Katyon değişim kapasitesi tayininde makine öğrenim modellerinin karşılaştırılmalı değerlendirilmesi

Toprak verimliliğinin en tanımlayıcı göstergelerinden biri olan katyon değişim kapasitesi (KDK), bir toprak veri tabanı için en önemli toprak özelliklerinden biridir. Ancak geleneksel laboratuvar yöntemleri ile belirlenmesi fazla zaman, işgücü ve maliyet gerektirdiğinden birçok çalışmanın veri setine dâhil edilmemektedir. Bu çalışmanın amacı, yapay zekâ modelleri yardımı ile düşük maliyetli bazı toprak özelliklerini kullanarak KDK değerlerinin tahmin edilmesidir. Çalışmada, Çok Katmanlı Algılayıcılı Yapay Sinir Ağı (MLP-YSA), Adaptif Nöro-Bulanık Çıkarım Sistemi (ANFIS) ve Rasgele Orman Regresyon (Random Forest (RF) modelleri kullanılmıştır. Bunun için farklı ana materyal ve arazi kullanımlarının bulunduğu Yüksekova ovasında 232 noktada 0-20 cm derinlikten toprak örnekleri alınmıştır. Toprak örneklerinin KDK değerleri, kil, silt, kum, organik madde (OM) ve kireç içerikleri, agregat stabilitesi (AS), elektriksel iletkenlik (EC) ve toprak reaksiyonu (pH) belirlenmiştir. Çalışma alanında ana materyal ve arazi kullanımlarının yanısıra toprak özelliklerine bağlı olarak değişkenlik gösteren KDK değerleri, 8,96 meq 100 g-1 ile 76,25 meq 100 g-1 arasında değişmekte olup ortalama 27,85 meq 100 g-1'dir. Toprakların KDK değerleri ile olan korelasyonu dikkate alınarak kil, kum, AS, OM, kireç ve EC, KDK tahminlerinde değişken olarak kullanılmıştır. Modellerin tahminlerinin değerlendirilmesi için ortalama hataların karekökü (RMSE), ortalama mutlak hata (MAE) ve regresyon katsayısı (R2) hesaplanmıştır. Her üç modelin KDK tahmin performansı, birbirine yakın olup en iyi tahmin sırası ile ANFIS modeli (R2: 0,86, MAE: 1,36 ve RMSE:4,82) ile elde edilmiş, bunu sırası ile MLP-YSA (R2: 0,77, MAE: 5,47 ve RMSE: 5,96) ve RF (R2: 0,75 MAE: 4,41 ve RMSE: 5,89) takip etmiştir. Çalışma bulguları, çalışmada kullanılan her üç yapay zekâ modeli ile çalışma alanı topraklarının KDK değerlerinin başarılı bir şekilde tahmin edilebileceğini ortaya koymuştur.