Yapay Zeka Tabanlı Kuraklık Yönetim Sisteminin Geliştirilmesi: Türkiye İçin Bir Vaka Çalışması

Abstract

Sanayi büyümesi ve kirlilik nedeniyle gelişmiş ülkeler için kuraklık ciddi bir sorun haline gelmektedir. Bu sorunun üstesinden gelmek için yenilikçi yaklaşımlara ihtiyaç vardır, bunlardan biri de yapay zeka (AI) gibi teknolojilerdir. Bu çalışma, bir veri yönetim sistemi, tahmin sistemi ve PDSI ve SPI hesaplama sistemi içeren bir AI tabanlı kuraklık yönetim sistemini tanıtmaktadır. Veri yönetim sistemi, kullanıcıların Türkiye'nin çeşitli bölgelerinden tarımsal verileri analiz etmelerine olanak tanır. Tahmin sistemi, yağış ve sıcaklık tahmin etmek için SARIMA, ARIMA ve Prophet algoritmalarını kullanır. En iyi performans gösteren algoritma, hata oranlarına göre seçilir, böylece doğru tahminler yapılır. Bu tahminler daha sonra veri yönetim sisteminde saklanır. Yapay zeka tarafından oluşturulan verilerden yararlanarak, PDSI ve SPI hesaplama sistemi bir sonraki iki yıl için PDSI ve SPI tahmin eder. Ayrıca, sistem beklenen hava koşullarını PDSI ve SPI tahminleri ile karşılaştırarak belirli bölgelerde tarımsal ürün yetiştirme riskini değerlendirir. Sonuçlar, ARIMA'nın sıcaklık ortalamalarını tahmin etmek için en uygun olduğunu, SARIMA'nın ise yağışı tahmin etmek için en iyi performansı gösterdiğini göstermektedir. 2024'te Şanlıurfa ilinde Buğday ürünleri için PDSI'nin %91 risk seviyesi ve SPI-3'ün %75 risk seviyesi olduğunu göstermektedir.

Drought presents a significant challenge for developed countries due to industrial growth and pollution. Mitigating this requires innovative methods like Artificial Intelligence (AI). This study introduces an AI-driven drought management system comprising a data management system, prediction system, and PDSI and SPI calculation system. The data management system allows users to analyze agricultural data from various regions of Turkey. The prediction system employs SARIMA, ARIMA, and Prophet algorithms to forecast precipitation and temperature. The best-performing algorithm is selected based on error rates, enabling accurate predictions. These predictions are then saved in the data management system. Leveraging AI-generated data, the PDSI and SPI calculation system forecasts PDSI and SPI for the next two years. Additionally, the system assesses the risk associated with cultivating agricultural products in specific regions by comparing expected weather conditions with PDSI and SPI forecasts. Results indicate that ARIMA is optimal for predicting temperature averages, while SARIMA performs best for forecasting precipitation. For wheat products in Şanlıurfa province in 2024, PDSI indicates an 91% risk level and SPI-3 indicates a 75% risk level.