Soya Bitkisinin Verim Parametreleri ile Bazı Kimyasal Toprak Özellikleri Arasındaki Pedotransfer Modellerin Uygulanabilirliği

Öz

Bu çalışmanın amacı, Çarşamba Ovasında yetiştirilen soya bitkisinin verim parametreleriyle (bitki boyu, bin tane ağırlığı ve tane verimi) toprakların bazı kimyasal özellikleri arasındaki korelasyon ilişkilerine dayanarak, bu özellikler arasında pedotransfer modellerin oluşturulması ve elde edilen modellerin ova topraklarında bitki veriminin tahmininde uygulanabilirliğinin belirlenmesidir. Bu amaçla, ovanın çiftçiler tarafından soya tarımı yapılan arazilerinden rastgele örnekleme metodu ile alınan 40 toprak ve bitki örneklerinde analizler yapılmıştır. Soya bitkisinin bitki boyu, bin tane ağırlığı ve tane verimi değerleri sırasıyla; 88.33-127.27 cm, 164.10-242.91 g ve 280.32-593.16 kg da-1 arasında değişmiştir. Soya bitki boyu değeriyle bin tane ağırlığı arasında önemli pozitif (0.476*); bitki boyu ile topraklardaki bakır (Cu) miktarı arasında ise çok önemli pozitif ilişkiler (0.484**) belirlenmiştir. Soya tane verimi değeri ile topraklardaki potasyum (K) ve fosfor (P) miktarları arasında önemli pozitif ilişkiler (0.384* ve 0.382*) saptanmıştır. Bitki boyu ile azot (N), P, K, organik madde (OM), katyon değişim kapasitesi (KDK), elektriksel iletkenlik (EC), Cu), kireç (CaCO3) parametreleri arasındaki pedotransfer modeli istatistiksel olarak anlamlı (p=0.078), belirleme katsayısı (R= 0.721) yüksek; bin tane ağırlığı ile EC, OM, KDK, kalsiyum+magnezyum (Ca+Mg), N, P, K, CaCO3, sodyum (Na), Cu, çinko (Zn) parametreleri arasındaki model istatistiksel olarak anlamlı farklılık saptanmamış, belirleme katsayısı (R= 0.664) yüksek; tane verimi ile EC, CaCO3, OM, N, P, K, Zn, Mn parametreleri arasındaki modelin performansı çok yüksek (R= 0.921; p= 0.000) olarak belirlenmiştir. Verim parametreleri ile toprakların kimyasal özellikleri arasındaki pedotransfer modellerin geçerliliğinin belirlenmesinde belirleme katsayısı (R), hata kareler ortalamasının karekökü (HKOK), uygunluk indeksi (d), modelin etkinliği (ME) birlikte değerlendirilmiştir. Deneysel verilere göre elde edilen pedotransfer modellerin geçerliliklerinin belirlenmesinde, modellerin oluşturulmasında kullanılan değerler dışındaki verilerden kullanılmıştır. Elde edilen pedotransfer modellerin, ova topraklarında yetiştirilen soya bitkisinin verim parametrelerinin tahmin edilmesinde uygulanabilirliği mümkün gözükmektedir.

Anahtar Kelimeler

• Kimyasal toprak özellikleri
• verim
• bitki boyu
• Bin tane ağırlığı
• pedotransfer modeller

Applicability of Pedotransfer Models between Yield Parameters and Some Chemical Soil Properties of SoybeanPlant

Öz

The aim of this study was to develop pedotransfer models on the basis of correlation between yield parameters of soybean (plant height, thousand seed weight, and seed yield) and some chemical characteristics of soils and to determine applicability of obtained models in estimation of plant yield grown in soils of Çarşamba Plain. For this purpose, 40 soil and plant samples taken from the fields of the plain where soybean cultivation is carried out by the farmers were analyzed by random sampling method. The values of the yield indices of soybean plant, namely PH, TSW and SY varied between 172.33-351.22 cm, 167.54-450.75 g and 833.58-1584.37 kg da-1 respectively. There was a significant correlation (0.476*) between PH value of soybean plant and TSW, as well as between PH value and copper (Cu) content (0.484**) of the soil. A significant positive correlation (0.384* ve 0.382*) was found seed yield value and potassium (K) and phosphorus (P) contents of the soil. Pedotransfer models between soybean plant height and soil properties of nitrogen (N), P, K, organic matter (OM), electrical conductivity (EC), cation exchange capacity (CEC), Cu, lime (CaCO3) high coefficient determination (R= 0.721) and was significant (p=0.078); Model between thousand seed weight and EC, OM, BD, calcium+ magnesium (Ca+Mg), N, P, K, CaCO3, sodium (Na), Cu, zinc (Zn), resulted in R=0.664 and was insignificant; and model between seed yield and EC, CaCO3, OM, N, P, K, Zn, Mn yielded R= 0.921 and it was highly significant (p= 0.000). Determination coefficient (R), root mean square error (RMSE), index of agreement (d), model efficiency (ME) were evaluated together to determine the validity of regression models. In determining the validity of the pedotransfer models obtained according to the experimental data, the data except the values used in the creation of the models were used. In general, statistical parameters were within validity limits. The results suggested that the developed regression models can be applied in the estimation of yield parameters in soybean grown in study area.

Anahtar Kelimeler

• Chemical properties of soils
• Yield
• Plant height
• Thousand seed weight
• Pedotransfer models

Kaynakça

1. Alexandrov, V.A., Hoogenboom, G. (2000). The impact of climate variability and change on crop yield in Bulgaria. Agricultural and Forest Meteorology, 104(4): 315-327.
2. Anonim. (2013). Tohumluk Tescil ve Sertifikasyon Merkez Müdürlüğü. (https://www.tarimorman.gov.tr/BUGEM/TTSM/Belgeler/Tescil/Teknik%20Talimatlar/End%C3%BCstri%20Bitkileri/soya.pdf) (Erişim tarihi: 25.01.2019)
3. Anonim. (2016). Türkiye İstatistik Kurumu Temel İstatistikler. http://www.tuik.gov.tr (Erişim Tarihi: 17.04.2017).
4. Anonymous. (1954). U.S. Salinity Laboratory Staff. Diagnosis and Improvement of Saline and Alkaline Soils. (Ed L.A. Richards). USDA Agriculture Handbook No: 60, U.S. Goverment Printing Office, Washington.
5. Arıoğlu, H. (2000). Yağ Bitkileri Yetiştirme Ve Islahı. Ders Kitapları Yayın No:A-70C. Çukurova Üniversitesi Ziraat Fakültesi Genel Yayın No:220, Adana.
6. Arslanoglu, F., Aytac, S., Karaca E. (2005). The Determination of yield criteria of some soybean (Glycine max L.) varieties sowed in Samsun and Sinop locations for second crop production. The Sixth Field Crops Congress of Turkey. In: M. Karaca and M. Bilgen (Editors), Proceeding, vol I: 387-392.
7. Ay, B. (2012). Türkiye’de ıslah edilmiş yeni soya (Glycine Max. L. Merrill) çeşitlerinin Orta Karadeniz Bölgesi koşullarında verim ve kalite performanslarının belirlenmesi. Yüksek Lisans Tezi, Ondokuz Mayıs Üniversitesi Fen Bilimleri Enstitüsü Tarla Bitkileri Anabilim Dalı, 51, Samsun.
8. Bayraklı, F. (1987). Toprak ve Bitki Analizleri. Ondokuz Mayıs Üniversitesi Yayınları, No:17, Samsun.

9. Bayraklı, F., Ekberli, İ.A., Cülser, C. (1999). Azerbaycan mil ovası topraklarının verimlilik düzeylerinin deneysel ve matematiksel olarak değerlendirilmesi. Ondokuz Mayıs Üniversitesi Ziraat Fakültesi Dergisi, 14(2): 138-153.
10. Bhatia, V.S., Singh, P., Wani, S.P., Chauhan, G.S., Kesova, A.V.R., Mishra, A.K., Srinivas, K. (2008). Analysis of potential yields and yield gabs of rainfed soybean in İndia using GROPGRO-Soybean Model. Agricultural And Forest Meteorology, 148: 1252-1265.
11. Budka, A., Lacka, A., Gaj, R., Jajor, E., Korbas, K. (2015). Predicting winter wheat yields by comparing regression equations. Crop Protection, 78: 84-91.
12. Chien, S.H., and R.G. Menon. (1995). Factors affecting the agronomic effectiveness of phosphate rock for direct application. Fertilizer Research, 41:227-34.
13. Çetin, H. (2010). Soyada fosforlu gübrelemenin verim ve kalite unsurlarına etkilerinin belirlenmesi ve Konya yöresinde soya için uygun fosfor dozunun tespit edilmesi. Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü Tarla Bitkileri Anabilim Dalı. Konya.
14. Dorsey, J.W., Hardy, L.C. (2018). Sustainability factors in dynamical systems modeling: Simulating the non-linear aspects of multiple equilibria. Ecological Modelling, 368: 69-77.
15. Ekberli İ, Dengiz O (2016). Bazı Inceptisol ve Entisol alt grup topraklarının fizikokimyasal özellikleriyle ısısal yayınım katsayısı arasındaki regresyon ilişkilerin belirlenmesi. Toprak Su Dergisi, 5 (2): 1-10.
16. Ekberli, İ., Dendiz, O. (2017). Bazalt ana materyali ve farklı topografik pozisyon üzerinde oluşmuş toprakların bazı topografik özellikler ve fiziksel-kimyasal özellikleri arasındaki doğrusal regresyon modellerinin belirlenmesi. Toprak Su Dergisi, 6(1): 15-27.
17. Ersoy, T., Arıoğlu, H.H. (1988). Ön Üretim İzni Almış Bazı Soya (Glycinemax. L.Merr.) Çeşitlerinin Çukurova Bölgesinde II. Ürün Olarak Yetiştirilebilme Olanakları Üzerinde Bir Araştırma. Çukurova Üniversitesi Fen Bilimleri Enstitüsü. Fen ve Mühendislik Bilimleri Dergisi, 2(1):59-71.
18. Fageria, N.K., Baligar, V.C., Moreira, A., Moraes. L.A.C. (2013a). Soil phosphorous influence on growth and nutrition of tropical legume cover crops in acidic soil. Communications in Soil Science and Plant Analysis, 44:3340-64.
19. Fageria, N.K., Moreira, A., Castro, C., Moraes, M.F. (2013b). Optimal Acidity Indices for Soybean Production in Brazilian Oxisols. Communications in Soil Science and Plant Analysis, 44:20, 2941-2951. DOI: 10.1080/00103624.2013.829484
20. Gülser, C., Candemir, F. (2014). Using soil moisture constants and physical properties to predict saturated hydraulic conductivity. Eurasian Journal of Soil Science, 3(1): 77-81.
21. Homer, A.D., Özçelik, H., Üstün, A. (2000). Karadeniz bölgesi soya ıslahı çalışmaları. Karadeniz Tarımsal Araştırma Enstitüsü Samsun, 1999 Yılı Teklif, Gelişme ve Sonuç Raporları, S: 22-30, Samsun.
22. Huang, F., Zhan, W., Ju, W., Wang, Z. (2014). Improved reconstruction of soil thermal field using two-depth measurements of soil temperature. Journal of Hydrology, 519: 711-719.
23. Ovando, G., Sayago, S., Bocco, M. (2017). Evaluating accuracy of DSSAT model for soybean yield estimation using satellite weather data. ISPRS Journal of Photogrammetry and Remote Sensing, 138: 208-217.
24. Kacar, B. (1994). Bitki ve Toprağın Kimyasal Analizleri III, Toprak Analizleri. Ankara Üniversitesi Ziraat Fakültesi, Eğitim Araştırma ve Geliştirme Vakfı Yayınları, No: 3, Ankara.
25. Karagül, E.T., Ay, N., Meriç, Ş., Huz, E. (2011). Ege Bölgesi’nde ana ürün olarak yetiştirilen bazı soya genotiplerinin verimi, verim öğeleri ve nitelikleri üzerinde bir araştırma. Journal of Anadolu, 21(2): 59-66.
26. Krause, P., Boyle, D.P., Base, F. (2005). Comparison of different efficiency criteria for hydrological model assessment. Advances in Geosciences, 5: 89-97.
27. Kars, N., Ekberli, İ. (2019). Çarşamba ovasının buğday bitkisi altındaki topraklarının bazı fiziksel ve kimyasal özelliklerinin incelenmesi. Toprak Su Dergisi, 8(1): 18-28.
28. Kars, N., Ekberli, İ., (2020). The relation between yield indices of maize plant and soil physicochemical characteristics. Eurasian Journal of Soil Science, 9(1): 52-59.
29. Kosheleva, N.E., Kasimov, N.S., Samonova, O.A. (2002). Regression models fort he behavior of heavy metals in soils of the Smolensk-Moskow Upland. Pocvovedeniye, 8: 954-966.
30. Kumar, A., Pandey, V., Shekh, A.M., Dixit, S.K., Kumar, M. (2008). Evaluation of cropgro-soybean (glycine max. l. merrill) model under varying environment condition. American-Eurasian Journal of Agronomy, 1(2): 34-40.
31. Kumar, P., Sarangi, A., Singh, D.K., Parihar, S.S., Sahoo, R.N. (2015). Simulation of salt dynamics in the root zone and yield of wheat cropunder irrigated saline regimes using SWAP model. Agricultural Water Management, 148: 72-83.
32. Lindsay, L., Norvell, W.A. (1978). Development of a DTPA soil test for zinc, iron, manganese and copper. Soil Science Society of America Journal, 42(3): 421-428.
33. McBride, R.A. and Joosse, P.J. (1996). Overconsolidation in Agricultural Soils: II. Pedotransfer Functions for Estimating Preconsolidation Stress, Soil Science Society of America Journal, 60: 373–380.
34. Minasny, B., McBratney, A.B. (2008). Regression rules as a tool for predicting soil properties from infrared reflectance spectroscopy. Chemometrics and Intelligent Laboratory Systems, 94: 72-79.
35. Moreira, A., Moraes, L.A.C, Moretti, L.G. (2017). Yield, yield components, soil chemical properties, plant physiology, and phosphorus use efficiency in soybean genotypes, Communications in Soil Science and Plant Analysis, 48(20): 2464-2476. DOI: 10.1080/00103624.2017.1416126.
36. Murthy, V.R.K. (2002). Crop growth modeling and its applicatıons in agricultural meteorology. Satellite Remote Sensing and GIS Applications in Agricultural Meteorology, 235-261.
37. Olsen, S.R., Cole, V., Watanabe, F.S., Dean, L.A. (1954). Estimation of Available Phosphorous in Soils by Extraction with Sodium Bicarbonate. USDA Circular, 9398: 1-19.
38. Ovando, G., Sayago, S., Bocco, M. (2018). Evaluating accuracy of DSSAT model for soybean yield estimation using satellite weather data. ISPRS Journal of Photogrammetry and Remote Sensing, 138: 208-217.
39. Öztürk, İ., Korkut, K.Z., (2018). Ekmeklik buğday (Triticum aestivum L)’ın farklı gelişme dönemlerinde kuraklığın verim ve verim unsurlarına etkisi. Tekirdağ Ziraat Fakültesi Dergisi, 15(2): 128-137.
40. Rajput, M.A., Sarwar, G., Tahir. K.H. (1987). Variability for some quantitative traits in soybean. Soybean Genetics Newsletter, 14: 113-116.
41. Richards, L.A. (1954). Diagnosis and Improvement of Saline and Alkali Soils. United States Department of Agriculture, Handbook No: 60, pp. 105-106.
42. Sağlam, M.T. (1997). Toprak ve Suyun Kimyasal Analiz Yöntemleri. Tekirdağ Üniversitesi Ziraat Fakültesi Yayınları, No: 189.
43. Schaap, M.G., Leij, F.J., van Genuchten, M.T. (2001). ROSETTA: A computer program for estimating soil hydraulic parameters with hierarchical pedotransfer functions. Journal Hydrology, 251: 163-176.
44. Sentelhas, P.C., Battist, R., Câmara, G.M.S., Farias, J.R.B., Hampf, A.C., Nendel, C. (2015). The soybean yield gap in Brazil magnitude, causes and possible solutions for sustainable production. Journal of Agricultural Science, 153: 1394–1411.
45. Shein, E.V., Arkhangelskaya, T.A. (2006). Pedotransfer functions: state of the art, problems, and outlooks. Pocvovedeniye, 10: 1205-1217.
46. Şaylan, L., 1996. Soya veriminin CRPSM modeli ile belirlenmesi. Kültür Teknik Derneği Toprak Su Dergisi, 5(1): 12-17.
47. Taban, S., Çıkılı, Y., Kebeci, F., Taban, N., Sezer, S.M. (2004). Taşköprü yöresinde sarımsak tarımı yapılan toprakların verimlilik durumu ve potansiyel beslenme problemlerinin ortaya konulması. Tarım Bilimleri Dergisi, 10(3): 297-304.
48. Tamari, S., Wösten, J.H. M., Ruiz-Suárez, J.C. (1996). Testing an artifi cial neural network for predicting soil hydraulic conductivity. Soil Science Society of America Journal, 60: 1732-1741.
49. Tayyar Ş., Gül, M.K., 2007. Bazı soya fasulyesi (glycine max (l.) merr.) genotiplerinin ana ürün olarak Biga şartlarındaki performansları. Yüzüncü Yıl Üniversitesi, Ziraat Fakültesi, Tarım Bilimleri Dergisi, 17(2): 55-59.
50. To, J., Kay, B.D., (2005). Variation in penetrometer resistance with soil properties: the contribution of effective stress and implications for pedotransfer functions. Geoderma, 126: 261-276.
51. Turan, M., Dengiz, O., Turan Demirağ, İ. (2018). Samsun ilinin Newhall modeline göre Toprak sıcaklık ve nem rejimlerinin belirlenmesi. Türkiye Tarımsal Araştırmalar Dergisi, 5(2): 131-142.
52. Unakıtan, G., Aydın, B., (2012). An econometric analysis of soybean production in Turkey. Journal of Tekirdag Agricultural Faculty, 9(1): 6-14.
53. Wang, L., Lia, X., Chen, Y., Yang, K., Chen, D., Zhou, J., Liu, W., Qi, J., Huang, J., 2016. Validation of the global land data assimilation system based onmeasurements of soil temperature profiles. Agricultural and Forest Meteorology, 218-219: 288-297.
54. Willmott, C.J., Matsuura, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate Research, 30(1): 79-82.
55. Willmott, C.J., Robeson, S.M., Matsuura, K. (2012). Short Communication. A refined index of model performance. International Journal of Climatology, 32(13): 2088-2094.
56. Yegül,U., Eminoğlu, M.B., Türker,U., (2019). Buğdayın Verim ve Kalite Parametrelerinin Toprağın Elektriksel İletkenliği ile İlişkisinin Belirlenmesi Tekirdağ Ziraat Fakültesi Dergisi, 16(3): 270-283.
57. Yetkin, S.G., Arıoğulu, H. (2009). Çukurova bölgesinde ana ürün koşullarında bazı soya çeşit ve hatlarının verim ve tarımsal özelliklerinin belirlenmesi. Çukurova Üniversitesi Fen Bilimleri Enstitüsü, 20-1: 29-37.