Karma PSO-SVM ve sembolik regresyon modeli ile tarımsal su talebi tahmini

Çiftlik su kullanımı neden herkes için önem taşır

Dünya genelindeki kurak bölgelerde aynı nehirler ve yeraltı suları kentlere, sanayiye ve bizi besleyen ürünlere su sağlamak zorundadır. Tarım çok fazla su çektiğinde musluklar kuru kalır ve ekosistemler zarar görür; çok az su aldığında ise gıda üretimi tehlikeye girer. Bu çalışma, Çin’in önemli sulama merkezlerinden biri olan İç Moğolistan’daki Bayannur kentini yakından inceleyerek hayati bir soruyu soruyor: sulama suyu talebi önümüzdeki yıllarda nasıl değişecek ve hangi düğmeler—teknoloji, politika veya üretim—en büyük etkiyi yapacak?

Susuz bir bölge ve susayan tarlalar

Bayannur, kuzeybatı Çin’de Hetao Sulama Bölgesi’nde yer alır; verimli topraklar ve güneşli iklim buğday, mısır, ayçiçeği ve domates üretimini destekler—ancak kanallardan yeterli su sağlandığı takdirde. 1990’dan 2022’ye kadar kentte tüketilen suyun yaklaşık %97’si tarım tarafından kullanıldı ve yıllık ortalama neredeyse 5 milyar metreküp seviyesindeydi. Buna karşılık bölgenin doğal su varlığı sınırlıdır; düşük yağış ve nehirlerle yeraltı su kaynaklarının sıkı kısıtları vardır. Bu dengesizlik, tarım uygulamalarının, kırsal geçim kaynaklarının ve hükümet politikalarının sulama talebinin dalgalanmalarını birlikte nasıl şekillendirdiğini anlamayı hayati kılıyor.

Su talebini yukarı veya aşağı itenleri çözümlemek

Araştırmacılar iklim, su mevcudiyeti, tarımsal üretim, kırsal demografi, makineler, gübre kullanımı, sulama teknolojisi ve su fiyatlarını kapsayan 33 yıllık resmi istatistiği bir araya getirdiler. Önce Parçacık Sürü Optimizasyonu ile Destek Vektör Makinelerini birleştiren (PSO-SVM) bir makine öğrenmesi yaklaşımı kullandılar. Basitçe söylemek gerekirse, bu yöntem birçok olası faktörden su kullanımını en iyi tahmin eden modeli aramak için bir “sürü” deneme modeli kullanır. Her faktörü hafifçe ayarlayıp tahminlerin nasıl değiştiğini gözlemleyerek ekip bazı etkileri su talebini artıran “sürücüler”, diğerlerini ise onu frenleyen “durdurucular” olarak etiketleyebildi.

Üretim itiyor, teknoloji ve gelir çekiyor

Analiz net bir çekişmeyi ortaya koydu. Sürücü tarafta, daha yüksek tahıl verimleri ve daha geniş efektif sulanan alan su talebini artıran en güçlü güçlerdi; bunu daha fazla kırsal istihdam, artan gübre kullanımı ve genişleyen tahıl ekimi destekledi. Bunlar, daha büyük ve daha yoğun çiftliklerin daha fazla suya ihtiyaç duyduğunu gösteren temel gerçeği yansıtır. Frenleyen tarafta ise en güçlü tek etki artan kırsal gelirdi: çiftlik hanehalkları zenginleştikçe en fazla su gerektiren etkinliklerden uzaklaştılar. Damla ve yağmurlama gibi yüksek verimli sulama uygulamalarının daha geniş benimsenmesi su ihtiyacını azalttı; sulama suyu fiyatlarının yükselmesi, su stresi indeksinin doğal sınırları ve artan mekanizasyon da su kullanımını geriletti. Birlikte bu frenler, Bayannur’un tarımsal su kullanımının 2000’lerin başlarından bu yana genel olarak düşmesinin nedenini açıklıyor; aynı dönemde gıda üretimi arttı.

Bir kara kutuyu okunabilir denkleme dönüştürmek

Makine öğrenmesi modelleri sıklıkla doğru tahminler verir ancak iç işleyişlerini gizler; bu da onları politika tartışmalarında kullanmayı zorlaştırır. Bu “kara kutu” sorunundan kaçınmak için ekip en etkili faktörleri yalnızca sembolik regresyon adlı ikinci bir araca besledi. Bu yöntem, birkaç ana değişken—burada kırsal gelir, tahıl verimi, sulanan alan ve verimli sulama oranı—arasındaki ilişkiyi insan tarafından okunabilir bir denklemle bulmaya çalışır. Nihai denklem Bayannur’un su kullanımındaki yıllar arası değişimin neredeyse %88’ini yeniden üretiyor ve bu dört düğmenin doğrusal olmayan biçimlerde nasıl etkileştiğini niceliyor. Örneğin daha yüksek gelir genellikle hem daha verimli tarlalar hem de daha fazla su tasarrufu uygulaması ile birlikte geldiği için net etkisi, daha iyi verimi desteklerken su talebini sınırlamak yönünde oluyor.

2035’e bakış

Bu şeffaf denklemle donanmış yazarlar, Bayannur’un tarımsal su talebini 2023’ten 2035’e kadar projekte ettiler. Buna göre yıllık kullanımın muhtemelen 5 milyar metreküpün üzerinde kalacağı, 2028 civarında zirve yapıp ardından istikrar kazanacağı görülüyor. Başka bir deyişle kent ağır bir su kullanıcısı olmaya devam edecek, ancak su tasarrufu teknolojileri yayıldıkça ve su fiyatlandırması, su hakkı ticareti ve sıkı kotalar gibi politikalar tam olarak uygulamaya kondukça geçmişteki hızlı dalgalanmalar yatışacak. Modelin belirsizlik aralığı—her tahminin yalnızca birkaç puan yukarısı veya aşağısı—tahminlerin planlama için yeterince sağlam olduğunu gösteriyor.

Bu durum gıda ve su güvenliği için ne anlama geliyor

Uzman olmayanlar için ana mesaj, politika ve teknolojinin akıllı kombinasyonlarının büyüyen gıda üretimi ile artan su kullanımı arasındaki bağı gevşetebileceğidir. Bayannur’da verimli sulama sistemleri, daha iyi çiftlik gelirleri ve sağlam yönetim kuralları, genişleyen tarlaların otomatik olarak nehir ve yeraltı suyu çekimini artırdığı eski deseni giderek daha fazla dengelemiştir. Çalışmanın karma modelleme çerçevesi yalnızca gelecekte tarımın ne kadar su kullanabileceğini göstermiyor; aynı zamanda hangi sosyal ve teknik değişikliklerin en önemli olduğunu da ortaya koyuyor. Bu tür içgörüler, diğer kuru tarım bölgelerinin insanları beslerken su imkânları içinde kalmaya yönelik gerçekçi bir yol haritası çizmesine yardımcı olabilir.

Atıf: Lv, H., Zhao, Y., Wang, W. et al. Hybrid PSO-SVM and symbolic regression model for agricultural water demand prediction. Sci Rep 16, 5121 (2026). https://doi.org/10.1038/s41598-026-34995-8

Anahtar kelimeler: tarımsal su talebi, sulama verimliliği, makine öğrenmesi modelleri, su kaynakları politikası, Çin kuru bölgeleri