Tarımda suyu ne zaman ve ne kadar vermek gerektiğini bilmek giderek daha kritik hale geliyor. İklim değişikliği, kuraklık riski ve su kaynakları üzerindeki baskı, sulama kararlarının yalnızca gözleme veya sabit takvime göre verilmesini yetersiz bırakıyor. Bu preprint çalışma, mısır tarlasında kullanılan kalibre edilmemiş çok seviyeli FDR toprak nem sensörlerinden yararlanarak iki önemli soruya cevap arıyor: Bitki ne zaman su stresine girmeye başlar ve bir sonraki sulamada ne kadar su verilmelidir?

Araştırmacılar, sensörlerin mutlak nem değerleri tam doğru olmasa bile zaman içindeki değişim eğrisinin değerli bilgi taşıdığını savunuyor. Birinci yöntem, sulama sonrası sensörün verdiği tepkiyi kullanarak dinamik bir düzeltme katsayısı hesaplıyor. İkinci yöntem ise toprak nemindeki azalma hızına bakarak bitkinin suyu almakta zorlanmaya başladığı eşiği yakalamaya çalışıyor. Bulgular, yoğun sensör ağı kullanıldığında kalibre edilmemiş sensörlerin hassas sulama için umut verici bir karar destek aracı olabileceğini gösteriyor. Ancak bu sonuçlar henüz hakem değerlendirmesinden geçmemiştir ve farklı tarla koşullarında test edilmeye ihtiyaç duyar.

Problem Ne?

Hassas sulamanın temel amacı basit görünür: bitkiye ihtiyacı olduğu kadar suyu, doğru zamanda vermek. Fakat sahada bu karar oldukça karmaşıktır. Toprağın yapısı, kök gelişimi, hava sıcaklığı, rüzgâr, güneşlenme, yağış, sulama sistemi ve bitkinin gelişim dönemi aynı anda etkili olur.

Toprak nem sensörleri bu noktada önemli bir araçtır. Özellikle FDR sensörleri, toprağın farklı derinliklerinde su miktarını sürekli ölçebilir. FDR, toprağın dielektrik özelliklerinden yararlanarak nemi dolaylı biçimde tahmin eden bir sensör teknolojisidir. Bu sensörler sahada kullanışlıdır; fakat büyük bir sorun vardır: Ölçtükleri değerler toprağın türüne, sensörün yerleşimine, köklerin sensöre yakınlığına, sensör-toprak temasına ve zamanla oluşan değişimlere bağlı olarak sapabilir.

Normalde bu sensörlerin güvenilir nicel sonuç vermesi için kalibre edilmesi gerekir. Kalibrasyon, sensörün okuduğu değeri gerçek toprak su içeriğiyle ilişkilendirme işlemidir. Ancak geniş arazilerde çok sayıda sensör kullanıldığında her sensörü ayrı ayrı kalibre etmek zaman alıcı, pahalı ve operasyonel olarak zor olabilir. Ayrıca başlangıçta yapılan kalibrasyon, sezon ilerledikçe toprak-sensör ilişkisi değiştiği için geçerliliğini kısmen kaybedebilir.

Bu makalenin temel sorusu burada ortaya çıkıyor: Sensörler önceden kalibre edilmemiş olsa bile, onların zaman içindeki değişimlerinden sulama kararı için güvenilir bilgi çıkarılabilir mi?

Yöntem Ne Öneriyor?

Çalışma iki tamamlayıcı yöntem öneriyor.

İlk yöntem, sulama miktarını tahmin etmeye odaklanıyor. Araştırmacılar buna “gerçek zamanlı, yerinde, dinamik sonradan kalibrasyon” anlamına gelen RTisDPC adını veriyor. Basit anlatımla bu yöntem, sensörün sulama sonrası ne kadar tepki verdiğine bakıyor. Eğer tarlaya bilinen miktarda su verildiyse ve sensör bu su girişine belirli bir artışla cevap verdiyse, sensörün o andaki davranışı için bir düzeltme katsayısı hesaplanabiliyor. Bu katsayı daha sonra bitkinin günlük su tüketimini tahmin etmekte kullanılıyor.

Bu yaklaşım klasik kalibrasyondan farklıdır. Sensör laboratuvarda veya sezon başında sabit bir denklemle ayarlanmak yerine, sahadaki gerçek sulama olaylarına göre dinamik biçimde düzeltilir. Böylece sensörün zaman içinde değişen tepkisi, toprakla temas koşulları ve yerel farklılıklar hesaba katılmaya çalışılır.

İkinci yöntem, sulama zamanını belirlemeye odaklanıyor. Burada araştırmacılar mutlak nem değerinden çok, nemin azalma hızına bakıyor. Toprakta su yeterliyken bitki kökleri suyu daha rahat alır ve toprak nemi gün içinde belirgin biçimde azalabilir. Ancak toprak kurudukça köklerin su alması zorlaşır; bu durumda nem azalmasının hızı da değişir. Bu kırılma noktası, bitkinin su stresine yaklaşmaya başladığı eşik olarak yorumlanır.

Yöntem, farklı toprak derinliklerini ayrı ayrı değerlendirir. Bu önemlidir çünkü mısır gibi yıllık bitkilerde kök sistemi zamanla derine iner. Sezon başında üst katmanlar daha anlamlıyken, ilerleyen dönemde daha derin katmanlar da önem kazanabilir. Eğer bir derinlikte kök aktivitesi yoksa, o sensör seviyesini su stresi hesabına katmak yanıltıcı olabilir.

Formüller Ne Anlatıyor?

Bu çalışma yoğun matematiksel teori kurmaktan çok, sensör verisini sulama kararına çevirecek bir hesap akışı öneriyor. Formüllerin ana mantığı sade biçimde şöyle açıklanabilir:

İlk adımda, gün içinde toprak su hacmindeki azalmalar toplanıyor. Bu azalma, bitkinin kökleriyle aldığı suyu ve yüzeyden oluşabilecek buharlaşma katkısını temsil ediyor. Araştırmacılar bunu günlük kök su alımı gibi ele alıyor.

Toprak profilindeki toplam su miktarı, farklı derinliklerdeki sensör okumalarının ilgili toprak katmanı kalınlığıyla birlikte toplanmasıyla hesaplanıyor. Yani tek bir noktaya değil, sensörün ölçtüğü toprak profiline bakılıyor.

Asıl önemli formül, dinamik kalibrasyon katsayısı olan alfa değeridir. Alfa, sulama sırasında sensörün kaydettiği su artışı ile tarlaya verilen bilinen sulama miktarı arasındaki ilişkiyi gösterir. Eğer sensör verilen suyla uyumlu tepki veriyorsa alfa 1’e yakın olur. Sensör verilen sudan daha büyük bir artış gösteriyorsa alfa 1’den büyük, daha küçük bir artış gösteriyorsa 1’den küçük olabilir.

Sonra gerçek evapotranspirasyon tahmini, sensörün ham su tüketimi tahmininin bu alfa katsayısıyla düzeltilmesiyle hesaplanır. Evapotranspirasyon, bitkinin terlemesi ve toprak yüzeyinden buharlaşmanın toplamı olarak düşünülebilir.

Sulama zamanı için kullanılan diğer formül, su açığı göstergesidir. Eğer belirli bir derinlikteki toprak suyu kritik eşik değerinin altına düşerse, o katman için bir stres göstergesi hesaplanır. Toprak suyu kritik eşik üzerinde kaldığında stres göstergesi sıfır kabul edilir. Farklı derinliklerden gelen göstergeler ortalanarak genel bir su açığı sinyali elde edilir.

Bu formüllerin amacı, sensörün verdiği ham sayıları doğrudan “doğru nem değeri” gibi kabul etmek değil; değişim, eğim, sulama sonrası tepki ve kritik eşik mantığını kullanarak karar destek bilgisi üretmektir.

Grafik / Tablo / Şema Ana Mesajı

Makaledeki akış şeması, RTisDPC yönteminin adım adım nasıl çalıştığını gösteriyor. Önce sensörlerden günlük su azalması çıkarılıyor, sonra sulama olayındaki bilinen su girişiyle sensör tepkisi karşılaştırılıyor, ardından alfa adlı düzeltme katsayısı hesaplanıyor. Bu katsayı günlük su tüketimini düzeltmek için kullanılıyor ve bir sonraki sulama miktarının tahminine katkı sağlıyor.

Saha haritası ve sensör yerleşim şemaları, çalışmanın küçük bir laboratuvar deneyi değil, gerçek tarla koşullarında yürütüldüğünü anlatıyor. 2023 ve 2024 sezonlarında İtalya’da iki farklı mısır parselinde, seçilen yaklaşık 1000 metrekarelik izleme alanlarına sensörler yerleştirilmiş. Toprak su durumu, hava koşulları, yağış, sulama ve bitki terlemesi birlikte takip edilmiş.

Toprak dokusu tablosu, iki yılın aynı olmadığını gösteriyor. 2023’te toprak “loam”, 2024’te ise “silty loam” olarak sınıflandırılmış. Bu fark önemli çünkü sensörlerin birbirine ne kadar benzer tepki verdiği toprak dokusundan etkilenebilir. Nitekim 2024’te sensör okumalarının daha uyumlu olduğu görülüyor.

Toprak su hacmi zaman grafikleri, sulama geldiğinde sensörlerin su artışı kaydettiğini, ardından günler içinde bitkinin su tüketimiyle değerlerin azaldığını gösteriyor. Eğrilerde gündüz daha belirgin düşüş, gece ise daha yatay bir seyir gözleniyor. Bu desen, bitkinin gündüz terleme yoluyla daha fazla su kullandığını düşündürüyor. Sulama aralıkları uzadığında nem azalmasının hızı değişiyor; bu da su stresi başlangıcına dair bir sinyal olarak yorumlanıyor.

Kalibrasyon katsayısı grafikleri, kalibre edilmemiş sensörlerin her zaman aynı davranmadığını açık biçimde gösteriyor. 2023’te alfa değeri sensörler arasında ve sezon içinde oldukça değişken. Ortalama olarak sensörlerin su artışını olduğundan fazla yansıtabildiği görülüyor. 2024’te ise alfa değerleri genel olarak 1’e daha yakın; bu da sensörlerin o sezon daha tutarlı tepki verdiğini düşündürüyor.

Ham kök su alımı ve düzeltilmiş evapotranspirasyon grafikleri, kalibrasyonun neden gerekli olduğunu anlatıyor. Özellikle 2023’te ham sensör verisi günlük su tüketimini gerçekçi olmayan yüksek değerlere çıkarabiliyor. Dinamik düzeltmeden sonra tahminler daha makul aralığa geliyor.

Sap akışı ve sensör temelli evapotranspirasyon karşılaştırmaları, önerilen yöntemin bitkinin fizyolojik tepkisiyle belirli ölçüde uyumlu olduğunu gösteriyor. Sap akışı sensörleri, bitkinin gövdesinden geçen su miktarını ölçerek terlemeye dair bağımsız bir kontrol sağlıyor. Grafiklerin ana mesajı şu: Sensör verisinden türetilen su tüketimi arttığında, bitki terlemesi de genel olarak artma eğiliminde.

FAO-56 yöntemiyle yapılan karşılaştırma, önerilen yöntemin yaygın kullanılan model yaklaşımıyla aynı yönde hareket ettiğini, ancak miktar olarak her zaman aynı sonucu vermediğini gösteriyor. FAO yaklaşımı bazı dönemlerde daha yüksek evapotranspirasyon tahmini üretmiş. Bu fark, önerilen yöntemin hatalı olduğu anlamına tek başına gelmez; çünkü FAO yöntemi de iklim, bitki katsayısı, kök derinliği ve toprak su tutma varsayımlarına dayanır.

Kritik nem eşiği grafiklerinin ana mesajı, su stresi başlangıcının tek bir sabit sayıdan ibaret olmadığıdır. Her sensör derinliği ve konumu için toprak su değeri ile su azalması hızı birlikte inceleniyor. Belirli bir noktadan sonra toprak suyu azalsa bile bitkinin su alma hızı artık aynı şekilde artmıyor; bu nokta kritik eşik olarak yorumlanıyor.

Su açığı göstergesi grafikleri, sulama öncesinde stres sinyalinin yükseldiğini, sulama veya yağıştan sonra ise düştüğünü gösteriyor. Bu, göstergenin sahadaki su durumuna duyarlı olduğunu düşündürüyor. 2023’te sulama aralığının 13 güne uzadığı bir dönemde stres göstergesi yaklaşık yüzde 40’a yaklaşmış; bu da yöntemin geciken sulama koşullarını yakalayabildiğine işaret ediyor.

Su açığı göstergesi ile göreli terleme karşılaştırması, stres göstergesi arttıkça bitkinin referans koşullara göre terleme oranının düştüğünü gösteriyor. Bu ters ilişki, yöntemin bitki fizyolojisine bağlı gerçek bir sinyali yakalayabileceğini destekliyor.

Son görsel karşılaştırmalar, toplam su girişi ile hesaplanan su tüketimi arasında fiziksel olarak makul bir denge olduğunu vurguluyor. Sulama ve yağışla gelen suyun büyük kısmının evapotranspirasyon yoluyla kullanıldığı görülüyor. Bu durum, önerilen hesaplamaların tarla su dengesiyle tamamen kopuk olmadığını gösteriyor.

Deneyler Nasıl Yapılmış?

Çalışma, İtalya’nın Perugia bölgesindeki Casalina araştırma çiftliğinde yürütülmüş. 2023 ve 2024 yaz sezonlarında yağmurlama sulanan mısır parselleri izlenmiş. 2023’te yaklaşık 30 hektarlık, 2024’te yaklaşık 18 hektarlık parsellerde çalışılmış; ancak sensörlerin yoğunlaştığı izleme alanı her iki yılda da yaklaşık 1000 metrekare civarında seçilmiş.

Mısır ikinci ürün olarak ekilmiş. Her iki yılda da sulama, değişken hızlı bir yağmurlama sistemiyle yapılmış. İlk dönemde sulama daha çok çiftlik pratiğine göre yürütülmüş, daha sonra bitki gelişimini dikkate alan NDVI tabanlı bir yaklaşım kullanılmış. NDVI, uydu görüntülerinden elde edilen ve bitkinin yeşil gelişimini gösteren bir indeks olarak düşünülebilir. Bu indeks, bitki katsayısını tahmin etmek ve sulama ihtiyacını bölgesel olarak ayarlamak için kullanılmış.

Toprak su içeriğini izlemek için çok seviyeli FDR sensörleri kullanılmış. Bu sensörler 5, 15, 25, 35, 45 ve 55 santimetre derinliklerden saatlik veri toplamış. 2023’te dört FDR probu, 2024’te ise altı FDR probu kullanılmış. Böylece sensörler arası farklar da incelenebilmiş.

Hava sıcaklığı, bağıl nem, rüzgâr, güneş radyasyonu, yağış ve sulama miktarı meteorolojik istasyon ve yağış ölçerlerle takip edilmiş. Ayrıca bitkinin gerçek su kullanımını daha doğrudan değerlendirmek için sap akışı sensörleri kullanılmış. Sap akışı sensörleri, bitki gövdesinden geçen suyu ölçerek bitki terlemesine dair bağımsız bir doğrulama noktası sağlamış.

Önerilen yöntemler gerçek zamanlı sulamayı yönetmek için tasarlansa da, bu çalışmada operasyonel nedenlerle veriler sonradan işlenmiş. Yani yöntem, sahada toplanan veriler üzerinde geriye dönük olarak test edilmiş. Bu nokta önemlidir: Çalışma gerçek zamanlı sistem potansiyeli gösterse de, burada doğrudan canlı otomatik sulama uygulaması denenmemiştir.

Sonuçlar Ne Gösteriyor?

Bulgular, kalibre edilmemiş sensörlerin ham değerlerinin her zaman güvenilir olmadığını açıkça gösteriyor. 2023’te bazı sensörler aynı sulama olayı için beklenenden çok daha yüksek su artışı kaydetmiş. Bu durum, ham verinin günlük bitki su tüketimini olduğundan fazla gösterebileceği anlamına geliyor. Dinamik kalibrasyon katsayısı uygulandığında bu abartılı değerler daha makul düzeye çekilmiş.

2024’te sensörler genel olarak daha tutarlı davranmış. Bunun toprak dokusu, sensör yerleşimi veya sezon koşullarıyla ilişkili olabileceği düşünülüyor. Bu fark, tek bir sensörle karar vermenin riskli olabileceğini ve birden fazla sensörden oluşan ağların daha güvenilir sonuç verebileceğini gösteriyor.

Sap akışı ölçümleriyle yapılan karşılaştırmada, sensör verisinden türetilen evapotranspirasyon tahminleri ile bitki terlemesi arasında anlamlı pozitif ilişkiler bulunmuş. Bu, yöntemin yalnızca matematiksel bir düzeltme olmadığını; bitkinin gerçek su kullanımındaki değişimlerle de bağlantılı olabileceğini gösteriyor.

FAO-56 yöntemiyle karşılaştırıldığında önerilen yöntem genel eğilimleri yakalamış, ancak FAO tahminleri toplamda daha yüksek çıkmış. Bu fark, iki yaklaşımın farklı varsayımlara dayanmasından kaynaklanabilir. Sensör temelli yöntem doğrudan sahadaki su değişimini okurken, FAO yöntemi meteoroloji, bitki katsayısı ve toprak su modeli üzerinden tahmin üretir.

Sulama zamanı açısından bakıldığında, kritik toprak su eşiği değerleri farklı sensör ve derinliklerde değişmiştir. Bu da tarlada tek bir sabit eşikle sulama kararı vermenin her zaman yeterli olmayabileceğini gösterir. Su açığı göstergesi, sulama öncesinde yükselmiş, sulamadan sonra düşmüş ve göreli bitki terlemesiyle ters ilişki göstermiştir. Bu bulgu, yöntemin su stresini yakalamada potansiyel taşıdığını düşündürür.

Bu Neden Önemli?

Tarımda su yönetimi artık yalnızca verim meselesi değildir; enerji kullanımı, su kaynaklarının korunması, iklim değişikliğine uyum ve üretim sürdürülebilirliğiyle doğrudan ilişkilidir. Özellikle Akdeniz iklim kuşağında yazlık ürünler çoğu zaman yağışın az olduğu dönemde yetişir. Bu nedenle sulama zamanlaması ve sulama miktarı kritik hale gelir.

Bu çalışma, hassas sulama teknolojilerinin önündeki pratik bir engeli ele alıyor: sensör kalibrasyonu. Eğer her sensörün sahada ayrı ayrı kalibre edilmesi gerekiyorsa, geniş alanlarda yoğun sensör ağı kurmak zorlaşır. Bu makaledeki yaklaşım, sensörleri tamamen kalibrasyonsuz ve sorgusuz kullanmayı önermiyor; fakat sensörlerin sahadaki gerçek sulama tepkisine göre dinamik biçimde düzeltilebileceğini gösteriyor.

Bu fikir yaygınlaşır ve farklı koşullarda doğrulanırsa, daha uygun maliyetli ve yoğun sensör ağlarına dayalı sulama karar destek sistemleri geliştirilebilir. Bu da özellikle su kıtlığı yaşayan bölgelerde çiftçilerin daha kontrollü sulama yapmasına katkı sağlayabilir.

Dikkat Noktaları

Bu makale preprinttir; yani henüz hakem değerlendirmesinden geçmemiştir. Bu nedenle sonuçlar ilgi çekici olsa da kesinleşmiş bilimsel kabul gibi sunulmamalıdır.

Çalışma iki sezon ve belirli bir bölgede yürütülmüştür. Toprak tipi, iklim, mısır çeşidi, sulama sistemi ve sensör yerleşimi sonuçları etkileyebilir. Farklı ülkelerde, farklı topraklarda, damla sulama gibi farklı sistemlerde ve başka bitkilerde aynı performansın elde edileceği varsayılmamalıdır.

Yöntem gerçek zamanlı sulama sistemi için tasarlanmış olsa da, bu çalışmada analizler sonradan veri işleme yoluyla yapılmıştır. Bu yüzden yöntemin otomatik sulama sistemi içinde canlı karar verme performansı ayrıca test edilmelidir.

Sensörler arasında belirgin farklılıklar görülmüştür. Bu, tek bir sensöre dayalı sulama kararlarının riskli olabileceğini gösterir. Araştırmacıların da vurguladığı gibi, birden fazla sensör kullanmak yerel sapmaları azaltabilir.

Su stresi eşiğini belirleme yöntemi özellikle yıllık bitkilerde zorlaşabilir. Çünkü kök sistemi sezon boyunca derinleşir ve hangi toprak katmanının gerçekten aktif olduğu zamanla değişir. Ağaç gibi çok yıllık bitkilerde kök bölgesi daha kararlı olduğu için bu yöntem daha kolay uygulanabilir.

FAO-56 karşılaştırmasında farklar vardır. Önerilen yöntem ile FAO tabanlı tahminler aynı eğilimi yakalasa da miktar olarak birebir örtüşmemiştir. Bu farkın nedeni hem sensör yöntemindeki belirsizlikler hem de FAO modelinin kendi varsayımları olabilir.

Sonuç

Bu çalışma, tarımsal sulamada sensör verisini daha pratik kullanmak için dikkat çekici bir yol öneriyor. Araştırmacılar, kalibre edilmemiş FDR toprak nem sensörlerinin mutlak değerlerine körü körüne güvenmek yerine, bu sensörlerin zaman içindeki değişimlerini ve sulama sonrası tepkilerini analiz ediyor. Böylece hem günlük su tüketimi hem de su stresi başlangıcı hakkında karar destek bilgisi üretilebileceğini gösteriyor.

Bulgular, özellikle yoğun sensör ağı kurmanın mümkün olduğu hassas tarım uygulamaları için umut verici. Ancak bu yaklaşımın tarla ölçeğinde, farklı ürünlerde, farklı sulama sistemlerinde ve gerçek zamanlı otomasyon içinde daha fazla doğrulanması gerekir. En güvenli yorum şudur: Kalibre edilmemiş sensörler tek başına mucize çözüm değildir; fakat doğru veri işleme, dinamik düzeltme ve çoklu sensör ağıyla birlikte kullanıldığında hassas sulama için değerli bir araç haline gelebilir.

Kaynak ve Yöntem Notu

Bu yazı, “New procedures for irrigation management using uncalibrated soil water content sensors. Development and validation in sprinkler-irrigated maize” başlıklı preprint makaleden hazırlanmıştır. Çalışma, kalibre edilmemiş çok seviyeli FDR toprak nem sensörleriyle sulama miktarı ve sulama zamanlaması tahminine yönelik iki yöntem önermektedir. Bulgular; 2023 ve 2024 yıllarında İtalya’da yağmurlama sulanan mısır parsellerinden elde edilen sensör, meteoroloji, sulama, uydu NDVI ve sap akışı verilerine dayanmaktadır.

Metin, makalenin birebir çevirisi değildir. Ana fikir, yöntem, formüller, grafikler, tablolar ve sonuçlar Verianla okuyucusu için sadeleştirilerek özgün Türkçe editoryal içerik halinde yeniden anlatılmıştır. Makale preprint olduğu için sonuçlar kesin uygulama tavsiyesi olarak değil, sahada doğrulanması gereken yöntemsel bulgular olarak değerlendirilmelidir.