Mapping the Agricultural Landscape Based on Crop Types and Detecting the Wheat Cultivation Suitability Considering Crop Productivity Van Case Study

Abstract

Günümüzde, tarımsal ürün deseninin ve arazi örtüsünün belirlenmesi, verim tahmininin yapılması, ürün çeşidi ve verimi açısından uygun tarımsal peyzaj alanlarının tespit edilmesi gibi birçok tarımsal amaçlı uygulamada, farklı özellikteki çeşitli uydu sistemlerinden elde edilen çok zamanlı uydu görüntüleri ve uzaktan algılama teknikleri etkili bir şekilde kullanılmaktadır. Bu açıdan, geniş ve verimli tarım alanlarına sahip olan ülkemizde, tarımsal ürün deseninin ve tarımsal peyzajın ürün tabanlı haritalandırılarak alan kullanımlarının hızlı ve ekonomik bir şekilde belirlenmesinde ve verim tahminlerinin yapılmasında uydu görüntülerinin ve uzaktan algılama tekniklerinin kullanımı oldukça önemlidir. Bu çalışmada, 2020 ve 2021 yıllarına ait çok zamanlı Sentinel-2B uydu görüntüleri ve uzaktan algılama teknikleri kullanılarak, nesne tabanlı sınıflandırma yaklaşımıyla Van ili sınırları içerisinde tarımsal peyzajın ürün tabanlı haritalanması ve verim tabanlı buğday tarımı uygunluğunun belirlenmesi amaçlanmıştır. Çalışma neticesinde bölgede üretimi en çok yapılan tarım ürünleri tür bazında (buğday, arpa, yonca, korunga ve şeker pancarı) tespit edilerek bölgenin tarımsal ürün deseni belirlenmiş ve haritası üretilmiştir. Ayrıca istatiksel tabanlı bir verim modeli geliştirilerek 2021 yılı için bölgedeki buğday üretimi ve verimi tahmin edilmiştir. Aynı zamanda oluşturulan buğday verim haritasına göre çalışma alanındaki buğday üretim uygunluğu yerel olarak tespit edilmiştir. Buna göre, 2020 ve 2021 ürün desenleri, %79 ve %83'lük genel doğruluk oranlarıyla Destek Vektör Makineleri algoritması kullanılarak tespit edilmiştir. Van ili 2021 buğday verimi %24 hata payıyla 0.82 ton/ha olarak tespit edilmiştir.

Nowadays, remote sensing techniques and various multi-temporal satellite images are used for many agricultural applications such as estimating crop yield, mapping crop patterns, and crop suitability detection. In this respect, it is very important to use satellite images and remote sensing techniques in determining land use quickly and economically by object-based mapping of the agricultural crop pattern and agricultural landscape analyze and yield estimations. In this study, it was aimed to determine the suitability of yield-based wheat farming and object-based classification of the agricultural landscape within the Van province with an object-based classification approach, using multi-temporal Sentinel-2B satellite images and remote sensing techniques for the years of 2020 and 2021.As a result of the study, the most commonly produced agricultural products in the region were determined on the basis of species (wheat, barley, clover, sainfoin and sugar beet), and the agricultural product pattern of the region was determined. In addition, a statistical-based yield model was developed and wheat production and yield in the region were estimated for 2021.At the same time, wheat production suitability in the study area was determined locally according to the wheat yield. Accordingly, the 2020 and 2021 crop patterns were detected using the Support Vector Machines algorithm, with overall accuracy rates of 79% and 83% respectively. Van Province 2021 wheat yield was determined as 0.82 tons/ha with a 24%mean of error. In this way, with long term studies could be developed and extended a sheep type which high meat yield, big-framed, fast developing, low fat tail proportion and high of adaptation to the conditions of the region.