Hiperspektral veriler kullanılarak satsuma mandarininde mevsimsel klorofil değişiminin kısmi en küçük kareler regresyonu (PLSR) makine öğrenme algoritması ile modellenmesi

Son yıllarda sürdürülebilir tarım, hassas tarım gibi birçok kavram hayatımızın her alanında karşımıza çıkmaktadır. Ekolojik, ekonomik ve her açıdan tasarruf sağlayan tarım uygulamaları tercih edilmektedir. Uzaktan algılama ve bilgisayar bilimi ile oluşturulan çalışma modelleri de tarım alanında hızlı ve tahribatsız üretim sürecine olanak sağlamaktadır. Üretim sezonu boyunca bitki sağlığını korumak tüm tarım girdileri için önemli bir kriterdir. Bitki sağlığının önemli göstergelerinden biri olan klorofil içeriği de bu sebeple araştırmalarda temel parametre olarak görülmektedir. Uzaktan algılama çalışmalarında; spektral yansıma değerlerinde, 700 nm'ye yakın ve 530-630 nm aralığında duyarlı olması klorofil içeriğinin dolayısıyla bitki sağlığının yorumlanmasına ve tarımsal faaliyetlerin yürütülmesine rehberlik etmektedir. Son yıllarda popülerliğini artıran makine öğrenmesi algoritmaları, yoğun veri setlerinin hızlı ve güvenilir bir şekilde analiz edilmesinde ve tahmin modellerinin oluşturulmasında önemli avantajlar sağlamaktadır. Nitekim çeşitli makine öğrenmesi algoritmaları kullanılarak farklı modellerin eğitilmesi, klorofil gibi bitki için önemli bir parametrenin mevcut ve gelecek tahminlerinin yapılması mümkün olabilmektedir. Bu makine öğrenme algoritmalarından birisi de en küçük kareler regresyonu (PLSR) yöntemidir. Yürütülen bu çalışmada, Antalya ilinde üretimi yapılan Satsuma mandarin bahçesi ağaçlarından 12 ay boyunca her ay alınan yaprak örneklerinde ASD FieldSpec El Tipi Spektroradyometre cihazı ile hiperspektral yansıma ölçümleri ve SPAD-502Plus klorofil ölçüm cihazı ile de klorofil ölçümleri gerçekleştirilmiştir. Çalışmada, bitkinin uzaktan algılamaya dayalı spektral özelliklerinin dönemsel olarak sorgulanarak yansıma ve klorofil ilişkisinin istatistiksel olarak belirlenmesi ve PLSR yöntemi ile klorofil tahmininde bitki spektral özelliklerinin başarısının ortaya konulması amaçlanmıştır. Elde edilen bulgular sonucunda, spektral ölçümlerden hesaplanan TGI (Üçgen Yeşillik İndeksi), VARI (Görünür Atmosferik Dayanıklılık İndeksi), GRVI (Yeşil Kırmızı Bitki Örtüsü İndeksi), HNDVI (Hiperspektral Normalize Edilmiş Fark Bitki İndeksi), CIG (Klorofil indeksi – Yeşil) ve LCI (Yaprak Klorofil İndeksi) bağımsız değişkenleri ile klorofil (SPAD) bağımlı değişkeninin tahmin edilmesinde önemli başarılara ulaşılmıştır. Satsuma mandarininde her bir ay için gerçekleştirilen tahmin modelleri içerisinde ise hem en yüksek R2 değerini (RMSE: 1.88; MAPE: 4.06) veren, hem de SPAD bağımlı değişkenini en iyi tahmin eden dönemin aynı zamanda çiçeklenme ve meyve tutum dönemine denk gelen Mayıs ayı olduğu sonucuna varılmıştır. Mayıs ayı modelinin, SPAD bağımlı değişkenini %83.57 oranında 2 faktörle en yüksek başarıyı sağladığı ve R² değerinin 0.84 ile en yüksek doğruluğa ulaştığı belirlenmiştir.