Türkiye’de Arpa, Buğday, Mısır, Pamuk ve Zeytin Üretiminin İklim Değişikliği Üzerindeki Etkisi

Öz

Tarım sektörü, insanlık tarihinin en temel faaliyetlerinden biri olmasına rağmen, günümüzde iklim değişikliğiyle doğrudan ilişkilendirilen önemli bir kaynak haline gelmiştir. Toprağın işlenmesi, kimyasal gübre kullanımı, fosil yakıtlara bağımlılık gibi faktörler bu anlamda tarımsal üretimin iklim değişikliğine katkılarının başlıca nedenleridir. Dolayısıyla tarımsal ürün üretiminin iklim değişikliğine katkısının belirlenmesi ve uygun önlemlerin alınması iklim değişikliği ile mücadelede önemli hale gelmektedir. Bu noktadan hareketle, bu çalışmada Türkiye’de mısır, buğday, pamuk, arpa ve zeytin üretiminin toplam sera gazı emisyonu salınımına ve ortalama sıcaklık değişimi değerleri üzerindeki etkisi incelenmektedir. Yapay sinir ağlarının kullanıldığı analizde mısır, pamuk, buğday, arpa ve zeytin bitkilerine ek olarak Gayri Safi Yurtiçi Hasıla kontrol değişken olarak modele eklenmiştir. Yapay sinir ağı algoritmasında bu değişkenler girdi verisi olarak kullanılırken toplam sera gazı emisyonu ve ortalama yıllık sıcaklık değişimi çıktı verisi olarak kullanılmıştır. Bir girdi katmanı bir gizli katman ve bir çıktı katmanı olarak tahmin edilen yapay sinir ağları algoritması sonuçlarına göre mısır ve pamuk bitkileri iklim değişikliğine en çok katkı yapan bitkilerdir. Bunun yanında arpa ve zeytin üretiminin iklim değişikliği üzerindeki etkisi diğer tarımsal ürünlere kıyasla çok daha düşük hesaplanmıştır. Sonuçlar Türkiye’de özellikle pamuk ve mısır üretiminde yeni üretim teknikleri ihtiyacına ve yapay zeka benzeri uygulamalarla kimyasal gübre kullanımının düşürülmesi ihtiyacına işaret etmektedir.

Anahtar Kelimeler

• Tarımsal üretim
• İklim değişikliği
• Yapay Sinir Ağları Algoritması

The Impact of Barley, Wheat, Maize, Cotton and Olive Production in Türkiye on Climate Change

Abstract

Although the agricultural sector is one of the most fundamental human activities, it has become a significant contributor to climate change today. Factors such as land cultivation, the use of chemical fertilizers, and dependency on fossil fuels are primary drivers behind the agricultural sector’s contribution to climate change. Consequently, identifying the extent to which agricultural production contributes to climate change and implementing appropriate measures is critical in the fight against it. In this study, the effects of maize, wheat, cotton, barley, and olive production in Türkiye on total greenhouse gas emissions and average temperature change are examined. In the analysis employing artificial neural networks, Gross Domestic Product was incorporated into the model as a control variable alongside the crops. Within the neural network algorithm, these variables served as input data, while total greenhouse gas emissions and average annual temperature change were utilized as output data. The results—derived from a neural network model consisting of one input layer, one hidden layer, and one output layer—indicate that, maize and cotton are the crops contributing most significantly to climate change. In contrast, the impacts of barley and olive production on climate change were found to be considerably lower compared to other agricultural products. The findings highlight the need for innovative production techniques, particularly in cotton and maize cultivation, and suggest that adopting artificial intelligence-based applications could help reduce chemical fertilizer usage.

Keywords

• Agricultural production
• Climate Change
• Artificial neural network algorithm

Kaynakça

1. Ağaçayak T., Öztürk L. Türkiye’de tarım sektöründen kaynaklanan sera gazı emisyonlarının azaltılmasına yönelik stratejiler. Sabancı Üniversitesi, İstanbul Politikalar Merkezi Stiftung Mercator Girişim Eylül. 2017.
2. Akalın M. İklim değişikliğinin tarım üzerindeki etkileri: Bu etkileri gidermeye yönelik uyum ve azaltım stratejileri. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 2014; 7(2): 351-377.
3. Akyüz Y., Atış E. Türkiye’de iklim değişikliği tarım etkileşiminin iki yönüyle incelenmesi. Uluslararası Katılımlı 2016; 2: 08-09.
4. Anderson D., McNeill G. Artificial neural networks technology. Kaman Sciences Corporation 1992; 258(6): 1-83.
5. Arora NK. Impact of climate change on agriculture production and its sustainable solutions. Environmental Sustainability 2019; 2(2): 95-96.
6. Aydın B., Özkan E., Gürbüz MA., Kurşun İ., Kayhan İE. Edirne ilinde buğday üretiminde enerji kullanım etkinliği ve sera gazı emisyonunun karşılaştırmalı analizi. Anadolu J. of AARI 2022; 32(2): 277-286.
7. Aydinalp C., Cresser MS. The effects of global climate change on agriculture. American-Eurasian Journal of Agricultural & Environmental Sciences 2008; 3(5): 672-676.
8. Baran MF., Gökdoğan O., Bayhan Y. Determination of energy balance and greenhouse gas emissions (GHG) of cotton cultivation in Turkey: A case study from Bismil district of Diyarbakır province. Tekirdağ Ziraat Fakültesi Dergisi 2021; 18(2): 322-332.

9. Başoğlu A., Telatar OM. İklim değişikliğinin etkileri: tarım sektörü üzerine ekonometrik bir uygulama. Karadeniz Teknik Üniversitesi Sosyal Bilimler Dergisi 2013; 6: 7-25.
10. Bayraç HN. Enerji kullaniminin küresel isinmaya etkisi ve önleyici politikalar. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi 2010; 11(2): 229-259.
11. Bayraç HN., Doğan E. Türkiye’de iklim değişikliğinin tarım sektörü üzerine etkileri. Eskişehir Osmangazi Üniversitesi İİBF Dergisi 2016; 11(1): 23-48.
12. Bozoglu M., Başer U., Eroglu NA., Topuz BK.Impacts of climate change on Turkish agriculture. Journal of International Environmental Application and Science 2019; 14(3): 97-103.
13. C2ES, (2025). Center for Climate Change and Energy Solutions. Global Emissions. Available at: https://www.c2es.org/content/international-emissions/
14. Çam S. Tarımsal üretimde kullanılan kimyasal gübrelerin iklim değişikliği üzerindeki uzun dönemli etkileri: Türkiye örneği. D. Kelgökmen İliç (Ed.), İktisadi ve İdari Bilimler: Modern Değerlendirmeler ve Araştırmalar. Lyon/Fransa: Livre de Lyon. 2023.
15. Çam S. The Nexus of agricultural efficiency, renewable energy consumption, and climate change in Turkey. Alanya Akademik Bakış 2024; 8(2): 586-599.
16. Çam S., Sigeze Ç., Ballı E. Türkiye’nin enerji verimliliğinin yapay sinir ağı ve ARDL yaklaşımı ile analizi. Ege Academic Review 2018; 18(4): 661-670.
17. Çetin MD. Batı Akdeniz Tarımsal Araştırma Enstitüsü. Organik tarım ve pamuk. 2018.
18. Çevik ÖC., Yeşilkaya F., Karaman N. Sera gazı emisyonunun tarımda işgücü verimliliğine etkisi: Avrupa Birliği ülkeleri bağlamında bir analiz. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 2023; 25(2): 639-672.
19. Dağ K., Aktaş E. İklim değişikliğinin Türkiye tarımına etkileri. Tarım Ekonomisi Dergisi 2024; 30(2): 173-181.
20. Dellal İ., McCarl BA., Butt T. The economic assessment of climate change on Turkish agriculture. Journal of Environmental Protection and Ecology 2011; 12(1): 376-385.
21. Dellal İ., Ünüvar Fİ., Topçu P. İklim değişikliğinin Türkiye'de tarım üzerine etkisi: Tahıllar, zeytin, bağcılık. Turkiye Klinikleri Social Pediatrics-Special Topics 2022; 3(2): 96-102.
22. Dudu H., Cakmak EH. Climate change and agriculture: an integrated approach to evaluate economy-wide effects for Turkey. Climate and Development 2018; 10(3): 275-288.
23. Dumrul Y., Kilicaslan Z. Economic impacts of climate change on agriculture: Empirical evidence from ARDL approach for Turkey. Journal of Business Economics and Finance 2017; 6(4): 336-347.
24. European Environment Agency. Toprak, arazi ve iklim değişikliği: İlişkileri anlamak ve eyleme geçmek. Avrupa Çevre Ajansı. 2019. https://www.eea.europa.eu/tr/isaretler/isaretler-2019/makaleler/toprak-arazi-ve-iklim-degisikligi
25. FAO. Türkiye country profile. FAO Country Profiles. 2023; Retrieved May 16, 2025, from https://www.fao.org/countryprofiles/index/en/?iso3=TUR
26. Grossi E., Buscema M. Introduction to artificial neural networks. European Journal of Gastroenterology & Hepatology 2007; 19(12): 1046-1054.
27. Gu X., Weng S., Li YE., Zhou X. Effects of water and fertilizer management practices on methane emissions from Paddy soils: synthesis and perspective. International Journal of Environmental Research and Public Health 2022; 19(12): 7324.
28. Howden M., Jones RN. Risk assessment of climate change impacts on Australia’s wheat industry. In Proceedings for the 4th International Crop Science Congress, Brisbane, Australia 2004; 26.
29. Howden SM., Soussana JF., Tubiello FN., Chhetri N., Dunlop M., Meinke H. Adapting agriculture to climate change. Proceedings of the National Academy of Sciences 2007; 104(50): 19691-19696.
30. ITA. İnternational Trade Administration, Agriculture, Turkey Country Commercial Guide. 2024. Available at: https://www.trade.gov/country-commercial-guides/turkey-agriculture
31. İstikbal D. Küresel trendler çerçevesinde Türkiye tarımının gelişimi ve gelecek vizyonu. SETA| Siyaset, Ekonomi ve Toplum Araştırmaları Vakfı (SETA), Turkuvaz Haberleşme ve Yayıncılık AŞ, İstanbul. 2022.
32. Karki KB. Greenhouse gases, global warming and glacier ice melt in Nepal. Journal of Agriculture and Environment 2007; 8: 1-7.
33. Kumar KK., Parikh J. Indian agriculture and climate sensitivity. Global Environmental Change 2001; 11(2): 147-154.
34. Kuşcu S., Güler KÇ. Türkiye’de buğday üretiminde kullanılan gübrelerin karbon ayak izine etkisi. Turkish Journal of Agriculture-Food Science and Technology 2024; 12(3): 418-422.
35. Kuzu H., Bilgili ME., Aybek A., Özekin M. Doğu Akdeniz Bölgesinde buğday ve mısır üretiminde yakıt tüketiminden kaynaklı karbondioksit emisyonunun belirlenmesi. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2024; 7(2): 684-693.
36. Lobell DB., Burke MB. On the use of statistical models to predict crop yield responses to climate change. Agricultural and Forest Meteorology 2010; 150(11): 1443-1452.
37. Magrin GO., Travasso MI., Rodríguez GR. Changes in climate and crop production during the 20th century in Argentina. Climatic Change 2005; 72: 229-249.
38. Mateo-Sagasta J., Zadeh SM., Turral H., Burke J. Water pollution from agriculture: a global review. Executive summary. 2017.
39. McCulloch WS., Warren S., McCulloch., Walter Pitts. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics 1943; 5: 115-133.
40. Mendelsohn R. The impact of climate change on agriculture in developing countries. Journal of Natural Resources Policy Research 2009; 1(1): 5-19.
41. Mendelsohn R. The impact of climate change on agriculture in Asia. Journal of Integrative Agriculture 2014; 13(4): 660-665.
42. Ministry of Trade, Genel tarım sektörü, İhracat Genel Müdürlüğü Tarım Ürünleri Daire Başkanlığı. 2022. Erişim tarihi: 13/02/2025. Erişim linki: https://ticaret.gov.tr/data/5b8700a513b8761450e18d81/Genel%20Tarım%20Sektörü%20Raporu.pdf NASA. Global climate change. 2023. Available at: https://climate.nasa.gov/newsletters/120/#:~:text=Global%20ocean%20temperatures%20reached%20record,and%20alerts%20for%20the%20area.&text=As%20the%20climate%20changes%2C%20the,extreme%20weather%20events%20are%20increasing.
43. Nelson GC., Rosegrant MW., Koo J., Robertson R., Sulser T., Zhu T., Lee D. Climate change: Impact on agriculture and costs of adaptation. Intl Food Policy Res Inst. 2009; 21.
44. Our World in Data. How much of global greenhouse gas emissions come from food? 2025. Available at: https://ourworldindata.org/greenhouse-gas-emissions-food?utm_source=chatgpt.com
45. Pilevneli T., Capar G., Sánchez-Cerdà C. Investigation of climate change impacts on agricultural production in Turkey using volumetric water footprint approach. Sustainable Production and Consumption 2023; 35: 605-623.
46. Praveen B., Sharma P. A review of literature on climate change and its impacts on agriculture productivity. Journal of Public Affairs 2019; 19(4): e1960.
47. Rajaniemi M., Mikkola H., Ahokas J. Greenhouse gas emissions from oats, barley, wheat and rye production. Agron. Res 2011; 9: 189-195.
48. Rosenblatt F. The perceptron: A probabilistic model for information storage and organization in the brain. Psychoanalytic Review 1958; 65: 386-408.
49. Schlenker W., Roberts MJ. Nonlinear temperature effects indicate severe damages to US crop yields under climate change. Proceedings of the National Academy of Sciences 2009; 106(37): 15594-15598.
50. Sietsma J., Dow RJ. Creating artificial neural networks that generalize. Neural Networks 1991; 4(1): 67-79.
51. Tao F., Yokozawa M., Xu Y., Hayashi Y., Zhang Z. Climate changes and trends in phenology and yields of field crops in China, 1981–2000. Agricultural and Forest Meteorology 2006; 138(1-4): 82-92.
52. Thomazini A., Mendonça ES., Teixeira DB., Almeida ICC., La Scala Jr N., Canellas LP., Schaefer CEGR. CO2 and N2O emissions in a soil chronosequence at a glacier retreat zone in Maritime Antarctica. Science of the Total Environment 2015; 521: 336-345.
53. TÜİK. 2023. Erişim aderesi: https://www.tuik.gov.tr/
54. Yano T., Aydin M., Haraguchi T. Impact of climate change on irrigation demand and crop growth in a Mediterranean environment of Turkey. Sensors 2007; 7(10): 2297-2315.
55. Yilmaz I., Akcaoz H., Ozkan B. An analysis of energy use and input costs for cotton production in Turkey. Renewable Energy 2005; 30(2): 145-155.
56. Yu L., Wang S., Lai KK. Foreign-exchange-rate forecasting with artificial neural networks. Springer Science ve Business Media. 2010.
57. Zou J., Han Y., So SS. Overview of artificial neural networks. Artificial Neural Networks: Methods and Applications, 2009; 14-22.