Ormansızlaştırma içermeyen tedarik zincirleri için yüksek çözünürlüklü soya izleme

Neden soya ve ormanlar birbirine bağlı

Soyalar mütevazı bir ürün gibi görünebilir, ancak dünya çapında et, süt ve çiftlik balığı üretiminin büyük bir bölümünü sessizce desteklerler. Bu protein açısından zengin fasulyeye olan talep arttıkça, özellikle Güney Amerika’da onu yetiştirmek için geniş tropikal orman alanları temizlendi. Hükümetler şimdi, son yıllarda ormansızlaştırmayla bağlantılı gıda ve yem ürünlerinin piyasalarına girmesini engellemeye çalışıyor. Bu da şu zorlu soruyu gündeme getiriyor: bir gemi dolusu soya limana ulaştığında, o fasulyelerin gerçekten nerede yetiştirildiğini nasıl bilebiliriz?

Gizli tedarik zincirlerinin yarattığı zorluk

Modern soya tedarik zincirleri geniş ve şeffaflıktan yoksundur. Sayısız çiftlikten gelen fasulyeler, yağı ve küspesini elde etmek üzere ezilmeden önce kamyonlarda, silolarda ve gemilerde karıştırılır. Avrupa Birliği’nin ormansızlaşma düzenlemesi gibi yeni kurallar, yakında ithalatçıların soyalarının 2020 sonrası temizlenen arazilerden gelmediğini kanıtlamasını gerektirecek. Şirketler tam saha koordinatlarını ve hasat tarihlerini bildirmek zorunda, ancak evraklar sahte olabilir ve ticaret teşvikleri yanlış beyanı teşvik edebilir. Bu yüzden yetkililer, bir sevkiyatın gerçekten nereden geldiğini bağımsız, bilim temelli yollarla kontrol etmek istiyor.

Bir fasulyenin kimyasal parmak izini okumak

Bu çalışmanın yazarları, köken kanıtı olarak fasulyelerin kendisini kullanmayı hedeflediler. Bitkiler, yetiştikleri iklim ve toprağı yansıtan ince bir kimyasal parmak izine sahiptir. Kararlı izotopların—hidrojen, oksijen, karbon, azot ve kükürt gibi elementlerin hafifçe daha ağır veya daha hafif formlarının—oranları, yağış düzenleri, sıcaklık ve diğer atmosferik faktörlerle değişir. Bitki dokusundaki iz miktarlardaki metaller ve diğer elementler ise altta yatan jeoloji ve toprakları yansıtır. Brezilya, Arjantin ve Bolivya’nın başlıca üretim bölgelerinde toplanan 267 soya örneğindeki bu imzalar dikkatle ölçülerek, kimyasal desenleri coğrafyayla ilişkilendiren bir referans haritası oluşturuldu.

Dağıtık örneklerden sürekli bir haritaya

Yetişkin mahsul kökenini izlemeye yönelik önceki çabaların çoğu, problemi öğeleri kutulara ayırmak gibi ele aldı: bir model, küçük bir ülke veya bölge listesinden seçim yapıyordu. Komşu alanlar benzer olduğunda bu yaklaşım çöker ve örneklenmiş noktalar arasındaki konumlar hakkında hiçbir şey söyleyemez. Araştırmacılar bunun yerine tüm peyzajı sürekli olarak ele alan Gaussian Süreci adı verilen istatistiksel bir yöntem kullandılar. Uygulamada model, kimyasal benzerliğin mesafe ile nasıl azaldığını öğrenir. Ardından yeni bir örnek için haritadaki her noktanın gerçek hasat konumu olma olasılığını tahmin eder. Bu, tek evet-hayır ülke etiketinden ziyade bir olasılık yüzeyi üretir ve daha geniş bölge içinde kaldığı sürece doğrudan örneklenmemiş alanlarda bile modelin çalışmasını sağlar.

Kökeni belirlemek ve belirsizliği azaltmak

Araştırma ekibi, modellerinin üç versiyonunu karşılaştırdı: sadece izotopları kullanan, sadece iz elementleri kullanan ve her ikisini birden kullanan. İki veri türünün birleştirilmesi açık ara en iyi performansı sağladı. Ortalama olarak modelin en olası konumu gerçek çiftlikten yaklaşık 190 kilometre uzakta yer aldı ve olasılığın %95’ini içeren alan, ele alınan toplam soya yetiştirme bölgesinin yalnızca birkaç yüzdesiydi. Pratik açıdan bu yöntem, bir sevkiyatın muhtemel kökenini harita üzerinde nispeten kompakt bir yama ile sınırlar. Sürekli tahminleri basit ülke seçimlerine dönüştürdüklerinde, doğruluk önceki sınıflandırma çalışmalarına eşit ya da onlardan daha iyi çıktı; oysa onların görevi—ulusal sınırları aşan yakın üretim bölgelerini ayırt etmek—çok daha zordu.

Bu durum ormanlar ve ticaret için ne anlama geliyor

Regülatörler ve şirketler için bu yaklaşım, köken iddialarını kontrol etmek adına güçlü yeni bir yol sunuyor. Müfettişler, sevkiyatlardan rastgele örnekler analiz ederek kimyasal parmak izlerinin beyan edilen çiftliklerle eşleşip eşleşmediğini veya yasadışı orman temizliğinin yaşandığı yüksek riskli sınır bölgelerinden gelme olasılığının daha yüksek olup olmadığını görebilirler. Yöntem mükemmel olmasa da—birçok tahmin hâlâ tam tarladan 200 kilometreden fazla uzakta olabilir—belirsizliğin şeffaf, nicel bir ölçüsünü, doğrudan mesafeler ve alanlarla ifade ederek sağlar. Uydu izlemesi, çiftlik kayıtları ve diğer araçlarla birleştirildiğinde, soya tedarik zincirlerini çok daha hesap verebilir kılmaya ve ormansızlaşmayla bağlantılı ürünlerin küresel pazarlardan uzak tutulmasına yardımcı olabilir.

Atıf: Maor, R., Truszkowski, J., Ablett, F. et al. High-resolution soybean tracing for deforestation-free supply chains. Commun Earth Environ 7, 310 (2026). https://doi.org/10.1038/s43247-026-03380-8

Anahtar kelimeler: soya izlenebilirliği, ormansızlaşma, tedarik zincirleri, kararlı izotoplar, Gaussian süreç modelleme