Güneydoğu İran’ın yarı kurak bölgesinde toprak kimyasal özelliklerini tahmin etmek için standart, kara kutu ve Bayesçi RSM-SVR modellerinin değerlendirilmesi

Çiftçiler için tuzlu toprakların önemi

Dünyanın birçok kurak bölgesinde bitkiler yalnızca su eksikliğinden değil, aynı zamanda toprakların yorgun ve tuzlu olmasından da zarar görüyor. Güneydoğu İran’ın yarı‑kurak düzlüklerinde çiftçiler, besinleri iyi tutmayan ve fazla sodyum içeren topraklarla karşılaşıyor; bu da zeminin sertleşmesine ve bitkilerin ölmesine neden olabiliyor. Bu çalışma pratik bir soruyu ele alıyor: çiftçiler ve planlamacılar, araziyi daha verimli ve ekonomik yönetebilmek için birkaç basit ölçümden temel toprak özelliklerini hızlıca tahmin etmek üzere akıllı bilgisayar modelleri kullanabilir mi?

Kırılgan topraklara sahip sert bir peyzaj

Araştırma, İran’ın doğu sınırında geniş, rüzgâr etkili Sistan ve Beluçistan bölgesinde gerçekleştiriliyor. İklim sıcak ve kurak, yağışlar seyrek ve toz fırtınaları düzenli olarak üst toprağı aşındırıyor. 60.000 hektarlık çalışma alanının çoğu kumlu tın ve kumla kaplı—suyu çabuk boşaltan, az organik madde tutan ve tuz birikimine yatkın toprak türleri. 258 dikkatle hazırlanmış toprak örneği toplayarak ekip, ciddi sorunları doğruladı: ortalamada bölgelerin yarısından fazlası olağan sodyum tehlikesi eşik değerinin üzerindeydi ve yaklaşık dörtte üçü besin tutma kapasitesi düşük çıktı. Bu koşullar, özellikle sınırlı kaynağa sahip küçük işletmeler için tarımı riskli ve maliyetli kılıyor.

Toprak sağlığı için üç ölçüt

Toprağın ne kadar zarar görmüş veya sağlıklı olduğunu değerlendirmek için çalışma üç kimyasal ölçüte odaklanıyor. Değişebilir Sodyum Yüzdesi (ESP), toprağın besin “park yerlerinin” ne kadarının kalsiyum ve magnezyum gibi daha yararlı elementler yerine sodyum tarafından işgal edildiğini ölçer. Sodyum Adsorpsiyon Oranı (SAR), toprak suyundaki sodyum miktarını kalsiyum ve magnezyum ile karşılaştırır; bu, sodyumun birikerek toprak yapısına zarar verme riskini gösterir. Katyon Değişim Kapasitesi (CEC) ise bu besin park yerlerinin başlangıçta ne kadar olduğunu açıklar ve dolayısıyla bir toprağın gübreleri ne kadar iyi tutabileceğini, yoksa yıkanarak kaybedilip kaybedilmeyeceğini belirtir. Geleneksel olarak bu özellikleri ölçmek zaman alan ve pahalı laboratuvar çalışmalarını gerektirir—büyük, uzak alanlarda rutin uygulamak zordur.

Algoritmaların basit testlerden öğrenmesine izin vermek

Tam laboratuvar testleri yerine araştırmacılar, ESP, SAR ve CEC’yi toprak doku (kum, silt, kil), asitlik (pH), elektrik iletkenliği, kireç içeriği ve organik madde gibi daha kolay ölçümlerden tahmin edecek bilgisayar modelleri eğittiler. Yanıt Yüzeyi Metodolojisi adındaki eğri eğilimleri ve değişkenler arasındaki etkileşimleri yakalayan daha eski istatistiksel aracı, karmaşık, doğrusal olmayan desenlerle başa çıkabilen modern bir makine öğrenimi yöntemi olan Destek Vektör Regresyon ile harmanlayan üç “hibrit” yaklaşım kurdular. Bu üç tür şunlardı: yanıt‑yüzeyi özelliklerini doğrudan öğrenme algoritmasına veren Standart versiyon; bu özellikleri standardize eden ve hangi girdilerin en önemli olduğunu dikkatle test eden Kara‑Kutu versiyon; ve belirsiz parametreleri olasılık fikirleri kullanarak daha emniyetli değerlere doğru nazikçe çeken Bayesçi versiyon.

Tuzlu ve besin bakımından fakir toprakları ne kontrol eder

Tahminleri gerçek laboratuvar sonuçları ile karşılaştırarak ekip, toprak dokusu ve tuzlulukla ilişkili ölçümlerin kimyasal davranışı güçlü şekilde şekillendirdiğini buldu. Kum içeriği, besin tutma kapasitesinin başlıca belirleyicisi olarak öne çıktı: toprak ne kadar kumluysa CEC o kadar düşük oldu; bu, iri tanelerin gübreleri tutmada zayıf olduğunu doğruluyor. Buna karşılık, silt içeriği ve elektrik iletkenliği sodyumla ilgili göstergeler ESP ve SAR üzerinde en güçlü etkiye sahipti. Bu iki sodyum ölçütü neredeyse mükemmel şekilde bağlıydı; yani biri bilindiğinde diğeri büyük ölçüde belirleniyor. Modeller genel olarak iyi performans gösterdi ancak verinin az olduğu ve koşulların çok değişken olduğu aşırı kötü durumları—aşırı tuzlu ve yıpranmış toprakları—yakalamakta zorlandı; bu çevresel modellemede sık rastlanan bir zorluktur.

Hangi modelleme yaklaşımı en iyi sonuç verdi

Kara‑Kutu hibrit model, ESP ve CEC için en doğru tahminleri sundu; Standart yönteme kıyasla hataları sırasıyla yaklaşık %40 ve %28 azalttı. SAR için Bayesçi versiyon biraz daha iyi performans gösterdi ve sodyum risklerinin yüksek olduğu durumlarda daha güvenilir sonuçlar sağladı. Üç yöntem de, yanıt‑yüzeyi adımının öğrenme algoritmasına beslenen bilgiyi zenginleştirme biçimi sayesinde, nispeten küçük bir veri seti olan 258 örnekle çalışabildi. Yine de yazarlar, aşırı sahalardan ve diğer bölgelerden daha fazla veri ile ek makine öğrenimi yöntemleriyle yapılacak karşılaştırmaların modelleri daha da iyileştirmeye ve test etmeye yardımcı olacağını belirtiyorlar.

Tahminleri daha iyi tarımsal kararlara dönüştürmek

Uzman olmayanlar için pratik fayda açık: yalnızca makul bir dizi rutin toprak testiyle bu modeller, geniş alanlarda temel kimyasal özelliklerin hızlı ve düşük maliyetli tahminlerini sağlıyor. Bu, çiftçilerin ve arazi yöneticilerinin sodyumun yüksek olduğu yerleri, besin depolamanın zayıf olduğu alanları ve jips ekerek sodyumu yıkama, organik maddeyi artırma, sulama suyunu ayarlama veya daha dayanıklı ürünler seçme gibi özel uygulamaların en fazla faydayı sağlayacağı yerleri daha kolay belirleyebileceği anlamına geliyor. Yöntemler en çok zarar görmüş topraklar için mükemmel olmasa da, kırılgan kuru arazilerin veriyle yönlendirilen, hassas yönetimine doğru önemli bir adımı temsil ediyor ve dünyanın en savunmasız tarım bölgelerindeki sınırlı su ve toprak kaynaklarını korumaya yardımcı oluyor.

Atıf: Ahangar, A.G., Piri, J. Evaluation of standard, black-box, and bayesian RSM-SVR models in the semi-arid area of south-eastern Iran for predicting soil chemical properties. Sci Rep 16, 11183 (2026). https://doi.org/10.1038/s41598-026-42058-1

Anahtar kelimeler: toprak tuzluluğu, hassas tarım, makine öğrenimi, yarı‑kurak topraklar, toprak verimliliği