Hızlı Erişim


Bu Dergi DOI ve Crosscheck üyesidir


Özet


FARKLI DOZDAKİ KATI VE SIVI HAYVAN GÜBRESİ UYGULAMALARININ BUĞDAY GELİŞİMİNE ETKİSİNİN BİTKİ İNDEKSLERİ İLE BELİRLENMESİ

Bu çalışmada, farklı dozlardaki taze ve yanmış katı ve sıvı hayvan gübresi uygulamalarının buğday bitkisi gelişimine etkileri, insansız hava aracından (IHA) elde edilen görüntülerden üretilen bitki indeksleri ile incelenmiştir. Bu amaçla farklı uygulamaların yer aldığı deneme alanındaki parsellerde dane dolum dönemindeki bitkinin yaş ağırlıkları ile aynı parsellerde IHA’dan elde edilen görüntülerden Normalize Edilmiş Fark Bitki Örtüsü İndeksi (NDVI), Normalize Edilmiş Fark Kırmızı Kenar İndeksi (NDRE), Kırmızı Kenar Klorofil Indeksi (CIRE) ve Toprağa-Göre Düzenlenen Bitki İndeksi (SAVI) hesaplanmıştır. Çalışma, Harran Üniversitesi Osmanbey yerleşkesinde, Ziraat Fakültesi araştırma ve uygulama arazilerinde gerçekleştirilmiştir. Çalışmada, kırmızı (R-660 nm), yeşil (G-550 nm), yakın kızıl ötesi (NIR-790 nm) ve kırmızı kenar (RedEdge-735 nm) spektrumda yansıma kayıt edebilen bir kameranın monte edildiği IHA ile görüntüler alınmıştır. Uygulamalarda doz artışı ile birlikte bitki yaş ağırlığı önemli düzeyde artarken, tüm bitki indeks değerleri de önemli düzeyde artmıştır. Düşük doz uygulamalarında bitkinin yaş ağırlığı herhangi bir uygulamanın yapılmadığı kontrol parselleri ile benzer idi. Bununla birlikte, düşük dozlardaki bitki indeksi değerleri kontrol parseline ait bitki indeksi değerlerinden daha yüksek çıkmıştır. Dane dolum dönemi yaş ağırlığının tahmininde en güvenilir sonuç (R2= 0.70 ve P<0.01), NDVI değerleri ile oluşturulan regresyon modeli ile elde edilmiştir. İkinci derecen bir polinomial eşitlik kullanılarak bu dönemdeki bitkinin yaş ağırlığının %70 doğrulukla tahmin edilebileceği anlaşılmıştır. Sonuçlar, alçak uçuş özelliği ve yüksek çözünürlüklü kamerası olan IHA’lar ile bitki gelişiminin izlenebileceğini ve verim tahminin başarılı bir şekilde yapılabileceğini göstermiştir. Bu dönemdeki bitkinin yaş ağırlığı, ikinci derecen bir polinomial eşitlik kullanılarak %70 doğrulukla tahmin edilebilmiştir. Sonuçlar, alçak uçuş özelliği ve yüksek çözünürlüklü kamerası olan IHA’lar ile bitki gelişiminin izlenebileceğini ve verim tahminin başarılı bir şekilde yapılabileceğini göstermiştir.



Anahtar Kelimeler
İnsansız hava aracı, buğday, bitki indeksi, NDVI, NRDE, CIRE, SAVI

Kaynakça Anonim. (2021). Meteoroloji Genel Müdürlüğü, İllere ait Mevsim Normalleri. https://www.mgm.gov.tr/veridegerlendirme/il-ve-ilceler-istatistik.aspx?m=SANLIURFA Erişim tarihi. 10 Ekim 2021. Barnes, E.M.; Clarke, T.R.; Richards, S.E.; Colaizzi, P.D.; Haberland, J.; Kostrzewski, M.; Waller, P.M.; Choi, C.Y.; Riley, E.; Thompson, T.L.; et al. Coincident detection of crop water stress, nitrogen status and canopy density using ground–based multispectral data. In Proceedings of the International Conference on Precision Agriculture and Other Resource Management, Bloomington, MN, USA, 16–19 July 2000. Çimen, M. (2016). Mühendislik verilerinde tek örnek için parametrik ve parametrik olmayan testler. İstanbul Aydın Üniversitesi Dergisi, 8(29), 67-77. Debaeke, P., Rouet, P., & Justes, E. (2006). Relationship between the normalized SPAD index and the nitrogen nutrition index: application to durum wheat. Journal of plant nutrition, 29(1), 75-92. Dogan, H. M., & Kılıç, O. M. (2013). Modelling and mapping some soil surface properties of Central Kelkit Basin in Turkey by using Landsat-7 ETM+ images. International journal of remote sensing, 34(15), 5623-5640. Fu, Z., Jiang, J., Gao, Y., Krienke, B., Wang, M., Zhong, K., ... & Liu, X. (2020). Wheat growth monitoring and yield estimation based on multi-rotor unmanned aerial vehicle. Remote Sensing, 12(3), 508. Gitelson, A.A.; Andrés, V.; Verónica, C.; Rundquist, D.C.; Arkebauer, T.J. Remote estima–tion of canopy chlorophyll content in crops. Geophys. Res. Lett. 2005, 32, 93–114. Guan, S., Fukami, K., Matsunaka, H., Okami, M., Tanaka, R., Nakano, H., ... & Takahashi, K. (2019). Assessing correlation of high-resolution NDVI with fertilizer application level and yield of rice and wheat crops using small UAVs. Remote Sensing, 11(2), 112. Han, J., Zhang, Z., Cao, J., Luo, Y., Zhang, L., Li, Z., & Zhang, J. (2020). Prediction of winter wheat yield based on multi-source data and machine learning in China. Remote Sensing, 12(2), 236. Hassan, M. A., Yang, M., Rasheed, A., Yang, G., Reynolds, M., Xia, X., ... & He, Z. (2019). A rapid monitoring of NDVI across the wheat growth cycle for grain yield prediction using a multi-spectral UAV platform. Plant science, 282, 95-103. Huete, A.R. A (1988). Soil-adjusted vegetation index (SAVI). Remote Sens. Environ, 25, 295–309. Hunt Jr, E. R., & Daughtry, C. S. (2018). What good are unmanned aircraft systems for agricultural remote sensing and precision agriculture?. International journal of remote sensing, 39(15-16), 5345-5376. Kross, A., McNairn, H., Lapen, D., Sunohara, M., & Champagne, C. (2015). Assessment of RapidEye vegetation indices for estimation of leaf area index and biomass in corn and soybean crops. International Journal of Applied Earth Observation and Geoinformation, 34, 235-248. Manfreda, S., McCabe, M. F., Miller, P. E., Lucas, R., Pajuelo Madrigal, V., Mallinis, G., ... & Toth, B. (2018). On the use of unmanned aerial systems for environmental monitoring. Remote sensing, 10(4), 641. Maresma, Á., Ariza, M., Martínez, E., Lloveras, J., & Martínez-Casasnovas, J. A. (2016). Analysis of vegetation indices to determine nitrogen application and yield prediction in maize (Zea mays L.) from a standard UAV service. Remote Sensing, 8(12), 973. Olson, D., Chatterjee, A., Franzen, D. W., & Day, S. S. (2019). Relationship of drone-based vegetation indices with corn and sugarbeet yields. Agronomy Journal, 111(5), 2545-2557. Olson, D., Chatterjee, A., Franzen, D. W., & Day, S. S. (2019). Relationship of drone-based vegetation indices with corn and sugarbeet yields. Agronomy Journal, 111(5), 2545-2557. Öztürk, H. 2021. Harran Ovasında tarla ölçeğinde mesafeye bağlı değişimin jeoistatiksel yöntemlerle belirlenmesi. Yüksek Lisans Tezi. Harran Üniversitesi, Fen Bilimleri Enstitüsü. YÖK Tez No: 682490. s. 78. Pix4D. (2017). Pix4Dmapper 4.1 Used Manual. Lausane. Schut, A. G., Traore, P. C. S., Blaes, X., & Rolf, A. (2018). Assessing yield and fertilizer response in heterogeneous smallholder fields with UAVs and satellites. Field Crops Research, 221, 98-107. Tucker, C.J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment 8: 127–150. Uyaner, M., Karaşahin, M., Bilici, M., Topal, İ., Yakışır, E., & Kelleş, R. (2020). Mini İnsansız Hava Aracının Tahıl Islah Parsellerinde Verim Tahmininde Kullanılabilirliği. Bahri Dağdaş Bitkisel Araştırma Dergisi, 9(2), 280-294. Yue, J., Feng, H., Li, Z., Zhou, C., & Xu, K. (2021). Mapping winter-wheat biomass and grain yield based on a crop model and UAV remote sensing. International Journal of Remote Sensing, 42(5), 1577-1601. Yue, X., Hu, Y., Zhang, H., & Schmidhalter, U. (2020). Evaluation of both SPAD reading and SPAD index on estimating the plant nitrogen status of winter wheat. International Journal of Plant Production, 14(1), 67-75. Wang, H., Mortensen, A. K., Mao, P., Boelt, B., & Gislum, R. (2019). Estimating the nitrogen nutrition index in grass seed crops using a UAV-mounted multispectral camera. International Journal of Remote Sensing, 40(7), 2467-2482. Zarco-Tejada, P. J., Miller, J. R., Morales, A., Berjón, A., & Agüera, J. (2004). Hyperspectral indices and model simulation for chlorophyll estimation in open-canopy tree crops. Remote sensing of environment, 90(4), 463-476. Zeng, L., Peng, G., Meng, R., Man, J., Li, W., Xu, B., ... & Sun, R. (2021). Wheat Yield Prediction Based on Unmanned Aerial Vehicles-Collected Red–Green–Blue Imagery. Remote Sensing, 13(15), 2937. Zhou, X., Kono, Y., Win, A., Matsui, T., & Tanaka, T. S. (2021). Predicting within-field variability in grain yield and protein content of winter wheat using UAV-based multispectral imagery and machine learning approaches. Plant Production Science, 24(2), 137-151.

Gelişmiş Arama


Duyurular

    ***********************

    mail mail mail mail mail

    Dergimizin Aralık sayısı 

    (25.12.2021)

    yayınlanmıştır.

    mail mail mail mail mail

    mail mail mail mail mail

    25 Mart 2022 tarihinde yayınlanacak sayımız için değerlendirilmek üzere 1 Şubat 2022 tarihine kadar makalenizi sisteme yükleyebilirsiniz!

    mail mail mail mail mail

     



Adres :Göztepe Mah., Beykoz, İstanbul/TURKEY
Telefon : Whatsapp: +90 555 005 92 85 Faks :+90 216 606 32 75
Eposta :info@euroasiajournal.org

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri