KaydedilenlerDerginizi ekleyin

Dergiler / Bahri Dağdaş Bitkisel Araştırma Dergisi / 2020 / Cilt: 9 Sayı: 2

Mini İnsansız Hava Aracının Tahıl Islah Parsellerinde Verim Tahmininde Kullanılabilirliği

Availability of Small Unmanned Aerial Vehicle for Yield Estimation in Cereal Breeding Nurserie

Mesut UYANER
Muhammet KARAŞAHİN
Mesut BİLİCİ
İlker TOPAL
Enes YAKIŞIR
Ramazan KELEŞ
Sayfa
280–294
Yayın Tarihi
2020-12-24
DOI
—
🏛️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)

Araştırma sonuçlarına göre İHA ile elde edilen NDVI değerleri ile yersel ölçümlerle elde edilen NDVI değerleri arasındaki ilişkilerin istatistiki olarak önemli olduğu tespit edilmiştir (P<0.05).

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Binlerce parsellerden oluşan ıslah programlarının başarıya ulaşabilmesi, yüksek verimli fenotipleme (HTP) kullanımına bağlıdır.
📊
Temel Bulgular & Veri:İnsansız hava araçları (İHA) yüksek verimli fenotipik seleksiyon için bir fırsat oluşturmaktadır.
💡
Sonuç & Katkı:Araştırma sonuçlarına göre İHA ile elde edilen NDVI değerleri ile yersel ölçümlerle elde edilen NDVI değerleri arasındaki ilişkilerin istatistiki olarak önemli olduğu tespit edilmiştir (P<0.05).
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Tahıl ıslahı · mini insansız hava aracı · verim tahmini

Özet

Binlerce parsellerden oluşan ıslah programlarının başarıya ulaşabilmesi, yüksek verimli fenotipleme (HTP) kullanımına bağlıdır. İnsansız hava araçları (İHA) yüksek verimli fenotipik seleksiyon için bir fırsat oluşturmaktadır. Araştırma sonuçlarına göre İHA ile elde edilen NDVI değerleri ile yersel ölçümlerle elde edilen NDVI değerleri arasındaki ilişkilerin istatistiki olarak önemli olduğu tespit edilmiştir (P<0.05). Yersel ölçümlerle elde edilen değerlerin buğdayda %34’ünün, arpada ise %25’inin İHA NDVI değerleri ile açıklanabileceği görülmüştür. Ancak elde edilen belirtme katsayısı değerleri bu ilişkilerin açıklanmasında yetersiz kaldığını göstermektedir. Kuru şartlarda buğday ve arpa ıslah parsellerinde verim tahmininde İHA kullanımı ile ilgili tavsiyede bulunabilmek için çalışmanın kardeşlenme, sapa kalkma ve çiçeklenme gibi farklı bitki gelişim dönemlerinde yapılarak karar verilmesinin daha doğru bir yaklaşım olduğu varsayılmıştır.

Abstract

To succeed of thousands of parcel breeding programs are depending on using high throughput phenotyping (HTP). Unmanned aerial vehicles (UAV) create an opportunity for high throughput phenotypic selection. According to the research results, the relationships between NDVI values obtained by UAV and NDVI values obtained by ground measurements were found to be statistically significant (P<0.05). It has been observed that 34% of the values obtained by terrestrial measurements can be explained by UAV NDVI values for wheat and 25% for barley. However, the coefficient of determination values were found insufficient to explaining these relationships. It is assumed that it is a more correct approach to make a decision in different plant development periods such as tillering, stem elongation and flowering in order to give advice on the use of UAV in the yield estimation of wheat and barley breeding plots under rainfed conditions.

🔖

Bu Makaleye Atıf Yap

UYANER, M., KARAŞAHİN, M., BİLİCİ, M., TOPAL, İ., YAKIŞIR, E., KELEŞ, R. (2020). Mini İnsansız Hava Aracının Tahıl Islah Parsellerinde Verim Tahmininde Kullanılabilirliği. Bahri Dağdaş Bitkisel Araştırma Dergisi, Cilt: 9 Sayı: 2, 280–294. https://ajindex.com/articles/902602

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (7)

  1. Araus, J. L., Cairns, J. E. (2014). Field high-throughput phenotyping: the new crop breeding frontier. Trends in Plant Science, 19(1), 52-61. DOI: 10.1016/j.tplants.2013.09.008. Asseng, S., Foster, I., Turner, N. C. (2011). The impact of temperature variability on wheat yields. Global Change Biology, 17(2), 997-1012. DOI: 10.1111/j.1365-2486.2010.02262.x. Avdan, U., Bilget, Ö., Çömert, R., Savaşlı, E., Önder, O. (2014). İHA yardımı ile tarımsal alanlarda yeşil bant normalize edilmiş bitki indeksi hesaplanması. 5. Uzaktan Algılama-CBS Sempozyumu, 14-17 Ekim 2014,
  2. İstanbul.
  3. Balcı, A., Turgut, İ. (2006). On kendilenmiş atdişi mısır (Zea mays indentata Sturt.) hattının diallel melezlerinde bazı tarımsal ve kalite özelliklerinin kalıtımı. Uludağ. Üniv. Zir. Fak. Derg., 20(1), 67-83.
  4. Borrell, A. K., Van Oosterom, E. J., Mullet, J. E., George-Jaeggli, B., Jordan, D. R., Klein, P. E., Hammer, G. L. (2014). Stay-green alleles individually enhance grain yield in sorghum under drought by modifying canopy development and water uptake patterns. New Phytologist, 203(3), 817-830. DOI: 10.1111/nph.12869. Crain, J. L. (2016). Leveraging the genomics revolution with high-throughput phenotyping for crop improvement of abiotic stresses. Doctor of Philosophy, Kansas State Unıversity, 144 p. Manhattan, Kansas. http://hdl.handle.net/2097/32566.
  5. Çekiç, C., Savaşlı, E., Önder, O., Dayıoğlu, R., Gökmen, F., Dursun, N., Gezgin, S., Kalaycı, M.H. (2008). Bitkilerin azot kullanma etkinliğini artırmada mevsim içi azotlu gübre yönetiminin önemi. 4. Ulusal Bitki Besleme ve Gübre Kongresi. 8-10 Ekim 2008, 83-89,
  6. Konya. Deery, D., Jimenez-Berni, J., Jones, H., Sirault, X., Furbank, R. (2014). Proximal remote sensing buggies and potential applications for field-based phenotyping. Agronomy 4(3), 349-379. DOI: 10.3390/agronomy4030349. Gitelson, A. A., Vina, A., Arkebauer, A., Rundquist, T. J., Keydan, D. J. G., Leavitt, B. (2003). Remote estimation of leaf area index and green leaf biomass in maize canopies. Geophysical Research Letters, 30(5), 1248. DOI: 10.1029/2002GL016450. Haghighattalab, A., Gonzalez Perez, L., Mondali, S., Singh, D., Schinstock, D., Rutkoski, J., Ortiz‑Monasterio, I., Singh, R. P., Goodin, D., Poland, J. (2016). Application of unmanned aerial systems for high throughput phenotyping of large wheat breeding nurseries. Plant Methods, 12: 1-15. DOI: 10.1186/s13007-016-0134-6.
  7. Houlie, N., Komorowski, J. C., De Michele, M., Kasereka, M., Ciraba, H. (2006). Early detection of