Türkiye'de geokonumsal teknolojisi ve makine öğrenimi kullanarak toprak erozyonunun arazi kullanımına ve arazi örtüsü değişimine karşı hassasiyetinin mekansal değerlendirmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ondokuz Mayıs Üniversitesi, Lisansüstü Eğitim Enstitüsü, Toprak Bilimi ve Bitki Besleme Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: İngilizce
Öğrenci: WUDU ABIYE ABEBAW
Danışman: TOMASZ ZALESKİ, Orhan Dengiz
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Toprak aşınabilirliğinin ve bununla ilişkili endekslerin farklı arazi kullanımları arasındaki mekansal değişkenliğini anlamak, sürdürülebilir arazi kullanımı planlaması ve yönetimi için kritik öneme sahiptir. Bu değişkenleri ölçmek için kullanılan geleneksel yöntemler genellikle zaman alıcı ve maliyetlidir. Bunu ele almak için çalışmada, toprak aşınabilirliğini ve kil oranı, kritik organik madde seviyesi, kabuk oluşumu, dağılma oranı ve toprak agregat stabilitesi gibi indekslerini tahmin etmek için verimli ve uygun maliyetli alternatifler olarak dijital toprak haritalama (DSM) ve makine öğrenimi (ML) modelleri kullanılmıştır. 50 toprak yüzey örneği (0-20 cm derinlik) orman, tarım ve mera arazi kullanımlarından toplanmıştır. Toprağın fizikokimyasal özellikleri laboratuvar analizleri ile belirlenmiştir. Çalışmada Çoklu Doğrusal Regresyon (MLR) ve Rastgele Orman (RF), Destek Vektör Makinesi (SVM), Yapay Sinir Ağı (ANN) ve dört tek modelden oluşan bir topluluk dahil olmak üzere makine öğrenimi modelleri kullanılmıştır. Bu modeller tekrarlanan 10 kat çapraz doğrulama yöntemi kullanılarak eğitilmiş ve kök ortalama kare hatası (RMSE), ortalama mutlak hata (MAE) ve belirleme katsayısına (R²) göre değerlendirilmiştir. Sonuçlar, YSA modelinin toprak aşınabilirliğini tahmin etmede diğerlerinden daha iyi performans gösterdiğini ortaya koymuştur (R² = 0.98, MAE = 0.00341, RMSE = 0.0031. SVM ve RF modelleri de iyi performans göstermiş, SVM toprak aşınabilirliği tahmini için R² = 0,93, MAE = 0,00541, RMSE = 0,0038 ve RF R² = 0,87, MAE = 0,0037, RMSE = 0,00557 değerlerine ulaşmıştır. Arazi kullanımları arasında toprak aşınabilirliğinin mekansal tahmini farklı modeller ortaya koymuştur. Orman toprakları en düşük ortalama aşınabilirlik değerlerini (0.0313 t-ha-¹-h-MJ-¹-mm-¹) sergilemiş, bu da daha iyi toprak yapısı ve organik madde içeriği nedeniyle erozyona karşı daha yüksek direnç gösterdiklerini yansıtmıştır. Buna karşılık, tarımsal arazi kullanımları en yüksek ortalama aşınabilirlik değerlerini (0,0320 t-ha-¹-h-MJ-¹-mm-¹) kaydetmiştir, bu da muhtemelen erozyona duyarlılığı artıran sık toprak işleme ve azalan bitki örtüsünden kaynaklanmaktadır. Calcaric Cambisol'ler en fazla, Lithic Leptosol'ler ise en az erozyona yatkın toprak türleri olarak belirlenmiştir. Havzanın %81,18'i düşük aşınabilirlik sınıfında yer alarak erozyona karşı dirençli olduğunu göstermektedir. Çalışma, makine öğrenimi modellerinin toprak aşınabilirliğini doğru tahmin ettiğini ve elde edilen haritaların arazi yönetimi için değerli olduğunu ortaya koymuştur.