Search

Uzaktan Algılama ile Coğrafi Bilgi Sistemleri teknikleri yeryüzünün doğal özelliklerini, yer ve zamana göre değişiminin gözlemlenmesinde kullanılan yaygın ve güvenilir yöntemlerdendir. Bu yöntemlerin birlikte kullanıldığı en yaygın uygulamalardan biri NDVI (Normalize Edilmiş Fark Bitki Örtüsü İndeksi) analizleridir. NDVI analizi genellikle kuraklığı izlemek, tarımsal verimliliği tahmin etmek veya bölgelere göre bitki örtüsündeki tahribatı belirlemek için yapılan çalışmalarda kullanılır. Böylece doğal döngü açısından önemli bir yere sahip olan bitkilerin ve bitki örtüsünün artış ve azalışının denetlenmesi ve izlenmesi mümkün olabilmektedir. Bu çalışmada, Mardin ili Savur ilçe sınırları içindeki alanı kapsayan 1995-2021 yılları arasındaki 30 m çözünürlüklü Landsat 5, Landsat 8 ve 2000-2021 yılları arasındaki 500 metre çözünürlüklü MODIS (Moderate Resolution Imaging Spectroradiometer) uydu görüntülerinden yararlanılarak NDVI ve DEM (Sayısal Yükselti Modeli) veri katmanları ile sahanın bitki örtüsünün yatay ve dikey yönde dağılımının ve değişiminin belirlenmesi amaçlanmıştır. Bulgular harita ve diyagramlarla değerlendirilmiştir. Remote Sensing and Geographic Information Systems techniques are reliable and common methods that used in examining and observing the natural features of the earth, its change according to place and time. NDVI (Normalized Difference Vegetation Index) analyses are one of the most popular uses of these methods together. Studies that track drought, forecast agricultural output, or identify regional differences in vegetation degradation frequently use NDVI data. As a result, it is feasible to manage and keep track of the growth and decline of vegetation, whichplays a significant role in the natural cycle. In this study, NDVI images were used by utilizing 500-meter-resolution MODIS (Moderate Resolution Imaging Spectroradiometer) satellite images between 2000 and 2021 and 30-meter-resolution Landsat 5, Landsat 8 between 1995 and 2021 to cover the area inside the Savur district of Mardin province. Determining the horizontal and vertical distribution and change of the field's vegetation cover is the goal of DEM (Digital Elevation Model) data layers. Maps and diagrams were used to analyze the findings.

This study was carried out in order to determine the relations between some physiological parameters, yield and fiber technological properties in cotton by using correlation and path analysis method and to benefit from these relations in breeding studies. According to the correlation analysis, there was a significant positive correlation between cotton yield and fiber yield, fiber fineness and canopy temperature, but negative correlations were found between yield and spinning consistency index (SCI), fiber length, fiber strength and single boll seed cotton weight. According to the path coefficient analysis, the highest direct effect on the cotton yield was determined by fiber yield (87.26%) and the highest indirect effect was realized by ginning percentage (6.00%). Physiological parameters such as chlorophyll content (SPAD value) had a direct effect on the yield (6.53%), also it had positive indirect effect via fiber yield (27%) and ginning percentage (24%). The direct effect of canopy temperature on yield was negligible (0.09%), but it had significant positive indirect effect via fiber yield (75%) and ginning percentage (14%). Normalized difference vegetation index (NDVI: GreenSeeker reading) had direct effect on yield (2.28%), but it had significant indirect effect via fiber yield (58%) and ginning percentage (27%). The fact that physiological parameters such as chlorophyll content, canopy temperature and NDVI value are associated with yield indicates that these characteristics can be used as selection criteria.

Evapotranspirasyon (ET) hidrolojik su döngüsünün yağıştan sonra gelen en önemli bileşenlerinden biridir ve topraktan buharlaşan su ile bitkilerden terleme yoluyla kaybolan suyun toplamına eşittir. ET, havzalarda su ve enerji bütçelerinde, tarımsal kuraklığın belirlenmesi ve tarımsal su tüketimi izleme gibi çalışmalarda kullanılmaktadır. Bu çalışmada, ET’yi Landsat 5 ve Landsat 8 uydu görüntüleri ve trapezoid model kullanarak modellenmesi amaçlanmaktadır. Bu model ilk aşamada yeryüzündeki enerjinin buharlaşmaya dönüşme fraksiyonunu (EF) hesaplamaktadır. Daha sonra, güneş ışınımı (Rn) verisi kullanarak ET’yi elde etmektedir. Model çıktıları, Bolu Yeniçağa’da 2010 -2014 yılları arasında eddy kovaryans yöntemi ile gözlem toplayan bir akı kulesindeki yersel veriler ile karşılaştırılmıştır. Sonuçlara göre, model ile yersel verilerden hesaplanan EF’lar arasında hem yüksek ilişki hem de düşük hata görülmüştür. Ancak, modellenen ET değerleri, yersel verilerden hesaplana ET değerlerine göre daha düşüktür. Bu durum, güneş ışınımı (Rn) verisinden kaynaklanmaktadır. Özetle, model EF’yi düşük bir hata ile hesapladığı için başka bir Rn verisi kullanılarak uydu verilerinden yüksek doğrulukla ET haritaları elde edilebilir.

Ormanların kaybını önlemek amacıyla yangınlarla mücadele son derece önemli bir problemdir. Gelişen teknolojiyle birlikte zaman içerisinde uydu görüntüleri yangınlarla mücadelede için temel gereçlerden biri haline gelmiştir. Çeşitli indeksler kullanılarak, görüntü işleme analizleri ve yüzey sıcaklık analizleri ile uydu görüntüleri üzerinden yanan alanın tespitini yapmak mümkündür. Yersel ölçümlerle yapılan yöntemlerin aksine oldukça hızlı ve nispeten daha az maliyetlidir. Bu çalışmada Landsat-8 uydu görüntüleri kullanılarak 1 Temmuz 2017’de İzmir ili Menderes ilçesinde gerçekleşen ve yaklaşık 67 saat süren Deliömerli orman yangını analiz edilmiştir. Yangın öncesi ve yangın anı için elde edilen görüntülerden yer yüzey sıcaklık haritaları oluşturularak, farklı arazi kullanımları için yüzey sıcaklık farklılıkları incelenmiştir. Buna göre yangın anında yanan alanın yüzey sıcaklığının diğer arazi kullanım alanlarına göre arttığı gözlemlenmiştir. Yangın alanı tespitinde ise üç farklı yöntem kullanılıp yangın alanı mekânsal büyüklüğü karşılaştırılmıştır. Bu kapsamda Normalize Edilmiş Bitki Örtüsü İndeksi (NDVI) ile 1.235 hektar alanın, Normalize Edilmiş Yanma Şiddeti (NBR) indeksleri ile 1.221 hektar alanın ve sınıflandırma çalışması sonrası ise 1.296 hektar alanın yandığı tespit edilmiştir. Sonuçların Orman Genel Müdürlüğü tarafından açıklanan hasar tespit sonuçları ile tutarlı olduğu gözlenmiştir. CORINE arazi kullanım haritası ve yanan alanlar örtüştürülerek yangın sonucunda arazi kullanım sınıflarının yangından ne kadar etkilendiği incelenmiştir. Yapılan örtüşme analizi sonucunda yanan alanın %75,7’sinin iğne yapraklı ormanlar, %19,3’ünün bitki alanları, %4,2’sinin karışık ormanlar ve %0,7’sinin tarım alanları olduğu tespit edilmiştir. Fighting fires is an extremely important issue to prevent the loss of forests. With the developing technology, satellite images have become one of the basic tools for fighting fire over time. By using various indexes, it is possible to detect the burning area from satellite images with image processing analysis and surface temperature analysis. Unlike the methods made by ground measurements, it is very fast and relatively less costly. In this study, the Deliömerli forest fire that took place in Menderes district of Izmir province on July 1, 2017, and lasted about 67 hours was analyzed using Landsat-8 satellite images. The surface temperature maps were created from the images obtained before and during the fire, and surface temperature differences were examined for different land uses. Accordingly, it has been observed that the surface temperature of the area burning during the fire increased compared to other land use areas. In determining the fire area, three different methods were used and the spatial size of the fire area was compared. In this context, 1,235 hectares with Normalized Difference Vegetation Index (NDVI), 1,221 hectares with Normalized Burn Ratio (NBR) indices, and 1,296 hectares with the classification study were determined to be burned. It has been observed that the results are consistent with the damage assessment results announced by the General Directorate of Forestry. The burning areas were overlapped with the CORINE land use map and the extent of the impact of the fire on each land use class was examined. As a result of the overlap analysis, it was determined that 75.7% of the burning area was coniferous forests, 19.3% plant areas, 4.2% mixed forests and 0.7% agricultural areas.

Dünya çapında gıda tüketimi göz önüne alındığında pirincin önemli bir yere sahip olduğu görülür. Çeltik bitkisi, buğdaygiller ailesinden mısır ve buğdaydan sonra en fazla ekimi yapılan bitkidir. Çeltik üretiminde çeşitli zararlılardan ve hastalıklardan dolayı üretim kaybı yaşanmaktadır. Genellikle yaşanan bu kayıplara neden olan üç temel hastalık bulunmaktadır: yaprak patlaması (Leaf Blast - Pyricularia grisea), kahverengi lekeler (Brown Spot - Helminthosporium oryzae) ve beyaz noktalar (Hispa - Dicladispa armigera). Tüm bu hastalık belirtileri bitkinin yaprağında bulunmaktadır. Yaprak görüntülerinden bitki hastalığının otomatik bir şekilde teşhisi geliştirme aşamasında olan bir konudur. Bu tez kapsamında çeltik bitkisine ait bu üç hastalığı tespit etmek için derin öğrenme modellerinden Evrişimli Sinir Ağı (CNN: Convolution Neural Networks) kullanılmıştır. Çalışmada kullanılan 3341 adet çeltik bitkisi yaprağına ait RGB veri seti Kaggle sitesinden elde edilmiştir. Çeltik bitkisinin RGB yaprak görüntülerinden derin öğrenme modeli ile çeltik bitkisine ait üç önemli hastalık (Brown Spot, Leaf Blast ve Hispa) tespiti yüksek doğruluk oranlarıyla elde edilmiştir. Çeltik bitkisine ait hastalıkların erken tespiti için CNN modelinin deneyler sonucu bulunan en uygun hiper parametreler ile eğitimi gerçekleştirilmiştir. Ağın eğitimi için çeltik bitkisine ait RGB görüntüler kullanılarak %92,78 oranında doğruluk elde edilmiştir. Tarım alanlarında ürünlerin sağlık durumlarının incelenmesinde genellikle multispektral kameralardan ve uydu görüntülerinden elde edilen Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI: Normalized Difference Vegetation Index) değerleri kullanılmaktadır. NDVI verilerinin elde edilmesinde kullanılan uzaktan algılama tekniklerinde yüksek maliyet ve hava durumunun uygunluğu öne çıkmaktadır. Diğer alternatif olan insansız hava araçlarına (İHA) entegre edilmiş multispektral kamera sistemlerinin maliyetlerinin yüksek olması ve uzman gereksinimine ihtiyaç duyulması bir başka sorundur. Bu tez çalışmasında ikinci olarak multispektral kameraların yerine standart RGB görüntü veren kamera sistemlerinden NDVI değerini tahmin etmek (nNDVI: Neural network-based Normalized Difference Vegetation Index) için yeni bir yapay sinir ağı modeli önerilmiştir. Önerilen ağın eğitim ve testlerinde kullanılan veri seti İsviçre'de bir tarım alanından ve Togo'da bir çiftlikten multispektral kamera ile alınan görüntülerden elde edilmiştir. Bu model sayesinde %92,013 doğruluk oranı ile RGB görüntülerinden NDVI verileri elde edilmiştir. Son olarak bu tez kapsamında çeltik bitkisinin standart RGB görüntülerinden nNDVI verileri elde edilerek, bu veriler ile derin öğrenme modelinin eğitimi yapılmış ve %96,97'lik bir doğruluk oranına ulaşılmıştır. Çeltik bitkisindeki yaprak görüntüleri ile hastalığının tespiti için elde edilen bu başarım oranı, yöntemin uygulanabilirliğini göstermektedir. Considering the worldwide food consumption, it is seen that rice has an important place. The rice plant is the most cultivated plant after corn and wheat from the grass family. Production loss is experienced in paddy production due to various pests and diseases. There are three main diseases that cause these losses: Leaf Blast (Pyricularia grisea), Brown Spot (Helminthosporium oryzae), and Hispa (Dicladispa armigera). All these disease symptoms are found in the leaves of the plant. The automatic diagnosis of plant disease from leaf image is a topic under development. In this thesis, Convolutional Neural Network (CNN), one of the deep learning models, was used to detect these three diseases of the rice plant. The RGB data set of 3341 rice plant leaves used in the study was obtained from the Kaggle website. With the deep learning model from RGB leaf image of rice plant, three important diseases of rice plant (Brown Spot, Leaf Blast and Hispa) were detected with high accuracy rates. For the early detection of diseases of rice plant, the training of the CNN model was carried out with the most appropriate hyper parameters found as a result of the experiments. For the training of the network, an accuracy of 92.78% was obtained by using RGB image of the rice plant. Normalized Difference Vegetation Index (NDVI) values obtained from multispectral cameras and satellite image are generally used to examine the health status of crops in agricultural areas. High cost and suitability of weather conditions come to the fore in remote sensing techniques used in obtaining NDVI data. Another problem is the high cost of multispectral camera systems integrated into unmanned aerial vehicles (UAV), which is another alternative, and the need for specialists. In this thesis, secondly, a new artificial neural network model is proposed to estimate the NDVI value (nNDVI: Neural network-based Normalized Difference Vegetation Index) from camera systems that provide standard RGB image instead of multispectral cameras. The data set used in the training and testing of the proposed network was obtained from image taken with a multispectral camera from an agricultural field in Switzerland and a farm in Togo. Thanks to this model, NDVI data was obtained from RGB image with an accuracy rate of 92,013%. Finally, within the scope of this thesis, nNDVI data was obtained from standard RGB image of rice plant, and a deep learning model was trained with these data and an accuracy rate of 96.97% was achieved. This success rate obtained for the detection of the disease with leaf image in the rice plant shows the applicability of the method.

Bu çalışma, spektral yansıma ve dijital verilere dayalı fiziksel özelliklerin arpada verim ve kalite özellikleriyle ilişkilerinin belirlenmesi amacıyla Diyarbakır'da kuraklık stresinin yaşandığı 2020-2021 üretim sezonunda gerçekleştirilmiştir. Deneme 4 tekerrürlü olarak tesadüf blokları deneme desenine göre kurulmuş olup, 3 adet yerel arpa çeşidi (Yerel Arpa 32, Yerel Arpa 69 ve Yerel Arpa 71), 7 adet tescilli arpa çeşidi (Önder, Vamık Hoca 98, Dara, Finola, Keçiburcu, Hevsel ve Oberek) ve 6 adet ileri kademe hat (IBYT HI, IBYT HI 16-8, IBYT HI 13-24, IBON HI 16-12, IBON HI 15-21 ve 15 BDSN 58) olmak üzere toplam 16 adet arpa genotipi materyal olarak kullanılmıştır. Denemede incelenen özelliklerden; sapa kalkma süresinin 100,0-105,8 gün, kardeş sayısının 1,95-2,70 adet, kılçık çıkışı süresinin 112,75-120,8 gün, başaklanma süresinin 123,25-126,25 gün, fizyolojik olum süresinin 141,5-158,0 gün, bitki boyunun 47,65-69,25 cm, başak uzunluğunun 5,02-7,67 cm, bin dane ağırlığının 25,61-35,35 g, tane veriminin 57,0-131,33 kg/da, biyolojik veriminin 859,6-1353,3 kg/da, hasat indeksinin % 6,33-15,13, protein oranının % 13,05-17,16, nişasta içeriğinin %76,85-80,06 ve yağ oranının % 1,08-1,46 arasında değişim gösterdiği belirlenmiştir. Toprak yüzeyini kapatma oranı mobil cihaz kamerasıyla Canopeo programı kullanılarak çıkıştan itibaren 5 defa ölçülerek belirlenmiştir. Tüm Canopeo ölçüm dönemlerinde genotipler arası farklılık önemli bulunmuştur. Kurak sezon olması nedeniyle bitkiler toprak yüzeyini ortalama olarak %90,5 düzeyinde kapatmışlardır. En kısa sürede maksimum kapatma süresine 51 gün ile IBYT HI 16-8 genotipi ulaşırken, en yüksek kapatma (büyüme) hızı 4,31 %/gün ile Oberek genotipinde belirlenmiştir. Kardeşlenme ve tane dolum başlangıcı arasında 6 kez ölçülen NDVI yönünden ilk 3 ölçümde genotipler arasında farklılık bulunmuş ve en yüksek NDVI değeri IBON HI 16-12 ileri hattından elde edilmiştir. Klorofil metre ile başaklanma ve çiçeklenme sonunda ölçülen klorofil değeri yönünden en yüksek değer başaklanma döneminde Önder çeşidinden, çiçeklenme döneminde ise Finola ve IBON HI 15-21 çeşidinden elde edilmiştir. Genel olarak yerel çeşitlerin geç başaklandığı, uzun boylu, uzun başaklı ve yüksek verimli olduğu, kalite yönüyle tescilli çeşitlerle benzer değerler gösterdiği gözlemlenmiştir. Erken dönemde ölçülen Canopeo değerlerinin biyolojik verimle, başaklanma dönemi NDVI değerlerinin biyolojik verim ve tane verimiyle ilişkili bulunması bu yöntemlerin yüksek verimli arpa genotiplerinin seçiminde kullanılabileceğini göstermektedir. This study was conducted in Diyarbakır during the 2020-2021 production season under drought conditions in order to investigate the association between physiological traits based on spectral reflection and digital data with yield and quality parameters of barley. The experiment was set up in a randomized complete block design with four replications, with three local barley cultivars (Local Barley 32, Local Barley 69, and Local Barley 71), seven registered barley cultivars (Önder, Vamk Hoca 98, Dara, Finola, Keçiburcu, Hevsel, and Oberek), and six advanced lines ( IBYT HI, IBYT HI 16-8, IBYT HI 13-24, IBON HI 16-12, IBON HI 15-21 and 15 BDSN 58).According to the findings, stem elongation takes 100,0-105,8 days, tiller number is 1,95-2,70 days, awn emergence takes 112,75-120,8 days, ear emergence takes 123,25-126,25 days, physiological maturity takes 141,5-158,0 days, plant height is 47,65-69,25 cm, spike length is 5,02-7,67 cm, thousand grain weight is 25,61-35,35 g, grain yield is 57,0-131,33 kg/da, biomass is 859,63-1353,28 kg/da, harvest index is 6,33-15,13 %, protein content is 13,05-17,16 %, starch content is %76,85-80,06 and oil content is 1,08-1,46 %. Using the Canopeo application and a mobile camera, canopy ground cover was measured five times from plant emergence. In all Canopeo measurement times, the difference between genotypes was statistically significant. Because of the drought season, the plants were able to cover the soil surface by an average of 90,5 %. While the IBYT HI 16-8 genotype had the highest covering time in the shortest period of 51 days, the Oberek genotype had the highest covering (growth) rate of 4,31 percent per day. There was a difference between genotypes in the first three measurements of NDVI, which was taken six times between tillering and the start of grain filling, and the highest NDVI value was obtained from the IBON HI 16-12 advanced line. The maximum chlorophyll value measured by chlorophyll meter was obtained from the Önder cultivar at the beginning of heading stage and from Finola and IBON HI 15-21 cultivars at the end of the flowering period. In general, it has been found that local varieties are late-heading time, tall, long-headed, and high-yielding, and that their quality is comparable to that of registered varieties. Canopeo values in the early phase and NDVI values in the heading stage are connected with biological yield and grain yield, indicating that these approaches can be used to identify high yielding barley genotypes. Dicle Üniversitesi Bilimsel Araştırma Projeleri Koordinatörlüğü (DÜBAP) tarafından FBE.21.007 no'lu proje kapsamında desteklenmiştir.

Various drought indices have been developed to monitor drought, which is a result of climate change, and mitigate its adverse effects on water resources, especially in agriculture. Vegetation indices determined by remote sensing were examined by many recent studies and shed light on drought risk management. In the current study, one of the 25 drainage basins in Turkey—the Seyhan Basin, located in the south of the country—was investigated. The Normalized Difference Vegetation Index (NDVI) and the Vegetation Condition Index (VCI) are the most widely used vegetation indices and are very useful because they give results only based on satellite images. This study examined the Seyhan Basin using satellite data in which the vegetation transformation occurring due to the decline of agricultural and forest areas was seen. An increase in drought frequency was detected in the Seyhan Basin using the NDVI and VCI indices and compared with different indices. The results obtained revealed that climate change and drought is increasing with a linear uptrend. It is recommended that decision-makers take the necessary measures by considering the drought risk maps. Long-term drought management plans should also be prepared and implemented.