Sulama Programlamasında Uzaktan Algılama Tekniklerinin Kullanılabilme Olanakları

Yıl 2017, Cilt: 6 Sayı: Özel Sayı (BSM 2017), 138 - 145, 27.12.2017

Halil Kırnak , Hasan Ali İrik

Öz

Sulama
programlamasında en önemli konu bitkiye ne zaman ve ne kadar su verileceğinin
belirlenmesidir. Sürdürülebilir su yönetimi için bitki su ihtiyacının tam
olarak belirlenmesi çok önemlidir. Sulama zamanının tespiti için genellikler
toprak nem içeriği ile belirlenmektedir. Ancak noktasal bir veri olması ve
bitki su durumunu tam olarak yansıtmaması bu yöntemin dezavantajıdır.
Bitkilerin izlenerek karar verilmesi son yıllarda önem kazanmaktadır. Bitkiler,
toprak-su-atmosfer arasındaki bütünleşik ilişkiyi iyi yansıttıkları için sulama
programlamasında daha doğru sonuçlar vermektedir. Son yıllarda kullanımı artan
infrared termometre ile belirlenen bitki yüzey sıcaklığı ile hava sıcaklığı
farkından ve havanın buhar basıncı açığından yararlanılarak oluşturulan bitki su stres indeksi (CWSI) başarılı bir şekilde sulama
programlamasında kullanılmaktadır. Ayrıca bitkilerden olan yansımanın
spektroradyometereler ile ölçülerek farklı bantlardaki yansıma
oranlarından  elde edilen vejetasyon
indeksleri son dönemde kullanımı artmaya başlamıştır. Farklı bitkiler üzerinde
yapılan çalışmalar CWSI ve vejetasyon indekslerinin sulama programlamasında
kullanılabileceğini göstermiştir.

Bu çalışmanın amacı,
ülkemizde ve dünyada CWSI ile vejetasyon indeksleri kullanılarak yapılmış
çalışmaların derlenerek sulama programlamasında kullanılabilme olanakları
hakkında bilgiler sağlamaktır.

Anahtar Kelimeler

Bitki su stres indeksi, Sulama yönetimi, spektroradyometre

Kaynakça

• Carter GA. (1993). Responses of leafreflectancetoplantstress. American J. Botany, 80:239-243.
• Çamoğlu G, Aşık Ş ve Genç L. (2010). Mısır bitkisinin su stresine karşı spektral tepkileri. Tarım Bilimleri Araştırma Dergisi 3 (1): 37-43.
• Çolak Y B, Yazar A, Çolak İ, Akça H ve Duraktekin G (2015). Evaluation of cropwaterstressindex (CWSI) foreggplantundervaryingirrigationregimesusingsurfaceandsubsurfacedripsystems. AgricultureandAgriculturalScienceProcedia 4: 372-382.
• Ehrler W L. (1973). Cotton leaf temperatures as related to soil water depletion and meteorological factors. Agronomy J., 65:404-409.
• Erdem Y, Erdem T, Orta A H ve Okursoy H (2005). Irrigation scheduling for watermelon with crop water stres index (CWSI). Journal of Central EuropeanAgriculture Vol.6 No.4 (449-460).
• EstimatingCottonCropWaterUseFromMultispectralAerialImagery. InIrrigationAssociations
• Exposition And Technical Conference, San Diego, Ca, Nov. 18-20. PP.138-148.
• Fereres E. and Evans R G. (2006). Irrigation of fruit tress and vines , an introduction. Irrigation Science. Vol.24. pg.55-57.
• Fitzgerald G J, Hunsaker D J,Barnes EM, Clarke T R, Lesch S M, Roth RandPinterJr, P.J.(2003).
• Fucs M, Tanner C B. (1966). Infraredthermometry of vegetation. Agronomy J., 58:597-601.
• Gates D M. (1964). Leaf temperature and transpiration. Agron J. 56:273-277.
• Gençoğlan C. (1999). Çukurova koşullarında yetiştirilen I. ürün mısır bitkisinde infrared termometre değerlerinden yararlanılarak bitki su stres indeksi (CWSI) ve sulama zamanının belirlenmesi. Tr. J. Of AgricultureandForesty, 23: 87-95.
• Gonzalez-Dugo M P. and Mateos L. (2008). Spectral vegetation indices for benchmarking water productivity of irrigated cotton and sugarbeet crops. Agricultural Water Management 95:48-58.
• Hatfield J L, Kanemasu E T, Asrar G, Jackson R D, Pinter P J, Jr, Reginato R J. andIdso S B. (1985). Leafareaestimationfromspectralmeasurementsovervariousplantingdates of wheat. Int. J. Remote Sensing, 6(1):167-175.
• Hunsaker D J, Pinter Jr. P J, Barnes E M. And Kimball B A. (2003a). Estimating cotton evapotranspiration crop coefficients with a multispectral vegetation index. Irrig. Sci.22: 95-104.
• Hunsaker D J, Pinter Jr, P J, Fitzgerald G J, Clarke T R, Kimball B.A. and Barnes, E.M. (2003b.) Tracking Spatial And Temporal Cotton Dt Patterns With A Normalized Difference Vegetation Index. Irrigation Associations Exposition And Technical Conference Proceedings. Pp. 126-137.
• Idso S B, Jackson R D, Pinter P J, Reginato R J. AndHatfield J L. (1981). Normalizingthestress-degree-dayparameterforenvironmentalvariability. AgriculturalMeteorology, 24:45-55.
• Jackson R D, Idso S B. And Reginato R J. (1977). Remote sensing of crop canopy temperatures for scheduling irrigations and estimating yields. Proc.Symp. On Remote Sensing of Natural Resources, Utah State University. Logan. UT.
• Jackson R D, Pinter Jr, P.J, Reginato R J. and Idso S B. (1980). Hand - held radiometry. A set of notes developed for use at the workshop on hand-held radiometry. Phoenix, Ariz., February 25 –26, 1980.
• Kamat D S, Gopalan S K A, Shashikumar N M, Sinha K S, Chaturvedi S G. and Singh K A. (1985). Assessment of waterstresseffects on crops. Int J. Remote Sensing6:577-589.
• Keskin M. (2007). Spektroradyometreler ve tarımda kullanımı. Tarımsal Mekanizasyon 24. Ulusal Kongresi, 5-6 Eylül 2007, Kahramanmaraş. 326-332.
• Köksal E S. (2006). Sulama suyu düzeylerinin şekerpancarının verim, kalite ve fizyolojik özellikleri üzerindeki etkisinin, İnfrared termometre ve spektroradyometre ile belirlenmesi. Ankara Üniversitesi Fen Bilimleri Enst. Doktora tezi.
• Köksal E S. (2008).Hyperspectral reflectance data processing through cluster and principal component analysis for estimating irrigation and yield related indicators. AgriculturalWater Management 98:1317-1328.
• Köksal E S, Kara T, Apan M, Üstün H ve İlbeyi A. (2008). Estimation of greenbeanyield, waterdeficiencyandproductivityusingspectralindexesduringthegrowingseason. Irrig. DrainageSyst. 22:209-223.
• Köksal E S, Kara T, Apan M, Üstün H and İlbeyi A. (2008). Estimation of gren bean yield, water deficiency and productivity using spectral indexes during the growing season. Irrig Drainage Syst. 22: 209-223.
• Mandal U K, Victor U S, Srivastava N N, Sharma K L, Ramesh V, Vanaja M, Korwar G R. and Ramakrishna Y S. (2007). Agricultural Water Management 87:315-327.
• Marshall M, Thenkabail P, Biggs T. and Post Kirk. (2016). Hyperspectral narrowband and multispectral broadband indices for remote sensing of crop evapotranspiration and its componenets (transpiration and soil evaporation). Agricultural and Foresty Meteorology 218-219, 122-134.
• NielsenD.C (1990). Schedulingirrigationsforsoybeanswiththecropwaterstressindex(CWSI). Fieldcropresearch, 23:103-116.
• Payero J O, Tarkalson D D, Irmak S, Davison D. and Petersen J L. (2009). Effect of timing of a deficit-irrigation allocation on corn evapotranspiration, yield, water use efficiency and dry mass
• Smith R C G, Prathapar S A. and Barrs H D. (1989). Use of thermal scanner image of water stressed crop to study soil spatial variability. Remote Sens. Environ., 29:111- 120.
• Tanner C B. (1963). Plant temperatures. Agron J. 55:210-211.
• Thenkabail P S, Smith R B. andPauw E D. (2000). Hyperspectral vegetation indices and their relationships with agricultural crop characteristics. Remote Sens. Environ. 71:158-182.
• Tucker C J. (1980). Remote sensing of leafwatercontent in thenearinfrared. Remote Sens. Environ. 10:23-32.
• Yazar A, (1990). Utilization of infrared thermometry technique for assessing crop water stres and irrigation scheduling for soybean. Tr. J. Of AgricultureandForesty, 14(4): 517-533.
• Zhang L, Zhou Z, Zhang G, Meng Y, Chen B. and Wang Y. (2012). Monitoring the leaf water content and spesific leaf weight of cotton (Gossypium hirsutum L.) in saline soil using leaf spectral reflectance. Europ. J. Agronomy 41:103-117.