Vaka Çalışması: deneme parsellerinin çok zamanlı analizi
Giriş
Tarımda drone ile uzaktan algılamanın kullanımı, mahsullerin izlenme ve yönetilme biçiminde devrim yarattı. Bu teknolojiler sayesinde, kısa sürede geniş arazi alanlarını kapsayarak yüksek çözünürlüklü görünür (RGB) ve çok bantlı görüntüler ve veriler elde etmek mümkün olup, bu da tarlaların hızlı ve doğru bir şekilde haritalanmasını sağlar.
Tek bir uçuş, mahsullerin belirli bir andaki özelliklerini ortaya koyabilir; ancak çok zamanlı uçuşlar gerçekleştirmek, mahsullerin zaman içindeki gelişimini izlemeyi mümkün kılar ve bitki koşullarındaki değişikliklerin, örneğin büyüme, biyokütle hacmi, vejetatif canlılık ve hastalık ya da stres varlığının analiz edilip karşılaştırılmasına olanak tanır.
Vaka çalışması
Bir deneme merkezi adına, Şubat’tan Mayıs 2023’e kadar çok zamanlı uçuşlar gerçekleştirildi. Her uçuş, her biri farklı bir biyostimülan uygulamasına tabi tutulan 3×7 m ölçülerinde 64 buğday parseli üzerinde yapıldı. Uçuş yüksekliği 30 metre olarak ayarlandı; RGB ve çok bantlı fotoğraflar, görüntülerde %85 ön ve yan bindirme ile çekildi. Çekilen görüntülerin analizi sayesinde, her uçuş için 3 boyutlu dijital model (Şek.1) ve test alanının yansıtma haritaları oluşturulabildi.
Şek.1: Bir buğday tarlasında çok zamanlı uçuş: farklı parsellerin bulunduğu test alanının 3B nokta bulutu.
Her uçuş sırasında, her parsel için şu veriler elde edildi: bitki örtüsü alanı, biyokütle hacmi ve çeşitli vejetasyon indeksleri (NDVI, NDRE, GNDVI). Çok zamanlı uçuşlar sayesinde dinamik bir izleme yapmak mümkün oldu; bu sayede yalnızca her uçuşta farklı parseller arasındaki farklar değil, aynı zamanda her bir parselin zaman içindeki gelişiminin sayısal olarak ölçülmesi de mümkün oldu. Örneğin, başlangıçta “dezavantajlı” olan bazı parsellerin, daha yüksek toprak örtüsüyle başlayan diğer parsellere kıyasla sonunda daha geniş bir alana sahip olduğu ortaya kondu (Şek. 2).
Şek.2: Bir buğday tarlasında çok zamanlı uçuş: her bir parsel için farklı uçuşlarda bitki örtüsünün kapladığı alan.
Biyokütle hacmi (Şek. 3) ve vejetatif canlılık (NDVI indeksi) (Şek. 4) için de benzer analizler yapıldı.
Şek.3: Bir buğday tarlasında çok zamanlı uçuş: her bir parsel için farklı uçuşlarda 3B nokta bulutu ve biyokütle hacmi haritası.
Şek.4: Bir buğday tarlasında çok zamanlı uçuş: her bir parsel için farklı uçuşlarda vejetatif canlılık (NDVI indeksi).
Sonuçlar
Drone ile uzaktan algılamanın kullanımı ve toplanan verilerin işlenmesi sayesinde, her uçuşta parseller arasında analiz edilen parametrelerdeki farklılıkları belirlemek mümkün oldu; çok zamanlı uçuşlar sayesinde de, her bir parselin büyüme, biyokütle hacmi ve canlılık gibi parametrelerindeki zamansal değişimleri analiz edip karşılaştırmak mümkün oldu.
Deneme merkezleri için drone ile yapılan çok zamanlı uçuşlar, test edilen ürünlerle ilgili gerekli değerlendirmeleri yapabilmek amacıyla her bir parselin gelişimini optimal ve nesnel biçimde değerlendirerek mahsullerin zaman içindeki gelişimini izleme imkânı sunar; bu da, drone verileri ile arazide toplanan veriler arasındaki korelasyonları araştırmak için yine de gerekli olan arazi ölçümlerinde zaman kazandırır.
Sonuç olarak, drone ile yapılan çok zamanlı uçuşlar, tarla koşullarının zaman içindeki ayrıntılı ve dinamik bir görünümünü sunarak, çiftçilerin ve teknisyenlerin veriye dayalı kararlar almasını ve faaliyetlerinin verimliliğini, sürdürülebilirliğini ve üretkenliğini artırmasını sağlar; bu da zamanında ve hedefe yönelik müdahalelere olanak tanır. Çok zamanlı uçuşları kullanarak çiftçiler, büyüme sezonu boyunca sulama, gübreleme ve kaynak yönetimi uygulamalarının etkinliğini değerlendirebilir. Bu da kullanımlarını optimize etmelerini sağlayarak, israfı önlemelerine ve maliyetleri düşürmelerine olanak tanır.