Kuraklık, gıda ve su güvenliği için uydu verilerini kullanan akıllı tarım veri analizi yaklaşımı

Bu tez çalışması, kuraklık, gıda güvenliği ve su güvenliği gibi küresel ölçekte kritik öneme sahip sorunlara çözüm sunmak amacıyla, uydu görüntüleri ve meteorolojik verilerin birlikte analiz edildiği bir akıllı tarım veri analizi yaklaşımı geliştirmeyi hedeflemektedir. İklim değişikliğinin tarımsal üretim üzerindeki etkilerinin giderek arttığı günümüzde, bu risklere karşı erken uyarı sistemlerinin ve karar destek yapılarının önemi artmaktadır. Bu kapsamda geliştirilen sistem, Sentinel-2 uydu verileri ile toprak nemi ve bitki sağlığına ilişkin spektral indekslerin hesaplanmasını ve RandomForestRegressor gibi makine öğrenmesi algoritmalarıyla mekânsal tahminlerin gerçekleştirilmesini sağlamaktadır. Tezde, çift akışlı bir analiz mimarisi önerilmiştir. Birinci akış, uydu görüntülerine dayalı olarak tarımsal uygunluk ve çevresel stres koşullarının belirlenmesini sağlamaktadır. İkinci akış ise, OpenEO platformu üzerinden elde edilen meteorolojik verilerin işlenmesiyle kullanıcıya özgü tahmin ve öneriler sunmaktadır. Geliştirilen sistem, kullanıcı tarafından belirlenen koordinatlar üzerinden çalışabilen, gerçek zamanlı ve bölgeye özgü karar destek çıktıları sunan esnek bir yapıya sahiptir. Ayrıca, çalışmada geliştirilen üç ayrı derin öğrenme modeli aracılığıyla kuraklık riski (DroughtNet- X), su güvenliği (WS-RiskNet) ve gıda güvenliği (FoodNet-C) analizleri gerçekleştirilmiştir. Bu modellerin eğitim süreçleri Python dili kullanılarak Google Colab ortamında yürütülmüş, doğruluk oranları literatürdeki yöntemlerle karşılaştırılarak değerlendirilmiştir. Elde edilen bulgular, uydu ve meteorolojik verilerin birlikte kullanımının, tarımsal karar alma süreçlerinde etkinliğini artırdığını, çevresel değişkenliklere karşı daha dirençli sistemlerin kurulmasına katkı sağladığını ortaya koymaktadır. Bu bağlamda, çalışma hem akademik araştırmalar hem de saha uygulamaları için pratik ve uygulanabilir bir model sunmaktadır.