Hassas tarım yönetim bölgesi, bir tarla içindeki toprak ve bitki koşullarının mekânsal farklılıklarına göre benzer özellik gösteren alanların ayrı yönetim birimleri olarak tanımlanmasıdır. Bu araştırma, Batı Yunanistan'daki 8 hektarlık ticari yonca tarlasında Sentinel-2 multispektral uydu verisinden hesaplanan NDVI, SAVI, EVI ve NDWI indekslerini Bulanık C-Ortalamalar (Fuzzy C-Means, FCM) algoritmasıyla birleştirerek ön yönetim bölgeleri üretmiş ve bu bölgeleri altı georeferanslı kompozit toprak örneğiyle keşifsel olarak değerlendirmiştir. FCM iki yönetim bölgesi üretmiştir. Zone 2; mevcut fosfor, değişebilir potasyum, organik madde, toplam azot, demir ve çinko açısından Zone 1'den daha yüksek ortalamalar göstermiştir. En güçlü fark Olsen-P'de görülmüş; Zone 1 için 9.45 ± 2.685 mg kg⁻¹, Zone 2 için 62.00 ± 67.880 mg kg⁻¹ raporlanmıştır. Bununla birlikte yalnız altı toprak örneği kullanılması, Zone 2'de yalnız iki örnek bulunması, piksel düzeyindeki FCM üyeliklerinin ve örnek noktalarına ait spektral indeks değerlerinin korunmamış olması ve formal cluster-validity ölçütlerinin bulunmaması nedeniyle çalışma kesin bir gübre karar sistemi değil, saha içi heterojenliği belirlemeye yönelik keşifsel bir tarama yaklaşımıdır.

Çalışmanın yeniliği Sentinel-2 veya FCM'nin tek başına kullanılması değildir. Ana yaklaşım, ücretsiz uydu görüntüsü, açık kaynak QGIS/SAGA GIS, fuzzy clustering ve düşük yoğunluklu hedefli toprak örneklemesini küçük Akdeniz tarım işletmelerine uygulanabilecek tek bir düşük maliyetli iş akışında bir araya getirmektir.

Sonuçlar, uzaktan algılamadan türetilmiş bölgelerin bu tarlada ölçülen bazı toprak verimliliği farklarıyla yönsel olarak uyumlu olduğunu göstermektedir. Ancak spektral örüntülerin yalnız toprak besinlerinden kaynaklandığı kanıtlanmamıştır. Sulama, biçim zamanı, bitki yoğunluğu, yabancı ot, zararlı ve hastalık baskısı, drenaj, sıkışma ve geçmiş gübreleme gibi ölçülmeyen değişkenler aynı spektral örüntülere katkıda bulunabilir.

Neden bütün tarlayı tek bir yönetim birimi olarak ele almak sorun olabilir?

Bir tarla içindeki pH, besin elementi mevcudiyeti, organik madde, tekstür ve su tutma kapasitesi birkaç yüz metre içinde değişebilir. Buna rağmen geleneksel yönetimde gübre veya başka girdiler bütün tarlaya tek bir dozla uygulanabilir. Bu durumda bazı alanlar gereğinden fazla girdi alırken başka alanlar gerçek ihtiyacının altında kalabilir.

Hassas tarımın yönetim bölgesi yaklaşımı bu heterojenliği doğrudan yönetim kararına taşımayı amaçlar. Tarla, mekânsal olarak benzer toprak–bitki özellikleri gösteren alt alanlara ayrılır ve daha sonraki örnekleme veya uygulama planı bu alanlara göre düzenlenebilir.

Bu yaklaşım büyük tarım işletmelerinde daha yaygın olmakla birlikte küçük ve parçalı Akdeniz işletmelerinde yoğun toprak örneklemesi, özel yazılım ve hassas uygulama donanımının maliyeti önemli bir engel oluşturabilir. Çalışmanın düşük maliyetli tasarımı bu uygulama boşluğunu hedeflemektedir.

Çalışma alanı

Araştırma, Yunanistan'ın batısındaki Etoloakarnania Prefecture'da bulunan 8 hektarlık ticari Medicago sativa L. yani yonca tarlasında yürütülmüştür. Tarla merkezinin yaklaşık konumu 38.795° N, 20.852° E'dir. Uydu ve saha çalışmaları 2022–2023 yetiştirme dönemi bağlamında gerçekleştirilmiştir.

Bölge Akdeniz iklimine sahiptir: yazlar sıcak ve kurak, kışlar daha ılıman ve yağışlıdır. Kaynak, bu mevsimselliğin yaz ortasına doğru toprak nemini azaltabildiğini ve besin hareketliliği ile yoncanın üst toprak horizonunun su tutma ve verimlilik özelliklerine bağımlılığını artırabildiğini belirtmektedir.

Tarlanın Digital Elevation Model ile değerlendirilen topoğrafyası esas olarak düzdür. Bu nedenle kaynak büyük yükselti farklarına bağlı su veya besin taşınımını gözlenen mekânsal desenin başlıca açıklaması olarak görmemektedir.

Neden yonca seçildi?

Yonca çok yıllık bir baklagildir, biyolojik azot fiksasyonu kapasitesi yüksektir ve özellikle fosfor ile potasyum gereksinimi önemlidir. Kaynağa göre toprak verimliliği gradyanlarına duyarlı olması, kanopi tepkisinde saha içi mekânsal farklılıkların uydu verisinde görünür hale gelmesi açısından uygun bir çalışma sistemi oluşturmuştur.

Sentinel-2 İndeksleri Bu Çalışmada Neyi Ölçüyor?

Sentinel-2'den hesaplanan NDVI, SAVI ve EVI esas olarak bitki örtüsünün spektral canlılık ve kanopi tepkisini, bu çalışmada kullanılan NIR–SWIR tabanlı NDWI ise bitki örtüsünün su durumuyla ilişkili spektral değişimi temsil eden göstergeler olarak kullanılmıştır; bu indeksler doğrudan toprak fosforu veya potasyumunu ölçmez ve FCM'ye tarla içindeki spektral farklılığın dört tamamlayıcı temsilini sağlar.

Sentinel-2 görüntüsünün seçimi

Ana kümeleme için Sentinel-2A/B Level-2A Bottom-of-Atmosphere yüzey yansıtım ürünü kullanılmıştır. Seçilen görüntü 26 Nisan 2022 tarihinde T34SDJ tile'ından elde edilmiştir.

Görüntü seçimi üç temel ölçüte dayanmıştır: radiometric quality, phenological relevance ve field-level interpretability. Tarih, yoncanın kesilmesinden önce kanopinin yüksek gelişim gösterdiği dönem olacak şekilde seçilmiştir. Amaç, kesim veya yeniden büyümeden kaynaklanan kısa dönem değişimin etkisini azaltarak tarla içindeki bitki canlılığı farklarını daha belirgin hale getirmektir.

Kaynak ayrıca kesim geçmişi ve irrigation timing'in yine de spektral paterni etkileyebilecek potansiyel sınırlılıklar olduğunu belirtmektedir.

Kullanılan Sentinel-2 bantları

B11 bandı diğer indeks girdileriyle ortak raster grid üzerinde işlenebilmesi için bilinear interpolation ile 20 m'den 10 m'ye resample edilmiştir. Bu dönüşüm yeni gerçek 10 m SWIR ayrıntısı üretmez. Kaynak, küçük bir tarlada resampling'in smoothing ve mixed-pixel etkisi yaratabileceğini belirttiği için NDWI desenlerini diğer indekslerden daha ihtiyatlı yorumlamaktadır.

NDVI

Kaynakta Normalized Difference Vegetation Index şu biçimde hesaplanmıştır:

\[ NDVI=\frac{B8-B4}{B8+B4} \tag{1} \]

B8 near-infrared, B4 red yansıtımıdır. NDVI bitki örtüsünün kırmızı bölgede ışığı soğurması ve yakın kızılötesinde güçlü yansıtım göstermesi arasındaki kontrastı kullanır. Bu çalışma NDVI'yi tarla içindeki kanopi canlılığı ve yoğunluk farklılıklarının spektral göstergelerinden biri olarak kullanmaktadır.

SAVI

Soil Adjusted Vegetation Index:

\[ SAVI= \left[ \frac{B8-B4}{B8+B4+L} \right] (1+L) \tag{2} \]

olarak verilmiştir ve çalışmada:

\[ L=0.5 \]

kullanılmıştır. SAVI'nin rolü, bitki örtüsünün altında veya arasında görünen toprak arka planının vegetation-index yanıtına etkisini azaltmaya yardımcı olmaktır.

EVI

Enhanced Vegetation Index:

\[ EVI= 2.5 \frac{B8-B4} {B8+6B4-7.5B2+1} \tag{3} \]

biçimindedir. EVI, kırmızı ve NIR yanında B2 blue bandını da kullanan bir bitki örtüsü göstergesidir. Çalışmada NDVI ve EVI'nin özellikle Zone 2'de daha yüksek olduğu raporlanmıştır.

NDWI

Bu çalışmada Normalized Difference Water Index şu formüldür:

\[ NDWI= \frac{B8-B11}{B8+B11} \tag{4} \]

Buradaki NDWI, B8 NIR ile B11 SWIR arasındaki farkı kullanır. Dolayısıyla makale bağlamında yüzeydeki açık suyun haritalanmasından çok bitki örtüsü ve su durumuyla ilişkili spektral değişime yönelik kullanılmıştır.

Figure 2 ne gösteriyor?

Kaynak Figure 2'de aynı tarla sınırı üzerinde NDVI, NDWI, SAVI ve EVI haritalarını ayrı panellerde göstermektedir. Bu görselin bilimsel görevi, tek bir indeks yerine dört farklı spektral temsilin saha içindeki mekânsal kontrastı farklı biçimlerde yakaladığını göstermektir. Sarı noktalar daha sonra alınan toprak örneklerinin konumlarını temsil eder.

Fuzzy C-Means Yönetim Bölgelerini Nasıl Belirler?

Fuzzy C-Means, her raster pikselini başlangıçta yalnız tek bir sınıfa zorlamak yerine birden fazla kümeye sürekli üyelik dereceleriyle bağlayan bir kümeleme algoritmasıdır; bu çalışmada standardize edilmiş NDVI, SAVI, EVI ve NDWI katmanlarını kullanmış, her piksel iki kümeye üyelik almış ve nihai Zone 1/Zone 2 haritasında piksel en yüksek üyeliğe sahip olduğu kümeye atanmıştır.

Neden hard clustering yerine fuzzy clustering?

Tarımsal değişkenler çoğu zaman keskin sınırlarla değişmez. Örneğin toprak tekstürü, nem veya besin seviyesi bir pikselden diğerine aniden geçmek yerine kademeli bir gradyan oluşturabilir.

K-means gibi hard clustering yaklaşımında her gözlem yalnız bir kümeye aittir. FCM'de ise bir piksel bir kümeye daha güçlü, diğerine daha zayıf üyelik taşıyabilir. Bu yapı, özellikle tarımsal geçiş alanlarının ve yüksek güvenli örnekleme konumlarının belirlenmesinde teorik avantaj sağlayabilir.

İndeksler neden standardize edildi?

Dört spektral indeksin sayısal dağılımları aynı değildir. FCM öncesinde her raster z-score standardizasyonuna tabi tutulmuştur. Amaç, daha geniş sayısal aralık gösteren bir indeksin yalnız ölçek farkı nedeniyle kümeleme mesafesini baskılamasını önlemektir.

Kaynak z-score dönüşümünün hesaplama formülünü ayrıca raporlamamaktadır; bu nedenle Verianla makalesi kaynakta bulunmayan bir ön işleme denklemini yöntem sonucu gibi eklememektedir.

FCM parametreleri

Eksik FCM parametreleri küçük bir raporlama ayrıntısı değildir. Başka bir araştırmacı aynı rasterları kullansa bile stopping ve convergence ayarları bilinmediği için özgün kümeleme sürecini tamamen aynı biçimde tekrar kuramayabilir. Kaynak bunu açıkça reproducibility limitation olarak tanımlamaktadır.

Neden iki küme seçildi?

Farklı cluster sayıları görsel ve agronomik yorumlanabilirlik açısından değerlendirilmiştir. Daha yüksek cluster sayıları daha küçük ve parçalı bölgeler oluşturmuş; sınırlı toprak örnekleme tasarımı içinde bunların yorumlanması güçleşmiştir.

İki bölgeli çözüm, daha tutarlı bir mekânsal bölme sağlaması, aşırı parçalanmayı önlemesi ve altı örnekli keşifsel tasarımla daha uyumlu olması nedeniyle seçilmiştir.

Ancak bunun anlamı “k = 2 matematiksel olarak optimum küme sayısıdır” değildir. Elbow, Silhouette veya Davies–Bouldin skorları korunmadığı için optimum cluster sayısı formal olarak doğrulanmamıştır.

Figure 3'ün bilimsel rolü

Figure 3, tarla sınırı içinde FCM'nin ürettiği Zone 1 ve Zone 2 dağılımını ve toprak örnekleme noktalarını birlikte göstermektedir. Görsel, uydu indislerinden türetilen mekânsal kümeleme ile gerçek saha örneklemesinin aynı koordinat sistemi içinde nasıl birleştirildiğini göstermesi bakımından yöntemin merkezî figürüdür.

Önemli veri kaybı şudur: FCM'nin her piksel için oluşturduğu sürekli üyelik dereceleri nihai çalışmada sample-level olarak korunmamıştır. Bu nedenle belirli bir toprak örneğinin örneğin Zone 1'e %90, Zone 2'ye %10 gibi bir üyelikle mi yoksa sınıra yakın daha belirsiz bir üyelikle mi ait olduğu artık gösterilememektedir.

Toprak verisi cluster seçmek için kullanıldı mı?

Hayır. Kaynağa göre toprak özellikleri k = 2 çözümünü seçmek için FCM girdisi olarak kullanılmamıştır. Toprak sonuçları, spektral olarak elde edilen bölgelerin daha sonra agronomik açıdan anlamlı farklılık gösterip göstermediğini keşifsel biçimde değerlendirmek için kullanılmıştır.

Alternatif kümeleme yöntemleriyle karşılaştırma

Çalışmada FCM, k-means veya hierarchical clustering gibi alternatiflerle sistematik benchmark edilmemiştir. Bu nedenle araştırma FCM'nin genel olarak daha doğru veya üstün bir management-zone algoritması olduğunu göstermez.

Hedefli toprak örnekleme

Toplam altı georeferanslı kompozit örnek alınmıştır. Zone 1'de dört, Zone 2'de iki örnek bulunur. Örnek konumları yaklaşık ±3–5 m GPS doğruluğuyla kaydedilmiştir.

Her kompozit örnek 0–30 cm toprak katmanından alınmış dört alt örneğin karışımıdır. Alt örneklerin biri örnekleme alanının merkezinde, diğer üçü merkezden 2 m yarıçaplı bir çember üzerinde eşit aralıklarla yer almaktadır.

Bu tasarım çok yoğun bir soil survey değildir. Amaç, bütün tarla heterojenliğini eksiksiz haritalamak yerine uydu tabanlı bölgelerin gerçekten farklı toprak özellikleri gösterme ihtimali olup olmadığını düşük maliyetli biçimde kontrol etmektir.

Laboratuvar yöntemleri

Çalışmanın Yöntemi ve Bulguları

İş akışı

İstatistiksel yaklaşım

Örneklem çok küçük olduğu için analiz ağırlıklı olarak descriptive statistics üzerinden yürütülmüştür. Zone başına ortalama ve standart sapma hesaplanmış, ancak özellikle Zone 2'de yalnız n = 2 bulunduğundan coefficient of variation değerlerinin kararsız ve yanıltıcı olabileceği gerekçesiyle yorumda kullanılmadığı belirtilmiştir.

Formal hypothesis testing varsa bile kaynak bunu kesin kanıt olarak görmemektedir. Makalenin yorumu statistical significance yerine effect magnitude, directional consistency ve agronomic plausibility üzerinde kurulmuştur.

İki yönetim bölgesinin toprak özellikleri

Spektral sonuç

Zone 2 genel olarak vegetation indices açısından daha yüksek değerlere sahip olmuştur. Kaynak özellikle NDVI ve EVI'nin daha yüksek olduğunu ve bunu daha yoğun kanopi ile daha yüksek fotosentetik aktiviteyle uyumlu olarak yorumlamaktadır.

NDWI de aynı yönde değişmiştir ve daha yüksek canopy water status ile uyumlu olabilir. Ancak B11'in 20 m'den 10 m'ye yeniden örneklenmiş olması nedeniyle kaynak NDWI üzerinden güçlü çıkarım yapmaktan kaçınmaktadır.

Fosfor

En güçlü toprak kontrastı Olsen-P'de görülmüştür:

Zone 1: 9.45 ± 2.685 mg kg⁻¹

Zone 2: 62.00 ± 67.880 mg kg⁻¹

Zone ortalamaları yaklaşık 6.5 kat farklıdır. Zone 2 içindeki bir örnek noktasında 110 mg kg⁻¹ ölçülmüştür.

Ancak Zone 2 yalnız iki kompozit örnek içerdiği ve bu yüksek değer tek noktaya ait olduğu için 110 mg kg⁻¹ bütün Zone 2'nin karakteristik fosfor seviyesi olarak kabul edilmemektedir. Kaynak ek örnekleme olmadan hotspot'un genellenmesini açıkça sınırlandırmaktadır.

Potasyum

Değişebilir K için Zone 1 ortalaması 0.28 ± 0.069, Zone 2 ortalaması 0.71 ± 0.692 meq (100 g)⁻¹ bulunmuştur. Yön, fosforla aynıdır: Zone 2 daha yüksektir.

Organik madde ve toplam azot

Organik madde Zone 1'de %2.20 ± 0.374, Zone 2'de %2.50 ± 0.707'dir. Toplam N sırasıyla 1.022 ± 0.195 ve 1.395 ± 0.572 mg g⁻¹ olarak verilmiştir.

Bu farklar P kadar büyük değildir. Kaynak da organik maddeyi bölgesel besin farklılıklarının tek nedeni olarak sunmamaktadır.

Demir, çinko ve mangan

DTPA-extractable Fe Zone 2'de 112.0 mg kg⁻¹, Zone 1'de 37.37 mg kg⁻¹'dir. Bu yaklaşık üç katlık yön farkı, kaynakta olası moisture regime veya organic matter dynamics ile uyumlu olabilecek bir sonuç olarak tartışılmıştır.

Ancak araştırmada soil moisture, water-table depth, drainage veya redox potential doğrudan ölçülmemiştir. Bu nedenle daha yüksek Fe değerinin periyodik waterlogging veya redox süreçlerini kanıtladığı sonucuna varılamaz.

Zn için Zone 1 ortalaması 0.56 mg kg⁻¹, Zone 2 ortalaması 2.79 mg kg⁻¹'dir. Kaynak, yaklaşık 0.5–1.0 mg kg⁻¹ civarındaki DTPA-Zn değerlerinin bazı bağlamlarda yeterlilik alt sınırına yakın kabul edilebildiğini ve Zone 1'in olası marjinal Zn availability açısından ek değerlendirme gerektirebileceğini belirtmektedir.

Mangan diğer üç mikro/besin göstergesinden farklı yönde değişmiştir: Zone 1'de 19.0 mg kg⁻¹, Zone 2'de 11.5 mg kg⁻¹. Kaynak bunu aeration veya moisture farklarıyla uyumlu olabilecek bir gözlem olarak görse de doğrudan mekanizma iddiasında bulunmamaktadır.

pH ve EC

pH iki bölge arasında neredeyse aynıdır: Zone 1 = 6.15, Zone 2 = 6.20. Bu nedenle P, K, Fe ve Zn farklarının yalnız pH gradyanıyla açıklanması kaynak açısından olası görünmemektedir.

EC ise 0.54 ve 0.66 mmhos cm⁻¹ düzeyindedir ve kaynak saliniteyi başlıca confounding factor olarak görmemektedir.

Toprak tekstürü

Figure 4 nasıl yorumlanmalıdır?

Figure 4, fuzzy cluster'lara göre Olsen-P ve organik madde dağılımını iki ayrı boxplot ile sunmaktadır. Fosfor panelinde Zone 1 ile Zone 2 arasındaki ayrım organik madde panelinden çok daha belirgindir.

Bununla birlikte boxplot'un görsel görünümü örneklem sayısından bağımsız değildir. Zone 2 yalnız iki kompozit örnek içerdiği için şekil, büyük ve doğrulanmış bir popülasyon dağılımı gibi yorumlanmamalıdır. Kaynağın asıl kanıtı yönsel farkın büyüklüğü ve diğer besin parametrelerindeki tutarlılıktır.

Uydu Tabanlı İki Bölge Doğrudan Gübre Reçetesi İçin Kullanılabilir mi?

Hayır. Çalışma, Zone 1 ve Zone 2'nin ek saha araştırmasını yönlendirebilecek keşifsel yönetim bölgeleri olduğunu desteklemektedir; yalnız altı kompozit örnek, kaybolmuş sample-level FCM üyelikleri, formal cluster-validity ölçütlerinin bulunmaması ve ölçülmeyen saha faktörleri nedeniyle bu harita doğrudan gübre dozları belirleyen doğrulanmış bir karar sistemi değildir.

Zone 2 için olası yönetim yorumu

Yüksek Olsen-P ve exchangeable K değerleri ek örneklemeyle doğrulanırsa Zone 2'nin bazı bölümlerinde maintenance-level nutrient management yeterli olabilir.

Ancak fosfor uygulamasını azaltma veya durdurma kararı yalnız bu çalışmanın haritasından çıkarılmamalıdır. Kaynak, regional agronomic thresholds, environmental-risk assessment ve repeated soil testing gerektirdiğini belirtmektedir.

Zone 1 için olası yönetim yorumu

Zone 1'de P, K ve Zn değerlerinin daha düşük olması hedefli corrective management değerlendirilmesini gerektirebilir.

Gerçek uygulama dozu yine bu veri setinden hesaplanmamalıdır. Local fertilizer guidelines, crop nutrient removal estimates, daha fazla toprak örneği ve mümkünse yield veya biomass monitoring gereklidir.

Neden nedensellik kurulamaz?

Zone 2'nin hem daha yüksek vegetation indices hem de daha yüksek birçok besin değerine sahip olması aralarında doğrudan nedensellik olduğunu kanıtlamaz.

Kanopi yansıtımını etkileyebilecek ve bu çalışmada tamamen kontrol edilmemiş başlıca değişkenler şunlardır:

• irrigation uniformity,
• recent cutting history,
• stand density,
• weed competition,
• pest and disease pressure,
• soil compaction,
• localized drainage,
• historical fertilizer veya manure application.

Bu nedenle Sentinel-2 haritası “toprak fosfor haritası” değildir. Spektral veri, bitki kanopisinin toprak, su, yönetim ve biyolojik streslerin birleşik etkisine verdiği uzaktan algılanabilir yanıtı temsil eder.

Çalışmanın desteklediği sonuçlar

Çalışma, ücretsiz Sentinel-2 verisi ile FCM'nin küçük bir yonca tarlasında mekânsal olarak ayrışan iki keşifsel bölge üretebildiğini desteklemektedir.

Çalışma, bu iki spektral bölgenin mevcut sınırlı toprak örnekleminde özellikle P, K, Fe ve Zn açısından belirgin yönsel farklılıklarla uyumlu olduğunu desteklemektedir.

Çalışma, düşük maliyetli ve açık kaynaklı bir iş akışının daha yoğun follow-up sampling yapılacak alanları belirlemek için yararlı bir screening yaklaşımı olabileceğini desteklemektedir.

Çalışma, fuzzy membership kavramının tarımsal gradyanları temsil etmek açısından kavramsal olarak uygun olduğunu desteklemektedir.

Çalışmanın desteklemediği sonuçlar

Çalışma yalnız altı toprak örneğinin bütün management-zone çalışmalarında yeterli olduğunu göstermemektedir.

Çalışma k = 2'nin formal cluster-validity analiziyle optimum çözüm olduğunu göstermemektedir.

Çalışma FCM'nin k-means, hierarchical clustering veya diğer algoritmalardan üstün olduğunu göstermemektedir.

Çalışma Sentinel-2 indekslerinin toprak P, K, Fe veya Zn konsantrasyonlarını doğrudan ölçtüğünü göstermemektedir.

Çalışma NDWI deseninin doğrudan toprak nemi veya drenaj ölçümü olduğunu göstermemektedir.

Çalışma Zone 1 veya Zone 2 için kesin gübre uygulama dozları vermemektedir.

Çalışma bulgularının başka tarlalara, ürünlere veya bölgelere doğrulama olmadan genellenebileceğini göstermemektedir.

Başlıca sınırlılıklar

Gelecek çalışma

Kaynak gelecekte daha yoğun ve tekrarlı soil sampling, örnek düzeyinde spectral-index ve membership değerlerinin korunması, formal cluster diagnostics, multi-season Sentinel-2 time series, yield/biomass monitoring, direct soil-moisture measurements, drainage observations, redox indicators ve daha yüksek çözünürlüklü topoğrafik veri önermektedir.

FCM'nin k-means ve hierarchical clustering gibi alternatiflerle aynı veri üzerinde sistematik karşılaştırılması da önemli bir sonraki adımdır.

Çalışmanın başka tarla ve koşullara genellenebilmesi için multi-site validation gerekmektedir.

Kaynak ve Yöntem Notu

Özgün başlık: Integrated Management Zone Delineation in Small-Scale Precision Agriculture Using Multi-Spectral Satellite Imagery and Fuzzy C-Means Clustering

Yazarlar: Dimitrios Triantakonstantis; Dionysios Faltsetas; Despoina Vlachaki; Ioannis Sebos; Frank A. Coutelieris; Nikos Koutsias

Yazışma yazarı: Dimitrios Triantakonstantis

Kurumlar: Department of Sustainable Agriculture, University of Patras; Department of Forestry and Management of the Environment and Natural Resources, Democritus University of Thrace; School of Chemical Engineering, National Technical University of Athens.

Dergi: AI and Precision Agriculture

Yayınevi: MDPI

Cilt / Sayı / Makale: 1 / 1 / 3

DOI: 10.3390/aipa1010003

Tarihler: Alındı: 25 Mayıs 2026; revize edildi: 24 Ağustos 2026; kabul edildi: 31 Ağustos 2026; yayımlandı: 3 Eylül 2026.

Kaynak türü: Article; gerçek tarla çalışması, multispektral uydu uzaktan algılama, unsupervised fuzzy clustering, hedefli toprak örnekleme ve laboratuvar analizi.

Hakemlik: AI and Precision Agriculture, MDPI tarafından yayımlanan uluslararası hakemli bir açık erişim dergisidir.

Lisans: PDF Creative Commons Attribution (CC BY) lisansını bildirir. AIPA'nın resmî lisans politikası dergide yayımlanan makaleler için CC BY 4.0 belirtmektedir.

Çalışma sahası: Etoloakarnania Prefecture, Batı Yunanistan; yaklaşık merkez 38.795° N, 20.852° E; 8 ha ticari yonca tarlası.

Uydu verisi: Sentinel-2A/B Level-2A Bottom-of-Atmosphere; ana görüntü 26 Nisan 2022; tile T34SDJ.

Spektral bantlar: B2 Blue, B4 Red, B8 Near Infrared, B11 Shortwave Infrared.

Spektral indeksler: NDVI, SAVI, EVI, NDWI.

Resampling: B11, 20 m'den 10 m ortak grid'e bilinear interpolation ile yeniden örneklenmiştir.

Ön işleme: Dört indeks rasterı FCM öncesinde z-score ile standardize edilmiştir.

Kümeleme: Fuzzy C-Means; SAGA GIS üzerinden QGIS; m = 2.0; k = 2.

Eksik reproducibility parametreleri: Stopping criterion, convergence threshold ve maximum iteration sayısı özgün iş akışından güvenilir biçimde geri getirilememiştir.

Cluster-validation durumu: Elbow, Silhouette ve Davies–Bouldin değerleri korunmamıştır. İki-zone çözümü formal cluster validity ile doğrulanmış optimum çözüm olarak sunulmamaktadır.

Toprak örneklemesi: Altı georeferanslı kompozit örnek; Zone 1 = 4, Zone 2 = 2; derinlik 0–30 cm; GPS yaklaşık ±3–5 m.

Kompozit örnek yapısı: Bir merkez ve 2 m yarıçaplı çember üzerinde eşit aralıklı üç çevre noktası olmak üzere dört alt örnek.

Laboratuvar yöntemleri: Bouyoucos hydrometer; pH 1:2.5 soil-to-water; Walkley–Black; Olsen-P; 1 M ammonium acetate pH 7.0; DTPA extraction; atomic absorption spectroscopy.

İstatistiksel yaklaşım: Küçük örneklem nedeniyle ağırlıklı olarak tanımlayıcı analiz; ortalama ve standart sapma. Formal test sonuçları kesin kanıt olarak kullanılmamıştır.

Ana sonuç: Zone 2'de P, K, OM, total N, Fe ve Zn ortalamaları daha yüksek; Mn Zone 1'de daha yüksek; pH ve EC bölgeler arasında büyük ölçüde benzer.

Finansman: European Union LIFE Program, Project 101212908—LIFE24-GIC-EL-LIFE LULUCF ATLAS.

Veri erişilebilirliği: Sonuçları destekleyen ham verilerin yazarlardan talep üzerine sağlanacağı bildirilmiştir.

Çıkar çatışması: Yazarlar çıkar çatışması olmadığını bildirmiştir.

Yazar katkıları: Kavramsallaştırma: Dimitrios Triantakonstantis ve Dionysios Faltsetas. Yöntem: Dimitrios Triantakonstantis ve Dionysios Faltsetas. Yazılım ve doğrulama: Dimitrios Triantakonstantis. Formal analiz ve veri kürasyonu: Dimitrios Triantakonstantis ve Dionysios Faltsetas. Araştırma, kaynaklar, görselleştirme ve danışmanlık: Dimitrios Triantakonstantis. Özgün taslak: Dimitrios Triantakonstantis ve Dionysios Faltsetas. Gözden geçirme ve düzenleme: tüm yazarlar. Proje yönetimi ve finansman edinimi: Dimitrios Triantakonstantis, Despoina Vlachaki ve Ioannis Sebos.

Temel yeniden üretilebilirlik sınırlılığı: FCM'nin bazı çalışma parametrelerinin, sample-level membership skorlarının ve örnek noktalarındaki spektral indeks değerlerinin korunmamış olması, özgün iş akışının tam yeniden üretimini ve doğrudan point-level validation yapılmasını sınırlandırmaktadır.

Ana bilimsel yorum sınırı: Çalışma, Sentinel-2 + FCM yaklaşımının bu belirli tarlada tarımsal olarak anlamlı olabilecek ön bölgeler üretme potansiyelini desteklemektedir; bu bölgelerin kesin besin reçeteleri için doğrulanmış olduğu veya başka sahalara doğrudan genellenebileceği sonucunu desteklememektedir.