Publication:
Yarı Nemli Bir Bölgede Günlük Referans Bitki Su Tüketiminin Tahmini için Üç Farklı Makine Öğrenimi Modellerinin Geliştirilmesi ve Karşılaştırılması

dc.contributor.authorTaşan, Sevda
dc.contributor.authorTasan, Mehmet
dc.date.accessioned2025-12-11T01:50:05Z
dc.date.issued2023
dc.departmentOndokuz Mayıs Üniversitesien_US
dc.department-tempOndokuz Mayıs Üniversitesi,T.C. Tarım Ve Orman Bakanlığıen_US
dc.description.abstractSu kaynaklarının planlanması ve tarımsal su yönetimi için referans bitki su tüketiminin (ET0) doğru tahmin edilmesi oldukça önemlidir. Bu çalışmada üç farklı makine öğrenimi yönteminin, çok değişkenli uyarlanabilir regresyon eğrileri (MARS), rassal ağaç (RT) ve gauss süreç regresyonu (GPR), yarı nemli iklim koşullarına sahip bir bölgeden alınan iklim verileri kullanılarak günlük ET0’ı tahmin etme performansları araştırılmıştır. Modelleri eğitmek ve test etmek için Bafra ilçesinde 2018–2020 döneminde toplanan günlük meteorolojik verilerin beş girdi kombinasyonu [günlük ortalama (Tort), maksimum (Tmax) ve minimum sıcaklık (Tmin), rüzgar hızı (u2), bağıl nem (RHort) ve güneşlenme şiddeti (Rs) hem tam hem de eksik kombinasyonları dahil] kullanılmıştır. Makine öğrenimi modellerinin performansı ise FAO-56 Penman Monteith (FAO-56 PM) standart denklemi ile karşılaştırılmıştır. Modellerin doğruluğunu değerlendirmek için dört farklı istatistiksel performans indeksi kullanılmıştır [belirleme katsayısı (R2), ortalama mutlak hata (MAE), hata kareleri toplamının karekökü (RMSE) ve Nash–Sutcliffe etkinlik katsayısı (NSE)]. Sonuçlar, genel olarak MARS modellerinin RT ve GPR modellerinden daha iyi performans gösterdiğini ortaya koymuştur. Tüm verilerin girdi olarak kullanıldığı beşinci senaryo için MARS modeli tarafından tahmin edilen ET0 değerlerinin FAO-56 PM değerleri ile iyi bir uyum içinde olduğu belirlenmiştir (R2=0.982, MAE=0.250, RMSE=0.305, NSE=0.965). Bununla birlikte meteorolojik veriler tam olmadığında bile sadece Tort, RHort ve Rs ile oldukça yüksek günlük ET0 tahminleri elde edilmiştir. Genel olarak, radyasyona dayalı makine öğrenimi modelleri, sıcaklığa dayalı makine öğrenimi modellerinden daha iyi performans göstermiştir. Sonuçlar, yarı nemli iklim özelliklerine sahip bir bölgede MARS modelinin ET0'ı oldukça verimli ve doğru bir şekilde modellemek için etkili bir şekilde kullanılabileceğini göstermektedir.en_US
dc.identifier.doi10.7161/omuanajas.1211716
dc.identifier.endpage254en_US
dc.identifier.issn1308-8750
dc.identifier.issn1308-8769
dc.identifier.issue2en_US
dc.identifier.startpage235en_US
dc.identifier.trdizinid1206462
dc.identifier.urihttps://doi.org/10.7161/omuanajas.1211716
dc.identifier.urihttps://search.trdizin.gov.tr/en/yayin/detay/1206462/yari-nemli-bir-bolgede-gunluk-referans-bitki-su-tuketiminin-tahmini-icin-uc-farkli-makine-ogrenimi-modellerinin-gelistirilmesi-ve-karsilastirilmasi
dc.identifier.urihttps://hdl.handle.net/20.500.12712/46719
dc.identifier.volume38en_US
dc.language.isotren_US
dc.relation.ispartofAnadolu Tarım Bilimleri Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectSu Kaynaklarıen_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectYazılım Mühendisliğien_US
dc.subjectMatematiken_US
dc.subjectÇevre Bilimlerien_US
dc.subjectİstatistik ve Olasılıken_US
dc.titleYarı Nemli Bir Bölgede Günlük Referans Bitki Su Tüketiminin Tahmini için Üç Farklı Makine Öğrenimi Modellerinin Geliştirilmesi ve Karşılaştırılmasıen_US
dc.typeArticleen_US
dspace.entity.typePublication

Files