Uydu görüntülerini kullanarak bitkisel floresansı tespit eden araştırmacılar, bu veriyi kullanarak tarımsal ürün verimini öngörmeyi başardı. Bu yöntem, gelişmekte olan ülkelerde yaygın bir şekilde kullanım potansiyeline sahip…
Gelişmiş ülkelerde, tarımsal ürün verimini tahmin etmeye olanak tanıyan çok sayıda veri seti var. Gelişmekte olan ülkelerde ise durum böyle değil.
İklim değişikliği nedeniyle giderek artan aşırı sıcakların mahsul verimi üzerinde yıkıcı bir etkisi olabileceği düşünüldüğünde, bu durum özellikle önemli. Gelişmekte olan birçok ülke de bu iklimsel etkilere karşı oldukça savunmasız. Ancak yeni bir çalışma bu tahminleri yapmanın daha etkili bir yolunu buldu: bitkilerin floresanı uydu görüntüleri ile belirlemek.
Güneşten gelen bilgi
Araştırmacılar uydu fotoğraflarını kullanarak, mahsul verimini tahmin etmenin ve değerlendirmenin bir yolu olarak güneş kaynaklı klorofil floresansını (SIF) ölçtü. Güneş kaynaklı klorofil floresansı (ışıması), fotosentetik dokular ve organizmalar tarafından yeniden yayılan kırmızımsı ışık olarak da tanımlanabilir.
Araştırmada ABD’deki mısır tarlaları ve Hindistan’daki buğday örnekleri kullanılsa da bu yöntem teoride evrensel olarak kullanılabilir. Ölçüm, bitkilerdeki fotosentetik enerji dönüşümü için bir gösterge olarak kullanılabilir. Yöntem kesin bir öngörü sağlamasa da teorik olarak bir tarladaki fotosentez potansiyelini modellemenin bir yolunu sunar.
Mahsul verimini tahmin etmek için kullanılan ve büyük ölçüde mevcut veri setlerine dayanan geleneksel yöntemlerin çoğuyla karşılaştırıldığında, SIF veriye ihtiyaç duymaz. Bu nedenle veriye veya ileri teknolojiye erişimi daha düşük olan gelişmekte olan ülkeler için çok daha uygundur.
Ayrıca, değişen hava koşullarıyla başa çıkma kabiliyeti sınırlı olan diğer birçok ürün rekoltesi tahmin yönteminin aksine SIF, yeniden eğitmek için yeni verilere ihtiyaç duymadığından öngörülemeyen durumlara kolayca uyum sağlayabilir. Gerçekten de test edilen diğer yöntemlerin aksine, SIF çalışma boyunca verimi tahmin etmede çok daha isabetli oldu.
Yöntemin güçlükleri
Çalışma, SIF’in bazı zayıf yönlerini de ortaya koydu. Örneğin, ince bulut örtüsüne karşı hassas olmasa da kalın bulutlar SIF için sorun olabilir. Bu durum, kalın bulut örtüsünün ABD’dekinden daha zayıf bir performansa yol açtığı Hindistan’da gözlendi.
Ayrıca, farklı bitki türlerinden gelen karışık sinyaller, yalnızca bir üründen gelen sinyali tespit etmeye çalışan araştırmacıların amacını işini zorlaştırabilir. Ayrıca, yüksek çözünürlüklü ve ürüne özgü SIF, tahminin doğru olması için çok önemli. Ürüne özgü olmayan SIF kullanıldığında, tahminlerin doğruluğu azalıyor.
Potansiyel kullanım alanları
Yöntem, yoksulluğun tahmin edilmesine yardımcı olabilir, STK’lara mahsullerin insanları besleyip besleyemeyeceği konusunda bir fikir verebilir ve gıda yardımına ihtiyaç duyan bölgeleri daha iyi belirlemelerine olanak tanıyabilir.
Araştırmacılar şimdi bu teknolojinin gerçek zamanlı olarak kullanılıp kullanılamayacağını ve çiftçilerin toprağı değiştirmek ya da sulama stratejilerini ayarlamak gibi tarımsal uygulamalarında değişiklik yapmalarına fırsat tanıyıp tanımayacağını araştırıyor.
Araştırmadan elde edilen sonuçlar Environmental Research dergisinde yayınlandı.
