Süt sığırı işletmeleri için gübre işletim planlaması: Aşkın çiftliği uygulama örneği

Günümüzde artan nüfusla birlikte hayvansal gıdaya olan ihtiyaç da artmıştır. Buna bağlı olarak hayvancılık gelişmiş ve hayvancılık işletmeleri kapasite olarak büyümüştür. Artan hayvan sayılarıyla birlikte atıkların oluşturduğu çevre kirliliği problemi de giderek büyümektedir. Oluşan mevcut hayvansal atıkların uygun planlama doğrultusunda ele alınması ve uygulanması ülkemizde önemli çevre sorunlarından biridir. Bu çalışmada, makine öğrenmesi algoritmaları (MÖA) ile çok kriterli karar verme (ÇKKV) yaklaşımını bütünleştiren hibrit bir model geliştirilmiştir. Çanakkale ili merkez Dümrek Köyü'nde bulunan Aşkın Süt Çiftliği'ne ait 18 farklı tarlada yürütülmüştür. Çalışmada Gradyan Artırma (GA), Rassal Orman (RO), Destek Vector Regresyon (DVR) ve K-En Yakın Komşular (KNN) algoritmaları kullanılmıştır. Ayrıca ÇKKV modeli ile de ahırdan tarlalara olan mesafe, bitki azot gereksinimi ve analiz sonuçları gibi kriterleri dikkate alarak tarlaların önceliklendirilmesini sağlamıştır. Sonuçlar, GA algoritmasının en düşük RMSE (0.0057) ve en yüksek R² (0.99) değerleriyle en başarılı model olduğunu ortaya koymuştur. Bulgular, özellikle ağaç tabanlı yöntemlerin gübre dağıtımında daha uygun olduğunu kanıtlamaktadır. Ayrıca çiftlikte üretilen 1454 ton yıllık gübrenin altı tarlanın ihtiyacını karşıladığını, kalan tarlalar için ise kimyasal gübre desteğine ihtiyaç duyulduğu tespit edilmiştir.

The demand for meat has increased with the increasing population. Consequently, animal husbandry has developed, and livestock farms have expanded in capacity. With increasing animal numbers, the problem of environmental pollution caused by waste is also growing. Addressing and implementing existing animal waste through appropriate planning is one of the major environmental problems in our country. In this study, a hybrid model integrating machine learning algorithms (MLA) and the multi-criteria decision-making (MCDM) approach was developed. The study was conducted on 18 different fields of Aşkın Dairy Farm, located in Dümrek Village, central Çanakkale province. Gradient Boosting (GB), Random Forest (RF), Support Vector Regression (SVR), and K-Nearest Neighbors (KNN) algorithms were used in the study. Furthermore, the MCDM model enabled prioritization of fields by considering criteria such as distance from barns to fields, plant nitrogen requirements, and analysis results. The results revealed that the GB algorithm was the most successful model, with the lowest RMSE (0.0057) and highest R² (0.99) values. The findings demonstrate that tree-based methods, in particular, are more effective for manure distribution. Furthermore, it was determined that the 1,454 tons of annual manure produced on the farm meets the needs of six fields, while the remaining fields require chemical fertilizer support.