Akıllı Tarım: Nedir, Nasıl Yapılır ve Teknolojileri Nelerdir?

Her sezon çiftlik yöneticileri ne zaman sulama yapacaklarına, tarlada nereyi kontrol edeceklerine ve bir ürünün ne kadar gübreye ihtiyaç duyduğuna karar verir. Akıllı tarım, sensörleri, yazılımları ve agronomik değerlendirmeyi tek bir rutinde birleştirerek bu kararları sahadan ölçülen koşullarla ilişkilendirir. Bu makale; akıllı tarımın nasıl çalıştığını, neleri gerektirdiğini, üreticiler ile tarım işletmelerinin sürece nasıl başlayabileceğini açıklamaktadır.

Akıllı Tarım Nedir?

Akıllı tarım; algılama ve izleme, analiz ve karar alma ile uygulama (1) olmak üzere yönetim döngüsünün her aşamasının dijital teknolojiyle desteklendiği, veriye dayalı bir çiftlik yönetimi yaklaşımıdır. Akıllı tarım teknolojileri, daha geniş kapsamlı tarım teknolojileri alanının bir parçasıdır; bu yaklaşımı tanımlayan temel unsur, sahadaki gözlemleri kararlara nasıl bağladığıdır.

Hassas tarım, tahmini mekânsal ve zamansal değişkenliğin yönetilmesine odaklanır (2). Akıllı tarım ise hava durumu veya hastalık uyarısı gibi gerçek zamanlı olaylara da yanıt vererek bu kapsamı genişletir (1). Otomasyon ve yapay zekâ, sisteme dahil olmak için zorunlu gereksinimler değil, isteğe bağlı bileşenlerdir.

Akıllı Tarım Nasıl Uygulanır?

Başlangıç noktası bir cihaz değil, yönetimsel bir problemdir:

• Problemi belirleyin: Yanlış yapıldığında en yüksek maliyete yol açan kararı (örneğin sulama zamanlaması) netleştirin.

• Uygulamaları ve verileri değerlendirin: Halihazırda nelerin kaydedildiğini ve hangi verilerin eksik olduğunu not edin.

• Araçları seçin: Her bir akıllı tarım yatırımını belirli bir veri açığıyla eşleştirin.

• Bir karar rutini oluşturun: Verileri kimin, ne sıklıkla inceleyeceğini ve hangi koşulların aksiyonu tetikleyeceğini belirleyin.

• Kapsamı genişletmeden önce değerlendirin: Ölçeği büyütmeden önce sezon sonundaki sonuçları karşılaştırın.

Sulama yönetiminde, farklı derinliklerdeki sensörler kök bölgesinin nasıl değiştiğini gösterir: Yüzeye yakın ölçümler suyun infiltrasyonunu, daha derin ölçümler ise alt toprakta depolanan suyun tükenişini izler (3). Üretici, bu ölçümleri hava tahmini ve ürünün gelişim dönemi ile birlikte değerlendirir, sulama yapıp yapmayacağına karar verir ve ardından profilin nasıl tepki verdiğini kontrol eder.

Akıllı Tarımın Bileşenleri Nelerdir?

Akıllı tarım teknolojisi; sensörler, uydular veya manuel gözlemler yoluyla veri toplama ile başlayan bir zincir halinde çalışır (1). Bağlantı altyapısı bu verileri bir platforma aktarır; burada yazılım veriyi depolar ve analitik sistemler sapmaları işaretlemek için ölçümleri agronomik normlarla karşılaştırır (1). Ardından uzmanlar sonucu yorumlayarak müdahaleye karar verir; otomasyon bazı eylemleri gerçekleştirebilir ancak kullanımı isteğe bağlıdır. Düşük veri kalitesi veya veri alışverişi yapamayan sistemler gibi zayıf bir halka, tüm zincirin değerini sınırlar (1).

Akıllı Tarımın Faydaları Nelerdir?

Temel bir fayda zamanlamadır: Toprak veya ürün durumundaki değişiklikler bir sonraki tarla ziyaretinde değil, ortaya çıktıkları anda görünür hale gelir. Ölçülen veriler; daha uygun sulama ve besleme zamanlamasını, hedefe yönelik ürün takibini, kayıtlı geçmişe dayalı planlamayı ve izlenebilirlik için yapılandırılmış kayıtları destekleyebilir.

Elde edilen her çıktı belirli koşullara bağlıdır. Sonuçlar; veri kalitesine, sensörlerin doğru yerleştirilmesine (3), doğru agronomik yoruma, yerel toprak ve iklim koşullarına göre değişiklik gösterir. Tek başına veri toplamak su tasarrufu sağlamaz veya verimi artırmaz; bu sonuçları sağlayan, veriye dayalı olarak alınan kararlardır.

En İyi Akıllı Tarım Araçları Hangileridir?

En iyi akıllı tarım araçları, tanımlanmış bir yönetim ihtiyacına uygun olanlardır. Değerlendirme kriterleri arasında işletme ölçeği, saha içi bağlantı altyapısı, mevcut sistemlerle uyumluluk, bütçe ve ekibin araçların sunduğu verilere göre harekete geçme kapasitesi yer alır.

IoT Tabanlı Akıllı Tarım Araçları

IoT (Nesnelerin İnterneti) cihazları, ölçümleri otomatik olarak ileten bağlantılı saha enstrümanlarıdır. Meteoroloji istasyonları; hava sıcaklığı, bağıl nem, yağış ve rüzgârı kaydederek don koruması, ilaçlama zamanlaması ve hastalık riski değerlendirmesi süreçlerine bilgi sağlar. Toprak nemi sensörleri, belirlenen kök bölgesi derinliklerindeki toprak su içeriğini veya tansiyonunu ölçerek sulama zamanlamasını yönlendirir.

Bu akıllı tarım ekipmanları noktasal ölçümler yapar; bu nedenle verilerin tarlayı ne kadar temsil ettiği, cihazların nereye yerleştirildiğine bağlıdır. Mississippi State University Extension, sensörlerin tarlanın baskın toprak tipine, tipik arazisine ve ortalama verimine sahip bir alana kurulmasını önermektedir (3).

Veriye Dayalı Akıllı Tarım Yazılımları

Bir akıllı tarım uygulaması; sensör verilerini, tarla kayıtlarını ve uydu görüntülerini tek bir ekranda bir araya getirir; böylece toprak nemi eğilimi, sulama geçmişi ve hava tahmini ile birlikte incelenebilir. Uydu takibi, tarlaların tamamında kanopi gelişiminin bir göstergesi olan NDVI (Normalize Edilmiş Fark Bitki Örtüsü İndeksi) gibi bitki örtüsü indekslerini haritalandırır.

NDVI zayıf gelişimin nedenini tek başına belirleyemez ve bulut örtüsü görüntü akışını kesintiye uğratabilir; bu nedenle tespit edilen anomaliler tarla kontrolleriyle doğrulanır (4). Karar destek yazılımı, birleştirilen bu genel tabloyu uyarılara, kayıtlara veya önerilere dönüştürür.

Doktar Akıllı Tarımı Nasıl Destekler?

Doktar, bu yaklaşımı tarla ölçümünden karara uzanan bağlantılı bir zincir olarak yapılandırır. FieldStation; birden fazla derinlikte toprak nemini ve toprak sıcaklığını, ayrıca hava sıcaklığı ve bağıl nemi ölçerek okumaları, düşük toprak nemi uyarılarını ve don uyarılarını Doktar App platformuna iletir. Uygulama, bu ölçümleri hedefe yönelik tarla kontrolleri için riskli alanları işaretleyen uydu tabanlı ürün sağlığı haritaları, hava durumu risk uyarıları, tarla faaliyetleri ve ekip görev kayıtları ile birleştirir. Bir akıllı tarım şirketi olarak Doktar, bu araçları agronomik uzmanlıkla bir araya getirir; böylece nihai karar üreticide kalır ve izlenebilir saha verilerine dayanır.

Akıllı Tarım Hakkında Sıkça Sorulan Sorular

Uygulamaya yönelik üç pratik soru aşağıda ele alınmıştır.

Akıllı Tarım Küçük Ölçekli Çiftlikler İçin Uygun mudur?

Uygulama aşamalı olarak ilerletildiğinde uygun olabilir. Yüksek değerli bir parselde sulama zamanlaması gibi öncelikli tek bir kararla başlamak, ilk yatırım taahhüdünü sınırlar. FAO; özellikle küçük ölçekli üreticiler için bağlantı, bilgi ve beceri, altyapı ve finansmana erişimi teknolojinin benimsenmesinde temel koşullar olarak işaret etmektedir (5).

Akıllı Tarımı Uygulamanın Maliyeti Nedir?

Maliyetler tek bir rakam belirtilemeyecek kadar geniş bir aralıkta değişir. Temel maliyet unsurları donanım, abonelikler, kurulum, bağlantı, bakım ve personel eğitimidir. Pratik bir test; bir aracın yalnızca satın alma fiyatını değil, toplam işletme maliyetini de karşılayacak sıklıkta kararları etkileyip etkilemediğini değerlendirmektir.

Akıllı Tarım Su ve Gübre Kullanımını Azaltmaya Yardımcı Olabilir mi?

Katkı sağlayabilir ancak tüketimdeki azalma garanti değildir. Toprak nemi verileri, sabit bir takvim yerine ölçülen kök bölgesi koşullarına göre sulama yapılmasını destekler. Toprak analizleri ise ürün ihtiyacına göre zamanlama ve yerleştirme ile eşleştirildiğinde 4R besin idaresinin temelini oluşturan gübre kaynağı ve uygulama dozu konusunda yol gösterir (6). Gerçek tasarruf; mevcut uygulamalara, toprağa ve iklime bağlıdır.

Akıllı tarım; ölçüm, yorumlama ve eylem tek bir rutin olarak işlediğinde sonuç verir. Doktar'ın saha donanımı ve çiftlik yönetimi yazılımlarından oluşan entegre portföyü, bu rutini her sezon sürdürmek üzere tasarlanmıştır.

Referans(lar):

(1) Wolfert, S., Ge, L., Verdouw, C., & Bogaardt, M.-J. (2017). Big Data in Smart Farming – A review. Agricultural Systems, 153, 69–80. https://doi.org/10.1016/j.agsy.2017.01.023

(2) International Society of Precision Agriculture. (2019, Temmuz). ISPA official definition of precision agriculture. ISPA Newsletter, 7(7). https://ispag.org/site/newsletter/?id=90

(3) Rix, J., Lo, H., Gholson, D., & Henry, M. (2024). Irrometer Watermark series: Location selection (Yayın 3539). Mississippi State University Extension Service. https://extension.msstate.edu/publications/irrometer-watermark-series-location-selection

(4) Mulla, D. (2020, 29 Aralık). Trends in satellite remote sensing for precision agriculture. Crops & Soils, 54(1). American Society of Agronomy, Crop Science Society of America and Soil Science Society of America. https://www.sciencesocieties.org/publications/crops-soils/2021/january-february/trends-in-satellite-remote-sensing-for-precision

(5) Food and Agriculture Organization of the United Nations. (2022). The State of Food and Agriculture 2022: Leveraging agricultural automation for transforming agrifood systems. Key messages. FAO. https://www.fao.org/3/cb9479en/online/sofa-2022/key-messages.html

(6) Liu, G., Morgan, K. T., Li, Y., Zotarelli, L., Wang, Q., & DeValerio, J. (2015). What is 4R nutrient stewardship? (HS1264). UF/IFAS Extension. https://doi.org/10.32473/edis-hs1264-2015