Ayçiçeği Spektral Özelliklerinin Yetişme Dönemi Boyunca Değişiminin Değerlendirilmesi

Öz

Tarım, uzaktan algılama (UA) tekniklerinin yoğun bir biçimde kullanıldığı alanlardan birisidir. UA teknikleri kullanılarak bitkilerin yetişme dönemleri boyunca etkin bir biçimde izlenmesi mümkündür. Özellikle uydu görüntüleri büyük alanlarda, yetiştirilen bitkilerin birçok niteliğini, uydunun frekansı ve görüntünün yersel çözünürlüğü ölçüsünde izleme olanağı sunmaktadır. Ancak, bu tür bir izleme ve değerlendirme çalışmasının uygulamada kullanılabilmesi için uydu sistemlerinden elde edilen uzaktan algılanmış verilerin gerçekte karşılık geldikleri bitki özelliklerinin bilinmesi gerekmektedir. Bu nedenle uydu görüntülerinden elde edilen spektral verilerle eşdeğer nitelikteki verilerin yerde ölçülmesi ve değerlendirilmesine yönelik araştırma çalışmaları büyük öneme sahiptir. Bu çalışmada ayçiçeği bitkisinin yetişme dönemi boyunca spektral yansıma oranı özellikleri, çiftçi koşullarında spektroradyometre cihazı kullanılarak ölçülmüştür. Çalışma Amasya ili Merzifon ilçesi Yeşilören, Çayırözü ve Uzunyazı köylerinde, ayçiçeği yetiştirilen parsellerde yürütülmüştür. Bu parsellerin büyükleri 0,19 ile 5,0 ha arasında değişim göstermiştir. Ölçümler 2016 yılının Mayıs ve Eylül ayları arasında toplamda 8 farklı gün ve 80 farklı noktada yapılmıştır. Elde edilen spektral yansıma oranı verileri lilteratürde en çok yer alan spektral vejetasyon indekslerinden Normalize Edilmiş Vejetatif Değişim İndeksi (NDVI), Toprak Yansımalarını Dikkate Alan İndeks (SAVI) ve Basit Oran (SR) hesaplamalarında kullanılmıştır. Araştırmadan elde edilen sonuçlara göre, genel olarak spektral yansıma oranı değerleri, Mayıs’ tan Temmuz ayına kadar vejetasyonun gelişmesine bağlı bir biçimde (dalga boylarına göre değişen miktarlarda) artmıştır. Fakat Temmuz ayının ortasından sonra bitkilerdeki çiçeklenme döneminin başlamasıyla birlikte spektral yansıma oranı değerleri azalma eğilimi göstermiştir. Buna göre hem tarla düzeyli spektral ölçüm cihazları ile hem de uydu sistemleri ile ayçiçeği bitkisinin etkin bir biçimde izlenmesi olanaklıdır.

Anahtar Kelimeler

• Spektroradyometre,NDVI,Ayçiçeği,SAVI,SR

Evaluation Spectral Properties of Sunflower Throughout the Growing Season

Öz

Agriculture is one of the sector that widely use remote sensing (RS) techniques. Crops can be monitored effectively throughout their growing seasons using RS techniques. Especially, satellite images enable accurate monitoring of numerous properties of crops in big scale agricultural land, depending on the satellite frequency and image resolution. However, since implementation of this type of monitoring and assessment process in application, it is necessary to know relationships between crop properties and remotely sensed data. Therefore, research studies including measurements of spectral data in the field are very important. In this study, spectral reflectance properties of sunflower were measured using a spectroradiometer throughout the growing season. This study was conducted in some sunflower fields of Yeşilören, Çayırözü ve Uzunyazı villages of Amasya-Merzifon county of Turkey. The areas of those fields were varied between 0,19 and 5,0 ha. Measurements were made for 80 different points and in 8 different days between May and September 2016. These spectral reflectance data were evaluated by using the Normalized Difference Vegetation Index (NDVI), Soil Adjustment Vegetation Index (SAVI) and Simple Ratio (SR) which are extensively referred in the literature. Results indicated that spectral reflectance values, depends on the vegetation amount, growth level and spectral indexes were increased from May to July. However, after mid-July, spectral vegetation indexes tended to decrease due to flowering of sunflower. Consequently, it is possible to conclude that sunflower crop can be monitored by using spectral reflectance data measured through field level spectroradiometer.

Anahtar Kelimeler

• Remote Sensing,Spectroradiometer,Sunflower,NDVI,SAVI,SR

Kaynakça

1. Allen R. G., Tasumi M ve Trezza R, 2007. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—Model. Journal of irrigation and drainage engineering, 133(4): 380-394
2. Alves I. ve Pereira L. S., 2000. Non-water-stressed baselines for irrigation scheduling with infrared thermometers: a new approach. Irrigation Science, 19(2): 101-106.Anonim, 2015. www.mgm.gov.tr.
3. Anonim, 2016. www.fao.org.
4. Aparicio N, Villegas D, Casadesus J, Araus J L ve Royo C, 2000. Spectral vegetation indices as nondestructive tools for determining durum wheat yield. Agronomy Journal, 92(1): 83-91
5. Ayla C., 1974. Azot-Su İlişkileri ve Su Tüketiminin Tarla Parsellerinde Tespiti. Merkez TOPRAKSU Arastirma Enstutusu Mudurlugu Yayınları, 7
6. Carlson T. N. ve Ripley D. A., 1997. On the relation between NDVI, fractional vegetation cover, and leaf area index. Remote sensing of environment, 62(3): 241-252
7. Hatfield J. L., Sauer T. J. ve Prueger J. H., 2001. Managing soils to achieve greater water use efficiency. Agronomy Journal, 93(2): 271-280
8. Idso S., Pinter P. ve Reginato R., 1990. Non-water-stressed baselines: the importance of site selection for air temperature and air vapour pressure deficit measurements. Agricultural and forest meteorology, 53(1-2): 73-80

9. Inoue Y., 1997. Remote sensing of crop and vegetative environment. Journal of Japan remote sensing society, 17(4): 57-67
10. Jackson R., Pinter Jr P., Reginato R. ve Idso S., 1980. Hand-held radiometry: A set of notes developed for use at the Workshop of Hand-held radiometry.
11. Jackson R., Reginato R. ve Idso S., 1977. Wheat canopy temperature: a practical tool for evaluating water requirements. Water resources research, 13(3): 651-656Jiang R., Xie J., He H., Kuo C-C., Zhu J. ve Yang M., 2016. Spatiotemporal variability and predictability of Normalized Difference Vegetation Index (NDVI) in Alberta, Canada. International journal of biometeorology, 60(9): 1389-1403
12. Kimura R., Okada S., Miura H. ve Kamichika M., 2004. Relationships among the leaf area index, moisture availability, and spectral reflectance in an upland rice field. Agricultural Water Management, 69(2): 83-100
13. Köksal E., 2007. Sulama Suyu Yönetiminde Uzaktan Algılama Tekniklerinin Kullanımı. J. of Fac. of Agric., OMU, 22(3): 306-315
14. Köksal E. S., Güngör Y. ve Yildirim Y E., 2011. Spectral reflectance characteristics of sugar beet under different levels of irrigation water and relationships between growth parameters and spectral indexes. Irrigation and Drainage, 60(2): 187-195
15. Kross A., McNairn H., Lapen D., Sunohara M. ve Champagne C., 2015. Assessment of RapidEye vegetation indices for estimation of leaf area index and biomass in corn and soybean crops. International Journal of Applied Earth Observation and Geoinformation, 34: 235-248
16. Kustas W. P. ve Daughtry C. S., 1990. Estimation of the soil heat flux/net radiation ratio from spectral data. Agricultural and forest meteorology, 49(3): 205-223Moran M., Clarke T., Inoue Y. ve Vidal A., 1994. Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index. Remote sensing of environment, 49(3): 246-263
17. Peñuelas J., Gamon J., Fredeen A., Merino J. ve Field C., 1994. Reflectance indices associated with physiological changes in nitrogen-and water-limited sunflower leaves. Remote sensing of environment, 48(2): 135-146
18. Peters A. J., Walter-Shea E. A., Ji L., Vina A., Hayes M. ve Svoboda M. D., 2002. Drought monitoring with NDVI-based standardized vegetation index. Photogrammetric engineering and remote sensing, 68(1): 71-75
19. Sharma P., 2007. Precision Farming. New Delhi, Gene Tech Books.
20. Siyal A. A., Dempewolf J. ve Becker-Reshef I., 2015. Rice yield estimation using Landsat ETM+ Data. Journal of Applied Remote Sensing, 9(1): 095986-095986
21. Vina A., Gitelson A. A., Rundquist D. C., Keydan G., Leavitt B. ve Schepers J., 2004. Monitoring maize (L.) phenology with remote sensing. Agronomy Journal, 96(4): 1139-1147