Determining the Causality Relationship Between Climate Data and Wheat and Barley Yield in Turkey with The Toda-Yamamoto Test

Abstract

The aim of this study is to examine the causality relationship between long-term climate data and wheat and barley yields. The data set of the study covers 53 years of climate data and wheat and barley yields between 1970-2023 in Turkey. Toda-Yamamoto causality test was used to determine the causality relationship between temperature, precipitation, humidity and number of snowy days and wheat and barley yields. For this purpose, firstly Augmented Dickey-Fuller (ADF) and Phillips-Perron (PP) unit root tests were performed on the series to determine whether the series contained a unit root in the first difference. Lagrange Multiplier (LM) Autocorrelation test, White Heteroscedasticity test (With Cross) and Granger Causality test were applied to determine that there was no autocorrelation or heteroscedasticity problems in the series. According to the Granger Causality test, a causality relationship of 1% was found between wheat yield and temperature, 5% between wheat yield and number of snowy days. A causal relationship of 5% was found between barley yield and temperature and number of snowy days, and 1% between barley yield and humidity values. As a result of the analyses, it was determined that changes in wheat and barley yield were largely dependent on temperature and humidity changes. It was determined that there was a unidirectional causality at a significance level of 1% from temperature, precipitation and number of snowy days to wheat yield. In addition, it was determined that there was a positive relationship between temperature and precipitation and wheat yield, and a negative relationship between number of snowy days and wheat yield. A unidirectional causal relationship at a significance level of 1% was found from temperature, humidity and number of snowy days to barley yield. It was determined that there was a positive relationship between temperature and barley yield, and a negative relationship between humidity and number of snowy days and barley yield. In the light of these findings, it is seen that climate variables have a significant effect on wheat and barley yield. In addition, it is important to analyze the effects of climatic factors such as temperature, humidity, precipitation and number of snowy days on agricultural production, and to take the necessary precautions for future food security and sustainable agriculture.

Keywords

• Toda-Yamamoto test
• Wheat and barley yield
• Climate change
• Causality analysis
• Turkey

Ethical Statement

There is no need to obtain permission from the ethics committee for this study.

Türkiye’de İklim Verileri ile Buğday ve Arpa Verimi Arasındaki Nedensellik İlişkisinin Toda-Yamamoto Testi ile Belirlenmesi

Abstract

Bu çalışmanın amacı, uzun dönemli iklim verileri ile buğday ve arpa verimi arasındaki nedensellik ilişkisini incelemektir. Çalışmanın veri seti, Türkiye'de 1970-2023 yılları arasındaki 53 yıllık iklim verileri ile buğday ve arpa verimlerini kapsamaktadır. Sıcaklık, yağış, nem ve karlı gün sayısı ile buğday ve arpa verimi arasındaki nedensellik ilişkisinin belirlenmesinde Toda-Yamamoto nedensellik testinden yararlanılmıştır. Bu amaçla ilk olarak serilerin Augmented Dickey-Fuller (ADF) ile Phillips-Perron (PP) birim kök testi yapılmış, serilerin birinci farkında birim kök içerip içermediği belirlenmiştir. Lagrange Çarpanı (LM) Otokorelasyon Testi, White Değişen Varyans Testi (With Cross) ve Granger Nedensellik testi uygulanmış, serilerde otokorelasyon ve değişen varyans sorunu bulunmadığı tespit edilmiştir. Granger nedensellik testine göre, buğday verimi ile sıcaklık arasında %1, buğday verimi ile karlı gün sayısı arasında %5 düzeyde nedensellik ilişkisi bulunmuştur. Arpa verimi ile sıcaklık ve karlı gün sayısı arasında %5, arpa verimi ile nem değerleri arasında %1 düzeyde nedensellik ilişkisi bulunmuştur. Yapılan analizler sonucunda, buğday ve arpa verimindeki değişimlerin büyük oranda sıcaklık ve nem değişikliklerine bağlı olduğu belirlenmiştir. Sıcaklık, yağış ve karlı gün sayısından buğday verimine doğru %1 anlamlılık düzeyinde tek yönlü nedensellik olduğu belirlenmiştir. Ayrıca, sıcaklık ve yağış ile buğday verimi arasında pozitif, karlı gün sayısı ile buğday verimi arasında negatif bir ilişki olduğu belirlenmiştir. Sıcaklık, nem ve karlı gün sayısından arpa verimine doğru %1 anlamlılık düzeyinde tek yönlü nedensellik ilişkisi saptanmıştır. Sıcaklık ve arpa verimi arasında pozitif, nem ve karlı gün sayısı ile arpa verimi arasında negatif bir ilişki olduğu belirlenmiştir. Bu bulgular ışığında, iklim değişkenlerinin buğday ve arpa veriminde önemli bir etkiye sahip olduğu görülmektedir. Ayrıca, sıcaklık, nem, yağış ve karlı gün sayısı gibi iklim faktörlerinin tarımsal üretim üzerindeki etkilerinin analiz edilmesi, gelecekteki gıda güvenliği ve sürdürülebilir tarım için gerekli önlemlerin alınması önem taşımaktadır.

Keywords

• Toda-Yamamoto testi
• Buğday ve arpa verimi
• İklim değişikliği
• Nedensellik analizi
• Türkiye

Ethical Statement

Bu çalışma için etik kuruldan izin alınmasına gerek yoktur.

References

1. Aktaş, H. (2017). Türkiye’de yoğun ekim alanına sahip bazı arpa (Hordeum vulgare l.) çeşitlerinin destek sulamalı ve yağışa dayalı koşullarda değerlendirilmesi. Tekirdağ Ziraat Fakültesi Dergisi, 14(3): 86 – 97.
2. Alkan, Ö. ve Kılıçtek, B. (2020) Görünürde ilişkisiz regresyon modeli ile alkol ve tütün kullanım süresini etkileyen faktörlerin belirlenmesi. Ekev Akademi Dergisi, 24(84): 511-528.
3. Andrady, A., Aucamp, P. J. and Bais, A. (2008). Environmental effects of ozone depletion and its interactions with climate change: progress report. Photochem Photobiol Sciences, 8: 13-22.
4. Aydın, F. ve Sarptaş, H. (2018). İklim değişikliğinin bitki yetiştiriciliğine etkisi: model bitkiler ile Türkiye durumu. Pamukkale Üniversitesi Mühendis Bilim Dergisi, 24(3): 512-521.
5. Çapar, F. ve Uçan, F. (2015). Kışlık buğdayda farklı toprak işleme tekniklerinin toprak nem içeriği ve verim parametreleri üzerine etkisi. KSÜ Doğa Bilimleri Dergisi, 18(2): 29-39.
6. Çetin, M., Saygin, S. and Demir, H. (2020). The impact of agricultural sector on environmental pollution: A cointegration and causality analysis for Turkish economy. Journal of Tekirdag Agricultural Faculty, 17(3): 329–345.
7. Dellal, İ., Mccarl, B. A. and Butt, T. (2011). The economic assessment of climate change on Turkish agriculture. Journal of Environmental Protection and Ecology, 12(1): 376-385.
8. Demir, A. (2009). Küresel iklim değişikliğinin biyolojik çeşitlilik ve ekosistem kaynakları üzerine etkisi. Ankara Üniversitesi Çevrebilimleri Dergisi, 1(2): 37-54.

9. Dinç, Ö. G. (2022). Türkiye’de tarım, sanayi ve hizmet sektörleri ile ekonomik büyüme arasındaki ilişki: Bootstrap Toda-Yamamoto nedensellik testi. İşletme Ekonomi ve Yönetim Araştırmaları Dergisi, 5(2): 226-233.
10. Doğan, V. ve Yıldırım, M. (2023). Yüksek sıcaklık ve kuraklık stresi etkisinde arpa (Hordeum vulgare L.) genotiplerinin performansları: ı verim ve kalite değişimleri. Wheat Studies, 12(2): 72-79.
11. Eştürk, Ö. ve Mert, N. (2022). Küresel iklim değişikliğinin Ardahan ilinde tahıl ve yem bitkileri verimliliği üzerine etkilerinin ARDL modeli ile analizi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 25(2): 506-514.
12. FAO (2012). Food and Agriculture Organization, The State of Food and Agriculture Plant, Production and Protection. https://openknowledge.fao.org/server/api/core/bitstreams/c76bf361-cc78-45d9-90b5-f799b72620f1/content (Erişim Tarihi: 23.10.2024).
13. FAO (2022). Food and Agriculture Organization of the United Nations, FAO Strategy on Climate Change 2022-2031, https://openknowledge.fao.org/handle/20.500.14283/cc2274en (Erişim Tarihi: 25.10.2024).
14. FAO (2023). Food and Agriculture Organization of the United Nations. https://www.Gaz.org/faostat/en/#data/QCL (Erişim Tarihi:10.03.2024)
15. Gazel, S. (2017). BİST Sınai endeksi ile çeşitli metaller arasındaki ilişki: Toda-Yamamoto nedensellik testi. Akademik Sosyal Araştırmalar Dergisi, 52: 287-299.
16. Gregory, P. J. (2010). Matthew P. Reynolds (Ed): Climate change and crop production. International Society for Plant Pathology, 3: 111–112.
17. Haddadin, M.F. (2015) Assessment of drought tolerant barleyvarieties under water stress. International Journal of Agriculture and Forestry, 5(2): 131-137.
18. IPCC (2014). Climate Change 2014: Impacts, Adaptation, and Vulnerability, Food Security and Food Production Systems, Intergovernmental Panel on Climate Change. https://www.ipcc.ch/site/assets/uploads/2018/02/WGIIAR5-FrontMatterA_FINAL.pdf (Erişim Tarihi: 28.10.2024).
19. Jain, A. and Ghosh, S. (2013), Dynamics of global oil prices, exchange rate and precious metal prices in India. Resources Policy, 38(1): 88-93.
20. Kamçı, G. ve Bicer, B. (2022). Dünya tahıl üretim ve veriminin karbon dioksit emisyonu üzerine etkisini inceleyen istatistiksel bir araştırma. Dicle Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 11(1): 111-123.
21. Mert, M. ve Çağlar, A. E. (2019). Eviews ve Gauss uygulamalı zaman serileri analizi. Detay Yayıncılık, Ankara, Türkiye.
22. Mina, U., Singh, U. and Kumar, P. (2018). Climate change impacts on plants population and community ecological attributes mitigation strategies and policy interventions- A Review. Applied Ecology and Environmental Sciences, 6(3): 84-92.
23. Neset, T. S., Wiréhn, L., Opach, T., Glaas, E. and Linnér. B.O. (2019). Evaluation of indicators for agricultural vulnerability to climate change: The case of Swedish agriculture. Ecological Indicators, 105: 571-580.
24. Özberk, İ., Özberk, F., Güler, M., Öktem, A. ve Kılıç, H. (2001). Makarnalık buğdayda (Triticum durum) bazı meteorolojik veriler ile tane verimi arasındaki ilişkiler. Çukurova Üniversitesi Ziraat Fakültesi Dergisi, 16(2): 117-124.
25. Özkurt, İ. C. (2024). İklim değişikliğinin Türkiye’de tarımsal üretime etkisi. Tarım ve Doğa Dergisi, 27(1): 263-275.
26. Öztürk, İ., Girgin, V. Ç., Avcı, R., Kahraman, T., Çiftçigil, T. H., Tülek, A. ve Tuna, B. (2017). Arpada (Hordeum vulgare L.) fizyolojik parametrelerin verim ve agronomik karakterlere etkisi. Tarla Bitkileri Merkez Araştırma Enstitüsü Dergisi, 26: 1 – 6.
27. Öztürk, K. (2002). Küresel iklim değişikliği ve Türkiye’ye olası etkileri. Gazi Üniversitesi Gazi Eğitim Fakültesi Dergisi, 22(1): 47-65.
28. Sayılğan, Ç. (2016). Küresel sıcaklık artışının buğdayda beklenen etkileri ve yüksek sıcaklığa toleranslılığın fizyolojik göstergeleri. Yüzüncü Yıl Üniversitesi Tarım Bilimleri Dergisi, 26(3): 439-447.
29. Taner, S. ve Sade, B. (2005). Düşük sıcaklığın serin iklim tahıllarına etkileri. Bitkisel Araştırma Dergisi, 2: 19–28.
30. Taşcı, R. ve Bayramoğlu, Z. (2020). Arpa üretim işleme ve pazarlama yapısının değerlendirilmesi. Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 10(4): 2988-2998.
31. TOB (2021). T.C. Tarım ve Orman Bakanlığı, Tarımsal Ekonomi ve Politika Geliştirme Enstitüsü. İklim değişikliği ve tarım değerlendirme raporu. https://www.tarimorman.gov.tr/TRGM/Belgeler/IKLIM%20DEGISIKLIGI%20VE%20TARIM%20DEGERLENDIRME%20RAPORU.pdf (Erişim Tarihi: 11.10.2024).
32. Toda, H. Y. and Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66: 225-250.
33. Tonk, F. A., İlker, E., Tatar, Ö., Reçber, A. ve Tosun, M. (2011). Farklı yağış miktarı ve dağılımlarının ekmeklik buğday verimi üzerine etkileri. Ege Üniversitesi Ziraat Fakültesi Dergisi, 48(2): 127-132.
34. Tunçsiper, B. ve Biçen Ö. F. (2016). Feldstein-Horioka hipotezinin görünürde ilişkisiz regresyon yöntemiyle analizi: Gelişen ekonomiler (E7) üzerine bir inceleme. Sosyal Ekonomik Araştırmalar Dergisi, 16(31): 348-362.
35. TÜİK (2023). Türkiye İstatistik Kurumu. https://www.tuik.gov.tr (Erişim Tarihi: 04.03.2024).
36. USDA (2023). The United States Department of Agriculture, Foreign Agriculture Service https://apps.fas.usda.gov/psdonline/app/index.html#/app/advQuery (Erişim Tarihi: 08.03.2024)
37. Uslu, İ., Çelik, Z., Yüceerim, G., Karagül, V. ve Ozdarici Ok, A. (2023). Buğday yetiştiriciliğinin mevsimsel iklim değişkenliğinden etkilenebilirlik derecesi ve uyum kapasitesinin değerlendirilmesi üzerine bir araştırma. Anadolu Ege Tarımsal Araştırma Enstitüsü Dergisi, 33(2): 220–236.
38. Ürkmez, İ., Sevim, A. and Çatık, A. (2024). The relationship between agriculture and carbon dioxide emission in Türkiye: A non-linear Evidence. Journal of Tekirdag Agricultural Faculty, 21(1): 94-110.
39. WMO, (2022). World Meteorological Organization Provisional State of The Global Climate 2022. https://library.wmo.int/records/item/56335-wmo-provisional-state-of-the-global-climate-2022#.Y3dta%20XZBw2x (Erişim Tarihi: 13.10.2024).
40. Yuan, J., Xu, Y. and Zhang, X. (2014). Income growth, energy consumption, and carbon emissions: the case of China. Emerging Markets Finance and Trade, 50(5): 169-181.
41. Zellner, A. (1962) An efficient method of estimating seemingly unrelated regression and tests for aggregation bias. Journal of American Statistics Association, 57: 348-368.