Farklı fizyoğrafik üniteler üzerinde bulunan arazilerde sayısal toprak haritalama yaklaşımları kullanılarak olası toprak sınırlarının belirlenmesi ve bazı toprak özelliklerinin haritalanması

Bu çalışma, farklı fizyoğrafik ünitelerde bulunan arazilerde sayısal toprak haritalama yaklaşımları kullanılarak, olası toprak sınırlarının belirlenmesi ve bazı toprak özelliklerinin (örneğin; toprak organik karbon (TOK), toprak inorganik karbon (TİK) ve tekstürel fraksiyonlar) mekânsal dağılımlarının haritalandırılmasını amaçlamaktadır. Çalışma alanındaki lokasyonlar, koşullu Latin Hiperküp sistem (c-LHS) yöntemiyle belirlenmiştir. Belirlenen 107 noktada yüzey (0-30 cm) ve yüzey altı (30-60 cm) derinliklerden toplam 214 örnek toplanmıştır. Örnek noktalarının laboratuvarda yansıma değerleri görünür-yakın kızılötesi spektroskopisi (vis-NIR) ile ölçülmüş ve doğrulukları test edilmiştir. Örneklenen noktaların TOK, TİK, tekstür, pH ve elektriksel iletkenlik (EC) analizleri gerçekleştirilmiştir. Elde edilen veriler, çeşitli çevresel değişkenler (jeomorfometrik, iklimsel, uzaktan algılama ve arazi kullanım verileri gibi) ile birlikte, regresyon tabanlı (Regresyon Kriging, Random Forest, Suppor Vector Regression) ve sınıflandırma tabanlı makine öğrenme algoritmaları kullanılarak değerlendirilmiş, sayısal tahmin haritaları üretilmiştir. Ayrıca, DSMART algoritması aracılığıyla toprak haritalama birimlerinin yeniden örneklenmesi ve belirsizlik analizleri yapılarak, modellerin performansı kantitatif hata ölçümleriyle ele alınmıştır. Çalışma, farklı makine öğrenme modellerinin toprak özelliklerinin derinlik ve alansal dağılımlarını tahmin etmede çeşitli başarı düzeylerine ulaştığını ortaya koyarken; model bazında avantajlar ve sınırlılıkları detaylı biçimde tartışılmıştır. Elde edilen sonuçlar, hassas tarım uygulamaları, arazi yönetimi ve sürdürülebilir toprak kullanımı açısından önemli veriler sunmakta ve toprak oluşum süreçleri ile çevresel faktörler arasındaki etkileşimin daha iyi anlaşılmasına katkı sağlamaktadır. Bu çalışma sayısal toprak haritalama alanında metodolojik ve uygulamaya yönelik önemli katkılar sunarak, toprak verilerinin mekânsal modellemesinde modern makine öğrenme tekniklerinin etkinliğini ortaya koymuştur. Anahtar Kelimeler: Sayısal toprak haritalama, Regresyon tabanlı modeller, Sınıflandırma tabanlı modeller, DSMART, Vis-NIR spektroskopi