Publication:
Nohut ve mercimek üretim miktarı tahmini için meteorolojik faktörler odaklı makine öğrenmesi yaklaşımı: Türkiye örneği

Simple item page
dc.contributor.authorYILMAZ SOYDAN, NACİYE TUBA
dc.contributor.authorsBURHAN H. A., YILMAZ N. T.
dc.date.accessioned2023-09-18T10:55:28Z
dc.date.available2023-09-18T10:55:28Z
dc.date.issued2023-06-01
dc.description.abstractÖz: Yemeklik tane baklagiller en temel karbonhidrat, lif ve protein kaynakları olarak sağlıklı beslenme için gerekli başlıca vitamin ve mineralleri sağlamaktadırlar. Türkiye’de ise yemeklik tane baklagiller, tahıllardan sonra yetiştiriciliği en fazla yapılan tarla bitkileri olup; baklagiller için gen merkezi konumunda olan ülkemizde üretilen başlıcaları; nohut, yeşil ve kırmızı mercimek, fasulye ve bakladır. Öte yandan tarımsal üretimin hava koşullarına karşı oldukça duyarlı olması, hali hazırdaki küresel iklim değişikliğinin çevre, doğal kaynaklar ve üretim sistemleri üzerindeki olumsuz etkilerini daha da önemli kılmaktadır. Bu çalışmada ortalama nem, ortalama sıcaklık ve ortalama yağış meteorolojik faktörleri ile ekiliş ve üretim değerlerini içeren veri seti kullanılarak Destek Vektör Regresyon (DVR), Karar ağacı Regresyon (KAR) ve Rastgele Orman Regresyon (ROR) makine öğrenmesi yöntemleriyle Türkiye’de üretimi en fazla yapılan yemeklik tane baklagil türleri olan nohut ve mercimek için 2021-2022 yılı üretim miktarı ve verim tahmini yapılmıştır. Elde edilen tahminlerin doğruluğu ve buna bağlı olarak kullanılan yöntemlerin geçerliliği, tahminlerin gerçek değerlerle karşılaştırılmasına ek olarak çeşitli performans ölçütleri ile değerlendirilmiştir. Her üç yöntemle elde edilen sonuçlara göre 2022 yılında nohut üretiminde bir önceki yıla göre yaklaşık %25 azalma; mercimek üretiminde ise bir önceki yıla kıyasla %25 ile %65 arası artış tahmin edilmiştir. Tüm yöntemler bağlamında ağaç temelli makine öğrenmesi regresyon modellerinin daha başarılı sonuçlar verdiği ifade edilebilmektedir.
dc.description.abstractAbstract: Legumes are the most basic carbohydrate, fiber and protein sources and provide essential vitamins and minerals for a healthy nutrition. As a gene center for legumes, edible legumes are the most cultivated field crops after cereals in Turkey and mainly produced ones are chickpeas, green and red lentils, beans and broad beans. Besides, as the agricultural production is very sensitive to weather conditions, it makes the current global climate change even more important because of its negative effects of on the environment, natural resources and production systems. In this study, by using a data set including meteorological factors as average humidity, average temperature, average precipitation in addition to cultivation and production values, estimations of production amounts and yields were performed for chickpeas and lentils by using Support Vector Regression (SVR), Decision Tree Regression (DTR) and Random Forest Regression (RFR) machine learning methods for 2021 and 2022. Also, accuracy and validity of the methods were evaluated by comparing obtained predictions with actual values and by considering various performance evaluation criteria. According to the obtained results by all three methods, in 2022 a 25% decrease in chickpea production and an increase of 25-65% in lentil production is predicted compared to the previous year. In addition, it can also be stated that tree-based machine learning methods yielded more successful outcomes in both predictions
dc.identifier.citationBURHAN H. A., YILMAZ N. T., "Meteorological Factors-Oriented Machine Learning Approach for Chickpea and Lentil Production Estimation: The Case of Turkey", Adnan Menderes Üniversitesi Ziraat Fakültesi Dergisi, cilt.20, sa.1, ss.13-23, 2023
dc.identifier.doi10.25308/aduziraat.1140357
dc.identifier.endpage23
dc.identifier.issn1304-7787
dc.identifier.issue1
dc.identifier.startpage13
dc.identifier.urihttp://dx.doi.org/10.25308/aduziraat.1140357
dc.identifier.urihttps://hdl.handle.net/11424/293497
dc.identifier.volume20
dc.language.isotur
dc.relation.ispartofAdnan Menderes Üniversitesi Ziraat Fakültesi Dergisi
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectDestek vektör regresyon
dc.subjectkarar ağacı regresyon
dc.subjectrastgele orman regresyon
dc.subjectnohut
dc.subjectmercimek
dc.subjectbaklagiller
dc.subjectverim
dc.subjectSupport vector regression
dc.subjectdecision tree regression
dc.subjectrandom forest regression
dc.subjectchickpeas
dc.subjectlentils
dc.subjectlegumes
dc.subjectyield
dc.titleNohut ve mercimek üretim miktarı tahmini için meteorolojik faktörler odaklı makine öğrenmesi yaklaşımı: Türkiye örneği
dc.title.alternativeMeteorological factors-oriented machine learning approach for chickpea and lentil production estimation: the case of Turkey
dc.typearticle
dspace.entity.typePublication
local.avesis.idfcc14b5c-b51a-430c-a46b-3d5404054ab6
relation.isAuthorOfPublication4a169eca-9b76-4fd5-863d-62b5fd17b23f
relation.isAuthorOfPublication.latestForDiscovery4a169eca-9b76-4fd5-863d-62b5fd17b23f

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
14.pdf
Size:
1.12 MB
Format:
Adobe Portable Document Format
Download

Collections

Research Outputs