Ankara Koşullarında Bazı Çim Türlerinde İHA Tabanlı Multispektral Görüntüleme ile Yem Verimi ve Kalite Tahmin Modellerinin Geliştirilmesi

ÖZKAN U. (Yürütücü), EBEGİL M., BAYBAŞ S.

TÜBİTAK Projesi, 1002 - Hızlı Destek Programı, 2026 - 2027

Proje Türü: TÜBİTAK Projesi
Destek Programı: 1002 - Hızlı Destek Programı
Başlama Tarihi: Ağustos 2026
Bitiş Tarihi: Ağustos 2027

Proje Özeti

Tarımsal araştırmalar, ıslah programları ve iyi tarım uygulamaları yoluyla bu artışı sağlayacak şekilde üretim ve hayvancılığın iyileştirilmesinde hayati bir rol oynayarak sürdürülebilir tarım ve gıda sistemlerini mümkün kılmak hedefindedir. Bu araştırmaların günümüz tarımında dijital ve daha hassas bir şekilde yapılabilmesi uzaktan algılama sistemleri (UAS) çerçevesinde insansız hava araçları (İHA) gibi yeni teknolojiler aracılığıyla uygulanabilmektedir. İHA ile yem bitkilerinin izlenmesi, tarla içi verim ve kalite tahminlerine olanak tanıyarak, çiftliğin genel anlamda verimliliğini artırarak, zahmetli ve zaman alıcı manuel tarla izlemelerinin yerine geçmeye başlamıştır. Özelikle multispektral kameralara sahip İHA'lar, yem bitkilerinde ürün gelişimini, biyokütle miktarını ve çeşitli biyokimyasal göstergeleri değerlendirmek için günümüz koşullarında en iyi seçeneklerden biri olarak öne çıkmaktadır. Multispektral kameralar, sahip oldukları beş veya altı banttan görüntü alabilmeleri sonucunda bitki örtüsünün kalitesi ve gelişimi hakkında önemli bilgiler sağlayacak çok çeşitli bitki örtüsü indeksleri hesaplayabilmektedir. Bu projede, Ankara ili yarı kurak koşullarında diploid ve tetraploid İtalyan çimi (Lolium multiflorum) ile çok yıllık çim (Lolium perenne) çeşitlerinde, farklı azot dozları (0-100 kg/ha) altında, İHA tabanlı multispektral görüntülerden elde edilen vejetasyon indisleri (NDVI, GNDVI, SAVI, MSAVI, NDRE, RVI) kullanılarak yem verimi (yeşil ot, kuru madde) ve kalite parametrelerinin (ham protein, ADF, NDF, ADL) yüksek doğrulukla (R²≥0.80) tahmin edilmesini hedeflemektedir. Tesadüf bloklarında bölünmüş parseller deneme desenine göre 3 tekerrürlü kurulacak denemelerden elde edilecek verilerle, tekli, çoklu doğrusal regresyon ve makine öğrenme tabanlı regresyon modelleri (Random Forest, XGBoost, LightGBM, CatBoost, KNN, SVR, Stacking model) geliştirilecek ve modellerin performansı R², RMSE, MAE ile değerlendirilecektir. Proje, Türkiye'de yem bitkilerinde hassas tarım uygulamalarına yönelik yerel ölçekte kalibre edilmiş ilk modelleri sunarak ulusal literatüre önemli katkı sağlayacaktır.