Çim bitkisi yaprak su, azot ve diğer besin elementleri düzeyi tahmini için prototip optik algılayıcı geliştirilmesi ve bazı ticari algılayıcılar ile karşılaştırılması

Abstract

Bitkilerde yaprak besin elementi konsantrasyonunun belirlenmesinde kimyasal yöntemler kullanılmaktadır. Bu uygulama zaman alıcı ve maliyetli olup, yüksek iş gücü gerektirmektedir. Bu amaçla kullanılan bazı optik sistemler mevcuttur ancak yurtdışından temin edilen bu sistemler pahalı olup kullanımı uzmanlık gerektirmektedir. Bu sebeple bu çalışmada, çim (Lolium perenne L.) yaprağı örneklerinin su, azot ve diğer besin elementi konsantrasyonlarını belirlemek amacıyla düşük maliyetli prototip optik bir algılayıcı geliştirilmesi amaçlanmıştır. Çim biçkisi örnekleri 2017-2018 kış döneminde; Hatay Mustafa Kemal Üniversitesi (HMKÜ) Kampüsü'nde kontrollü şartlarda dört farklı düzeyde azot (N) uygulanan deneme arazisi ve Hatayspor futbol takımına ait olan doğal çim zemine sahip antrenman sahası olmak üzere iki farklı yerden alınmıştır. Çim yaprağı örneklerinin yansıma değerleri prototip algılayıcı ve üç farklı optik ölçüm sistemi (yakın kızılötesi yansıma spektroskopisi (NIRS), el tipi NDVI algılayıcı (GreenSeeker), renk ölçer) ile ölçülmüştür. Prototip algılayıcı ile 14 farklı vejetasyon indeksi hesaplanmış ve bu değerler su içeriği ve besin elementi konsatrasyonu tahmininde kullanılmıştır. Örneklerin makro ve mikro besin elementi konsantrasyonu kimyasal yöntemle belirlenmiştir. PLSR (Partial Least Square Regression) veri analizi ile tahmin modelleri geliştirilerek her bir modelin başarısı SEP (Standard Error of Prediction) ve R2 kriterleri ile değerlendirilmiştir. Algılayıcıdan elde edilen sonuçlar diğer optik ölçüm sistemleri (NIRS, el tipi NDVI algılayıcı, renk ölçer) ile karşılaştırılmıştır. Prototip optik algılayıcı ile, kampüs deneme arazisi örneklerinin su ve N konsantrasyonu tahmininde en iyi sonucu veren vejetasyon indeksinin NDVI olduğu tespit edilmiştir (su için SEP=%1.43, N için SEP=%0.28). Spor sahası verilerine göre ise; su içeriği tahmini için en iyi sonuç; NIR-G indeksi ile (SEP=%0.96), N konsantrasyonu için ise en iyi sonuç; GRVI (SEP=%0.20) ile elde edilmiştir. Tüm veriler için optik sistemler karşılaştırıldığında, en iyi sonucu (en düşük tahmin hatası, SEP) çoğunlukla NIRS sisteminin verdiği görülmüştür. Ancak NIRS, renk ölçer ve el tipi NDVI algılayıcı sistemlerinin ülkemizde üretilmemesi ve yurt dışından ithalat yolu ile temin edilmesi gibi olumsuzluklar bulunmaktadır. Çalışmada geliştirilen prototip optik algılayıcının, kampüs deneme arazisi örnekleri için; K, Mg, Cu, Zn hariç su ve diğer besin elementleri için el tipi NDVI algılayıcı ve renk ölçer ile benzer sonuçlar verdiği, spor sahası örnekleri için ise; su içeriği, Fe, Mn, Zn hariç diğer besin elementleri için renk ölçer ile benzer sonuçlar verdiği görülmüştür. Bu çalışmada geliştirilen prototip algılayıcı sisteme benzer, düşük maliyet ve yerli imkanlar ile ticari olarak geliştirilebilecek bir optik algılayıcının çim örneklerinin besin elementi konsantrasyonunun tahmininde kullanılabileceği tespit edilmiştir.

Chemical methods are used to determine the concentration of leaf nutrient content in plant leaves. These methods are time-consuming, expensive and labor-intensive. There are some optical systems used for this purpose; however, these systems are imported, they are expensive and require expertise to use. Therefore, in this study, a low cost prototype optical sensor system was developed in order to determine the water and nutrient concentrations of turfgrass (Lolium perenne L.) leaf clippings. Turfgrass clipping samples were taken from two different places in the 2017 2018 winter season: experimental field on Hatay Mustafa Kemal University (HMKU) campus to which four different levels of nitrogen (N) were applied and natural turfgrass training field of the Hatayspor soccer team. The reflectance data of the turfgrass clippings were obtained by the optical prototype sensor and three different standard optical instruments (near infrared reflectance spectroscopy (NIRS), handheld NDVI meter (GreenSeeker), and chromameter). 14 different vegetation indexes were calculated from the prototype sensor data and these values were used to predict water content and nutrient concentrations of the clipping samples. Macro and micro nutrient concentrations of the samples were determined by chemical method. By using PLSR (Partial Least Square Regression) analysis, the prediction models were developed and the success of each model was evaluated with the criteria of SEP (Standard Error of Prediction) and R2. The results obtained from the sensor were also compared with other optical instruments (NIRS, handheld NDVI meter, chromameter).With the prototype optical sensor, it was determined that NDVI gave the best result for the data from the campus experimental area in the prediction of water and N concentration (SEP =1.43% for water, SEP=0.28% for N). According to sports field data, the best result for water content was obtained by NIR-G index (SEP=0.96%) whereas GRVI gave best result (SEP=0.20%) for N concentration. When the optical systems were compared for all data, it was found that the best results (lowest SEP) were obtained with the NIRS system. However, there are some disadvanteges of NIRS, chromameter, and the handheld NDVI meter that are not domestically produced, expensive and requiring expertise in their operation. It was found that prototype optical sensor developed in the study gave similar results with handheld NDVI meter and chromameter to predict water and nutrient concentrations except K, Mg, Cu and Zn for campus experimental field samples whereas it gave similar results in sport field for the prediction of water content, Fe, Mn, and Zn. It was determined that an optical sensor similar to the prototype sensor tested in the study could be developed commercially with low cost and domestic facilities and be used to estimate the nutrient concentration of turfgrass clipping samples.