Su Kaynakları Yönetiminde Makine Öğrenmesi: Çeltik Sulaması Uygulama Örneği

Basit Öğe Kaydı
dc.contributor.authorKızıl, Ünal
dc.contributor.authorAltınbilek, Hakkı Fırat
dc.date.accessioned2025-05-29T05:25:02Z
dc.date.available2025-05-29T05:25:02Z
dc.date.issued2023
dc.departmentÇanakkale Onsekiz Mart Üniversitesi
dc.description.abstractSu tüketiminde çeltik sulama önemli bir yer tutmaktadır. Dolayısıyla çeltik sulamasında yapılacak tasarruf önemli etkiler meydana getirecektir. Su kaynaklarının sürdürülebilir kullanımında hem sulama yöntemleri hem de su kaynaklarının planlanmasında kullanılacak yöntemler kritik öneme sahiptir. Bu nedenle damla sulama kullanımı yaygınlaştırılmalıdır. Öte yandan, sulama planlaması yapılırken modern uydu teknolojilerinden ve makine öğrenme modellerinden yararlanılmalıdır. Bu çalışmada çeltik ekim alanlarının hesaplanmasında bulut tabanlı bir görüntü işleme platformu olan Google Earth Engine (GEE) kullanılmıştır. Rassal Orman (RO) ve Destek Vektör Makineleri (DVM) makine öğrenimi algoritmaları kullanılarak hesaplamalar yapılmıştır. Sonuçlar, RO algoritmasının çeltik ekim alanlarını %97 doğrulukla hesaplayabildiğini göstermiştir. Resmi olarak beyan edilen ekim alanları ile hesaplanan alan arasında 27,69 km2 fark olduğu belirlenmiştir. Bu durumun, yer altı damla sulama, damla sulama ve göllendirme ile sulama yöntemlerinde sırasıyla 33,8, 38,1 ve 155 milyon m3'lük bir hata ile su ihtiyacının yanlış hesaplanmasına neden olduğu tespit edilmiştir. Sonuçlar, çeltik ekim alanlarının doğru hesaplanması ve damla sulama uygulamalarının hem bu hatayı en aza indireceğini hem de 4 kat daha fazla alanın sulanabilmesini sağlayacağını göstermiştir
dc.description.abstractPaddy rice irrigation takes an important role in water consumption. Therefore, the savings to be made in paddy rice irrigation will have significant impacts. In the sustainable use of water resources, both the irrigation methods and the methods to be used in the planning of water resources are critical. Hence, the use of drip irrigation should be expanded. On the other hand, the use of modern satellite technologies and machine learning models should be used while planning irrigation. In this study, Google Earth Engine (GEE), which is a cloud-based image processing platform was employed in the calculation of paddy rice cultivation areas. Random Forest (RF) and Support Vector Machines (SVM) machine learning algorithms were applied. The results showed that RF algorithm can calculate the paddy cultivation areas with an accuracy of 97%. A difference of 27.69 km2 was found between the officially declared cultivation areas and the calculated area. This can yield a miscalculation of water requirement with an error of 33.8, 38.1 and 155 million m3, in subsurface drip irrigation, drip irrigation and basin irrigation methods, respectively. Results showed that accurate calculation of paddy rice cultivation areas and drip irrigation will both minimize this error and allow 4 times more area to be irrigated.
dc.identifier.doi10.33202/comuagri.1245421
dc.identifier.endpage122
dc.identifier.issn2147-8384
dc.identifier.issn2564-6826
dc.identifier.issue1
dc.identifier.startpage112
dc.identifier.urihttps://doi.org/10.33202/comuagri.1245421
dc.identifier.urihttps://hdl.handle.net/20.500.12428/31106
dc.identifier.volume11
dc.language.isoen
dc.publisherÇanakkale Onsekiz Mart Üniversitesi
dc.relation.ispartofCOMU Journal of Agriculture Faculty
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_DergiPark_20250529
dc.subjectUzaktan algılama
dc.subjectMakine öğrenmesi
dc.subjectRassal orman
dc.subjectDestek vektör makineleri
dc.subjectDamla sulama
dc.subjectÇeltik
dc.titleSu Kaynakları Yönetiminde Makine Öğrenmesi: Çeltik Sulaması Uygulama Örneği
dc.title.alternativeMachine Learning in Water Resources Management: Paddy Rice Irrigation Case Study
dc.typeResearch Article

Dosyalar

Koleksiyon

DergiPark