Boyut Azaltılmış Temel Bileşenler ve Lasso Regresyonları Kullanılarak Spektral Veri Tabanlı Bazı Kimyasal Özelliklerin Belirlenmesi

Yıl 2024, Cilt: 11 Sayı: 3, 749 – 756, 24.07.2024

Ufuk Karadavut , Ömer Sözen

https://doi.org/10.30910/turkjans.1441357

Öz

Büyüme, gelişme ve farklılaşma canlıların hayatları boyunca sürekli olarak yaşadıkları fizyolojik değişimlerdir. Özellikle bitkilerde bu kendisini farklı şekil ve boyutlarda gösterebilmektedir. Ekolojik faktörler yaşanan fizyolojik değişimleri yönlendirebilmektedir. Bunun içinde ekolojik faktörlerin özellikle belirlenmesi ve etkilerinin incelenmesi gerekmektedir. Faktörlerin ve etkilerinin belirlenebilmesi için çok farklı yöntemler kullanılabilmektedir. Özellikle çok değişkenli istatistiksel yöntemler ile regresyon analizleri bu konuda bizlere yol gösterici olmakta ve çok değerli bilgiler verebilmektedirler. Bu çalışmada baklagil tarımı yapılan topraklardan alınan örneklerin spektral analiz yöntemi ile elde edilen verileri Boyut Azaltılmış Temel Bileşenler ve Lasso Regresyonları Kullanılarak özelliklerinin belirlenmesi amaçlanmıştır. Kırşehir ilinde yürütülen bu çalışmada kil miktarı, organik madde miktarı, pH, fosfor (P), potasyum (K), kalsiyum (Ca) ve magnezyumun (Mg) miktarlarına bakılmıştır. Spektral verileri ise Vis-NIR ve XRF cihazları kullanılarak elde edilmiştir. Elde edilen bu verilerden yararlanılarak verilerin modellenmesi işlemleri gerçekleştirilmiştir. Analizlerin tümü R project programında yapılmıştır. Elbow kuralı, temel hata kareler ortalamasını (RMSE) en aza indirmek için kullanılmıştır. Sonuç olarak spektral analiz sonuçlarının kullanılmasının kişiye bağlılığı azaltabileceği gibi ciddi tasarruf sağlayabilecek nitelikte bulunmuştur. Ancak bu konuda çok daha fazla çalışmanın yapılması ileriye yönelik olarak yapılacak çalışmalarda hata payının azaltılmasına katkı sağlayabilecektir.

Anahtar Kelimeler

Spektral Analiz, Temel Bileşenler Analizi, Losso Regresyon Toprak Özellikleri, Besin Maddeleri

Kaynakça

• Aldemir, Ö. ve Ceyhan, E. 2015. Salinity response of some chickpea (Cicer arietinum L.) genotypes in germination and seedling growth of periods. 17th International Conference on Agricultural Engineering, Roma, WASET, ICAE 2015, 17: 668-674.
• Balaban, M. ve Adak, M. S. 2024. Farklı tohum yatağı hazırlığı ve taban gübrelerin nohut verim ve verim öğeleri üzerine etkisi. Türk Tarım ve Doğa Bilimleri Dergisi, 11 (1): 36-48 s.
• Baumann, D. T., Bastiaans, L., Goudriaan, J., van Laar, H. H. ve Kropff, M. J. 2002. Analysing crop yield and plant quality in an intercropping system using an eco-physiological model for interplant competition. Agricultural Systems, 73 (2): 173-203 p.
• Bellon-Maurel, V., Fernandez-Ahumada, E., Palagos, B., Roger, J. M. ve McBratney, A. 2010. Critical review of chemometric indicators commonly used for assessing the quality of the prediction of soil attributes by NIR spectroscopy. TrAC Trends Anal. Chem., 29: 1073-1081 p.
• Benedet, L., Faria, W. M., Silva, S. H. G., Mancini, M., Demattê, J. A. M., Guilherme, L. R. G. ve Curi, N. 2020. Taşınabilir X-ışını floresans spektrometrisi ve görünür yakın kızılötesi dağınık yansıma spektroskopisi kullanılarak toprak dokusu tahmini. Geoderma, 376: 114553.
• Bholowalia, P. ve Kumar, A. 2014. EBK-Means: A clustering technique based on elbow method and K-Means in WSN. International Journal of Computer Applications, 105 (9): 17-24 p.
• Biancolillo, A. ve Marini, F. 2018. Chemometrics applied to plant spectral analysis. Comprehensive Analytical Chemistry, 80: 69-104 p.
• Brewin, N. J. 2004. Plant cell wall remodelling in the rhizobium-legume symbiosis. Critical Reviews in Plant Sciences, 23 (4): 293-316 p.
• Caetano-Anoll´es, G. ve Gresshoff, P. M. 1991. Plant genetic control of nodulation. Annu. Rev. Microbiol., 45: 345-382 p.
• Demirkaya, S. ve Öztürk, E. 2022. Buğdayda verim ve verimin miktarına toprak etkisi. Toprak Bilimi ve Bitki Besleme Dergisi, 10 (2): 159-164 s.
• Doğan, Y., Ertaş, M. ve Doğan, S. 2023. Nohut (Cicer arietinum L.) çeşitlerinin Mardin-Kızıltepe ve Şanlıurfa-Bozova koşullarında verim ve verim unsurları bakımından değerlendirilmesi. Türk Tarım ve Doğa Bilimleri Dergisi, 10 (3): 739-749 s.
• Diks, C. G. ve Vrugt, J. A. 2010. Comparison of point forecast accuracy of model averaging methods in hydrologic applications. Stoch. Environ. Res. Risk Assess., 24: 809-820 p.
• Draper, N. R. ve Smith, H. 1998. Applied Regression Analysis. Wiley Series in Probability and Statistics.
• Düzgüneş, O. ve Akman, N. 1985. Varyasyon Kaynakları. Ankara Üniversitesi Ziraat Fakültesi Yayınları, Ankara.
• Elvidge, C. D. ve Lyon, R. J. P. 1985. Influence of rock-soil spectral variation on the assessment of green biomass, Remote Sensing of Environment, 17 (3): 265-279 p.
• Ferguson, B. J., Indrasumunar, A., Hayashi, S., Lin, M. H., Lin, Y. H., Reid D. E. ve Gresshoff, P. M. 2010. Molecular analysis of legume nodule development and autoregulation. J. Integr. Plant Biol., 52 (1): 61-76 p.
• Gage, D. J. 2004. Infection and invasion of roots by symbiotic, nitrogen-fixing rhizobia during nodulation of temperate legumes. Microbiol Molecular Biol Rev., 68 (2): 280-300 p.
• He, T., Wang, J., Lin, Z. ve Cheng, Y. 2000. Spectral features of soil organic matter. Geo-spat. Inf. Sci., 12: 33-40 p.
• Heinze, S., Vohland, M., Joergensen, R. G. ve Ludwig, B. 2013. Usefulness of near infrared spectroscopy for the prediction of chemical and biological soil properties in different longterm experiments. J. Plant Nutr. Soil Sci., 176 (4): 520-528 p.
• Kacar, B. 2012. Temel Bitki Besleme. Nobel Akademik Yayıncılık, Ankara.
• Kotthoff, L., Thornton, C., Hoos, H. H., Hutter, F. ve Leyton-Brown, K. 2019. Auto-WEKA: Automatic model selection and hyperparameter optimization in WEKA. In Automated Machine Learning, 81-95 p.
• Kuang, B., Mahmood, H. S., Quraishi, M. Z., Hoogmoed, W. B., Mouazen, A. M. ve Van Henten, E. J. 2012. Sensing soil properties in the laboratory, in situ, and on-line: A review. In Advances in Agronomy; Sparks, D.L., Ed.; Academic Press: London, UK, 155-223.
• Melkumova, L. E. ve Shatskikh, S. 2017. Comparing ridge and LASSO estimators for data analysis. Procedia Engineering, 201: 746-755 p.
• Molin, J. P. ve Tavares, T. R. 2019. Sensor systems for mapping soil fertility attributes: Challenges, Advances, and Perspectives in Brazilian Tropical Soils. Eng. Agrícola, 39: 126-147 p.
• Nawar, S., Delbecque, N., Declercq, Y., De Smedt, P., Finke, P., Verdoodt, A. ve Mouazen, A. M. 2019. Can spectral analyses improve measurement of key soil fertility parameters with X-ray fluorescence spectrometry? Geoderma, 350: 29-39 p.
• O’Rourke, S. M., Stockmann, U., Holden, N. M., McBratney, A. B. ve Minasny, B. 2016. An assessment of model averaging to improve predictive power of portable vis-NIR and XRF for the determination of agronomic soil properties. Geoderma, 279: 31-44 p.
• Öztürk, E. 2021. Toprak analizleri ve yorumlanması. Karadeniz Tarımsal Araştırma Enstitüsü Müdürlüğü.https://arastirma.tarimorman.gov.tr/Toprak_Analizleri_ve_Yorumlanmasi.pdf.
• Palacios-Orueta, A. ve Ustin, S. L. 1996. Multivariate classification of soil spectra. Remote Sens. Environ, 57: 108-118.
• Parat, C., Chaussod, R., Leveque, J., Dousset, S. ve Andreux, F. 2002. The relationship between copper accumulated in vineyard calcareous soils and soil organic matter and iron. European Journal of Soil Science, 53 (4): 663-669 p.
• Pasquini, C. 2018. Near infrared spectroscopy: A mature analytical technique with new perspectives–A review. Anal. Chim. Acta., 1026: 8-36 p.
• Rossel, R. A., Behrens, T., Ben-Dor, E., Brown, D.J., Demattê, J. A. M., Shepherd, K. D., Shi, Z., Stenberg, B., Stevens, A., Adamchuk, V., Aïchi, H., Barthès, B. G, Bartholomeus, H. M., Bayer, A. D., Bernoux, M., Böttcher, K., Brodský, ., Du, C. W., Chappell, A., Fouad,Y., Genot, V., Gomez, C., Grunwald, S., Gubler, A., Guerrero, C., Hedley, C. B., Knadel, M., Morrás, H. J. M., Nocita, M., Ramirez-Lopez, L., Roudier, P., Rufasto Campos, E. M., Sanborn, P., Sellitto, V. M., Sudduth, K. A., Rawlins, B. G., Walter, C., Winowiecki, L. A., Hong, S. Y. ve Ji, W. 2016. A global spectral library to characterize the world's soil. Earth-Science Reviews, 155: 198-230 p,
• Robertson, J. G. ve Lyttleton, P. 1984. Division of peri bacteroid membranes in root nodules of white clover. J. Cell Sci., 69: 147-157 p.
• Rossel, R. A. V., Cattle, S. R., Ortega, A. ve Fouad, Y. 2009. In situ measurements of soil color, mineral composition and clay content by vis–NIR spectroscopy. Geoderma, 150 (3-4): 253-266 p,
• Rossel, V. R. A. ve Webster, R. 2011. Discrimination of Australian soil horizons and classes from their visible–near infrared spectra. Eur. Journal Soil Sci., 62 (4): 637-647 p.
• Rossel, V. R. A., Adamchuk, V. I., Sudduth, K. A., McKenzie, N. J. ve Lobsey, C. 2011. Proximal soil sensing: An effective approach for soil measurements in space and time. In Advances in Agronomy; Sparks, D.L., Ed.; Academic Press: London, UK, 2011; pp. 243-291 p.
• Saygın, S. D. ve Aydın, M. 2023. Toprak ve Su Koruma. Nobel Yayınları, Yayın No: 5051, Ankara.
• Sharma, A., Weindorf, D. C., Man, T. ve Aldabaa, A. A. A. 2014. Chakraborty, S. Characterizing soils via portable X-ray fluorescence spectrometer: 3, Soil reaction (pH). Geoderma, 232: 141-147 p.
• Shedecor, G. W. ve Cochran, W. G. 1989. Staistical Methods. 8nd ed. Iowa State Univ Press. Silva, S. H. G., Teixeira, A. F. D. S., Menezes, M. D. D., Guilherme, L. R. G., Moreira, F. M. D. S. ve Curi, N. 2017. Multiple linear regression and random forest to predict and map soil properties using data from portable X-ray fluorescence spectrometer. Ciência Agrotecnol, 41: 648-664 p.
• Sözen, Ö. ve Yağmur, M. 2021. Kırşehir ekolojik koşullarında bazı mercimek (Lens culinaris L.) çeşitlerinin tarımsal özelliklerinin ve özellikler arası ilişkilerin belirlenmesi. 21. Yüzyılda Fen ve Teknik Dergisi, 8 (15): 15-32 s.
• Sözen, Ö. ve Uçar, S. 2022. Nohut (Cicer arietinum L.) Yetiştiriciliği. Yemeklik Tane Baklagil Yetiştiriciliği ve Islahı. Editör: Prof. Dr. Tolga Karaköy. İksad Yayınları.
• Urbano, G., Porres, J. M., Frias, J. ve Concepeio, V. V. 2007. Nutritional Value. Lentil. S. Yadav, D. McNeil and P. Stevenson, 47-93, Springer Netherlands.
• Uzun Kayıs, S. ve Ceyhan, E. 2015. Salinity tolerance during germination and seedling growth of some lentil (Lens culinaris Medic.) cultivars. Selcuk Journal of Agriculture and Food Sciences, 29 (1): 15-24 p.
• Wang, D., Chakraborty, S., Weindorf, D. C., Li, B., Sharma, A., Paul, S. ve Ali, N. 2015. Synthesized use of VisNIR DRS and PXRF for soil characterization: Total carbon and total nitrogen. Geoderma, 243-244, 157-167.
• Wei, M. C. F., Canal Filho, R., Tavares, T. R., Molin, J. P. ve Vieira, A. M. C. 2022. Dimensionality reduction statistical models for soil attribute prediction based on raw spectral data. AI, 3: 809-819.
• Weih, M., Westerbergh, A. ve Lundquist, P. O. 2017. Role of nutrient-efficient plants for improving crop yields: bridging plant ecology, physiology, and molecular biology. Chapter 2. In Plant Macronutrient Use Efficiency. Editor(s): Mohammad Anwar Hossain, Takehiro Kamiya, David J. Burritt, Lam-Son Phan Tran, Toru Fujiwara, Academic Press, 31-44 p.
• Wijewardane, N. K., Ge, Y. ve Morgan, C. L. S. 2016a. Moisture insensitive prediction of soil properties from VNIR reflectance spectra based on external parameter orthogonalization. Geoderma, 267: 92-101 p.
• Wijewardane, N. K., Ge, Y. ve Morgan, C. L. S. 2016b. Prediction of soil organic and inorganic carbon at different moisture contents with dry ground VNIR: a comparative study of different approaches. European Journal of Soil Science, 67 (5): 605-615 p.
• Wollenhaupt, N. C., Wolkowski, R. P. ve Clayton, M. K. 1994. Mapping soil test phosphorus and potassium for variable-rate fertilizer application. J. Prod. Agric., 7: 441-448 p.
• Yano, K., Yoshida, S., Muller, J., Singh, S., Banba, M., Vickers, K., Markmann, K., White, C., Schuller, B., Sato, S., Asamizu, E., Tabata, S., Murooka, Y., Perry, J., Wang, T. L., Kawaguchi, M., Imaizumi- Anraku, H., Hayashi, M. ve Parniske, M. 2008. CYCLOPS, a mediator of symbiotic intracellular accommodation. Proc. Natl. Acad. Sci., 105: 20540-20545.

As Spectral Database-Based Determination of Some Chemical Properties Using Dimensionally Reduced Principal Components and Lasso Regressions

Yıl 2024, Cilt: 11 Sayı: 3, 749 – 756, 24.07.2024

Ufuk Karadavut , Ömer Sözen

https://doi.org/10.30910/turkjans.1441357

Öz

Growth, development and differentiation are physiological changes that living things constantly experience throughout their lives. Especially in plants, this can manifest itself in different shapes and sizes. Ecological factors can direct the physiological changes experienced. For this purpose, ecological factors must be specifically identified and their effects examined. Many different methods can be used to determine factors and their effects. In particular, multivariate statistical methods and regression analyzes guide us in this regard and can provide very valuable information. In this study, it was aimed to determine the properties of samples taken from legume cultivated lands using the data obtained by the spectral analysis method using Dimensionally Reduced Principal Components and Lasso Regressions. In this study conducted in Kırşehir province, the amount of clay, amount of organic matter, pH, phosphorus (P), potassium (K), calcium (Ca) and magnesium (Mg) were examined. Spectral data were obtained using Vis-NIR and XRF devices. Modeling of the data was carried out by using the data obtained. All analyzes were made in the R project program. Elbow rule was used to minimize the basic mean square error (RMSE). As a result, it has been found that the use of spectral analysis results can reduce personal dependence and provide serious savings. However, conducting more studies on this subject may contribute to reducing the margin of error in future studies.

Anahtar Kelimeler

Spectral Analysis, Principal Component Analysis, Losso Regression Soil Properties, Plants Nutrients

Kaynakça

• Aldemir, Ö. ve Ceyhan, E. 2015. Salinity response of some chickpea (Cicer arietinum L.) genotypes in germination and seedling growth of periods. 17th International Conference on Agricultural Engineering, Roma, WASET, ICAE 2015, 17: 668-674.
• Balaban, M. ve Adak, M. S. 2024. Farklı tohum yatağı hazırlığı ve taban gübrelerin nohut verim ve verim öğeleri üzerine etkisi. Türk Tarım ve Doğa Bilimleri Dergisi, 11 (1): 36-48 s.
• Baumann, D. T., Bastiaans, L., Goudriaan, J., van Laar, H. H. ve Kropff, M. J. 2002. Analysing crop yield and plant quality in an intercropping system using an eco-physiological model for interplant competition. Agricultural Systems, 73 (2): 173-203 p.
• Bellon-Maurel, V., Fernandez-Ahumada, E., Palagos, B., Roger, J. M. ve McBratney, A. 2010. Critical review of chemometric indicators commonly used for assessing the quality of the prediction of soil attributes by NIR spectroscopy. TrAC Trends Anal. Chem., 29: 1073-1081 p.
• Benedet, L., Faria, W. M., Silva, S. H. G., Mancini, M., Demattê, J. A. M., Guilherme, L. R. G. ve Curi, N. 2020. Taşınabilir X-ışını floresans spektrometrisi ve görünür yakın kızılötesi dağınık yansıma spektroskopisi kullanılarak toprak dokusu tahmini. Geoderma, 376: 114553.
• Bholowalia, P. ve Kumar, A. 2014. EBK-Means: A clustering technique based on elbow method and K-Means in WSN. International Journal of Computer Applications, 105 (9): 17-24 p.
• Biancolillo, A. ve Marini, F. 2018. Chemometrics applied to plant spectral analysis. Comprehensive Analytical Chemistry, 80: 69-104 p.
• Brewin, N. J. 2004. Plant cell wall remodelling in the rhizobium-legume symbiosis. Critical Reviews in Plant Sciences, 23 (4): 293-316 p.
• Caetano-Anoll´es, G. ve Gresshoff, P. M. 1991. Plant genetic control of nodulation. Annu. Rev. Microbiol., 45: 345-382 p.
• Demirkaya, S. ve Öztürk, E. 2022. Buğdayda verim ve verimin miktarına toprak etkisi. Toprak Bilimi ve Bitki Besleme Dergisi, 10 (2): 159-164 s.
• Doğan, Y., Ertaş, M. ve Doğan, S. 2023. Nohut (Cicer arietinum L.) çeşitlerinin Mardin-Kızıltepe ve Şanlıurfa-Bozova koşullarında verim ve verim unsurları bakımından değerlendirilmesi. Türk Tarım ve Doğa Bilimleri Dergisi, 10 (3): 739-749 s.
• Diks, C. G. ve Vrugt, J. A. 2010. Comparison of point forecast accuracy of model averaging methods in hydrologic applications. Stoch. Environ. Res. Risk Assess., 24: 809-820 p.
• Draper, N. R. ve Smith, H. 1998. Applied Regression Analysis. Wiley Series in Probability and Statistics.
• Düzgüneş, O. ve Akman, N. 1985. Varyasyon Kaynakları. Ankara Üniversitesi Ziraat Fakültesi Yayınları, Ankara.
• Elvidge, C. D. ve Lyon, R. J. P. 1985. Influence of rock-soil spectral variation on the assessment of green biomass, Remote Sensing of Environment, 17 (3): 265-279 p.
• Ferguson, B. J., Indrasumunar, A., Hayashi, S., Lin, M. H., Lin, Y. H., Reid D. E. ve Gresshoff, P. M. 2010. Molecular analysis of legume nodule development and autoregulation. J. Integr. Plant Biol., 52 (1): 61-76 p.
• Gage, D. J. 2004. Infection and invasion of roots by symbiotic, nitrogen-fixing rhizobia during nodulation of temperate legumes. Microbiol Molecular Biol Rev., 68 (2): 280-300 p.
• He, T., Wang, J., Lin, Z. ve Cheng, Y. 2000. Spectral features of soil organic matter. Geo-spat. Inf. Sci., 12: 33-40 p.
• Heinze, S., Vohland, M., Joergensen, R. G. ve Ludwig, B. 2013. Usefulness of near infrared spectroscopy for the prediction of chemical and biological soil properties in different longterm experiments. J. Plant Nutr. Soil Sci., 176 (4): 520-528 p.
• Kacar, B. 2012. Temel Bitki Besleme. Nobel Akademik Yayıncılık, Ankara.
• Kotthoff, L., Thornton, C., Hoos, H. H., Hutter, F. ve Leyton-Brown, K. 2019. Auto-WEKA: Automatic model selection and hyperparameter optimization in WEKA. In Automated Machine Learning, 81-95 p.
• Kuang, B., Mahmood, H. S., Quraishi, M. Z., Hoogmoed, W. B., Mouazen, A. M. ve Van Henten, E. J. 2012. Sensing soil properties in the laboratory, in situ, and on-line: A review. In Advances in Agronomy; Sparks, D.L., Ed.; Academic Press: London, UK, 155-223.
• Melkumova, L. E. ve Shatskikh, S. 2017. Comparing ridge and LASSO estimators for data analysis. Procedia Engineering, 201: 746-755 p.
• Molin, J. P. ve Tavares, T. R. 2019. Sensor systems for mapping soil fertility attributes: Challenges, Advances, and Perspectives in Brazilian Tropical Soils. Eng. Agrícola, 39: 126-147 p.
• Nawar, S., Delbecque, N., Declercq, Y., De Smedt, P., Finke, P., Verdoodt, A. ve Mouazen, A. M. 2019. Can spectral analyses improve measurement of key soil fertility parameters with X-ray fluorescence spectrometry? Geoderma, 350: 29-39 p.
• O’Rourke, S. M., Stockmann, U., Holden, N. M., McBratney, A. B. ve Minasny, B. 2016. An assessment of model averaging to improve predictive power of portable vis-NIR and XRF for the determination of agronomic soil properties. Geoderma, 279: 31-44 p.
• Öztürk, E. 2021. Toprak analizleri ve yorumlanması. Karadeniz Tarımsal Araştırma Enstitüsü Müdürlüğü.https://arastirma.tarimorman.gov.tr/Toprak_Analizleri_ve_Yorumlanmasi.pdf.
• Palacios-Orueta, A. ve Ustin, S. L. 1996. Multivariate classification of soil spectra. Remote Sens. Environ, 57: 108-118.
• Parat, C., Chaussod, R., Leveque, J., Dousset, S. ve Andreux, F. 2002. The relationship between copper accumulated in vineyard calcareous soils and soil organic matter and iron. European Journal of Soil Science, 53 (4): 663-669 p.
• Pasquini, C. 2018. Near infrared spectroscopy: A mature analytical technique with new perspectives–A review. Anal. Chim. Acta., 1026: 8-36 p.
• Rossel, R. A., Behrens, T., Ben-Dor, E., Brown, D.J., Demattê, J. A. M., Shepherd, K. D., Shi, Z., Stenberg, B., Stevens, A., Adamchuk, V., Aïchi, H., Barthès, B. G, Bartholomeus, H. M., Bayer, A. D., Bernoux, M., Böttcher, K., Brodský, ., Du, C. W., Chappell, A., Fouad,Y., Genot, V., Gomez, C., Grunwald, S., Gubler, A., Guerrero, C., Hedley, C. B., Knadel, M., Morrás, H. J. M., Nocita, M., Ramirez-Lopez, L., Roudier, P., Rufasto Campos, E. M., Sanborn, P., Sellitto, V. M., Sudduth, K. A., Rawlins, B. G., Walter, C., Winowiecki, L. A., Hong, S. Y. ve Ji, W. 2016. A global spectral library to characterize the world's soil. Earth-Science Reviews, 155: 198-230 p,
• Robertson, J. G. ve Lyttleton, P. 1984. Division of peri bacteroid membranes in root nodules of white clover. J. Cell Sci., 69: 147-157 p.
• Rossel, R. A. V., Cattle, S. R., Ortega, A. ve Fouad, Y. 2009. In situ measurements of soil color, mineral composition and clay content by vis–NIR spectroscopy. Geoderma, 150 (3-4): 253-266 p,
• Rossel, V. R. A. ve Webster, R. 2011. Discrimination of Australian soil horizons and classes from their visible–near infrared spectra. Eur. Journal Soil Sci., 62 (4): 637-647 p.
• Rossel, V. R. A., Adamchuk, V. I., Sudduth, K. A., McKenzie, N. J. ve Lobsey, C. 2011. Proximal soil sensing: An effective approach for soil measurements in space and time. In Advances in Agronomy; Sparks, D.L., Ed.; Academic Press: London, UK, 2011; pp. 243-291 p.
• Saygın, S. D. ve Aydın, M. 2023. Toprak ve Su Koruma. Nobel Yayınları, Yayın No: 5051, Ankara.
• Sharma, A., Weindorf, D. C., Man, T. ve Aldabaa, A. A. A. 2014. Chakraborty, S. Characterizing soils via portable X-ray fluorescence spectrometer: 3, Soil reaction (pH). Geoderma, 232: 141-147 p.
• Shedecor, G. W. ve Cochran, W. G. 1989. Staistical Methods. 8nd ed. Iowa State Univ Press. Silva, S. H. G., Teixeira, A. F. D. S., Menezes, M. D. D., Guilherme, L. R. G., Moreira, F. M. D. S. ve Curi, N. 2017. Multiple linear regression and random forest to predict and map soil properties using data from portable X-ray fluorescence spectrometer. Ciência Agrotecnol, 41: 648-664 p.
• Sözen, Ö. ve Yağmur, M. 2021. Kırşehir ekolojik koşullarında bazı mercimek (Lens culinaris L.) çeşitlerinin tarımsal özelliklerinin ve özellikler arası ilişkilerin belirlenmesi. 21. Yüzyılda Fen ve Teknik Dergisi, 8 (15): 15-32 s.
• Sözen, Ö. ve Uçar, S. 2022. Nohut (Cicer arietinum L.) Yetiştiriciliği. Yemeklik Tane Baklagil Yetiştiriciliği ve Islahı. Editör: Prof. Dr. Tolga Karaköy. İksad Yayınları.
• Urbano, G., Porres, J. M., Frias, J. ve Concepeio, V. V. 2007. Nutritional Value. Lentil. S. Yadav, D. McNeil and P. Stevenson, 47-93, Springer Netherlands.
• Uzun Kayıs, S. ve Ceyhan, E. 2015. Salinity tolerance during germination and seedling growth of some lentil (Lens culinaris Medic.) cultivars. Selcuk Journal of Agriculture and Food Sciences, 29 (1): 15-24 p.
• Wang, D., Chakraborty, S., Weindorf, D. C., Li, B., Sharma, A., Paul, S. ve Ali, N. 2015. Synthesized use of VisNIR DRS and PXRF for soil characterization: Total carbon and total nitrogen. Geoderma, 243-244, 157-167.
• Wei, M. C. F., Canal Filho, R., Tavares, T. R., Molin, J. P. ve Vieira, A. M. C. 2022. Dimensionality reduction statistical models for soil attribute prediction based on raw spectral data. AI, 3: 809-819.
• Weih, M., Westerbergh, A. ve Lundquist, P. O. 2017. Role of nutrient-efficient plants for improving crop yields: bridging plant ecology, physiology, and molecular biology. Chapter 2. In Plant Macronutrient Use Efficiency. Editor(s): Mohammad Anwar Hossain, Takehiro Kamiya, David J. Burritt, Lam-Son Phan Tran, Toru Fujiwara, Academic Press, 31-44 p.
• Wijewardane, N. K., Ge, Y. ve Morgan, C. L. S. 2016a. Moisture insensitive prediction of soil properties from VNIR reflectance spectra based on external parameter orthogonalization. Geoderma, 267: 92-101 p.
• Wijewardane, N. K., Ge, Y. ve Morgan, C. L. S. 2016b. Prediction of soil organic and inorganic carbon at different moisture contents with dry ground VNIR: a comparative study of different approaches. European Journal of Soil Science, 67 (5): 605-615 p.
• Wollenhaupt, N. C., Wolkowski, R. P. ve Clayton, M. K. 1994. Mapping soil test phosphorus and potassium for variable-rate fertilizer application. J. Prod. Agric., 7: 441-448 p.
• Yano, K., Yoshida, S., Muller, J., Singh, S., Banba, M., Vickers, K., Markmann, K., White, C., Schuller, B., Sato, S., Asamizu, E., Tabata, S., Murooka, Y., Perry, J., Wang, T. L., Kawaguchi, M., Imaizumi- Anraku, H., Hayashi, M. ve Parniske, M. 2008. CYCLOPS, a mediator of symbiotic intracellular accommodation. Proc. Natl. Acad. Sci., 105: 20540-20545.

Toplam 49 adet kaynakça vardır.

Ayrıntılar

Kaynak Göster

Download or read online: Click here