İHA tabanlı rgb görüntüleme ile kanopi yapısal parametrelerini belirleme

Eskiden tarım faaliyetleri basit insan gücüyle ve ilkel aletlerle yapılmaktayken, günümüzde çok gelişmiş teknolojiler uygulanarak yapılmaktadır. İHA'ların sivil kullanıma sunulması, teknolojilerindeki gelişmeler ve İHA fiyatlarının düşmesiyle pek çok disiplin araştırmalarında İHA'ları yaygın olarak kullanmaya başlamıştır. İHA'lar hassas tarım uygulamalarında biyokütle, ilaçlama, hastalık tespiti, bitki su stres analizi, yabancı ot tespiti, gübreleme, sulama, ürün verimi, toprak erozyonu, sınıflandırma, vahşi hayvan hasarı belirleme gibi birçok amaçla kullanılmaktadır. İHA'lar ile yapılan gözlemler ve müdahaleler sonucunda toprak ve su kaynakları korunmakta, ilaçlama, sulama ve gübreleme faaliyetleri kontrol altında tutulmakta, düşük maliyetlerle maksimum verim elde edilmektedir. Literatür çalışmaları incelendiğinde kanopi hacminin verim, biyokütle, fenotipleme gibi konular ile ilgili olduğu görülmüştür. Kanopi yapısal parametreleri bitki sağlığı ve büyümesiyle yakından ilişkili olup, bu çalışma ile hassas tarım uygulamalarına katkı yapmak, bitki sağlığı ve büyümesinin yüksek doğruluk ve hassasiyetle izlenmesi amaçlanmıştır. Bu tez çalışmasında İHA'dan elde edilen görüntüler Hareketten Yapı algoritmasıyla çalışan Agisoft yazılımında, Pix4D ve QGIS yazılımlarında işlenmiştir. Agisoft Metashape ve Pix4D'de nokta bulutu, Sayısal Yüzey Modeli, ortofoto ve kırmızı, yeşil ve mavi bantların görüntüleri orta ve yüksek hassasiyetli olacak şekilde ayrı ayrı elde edilmiştir. Farklı hassasiyetle elde edilen sonuç ürünler Quantum GIS'e aktarılmıştır. İlk olarak Agisoft Metashape'te yüksek hassasiyetle oluşturulan R, G ve B bandları QGIS'e ayrı ayrı aktarılarak Aşırı Yeşil İndeks (Excess Green Index) değeri hesaplanmış, ardından bitki örtüsü ve diğer sınıfların sınıflandırılması için bir eşik katmanı oluşturulmuştur. Daha sonra toprak pikselleri maskelenmiş ve Sayısal Yüzey Modeli QGIS'e aktarılmıştır. Buradan, sadece kanopi ve sadece toprak değerleri içeren raster katmanlar üretilmiştir. "Zonal Statistics" kısmından ise türetilen ortalama kanopi yüksekliği, ortanca toprak yüksekliği, kanopi alanı gibi değerler Excel'e aktarılmıştır. Excel'de uygun değerlerle yapılan hesaplamalar sonucunda kanopi hacmi elde edilmiştir. Tüm işlemler Agisoft'ta ve Pix4D'de farklı hassasiyetle üretilen ürünler için tekrarlanmış ve 4 farklı kanopi yapısal parametre değeri elde edilmiştir. Elde edilen sonuçlar SPSS yazılımında analiz edilmiştir. SPSS'te ortalama kanopi boyu, ortalama kanopi alanı, aşırı yeşil indeks ve hacim arasında yapılan çoklu regresyon analizine göre; hacim bağımlı değişkeni üzerinde en fazla kanopi boyunun etkili olduğu sonucuna varılmıştır. Hacim ve ortalama kanopi boyu arasında Pix4D (orta) için Pearson korelasyon katsayısı r=0,776, Pix4D (yüksek) için r=0,667, Agisoft (orta) için r=0,767, Agisoft (yüksek) için r=0,764 olarak bulunmuştur. Çoklu regresyon analizi sonuçlarına göre hacim ve bağımsız değişkenler arasında belirleme katsayısı 〖(R〗^2), Agisoft (orta) için R^2=0,733, Agisoft (yüksek) için R^2=0,65, Pix4D (orta) için R^2=0,741, Pix4D (yüksek) için R^2=0,684 olarak bulunmuştur. Bu sonuçlara göre verilerin orta hassasiyetle işlenmesinin daha doğru ve hızlı olacağı sonuçlarına ulaşılmıştır. Sonuç olarak; İHA'dan elde edilen RGB görüntülerin kanopi yapısal parametreleri çıkarmada oldukça faydalı ve düşük maliyetli olduğu görülmüştür. Ayrıca, Aşırı Yeşil İndeks'in bitki örtüsü bölgelerini ve kapsama alanlarını çıkarmada başarılı olduğu görülmüştür. İHA'ların hassas tarım uygulamalarında kullanılabileceği ve bu yöntemle bitki büyüme ve gelişiminin gözlemlenebileceği kanıtlanmıştır.