In and end of season soybean yield prediction with histogram based deep learning
Histogram temelli derin öğrenme ile sezon içi ve sezon sonu soya fasulyesi verim tahmini
- Tez No: 759615
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT DURMAZ
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Agriculture, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Coğrafi bilgi sistemleri, Derin öğrenme, Google Earth, Histogram, Geographical information systems, Deep learning, Google Earth, Histogram
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geomatik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İklim değişikliği ve küresel ısınmaya bağlı olarak tarımsal faaliyetlerden elde edilen verim giderek etkilenmektedir. Çiftçiler, devlet kurumları, tarım sigortaları önlem almada karar desteği sağlayabilecek uygulamalara ihtiyaç duyar. Öte yandan, devlet kurumlarının mahsul planlaması, ithalat ve ihracat planlaması, piyasa fiyatı tespiti ve depolama ihtiyaçları için hasat öncesi verim tahminlerine ihtiyacı vardır. Ayrıca, hasat sonrası mahsul verimi tahminleri, tarım sigortası ve devlet kurumu destek ödemeleri için çiftçi beyanlarıyla karşılaştırma açısından önemlidir. Bu çalışma kapsamında, belirlenen bölgelerden alınacak ürün verimlerinin sezon içi ve sezon sonu tahminlerini sağlayabilecek bir ürün verim tahmin modülü geliştirilmiştir. Modül, Python programlama dili ile bir QGIS eklentisi olarak geliştirilmiştir. CNN ve LSTM'ye dayalı iki ana derin öğrenme verimi tahmin modeli eklentiye entegre edilmiştir. Google Earth Engine, çalışma alanındaki her bölge için MODIS Yüzey Yansıması, Kara Yüzey Sıcaklığı ve Daymet Günlük Yüzey Hava Durumu histogramlarını oluşturmak için yoğun olarak kullanılmaktadır. Histogramlar, bölgelerin verimlerini tahmin etmek için eğitilen derin öğrenme algoritmalarında girdi verisi olarak kullanılmaktadır. Tahmin modellerinden elde edilen verim tahminleri, geliştirilen QGIS eklentisi aracılığıyla kg/ha birimi Shape dosya formatında kullanıcıya sunulmaktadır. Sonuçlara göre, CNN ve LSTM tabanlı modeller yakın sonuçlar vermesine rağmen, CNN tabanlı yöntemin genellikle hem sezon içi hem de sezon sonu verim tahmini açısından görece daha iyi sonuçlar verdiği görülmüştür.
Özet (Çeviri)
Depending on climate change and global warming, the yield obtained from agricultural activities is gradually affected. Farmers, government institutions, agricultural insurances need applications that can provide decision support in taking precautions. On the other hand, government agencies need pre-harvest yield estimates for crop planning, import and export planning, market price determination, and storage needs. Also, the post-harvest crop yield estimates are important for comparison with farmer statements for agricultural insurance and government agency support payments. Within the scope of this study, a crop yield prediction module has been developed that can provide in and end of season estimation of crop yields to be obtained from the determined regions. The module was developed as a QGIS plugin with the Python programming language. Two main deep learning yield prediction models based on CNN and LSTM are integrated into the plugin. Google Earth Engine is heavily utilized to generate MODIS Surface Reflectance, Land Surface Temperature and Daymet Daily Surface Weather histograms for each region in study area. Histograms are used as input data into deep learning algorithms that are trained to predict the yields of regions. Yield predictions obtained from prediction models are presented to the user in a Shape file format via the deveoped QGIS plugin in kg/ha unit. According to the results, although CNN and LSTM based models deliver similar results, CNN based method generally provide slightly better results for both in and end of season yield prediction.
Benzer Tezler
- Hatay koşullarında yetiştirilen bakteri aşılı ve aşısız soyanın su-verim ilişkilerinin belirlenmesi
Determination of relationship water-yield of inoculated and uninoculated soybean in Hatay conditions
ZEYNEP KARAKAYA
Yüksek Lisans
Türkçe
2015
ZiraatMustafa Kemal ÜniversitesiBiyosistem Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERKANT ÖDEMİŞ
- Sürdürülebilir tarımda baklagil döngülü ekim nöbetinin konvansiyonel ve düşük girdili koşullarda agronomik, çevresel ve ekonomik etkilerinin belirlenmesi üzerine bir araştırma
A research on effects of agronomic, environmental and economic based on leguminous rotation in sustainable agriculture in conventional and low input conditions
SEVAL ELİŞ
- Farklı bitki artıklarının bazı toprak özellikleri ve bazı baklagil yem bitkilerinin gelişimi üzerine etkileri
Effects of different plant residues on some soil properties and the growth of some leguminous forage crops
ADE SUMIAHADI ADE SUMIAHADI
- Yazlık ve kışlık ekilen yulaf (Avena spp.) genotiplerinin yeşil ot verimi ve silaj kalite özellikleri bakımından değerlendirilmesi
Evaluation of oat (Avena spp.) genotypes sowing on the summer-end and in fall season for green biomass yield and silage quality traits
İSMAİL AVCI
Yüksek Lisans
Türkçe
2017
ZiraatKahramanmaraş Sütçü İmam ÜniversitesiTarla Bitkileri Ana Bilim Dalı
PROF. DR. TEVRİCAN DOKUYUCU