Dergiler / Anadolu Tarım Bilimleri Dergisi / 2026 / Cilt: 41

Yüzeyaltı Damla Sulama Altında Yetiştirilen Silajlık Mısırın Bitki Su Stres İndeksinin Belirlenmesi

Determination of Crop Water Stress Index of Silage Maize Grown Under Subsurface Drip Irrigation

Filiz Akın(Batı Akdeniz Tarımsal Araştırma Enstitüsü)0000-0002-0902-475X
Köksal Aydinşakir(Batı Akdeniz Tarımsal Araştırma Enstitüsü)0000-0003-0225-7646
Bilal Cemek(Ondokuz Mayıs Üniversitesi, Ziraat Fakültesi, Tarımsal Yapılar ve Sulama)0000-0002-0503-6497
Sayfa
—
Yayın Tarihi
2026-10-16
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu değerler, silajlık mısır için evrensel eşikler olarak değil, bu çalışmada değerlendirilen toprak, iklim, bitki ve yüzeyaltı damla sulama koşullarına özgü, ön tahmin niteliğindeki değerler olarak değerlendirilmelidir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Su kıtlığı ve artan iklim değişkenliği, yarı kurak çevrelerde sulama zamanlaması için güvenilir bitki temelli göstergelere olan gereksinimi artırmıştır.
📊
Temel Bulgular & Veri:Bu çalışma, yüzeyaltı damla sulama (YADS) koşullarında yetiştirilen silajlık mısırın Bitki Su Stres İndeksi (CWSI) tepkisini değerlendirmek ve sulama zamanlamasında kullanılabilecek potansiyel CWSI değerlerini tahmin etmek amacıyla, 2022 ve 2023 yetiştirme sezonlarında Batı Akdeniz Tarımsal Araştırma Enstitüsü’nde (BATEM), Antalya, Türkiye’de yürütülmüştür.
💡
Sonuç & Katkı:Bu değerler, silajlık mısır için evrensel eşikler olarak değil, bu çalışmada değerlendirilen toprak, iklim, bitki ve yüzeyaltı damla sulama koşullarına özgü, ön tahmin niteliğindeki değerler olarak değerlendirilmelidir.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:2022 Verileri
⚙️Değişkenler:Kanopi sıcaklığı · Kısıtlı sulama · Sulama suyu verimliliği

Özet

Su kıtlığı ve artan iklim değişkenliği, yarı kurak çevrelerde sulama zamanlaması için güvenilir bitki temelli göstergelere olan gereksinimi artırmıştır. Bu çalışma, yüzeyaltı damla sulama (YADS) koşullarında yetiştirilen silajlık mısırın Bitki Su Stres İndeksi (CWSI) tepkisini değerlendirmek ve sulama zamanlamasında kullanılabilecek potansiyel CWSI değerlerini tahmin etmek amacıyla, 2022 ve 2023 yetiştirme sezonlarında Batı Akdeniz Tarımsal Araştırma Enstitüsü’nde (BATEM), Antalya, Türkiye’de yürütülmüştür. Çalışma, dört sulama uygulaması; tam sulama (I1, %100), kısıtlı sulama (I2, %50), aşırı sulama (I3, %120) ve yağışa dayalı sulama uygulaması (I4) olmak üzere üç tekrarlı tesadüf blokları deneme desenine yürütülmüştür. Sulanan uygulamalara verilen mevsimlik sulama suyu miktarı 198–471 mm arasında değişirken, yetiştirme sezonu toplam yağışı 2022 yılında 13 mm, 2023 yılında ise 118 mm olmuştur. Kanopi sıcaklığı kızılötesi termometri kullanılarak ölçülmüş ve CWSI, taç–hava sıcaklığı farkı (Tc–Ta) ile buhar basıncı açığı (VPD) arasındaki ilişkiden elde edilen bitkiye özgü alt ve üst sınır değerleri kullanılarak hesaplanmıştır. Alt sınır denklemleri 2022 yılı için Tc–Ta = −2.9VPD − 1.9, 2023 yılı için ise Tc–Ta = −3.7VPD − 2.1 olarak belirlenmiş; buna karşılık üst sınır değerleri sırasıyla 4.72 ve 4.02°C olarak bulunmuştur. Sulama uygulamalarının CWSI ve yeşil ot verimi üzerinde önemli etkileri olmuştur. I2 uygulaması, 2022 ve 2023 yıllarında sırasıyla 105.78 ve 96.80 t ha⁻¹ ile en yüksek yeşil ot verimini sağlarken, aynı zamanda en düşük ortalama CWSI değerlerini (0.10 ve 0.11) göstermiştir. Buna karşılık, yağışa bağlı (I4) uygulamada en yüksek ortalama CWSI değerleri (0.62 ve 0.58) ve en düşük yeşil ot verimleri (16.70 and 17.05 t ha⁻¹) elde edilmiştir. Sulama suyu verimliliği de I2 uygulamasında en yüksek olmuş ve 2022 ile 2023 yıllarında sırasıyla 53.40 ve 45.20 kg m⁻³ değerlerine ulaşmıştır. CWSI ile yeşil ot verimi arasında her iki yılda da güçlü ve negatif ilişkiler belirlenmiştir (sırasıyla r = −0.89 ve −0.91). 2022 ve 2023 yılları için sırasıyla yaklaşık 0.14 ve 0.16 düzeylerinde sulama başlatma eşik değerleri elde edilmiştir. Bu değerler, silajlık mısır için evrensel eşikler olarak değil, bu çalışmada değerlendirilen toprak, iklim, bitki ve yüzeyaltı damla sulama koşullarına özgü, ön tahmin niteliğindeki değerler olarak değerlendirilmelidir.

Abstract

Water scarcity and increasing climatic variability have increased the need for reliable plant-based indicators for irrigation scheduling in semi-arid environments. This study was conducted during the 2022 and 2023 growing seasons at the Batı Akdeniz Agricultural Research Institute (BATEM), Antalya, Türkiye, to evaluate the Crop Water Stress Index (CWSI) response of silage maize grown under subsurface drip irrigation (SDI) and to estimate CWSI values potentially useful for irrigation scheduling. The experiment was arranged in a randomized complete block design with three replications and four irrigation treatments: full irrigation (I1, 100%), deficit irrigation (I2, 50%), excess irrigation (I3, 120%), and a rain-fed treatment (I4). Seasonal irrigation water applied to the irrigated treatments ranged from 198 to 471 mm, while growing-season rainfall was 13 mm in 2022 and 118 mm in 2023. Canopy temperature was measured using infrared thermometry, and CWSI was calculated using crop-specific lower and upper baselines established from the relationship between canopy–air temperature difference (Tc–Ta) and vapor pressure deficit (VPD). The lower baseline equations were Tc–Ta = −2.9VPD − 1.9 in 2022 and Tc–Ta = −3.7VPD − 2.1 in 2023, whereas the corresponding upper baseline values were 4.72 in 2022 and 4.02°C in 2023, respectively. Irrigation treatments significantly affected CWSI and forage yield. The I2 treatment produced the highest forage yields, with 105.78 and 96.80 t ha⁻¹ in 2022 and 2023, respectively, and the lowest mean CWSI values (0.10 and 0.11). In contrast, the rain-fed (I4) treatment had the highest mean CWSI values (0.62 and 0.58) and the lowest forage yields (16.70 and 17.05 t ha⁻¹). Irrigation water productivity was also highest under I2, reaching 53.40 and 45.20 kg m⁻³ in 2022 and 2023, respectively. CWSI was strongly and negatively associated with forage yield (r = −0.89 and −0.91, respectively). Irrigation-trigger estimates of approximately 0.14 and 0.16 were obtained for 2022 and 2023, respectively. These values should be regarded as preliminary, experiment-specific estimates under the soil, climatic, crop, and SDI conditions evaluated in this study rather than as universal thresholds for silage maize.

🔖

Bu Makaleye Atıf Yap

Akın, F., Aydinşakir, K., Cemek, B. (2026). Yüzeyaltı Damla Sulama Altında Yetiştirilen Silajlık Mısırın Bitki Su Stres İndeksinin Belirlenmesi. Anadolu Tarım Bilimleri Dergisi, Cilt: 41. https://doi.org/10.7161/omuanajas.1967243

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (24)

  1. Akın, F., Cemek, B. 2025a. Determining the Crop Water Stress Index for Scheduling Sesame Irrigation with Subsurface Drip Systems under Mediterranean Conditions. Ziraat Mühendisliği, 381:66-80. https://doi.org/10.33724/zm.1699791
  2. Akin, F., Cemek, B. 2025b. The effects of different water deficit levels on yield and water use productivity of sesame irrigated by subsurface drip irrigation. Irrigation Science, 43:995–1013. https://doi.org/10.1007/s00271-025-01033-w
  3. Allen, R.G., Pereira, L.S., Raes, D., Smith, M. 1998. Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements. FAO Irrigation and Drainage Paper No. 56. FAO, Rome.
  4. Alvino, A., Marino, S., 2017. Remote sensing for irrigation of horticultural crops. Horticulturae, 3(2), Article 40. https://doi.org/10.3390/horticulturae3020040
  5. Aydinşakir, K., Buyuktas, D., Dinc, N., Erdurmus, C., Bayram, E., Bayir Yegin, A. 2021. Yield and bioethanol productivity of sorghum under surface and subsurface drip irrigation. Agricultural Water Management, 243:106452.
  6. Aydinşakir, K., Erdal, Ş., Büyüktaş, D., Baştuğ, R., Toker, R. 2013. The influence of regular deficit irrigation applications on water use, yield, and quality components of two corn (Zea mays L.) genotypes. Agricultural Water Management, 128:65‐71.
  7. Bozkurt Çolak, Y., Yazar, A., Çolak, İ., Akça, H., Duraktekin, G. 2015. Evaluation of crop water stress index (CWSI) for eggplant under varying irrigation regimes using surface and subsurface drip systems. Agriculture and Agricultural Science Procedia, 4: 372-382.
  8. Buyuktas, D., Bastug, R., Ozen, N., Aydinsakir, K., Karaca, C., Curek, M., Erdal, S. 2021. Evapotranspiration, yield and silage quality characteristics of three maize hybrids grown under Mediterranean conditions. Archives of Agronomy and Soil Science, 67(10): 1341-1358. https://doi.org/10.1080/03650340.2020.1795138
  9. Cetin, M., Alsenjar, O., Aksu, H., Golpinar, M.S., Akgul, M.A. 2023. Estimation of crop water stress index and leaf area index based on remote sensing data. Water Supply 23(3): 1390–1404.
  10. Der, G., Everitt, B.S. 2002. A Handbook of Statistical Analyses Using SAS. Second Edition. CRC Press LLC. 2000 N.W. Corporate Blvd., Boca Raton. Florida 3431. USA.
  11. Gençoğlan, C., Yazar, A. 1999. Determination of Crop Water Stress Index (CWSI) and Irrigation Timing by Utilizing Infrared Thermometer Values on the First Corn Grown Under Çukurova Conditions. Turkish Journal of Agriculture and Forestry, 23 (1): 87-96.
  12. Ghadirnezhad Shiade, S.R., Fathi, A., Taghavi Ghasemkheili, F., Amiri, E., Pessarakli, M. 2023. Plants’ responses under drought stress conditions: Effects of strategic management approaches—A review. Journal of Plant Nutrition. 46 (9):2198–2230.
  13. Guardia, G., Monistrol-Arcas, A., Montoya, M., García-Gutiérrez, S., Abalos, D., Vallejo, A. 2023. Subsurface drip irrigation reduces CH4 emissions and ecosystem respiration compared to surface drip irrigation. Agricultural Water Management, 285. https://doi.org/10.1016/j.agwat.2023.108380.
  14. Idso, S.B., Jackson, R.D., Pinter Jr, P.J., Reginato, R.J., Hatfield, J.L. 1981. Normalizing the stress-degree-day parameter for environmental variability. Agricultural and Forest Meteorology 24, 45–55.
  15. Irmak, S., Haman, D.Z., Bastug, R. 2000. Determination of crop water stress index for irrigation timing and yield estimation of corn. Agronomy Journal 92 (6): 1221–1227.
  16. Jackson, R.D., Idso, S.B., Reginato, R.J., Pinter Jr, P.J. 1981. Canopy temperature as a crop water stress indicator. Water Resources Research 17 (4): 1133–1138.
  17. Katimbo, A., Rudnick, D.R., DeJonge, K.C., Lo, T.H., Qiao, X., Franz, T.E., Duan, J. 2022. Crop water stress index computation approaches and their sensitivity to soil water dynamics. Agricultural Water Management, 266:107575.
  18. King, B.A., Shellie, K.C., Tarkalson, D.D., Levin, A.D., Sharma, V., Bjorneberg, D.L. 2020. Data-driven models for canopy temperature-based irrigation scheduling. Transactions of the American Society of Agricultural and Biological Engineers, 63(5): 1579–1592.
  19. King, B.A., Tarkalson, D.D., Sharma, V., Bjorneberg, D.L. 2021. Thermal crop water stress index base line temperatures for sugarbeet in arid western US. Agricultural Water Management, 243: 106459.
  20. Polat, B., Aydinşakir, K., Büyüktaş, D. 2024. Assessment of crop water stress index (CWSI) of sorghum irrigated by surface and subsurface drip irrigation methods under Mediterranean conditions. Journal of Tekirdag Agricultural Faculty, 21(5): 1130-1147.
  21. Qin, A., Ning, D., Liu, Z., Li, S., Zhao, B., Duan, A. 2021. Determining threshold values for a crop water stress index-based center pivot irrigation with optimum grain yield. Agriculture, 11 (10): 958. https://doi.org/10.3390/agriculture11100958
  22. Steele, D.D., Stegman, E.C., Gregor, B.L. 1994. Field comparison of irrigation scheduling methods for corn. Transactions of the American Society of Agricultural and Biological Engineers, 37 (4): 1197–1203.
  23. Ward, A.D., Elliot, W.J. 1995. Environmental Hydorolgy. CRC Press., 462. USA.
  24. Yadav, A., Upreti, H., Singhal, G.D., Sharma, J.K. 2023. Crop Water Stress Index for Devising Water Efficient Irrigation Schedules for Wheat Crop. In World Environmental and Water Resources Congress 2023, 435–446. Henderson, NV: American Society of Civil Engineers. https://doi.org/10.1061/9780784484852.042