Yazar "İnalpulat, Melis" seçeneğine göre listele
Listeleniyor 1 - 16 / 16
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe A journey to children's perceptions on forest fire through drawings in Canakkale Province, Turkey: Exploring the needs for alternative educative approaches(Routledge, 2019) Söküt Açar, Tuğba; İnalpulat, Melis; Ayman Öz, Nilgün; Genç, Levent; Arslan, Hasan; Böbek Bağran, AslıThe study aimed to statistically analyze forest fire perceptions and cognitive deficits of children through drawings. Results showed that children's perceptions on forest fire were under desirable levels. Also, perception levels were significantly impacted by gender and grade level, whereas impact of school type was not significant. Since children's imaginations are found to be limited and most of forest fires are known to arise from human-induced activities, applied approaches are suggested to enlarge their vision on nature and forest fire with the purpose of raising more responsible, aware, and environmentally-conscious children, as a contributor to prevention of future forest fires. © 2018, © 2018 Taylor & Francis Group, LLC.Öğe Arazi kullanım ve bitki örtüsü değişiminin uzaktan algılama, markov işlemi, nüfus ve alan görünüm analizleri yardımıyla belirlenmesi: Çanakkale örneği (1987-2010)(2013) Genç, Levent; Kızıl, Ünal; Arıcı, İsmet; İnalpulat, MelisArtan kent nüfusu yanında kırsal alandan olan göçler kentsel yerleşimler ve etrafındaki alanlarda Arazi Kullanımı ve Bitki Örtüsü (AKBÖ) değişimlerini hızlandırmaktadır. Çalışma, bu büyüme sürecinin hızlı bir şekilde yaşandığı Çanakkale il merkezi ve çevresinde yürütülmüştür ve 1987-2010 yıllarında AKBÖ değişimlerinin uzaktan algılama verileri ve CBS teknikleri ile belirlenmesi amaçlanmıştır. Farklı yıllarda (1987, 2000 ve 2010) alınan Landsat TM/ETM+ görüntüleri kullanılarak 4 ana grubu (Orman, Yerleşim, Tarım ve Diğer) içeren AKBÖ haritaları oluşturulmuştur. Sayısal haritalar yardımıyla Markov analizi ve alan görünüm analizleri yapılmıştır. Analizler sonucunda 1987-2000 ve 2000-2010 dönemleri için sınıfların birbirlerine dönüşümler, dönüşüm olasılıkları ile alan sayıları, alan yoğunlukları ve en büyük alan indeks değerleri hesaplanmıştır. Çalışma ile, yerleşim alanlarının yoğunluğunun artarken özellikle tarım alanlarının başka AKBÖ sınıflarına dönüşerek azaldığı görülmüştür. Bununla birlikte, çalışma alanında nufüsün artığı ve tarım alanlarının azaldığı gözlenmiştir. Çanakkale kent gelişim planlamaları yapılırken, tarım alanlarının korunmasına yönelik önlemlerin göz önünde bulundurulması gerekmektedir.Öğe Assessment of Segmentation Parameters for Object-Based Land Cover Classification Using Color-Infrared Imagery(Mdpi, 2018) Akçay, Özgün; Avşar, Emin Özgür; İnalpulat, Melis; Genç, Levent; Cam, AhmetUsing object-based image analysis (OBIA) techniques for land use-land cover classification (LULC) has become an area of interest due to the availability of high-resolution data and segmentation methods. Multi-resolution segmentation in particular, statistically seen as the most used algorithm, is able to produce non-identical segmentations depending on the required parameters. The total effect of segmentation parameters on the classification accuracy of high-resolution imagery is still an open question, though some studies were implemented to define the optimum segmentation parameters. However, recent studies have not properly considered the parameters and their consequences on LULC accuracy. The main objective of this study is to assess OBIA segmentation and classification accuracy according to the segmentation parameters using different overlap ratios during image object sampling for a predetermined scale. With this aim, we analyzed and compared (a) high-resolution color-infrared aerial images of a newly-developed urban area including different land use types; (b) combinations of multi-resolution segmentation with different shape, color, compactness, bands, and band-weights; and (c) accuracies of classifications based on varied segmentations. The results of various parameters in the study showed an explicit correlation between segmentation accuracies and classification accuracies. The effect of changes in segmentation parameters using different sample selection methods for five main LULC types was studied. Specifically, moderate shape and compactness values provided more consistency than lower and higher values; also, band weighting demonstrated substantial results due to the chosen bands. Differences in the variable importance of the classifications and changes in LULC maps were also explained.Öğe Comparison of Different Supervised Classification Algorithms for Mapping Paddy Rice Areas Using Landsat 9 Imageries(2023) İnalpulat, MelisRice is known to be one of the most essential crops in Turkey, as well as many other countries especially in Asia, whereas paddy rice cropping systems have a key role in many processes ranging from human nutrition to environment-related perspectives. Therefore, determination of cultivation area is still a hot topic among researchers from various disciplines, planners, and decision makers. In present study, it was aimed to evaluate performances of three classifications algorithms among most widely used ones, namely, maximum likelihood (ML), random forest (RF), and k-nearest neighborhood (KNN), for paddy rice mapping in a mixed cultivation area located in Biga District of Çanakkale Province, Turkey. Visual, near-infrared and shortwave infrared bands of Landsat 9 acquired in dry season of 2022 year was utilized. The classification scheme included six classes as dense vegetation (D), sparse vegetation (S), agricultural field (A), water surface (W), residential area – base soil (RB), and paddy rice (PR). The performances were tested using the same training samples and accuracy control points. The reliability of each classification was evaluated through accuracy assessments considering 150 equalized randomized control points. Accordingly, RF algorithym could identify PR areas with over 96.0% accuracy, and it was followed by KNN with 92.0%.Öğe Depremin Arazi Kullanım ve Arazi Örtüsü (AKAÖ) Üzerine Etkilerinin Google Earth Engine (GEE), Sentinel-2 Görüntüleri ve Makine Öğrenmesi Kullanılarak Değerlendirilmesi: Antakya Örneği(2023) Civelek, Neslişah; Civelek, Neslişah; İnalpulat, Melis; İnalpulat, Melis; Genç, Levent; Genç, LeventDoğal afetler, özellikle depremler, insan hayatını, ekosistemleri, arazi kullanımı ve arazi örtüsü gibi arazi (AKAÖ) özelliklerini tehdit eden en tahripkar süreçlerden biridir. Buna benzer değişimlerin anlaşılması rehabilitasyon süreçlerine yardımcı olmanın yanında sonraki aşamalar için yönetim stratejileri geliştirilmesi açısından bir başlangıç noktası sağlar. Depremler sonrasında değişimin yönü ve büyülüğünün belirlenmesinde uzaktan algılama teknolojileri uzun zamandır kullanılmakta olup, buluta dayalı platformların geliştirilmesi bu anlamda kullanıcıların depolama ve işleme maliyeti sorunlarından kaçınmasını etkili bir şekilde sağlamıştır. Bu çalışmada, ciddi kayıplara yol açan 6 Şubat 2023 ve 20 Şubat 2023 depremlerinden sonra Hatay iline bağlı Antakya’ da meydana gelen AKAÖ değişimlerinin belirlenmesi amaçlanmıştır. Bunun yanında, merkez koordinatlarından 5 km uzağı kapsayan zon içerisinde meydana gelen değişimler 1 km genişliğindeki alt zonlar gözetilerek incelenmiştir. Sentinel-2 görüntülerinin Google Earth Engine (GEE) ile sınıflandırılmasında en çok kullanılan makine öğrenmesi algoritmalarından bir olan rassal orman (RO) algoritması kullanılmıştır. AKAÖ2022 ve AKAÖ2023 güvenilirliklerinin belirlenmesi için doğruluk analizi prosedürleri uygulanmış, ve doğruluklar 0.85’ in üzerinde bulunmuştur. Genel değişimlerin incelenmesi betonarme (B), doğal vejetasyon (D) ve su (S) alanların artarkenorman (O) ve tarım (T) alanlarının dikkate değer şekilde azaldığını göstermiştir. Çöken binaların dağılışı yalnızca şehir düzeyinde değil, 5 km tampon zor içerisindeki herbir alt zon içerisinde B sınıf artışı ile sonuçlanmıştır. Sentinel-2 görüntülerinin RO algoritması ile GEE’ nda sınıflandırılması Antakya’ da meydana gelen değişimlerin belirlenmesinde hızlı ve güvenilir sonuçları vermiş olup, gelecekteki değişimlerin periyodik olarak izlenmesi şiddetle önerilmiştir.Öğe E-nose identification of milk somatic cell count(Çanakkale Onsekiz Mart Üniversitesi, 2016) İnalpulat, Melis; Kızıl, Ünal; Bilgücü, Ertuğrul; Genç, LeventMastitis is a common disease among dairy animals which causes serious economic losses. It can be diagnosed via diverse clinical findings, while milk somatic cell count (SCC) is accepted as a key indicator. However, determination of SCC with traditional methods is time consuming and laborious. This paper focuses on the ability of electronic nose (e-nose) system containing 12 different metal oxide sensors (MOS) to discriminate milks with somatic cell counts (SCC) above a threshold value. Milk samples were collected from dairy farms around Biga district of Çanakkale province, Turkey. Forty-six samples were analyzed using standard protocols in laboratory, then exposed to DiagNose II e-nose system. Artificial Neural Networks (ANNs) was used to discriminate between Non-Mastitic (N-M) / Mastitic (M) samples depending on sensor responses. Results showed that 8 of 12 sensors were responded to milk samples. Thus, performances of several ANNs models with different topologies were tested using 8 sensor responses. ANNs was trained using 28 samples, and remaining 18 samples were used in validation step. Among tested models, the results of the lowest overall errors for training and validation steps were found to be 35.71 % and 38.89 % respectively. To improve the performance, Principal Components Analysis (PCA) performed for dimension reduction and three components were selected to be included in ANNs model instead of 8 sensors. Performing of PCA prior to ANNs provided decreased overall errors for training (10.7 %) and validation (0 %). However, the actual performance of the system should be tested using new dataset.Öğe Lettuce (Lactuca sativa L.) yield prediction under water stress using artificial neural network (ANN) model and vegetation indices(Lithuanian Research Centre Agriculture & Forestry, 2012) Kızıl, Ünal; Genç, Levent; İnalpulat, Melis; Sapolyo, Duygu; Mirik, MustafaWater stress is one of the most important growth limiting factors in crop production around the world. Water in plants is required to permit vital processes such as nutrient uptake, photosynthesis, and respiration. There are several methods to evaluate the effect of water stress on plants. A promising and commonly practiced method over the years for stress detection is to use information provided by remote sensing. The adaptation of remote sensing and other non-destructive techniques could allow for early and spatial stress detection in vegetables. Early stress detection is essential to apply management practices and to maximize optimal yield for precision farming. Therefore, this study was conducted to 1) determine the effect of water stress on lettuce (Lactuca sativa L.) grown under different watering regime and 2) explore the performance of the artificial neural network (ANN) technique to estimate the lettuce yield using spectral vegetation indices. Normalized difference vegetation index (NDVI), green NDVI, red NDVI, simple ratio (SR), chlorophyll green (CLg), and chlorophyll red edge (CLr) indices were used. The study was carried out in vitro conditions at three irrigation levels with four replicates and repeated tree times. The different irrigation levels applied to the pots were 33, 66 and 100 % (control) of pot water capacity. Spectral measurements were made by a hand-held spectroradiometer after the irrigation. Decrease in irrigation water resulted in reduction in plant height, plant diameter, number of leaves per plant, and yield. Using all indices in a feed-forward, back-propagated ANNs model provided the best prediction with R2 values of 0.86, 0.75, and 0.92 for 100, 66, and 33 % water treatments, respectively. The overall results indicated that spectral data and ANNs have high potential to predict the lettuce yield exposed to water deficiency.Öğe Monitoring and multi-scenario simulation of agricultural land changes using Landsat imageries and future land use simulation model on coastal of Alanya(Pagepress Publ, 2024) İnalpulat, MelisAnthropogenic activities have adverse impacts on productive lands around coastal zones due to rapid developments. Assessment of land use and land cover (LULC) changes provide a better understanding of the process for conservation of such vulnerable ecosystems. Alanya is one of the most popular tourism hotspots on the Mediterranean coast of Turkey, and even though the city faced severe LULC changes after the mid-80s due to tourism-related investments, limited number of studies has been conducted in the area The study aimed to determine short-term and long-term LULC changes and effects of residential development process on agricultural lands using six Landsat imageries acquired between 1984 and 2017, and presented the first attempt of future simulation in the area. Average annual conversions (AAC) (ha) were calculated to assess magnitudes of annual changes in six different periods. AACs were used to calculate area demands for LULC2030 and LULC2050, whereby annual conversions from different periods were multiplied by the number of years between 2017, 2030 and 2050 for each scenario. Finally, optimistic and pessimistic scenarios for agricultural lands are simulated using a future land use simulation model. Accordingly, agricultural lands decreased from 53.9% to 31.4% by 22.5% in 33 years and are predicted to change between 19.50% and 24.63% for 2030, 1.07% and 14.10% for 2050, based on pessimistic and optimistic scenarios, respectively.Öğe Prediction of Greenhouse Area Expansion in an Agricultural Hotspot Using Landsat Imagery, Machine Learning and the Markov-FLUS Model(Mdpi, 2024) İnalpulat, MelisGreenhouses (GHs) are important elements of agricultural production and help to ensure food security aligning with United Nations Sustainable Development Goals (SDGs). However, there are still environmental concerns due to excessive use of plastics. Therefore, it is important to understand the past and future trends on spatial distribution of GH areas, whereby use of remote sensing data provides rapid and valuable information. The present study aimed to determine GH area changes in an agricultural hotspot, Serik, T & uuml;rkiye, using 2008 and 2022 Landsat imageries and machine learning, and to predict future patterns (2036 and 2050) via the Markov-FLUS model. Performances of random forest (RF), k-nearest neighborhood (KNN), and k-dimensional trees k-nearest neighborhood (KD-KNN) algorithms were compared for GH discrimination. Accordingly, the RF algorithm gave the highest accuracies of over 90%. GH areas were found to increase by 73% between 2008 and 2022. The majority of new areas were converted from agricultural lands. Markov-based predictions showed that GHs are likely to increase by 43% and 54% before 2036 and 2050, respectively, whereby reliable simulations were generated with the FLUS model. This study is believed to serve as a baseline for future research by providing the first attempt at the visualization of future GH conditions in the Turkish Mediterranean region.Öğe Quantification of LULC Changes and Urbanization Effects on Agriculture Using Historical Landsat Data in North-West Anatolia, Turkey(HARD Publishing Company, 2021) İnalpulat, Melis; Genç, LeventThe Present study focused on investigation of Land Use Land Cover (LULC) changes within three basins located in North-West part of Anatolia region, Turkey. The study area consisted of six provinces with 41 districts. Visible, near-infrared and shortwave-infrared bands of Landsat imageries, acquired in production seasons of 1984, 1999, and 2014, served as main data source. The area is covered by six Landsat scenes. Supervised classification maximum likelihood algorithm was adopted whereas LULC classes were considered as forest (F), grazing-other vegetation (G-O), agriculture (A), water surface (W), and residential area-bare soil (R-B). Prior to the classification process, scenes were subset according to district boundaries, and district-level images were classified to improve the classification precision, and then mosaicked to obtain LULC1984, LULC1999 and LULC2014 maps. The reliabilities of maps were evaluated by accuracy assessments using 900 stratified randomized control points with minimum of 90 points per class. LULC changes were evaluated in two terms; changes within study area (WSA) (ha, %) and changes within class area (WCA) (%). Moreover, distributions of class areas along three basins were presented. Finally, past statuses of each class were compared, particularly, impacts of urbanization on agriculture were highlighted, and population change patterns were evaluated as main underlying reason.Öğe Short-Term Change Detection and Markov Chain Prediction of Greenhouse Areas in Alanya, Turkey Using Sentinel-2 Imageries(Osman SAĞDIÇ, 2021) İnalpulat, Melis; Genç, LeventGreenhouses provide controlled growth conditions and possibility off-season production for various agricultural products while there are some reported adverse effects on the environment due to particularly increased plastic waste, changed soil properties, and ecosystem degradation in their extensive use. Monitoring recent status and forecasting future probabilities of greenhouse coverage (ha, %) comprise influential tool for researchers and planners to reach more sustainable and environmental-friendly situations. Present paper deals with detection of short-term changes in greenhouse areas using high resolution Sentinel-2 imageries, and prediction of probable future status via markov chain model within Alanya, Turkey. The changes in greenhouse coverages were evaluated considering initial acquisition year of imageries, and change analyses were conducted between 2015 and 2021 years. Use of a Landsat-derived plastic greenhouse index to discriminate between greenhouse and other surrounding land cover land use (LCLU) types was tested for Sentinel-2. The LCLU2015 and LCLU2021 maps were consisted of five main classes including natural vegetation, open agricultural field, water surface, concrete structure, and greenhouse. Classification accuracies were assessed by checking the actual statuses of 200 equalized random control points using Google Earth application. The changes in LCLU within the major greenhouse located zone were evaluated through post-classification comparison technique. Future greenhouse areas, as well as other LCLU types, were predicted through markov chains for 2027 year by considering the same time interval. Findings have revealed that greenhouse areas have remarkably increased in the last seven years, and have great potential to continue expanding in the near future. Utilization of the index imageries to increase the classification accuracy of greenhouses is recommendedÖğe Subscale mapping of animal waste-based biogas potential and its equivalent energies using GIS: Canakkale, Türkiye(2023) İnalpulat, MelisThe study presents the first attempt of determination and mapping of recent biogas potentials (BP) at different scales from province to village level in Çanakkale using Geographic Information Systems (GIS). The BP of different scales was calculated based on animal waste amounts from bovine, ovine and poultry farming. The study area covers the ten districts of Çanakkale province with the exception of Imbros and Tenedos Islands. The inventory records of different animal types were obtained from of Republic of Turkey Ministry of Agriculture and Forestry Çanakkale Directorate of Provincial Agriculture and Forestry. GIS procedures are conducted in ArcGIS (10.3) software. Findings revealed that the annual biogas production potential of the whole province is almost 6.4×107 m3. Biga district seemed to include 39 % of overall BP whereas Eceabat district presented a slight percentage of the potential production with the value of approximately 1 %. Moreover, the highest and lowest subscale-level potentials have found in Yukarıdemirci (Biga) and Bahçedere (Ayvacık), with approximately 154×104 m3 and 137 m3 BP, respectively. The overall BP of the province have concluded to be promising, and present study believed to serve as a baseline for future studies related to determination of new biogas plant suitable lands.Öğe Tarım alanlarındaki değişimin iklim, nüfus ve uzaktan algılama verileri yardımıyla modellenmesi: Kuzey-Batı Anadolu örneği(Çanakkale Onsekiz Mart Üniversitesi, 2020) İnalpulat, Melis; Genç, LeventSusurluk (SH), Kuzey Ege (KEH) havzaları ile Marmara havzası Güney bölümünü kapsayan ve çalışma çerçevesinde Kuzey-Batı Anadolu (KBA) olarak anılan alanda, 1984-1999 ve 1999–2014 dönemlerinde gerçekleşmiş değişimlerden yararlanılarak tarım alanlarının gelecekteki (2029 ve 2044) durumunun modellenmesi amaçlanmıştır. Çalışma alanı olan KBA, altı ile bağlı olan 41 ilçeden oluşmaktadır. Tarımsal alanlar üzerinde en büyük baskı unsurunun, artan nüfusun bir sonucu olarak ortaya çıkan kentleşme süreci olduğu göz önünde bulundurulduğunda, geleceğe yönelik öngörüler oluşturulmasında öncelik, çalışma alanı içerisinde yer alan ilçelerin nüfus ve yerleşim alanı artışları arasındaki ilişkilerin belirlenmesidir. Bu bağlamda 1984 - 2014 yıllarında meydana gelen demografik değişimler incelenmiş ve kuşak bileşenler yöntemi kullanılarak geleceğe yönelik nüfus projeksiyonları oluşturulmuştur. Nüfus projeksiyonlarının oluşturulmasının ardından, arazi kullanım ve bitki örtüsü (AKBÖ)' nde meydana gelen değişimlerin belirlenmesi için Landsat (TM, ETM+ ve OLI) görüntüleri kullanılmış ve kontrollü sınıflama ile ilçe seviyesinde sınıflamalar yapılarak çalışma alanı orman (O), mera ve diğer vejetasyon (M-D), tarım (T), su yüzeyi (S), yerleşim ve çıplak alan (Y-ÇA) sınıflarına ayrılmıştır. AKBÖGEÇMİŞ haritaları, markov zinciri, geçmiş ve projeksiyon nüfusları ile FLUS modelinden yararlanılarak, AKBÖSİMÜLASYON haritaları oluşturulmuş ve bu sayede tarım alanların gelecekteki miktarlarının yanı sıra konumları da modellenmiştir. Simülasyonların oluşturulmasında geleceğe yönelik sınıf alan miktarları öncelikle AKBÖGEÇMİŞ haritaları kullanılarak ve markov zinciri ile tahmin edilmiştir. Ardından nüfusunda meydana gelen değişimin, ilçe Y-ÇA alanında meydana gelen değişimler uyumlu olduğu durumlarda aralarındaki ilişki doğrusal regresyon yardımıyla belirlenmiş ve eşitlik yardımıyla nüfus projeksiyonuna göre gelecekteki kentsel alan ihtiyacı tahmin edilerek söz konusu ilçeler için markov zinciri tahmin sonuçları revize edilmiştir ve simülasyonlar oluşturulmuştur. Meteoroloji istasyonlarından temin edilen noktasal iklim parametreleri arasından ortalama sıcaklık ve toplam yağışa ilişkin mevsimsel değişimler dikkate alınarak istasyon verilerine ilişkin kırılım noktaları ve trend olup olmadığı Pettitt ve Mann Kendal testleri sonucunda belirlendikten sonra yaz sezonu sıcaklık ortalaması ve yıllık toplam yağış verileri için Box-Jenkins yöntemiye istasyon bazında en iyi model belirlenerek gelecek tahminleri oluşturulmuştur. Bununla birlikte sayısal yükseklik modeli ve ters mesafe ağırlıklı enterpolasyon yöntemi kullanılarak 1984 - 2044 arasında ele alınan yılların tamamına yönelik sıcaklık ve yağış dağılım haritaları, CBS yardımıyla oluşturulmuştur. AKBÖGEÇMİŞ ve AKBÖSİMÜLASYON haritalarından elde edilen T sınıfına ilişkin, 1984 -2044 arasında geçen 60 yıllık dönemde meydana gelmesi öngörülen tarım alanı miktarı değişiminin (ha, %) yanı sıra: Kişi başına düşen tarım alanı (KBDTA) miktarı (ha), tarım alanlarının eğim, bakı ve yüksekliğe göre dağılımları, tarım alanlarındaki sıcaklık (°C) ve yağış (mm) dağılımı ve tarımsal arazi metrikleri parametrelerinde meydana gelen değişimler incelenerek, tüm bulgular KBA, SH, KEH ve GMH seviyelerinde yorumlanmıştır. KBA seviyesindeki genel sonuçlar, simülasyon yılları sonunda tarım alanı, KBDTA, yağış, arazi parçalığında azalma görüleceği, buna karşın eğimli ve yüksek arazilerde bulunan tarım alanı miktarı, sıcaklık, en geniş parça indeksi ve parça büyüklüğü varyasyon katsayısında artış görüleceği, bununla birlikte SH' nın gelecekte daha şiddetli değişimlerle karşı karşıya kalabileceği ve bu nedenle değişimlerin daha hassas bir şekilde izlenmesine yönelik yaklaşımlar göz önünde bulundurulmasının önemli olduğu sonuçlarına ulaşılmıştır.Öğe Tuz ve potasyum uygulamalarının mısırın yaprak su durumu ile bazı agronomik ve yansıma özelliklerine etkileri(2014) Demirel, Kürşad; Çamoğlu, Gökhan; İnalpulat, Melis; Kahrıman, Fatih; Genç, LeventBu çalışma, mısır bitkisinin erken vejetatif döneminde potasyum eksikliğinin ve tuz stresi koşullarındauygulanan potasyum düzeylerinin bazı agronomik özelliklere, biyokütleye, yaprak su göstergelerine ve spektralkarakteristiklerine etkisini belirlemek amacıyla 2012 yılında laboratuar koşullarında yürütülmüştür . Denemede mısıra 2 farklı tuz (0,5 ve 4, 0 ds m-1 ) ve 4 farklı potasyum seviyesi (14 kg da -1 , 28 kg da -1 , 56 kg da -1 , 84 kg da -1 )uygulanmıştır. Çalışmada, agronomik ölçümler (bitki boyu, taç genişliği, gövde çapı), biyokütle verimleri (toprak üstü yaş ve kuru ağırlık) ve yaprak su göstergelerine ait parametrelerin (yaprak oransal su içeriği (YOSİ), eşdeğer su yüksekliği (ESY), yaprak su içeriği (YSİ) yanı sıra; spektral ölçümlere dayalı bazı indekslerhesaplanmıştır. Çalışma sonucunda, mısır bitkisinde erken döneminde yeterli potasyum uygulanması durumundatolerans seviyesinden daha fazla uygulanan tuz konusunda (4, 0 ds m-1) bitki taç genişliği, bitki boyu ve gövdeçapı değerlerinin etkilenmediği görülmüştür. En yüksek yaprak su göste rge değerleri 0, 5 ds m-1tuz ve 14 kg da -1potasyumun uygulandığı bitkilerde elde edilmiştir. Ayrıca, yüksek tuz uygulamalarında yaprak su içeriğininazaldığı ancak yüksek potasyum uygulanması ile tekrar artış olduğu gözlenmiştir. Buna karşın, biyokütledeğerleri su içeriğinin tersine bir eğilim göstermiştir. Spektral indekslerden yalnızca PRI (fotokimyasal yansımaindeksi) için uygulamalar arasında fark önemli bulunmuştur. Korelasyon analizi sonuçları da PRI ile yaprak sugöstergeleri arasında pozitif yönde (0,58 0,75) bir ilişki olduğunu göstermiştir.Öğe Vejetasyon İndeksleri, Ana Bileşenler Analizi ve Google Earth Engine Kullanılarak Tarımsal Alan Sınıflandırması: Söke/Aydın Örneği(Çanakkale Onsekiz Mart Üniversitesi, 2023) İnalpulat, Melis; Civelek, Neslişah; Uşaklı, Metin; Genç, LeventArazi kullanım ve arazi örtüsü (AKAÖ) sınıflaması çevresel değişim ve bozunmanın dünya genelinde en çok kullanılan göstergelerinden biri olarak bilinmektedir. AKAÖ sınıflaması için çeşitli algoritmalar ve metotlar var olup, en önemli hususların başında sınıflama haritalarının güvenliği gelmektedir. Çalışma, Google Earth Engine (GEE) platform kullanılarak tarımsal sınıflama için en geliştirici metotu belirlemek için Sentinel-2 görüntülerinin original bantlarının yanında Normalize Edilmiş Farklılık Vejetasyon İndeksi (NDVI), Yeşil NDVI (GNDVI) ve Ana Bileşenler Analizi (ABA) ile üretilmiş AKAÖ haritalarının doğruluğunun değerlendirilmesi üzerine odaklanmıştır. Bunun yanında, seçilen alan içerisindeki kısa dönem AKAÖ değişimlerinin belirlenmesi amaçlanmıştır. Amaçlara ulaşabilmek için, farklı yılların aynı ayında alınmış olan bulutluluk oranı %10’ dan az olan görüntüler kullanılarak AKAÖ2018 ve AKAÖ2022 haritaları eldesi için Mayıs 2018 ve Mayıs 2022 için ortalama görüntüler oluşturulmuştur. Alan rassal orman (RO) algoritması ile zeytin (Z), ekili tarım (E), Dikili tarım (D), orman (O) doğal vejetasyon (DV), yerleşim alanı (Y) ve su yüzeyi (S) olmak üzere yedi ana sınıfa ayrılmıştır. AKAÖ haritalarının güvenilirlikleri sınıf alanı büyüklüğüne göre rastgele dağıtılmış control noktaları göz önünde bulundurularak değerlendirilmiştir. Sınıfların birbirlerine dönüşümleri belirlenmiştirÖğe Yield estimate using spectral indices in eggplant and bell pepper grown under deficit irrigation(Parlar Scientific Publications, 2014) Demirel, Kürşad; Genç, Levent; Bahar, Erdem; İnalpulat, Melis; Smith, Scott; Kızıl, ÜnalThe objective of this research was to estimate egg-plant (Solanum melongena cv. "Aydin Siyahi") and bell pepper (Capsicum annuum L. "California Wonder") yield using spectral indices. The experiments were conducted in the growing season of 2011 in Canakkale, Turkey. The following eight spectral indices were used (1) Simple Ratio Index (SR), (2) Normalized Difference Vegetation Index (NDVI), (3) Green Normalized Difference Vegetation Index (GNDVI), (4) Water Band Index (WBI), (5) Photochemical Reflectance Index (PRI), (6) Wide Dynamic Range Vegetation Index (WDRVI), (7) Enhanced Vegetation Indices (EVI) and (8) Red Edge Normalized Difference Vegetation Index (RENDVI). In addition to these indices the six following spectral bands were also used; (1) R645, (2) R633, (3) R97O (4) R 940, (5) R970/940 and (6) R940/ 970. Four irrigation levels, including 0% (SO, non-irrigated), 33% (S33), 66% (S66) and 100% (S100, control) of field ca-pacity were applied throughout three growth stages (vegetative (V), flowering (F) and fruit growth (FG)). Regression models were obtained between spectral indices and yield of both plants. The correlation coefficients (r) were between 0.921 and 0.997 for eggplant and between 0.857 and 0.900 for bell pepper at different growth stages. The research results showed that spectral indices and bands have a good potential to estimate the yield of eggplant and pepper plants.
