de belirtilen esaslara göre, Scheibler kalsimetresi ile tayin
edilmiştir.
Kalsiyum (Ca++) ve Magnezyum (Mg++) : Richards (1954)’ de belirtilen esaslara göre,
versanat titrasyonu yöntemine göre yapılmıştır.
44 Sodyum (Na+) ve Potasyum (K+) : Richards (1954)’ de belirtilen esaslara göre, gazlı
fleymfotometre aleti ile saptanmıştır.
KDK : Tüzüner 1990’da belirtildiği gibi sodyum asetat yöntemi ile belirlenmiştir.
3.2.3Toprak kalite parametreleri indeksi’nin (AKI) belirlenmesi
Hazırlanan Sayısal Toprak Veri Tabanı kullanılarak toprakların fiziksel ve kimyasal
özellikleri Riquier vd. (1970) tarafından önerilen Paremetrik Metot (Karekök Metodu)
ile değerlendirilerek alanın “Arazi Uygunluk Sınıf ve kalite özellikleri” her bir
haritalama ünitesi için ayrı ayrı belirlenmiştir. Parametrik metodu ilk olarak Riquier ve
ark. 1970'de arazi değerlendirmesi için önermiştir. Parametrik yaklaşımda her bir arazi
karakteristiğinin sınırlayıcı faktörlerine bağlı olarak değişen düzeylere göre arazi
değerlendirmesi işlemi yapılır. Sistem; ekonomik ve sosyal analizleri dikkate
almamasına karşılık, toprakların fiziksel ve kimyasal özellikleri hakkında detaylı bir
bilgi sağlaması ile sadece toprakçılara değil ekonomistlere, tarımla uğraşan kişilere ve
çevre bilimcilerine dolaylı olsa da arazinin kalitesi hakkında önemli veriler
sağlamaktadır (Dengiz 2002). Arazi kalite indeks değerinin belirlenmesinde kompleks
karekök metot kullanılmıştır (Khiddir 1986, Cangir ve Boyraz 2002).
Arazi Uygunluk Sınıfı ve Arazi kalite İndeksini hesaplamak için kullanılan formül
şöyledir;
AKI = Rmax.* KK (SQRT) (A/100)*(B/100)*(C/100)*(D/100)*(E/100)*(F/100)
AKI: Arazi Kalite İndeksi, Rmax.= Ortalama maksimum oran. A, B, C...: Her bir
karakteristiğin oransal değeri
Arazi kalite indeks değerinin hesaplanmasında ele alınan her bir arazi karakteristiğinin
değişen seviyelerine göre oranları aşağıda verilmiştir.
45 3.2.3.1 Bünye (Tekstür) (A)
Bu faktör 1A ve 1B oranlarının toplanmasıyla hesaplanmaktadır. Eğer yüzey altı
horizon mevcut değilse 1A değeri 2 ile çarpılır. Çizelge 3.1’den de görüleceği gibi
kumlu tınlı, tınlı, siltli tınlı, siltli, killi tınlı, kumlu killi tınlı, siltli killi tınlı toprak
tekstürünün oranı 50 olarak alınmaktadır. Diğer toprak tekstürlerinin oranları aşağıdaki
çizelgede verilmiştir (Çizelge 3.1).
Çizelge 3.1 Arazi uygunluk sınıfı ve arazi kalite indeksi tekstür ve oranları
1A. Yüzey horizonu tekstür sınıfı
vfSL, L, SiL, Si, CL, SCL, SiCL
SC, SiC, C-%60
SL, fSL
cSL, C+%60
LS
S
Oran
50
45
40
35
30
25
1B. Yüzey altı horizonu tekstür
vfSL, L, SiL, Si, CL, SCL, SiCL
SC, SiC, C-%60
SL, fSL
cSL, C+%60
LS
S
Oran
50
45
40
30
25
15
3.2.3.2 Eğim (B)
Her
bir
haritalama
biriminin
ortalama
eğimi
alınarak
eğim
değeri
oranı
hesaplanmaktadır. Düz ve düzey yakın alanların eğim sınıfı oranı 100 iken, aşırı sarp
alanların eğim sınıfı oranı 20 olarak alınmaktadır. Diğer eğim sınıflarının oranları
aşağıda verilmiştir (Çizelge 3.2).
Çizelge 3.2 Arazi uygunluk sınıfı ve arazi kalite indeksi eğim ve oranları
Eğim sınıfları
Düz-düze yakın (%0-2)
Hafif eğim (%2-6)
Orta eğim (%6-12)
Dik eğim (12-20)
Çok dik eğim (%20-30)
Oran
100
95
85
75
50
Eğim sınıfları
Oran
Düz-düze yakın-hafif ondüleli 97
Hafif eğimli - ondüleli (%2-6)
90
Sarp eğim ( %30-45)
40
Aşırı sarp > % 45
20
46 3.2.3.3 Derinlik (Solum A+B) (C )
Toprak derinliği solumu (A+B) olan topraklarda B horizonunun alt sınırına kadar olan
derinlik alınmıştır. B horizonu olmayan profillerdeki derinlik ise bitki kökünün son
noktasına kadar olan kısım alınmaktadır. Ayrıca eğer ana materyal ve/veya geçiş
horizonları ve/veya kombine horizonlar 50 cm den derin ise ve C, BC, AC, CA, B/C
horizonları kök gelişimine imkan veren poroz ortama sahip ise bu durumda oran
aşağıdaki değerler ile çizelgedeki değerlerin toplanmasıyla hesaplanmaktadır (Çizelge
3.3).
Çizelge 3.3 Arazi uygunluk sınıfı ve arazi kalite indeksi derinlik ve oranları
Derinlik sınıfları
Oran
Derinlik sınıfları
Oran
150 cm +
100
100-150 cm*
95
75-100 cm*
90
50-75 cm*
85
20-50 cm*
60
0-20 cm*
30
*“0-20 cm : + 30, 20-50 cm : + 20, 50-75 cm: +5, 75-100 cm: + 5, 100-150 cm: +5”
3.2.3.4 Taşlılık, çakılılık ve kayalılık (D)
Bu faktör D1 ve D2 oranlarının toplanmasıyla hesaplanmaktadır. Eğer D1 ve D2
oranları mevcut değilse en yüksek değer 2 ile çarpılır. Eğer taşlılık veya çakıllılık
mevcut değilse oran 50, eğer profilde % 60’dan fazla ise oran 10 ve yüzeyde % 90’dan
fazla ise oran 5 olarak alınır. Diğer değerler aşağıda verilmiştir (Çizelge 3.4).
Çizelge 3.4 Arazi uygunluk sınıfı ve arazi kalite indeksi taşlılık, çakıllık ve
kayalılık ile oranları
D1. Profil içerisindeki taşlılık, çakılılık
ve kayalılık
Oran
D2. Yüzeyde taşlılık, çakılılık ve kayalılık Oran
Taşlılık, çakılılık veya kayalılık %0-5
50
Taşlılık, çakılılık veya kayalılık %0-0.01
50
40
Taşlılık, çakılılık veya kayalılık %0.01-0.1
48
30
Taşlılık, çakılılık veya kayalılık %0.1-3
45
20
35
Taşlılık, çakılılık veya kayalılık %> 60
10
25
10
Taşlılık, çakılılık veya kayalılık %>90
5
47 3.2.3.5 Tuzluluk, alkalilik ve reaksiyon (toprak asitliği) ( pH 1/2.5 su) (E)
Bu faktör E1, E2, E3 ve E4’deki tuzluluk, alkalilik ve reaksiyon değerlerine ait
oranlarının toplanmasıyla hesaplanmaktadır. Eğer yüzey altı horizon mevcut değilse E3
değeri 2 ile çarpılır E1, E2 ve E4’deki değerler alınırken etkili toprak derinliğindeki en
yüksek değer alınarak hesaplama yapılır (Çizelge 3.5).
Çizelge 3.5 Arazi uygunluk sınıfı ve arazi kalite indeksi tuzluluk, alkalilik reaksiyon
ile oranları
E1. Tuzluluk
Oran
Tuz, < %0.15; EC, < 4 dS.m-1
E2. Alkalilik
Oran
25
ESP < 10
25
Tuz, %0.15-0.35; EC, 4-8 dS.m
15
ESP 10-15
20
Tuz, %0.35-0.65; EC, 8-16 dS.m-1
10
ESP 15-30
10
5
ESP 30-50
5
ESP > 50
2
-1
-1
Tuz, >%0.65; EC, > 16 dS.m
E3. Yüzey horizonu reaksiyon
Oran
E4. Yüzey altı horizonu reaksiyon
Oran
pH, 6.1-7.8
25
pH, 6.1-7.8
25
pH, 7.9-8.4; 6.0-5.6
20
pH, 7.9-8.4; 6.0-5.6
20
pH, 8.5-9.0; 5.5-4.5
15
pH, 8.5-9.0; 5.5-4.5
15
pH, > 9.0; < 4.5
10
pH, > 9.0; < 4.5
10
3.2.3.6 Diğer toprak karakteristiklerinin oranları (F)
Bu faktör F1, F2, F3, F4, F5, F6, F7, F8 ve F9 oranlarının toplanmasıyla
hesaplanmaktadır. Eğer yüzey altı horizon mevcut değilse F6, F7, F8 ve F9 değerleri 2
ile çarpılır (Çizelge 3.6- 3.11).
48 Çizelge 3. 6 Arazi uygunluk sınıfı ve arazi kalite indeksi yıllık yağış ve kök
gelişimi engeli ile oranları
> 700
15
F2. Kök gelişmesini engelleyen sert katman
(pan, çimentolaşmış veya taşlaşmış veya
gevrek pan)
Sınırlayıcı kat yok
650-700
13
75 cm toprak derinliği içerisinde:
600-650
11
Gevrek pen (fragipan)
8
550-600
9
Pulluk taşı
6
500-550
7
Her hangi sert pan
5
< 500
5
75 cm toprak derinliğinden fazla:
F1. Yıllık Yağış
Oranı (mm)
Oran
Oran
10
Gevrek pen
9
Her hangi sert pan
7
Çizelge 3. 7 Arazi uygunluk sınıfı ve arazi kalite indeksi erozyon derecesi, K
faktörü ve drenaj ile oranları
F3. Erozyon Derecesi
Oran
Az veya erozyon tehlikesi
yok (< 10 t/ha/y)
Hafif erozyon tehlikesi
(10-25 t/ha/y)
Orta derecede erozyon
tehlikesi (25-50 t/ha/y)
Şiddetli erozyon tehlikesi
(50-100 t/ha/y)
10
F4. Potansiyel
erozyon risk
(K faktörü)
< 0.05
8
F5. Drenaj
Oran
10
İyi drenaj
10
0.05-0.1
8
Orta iyi drenaj
8
6
0.10-0.20
6
Biraz aşırı drj.
7
2
0.20-0.40
4
Biraz zayıf drj.
5
> 0.40
0
Zayıf drenaj
Aşırı zayıf
veya aşırı
drenaj
4
0
49 Oran
Çizelge 3.8 Arazi uygunluk sınıfı ve arazi kalite indeksi strüktür şekli ve oranları
F6-A. Yüzey horizonu
strüktür şekli
F6-B. Yüzey altı horizonu
strüktür şekli
Oran
Oran
Kuvvetli granüler, blok
5
Granüler, blok, prizmatik
5
Orta granüler, blok
4
Zayıf levhalı
3
Zayıf granüler, blok
3
Orta, kuvvetli levhalı, kolumlar
2
Levhalı
2
Masif veya teksel
1
Masif veya teksel
1
Çizelge 3.9 Arazi uygunluk sınıfı ve arazi kalite indeksi kireç içeriği ve oranları
F7-A. Yüzey horizonu kireç
içeriği
5.0-10.0
1.0-5.0
0.0-1.0
10.0-25.0
25.0-50.0
> 50.0
Oran
5
4
3
2
1
0
F7-B. Yüzey altı horizonu kireç
içeriği
5.0-10.0
1.0-5.0
0.0-1.0
10.0-25.0
25.0-50.0
> 50.0
Oran
5
4
3
2
1
0
Çizelge 3.10 Arazi uygunluk sınıfı ve arazi kalite indeksi KDK ve oranları
F8-A. Yüzey horizonu KDK
(cmol k-1/kil)
Oran
F8-B. Yüzey altı horizonu KDK
(cmol k-1/kil)
Oran
KDK > 40
5
KDK > 40
5
KDK 20-40
4
KDK 20-40
4
KDK 5-20
3
KDK 5-20
3
KDK < 5
1
KDK < 5
1
Çizelge 3. 11 Arazi uygunluk sınıfı ve arazi kalite indeksi verimlilik ve oranları
F9-A. Yüzey horizonu verimlilik
durumu
Yüksek
Orta
Fakir
Çok fakir
Oran
7
6
5
3
F9-B. Yüzey altı horizonu verimlilik
durumu
Yüksek
Orta
Fakir
Çok fakir
50 Oran
8
7
3
2
Çalışma alanında bulunan tüm haritalama birimlerinin yukarıdaki çizelgelerde verilen
değerlerine göre oranları belirlenerek aşağıda verilen arazi kalite indeks değerlerine
göre uygunluk sınıfları hesaplanmıştır (Çizelge 3.12).
Çizelge 3.12 Arazi kalite indeks değerlerine göre uygunluk sınıfı (Khiddir 1986)
Arazi Kalite İndeksi (AKİ)
Uygunluk Sınıfı
100-75
75-50
50-25
25-0
S1. Çok iyi
S2. İyi
S3. Orta
N. Kötü
Yukarıda bulunan çizelgelerdeki değerler kullanılarak bilgisayarda Microsoft Office
Excel ortamında bir program oluşturulmuştur. Oluşturulan bu program vasıtasıyla
çalışma alanında bulunan her bir farklı haritalama biriminin AKI değerleri ve buna
karşılık gelen uygunluk sınıfları hesaplanmıştır (Şekil 3.5).
Şekil 3.5 Altınova TİM arazileri AKI ve US belirlenmesi için oluşturulmuş
programdan bir görünüm
51 3.2.4. Uydu verilerinin analizleri
Projenin bu aşamasında buğday verimi ile uydu görüntüsü arasındaki ilişkilerin
belirlenmesi ve AKI değerleri ile uyumluluğunun gözlemlenmesi hedeflenmiştir.
Burada uydu görüntüsünün işlenmesi konusunun verilmesinden önce buğday verimine
etki eden faktörler üzerinde durulmuştur.
3.2.4.1 Tahıl verimine etki eden faktörler:
a- İklim Faktörleri: Tahılların verimi, yağışın miktar ve dağılımı başta olmak üzere
günlük ve mevsimlik sıcaklık değişimleri ve ortalamaları, bağıl nem değişimi,
güneşlenme süresi, hava sıcaklığı, don ve toprak sıcaklığı, nispi nem, güneş
ışınlarının şiddeti gibi çok sayıda iklim faktörleri ve bunların bir fonksiyonu olan
bitki su tüketimi ile toprakta bitkinin kök bölgesi içerisinde depo edilen ve bitkiye
yarayışlı olan su miktarına bağlı olarak değişim göstermektedir. Bu faktörlerin verim
üzerindeki etkisi, bölgeden bölgeye olduğu kadar, bitki gelişmesinin çeşitli
devrelerine göre de değişim gösterebilmektedir.
b- Toprak ve Arazi Koşulları: Toprak faktörleri arasında toprağın tekstürü, derinliği,
taşlılık, ıslaklık, tuzluluk, alkalilik ve drenaj bozukluğu, toprak kirliliği gibi
sorunların varlığı ve düzeyleri, bitki besin maddelerinin topraktaki içeriği, katyon
değişim kapasitesi, bazla doygunluk derecesi, karbonat içeriği, havalanma ve su
tutma kapasitesi, pH ve tuz gibi çeşitli kimyasal ve fiziksel özellikler sayılabilir.
Arazinin topografyası, yüksekliği, eğimi, bakısı da bitki gelişimi ve verimi üzerine
etkili olmaktadır.
c- Üretim Girdileri: Tahılların üretiminde kullanılan çeşitli üretim girdileri de bu
bitkilerin verimi üzerinde etkili olmaktadır. Hastalık ve zararlılar ile kurak ve soğuğa
dayanıklı, yöre koşullarına uygun, yüksek verimli çeşit ve kaliteli tohumluk, tarımsal
mücadele ilaçları, gübre, sulama suyu gibi girdiler bu grupta sayılabilir.
52 d- Tarım Tekniği (Toprak Yönetimi): Bu grupta toprak hazırlığı, nadas, ekilecek
çeşidin seçimi, ekim, gübreleme, tarımsal mücadele, sulama ve hasat gibi
faaliyetlerin uygulama zamanı ve şekli ile bu faaliyetlere uygun alet kullanımı yer
almaktadır. Belirli bir yöre için önerilen geliştirilmiş yetiştirme tekniklerinin tümüne
birden “uygun yetiştirme tekniği paketi” adı verilir. Orta Anadolu’da yapılan
araştırmalara göre kuru tarımda eksik ya da hatalı toprak işleme, uygun çeşit
kullanmama, gübreleme ve yabancı ot mücadelesi yapmama durumunda buğday
verimi 120 kg/da dolayında kalırken, uygun yetiştirme tekniği paketinin uygulanması
durumunda 350 kg/da düzeyine çıkmaktadır.
Erken ilkbaharda kardeşlenme tamamlanmadan önce oluşan yeşil örtü, (o yılın iklim
koşullarına, yükseltiye ve bakıya bağlı olarak mart-nisan arası) arazinin önemli
bölümünün henüz çıplak olmasının yanı sıra, kullanılan tohum miktarına ve çeşidin
erkencilik özelliğine bağlı olarak, son verim hakkında son derece yanıltıcı olmaktadır.
Buğdayın tarlada geniş yeşil örtü oluşturması, kardeşlenme sonu sapa kalkma
başlangıcıdır. Bu dönem İç Anadolu koşullarında yaklaşık Mayıs başına rastlamakta
olup, bölgede uydu görüntüsü açısından tahıllarla rekabete girebilecek en önemli
ürünler olan şekerpancarı, bostan ve ayçiçeğinde söz konusu dönemde yeşil örtü henüz
çok cılızdır. Süt oluşumu (tane doldurma) dönemi başlangıcından itibaren buğdayda
yeşil örtü doruğa ulaşmakta (Haziran başı), ancak bu kez diğer ürünlerin yeşil örtüsü
girişim yapabilecek düzeylere varmaktadır. Erken dönemlerde yapılabilecek tahıl
rekoltesi kestirmeleri, özellikle tane doldurma döneminde alınabilecek yağışların
miktarını dikkate alamayacağından yanıltıcı olabilecektir. Geç ilkbahar dönemi
yağışlarının miktarı tahıl verimini etkileyen en önemli etmenlerden biri olmakla birlikte,
kimi koşullarda ters etkide bulunmaktadır. Çünkü ileri dönemde yağış fazlalığı, pas
başta olmak üzere hastalıkların yayılma imkânını artırmakta ve yatmaya neden
olmaktadır. Bu iki etmenden herhangi biri bile, yeşil aksamın güçlü olmasına karşılık,
başakların boş kalmasına neden olarak, önceden yapılmış tane verimi kestirmelerini
altüst edebilecek düzeyde olumsuz etki yapabilmektedir. Bu durum tahılda ekim alanı
ve rekolte tahminleri için en uygun dönemlerin sapa kalkma ve tane doldurma
dönemleri olduğunu ve bu dönemlerde en az iki kez görüntü alınmasının gerekli
olduğunu göstermektedir (Anonim 1999).
53 Sonuç olarak, uydunun uygun yörüngeden geçişi, görüntü alımı sırasında havanın kapalı
oranının düşüklüğü ve yer verilerinin güvenirliliğinin kesiştiği noktaların bir araya
getirilmesinin zorunluluğu açıkça görülmektedir.
3.2.4.2 Uydu görüntülerinin temin edilmesi
Uydu görüntüsü ile tahıl ekili alanların belirlenmesinde en önemli faktör, bölgesel ürün
takvimine bağlı olarak ürün cinslerinin tanımlanmasında en uygun zamanda uydu
görüntüsü ile yersel ölçümlerin varlığıdır. Ekili alanlara ait yersel yansıma ölçümleri,
ürün ekim tarihleri arasında büyük değişimlerin olduğu durumlarda uydu görüntüsünün
sayısal analizi ve yorumlanmasında önemli rol oynamaktadır (Örmeci vd. 1992).
Tahılda ekim alanı ve rekolte tahminleri için en uygun dönemlerin sapa kalkma ve tane
doldurma dönemleri olduğu ve bu dönemin ise İç Anadolu Bölgesinde Mayıs sonu
Haziran başı olduğu bilinmektedir. Bu maksatla çalışma alanına ait 29 Mayıs 2008
tarihli SPOT 2 uydu görüntüsü (Şekil 3.6) ile 17 Haziran 2005 tarihli LANDSAT 7
uydu görüntüsü (Şekil 3.7) temin edilmiştir.
Uydu görüntüsü üzerinde ilk olarak yapılan çalışma görüntünün ülke koordinat
sistemine dönüştürülmesidir (Süslü, 2007). Geometrik düzeltmeyi yapabilmek için uydu
görüntüsü üzerinde belirgin olan ortak noktalar bulunmuştur. Noktalar belirlenirken yol
kesişimleri, köprüler, vb. belirgin objelerden yararlanılmıştır. Aynı anda ortak noktalar
güncel ve sayısal olan topoğrafik haritalar üzerinden de seçilerek doğrulanmıştır.
Belirlenen bu noktalar ERDAS Imagine programı yardımıyla değerlendirilen uydu
görüntüsünün piksel koordinatlarına karşılık gelecek şekilde sayısal topoğrafik
haritadan alınarak girilmiştir. Uyuşumlu olan noktalardan dönüşüm yapılmıştır.
Geometrik dönüşümde 1.dereceden polinom (lineer) fonksiyon uygulanmıştır.
54 Şekil 3.6 Altınova Tarım İşletmesine ait SPOT 2 uydu görüntüsü
55 Şekil 3.7 Altınova Tarım İşletmesine ait LANDSAT 7 ETM uydu görüntüsü
56 3.2.4.3 Normalize edilmiş bitki örtüsü indeksi
Uydu görüntülerinde toprak yüzeyindeki yeşil vejetasyon “bitki örtüsü indeksi” veya
“yeşillik (vejetasyon) indeksi” olarak adlandırılır. Bu amaçla kullanılmak üzere 20’nin
üzerinde vejetasyon indeksi tanımlanmıştır (Thiam ve Eastman 1997).
Birçok bitki örtüsü indeksi elektromanyetik spektrumun görünür ve yakın kızılötesi
bölgelerinden tayfsal bitki örtüsü karakteristiklerini zenginleştirmek için kullanılabilir.
Bu indeksler genellikle biokütle veya yaprak alanı indeksleri gibi bazı bio fiziksel
parametrelerle ilişkilendirilir (Shimabukuro 1996).
Bant aritmetiği, elektromanyetik tayfın yakın kızılötesi (NIR) ve görünen kırmızı (VR)
bantlarına dayalıdır. (Anonim 2002).
Bitkiler özellikle yakın kızılötesi bölgede yansıma yaparlar. Bitki ve su arasındaki
kontrastlık bu bölgede görünür. Tayfın görünen kırmızı bandında; bitki, çıplak arazi,
kayalık arazi ve insan yapısı cisimler çok iyi kontrastlık sağlarlar. Çıplak veya satıhtaki
insan yapısı cisimlere göre bitkiler, tayfın görünen kırmızı bandına eğilim gösterirler,
bu nedenle koyu renkte görünürler. Çıplak veya satıhtaki insan yapısı cisimler ise,
tayfın bu kısmında açık renkte ve parlak görüntü verirler. NDVI değerlerinin
hesaplanmasında, farklı bantların sayısal numara (DN) değerleri kullanılır. Bir DN
değeri, veri bandındaki bir piksel’in değeridir. Keza DN değeri, atmosferin ve yer
sathının ne kadar radyasyon emdiğine ve sensöre ne miktar yansımayı
geri
gönderdiğine bağlı olarak değişmektedir (Anonim 2002).
SPOT uydu görüntülerinde, bant-2 (kırmızı) ve bant-3 (kızılötesi)’ ün çeşitli
matematiksel kombinasyonları, yeşil vejetasyon varlığının bir göstergesi olarak
bulunmuştur. Landsat da ise bant kombinasyonu bant 4 (NIR) ve bant 3 (kırmızı) olarak
kullanılır. Bu matematiksel değerler, Bitki örtüsü indeksi veya vejetasyon indeksi olarak
adlandırılır.
57 -
Vejetasyon İndeksi (Vegetation Index) = R/NIR
Normalleştirilmiş fark bitki örtüsü indeksi (NDVI) ise bu tür çalışmalarda en yaygın
olarak kullanılanıdır.
-
NDVI =((NIR-R)/( NIR+R))
NDVI indeks değerleri teorik olarak (–1) ile (+1) arasında değişir. Yeşil bitki örtüsünün
fazla olduğu alanlarda indeks değeri +1’e doğru yaklaşırken, bulutlar, su ve kar düşük
(eksi) NDVI indeks değerlerine sahiptir. Çıplak toprak ve kaya ise sıfıra yakın NDVI
değeri gösterir. Fotosentez kapasitesi arttıkça NDVI indeks değerleri artmakta bu da
bitki örtüsündeki gelişmenin arttığına karşılık gelmektedir (Süslü, 2007).
Çalışma alanında normalleştirilmiş vejetasyon indeksini belirlemek için (NDVI) SPOT
2 uydu görüntüsünde bant-2 (kırmızı) ve bant-3 (kızılötesi) ((3-2)/(3+2)) verileri,
LANDSAT 7 uydu görüntüsünde bant-3 (kırmızı) ve bant-4 (kızılötesi) ((4-3)/(4+3))
verileri kullanılmıştır.
NDVI (Normalize edilmiş bitki örtüsü indeksi) dönüşümü yapılırken SPOT 2 uydu
görüntüsü için Image Analyst (Şekil 3.8), LANDSAT 7 uydu görüntüsü için
MicroImages (Şekil 3.9) uzaktan algıma programları kullanılmıştır. NDVI dönüşümü
yapıldıktan sonra ekili olan her bir parselin piksel değerlerinin elde edilmesi işlemine
geçilmiştir. Ekili olan her bir parseli içine alacak şekilde kareler oluşturulmuş, kare
oluşturulurken parselin dışına gelmeyecek ve parselin % 85-90’ını kapsayacak şekilde
olmasına dikkat edilmiştir. Her bir parselin içinde kalan karelerin pikselleri program
vasıtasıyla toplanarak parsel ortalaması piksel değeri elde edilmiştir (Şekil 3.12.- 3.13).
58 Şekil 3.8 Çalışma alanına ait SPOT 2 uydu görüntüsünden elde edilmiş NDVI
görüntüsü
59 Şekil 3.9 Çalışma alanına ait LANDSAT 7 uydu görüntüsünden elde edilmiş
NDVI görüntüsü
60 Şekil 3.10 Çalışma alanına ait SPOT 2 uydusu NDVI görüntüsündeki parselden
piksel seçimi_1. aşaması
piksel seçimi_2. aşaması
61 Şekil 3.12 Çalışma alanına ait LANDSAT 7 uydusu NDVI görüntüsündeki
parselden piksel seçimi_1. aşaması
parselden piksel seçimi_2. aşaması
62 3.2.5 İstatiksel analizler ve modelleme çalışmaları
Altınova Tarım İşletmesi Müdürlüğü arazilerindeki tarım parsellerinde ağırlıklı olarak
buğday yetiştirilmesine rağmen bir çok parselde arpa, trıtikale tarımı da yapılmaktadır.
Değişik yıllarda bazı parsellerde değişik bitki türlerinin yetiştirme çalışmaları da
yapılmaktadır. Bazı parseller devamlı sulanırken kimi parseller bazı yıllar
sulanmaktadır. Yine bazı yıllar aşırı kuraklık veya hastalık gibi nedenlerle araziler terk
edilmektedir. Bu değerlendirmede İç Anadolu da yapılan yoğun tarım şeklini temsil
etmesi sebebiyle sadece kuru buğday ekimi yapılan parsellerin verimleri dikkate
alınmıştır. Olağan dışı değerler (hastalık veya zararlı ile kuraklık vb) değerlendirme dışı
bırakılmıştır.
1986-2008 yılları arasındaki parsel verimleri ile her parselin AKI değerleri arasındaki
ilişkinin korelasyon ve varyans analizleri yapılmıştır. Ayrıca her parselin 20 yıllık
ortalama verimleri ile AKI değerleri arasındaki ilişkinin de istatistiksel analizleri
yapılmıştır. Uydu verilerinden elde edilen NDVI piksel değerleri ile verim ve AKI
değerleri arasındaki ilişkinin istatiksel analizleri de yapılmıştır. İstatiksel analizler
sonucunda elde edilen formüller ile modelleme çalışması yapılmıştır.
63 4. BULGULAR
4.1 Altınova Tarım İşletmesi Sayısal Veri Tabanının Oluşturulması
CBS kullanılarak, sorgulama ve çözümleme analizleri için oluşturulan veri tabanı,
işletmeye ait, sayısallaştırılmış toprak, parsel, topoğrafik haritalarını içermektedir.
4.1.1 Parsel haritalarının oluşturulması
Sayısallaştırılmış olan kadastral parselizasyon haritasında işletmeye ait toplam 77 parsel
ve yerleşim merkezi olduğu görülmüştür. Bu parsellerin alansal büyüklüklerinin 1100
ile 5260 da. arasında değiştiği gözlemlenmiştir. Toplam çalışma alanının 29.608,6 ha
olduğu da tespit edilmiştir (Şekil 4.1).
4.1.2 Sayısal toprak haritalarının oluşturulması
Detaylı Temel Toprak Etüt ve Haritalama (DTTEH) çalışmalarında işletmede farklı 12
seriye ait 447 adet haritalama birimi belirlenmiştir. İşletmenin toprak haritası, tarama,
coğrafik düzeltme işlemleri sonrasında haritalama birimleri sayısallaştırılmış ve her bir
haritalama biriminin fiziksel, kimyasal ve morfolojik özelliklerinden oluşan öz nitelik
bilgileri grafik bilgilere eklenerek sayısal toprak veri tabanı oluşturulmuştur (Şekil 4.2).
64 Şekil 4.1 Altınova tarım işletmesi tarım arazilerinin parsel haritası
65 Şekil 4.2 Altınova tarım işletmesi tarım arazilerinin toprak haritası (Dinç vd. 1997)
66 4.1.3 Seri haritalarının oluşturulması
CBS ortamında hazırlanmış olan sayısal toprak haritasından yararlanarak işletmenin
toprak seri haritası oluşturulmuştur. Buna göre işletmede 12 farklı toprak serisi tespit
edilmiştir. Bu serilerden ilk üç sırayı % 21,2 alanla Altınova serisi , % 17,6 alanla Kap
serisi ve % 15,6 alan ile de Odabaşı serisi almaktadır. Diğer serilerin dağılımları
aşağıdaki çizelgede verilmiştir (Çizelge 4.1, Şekil 4.3).
Çizelge 4.1 Altınova tarım işletmesi arazilerindeki serilerin oransal ve alansal
dağılımı
Alan,
Seriler
ALTINOVA
BAŞKUYU
BOZBEYİ
ÇATALCA
HACIFAKILI
İMAMOĞLU
KAP
KILLARKÖYU
Alan, ha Alan, %
6281,0
2241,4
728,9
1580,4
1398,4
1557,5
5211,7
502,0
21,2
7,6
2,5
5,3
4,7
5,3
17,6
1,7
Seriler
Alan, ha
%
KUYUBAŞI
ODABAŞI
SAÇIKARA
SİVİLTEPE
ÇEŞİTLİ KAYA
YERLEŞİM
2981,6
4629,0
1419,1
762,9
60,6
254,0
10,1
15,6
4,8
2,6
0,2
0,9
TOPLAM
29608,6
100
4.1.4 Derinlik haritasının oluşturulması
CBS ortamında bulunan toprak haritasından yararlanılarak işletme arazilerin derinlik
haritası oluşturulmuştur. İşletme arazilerinin % 38,2’si çok derin, % 11,2’si derin ve %
18,4’ü orta derin olarak tespit edilmiştir Diğer derinlik yüzdeleri ve alansal dağılımları
aşağıdaki tabloda verilmiştir (Çizelge 4.2, Şekil 4.4).
Çizelge 4.2 Altınova tarım işletmesi arazilerindeki toprak derinliklerinin oransal ve
alansal dağılımı
Derinlik Sınıfları
Alan, ha
Alan, %
Çok Derin (120 +cm)
11320,9
38,2
Derin (90-120 cm)
3320,0
11,2
Orta Derin (60-90 cm)
5442,8
18,4
Sığ (30-60 cm)
6235,8
21,1
Çok Sığ (10-30 cm)
2974,6
10,0
CK
60,6
0,2
YA
254,0
0,9
Toplam
29608,6
100
67 Şekil 4.3 Altınova tarım işletmesi arazilerinin toprak seri haritası
68 Şekil 4.4 Altınova tarım işletmesi arazilerinin toprak derinlik haritası
69 4.1.5 Eğim haritasının oluşturulması
Toprak haritasının veri tabanından yararlanılarak işletmenin arazilerinin eğim haritası
oluşturulmuştur. Haritaya göre işletme arazilerinin % 40’ı düz (% 0-2) ve % 34,3’ü
hafif dalgalı (% 1-2) bir eğime sahiptir. Diğer eğim yüzdeleri ve alansal dağılımları
aşağıdaki çizelgede verilmiştir (Çizelge 4.3, Şekil 4.5).
Çizelge 4.3 Altınova tarım işletmesi arazilerinin eğim gruplarının oransal ve
Eğim Sınıfları
Alan, ha
Düz (% 0–2)
Hafif Dalgalı (% 1–2)
Hafif Eğimli (% 3–6)
Orta Eğimli (% 6–12)
Dik Eğimli (%12–18)
CK
YA
TOPLAM
Alan, %
11833,9
10157,5
5749,9
1536,8
16,0
60,6
254,0
29608,6
40,0
34,3
19,4
5,2
0,1
0,2
0,9
100,0
4.1.6 Taşlılık haritasının oluşturulması
CBS ortamında bulunan toprak veri tabanından yine işletmenin taşlılık haritası
oluşturulmuştur. Taşlılık haritasına göre işletme arazilerinin
% 77,8’i taşsız ve %
12,3’ü ise az taşlı alanlardan oluşmaktadır. Taşlılıkla ilgili diğer dağılımların alansal ve
oransal miktarları çizelgede verilmiştir (Çizelge 4.4, Şekil 4.6).
Çizelge 4.4 Altınova tarım işletmesi arazilerinin taşlılık oranlarının oransal ve
Taşlılık Sınıfları
Alan, ha
23046,9
3642,8
2454,7
149,7
60,6
254,0
29608,6
Taşsız
Az Taşlı (% 2–15)
Orta Taşlı (% 15–50)
Çok Taşlı (% 50–90)
CK
YA
TOPLAM
70 Alan, %
77,8
12,3
8,3
0,5
0,2
0,9
100,0
Şekil 4.5 Altınova tarım işletmesi arazilerinin eğim haritası
71 Şekil 4.6 Altınova tarım işletmesi arazilerinin taşlılık haritası
72 Şekil 4.7 Altınova tarım işletmesi arazilerinin drenaj koşulu haritası
73 4.1.7 Drenaj haritasının oluşturulması
Yine CBS ortamındaki toprak haritasından yararlanılarak işletmenin tarım arazilerinin
drenaj haritası oluşturulmuştur. İşletmeye ait hazırlanan raporda drenaj bozukluğu olan
alanların drenaj sınıfı hakkında detaylı bir bilgi olmadığından sadece drenaj sorunu olan
alanların genel haritası oluşturulmuştur. Buna göre işletme arazilerinin % 5,8’inde
drenaj sorunu bulunmaktadır (Şekil 4.7).
4.1.8 Taksonomi haritasının oluşturulması
CBS ortamında bulunan toprak haritasından ve etüt raporundan da yararlanılarak
işletme arazilerinin taksonomik toprak sınıfları haritası oluşturulmuştur. Buna göre
işletme arazilerinde 3 farklı toprak ordosuna (Vertisol, Entisol ve Aridisol) ait 6 farklı
alt toprak grubu tespit edilmiştir. İşletme arazilerin % 92,7’sini Aridisol ordosu
oluştururken, % 4,8’ini Vertisol ve % 2,5’ini ise Entisol ordoları kaplamaktadır. Alt
toprak gruplarına göre işletme arazilerinin Xeric Petrocalcid % 45,9’unu ve Xeric
Haplocambid % 25,9’unu kaplamaktadır. Diğer alt toprak gruplarının alansal ve oransal
dağılımları çizelgede verilmiştir (Çizelge 4.5, Şekil 4.8).
Çizelge 4.5 Altınova tarım işletmesi arazilerindeki taksonomik toprak tiplerinin
oransal ve alansal dağılımı
Ordo
Vertisol
Entisol
Aridisol
Alt Toprak Grupları
Typic Calcixerert
Typic Xerorthent
Xerertic Haplocambid
Xeric Haplocalcid
Xeric Haplocambid
Xeric Petrocalcid
Çıplak Kaya
Yerleşim Alanı
TOPLAM
74 Alan, ha
1419,1
728,9
502,0
5379,4
7679,5
13585,2
60,6
254,0
29608,6
Alan, %
4,8
2,5
1,7
18,2
25,9
45,9
0,2
0,9
100,0
4.1.9 1/25 000 ölçekli sayısal topoğrafik haritaların değerlendirilmesi
1/25000 ölçekli sayısal topografik haritalar olan K27b3, K27c2, K28a3, K28a4, K28d1
ve K28d2 haritaları temin edilmiş, bu haritalar birleştirilmiştir. Daha sonra işletme
haritası sınırı ile kesilmiştir. Bu haritadan yararlanarak alanın Sayısal Yükselti Modeli
(SYM) oluşturulmuştur. Oluşturulan SYM incelendiğinde işletmenin yerleşim yeri ve
tarım dışı arazileri çıkarıldığında en düşük nokta ile en yüksek nokta yüksekliği farkının
95 m olduğu tespit edilmiştir. Buna göre en düşük yükseklik 930 m ve en büyük
yüksekliğin ise 1025 m arasında değiştiği
ve düz düze yakın arazilerden oluşan
platodan meydana geldiği gözlemlenmiştir (Şekil 4.9).
75 Şekil 4.8 Altınova tarım işletmesi arazilerinin toprak taksonomi haritası
76 Şekil 4.9 Altınova TİM arazileri sayısal yükseklik (SYM) haritası
77 4.1.10 Arazi kullanım kabiliyet sınıfları (AKK) haritasının oluşturulması
İşletmeye
ait
Arazi
Kabiliyet
Sınıfları
haritası
CBS
ortamına
alınarak
sayısallaştırılmıştır. Sayısallaştırma neticesinde altı farklı AKK sınıfı tespit edilmiştir.
İşletme topraklarının % 73.28’ini II ve III . sınıf araziler kaplamaktadır. Diğer sınıfların
alansal ve oransal dağılımları çizelgede verilmiştir (Çizelge 4.6, Şekil 4.10 ).
Çizelge 4.6 Altınova tarım işletmesi arazilerindeki AKK sınıflarının alansal ve
oransal dağılımı
AKK
I
II
III
IV
VI
VIII
YR
Toplam
Alan_ha
Alan_%
1903.06
15083.61
6615.55
2410.03
3281.84
60.56
254.00
29608.65
6.43
50.94
22.34
8.14
11.08
0.20
0.86
100.00
4.2 Arazi Çalışmaları ve Laboratuar Analizleri
İşletmeye ait toprak haritaları sayısallaştırıldıktan sonra, Toprak etüdünün yapıldığı
tarih ile bugünkü zaman aralığında toprağın fiziksel ve kimyasal değişimlerinin de
gözlemlenmesi için işletme arazilerinde dağılım gösteren hakim 5 farklı toprak serisi
üzerinde bulunan 3 farklı toprak ordosuna ait 4 faklı toprak tipini temsil edecek şekilde
ve 3 paralelli olarak toplam 15 noktadan 30 adet toprak örneği alınmıştır (Çizelge 4.7).
78 Şekil 4.10 Altınova tarım işletmesi arazilerinin AKK sınıfları haritası (Dinç vd. 1997)
79 Çizelge 4.7 Toprak örnekleri alınan noktaları toprak tipleri ve koordinatları
Seri No
Seri
Toprak Tipi
X
Y
Z
1A
Kap
Xeric Petrocalcid
422716
4299687
944
1B
Kap
Xeric Petrocalcid
422547
4299693
948
1C
Kap
Xeric Petrocalcid
422255
4299704
955
2A
Odabaşı
Xeric Petrocalcid
416512
4289735
989
2B
Odabaşı
Xeric Petrocalcid
416565
4289799
989
2C
Odabaşı
Xeric Petrocalcid
416567
4289898
988
3A
Altınova
Xeric Haplocambid
418513
4286838
1004
3B
Altınova
Xeric Haplocambid
418630
4286842
1000
3C
Altınova
Xeric Haplocambid
418746
4286831
999
4A
Saçıkara
Typic Calcixerert
425044
4293050
959
4B
Saçıkara
Typic Calcixerert
425110
4292963
958
4C
Saçıkara
Typic Calcixerert
425148
4292884
962
5A
Bozbeyi
Typic Xerorthent
427935
4286248
998
5B
Bozbeyi
Typic Xerorthent
428047
4286173
994
5C
Bozbeyi
Typic Xerorthent
428003
4286212
995
Yukarıda adları verilen seri ve toprak tiplerinden alınan toprak örneklerinde 1997
yılında yapılan analizler ile karşılaştırma yapılmıştır (Çizelge 4.8). Dinç ve arkadaşları
(1997) tarafından yapılan toprak etüt çalışmalarında toprak örneklemesi ve
sınıflandırma için açılan profil çukurlarının koordinatları olmadığından ve çalışma
ölçeğinin de
1/25000 olması nedeniyle toprak örneklemesi bire bir aynı noktalardan
alınamamıştır. Alınan toprak örneklerinde yapılan fiziksel ve kimyasal analizlerden elde
edilen sonuçlar bazı farklılıklar göstermekle birlikte, seri ayrımında kullanılan ayırıcı
karakteristikler bakımından değişim sınırları içerisinde kalmıştır.
80 Çizelge 4. 8 Seçilen Seri topraklarının fiziksel ve kimyasal analiz sonuçlar
Si_E
Si_Y
S_E
S_Y
E
Y
E
Y
Ca+
Mg_E
Ca+
Mg_Y
Na_E
Na_Y
K_E
7.69
2.30
1.84
33.00
16.71
20.80
43.8
29.10
26.1
50.10
30.1
0.034
0.017
20.65
28.21
19.82
25.82
0.08
0.26
0.75
0.81 12.10
16-42
Bw
8.07
7.65
1.98
1.65
39.20
20.08
22.10
46.7
31.00
25.1
46.20
28.2
0.046
0.018
19.56
27.20
19.03
25.64
0.08
0.20
0.45
0.59
0-16
16-36
0-19
19-34
34-51
A1
Bw
Ap
Ad
Bw
7.92
7.66
3.09
2.59
18.90
12.27
39.40
31.8
29.10
23.9
31.50
44.2
0.054
0.022
35.66
32.34
34.07
29.47
0.12
0.22
1.47
2.02
8.24
7.77
2.62
2.15
17.40
13.93
34.00
35.4
34.80
23.3
31.20
41.4
0.052
0.020
33.04
31.46
32.08
28.47
9.09
0.23
7.49
7.48
2.10
2.10
2.40
8.10
44.30
43.6
32.60
24.4
23.10
32.0
0.087
0.026
39.13
32.04
36.42
29.19
0.09
0.24
7.78
7.39
1.43
1.89
2.20
8.78
54.50
44.1
25.70
23.8
21.00
32.1
0.066
0.022
35.86
35.50
33.85
32.63
0.09
8.13
7.63
0.91
1.12
5.71
7.55
56.56
47.8
22.67
20.3
20.77
32.0
0.055
0.023
31.25
33.42
29.37
31.62
0.44
0-12
Ap
7.75
7.65
1.75
2.37
7.00
8.47
48.70
43.9
28.60
28.4
22.80
27.7
0.078
0.022
40.21
34.44
38.37
31.83
12-42
Ad
8.10
7.70
0.38
1.05
8.00
9.27
69.50
45.8
16.10
26.8
14.40
27.5
0.078
0.022
39.13
32.25
37.74
0-20
20-42
Ap
Ad
7.37
7.69
3.33
2.32
23.70
27.74
26.70
35.0
42.20
34.0
31.10
30.9
0.050
0.024
23.91
30.17
8.29
7.70
1.98
1.77
25.30
29.64
26.20
41.7
43.60
30.1
30.20
28.2
0.040
0.022
26.08
42-81
A3 8.15
7.73
1.31
1.48
30.80
39.22
26.90
48.2
35.80
26.3
37.30
25.5
0.044
0.021
22.83
81 Y
C_Y
7.82
E
C_E
Ap
K_Y
Y
P2O5
kg/da
E
Değişebilir Katyonlar, me/100 gr
0-16
E: Eski; Y: Yeni analiz değerleri
KDK
Y
T. Tuz %
E
Tekstür
Y
Kireç %
E
OM%
Horizon
pH
Derinlik
(cm)
Bozbeyi
Saçıkara Altınova Kap
Odabaşı
Seri
5.67
8.50
8.88
0.87
1.48
2.62
1.66 22.90
9.36
0.27
1.92
1.58
0.30
1.26
1.03
0.18
0.24
1.66
2.20
29.78
0.37
0.24
22.31
28.83
0.13
26.55
25.12
24.64
27.22
22.50
25.38
6.90
16.97
1.02
1.85
0.27
1.47
0.64 17.60
4.06
0.13
0.23
0.83
0.54
0.09
0.30
1.19
0.56
4.3 Toprak Kalite Parametreleri İndeksi’nin Belirlenmesi
Paremetrik Metot (Karekök Metodu) kullanılarak alanın “Arazi Uygunluk Sınıf” (US)
ve kalite özellikleri her bir haritalama ünitesi için ayrı ayrı belirlenmiştir. Buna göre her
bir haritalama biriminin (HB) AKI değeri de tek tek hesaplanmıştır. Altınova Tarım
İşletmesi arazilerinde dağılım gösteren haritalama birimleri içerisinde AKI değerleri en
düşük 13,5 ve en yüksek 85,9 belirlenmiştir. AKI değerleri belirlendikten sonra,
haritalama birimlerindeki her bir AKI değerine karşılık gelen US belirlenmiştir. US
incelendiğinde haritalama birimleri içerisinde % 37,7 ile S1 sınıfı en fazla alanda
dağılım göstermektedir. Diğer sınıfların dağılımı aşağıda çizelgede verilmiştir (Çizelge
9, Şekil 11).
Çizelge 4. 9 Altınova tarım işletmesi arazileri toprak haritalama birimlerinin
uygunluk sınıflarının oransal ve alansal dağılımı
Arazi Uygunluk Sınıfları
S1
S2
S3
N
CK
YA
Toplam
Alan, ha
11170.9
10895.6
5081.9
2145.6
60.6
254.0
29608.6
82 Alan, %
37.7
36.8
17.2
7.2
0.2
0.9
100.0
Şekil 4.11 Altınova tarım işletmesi arazilerinin US haritası
Altınova tarım işletmesi arazilerindeki parsellerin çok büyük olması nedeniyle bir
parsel içerisine çok fazla haritalama birimi düşmektedir. Bir parsel içerisinde bulunan
haritalama birimlerinin ağırlıklı ortalamalarından yararlanarak her bir parselin AKI
değerleri hesaplanmıştır. Altınova tarım işletmesi tarım arazilerindeki tüm kayıtlar tarım
83 parsellerinin ait olarak kayıt edilmektedir. Bu açıdan da oluşturulan AKI değerlerinin ve
uygunluk sınıflarının da tarım parselleri veri tabanına aktarılması gerekmektedir. Buna
göre tarım parsellerinin % 69,9’u S2 uygunluk sınıfında bulunmuştur, diğer grupların
alansal ve oransal dağılımları aşağıda verilmiştir. Arazi uygunluk sınıflarına karşılık
gelen her bir parselin AKI değerleri de hazırlanan program vasıtasıyla hesaplanmıştır.
Buna göre AKI değeri 34,4 ile en düşük 9 nolu parselde elde edilirken, 80 ile en yüksek
23 nolu parselde elde edilmiştir (Çizelge 4.10-4,11,Şekil 4.12).
Çizelge 4. 10 Altınova tarım işletmesi arazileri tarımsal parsellerin uygunluk
sınıflarının oransal ve alansal dağılımı
Parsel Uygunluk Sınıfları
Alan, ha
S1
S2
S3
Toplam
5255
20704,2
3649,4
29608,6
84 Alan, %
17,8
69,9
12,3
100
Çizelge 4.11 Altınova tarım işletmesi tarım parsellerinin AKI değerleri
Parsel No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
AKI
45.2
47.8
60.3
67.5
52.4
48.4
48.1
43.0
34.4
57.2
72.4
73.1
79.4
79.4
79.6
47.9
49.0
50.3
65.7
55.2
77.7
78.9
80.0
79.1
57.8
62.5
58.0
64.3
79.1
79.4
73.6
69.3
66.8
62.0
70.7
73.1
74.6
79.0
Parsel No
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
85 AKI
62.7
52.5
61.2
47.0
50.3
59.8
64.2
66.8
78.4
78.0
76.4
73.6
67.6
67.1
67.4
64.8
71.8
62.2
65.0
50.6
56.9
69.4
53.7
53.5
63.9
53.4
55.4
69.8
68.5
62.5
71.9
70.3
58.9
58.0
50.1
50.3
62.6
71.9
Şekil 4.12 Altınova tarım işletmesi tarım parsellerinin US haritası
Haritalama birimlerine göre yapılan arazi uygunluk sınıfları ile tarımsal parsellerin
uygunluk sınıfları incelendiğinde, % 7,2 olarak sınıflandırılan ve “N” uygun sınıfı ile
“kötü” tarım arazisi olarak nitelendirilen alan ağırlıklı olarak tarımsal parsellerinin
86 uygun sınıflarının belirlenmesinde büyük çoğunlukla S2 sınıfı oranları ile birleşmiştir.
S1 arazileri % 37,7’den % 17,8’e gerilemiş ve yine % 17,2 olan S3 uygunluk sınıfı da
azalarak % 12,3’e ulaşmıştır. Tüm bunların yanında S2 uygunluk sınıfındaki tarım
arazileri ise % 36,8 değerinden % 69,9 değerine ulaşmıştır. US tarım parsellerine göre
yeniden oluşturulmasında genel olarak S2 sınıfı içerisinde bir toplanma olduğu
gözlemlenmiştir (Çizelge 4.12).
Çizelge 4.12 Altınova tarım işletmesi arazileri ile tarımsal parsellerin uygunluk
sınıflarının oransal ve alansal karşılaştırılması
Arazi Uygunluk
Sınıfları
S1
S2
S3
N
Haritalama Birimlerine
(HB) göre
Tarım Parsellerine göre
Alan, ha
Alan, ha
Alan, %
11170.9
10895.6
5081.9
2145.6
37.7
36.8
17.2
7.2
5255
20704,2
3649,4
Alan, %
17,8
69,9
12,3
4.3.1 AKK sınıfları ile arazi uygunluk sınıflarının karşılaştırılması
Çalışma alanının AKK sınıfları haritası ile Khiddir (1986) tarafından önerilen ve FAO
arazi sınıflandırma sistemi ile de uyumlu olan US haritalarının alansal ve oransal
değerleri karşılaştırıldığında, I, II, III ve IV AKK sınıfları S1, S2 ve S3 sınıfları ile
genelde uyumlu olarak değerlendirilmiştir. Örneğin çizelge 4.13 incelendiğinde, I. AKK
sınıfı arazilerinin % 70, 62’si S2 ve % % 29,38’i ise S1 içerisinde yer almıştır. Yine II.
AKK sınıflarının % 63,44’ü S1, % 34,42’si ise S2 uygunluk sınıfları içerisinde yer
almıştır. Ayrıca IV. AKK sınıfının % 82,82’si S3 uygunluk sınıfı içerisinde yer almıştır.
Tüm bunlara rağmen, VI. AKK sınıfı içerisinde % 6,38 S1 ve % 11,19 S2 uygunluk
sınıflarının bulunması uygunluk sınıflandırması esnasında kullanılan bazı toprak
parametrelerinin AKK sınıflandırmasında kullanılmaması varsayımına dayandırılmıştır.
Bununla birlikte VI. AKK sınıfı arazilerin % 49 N çıkması ve %33,43 S3 çıkması VI.
sınıf araziler işlemeli tarıma uygun olmamakla beraber bu tür arazilerin bağ, bahçe veya
87 özel ekolojilerinden dolayı toprak işlemesiz tarıma uygun olabileceği ve tarımsal
faaliyetlerin yapılabileceğini göstermektedir.
Çizelge 4.13 Uygunluk sınıflarının AKK sınıfları içerisindeki dağılımı
AKK
Alan, ha
I
1903.06
II
15083.61
III
6615.55
IV
2410.03
VI
3281.84
VIII
YR
Toplam
60.56
254.00
29608.65
US
S1
S2
S1
S2
S3
S1
S2
S3
N
S2
S3
N
S1
S2
S3
CK
YR
US Alan, ha
559.10
1343.96
9568.45
5191.13
324.03
814.29
3776.54
2024.72
197.43
216.65
1995.95
1608.07
209.37
367.31
1097.10
60.56
254.00
29608.65
US AKK İçi Dağılımı, %
29.38
70.62
63.44
34.42
2.15
12.31
57.09
30.61
8.19
8.99
82.82
49.00
6.38
11.19
33.43
100
100
4.3.2 Toprak taksonomisi ile arazi uygunluk sınıflarının karşılaştırılması
Toprak taksonomisi alt grupları ile arazi uygunluk sınıflarının karşılaştırılmıştır.
Karşılaştırmada Typic Xerorthent, Xeric Haplocalcid ve Xeric Haplocambid alt grupları
ile US arasında uyumluluk gözlemlenmiştir. Buna göre Entisol ordosuna ait Typic
Xerorthent alt grubu S2 US içerisinde yer alırken, Aridisol ordosuna ait Xeric
Haplocalcid ve Haplocambid alt ordoları S1 ve S2 US içerisine dahil olmuşlardır. Vertic
özellik gösteren Aridisol ordosuna ait Xerertic Haplocambid alt grubu ile Vertisol
ordosunu ait Typic Calcixerert alt gurubuna ait % 64,42’lik bir alan S1 US içerisine
dahil olmuştur. Normalde bu alt gruba dahil olan topraklarda fazla kilden dolayı şişme
büzülme olaylarının fazla olması, kurak dönemlerde aşırı çatlakların oluşması, toprakta
su hareketinin düşük olması gibi unsurlardan dolayı bu toprakların daha alt uygunluk
88 sınıfları içerisinde olması beklenir. Parametrik metodu oluşturan toprak parametreleri
içerisinde Vertisol toprakların kısıtlayıcı olarak bulunmaması, tekstür sınıfı içerisinde
hem yüzey horizonunda ve hemde yüzey altı horizonda kil miktarına bağlı olarak
kısıtlayıcı oranın 5’er puan olması US atlatmada yeterli olmamaktadır. S1 US 75-100
puan aralığında olduğundan ve her sınıf içerisinde uygunluk sınıfı aralıklarının 25 puan
gibi genelde geniş bir puan aralığında olması diğer toprak parametrelerinin (eğim,
derinlik vb) uygun olduğu durumlarda US değişimi için yeterli olmamıştır. Yine
Aridisol ordosu içerisinde yer alan Xeric Petrocalcid alt grubuna ait toprakların da %
46,36 gibi büyük bir kısmının S2 US içerisinde kaldığı görülmüştür. Normalde burada
da Petrocalcic yapıdan dolayı bu gruba dahil toprakların çoğunlukla S3 ve N US
içerisinde olması beklenir. Bir önceki örnekte de olduğu gibi parametrik metodun diğer
toprak karakteristikleri başlığı altındaki kök gelişimini etkileyen ilk 75 cm içerisinde
herhangi bir sert tabakanın oransal değeri 5 olduğundan burada da sınır değerlerinde
olmayan AKI değerlerini fazla etkilemediğinden US değişimi olmamıştır (Çizelge
4.14).
Çizelge 4.14 Taksonomik toprak alt grupları ile US karşılaştırılması
Taksonomik Alt Gruplar Alan, ha
Typic Calcixerert
Typic Xerorthent
Xerertic Haplocambid
1419.10
728.89
502.03
Xeric Haplocalcid
5379.38
Xeric Haplocambid
7679.46
Xeric Petrocalcid
13585.23
CESITLI KAYALIK
YERLESIM
Toplam
60.56
254.00
29608.65
US
S1
S2
S2
S1
S1
S2
S1
S2
N
S1
S2
S3
CK
YA
89 US Alan, US Alt Grup İçi Dağılımı,
ha
%
914.20
64.42
504.90
35.58
728.89
100.00
502.03
100.00
2058.40
38.26
3320.98
61.74
7637.22
99.45
42.24
0.55
2145.64
15.79
59.09
0.43
6298.56
46.36
5081.94
37.41
60.56
100.00
254.00
100.00
29608.65
4.4 Normalize Edilmiş Bitki Örtüsü İndeksi (NDVI) Verileri
NDVI indeks değerleri teorik olarak (–1) ile (+1) arasında değişir. Yeşil bitki örtüsünün
fazla olduğu alanlarda indeks değeri +1’e doğru yaklaşırken, bulutlar, su ve kar düşük
(eksi) NDVI indeks değerlerine sahiptir. Çıplak toprak ve kaya ise sıfıra yakın NDVI
değeri gösterir. Fotosentez kapasitesi arttıkça NDVI indeks değerleri artmakta bu da
bitki örtüsündeki gelişmenin arttığına karşılık gelmektedir (Süslü, 2007).
Normalleştirilmiş fark bitki örtüsü indeksi (NDVI) ise bu tür çalışmalarda en yaygın
olarak kullanılanıdır.
-
NDVI =((NIR-R)/( NIR+R))*255
SPOT 2 uydu görüntüsünden NDVI değerleri elde etmek için bant-2 (kırmızı) ve bant-3
(NIR) verileri kullanılmıştır. SPOT 2 uydu görüntüsü Image Analyst uzaktan algılama
programında açılarak ((3-2)/(3+2)) bant formülü ile NDVI üretilmiştir. Daha sonra
NDVI görüntüsünün üzerine parsel haritası getirilmiştir. 2008 yılı içerisinde ekili olan
her bir parselin altındaki NDVI pikselleri toplanarak parsel ortalaması alınmıştır. Bu
amaçla parselin kenar değerlerinden etkilenmemesi için parselin % 85-90’ını içine
alabilecek dikdörtgen çerçeveler oluşturulmuş ve bu çerçevelerin içindeki piksel
değerleri kayıt edilmiş ve ortalaması alınmıştır (Şekil 4.13, Çizelge 4.15)
Şekil 4.13 SPOT 2 NDVI değerinden piksel değerinin toplanması
90 Çizelge 4.15 2008 yılı SPOT 2 uydu görüntüsünden elde edilen NDVI görüntüsü
piksel değerleri
PARSEL No
14
22
25
26
27
28
29
30
31
33
34
35
36
38
39
40
41
NDVI
190.99
214.47
158.74
181.80
179.96
202.82
200.18
204.32
191.04
205.45
204.86
199.30
194.46
208.74
186.63
174.25
174.66
PARSEL No
43
44
51
54
55
56
58
59
60
61
65
66
67
69
70
71
76
NDVI
170.98
173.05
203.06
206.27
198.48
184.85
165.10
191.57
204.45
185.75
184.53
199.01
204.68
205.34
203.83
182.57
181.69
Çizelge incelendiğinde en düşük piksel değeri 158.74 ile 25 nolu parselde elde edilirken
en yüksek piksel değeri ise 214.47 ile 22 nolu parselde elde edilmiştir.
LANDSAT 7 uydu görüntüsünden NDVI değerleri elde etmek bant-3 (kırmızı) ve bant4 (kızılötesi) verileri kullanılmıştır. LANDSAT 7 uydu görüntüsü MicroImages uzaktan
algılama programında açılarak ((4-3)/(4+3)) bant formülü ile NDVI üretilmiş ve gri
renk tonlamalı görüntü elde edilmiştir. Daha sonra NDVI görüntüsünün üzerine parsel
haritası getirilmiştir. 2005 yılı içerisinde ekili olan her bir parselin altındaki NDVI
pikselleri toplanarak parsel ortalaması alınmıştır. Bu maksatla parselin kenar
değerlerinden etkilenmemek için parselin % 85-90’ını içine alabilecek dikdörtgen
çerçeveler oluşturulmuş ve bu çerçevelerin içindeki piksel değerleri kayıt edilmiş ve
ortalaması alınmıştır (Şekil 4.14, Çizelge 4.16)
91 Şekil 4.14 Landsat 7 NDVI değerinden piksel değerinin toplanması
Çizelge 4.16 2005 yılı Landsat 7 uydu görüntüsünden elde edilen NDVI
görüntüsü piksel değerleri
Parsel No
3
12
13
14
15
22
23
24
25
26
27
28
29
30
31
37
NDVI
140.13
125.83
133.23
142.26
132.21
141.54
144.28
130.27
157.70
149.75
135.55
128.97
117.32
126.47
158.09
163.29
Parsel No
38
39
40
41
42
43
44
45
46
47
48
51
54
56
57
58
NDVI
151.73
141.83
141.03
150.11
156.11
158.70
159.17
123.70
148.24
144.41
168.85
169.84
132.32
133.70
131.68
143.41
92 Parsel No
59
60
61
62
65
66
67
69
70
71
73
74
75
76
NDVI
145.53
144.97
134.35
147.93
145.23
131.95
129.23
135.06
150.84
134.70
144.68
138.39
148.70
142.79
Çizelgeden de görüleceği gibi en düşük piksel değeri 117.32 ile 29 nolu parselde elde
edilirken, 169,84 piksel değeri ile 51 nolu parselde en yüksek değer elde edilmiştir.
4.5 İstatiksel Analizler ve Modelleme Çalışmaları
4.5.1 Arazi kalite indeksi ile verim ilişkisi
Araştırma alanının toprak etüt ve haritalama raporundan ve sayısallaştırılan haritadan da
yararlanarak her bir haritalama biriminin AKI değerleri hesaplanmıştır. Hesaplamalarda
Parametrik Metot formülü kullanılmıştır.
İşletmede tüm kayıtlar parsel tabanına bağlı olarak tutulmaktadır. Parseller içine denk
gelen her bir haritalama biriminin ortalama AKI değeri hesaplanmıştır ve bu şekilde tüm
parsellerin AKI değerleri bulunmuştur.
Bu çalışmada işletme kayıtlarında bulunan 1986- 2008 yılları arası 21 yıllık verim
kayıtları alınmıştır. Değerlendirmede bir çok parselde farklı yıllarda kuruda buğday
yetiştiriciliğinin dışında ekimi yapılan ürünlerin verim değerleri (arpa, sulu buğday
yetiştiriciliği, korunga vb) değerlendirmeye alınmamıştır. Yine hastalık, kuraklık vb dış
etkenler ile kayıtları şüpheli olan verim kayıtları da değerlendirme dışında tutulmuştur.
Tüm bu verim değerlerin dışında bulunan ve kuru tarım yapılan buğday parsellerinin
verimlerinin ortalamaları alınmıştır. Bu parsellerin 21 yıllık parsel buğday verim
ortalamaları ile 73 parselin AKI değerleri arasında regresyon analizi yapılmıştır
(Çizelge 4.17). Yapılan regresyon analizi incelendiğinde AKI ile verim arasındaki ilişki
önemli bulunmuştur. İlişkinin korelasyon değeri R= 0.87 olarak tespit edilmiştir. Yine
elde edilen istatistik değerlerine göre belirleme katsayısı
R2= 0.75 olarak elde
edilmiştir. Standart hata değeri ise 5.56 olarak tespit edilmiştir (Çizelge 4.18-4.19, Şekil
4.15). Ayrıca her bir yılın parsel buğday verimleri ile AKI değerlerin arasında da
regresyon analizleri yapılmıştır. Her yılın istatistik analizlerine göre AKI ile verim
arasındaki ilişki önemli bulunmuştur. 1986-2008 yılları arasındaki korelasyon değerleri
0.510 ile 0.776 arasında değişmektedir. Regresyon değerleri ise 0.260 ile 0.603 arasında
93 değişim göstermektedir. Standart hata değerleri ise 5.535 ile 8.599 arasında değişim
göstermektedir (Çizelge 4.20).
Parsel
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
21
23
24
25
26
27
28
AKI
45.2
47.8
60.3
67.5
52.4
48.4
48.1
43.0
34.4
57.2
72.4
73.1
79.4
79.4
79.6
47.9
49.0
77.7
78.9
80.0
79.1
57.8
62.5
58.0
64.3
Verim
kg/da
122.89
143.59
195.26
227.70
143.09
152.32
182.64
195.40
116.22
171.08
244.16
228.24
243.22
238.16
251.28
123.95
185.16
257.52
262.42
261.54
284.45
178.32
196.60
171.96
227.77
Parsel
No
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
AKI
79.1
79.4
73.6
69.3
66.8
62.0
70.7
73.1
74.6
79.0
62.7
52.5
61.2
47.0
50.3
59.8
64.2
66.8
78.4
78.0
76.4
73.6
67.6
67.1
67.4
Verim
kg/da
261.60
240.09
239.48
266.27
162.90
162.20
250.10
242.32
260.51
267.89
214.65
180.08
184.12
156.84
144.56
196.99
209.30
213.94
270.25
259.66
247.29
225.91
249.05
222.47
218.05
Parsel
No
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
AKI
64.8
71.8
62.2
65.0
50.6
56.9
69.4
53.7
53.5
63.9
53.4
55.4
69.8
68.5
62.5
71.9
70.3
58.9
58.0
50.1
50.3
62.6
71.9
Verim
kg/da
233.53
227.95
196.13
208.79
154.18
193.03
204.76
183.40
179.92
200.11
202.30
201.83
241.46
235.19
211.25
227.65
240.57
221.25
199.38
219.41
190.51
221.98
207.77
regresyon istatistikleri
Regresyon İstatistikleri
R
R2
Standart Hata
Gözlem
0.8656068
0.7492752
5.5562523
73
94 Çizelge 4.19 Altınova Tarım İşletmesi parsellerinin AKI ve buğday verim
değerleri varyans analizi
ANOVA
df
Regresyon
Fark
Toplam
1
71
72
SS
6550.3775
2191.9077
8742.2852
MS
6550.38
30.8719
F
212.179
P
5.093E-23
Şekil 4.15 Altınova Tarım İşletmesi parsellerinin AKI ve buğday verim değerleri
arasındaki ilişki
95 Çizelge 4.20 Altınova TİM parsellerinin 1986-2008 yılları arasındaki
AKI-Verim arasındaki ilişkinin regresyon istatistikleri
Yıllar
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2008
R
0.642
0.556
0.510
0.609
0.512
0.609
0.696
0.541
0.669
0.754
0.626
0.620
0.704
0.606
0.545
0.617
0.647
0.519
0.566
0.776
0.518
R2
0.413
0.309
0.260
0.370
0.262
0.370
0.484
0.293
0.447
0.569
0.392
0.384
0.496
0.367
0.297
0.381
0.418
0.269
0.320
0.603
0.268
S. Hata
7.510
7.241
8.599
8.051
8.396
8.051
5.535
7.885
8.571
6.145
8.051
7.581
8.072
7.028
6.627
7.530
7.182
8.211
7.714
6.264
7.508
n
36
40
36
46
41
46
26
45
42
45
51
39
46
46
31
53
47
40
45
46
34
F
23.8882
16.9622
11.9616
25.8836
13.8616
13.0098
22.532
17.8124
32.3543
56.8284
31.5746
23.056
43.247
25.5028
12.2319
31.4126
32.3194
14.0168
20.2644
66.7992
11.7193
P
2.4017E-05
0.00019835
0.00147998
7.216E-06
0.00062056
0.00088891
7.9057E-05
0.00012365
1.2968E-06
2.1558E-09
8.9874E-07
2.5992E-05
4.7912E-08
8.172E-06
0.00153482
8.4769E-07
9.1424E-07
0.00059889
5.0813E-05
2.2791E-10
0.00171226
Khiddir (1986), AKI değerlerine göre çizelge 3.12’de de verildiği gibi arazileri Çok iyi
(S1), İyi (S2), Orta (S3) ve Kötü (N) olmak üzere 4 adet uygun sınıfına ayırmaktadır.
Çalışma alanında AKI değerleri parsel veri tabanına dönüştürüldükten sonra, 3 adet (S1,
S2, S3) uygunluk sınıfı tespit edilmiştir. Tespit edilen bu 3 adet uygunluk sınıfları kendi
içerisinde istatistiki değerlendirmeye tutulmuştur.
4.5.1.1 S1 parsellerinin arazi kalite indeksi ile verim ilişkisi
S1 parselleri işletme alanının % 17.8’ini oluşturmaktadır. Bu uygunluk sınıfına giren 13
adet parsel tespit edilmiştir. Bu parsellerin AKI değeri ile ortalama buğday verimi
arasında ilişkinin regresyonu yapılmıştır. Bu uygunluk sınıfının AKI değerleri ile verim
arasında ilişki önemsiz bulunmuştur. Değerler incelendiğinde en az ve en çok AKI
96 değeri arasındaki farkın az olması (3,6) ve verimler arasındaki farkın ise 46.29 kg/da
dır. AKI ve verim değerleri arasındaki farkın az olması AKI verim ilişkisinin önemsiz
çıkmasına sebep olmuştur (Çizelge 4.21-4.22).
Çizelge 4.21 S1 parsellerinin AKI ve verim değerleri
AKI
76.4
77.7
78.0
78.4
78.9
79.0
79.1
79.1
79.4
79.4
79.4
79.6
80.0
Parsel No
49
21
48
47
22
38
24
29
13
14
30
15
23
Verim kg/da
247.29
257.52
259.66
270.25
262.42
267.89
284.45
261.60
243.22
238.16
240.09
251.28
261.54
Çizelge 4.22 S1 parsellerinin varyans analiz değerleri
ANOVA
Regresyon
Fark
Toplam
df
1
11
12
SS
MS
F
P
0.000699641
0.0007 0.000689653 0.97951933
11.15930036 1.014482
11.16
S2 parselleri işletme alanının %69,9’unu oluşturmaktadır. Bu uygunluk sınıfına giren 51
adet parsel tespit edilmiştir. Bu parsellerin AKI değerleri ile ortalama buğday verimleri
arasındaki ilişkinin regresyon analizi yapılmıştır. Yapılan istatistiki analize göre ilişki
önemli bulunmuştur. Bu ilişkinin korelasyon değeri R= 0.74, regresyon değeri belirleme
katsayısı ise R2= 0.55 olarak tespit edilmiştir. Standart hata değeri ise 4,95 olarak
bulunmuştur (Çizelge 4.23- 4.25, Şekil 4.16).
97 Çizelge 4.23 S2 parsellerinin AKI ve buğday verim değerleri
Parsel
No
73
43
74
58
5
40
64
62
61
65
59
10
25
27
72
71
44
AKI
50.1
50.3
50.3
50.6
52.4
52.5
53.4
53.5
53.7
55.4
56.9
57.2
57.8
58.0
58.0
58.9
59.8
Verim Parsel
kg/da
No
219.41
3
144.56
41
190.51
34
154.18
56
143.09
26
180.08
68
202.30
75
179.92
39
183.40
63
201.83
45
193.03
28
171.08
54
178.32
57
171.96
33
199.38
46
221.25
52
196.99
53
AKI
60.3
61.2
62.0
62.2
62.5
62.5
62.6
62.7
63.9
64.2
64.3
64.8
65.0
66.8
66.8
67.1
67.4
Verim Parsel
kg/da
No
195.26
4
184.12 51
162.20 67
196.13 32
196.60 60
211.25 66
221.98 70
214.65 35
200.11 55
209.30 69
227.77 76
233.53 11
208.79 12
162.90 36
213.94 31
222.47 50
218.05 37
AKI
67.5
67.6
68.5
69.3
69.4
69.8
70.3
70.7
71.8
71.9
71.9
72.4
73.1
73.1
73.6
73.6
74.6
Verim
kg/da
227.70
249.05
235.19
266.27
204.76
241.46
240.57
250.10
227.95
227.65
207.77
244.16
228.24
242.32
239.48
225.91
260.51
Çizelge 4.24 S2 parsellerinin AKI ve buğday verim değerleri regresyon istatistikleri
R
R2
Standart Hata
Gözlem
0.73973
0.5472
4.95073
51
Çizelge 4.25 S2 parsellerinin AKI ve buğday verim değerleri varyans analizi
ANOVA
df
SS
MS
Regresyon
1
1451.325867 1451.33
Fark
49
1200.974525 24.5097
Toplam
50
2652.300392
98 F
59.214385
P
5.6051E-10
Şekil 4.16 S2 parsellerinin AKI ve buğday verim değerleri arasındaki ilişki
S3 parselleri işletme alanının %12,3’ünü oluşturmaktadır. Bu uygunluk sınıfına giren 9
adet parsel tespit edilmiştir. Bu parsellerin AKI değerleri ile ortalama buğday verimleri
arasındaki ilişkinin regresyon analizi yapılmıştır. Yapılan istatistiki analize göre ilişki
önemli bulunmuştur. Bu ilişkinin korelasyon değeri R= 0.38, belirleme değeri ise R2=
0.15 olarak tespit edilmiştir. Standart hata değeri ise 4,56 olarak bulunmuştur (Çizelge
4.26-4.28, Şekil 4.17).
Çizelge 4.26 S3 parsellerinin AKI ve buğday verim değerleri
Parsel No
9
8
1
42
2
16
7
6
17
AKI
34.4
43.0
45.2
47.0
47.8
47.9
48.1
48.4
49.0
Verim kg/da
116.22
195.40
122.89
156.84
143.59
123.95
182.64
152.32
185.16
99 Çizelge 4.27 S3 parsellerinin AKI ve buğday verim değerleri
regresyon İstatistikleri
R
R2
Standart Hata
Gözlem
0.38084
0.14504
4.55778
9
Çizelge 4.28 S3 parsellerinin AKI ve buğday verim değerleri varyans analizi
ANOVA
Regresyon
Fark
Toplam
df
1
7
8
SS
MS
24.66879957 24.6688
145.4134227 20.7733
170.0822222
F
1.1875217
P
0.31191634
Şekil 4.17 S3 parsellerinin AKI ve buğday verim değerleri arasındaki ilişki
100 4.5.2. 29 Mayıs 2008 yılı SPOT 2 uydu görüntüsü NDVI piksel değerleri
ile arazi kalite indeksi ve verim ilişkisi
4.5.2.1 NDVI ve AKI ilişkisi
SPOT2 görüntüsünden elde edilen NDVI verilerinden ekili olan her parsel için piksel
değerleri elde edilmiş ve piksellerin ortalamaları alınarak parsel NDVI değeri
bulunmuştur. Bulunan NDVI değerleri ile ilgili parsellerin AKI değerleri arasındaki
ilişkinin istatistiki analizi yapılmıştır. İstatiksel analize göre NDVI ile AKI arasındaki
ilişki önemli bulunmuştur. Bu ilişkinin korelasyon değeri R= 0,71 bulunurken belirleme
katsayısı R2= 0,50 olarak tespit edilmiştir. Standart hata değeri ise 10,03 olarak
gözlemlenmiştir (Çizelge 4.29-4.31, Şekil 4.18).
Çizelge 4.29 2008 yılı Altınova TİM parsellerinin buğday verimi, AKI ve SPOT 2
NDVI değerleri
PARSEL
NDVI
AKI
No
190.99
14
79.4
214.47
22
78.9
158.74
25
57.8
181.80
26
62.5
179.96
27
58.0
64.3
202.82
28
200.18
29
79.1
204.32
30
79.4
191.04
31
73.6
205.45
33
66.8
204.86
34
62.0
199.30
35
70.7
194.46
36
73.1
208.74
38
79.0
186.63
39
62.7
174.25
40
52.5
174.66
41
61.2
Verim,
PARSEL
NDVI
AKI
kg/da
No
124.5
170.98 50.3
43
116.9
173.05 59.8
44
113.4
203.06 67.6
51
138.2
206.27 64.8
54
132.0
198.48 71.8
55
162.5
184.85 62.2
56
162.8
165.10 50.6
58
137.9
191.57 56.9
59
141.1
204.45 69.4
60
162.9
185.75 53.7
61
162.2
184.53 55.4
65
167.4
199.01 69.8
66
149.8
204.68 68.5
67
194.6
205.34 71.9
69
111.8
203.83 70.3
70
106.9
182.57 58.9
71
106.8
181.69 71.9
76
101 Verim,
kg/da
125.5
115.3
164.1
147.7
163.9
138.6
128.9
134.4
161.4
104.3
123.2
133.6
161.5
146.1
175.3
127.2
135.1
Çizelge 4.30 2008 yılı Altınova TİM parsellerinin AKI ve SPOT 2 NDVI
değerleri regresyon istatistikleri
R
R2
Standart Hata
Gözlem
0.7071536
0.5000662
10.032072
34
Çizelge 4.31 2008 yılı Altınova TİM parsellerinin AKI ve SPOT 2 NDVI değerleri
varyans analizi
df
Regresyon
Fark
Toplam
SS
MS
F
1 3221.412358 3221.412358 32.00848008
32 3220.558902 100.6424657
33 6441.97126
Şekil 4.18 2008 yılı Altınova TİM parsellerinin AKI ve SPOT 2 NDVI
değerleri arasındaki ilişki
102 P
2.931E-06
4.5.2.2 NDVI ve Verim ilişkisi
2008 yılı parsel verimleri ile NDVI değerleri arasında istatistiki analiz yapılmıştır.
İstatistiki analize göre verim ile NDVI arasındaki ilişki önemli bulunmuştur. Bu
ilişkinin korelasyon değeri R= 0.69,
belirleme katsayısı ise R2= 0.47 olarak
bulunmuştur. Standart hata değeri ise 10.34 olarak gözlemlenmiştir (Çizelge 4.32-4.33,
Şekil 4.19).
Çizelge 4.32 2008 yılı Altınova TİM parsellerinin NDVI ve verim değerleri regresyon
istatistikleri
R
R2
Standart Hata
Gözlem
0.68485
0.46903
10.3388
34
Çizelge 4.33 2008 yılı Altınova TİM parsellerinin NDVI ve verim değerleri varyans
analizi
df
Regresyon
Fark
Toplam
SS
1
32
33
MS
F
P
3021.45
3021.45
28.2665
3420.52
106.891
6441.97
7.90826E-06
Şekil 4.19 2008 yılı Altınova TİM parsellerinin NDVI ve verim değerleri
arasındaki ilişki
103 4.5.2.3 AKI ve Verim ilişkisi
2008 yılı parsel verimleri ile AKI değerleri arasında istatistiki analiz yapılmıştır.
İstatistiki analize göre verim ile AKI arasındaki ilişki önemli bulunmuştur. Bu ilişkinin
korelasyon değeri R= 0.52, belirleme katsayısı ise R2= 0.27 olarak bulunmuştur.
Standart hata değeri ise 7.51 olarak gözlemlenmiştir (Çizelge 4.34- 4.35, Şekil 4.20).
R
R2
Standart Hata
Gözlem
0.517742628
0.268057429
7.508079433
34
varyans analizi
Regresyon
Fark
Toplam
df
1
32
33
SS
MS
F
660.6303716 660.6303716 11.71927698
1803.880217 56.37125677
2464.510588
104 P
0.0017123
Şekil 4.20 2008 yılı Altınova TİM parsellerinin AKI ve verim değerleri arasındaki
ilişki
4.5.2.4 NDVI, AKI ve verim ilişkisi
2008 yılı parsel verimleri, AKI ve NDVI değerleri arasında istatistiki analiz yapılmıştır.
İstatistiki analize göre verim, AKI ve NDVI arasındaki ilişki önemli bulunmuştur. Bu
ilişkinin korelasyon değeri R=0.69, belirleme katsayısı ise R2=0.47 olarak bulunmuştur.
Standart hata değeri ise 16.82 olarak gözlemlenmiştir (Çizelge 4.36,-4.38 ).
R
R2
Standart Hata
Gözlem
0.686
0.471
16.8197
34
105 Çizelge 4. 37 2008 yılı Altınova TİM parsellerinin AKI, NDVI ve verim değerleri
varyans analizi
Regresyon
Fark
Toplam
df
2
31
33
SS
7816.640
8769.941
16586.581
MS
3908.320
282.901
F
13.815
P
0.000
Çizelge 4. 38 2008 yılı NDVI, AKI ve verim ilişkisinin katsayılarıa
Standart
OlmayanKatsayılar
B
Standart hata
Standart Katsayılar
Model
B
Sabit
-66.998
NDVI
1.023
AKI
0.174
a
bağımlı değiken:Verim
41.202
0.296
0.479
t
-1.626
0.678 3.452
0.067 0.362
P
0.114
0.002
0.720
4.5.3 17 Haziran 2005 yılı Landsat 7 uydu görüntüsü NDVI piksel
değerleri ile arazi kalite indeksi ve verim ilişkisi
Altınova Tarım İşletmesi arazilerinde AKI ve verim arasındaki ilişkiyi NDVI değerleri
ile karşılaştırmak için iki farklı döneme ait uydu görüntüsü alınmıştır. İç Anadolu’da
buğdayda klorofil düzeyi (yeşil doku) Mayıs sonu itibarıyla pik noktaya ulaşmaktadır.
Bu maksatla hem 29 Mayıs 2008 tarihli SPOT 2 uydu görüntüsü ve hem de 17 Haziran
2005 tarihli Landsat 7 uydu görüntüleri alınmıştır. SPOT 2 uydu görüntüsü ile ilgili
değerlendirme yukarıda yapılmıştır. Fakat Altınova şartlarında buğday hasadı Temmuz
ayı içerisinde yapıldığı için 17 haziranda parsellerdeki buğday bitkisinde sararmalar
başladığından elde edilen NDVI ile verim ve AKI arasındaki ilişki önemli olmasına
rağmen (P= 0,001**(P<0.01)) regresyon ve belirleme katsayıları düşük çıkmıştır. Bu
nedenle elde edilen formül modelleme çalışmasında değerlendirmeye alınmamıştır
(Çizelge 4.39).
106 Çizelge 4.39 2005 yılı Altınova TİM parsellerinin AKI ve Landsat 7 NDVI değerleri
AKI-Verim
AKI-NDVI
NDVI- Verim
R
0.55
0.17
0.14
2
R
0.303
0.029
0.019
St. Hata
8.50
10.04
48.47
n
F
P
46 19.160 7.302E-05 46 1.308 0.258852 46 0.830 0.3673043 4.5.4 Modelleme çalışması
Bu çalışmada, İç Anadolu koşullarında, farklı toprak özelliklerini içeren alanlar için bir
tahmin modeli oluşturulması hedeflenmiştir. Planlanan modelin içersinde kullanılacak
parametrelerin, aynı zamanda uydu verilerinin spektral özellikleri arasında yüksek
korelasyona sahip olması ve benzer alanlarda sadece uydu verileri ile rekolte tahmin
çalışması yapılmasını sağlayabilecek bir model olması amaçlanmaktadır.
Bu amaçla Arazi kalite İndeksi (AKI) ile 73 parselin 21 yıllık ortalama verimleri
arasındaki ilişki incelenmiş ve ilişki önemli bulunmuştur (P= 0,000…**(P<0.01)). Bu
ilişkinin regresyon formulü;
“Buğday Ortalama Verim (kg/da) = 14,376 + 3,07 AKI” olarak tespit edilmiştir. Bu
formülde regresyon katsayısı R= 0,87 iken belirleme katsayısı da R2= 0,75 olarak
bulunmuştur. Bu formüle göre verimdeki değişimin % 75’i AKI tarafından
açıklanmaktadır.
2008 yılına ait SPOT 2 uydu görüntüsünün NDVI yansıma değerleri ile AKI ve verim
arasındaki ilişkiler istatistikî olarak incelenmiş ve ilişki önemli bulunmuştur (P=
0,000**(P<0.01)). Bu ilişkinin regresyon formulü;
“Verim kg/da = NDVI*1.023+AKI*0.174-66,998” olarak tespit edilmiştir. (Çizelge
4.36). Burada da korelasyon katsayısı R= 0,67 iken belirleme katsayısı ise R2= 0.47
olarak bulunmuştur. Burada da verimdeki değişimin % 47’sini NDVI ve AKI
açıklamaktadır.
107 Çalışma alanının seçiminde en büyük etkenlerden bir tanesi işletmeye ait uzun yıllar
verim kayıtlarının olmasıdır. Ayrıca toprak yönetimi konusunda da tüm parsellere eşit
uygulamaların yapılmasıdır. Bunun yanında çalışma alanının detaylı bir toprak etüt
haritasının bulunması da diğer bir etken olmuştur.
Yukarıdaki modellerin formüllerinde AKI ile Verim arasında Belirleme Katsayısı R2=
0.75 olarak bulunmuştur. Bu katsayının daha yüksek olmasını etkileyen en büyük
etkenlerden bir tanesi parsel boyutlarının çok büyük olmasıdır. Parsel alanları 1100 ile
5260 da. arasında değişmektedir (Şekil 4.21).
Şekil 4.21 Altınova TİM parsellerinden bir örnek
Şekil 4.21 incelendiğinde bir parselin bir kısmı bir yıl ekilirken bir kısmı da diğer yıl
ekilmektedir. Yine bir parsel içerisinde farklı haritalama birimlerinin bulunması ve bu
haritalama birimlerinin farklı AKI değerlerine sahip olmasıdır.
Bir diğer etken toprak etüt ve haritalama çalışmalarında sadece uydu görüntülerinin
kullanılmış olmasıdır. Uydu görüntülerini coğrafi düzeltmelerinin düzgün yapılmamış
olması ve çözünürlüğünün düşük olması gibi etmenlerden dolayı
108 toprak parsel
haritaları ve topoğrafik haritalara tam olarak oturtulamamıştır. Ayrıca birkaç noktada
da uydu görüntüleri üzerindeki depresyonlar tam olarak yansıtılmamıştır (Şekil 4.22).
Şekil 4.22 Uydu görüntüsü toprak haritası sınır uyumsuzluğu
İşletme kayıtlarının incelenmesinde her yıl sürüm derinliğinin 18 cm olarak alındığı
görülmektedir. Sürüm esnasında bu derinlik daha da az olarak uygulanacağı için bir çok
alanda pulluk tabanı oluşmuştur. AKI ile verimin ilişkisini etkileyen bir diğer unsuru da
bu etki olduğu düşünülmektedir (Şekil 4.23)
109 Şekil 4.23 İşletme arazilerini temsilen açılmış bir profil
110 5. TARTIŞMA ve SONUÇ
Altınova Tarım İşletmesi Müdürlüğü; geçmiş yıllara ait verilerin mevcut olması, toprak
özelliklerine göre bir toprak yönetiminin kullanılması ve ülkede hububat üretiminin
yoğun olarak yapıldığı Orta Anadolu Bölgesinde olması açısından seçilmiştir. Böylece
bu çalışma ile buğday ekim alanlarında toprak kalite indeksi
ile ürün rekolteleri
arasında ilişkilerin UA ve CBS kullanılarak belirlenmesi ve benzer toprak özellikleri
gösteren alanlara özgü bir verim modeli oluşturulması hedeflenmiştir.
DTTEH kullanılarak Altınova Tarım İşletmesi Arazilerinin sayısal veri tabanı
oluşturulmuştur. Modern tarımda büyük ölçüde ihtiyaç duyulan detaylı temel toprak
haritalarında, toprakların kendi doğalarından kaynaklanan özellikleri ve davranışları ile
ilgili olarak gözlenebilen veya ölçülebilen bütün karakteristikler toprak serileri
içerisinde taksonomik üniteler şeklinde birleştirilirler. Bu haritalar ve raporlar ayrıca
araştırma, toprak ıslahı ve planlama alanlarında çalışanların ve çiftçilerin ihtiyaç
duydukları tüm ayrıntılı toprak özelliklerini de içerir (Dinç ve Şenol, 2001).
Veri tabanı oluşturulmasında en büyük sorun toprak haritalarının birleştirmesi ve parsel
haritaları ile çakıştırılması aşamasında gerçekleşmiştir.
Mevcut toprak haritaları
işletmeye ait toprak etüt haritalama raporunun ekinde A4 boyutunda basılı olarak
bulunmaktadır. Buradaki A4 boyutunda bulunan toprak haritaları taranarak bilgisayar
ortamına alınmış ve bilgisayar ortamında değişik fotoğraf programları ile birleştirilerek
sayısallaştırılmıştır. Sayısallaştırma işleminden sonra mevcut topoğrafik haritalar ve
parsel haritaları ile üst üstte çakıştırılma işlemine geçilmiştir. Haritaların çakıştırılması
sırasında gerek toprak haritalarının hazırlanması gerekse uydu görüntülerinin coğrafik
düzeltmeleri esnasında farklı yöntemlerin kullanılmış olması nedeniyle zorluklarla
karşılaşılmış ve bu zorluklar arazi çalışmaları ile giderilmeye çalışılmıştır. Bir toprak
etüt ve haritalama çalışmasında arazi çalışması ne kadar başarılı olursa olsun kullanılan
altlık materyalin (hava fotoğrafı, uydu görüntüsü vb.) coğrafik düzeltmeleri doğru
yapılmaz ise çalışmanın doğruluk oranı düşecektir. Dinç ve arkadaşları (1997)
tarafından yapılan DTTEH çalışmalarında Eylül 1992 tarihli Landsat-TM uydu
görüntüsü kullanılmıştır. Kullanılan uydu görüntülerinin altlık haritalar ve yer ile
111 uyumlu olabilmesi için coğrafik düzeltmelerin yapılması gerekir. Coğrafik düzeltmenin
amacı, sapmaları gidererek, düzeltilmiş sayısal görüntünün harita düzlemine
getirilmesini sağlamaktadır. Coğrafik düzeltme iki adımda gerçekleştirilir. İlk adımda,
sistematik olan sapmaların hata kaynakları matematiksel olarak modellenerek düzeltme
işlemi uygulanır. İkinci adımda ise, sistematik olmayan sapmalar ile bilinmeyen
sistematik sapmaların giderilmesi amaçlanır. Görüntüde homojen dağılan, konumu
belirgin, yol kesişimleri, yol-akarsu kesişimleri, hava alanları vb. yer kontrol noktaları
ile bu noktaların harita karşılıkları arasında matematiksel bağıntılar kurularak düzeltme
işlemi gerçekleştirilir (Süslü, 2007).
Bir işletmede parsellere ait kayıtların düzenli ve doğru bir şekilde tutulması hem
işletmenin geçmiş verimleri ile mevcut verimlerinin karşılaştırılması, envanter
oluşturulması ve hem de parseller ile ilgili gelecek planlama çalışmalarının yapılması
açısından çok önemlidir. Ayrıca düzenli ve doğru bir şekilde tutulan bu kayıtlar mevcut
çalışmada da olduğu gibi diğer bir çok bilimsel çalışmalar içinde altlık oluşturmaktadır.
Sayısal toprak veri tabanına aktarılan işletmenin topraklarının fiziksel, kimyasal ve
morfolojik özelliklerinden yararlanılarak her bir haritalama ünitesinin AKİ değerleri
hesaplanmıştır. AKİ’nin hesaplanması için Parametrik metotta (Karekök Metodu)
(Riquier ve ark. (1970) verilen formüller kullanılarak bilgisayar ortamında bir program
oluşturulmuştur. Oluşturulan program vasıtasıyla AKI değerleri ve bu değerlere karşılık
gelen arazi US bulunmuştur. Parametrik yaklaşım her bir arazi karakteristiğinin
sınırlayıcı faktörlerine bağlı olarak değişen düzeylere göre arazi değerlendirmesi
işlemidir (Riquier vd., 1970). Doran ve Parkin (1996) tarafından 'Toprak kalite
indikatörlerinin nitelikleri' konulu bir çalışmada; toprak kalitesi belirlenecek alanlarda,
seçilen kalite kriterlerinin tek tek puanlandırılması yerine, seçilen parametrelerinin bir
bütün halinde değerlendirilmesinin daha yararlı olacağı ifade edilmektedir. Öztaş
(2002), tarafından bildirildiğine göre ise tarım topraklarının fiziksel, kimyasal ve görsel
özelliklerinin her hangi biri bireysel olarak toprak kalitesini açıklamada yeterli
olmazken, hassas ve güvenilir bir grup fiziksel ve kimyasal toprak özellikleri toprak
kalitesi hakkında daha güvenilir ve doğru bilgiler verebilmektedir.
112 Altınova tarım işletmesi arazilerindeki tüm kayıtlar tarım parsellerine ait olarak kayıt
edilmektedir. Bu açıdan da oluşturulan AKI değerlerinin ve US’nın da tarım parselleri
veri tabanına aktarılması gerekmektedir. İşletmesi arazilerindeki parsellerin çok büyük
olması nedeniyle bir parsel içerisine çok fazla haritalama birimi düşmektedir. Bir parsel
içerisinde bulunan haritalama birimlerinin ağırlıklı ortalamalarından yararlanarak her bir
parselin AKI değerleri hesaplanmıştır. Buna göre tarım parsellerinin % 69,9’u S2
US’ında bulunmuştur. Arazi US
karşılık gelen her bir parselin AKI değerleri de
hazırlanan program vasıtasıyla hesaplanmıştır. Buna göre AKI değeri 34,4 ile en düşük
9 nolu parselde elde edilirken, 80 ile en yüksek 23 nolu parselde elde edilmiştir . Benzer
olarak Dengiz ve ark. (2005), Kahramanmaraş Tarım İşletmesi topraklarının parametrik
yöntemle kalite durumlarının belirlenmesi ismiyle yapmış oldukları çalışmalarında;
çalışma alanının % 55.1’inin tarımsal uygunluk açısından çok iyi ve iyi (S1, S2), %
16.5’inin orta uygun (S3), % 27.9’unun ise tarıma uygun olmadığını (N) tespit
etmişlerdir. Toprak haritalarının kullanıcı potansiyeli, bunlara toprakların belli
kullanımlar için uygunluk sınıflaması da eklendiği zaman, önemli derecede artmaktadır
(Pons, 1975). Toprak Etüt ve haritalama çalışmaları hangi nitelikte toprakların nerelerde
yer aldığını belirlemek için yapılmaktadır (Hızalan, 1969). Belirlenen bu farklı
nitelikteki toprakların en üretken bir şekilde kullanılması amaçlandığında çeşitli
kullanım türlerinin gereksinimleri dikkate alınarak bir planlamaya gidilmesi zorunludur
(FAO, 1977).
İşletme arazilerinin AKK sınıfları ile US karşılaştırıldığında I, II, III ve IV AKK
sınıfları S1, S2 ve S3 US’nin uyumlu olduğu görülmüştür. I. AKK sınıfı arazilerinin
% 70, 62’si S2 ve % 29,38’ i ise S1 US içerisinde yer alırken, II. AKK sınıflarının %
63,44’ü S1, % 34,42’si ise S2 US içerisinde yer almıştır. Ayrıca IV. AKK sınıfının %
82,82’si S3 US içerisinde yer aldığı gözlemlenmiştir. Tüm bunlara rağmen VI. AKK
sınıfı içerisinde % 6,38 S1 ve % 11,19 S2 uygunluk sınıflarının bulunması uygunluk
sınıflandırması
esnasında
kullanılan
bazı
toprak
parametrelerinin
AKK
sınıflandırmasında kullanılmaması varsayımına dayandırılmıştır. Bununla birlikte VI.
AKK sınıfı arazilerin % 49 N çıkması ve % 33,43 S3 çıkması VI. sınıf araziler işlemeli
tarıma uygun olmamakla beraber bu tür arazilerin bağ, bahçe veya özel ekolojilerinden
dolayı
toprak
işlemesiz
tarıma
uygun
113 olabileceği
ve
tarımsal
faaliyetlerin
yapılabileceğini göstermektedir. Benzer şekilde Akbaş ve Kılıç (2000), iki farklı arazi
değerlendirme yöntemi ile Tokat-Kazova Tarım İşletmesinin “Arazi Uygunluk
Sınıflamasını” belirlemişlerdir. Araştırmalarında Basit Sınırlama ve Şenol Arazi
Değerlendirme yöntemlerini kullanmışlar ve bu iki yöntemin sonuçlarını birbirleriyle
karşılaştırarak vermişlerdir. 4 arazi kullanım türü ve 23 arazi ünitesi belirlenen çalışma
alanında, 92 adet kıyaslama yapılmış, denemelerin 36 tanesinde “Şenol Arazi
Değerlendirme” ile “Basit Sınırlama Yöntemi” aynı sonucu vermiştir. Sonuçların her iki
yöntemle de aynı çıkma oranı, yaklaşık %39 olarak hesaplanmıştır.
Toprak alt grupları ile arazi uygunluk sınıflarının karşılaştırılmasında Typic Xerorthent,
Xeric Haplocalcid ve Xeric Haplocambid alt grupları ile US arasında uyumluluk
gözlemlenmiştir. Buna göre Entisol ordosuna ait Typic Xerorthent alt grubu S2 US
içerisinde yer alırken, Aridisol ordosuna ait Xeric Haplocalcid ve Haplocambid alt
ordoları S1 ve S2 US içerisine dahil olmuşlardır. Vertic özellik gösteren Aridisol
ordosuna ait Xerertic Haplocambid alt grubu ile Vertisol ordosunu ait Typic Calcixerert
alt gurubuna ait % 64,42’lik bir alan S1 US içerisine dahil olmuştur. Normalde bu alt
gruba dahil olan topraklarda fazla kilden dolayı şişme büzülme olaylarının olması,
kurak dönemlerde aşırı çatlakların oluşması, toprakta su hareketinin düşük olması gibi
unsurlardan dolayı bu toprakların daha alt uygunluk sınıfları içerisinde olması beklenir.
Parametrik metodu oluşturan toprak parametreleri içerisinde Vertisol toprakların
kısıtlayıcı olarak bulunmaması, tekstür sınıfı içerisinde hem yüzey horizonunda ve
hemde yüzey altı horizonda kil miktarına bağlı olarak kısıtlayıcı oranın 5’er puan
olması US atlatmada yeterli olmamaktadır. S1 US 75-100 puan aralığında olduğundan
ve her sınıf içerisinde uygunluk sınıfı aralıklarının 25 puan gibi genelde geniş bir puan
aralığında olması diğer toprak parametrelerinin (eğim, derinlik vb.) uygun olduğu
durumlarda US değişimi için yeterli olmamıştır. Yine Aridisol ordosu içerisinde yer
alan Xeric Petrocalcid alt grubuna ait toprakların da % 46,36 gibi büyük bir kısmının
S2 US içerisinde kaldığı görülmüştür. Normalde burada da Petrocalcic yapıdan dolayı
bu gruba dahil toprakların çoğunlukla S3 ve N US içerisinde olması beklenir. Bir önceki
örnekte de olduğu gibi parametrik metodun diğer toprak karakteristikleri başlığı
altındaki kök gelişimini etkileyen ilk 75 cm içerisinde herhangi bir sert tabakanın
oransal değeri 5 olduğundan burada da sınır değerlerinde olmayan AKI değerlerini fazla
114 etkilemediğinden US değişimi olmamıştır. Benzer olarak Bayramin (2003), “Beypazarı
topraklarının MEDALUS metoduna göre toprak kalite indekslerinin belirlenmesi” adlı
çalışmasında; Toprak kalite indeksi (TKİ) sınıflarının çalışma alanı topraklarına göre
dağılımında, Typic Xerofluvents ve Fluventic Haploxerepts’lerin hemen hemen
tamamının yüksek TKİ sahip olduğunu gözlemlemiştir. Typic Haploxerepts ve Typic
Xerorhents’lerin de %88.7 ve %78.4 ile yine yüksek TKİ değerlerine sahip olduğunu
belirlemiştir. Typic Calcixerepts ve Gypsic Haploxerepts’lerde orta TKİ değerlerini
tespit etmiştir. Çalışmasında en büyük dağılıma sahip Lithic Xerorhents’lerin %
73.1’inde orta ve düşük TKİ değerleri sahip olduğunu da bildirmiştir. Yine bu çalışması
ile toprakların, ana materyal özelliklerinin, eğim, derinlik ve tekstür gibi
parametrelerinin TKİ’nin belirlenmesinde son derece önemli olduğunu ve TKİ değerleri
ile toprak sınıfları ve bunların arazi kullanımları arasında yakın bir ilişki olduğunu da
belirtmiştir.
Altınova TİM tarım parsellerinin 21 yıllık parsel buğday verim ortalamaları ile AKI
değerleri
arasında
regresyon
analizi
yapılmıştır.
Yapılan
regresyon
analizi
incelendiğinde AKI ile verim arasındaki ilişki önemli bulunmuştur. İlişkinin korelasyon
değeri R= 0.87 olarak tespit edilmiştir. Yine elde edilen istatistik değerlerine göre
belirleme katsayısı R2= 0.75 olarak elde edilmiştir. Ayrıca her bir yılın parsel buğday
verimleri ile AKI değerlerin arasında da regresyon analizleri yapılmıştır. Her yılın
istatistik analizlerine göre AKI ile verim arasındaki ilişki önemli bulunmuştur. 19862008 yılları arasındaki korelasyon değerleri 0.510 ile 0.776 arasında değişmektedir.
Belirleme katsayıları ise 0.260 ile 0.603 arasında değişim göstermektedir. Normalde her
bir haritalama biriminin veya Toprak Etüt ve Haritalama yapılan alanlarda her bir
serinin en az 10 yıllık verim değerlerinin tutulması ve bu alanların AKI değerleri ile
verimlerinin karşılaştırılması gerekmektedir. Benzer bir çalışmada Karakaş (2004),
toprak özellikleri ile pamuk verimi arasındaki ilişkiyi belirlemek amacı ile yaptığı
çalışmada Şanlıurfa ili Harran Ovası kapsamındaki 18 sulama birliğinin kapladığı alanı
seçmiştir. Toprak özellikleri ve pamuk verimi arasındaki ilişkiyi kurmak için 1/30 000
ölçekli toprak haritası bilgisayar ortamına aktarılarak sayısallaştırılmıştır. Ovadaki bitki
yoğunluğunu belirtmek ve verim tahmininde bulunmak üzere 2002 yılı Eylül ayına ait
Landsat 7 ETM+ görüntüsüne NDVI modeli uygulayarak ovanın az yoğundan, çok
115 yoğuna doğru farklı derecelerdeki NDVI değerlerini bulmuş ve NDVI haritasını
oluşturmuştur. NDVI sınıflamasında ovadaki bitki indeksi değerleri -1 ile +0.59
arasında
yer
almıştır.
Ovadaki
pamuk
verim
seviyelerini
belirlemek
için
zenginleştirilmiş görüntülerden yararlanılarak farklı alanlardaki parsellerden verim
değerleri alınmıştır. Ovanın farklı alanlarından aldığı bu verim değerlerini CBS
ortamında NDVI haritası ile ilişkilendirmiştir. Bu ilişki doğrultusunda ovada dört farklı
verimliliğe sahip pamuk verim haritası oluşturmuştur. Buna göre pamuk alanlarının %
28,8’inin düşük verimli,% 31,4’ünün orta ve % 46,3’ünün yüksek verime sahip alanlar
olduğu bulmuştur. Oluşturulan bu veriler doğrultusunda pamuk verimi ve toprak
özellikleri arasındaki ilişkiyi sorgulamıştır. Düşük verimli alanlarda derinlik, eğim,
taban suyu ve tuzluluk parametrelerinin pamuk verimi üzerinde belirgin bir etkiye sahip
olduğunu görmüştür. Yüksek verimli alanlarda toprak özelliklerinin derinlik, eğim,
tuzluluk, drenaj bakımından problemsiz alanlar olduğunu belirtmiştir.
Çalışma alanında verim kayıtlarının tarım parselleri bazında tutulması, her bir parsel
içerisinde değişik AKI değerlerine ait haritalama ünitelerinin bulunması ve bu
haritalama birimlerinin her bir parselin içerisinde ağırlıklı ortalamalarının alınarak
parsel ağırlıklı AKI değerinin oluşturulması ve bu AKI değeri ile verimin
karşılaştırılması yapılan istatistikte oranı düşüren en büyük etken olmuştur. Yine toprak
etüt ve haritalama çalışmasında yapılan hatalar ile toprak yönetiminde özellikle
sürümden meydana gelen hatalar istatistiki oranın düşmesine neden olmuştur. Ayrıca
morfolojik ve kimyasal bazı toprak karakteristiklerinin kısıtlayıcı unsurları (kil miktarı,
petrocalcic yapı vb.) AKI içerisinde sınırda olmayan ve diğer karakteristik özellikleri iyi
olan alanlarda toprak özelliklerinin oranları sınıf atlatmada yeterli olmadığından
istatistiki değerin maksimum olmasında azaltıcı bir unsur olduğu düşünülmüştür.
Rekolte ile NDVI arasında kuvvetli bir ilişki vardır ve bu ilişkinin anlaşılması çok
önemlidir (Jiang vd. 2004). Birçok bitki örtüsü indeksi elektromanyetik spektrumun
görünür ve yakın kızılötesi bölgelerinden tayfsal bitki örtüsü karakteristiklerini
zenginleştirmek için kullanılabilir. Bu indeksler genellikle biokütle veya yaprak alanı
indeksleri gibi bazı bio fiziksel parametrelerle ilişkilendirilir (Shimabukuro vd. 1996).
Bitkiler özellikle yakın kızılötesi bölgede yansıma yaparlar. Bitki ve su arasındaki
116 kontrastlık bu bölgede görünür. Tayfın görünen kırmızı bandında; bitki, çıplak arazi,
kayalık arazi ve insan yapısı cisimler çok iyi kontrastlık sağlarlar. Çıplak veya satıhtaki
insan yapısı cisimlere göre bitkiler, tayfın görünen kırmızı bandına eğilim gösterirler,
bu nedenle koyu renkte görünürler. Çıplak veya satıhtaki insan yapısı cisimler ise,
tayfın bu kısmında açık renkte ve parlak görüntü verirler (Gündeş, 2007). Bu bağlamda
çalışma alanında verim ile AKI, yine verim ile NDVI, AKI ile NDVI ve verim ile AKI
ve NDVI arasındaki ilişkileri tespit etmek için 29 Mayıs 2008 tarihli SPOT 2, 17
Haziran 2005 tarihli iki uydu görüntüsü alınmış ve bu görüntülerden NDVI üretilmiştir.
Üretilen her bir NDVI görüntüsünün 2005 ve 2008 ekili tarım parselleri ile çakışan
kısımlarında bulunan piksel değerleri toplanmış ve bu yıllarda ekili olan her bir parselin
ortalama piksel değeri bulunmuştur. Bulunan parsel piksel değerleri ile parsele ait AKI
değerleri ve verimleri arasında regresyon analizi yapılmıştır. Normalde bir bölgede en
yüksek NDVI değerini bulmak için bitkinin yeşil dokusunun oluştuğu devrelerde farklı
uydu görüntüleri temin edilerek bu görüntülerden yüksek değerli olanının kullanılması
gerekmektedir. Bunun yanında İç Anadolu koşullarında en yoğun yeşil dokunun Mayıs
sonu Haziran başı olması sebebiyle bu dönemlere en yakın olan görüntülerin tarihleri
seçilmiştir. Bu bağlamda 29 Mayıs 2008 tarihli SPOT 2 uydu görüntüsü ve hem de 17
Haziran 2005 tarihli Landsat 7 uydu görüntüleri alınmıştır. Altınova TİM şartlarında
buğday hasadı Temmuz ayı içerisinde yapıldığı için 17 Haziranda parsellerdeki buğday
bitkisinde sararmalar başladığından elde edilen NDVI ile verim ve AKI arasındaki ilişki
önemli olmasına rağmen (P= 0,001**(P<0.01)) regresyon ve belirleme katsayıları düşük
çıkmıştır.
29 Mayıs 2008 tarihli SPOT2 görüntüsünden elde edilen NDVI verileri ilgili parsellerin
AKI değerleri arasında yapılan istatistiki analizin ilişkisi önemli bulunmuştur. İstatiksel
analize göre R= 0,71 bulunurken belirleme katsayısı R2= 0,50 olarak tespit edilmiştir.
Parsel verimleri ile NDVI değerleri arasında istatistiki analiz yapılmış ve ilişki önemli
bulunmuştur. Bu ilişkinin korelasyon değeri R= 0.69, belirleme katsayısı ise R2= 0.47
olarak bulunmuştur. Parsel verimleri, AKI ve NDVI değerleri arasında istatistiki analiz
yapılmıştır. İstatistiki analize göre verim, AKI ve NDVI arasındaki ilişki önemli
bulunmuştur. Bu ilişkinin korelasyon değeri R= 0.69, belirleme katsayısı ise R2= 0.47
olarak bulunmuştur. Altınbaş vd. (2001), Landsat-5 ve Landsat-7 ETM sayısal uydu
117 görüntülerinde 4-5-3 bant birleşimlerini kullanarak 2000 yılı için tüm Ege Bölgesi’nin
pamuk ekili alanlarını ve ürün rekoltesini belirlemişlerdir. Bir çok araştırmada
vejetasyondaki değişimlerin ilgili alanlara ait uydu görüntüleri üzerindeki NDVI
değerlerindeki değişimler yolu ile takip edilebileceği bildirilmektedir (Bastin vd. 1993,
Pickup ve Chewings 1994, Minor vd. 1999). Benzer bir diğer çalışmada Süslü (2007),
klasik yöntemlerle hasattan 2-3 ay sonra ancak belirlenebilen rekolte miktarının oluşturulan
uzaktan algılama yöntemiyle hasattan 1.5-2 ay önce belirlenebildiğini belirtmiştir. Böylece
NDVI, OSAVI ve SAVI yöntemlerini kullanılarak arpa ve buğday ekili alanların rekolte
tahminlerini hesaplamıştır. Elde ettiği verileri İlçe Tarım Müdürlüğü verileriyle
karsılaştırdığında NDVI ile % 99, OSAVI ile % 99 ve SAVI ile arpa % 94, 83 ve buğdayı
% 98 doğrulukla hesaplamıştır.
Bu çalışmada, İç Anadolu koşullarında, farklı toprak özelliklerini içeren alanlar için bir
tahmin modeli oluşturulması hedeflenmiştir. Planlanan modelin içersinde kullanılacak
parametrelerin, aynı zamanda uydu verilerinin spektral özellikleri arasında yüksek
korelasyona sahip olması ve benzer alanlarda sadece uydu verileri ile rekolte tahmin
çalışması yapılmasını sağlayabilecek bir model olması amaçlanmaktadır. Bu amaçla
Arazi kalite İndeksi (AKI) ile 73 parselin 21 yıllık ortalama verimleri arasındaki ilişki
incelenmiş ve ilişki önemli bulunmuştur (P= 0,000…**(P<0.01)). Bu ilişkinin
regresyon formülü;
“Buğday Ortalama Verim (kg/da) = 14,376 + 3,07 AKI” olarak tespit edilmiştir. Bu
formülde korelasyon katsayısı R= 0,87 iken Regresyon katsayısı da R2= 0,75 olarak
bulunmuştur. Bu formüle göre verimdeki değişimin % 75’i AKI tarafından
açıklanmaktadır.
2008 yılına ait SPOT 2 uydu görüntüsünün NDVI yansıma değerleri ile AKI ve verim
arasındaki ilişkiler istatistikî olarak incelenmiş ve ilişki önemli bulunmuştur (P=
0,000**(P<0.01)). Bu ilişkinin regresyon formülü;
“Verim kg/da = NDVI*1.023+AKI*0.174-66,998” olarak tespit edilmiştir. (Çizelge
4.36). Burada da korelasyon katsayısı R= 0,67 iken Regresyon katsayısı ise R2= 0.47
olarak bulunmuştur. Burada da verimdeki değişimin % 47’sini NDVI ve AKI
açıklamaktadır. Benzer bir çalışma olarak Dubey vd. (1994), Hindistan’ın Punjap
118 eyaletinde uzaktan algılama yönteminin yer uygulaması ile destekledikleri çalışmada
buğday veriminim spektral indeks ile ilişkili olduğunu belirtmişlerdir. Verimin Landsat
uydularında
elde
edilen
fotoğraftaki
kırmızılık
oranlarıyla
ilişkili
olduğunu
bildirmişlerdir. Agrometeorolojik verilerin de spektral indeks – verim ilişkilerine dahil
edilmesi sonuçlarını geliştirmişlerdir. Landsat MSS/IRS LISS-I datalarını, 1989-1990
dönemi için buğday verim tahmini yapmak için kullanmışlardır. Uzaktan algılama ile
üretim tahminlerini eyalet düzeyinin genelinde iyi sonuçlar verdiğini bildirmişlerdir,
fakat ilçe düzeyinde yer gerçekleriyle tahminler arasında büyük sapmalar bulmuşlardır.
Yukarıdaki modellerin formülleri incelendiğinde özellikle belirleme katsayıları (R2
değerleri) verimle değişkenler arasındaki istatistiki ilişki bulunmasına rağmen düşük
çıkmıştır. Bunun temel sebeplerini şöyle sıralayabiliriz;
1- Parsel alanlarının büyük olması: İşletmedeki parselleri
alanları 1100- 5260 da
arasında değişmektedir. Bir parsel içerisine birden çok farklı AKI değerleri düşmekte ve
bunların alansal ortalamaları alınarak parselin AKI değerleri hesaplanmaktadır. Parsel
veriminde ortalama olması ilişkinin belirleme katsayılarının ortalamalardan dolayı
düşmesine sebep olmaktadır.
2-Toprak yönetimi: İşletmede toprak yönetimi tüm parsellere özelliklerine göre eşit
uygulansa da özellikle toprak hazırlama aşamasında uzun yıllar aynı derinlikte toprak
sürümü bir çok alanda taban taşı oluşmasına sebep olmaktadır. Bu durum toprakta su
depolanmasını kısıtladığından verimde düşmelere sebep olmaktadır.
3- Buğday çeşit değişikliği: Bir çok parselde bazı yıllar buğdayın farklı çeşitleri
ekilmiştir. Çeşitlerin fizyolojik özelliklerinden dolayı aynı parsellerde değişik yıllarda
ürün verimlerinde farklılıklar oluşmasına neden olmuştur. Yine verimdeki bu
değişmelerde belirleme katsayılarının düşmesine neden olmuştur.
4- Toprak haritası parsel uyuşmazlığı: Gerek toprak haritasının yapımı ve uydu
görüntüsünün işlenmesi sırasındaki coğrafi düzeltme farklılıkları ve gerekse parsel
119 haritasındaki projeksiyon farklılıkları sebebiyle parsel haritaları ile toprak haritalarının
çakıştırılmasında uyumsuzluklar yaşanmıştır. Özellikle parsel kenar farklılıklarından
dolayı AKI’daki değişmeler parsel AKI değerlerini düşürmüş veya artırmıştır. Yine bu
durum verim ile AKI değerinin istatistiki ilişkisine etki etmiştir.
5- AKI değerleri: AKI değerlerinin bazıları katsayı oranı olarak araziyi verim ile
ilişkilendirmede veya buğday verimine etki edebilecek seviyesinde tam yeterli olmamış
olabilir. Özellikle Vertisol toprakların bir çok özelliği (şişme- büzülme pediturbasyon
vb) model içerisinde yer almamıştır. Yine kil miktarında 5 puanlık katsayı oranı veya
petrocalcic yapıdan kaynaklanan 5 puanlık katsayı oranları verim ile ilişkilendirmede
yetersiz kalmaktadır.
6- İşletme kayıtları: İşletmeye ait parsellerin envanter kayıtlarının yeterli olmadığı
düşünülmektedir. Özellikle ekstrem yıllarda
verimlerdeki değişmelerin tam olarak
nedenlerinin olmaması bunlara örnek olarak gösterilebilir.
7- Spektral Çözünürlük: Spektral çözünürlüğünün oldukça iyi olması (10 nm) ve tayfın
görünür, yakın kızılötesi ve orta kızılötesi bölgelerinde çok dar bant aralıklarında
görüntüleme yapması ve uygun bant seçimi ve bant kombinasyonları ile doğruya
oldukça yakın sınıflandırma ve yorum yapmaya imkan tanıması nedeniyle hiperspektral
görüntülerin kullanımı verim ve bitki indeksleri arasındaki ilişkileri daha iyi ortaya
koyacaktır.
AKI verim ilişkisinin çok daha sağlıklı kurulabilmesi için özellikle seri toprak
haritalarının yapıldığı alanlarda her seriyi temsil eden parseller belirlenerek bu
parsellerin uzun yıllar verim ve toprak yönetimi (en az 10 yıl) kayıtlarının tutulması
gerekmektedir. Ayrıca bu parsellerin verimleri ile AKI değerleri ve NDVI değerlerinin
birlikte değerlendirebilmesi içinde her yıl yeşil dokunun en üst yansımayı verdiği
dönemlerde çözünürlüğü yüksek uydu görüntüleri temin edilerek bu görüntülerden
NDVI üretilip çıkan sonuçları yine uzun yıllar (10 yıl) karşılaştırılması ile daha sağlıklı
modellerin oluşturulması önerilmektedir.
120 Yukarıda belirlenen tüm olumsuzluklara rağmen Altınova Tarım İşletmesinin tarım
parsellerinden elde edilen AKI ve verim arasındaki belirleme katsayısının R2= 0,75
çıkması be değerin benzer alanlarda kullanılması ve ürün rekoltesinin en azından % 75
doğrulukla hesaplanması açısından önemli bir değer vermektedir. Buradan elde edilen
değeri tahmin modellemesinde toprak özellikleri dışında kullanılan diğer parametrelerle
birleştirilerek kullanılması benzer özellikli bölgesel değerlendirmelerde daha doğru
sonuçlar alınmasına katkıda bulunacaktır.
121 KAYNAKLAR
Akalın, A. 1997. İklim verilerinden yararlanılarak Türkiye buğday üretiminin tahmini.
Başbakanlık Devlet İstatistik Enstitüsü Başkanlığı. (Uzmanlık tezi). Ankara.
Akbaş, F. ve Kılıç, M. 2000. İki farklı arazi değerlendirme yöntemi ile Tokat-Kazova
işletmesinin arazi uygunluk sınıflaması. Turkish Journal of Agriculture and
Forestry, 24, 5, s: 551-560.
Altınbaş, Ü., Kurucu, Y. ve Bolca, M. 2001. Ege bölgesi ve çevresinin 2000 yılına ait
pamuk ekili alanları ve ürün rekoltesinin uzaktan algılama tekniği - uydu verileri
ile saptanması üzerine araştırmalar. Ege Üniversitesi Araştırma Fonu Projesi,
Proje No: 2000/Bil/030, Ege Üniversitesi Ziraat Fakültesi.
Altınbaş, Ü., Kurucu,Y., Bolca, M., Esetlili, M.T., Özden, N., Özen, F. ve Türk, T.
2003. Uzaktan algılama ve coğrafi bilgi sistemi uygulamalı temel kursu ders
notları. 09-14 Haziran 2003, Kampüs-Bornova/İzmir. Ege Üniversitesi Ziraat
Fakültesi Toprak Bölümü, Bornova/İZMİR.
Anonim. 1999. Uzaktan algılama ile Türkiye tahıl ekili alan ve rekolte çalışması.
Başbakanlık Devlet İstatistik Enstitüsü, Ankara.
Anonim, 2006, www.zoi.fuw.edu.pl.
Anonim, 2002. Erdas Imagine temel yazılımı. İşlem Şirketler Grubu, Ankara.
Bastin, G.N., Pickup, G., Chewings, V.H. and Pearce, G.1993. Land degradation
assessment in central Australiausing a grazing gradient method. The Rangeland J.,
15 (2): 190-216.
Bayramin, İ. 2003. Beypazarı topraklarının MEDALUS metoduna göre toprak kalite
indekslerinin belirlenmesi. HR. Ü.Z.F.Dergisi, 2003, 7 (3-4):29-35 J.Agric Fac.
HR. U. 2003, 7 (3-4): 29-35. Sayfa 34.
Benli, E., Balaban , A., Kodal, S. ve Tokgöz, A. 1990. Türkiye buğday üretiminin
tahmini. Ankara Üniversitesi, Ziraat Fakültesi Yayınları. Yayın No: 1191.
Ankara.
Boissard, P., Guerif, M., Pointel, J.G. and Guinot, J.P. 1989. Application of SPOT data
to wheat yield estimation. Inra Station de Bioclimatologie, 7- 8850 ThivervalGrignon, France.
Canadian Space Agency. 1996. RADARSAT Geology Handbook, RADARSAT
International, Canada.
Cangir, C. and Boyraz, D. 2002. The complex root parametric system for land
evaluation method on soils of the thrace region. International Conference on
Sustainable Land Use and Management. Çanakkale, Turkey.
Cracknell, A. and Hayes, L. 1991. Introduction to remote sensing, London : New York :
Taylor & Francis.
Çağlar, K.Ö. 1949. Toprak bilgisi. A.Ü. Yayın No:10.
122 Dadhwal, V.K. and Sridhar, V.N. 1997. A non-linear regression form for vegetation
index- crop yield relation incorporating acquisition date normalisation.
International J. Remote Sensing 18(6): 1403-1408.
Dengiz, O. 2002. Ankara-Gölbaşı ilçesi ve yakın çevresinde yayılım gösteren arazilerin
kalite durumlarının belirlenmesinde parametrik metod yaklaşımı. S.Ü. Ziraat
Fakültesi Dergisi. 16 (30): (2002) 59-69.
Dengiz, O., Bayramin, İ., Usul, M. 2005. Kahramanmaraş tarım işletmesi topraklarının
parametrik yöntemle kalite durumlarının belirlenmesi. A. Ü. Tarım Bilimleri
Dergisi, 11(1) 45-50
Dinç, U., Yeşilsoy, Ş., Cangir, C., Şenol, S., Kapur, S. ve Karaman. C. 1997. Altınova
Tarım İşletmesi topraklarının detaylı toprak etüt ve haritalaması. Tarım İşletmeleri
Genel Müdürlüğü Yayınları No: 23 100 sayfa. Ankara
Dinç, U. ve Şenol, S. 2001. Toprak etüt ve haritalama. Ç.Ü. Ziraat Fakültesi. Genel
Yayın No: 161. Ders Kitapları Yayın No: A- 50.
Doğan, O. ve Denli, Ö. 1999. Türkiye’nin yağış-kuraklık-erozyon indisleri ve kuraklık
dönemleri. Başbakanlık, Köy Hizmetleri Genel Müdürlüğü, Ankara Araştırma
Enstitüsü Müdürlüğü, Genel Yayın No:215, Teknik Yayın No: 60.
Doran JW. And Parkin, T.B. 1994. Defining and assessing soil quality. In: Doran JW et
al. (ed), Defining Soil Quality for Sustainable Environment, SSSA Spec. Pulbl.
35, Madison, WI, 3-22.
Dubey, R.,Ajwani, N., Kalobarme, M. and Sridhar, V. 1994. Pre- harvest wheat yield
and production estimatin for the Punjab. Land Research Division, Space
Applications Centre, Ahmedabad 380 053, India.
Drury, S.A., 1990, A Guide to Remote Sensing Interpreting Images of Earth, Oxford
Univ. Pres.
Eroğlu, E., Kurucu, Y. ve Atalay, İ.Z. 2008. Bazı tarım ürünlerinin bitki besin
elementleri noksanlıkları ile elektromanyetik enerji yansıma özellikleri arasındaki
ilişkiler, Yüksek Lisans Tezi. Ege Üniversitesi Ziraat Fakültesi (Basılmamış).
Esetlili, M. T. 2001. Uzaktan algılama tekniği ile pamuk ekili alanlarının
belirlenmesinde kontrollü (supervised) sınıflandırma yöntemlerinin irdelenmesi
üzerine bir araştırma. E.Ü. Fen Bilimleri Enst. Yüksek Lisans Tezi.
Esetli, M.T. ve Kurucu, Y. 2003. Uzaktan algılama tekniği ile pamuk ekili alanların
belirlenmesinde kontrollü (supervised) sınıflandırma yöntemlerinin irdelenmesi
üzerine bir araştırma. Ege üniversitesi Ziraat Fakültesi Dergisi, 2003. 40 (2): 105112 ISSN 1018-8851.
Evsahibioğlu, A.N. ve Kodal, S. 1992. Uzaktan algılama tekniklerinden yararlanılarak
Ankara ve Çankırı illerinde buğday üretim tahminleri. IV. Ulusal Tarımsal
Yapılar ve Sulama Kongresi. 24-26 Haziran 1992. Atatürk üniversitesi Ziraat
Fakültesi Tarımsal Yapılar ve Sulama Bölümü, Erzurum.
Evsahibioğlu, A. N. 1994. Uzaktan algılama teknikleri ile Trakya bölgesinde buğday
ekim alanı ve üretim tahminleri. II. Uzaktan Algılama ve Türkiye’deki
Uygulamaları Semineri,Uludağ- Bursa.
123 FAO. 1977. A. Framework for land evaluation. International Institute for Land
Reclamation and Improvement/ ILRI. Publucation 22. Wageningen, The
Netherlands 87 P.
Giordano, L., Giardino, F., Grauso, S., Iannetta, M., Sciortina, M., Rossi L. and Bonati.
G. 2002. Identification of areas sensitive to desertification in Sicily Region.
ENEA, Centro Ricerche Casaccia, Via Anguillarese 301, 00060 Rome, Italy.
Gündeş, S. 2007. Türkiye’nin bitki örtüsü değişiminin NOAA uydu verileri ile
belirlenmesi. (Yüksek Lisans Tezi). Çukurova Üniversitesi, Fen Bilimleri
Enstitüsü, Fizik Anabilim Dalı.
Hızalan, E. 1969. Toprak etüt ve haritalama I.A.Ü. Ziraat Fakültesi Yayınları, 379, 218.
S.
İspir, E. 2000. Uzaktan algılama yöntemleri ile Köyceğiz bölgesindeki sığla
ormanlarının değişim analizi, Yüksek Lisans Tezi, İTÜ Fen Bilimleri Enstitüsü,
İstanbul.
Jiang, D., Yang, X., Clinton, N. and Wang, N., 2004, An artificial neural network model
for estimating crop yields using remotely sensed ınformation. International
Journul of Remote Sensing, Vol.25, No.9, 1723- 1732.
Karakaş, S. (2004). Coğrafik bilgi sistemi ve uzaktan algılama teknikleri kullanılarak
toprak özellikleri ile pamuk verimi arasındaki ilişkinin belirlenmesi. Fen Bilimleri
Enstitüsü,Toprak Ana Bilim Dalı ,Yüksek Lisans Tezi,H.Ü.,Şanlıurfa.
Khiddir, S.M. 1986. A statistical approach in the use of parametric systems applied to
the FAO Framework of land evaluation. Ph.D. thesis, I.T.C. Ghent.
Kün, E., Adak, M., Ulukan, S., Emeklier H. ve Duaıtan, H V. 1900. Türkiye'nin tahıl
üretim potansiyeli ve stratejisi .Türkiye Ziraat Mühendisliği 3 Teknik Kongresi. 8
- 1 2 Ocak 1900, .Ankara Üniversitesi Ziraat Fakültesi .Ankara.
Kurucu, Y., Altınbaş, Ü. ve Bolca, M. 2000. Ege’de pamuk alanlarının ve ürün
rekoltesinin uzaktan algılama tekniği kullanılarak belirlenmesi. İzmir Ticaret
Borsası, İzmir.
Kurucu, Y., Altınbaş, Ü., Bolca, M., Esetlili, M.T., Özden, N. ve Özen, F. 2003. Pamuk
ekili alanların uydu teknolojisi kullanılarak belirlenmesi. Pamukta Eğitim
Semineri, EBİLTEM, Ege Üniversitesi, 14-17 Ekim 2003-İzmir.
Kurucu, Y., Bolca, M., Altınbaş, Ü., Esetlili, M.T., Özden, N. and Özen F. 2004.
Determination of electromagnetic energy reflection characteristics of cotton
planted areas during by using satallite ımages and a portable spectrometer. Journal
of Applied Sciences - 4 (3): 374-379. ISSN 1607-8926.
Kurucu Y. ve Balık, F. 2004. Ege bölgesi koşullarında doğal ve kültür bitki örtülerinin
haritalanması
amacıyla
mikrodalga
(RADAR)
uydu
görüntülerinin
kullanılabilirliği üzerine bir araştırma. Türkiye Bilimsel ve Teknik Araştırma
Kurumu, Proje No; TOGTAG-2903.
Kurucu, Y. 2009. Uzaktan algılama tekniği ders notları. Ege Üniversitesi Ziraat
Fakültesi, Toprak Bölümü, İzmir.
124 Lamelas, C.M., Gamboa, D.E., Manzur, J. and Perez, F.R. 1991. Wheat yield in
Tucuman province, Statistical Model for Its Estimation. Tucuman, Argentina.
Li, Y.Z. 1990. Estimating production of winter wheat by remote sensing and unifield
ground network. II. Nationwide Estimation of Wheat Yields. Academy of
Meteorolojical Science, Beijing, China.
Maktav, D. ve Sunar F. 1991. Uzaktan algılama kantitatif yaklaşım. Hürriyet Ofset,
İstanbul.
Mansour, M.K. 2003. Use of remote sensing for explaining variations of relative yield
of pistachio trees. ITC, International Institute For Geo-Information Science and
Earth Observation Enschede, the Nedherlands.
Minor, T. B, Lancester, J. And Timothy, G.W. 1999. Evaluating change in rangeland
condition using multitemporal AVHRR data and geographic information system
analysis. Environmenta I Monitoring and Assessment, 59: 211-223.
Nagler, P. L. , Glenn, E.P., Thompsona, T. L. and Huete A. 2004. Leaf area index and
normalized difference vegetation index aspredictors of canopy characteristics and
light interception by riparian species on The Lower Colorado River. Agricultural
and Forest Meteorology, Elsevier Science Inc.
Örmeci, C., Müftüoğlu, O., ve Sunar, F. 1992. Landsat thematic mapper verileri
kullanarak hububat ekim alanlarının sınıflandırılması. İTÜ, İstanbul.
Örmeci, C. 2000. Uzaktan algılama (temel esaslar ve algılama sistemleri).
Matbası, İstanbul.
İTÜ
Örüklü, E. 1988. Uzaktan algılama. Yıldız Teknik Üniversitesi Yayınları, İstanbul.
Özkan, C. 2000. Uzaktan algılama verileriyle orman yangını analizi. Yüksek Lisans
Tezi, İTÜ Fen Bilimleri Enstitüsü.
Öztaş, T. 2002. Assessment of soil quality. In: International Conference on Sustainable
Land Use and Management, 10-13 June 2002, Canakkale, 484-485.
Pander, P.C., Dadhwal, K., Sahai, B. And Kale, P.P. 1992. An optimal estimation
technique for increasing The Accuracy of crop forecasts by combining remotely
sensed and convertional forecast results. Spate Applications Centre, ISRO,
Ahmedabad 380 053, Gujarat, India.
Peştemalcı, V., Dinç, U., Yeğingil, İ., Kandırmaz, M., Çullu, M.A., Öztürk N. and
Aksoy, E. 1995. Acreage estimation of wheat and barley fields in the province of
Adana, Turkey. Int. J. Remote Sensing, Vol.16, No.6.
Pickup, G. and Chewings, V.H., 1994. Grazing gradient approach to land degradation
assesment in arid areas from remotely sensed data. International J. Remote
Sensing, 15 (3): 597-617.
Prasad, A.K., Chai, L., Singh, R.P. and Kafatos, M. 2005. Crop yield estimation model
for Iowa using remote sensingand surface parameters. George Mason University,
Fairfax, VA 22030, USA. Received 21 October 2004; accepted 8 June 2005.
Pons, L.J. 1975. Introduction to the approaches to land suitability in Europe. Land
Evaluation in Europe FAO Soils Bulten 29. Rome pp. 61-70.
125 Rencz, A.N. and Ryerson, R.A. 1999. Manuel of remote sensing digital ımage analysis.
Springer-Verlag, New York.
Richards, L.A.1954. Diagnosis and improvements saline and alkali soils. U.S.
Dep.Agr.Handbook 60.
Richards, J.A. 1986. Remote sensing digital ımage analysis. An Introduction
Heildelgerg, Springer-Verlag. Riquier, J., Bramao, D.J. and Cornet, J.P. 1970. A new system of soil appraisal in terms
of actual and potential productivity. FAO Soil Resources Development and
Conservation Service, Land and Water Development Division, FAO, Rome.
Rudorff, B. and Batısta, G. 1991. Wheat yield estimation at the farm level using tm
landsat and agrometeorological data. Institute for Space Research (INTE),12201
Sao Jose Dos Campos, Brazil.
Quarmby, N.A., Milnes, M., Hindle, T.L. ve Silleons, N. 1993. The use of multitemporal NDVI meassurments from AVHRR data for crop yield estimation and
prediction. Department of Geography, University of Reading, Greece.
Sabins, F. 1987. Remote sensing principles & ınterpretation. Freeman & Co., N.Y. Star.
Sesören, A. 1999. Uzaktan algılamada temel kavramlar. Mart Matbaası. İstanbul. 125s.
Sharma, T., Sudha, K.S., Ravi, N. ve Navalgund, R.R. 1993. Procedures for wheat yield
prediction using landsat MSS and IRS-1A data space applications Centre,
Ahmedabad, İndia.
Shimabukuro, Y.E., Carvalho, V.C. and Rudorf, B. F.T. 1996. NOAAAVHRR data
processing for the mapping of vegetation cover. Int. J. Remote Sensing, Vol. 18,
No:3, s.671–677.
Siridhar, V.N., Dadhwal,V.K.and Chaudhari, K.N. 1994. Wheat production forecasting
for predominantly unirrigated region in Madhya Pradesh. Land Resources
Division, Space Applications Centre, Ahmedabad, India.
Sönmez, N.K. ve Sarı, M. 1999. Sayısal uydu verileri ile Batı Akdeniz bölgesinde
buğday bitkisinin spektral özelliklerinin ve alansal dağılımının belirlenmesi, Tr. J.
Of Agriculture and Forestry (Türk Tarım ve Ormancılık Dergisi) , Vol.23, Ek sayı
4, 929–934p.
Süslü, A. 2007. Sereflikoçhisar ilçesindeki tarım arazilerinde uzaktan algılama
yöntemiyle ekili alanların tespiti ve rekolte tahmini. Gebze İleri Teknoloji
Enstitüsü, Mühendislik ve Fen Bilimleri Enstitüsü. (Yüksek Lisans Tezi).Gebze.
Şimşek, O., Mermer, A., Yıldız, H., Özaydın, K.A. ve Çakmak, B. 2007. AgroMetShell
modeli kullanılarak Türkiye’de buğdayın verim tahmini. Tarım Bilimleri Dergisi,
2007, 13 (3) 299-307, Ankara Üniversitesi Ziraat Fakültesi.
Thiam, A. and Eastman, J.R. 1997. Vegetation indices. Idrisi for Windows (User’s
Guide). Ed: J.R. Eastman. 13: 1- 16. Worcester, MA, USA.
Tüzüner, A. 1990. Toprak ve su analiz laboratuarları el kitabı. Tarım ve Köyişleri
Bakanlığı, Köy Hizmetleri Genel Müdürlüğü, Ankara.
URL-1 - http://SPOTimage.com
126 URL-2 - http://landsat7.usgs.gov
URL-3 - http://nik.com.tr
Usul, M. and Bayramin, İ. 2004. Physical land evaluation of Salihli right coast
irrigation area. International soil congress (ISC) on “Natural Resource Management
For Sustainable Development June 7-10, 2004. Erzurum, Turkey Abstract Book
Page:89.
Walker, G. K. 1989. Model for operational forecasting of Western Canadian wheat
yield. Agric. For. Meteorol., 44, 339-351.
127 ÖZGEÇMİŞ
Adı Soyadı
: Mustafa USUL
Doğum Yeri
: Giresun
Doğum Tarihi
: 1966
Medeni Hali
: Evli
Yabancı Dili
: İngilizce
Eğitim Durumu (Kurum ve Yıl)
Lise
: Gökhöyük Ziraat Meslek Lisesi, 1985.
Lisans
: Anadolu Ünv. AOF. İşletme Bölümü, 1992.
Lisans
: Atatürk Ünv. Ziraat Fak., 1999.
Yüksek Lisans
: Ankara.Ünv. Fen Bilimleri Enstitüsü , 2003.
Çalıştığı Kurum/Kurumlar ve Yıl
-Toprak Gübre ve Su Kaynakları Merkez Araştırma Enstitüsü Ankara (2000-… )
-Tarım İl Müdürlüğü - Çankırı (1999-2000)
-Tarım İl Müdürlüğü - Erzurum (1995-1999)
-İlçe Tarım Müdürlüğü - Hınıs (1985-1995)
Yayınları (SCI ve diğer)
USUL, M., KEÇECİ, M., GÜÇDEMİR, İ.H. 2010. Evsel ve kentsel arıtma çamurunun
buğday verimi üzerine etkisi. I. Ulusal Toprak ve Su Kaynakları Kongresi. 1- 4
Haziran 2010. Eskişehir.
KEÇECİ, M., USUL, M., GÜÇDEMİR, İ.H. 2010. İnegöl arıtma çamurunun mısırda
(zea mais l.) verim, mineral beslenme ve ağır metal içeriği üzerine etkisi. I. Ulusal
Toprak ve Su Kaynakları Kongresi. 1- 4 Haziran 2010. Eskişehir.
GÜÇDEMİR, İ.H., TÜRKER, U., KARABULUT, A., USUL, M. 2010. Hassas tarım
ve Türkiye. I. Ulusal Toprak ve Su Kaynakları Kongresi. 1- 4 Haziran 2010.
Eskişehir.
USUL, M., DENGİZ, O. 2010. Pedological development on four different parent
materials. International Soil Science Congress on “Management of Natural
Resources to Sustain soil Health and Quality”. Ondokuz Mayıs University/
Samsun-Turkey/ May 26-28, 2010.
USTA, S., KEÇECİ, M., YURDAKUL, İ., USUL, M., ERGÜL, F., TAŞPINAR, K.,
DİLSİZ,A., KESKİN, S., 2010. ASKİ (Ankara Büyük Şehir Belediye Başkanlığı
Su ve Kanalizasyon İdaresi Genel Müdürlüğü) arıtma çamuru uygulamalarının
128 Ankara - Yenikent topraklarının bazı özelliklerine (kimyasal, fiziksel ve biyolojik)
etkisinin ve sürdürülebilir kullanılabilirliğinin araştırılması. TUBİTAK 106 O 317
2010 Ankara.
GÜÇDEMİR, İ.H., TÜRKER, U., KARABULUT, A., SÖNMEZ, B., ARCAK, Ç.,
USUL, M., BOZKURT, M., TÜMSAVAŞ, E. 2010. Çukurova’da sulu mısır
tarımında uydu ve bilgi teknolojileri destekli alana özgü değişken oranlı gübre
uygulaması ve işletimi. TUBİTAK Proje No: 105 O 243 2010 Ankara.
ÇÖTELİ, M., USUL, M., DEREKÖY, N. 2008 Elbistan linyitinden üretilmiş çeşitli
humatlar ve organik kökenli 8- 6-1- 8 gübresinin sera şartlarında mısır bitkisinde
kök ve gövde gelişimine etkisi. 4. ULUSAL BİTKİ BESLEME VE GÜBRE
KONGRESİ KONYA, Bildiriler Kitabı Sayfa 928-939.
GÜÇDEMİR, İ., TÜRKER, U., KARABULUT A., USUL M., BOZKURT, M.,
ARCAK, Ç. 2008. Çukurova’da mısır tarımında hassas tarım teknikleri
kullanılarak değişken oranlı gübre uygulamaları, 4. ULUSAL BİTKİ BESLEME
VE GÜBRE KONGRESİ KONYA, Bildiriler Kitabı Sayfa 116-125.
ÇÖTELİ, M., USUL, M., DEREKÖY, N. ve POLAT, H. 2007. Asit ve alkali
oksidasyonu ile üretilmiş humik asit. Temiz Kömür Teknolojileri ve Yakma
Teknikleri Semineri. TMMOB Maden Mühendisleri Odası, Oda Yayın No :136.
Sayfa: 77-89. Grup Matbaacılık. Ankara.
ÇÖTELİ, M., DEREKÖY, N., USUL, M., POLAT, H. 2006. Türk linyitlerinin organik
gübre hammaddesi olarak değeri. Kimyasal Forum Dergisi, Sayfa:62-69. 16
Mayıs 2006. Ankara.
USUL,M.,TUGAÇ,M.G.,DİLSİZ, A. 2006. Gökhöyük tarım işletmesi topraklarının
kalite durumlarının değerlendirilmesi. Atatürk Üniv.Ziraat Fak.Der. 37 (1), 21-27,
2006.ISSN:1300-9036
DENGİZ, O.,USUL,M.,BAYRAMİN,İ. 2006. Evaluation of right side of the Gediz
basin-Salihli soils according to different ırrigation metods. 18th International Soil
Meeting (ISM) on "Soil Susttaining Life on Earth, Managing Soil and
Technology". Proceedings Volume II. Harran University, Faculty of Agriculture,
Department of Soil Science &Soil Science Society of Turkey. Pg:762.
DENGİZ, O., USUL, M., KEÇECİ, M. 2005. Atatürk Orman Çiftliği arazilerinin
tarımsal kullanım durumlarının değerlendirilmesi, OMÜ Zir. Fak. Dergisi,
2006,21(1):55-64. J. of Fac. of Agric., OMU, 2006,21(1):55-64
DENGİZ, O.,I.BAYRAMİN, USUL, M.. 2005 Kahramanmaraş tarım işletmesi
topraklarının parametrik yöntemle kalite durumlarının belirlenmesi. Tarım
Bilimleri Dergisi (journal of Agricultural Sciences) (2005), Ankara Üniversitesi
Ziraat Fakültesi, Cilt : 11, Sayı:1,sayfa:45-50.
USUL, M., BAYRAMİN, I., DENGİZ, O., YİĞİNİ, Y. 2004 Gediz havzası Salihli sağ
sahil sulama birliği alanlarının temel toprak sorunları. Gaziosmanpaşa
Üniversitesi, Ziraat Fakültesi Dergisi. Cilt 21,Sayı 2. Sayfa 101-110.
KARAGÜLMEZ, K., USUL, M. 2004. Fındığın genel durumu sorunları ve çözüm
önerileri. 3. Milli Fındık Şurası. Tebliğler Kitabı sayfa 170-177. 10-14 Ekim
2004. Giresun.
129 USUL, M. 2004. Topraklarda fosfor, potasyum ve pH ölçmelerinde kullanılacak çabuk
tarla testleri. Türkiye 3. Ulusal Gübre Konseyi, Tarım-Sanayi-Çevre. Tokat. Cilt
1,Sayfa 1089-1097.
USUL, M., Bayramin, I. 2004. Physical land evaluation of Salihli right coast irrigation
area.International Soil Congress (ISC) on "Natural Resource Management for
Sustainable Development" June7 - 10, 2004 Erzurum- Turkey
GÜÇDEMİR, İ.H., USUL, M. 2004. Toprak analiz sonuçlarına göre gübre tavsiyeleri.
Türkiye 3. Ulusal Gübre Konseyi, Tarım-Sanayi-Çevre. Tokat. Cilt 2,Sayfa 13491413.
KESKİN, S., USUL, M., BAYRAMİN, I., YÜKSEL, M., ÇALIŞ, N. 2002. AnkaraOvaçay havzası topraklarının arazi kullanım planlaması bakımından fiziksel
değerlendirmesi. Tarım ve Köyişleri Bakanlığı, Köy Hizmetleri Genel
Müdürlüğü, APK Dairesi Başkanlığı, Toprak ve Su Kaynakları Araştırma
2002.Ankara
ARCAK, Ç., KEÇECİ, M., USUL, M., KARABULUT, A. 2002. Atatürk Orman
Çiftliği detaylı toprak etüdü ve haritalanması. Başbakanlık Köy Hizmetleri Genel
Müdürlüğü, Toprak ve Gübre Araştırma Enstitüsü Müdürlüğü Yayınları, Teknik
Rapor No 1.
130

Arazi Kalite Parametrelerinin Buğday Ürün Rekoltesi Üzerine

Transkript

Benzer belgeler

dosyayı indirmek için tıklayınız…

erozyon el foyu2

Sevgili okurlar - TELE

Sevgili Okurlar - TELE

Brokoli Yetişitriciliği

Sevgili Okurlar - TELE

MEGASTAR