Scientific Reports'ta 20 Ağustos 2026'da yayımlanan çalışma, İran'ın güneybatısındaki Khuzestan taşkın ovasında tarım topraklarındaki çinko, nikel, krom ve kurşunun mekânsal dağılımını makine öğrenmesiyle haritaladı. Araştırmacılar 0–10 santimetre derinlikten 200 yüzey toprağı örneği aldı; uydu, topoğrafya ve çevresel verilerden seçilen 17 tahmin değişkenini rastgele orman, destek vektör regresyonu ve kısmi en küçük kareler modelleriyle karşılaştırdı. Rastgele ormanın doğrulama R² değerleri krom için 0,38 ile kurşun için 0,52 arasında kaldı. Önyükleme analizi, ortalama birleşik riskin ve özellikle yüksek riskli sıcak noktaların eksik tahmin edilebildiğini gösterdi. Harita bu nedenle laboratuvar ölçümünün yerine geçen kesin sınır değil, örnekleme önceliği aracıdır.
İki yüz örnek çevresel katmanlarla birleştirildi
Numunelerde dört element ölçüldü ve arazi yüzeyiyle ilişkili uydu indeksleri, topoğrafya, iklim ve konumsal değişkenler hazırlandı. Temel bileşen analizi sonrasında 17 değişken model girdisi olarak kullanıldı. NDVI ve CNBL gibi katmanların tahminlerde etkili olduğu bildirildi. Bu ilişkiler bitki örtüsü, yüzey süreçleri ve birikim bölgelerini dolaylı biçimde temsil edebilir.
Örnekleme derinliğinin 0–10 santimetre olması, yüzey yönetimi ve taşkın birikimine duyarlıdır. Kök bölgesinin daha derin kısmı, sulama suyu ve ürün dokusundaki gerçek maruziyet ayrıca ölçülmelidir. Bir elementin toplam toprak konsantrasyonu da bitki tarafından alınabilir fraksiyonla aynı değildir; pH, organik madde, kil ve redoks koşulları biyoyararlanımı değiştirir.
Model başarısı orta düzeyde ve elemente göre değişti
Rastgele orman modelleri karşılaştırmada öne çıksa da R² değerleri gözlenen değişkenliğin yaklaşık yarısının veya daha azının açıklandığını gösteriyor. Krom için 0,38 ve kurşun için 0,52, bölgesel örüntü yakalandığını fakat parsel düzeyinde önemli hata kaldığını anlatır. RMSE ve MAE gibi mutlak hata ölçütleri, tarımsal eşiklere yakın alanlarda R²'den daha doğrudan karar desteği sağlayabilir.
Harita renklerinin keskin görünmesi modelin belirsizliğini ortadan kaldırmaz. Örnek noktaları arasındaki mesafe, eğitim-test ayrımı ve mekânsal otokorelasyon performansı iyimser gösterebilir. Model yeni bir alana taşındığında jeoloji, taşkın tarihi, sulama suyu ve sanayi kaynakları değişebilir. Yerel numune olmadan sınıf etiketi kesin kabul edilmemelidir.
Birleşik risk üç yönetim sınıfına ayrıldı
Çalışma, dört elementi normalize edilmiş kirlilik indeksiyle bir araya getirdi ve 0,42–1,56 aralığında değerler hesapladı. Sonuçlar üç uyarlanabilir yönetim bölgesine dönüştürüldü. Böyle bir sınıflama, ayrıntılı numune ve iyileştirme bütçesini öncelikli alanlara yönlendirebilir. Ancak birleşik indeks, hangi elementin baskın olduğunu ve maruziyet yolunu tek renkte gizleyebilir.
Yönetim kararı için element bazlı laboratuvar sonucu, ürün türü, sulama kaynağı, toprak pH'ı ve gıda/yem kullanım amacı birlikte görülmelidir. Yüksek sınıf otomatik olarak toprağın tarımdan çıkarılması; düşük sınıf ise hiçbir kontrol gerekmediği anlamına gelmez. Eşikler ulusal mevzuat, örnekleme yöntemi ve insan-hayvan maruziyet yoluyla uyumlu olmalıdır.
Önyükleme analizi en kritik sınırlılığı görünür kıldı
Araştırmacılar model belirsizliğini önyükleme ile yeniden örneklediğinde, ortalama riskin ve yüksek riskli sıcak noktaların belirgin biçimde düşük tahmin edilebildiğini buldu. Bu bulgu, çevresel risk haritalarında en pahalı hatanın bazen yanlış alarm değil tehlikeli alanı güvenli göstermesi olduğunu hatırlatıyor. Belirsizlik katmanı yönetim haritasıyla birlikte sunulmadığında kullanıcı renkleri ölçüm gibi yorumlayabilir.
Türkiye'deki taşkın ovaları veya sulama havzalarında benzer yöntem kullanılırsa önce örnekleme tasarımı jeoloji, akış yolu ve olası kaynaklara göre tabakalanmalıdır. Harita, yeni numune yerlerini seçmeli; seçilen sıcak ve düşük riskli noktalarda bağımsız laboratuvar doğrulaması yapılmalıdır. Ürün dokusu ve su analizi eklenmeden gıda güvenliği sonucu çıkarılmamalı, iyileştirme başarısı aynı protokolle tekrar ölçülmelidir.
Neden önemli?
Makine öğrenmesi sınırlı örnekleme bütçesini riskli alanlara yönlendirebilir; çalışma, belirsizlik hesaba katılmadığında özellikle yüksek riskli noktaların gözden kaçabileceğini açık biçimde gösteriyor.
Türkiye için ne ifade ediyor?
Türkiye'deki taşkın ovası ve yoğun sulama alanlarında yöntem ön tarama için değerlendirilebilir. Kesin karar için yerel mevzuata uygun bağımsız toprak, su ve ürün analizi; element bazlı yorum ve görünür belirsizlik katmanı gerekir.
Birincil kaynaklar
Olgusal bilgiler aşağıdaki resmî veya doğrudan kurumsal kaynaklarla kontrol edildi.
