Hava Kalitesi ve Çevresel İzleme

Tarımsal faaliyetler, küresel sera gazı emisyonlarının önemli bir kaynagıdır. Enterik fermantasyon, gübre uygulamaları, biyokütle yakımı, toprak işleme ve arazi kullanım degisiklikleri yoluyla CO2, CH4 ve N2O gibi sera gazları atmosfere salınmaktadır. Makine ögrenmesi ve yapay zeka, bu emisyonların tahmini, izlenmesi ve azaltılması için güçlü araçlar sunmaktadır. Koleksiyondaki yaklasık 42 makale bu alanı kapsamaktadır.

Tarımsal Sera Gazı Emisyonları

CO2 Emisyon Tahmini

Harsanyi ve ark. (2024) mısır tarlalarından CO2 emisyonlarını tahmin etmek için iki farklı agro-iklim bölgesinde (karasal iklim: Debrecen-Macaristan ve yarı-kurak: Kerac-Iran) iki makine ögrenmesi (GBR, SVR) ve iki derin ögrenme (FNN, CNN) algoritmasını değerlendirmistir.

Üç farklı girdi senaryosu test edilmistir: - SC1: Toprak yönetimi + Toprak sıcaklıgı + Toprak nemi - SC2: Toprak yönetimi + Toprak sıcaklıgı - SC3: Toprak yönetimi + Toprak nemi

Test asamasında FNN en yüksek tahmin doğruluğunu saglamıstır (R²=0,918). Toprak nemi, CO2 emisyonları üzerinde toprak sıcaklıgından daha belirleyici bir etkiye sahiptir; toprak nemi içeren senaryolar (SC1 ve SC3) tutarlı biçimde daha yüksek doğruluk saglamıstır. Konvansiyonel toprak işleme, sıfır işlemeli tarıma kıyasla daha yüksek CO2 emisyonuna yol açmaktadır.

Debrecen'deki ortalama CO2 emisyonu 138,78 +/- 72,04 ppm iken, Kerac'ta bu değer 478,98 +/- 174,22 ppm olarak ölçülmüstür. Bu fark, agro-iklim bölgelerinin emisyon profilleri üzerindeki etkisini açıkça göstermektedir.

Metan (CH4) ve Azot Oksit (N2O) Emisyonları

Tarımsal kaynaklı metan emisyonlarının basında sulak alanlar, pirinç tarlaları ve enterik fermantasyon gelmektedir. Koleksiyondaki çalısmalar su konuları kapsamaktadır:

• Küresel okyanus metan emisyonlarının sıg kıyı sularından kaynaklandıgının belirlenmesi
• Bakteriyel gen bollugunun topraktaki sera gazı emisyonlarının göstergesi olarak kullanımı
• Gübre uygulamalarından kaynaklanan direkt N2O emisyonlarının yapay sinir agları ile tahmini
• NDIR teknolojisi ile metan algılama sensörlerindeki gelismeler

Hava Kalitesi ML Tahmini

Kirlilik Tahmin Modelleri

Yapay zeka tabanlı hava kalitesi tahmin modelleri, kentsel ve kırsal alanlarda kirletici konsantrasyonlarını tahmin etmek için kullanılmaktadır:

• Uzun vadeli zaman serisi tahmini: Istatistiksel ve derin ögrenme yöntemlerinin karsilastırılması; LSTM ve derin ögrenme mimarilerinin geleneksel ARIMA modellerinden üstünlügü
• Ozon kirliligi tahmini: Gömülü özellik analizi ile derin ögrenme modelleri kullanılarak ozon seviyelerinin açıklanması
• PM tahmini: Hindistan sehirlerinde partikül madde (PM2.5, PM10) konsantrasyonlarının ML ile tahmini
• Büyük veri tabanlı karar destek: Hava kalitesi izleme için yenilikçi karar verme yöntemleri

Sensör Teknolojileri ve IoT Entegrasyonu

Popescu ve ark. (2024) kapsamlı bir derleme çalısmasında yapay zeka ve IoT güdümlü çevresel kirlilik izleme teknolojilerini incelemistir. Temel bulgular sunlardır:

• E-bürün (E-nose) sistemleri: Mobil elektronik bürün cihazları ile karbon, sera gazı emisyonları ve partikül kirleticilerin tespiti; %98'e varan doğruluk oranları
• Kablosuz sensör agları: Arduino ve IoT modülleri ile gerçek zamanlı hava kalitesi izleme; NH3, CO, NO2, CH4, CO2 ve PM2.5 gibi 8 kirleticiyi eş zamanlı ölçebilen ETAPM-AIT modeli
• Elman Sinir Agı (ENN): Yapay yosun algoritması (AAA) ile optimize edilen ENN modeli, gelecek zaman dilimlerinde hava kalitesini sınıflandırma ve tahmin etme
• Giyilebilir sensörler: Isçi güvenligini artırmak için kisisel gaz izleme cihazları; GPS modülü ile konum bildirimi

Tarım-Iklim Geri Bildirimi

Tarımsal faaliyetler hem iklim değişikliğinden etkilenmekte hem de iklimi etkilemektedir:

• Bitkisel atık yakımı ve hava kalitesi: Kuzey Hindistan'da ürün verimliligi, anız yakımı ve hava kalitesi arasındaki baglantı
• Tarımsal karbon emisyon tahmini: GA-ELM modeli ile Çin'deki tarımsal karbon emisyonlarının tahmini
• Sera gazı azaltma potansiyeli: Tarım sektöründen kaynaklanan emisyonlar ve kontrol potansiyellerinin değerlendirmesi
• Koruma tarımı ve karbon depolama: Sıfır işleme, bitki artıgı örtüsü ve karbon sekestrasyon ilişkisi

Karbon Ayak Izi Hesaplama

ML modelleri, tarımsal üretimin karbon ayak izinin hesaplanmasında kullanılmaktadır:

• GA-ELM modeli: Genetik algoritma ile optimize edilmis asırı ögrenme makinesi, Çin'deki tarımsal karbon emisyonlarının bölgesel tahmininde kullanılmıstır
• Senaryo tabanlı yaklasım: Toprak yönetimi, sıcaklık ve nem verilerinin farklı kombinasyonlarıyla emisyon modelleme
• Biyofiziksel model alternatifleri: DNDC, DayCent gibi karmasık modellere kıyasla ML modellerinin düsük veri gereksinimi ve yüksek doğruluğu

Çevresel İzleme Sensörleri

Toprak ve Su İzleme

• IoT tabanlı toprak izleme: Nar tarımı için toprak, su ve hava kalitesi izleme sistemi
• Su kalitesi izleme: Raspberry Pi ve bulut bilişim tabanlı gerçek zamanlı su parametreleri izleme
• Insansız su yüzeyi araçları (USV): Ulasilması zor su kaynaklarının uzaktan izlenmesi

Uzaktan Algılama

• Uydu tabanlı izleme: Multispektral ve hiperspektral sensörlerle agır metal kirliligi haritalama
• IHA (Drone) uygulamaları: Tehlikeli madde sızıntılarının tespiti ve kontaminant bulutlarının gerçek zamanlı takibi
• Hava kalitesi yer istasyonları: Manuel ve otomatik sensör agları ile kirletici izleme

Zorluklar ve Gelecek Yönelimler

1. Veri yetersizligi: Tarımsal emisyon ölçümlerinde uzun süreli ve yoğun veri toplama gereksinimi; Harsanyi ve ark. çalısmasında yalnızca 72 gözlem kullanılmıstır
2. Iklim faktörleri: Sıcaklık, bagıl nem ve yagıs gibi iklimsel değişkenlerin modellere entegrasyonunun gerekliligi
3. Model yorumlanabilirlik: Kara kutu modellerin tarımsal karar vericiler tarafından anlasilabilir hale getirilmesi
4. Gerçek zamanlı tahmin: Kenar bilişim cihazları ile sahada anlık emisyon tahmini ve erken uyarı sistemleri
5. Çoklu gaz izleme: Tek bir platformda CO2, CH4 ve N2O emisyonlarının es zamanlı izlenmesi ve modellenmesi
6. Maliyet-etkinlik: Düsük maliyetli sensör aglarının yayılması ile küresel çapta izleme kapasitesinin artırılması

Ilgili Konular

• Climate Agriculture -- Iklim değişikliği ve tarım etkileşimi
• Crop Yield Prediction -- Ürün verimi tahmininde çevresel faktörler
• Smart Irrigation -- Akıllı sulama ve su yönetimi