Arazi Kalite Parametrelerinin Buğday Ürün Rekoltesi Üzerine
Transkript
Arazi Kalite Parametrelerinin Buğday Ürün Rekoltesi Üzerine
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 Ankara Üniversitesi, Ziraat Fakültesi, Toprak Ana Bilim Dalı Üye : Doç. Dr. İlhami BAYRAMİN Ankara Üniversitesi, Ziraat Fakültesi, Toprak Ana Bilim Dalı 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 4.5.1.2 S2 parsellerinin arazi kalite indeksi ile verim ilişkisi ....................................97 4.5.1.3 S3 parsellerinin arazi kalite indeksi ile verim ilişkisi ....................................99 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 Şekil 3.11 Çalışma alanına ait SPOT 2 uydusu NDVI görüntüsündeki parselden piksel seçimi_2. aşaması ..................................................................................61 Şekil 3.12 Çalışma alanına ait LANDSAT 7 uydusu NDVI görüntüsündeki parselden piksel seçimi_1. aşaması..................................................................62 Şekil 3.13 Çalışma alanına ait LANDSAT 7 uydusu NDVI görüntüsündeki 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 arasındaki ilişki. .............................................................................................103 Şekil 4. 20 2008 yılı Altınova TİM parsellerinin AKI ve verim değerleri arasındaki ilişki. .............................................................................................105 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 alansal dağılımı ................................................................................................70 Çizelge 4.4 Altınova tarım işletmesi arazilerinin taşlılık oranlarının oransal ve alansal dağılımı ................................................................................................70 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 Çizelge 4.35 2008 yılı Altınova TİM parsellerinin AKI ve verim değerleri varyans analizi ...............................................................................................104 Çizelge 4.36 2008 yılı Altınova TİM parsellerinin AKI, NDVI ve verim değerleri regresyon istatistikleri ....................................................................................105 Çizelge 4.37 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 regresyon istatistikleri ....................................................................................107 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 Taşlılık, çakılılık veya kayalılık %5-15 40 Taşlılık, çakılılık veya kayalılık %0.01-0.1 48 Taşlılık, çakılılık veya kayalılık %15-35 30 Taşlılık, çakılılık veya kayalılık %0.1-3 45 Taşlılık, çakılılık veya kayalılık %35-60 20 Taşlılık, çakılılık veya kayalılık %3-15 35 Taşlılık, çakılılık veya kayalılık %> 60 10 Taşlılık, çakılılık veya kayalılık %15-50 25 Taşlılık, çakılılık veya kayalılık %50-90 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 Şekil 3.11 Çalışma alanına ait SPOT 2 uydusu NDVI görüntüsündeki parselden piksel seçimi_2. aşaması 61 Şekil 3.12 Çalışma alanına ait LANDSAT 7 uydusu NDVI görüntüsündeki parselden piksel seçimi_1. aşaması Şekil 3.13 Çalışma alanına ait LANDSAT 7 uydusu NDVI görüntüsündeki 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 alansal dağılımı 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 alansal dağılımı 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). Çizelge 4.17 Altınova Tarım İşletmesi parsellerinin AKI ve buğday verim değerleri 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 Çizelge 4.18 Altınova Tarım İşletmesi parsellerinin AKI ve buğday verim değerleri 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 4.5.1.2 S2 parsellerinin arazi kalite indeksi ile verim ilişkisi 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 Regresyon İstatistikleri 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 4.5.1.3 S3 parsellerinin arazi kalite indeksi ile verim ilişkisi 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 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 Regresyon İstatistikleri 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 Regresyon İstatistikleri 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). Çizelge 4.34 2008 yılı Altınova TİM parsellerinin AKI ve verim değerleri regresyon istatistikleri Regresyon İstatistikleri R R2 Standart Hata Gözlem 0.517742628 0.268057429 7.508079433 34 Çizelge 4.35 2008 yılı Altınova TİM parsellerinin AKI ve verim değerleri 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 ). Çizelge 4.36 2008 yılı Altınova TİM parsellerinin AKI, NDVI ve verim değerleri regresyon istatistikleri Regresyon İstatistikleri 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 regresyon istatistikleri 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