Anlatı derlemesi incelemesi

Hassas Tarımda Akıllı Sensörler ve Nesnelerin İnterneti Entegrasyonu: Eğilimler, Zorluklar ve Gelecek Perspektifleri

Geleneksel tarım yöntemleri, iklim değişikliği ve kaynak kıtlığı nedeniyle artan küresel gıda talebini karşılamakta yetersiz kalmaktadır.

Makalenin anahtar kelimeleri

Yazar: Sheikh Mansoor et al.
Yayın: Frontiers in Plant Science
Tarih: 2025-05-14
DOI: 10.3389/fpls.2025.1587869

Makalenin Kapsamı ve Akademik İçeriği

Geleneksel tarım teknikleri, iklim değişikliği, artan girdi maliyetleri ve kaynak yetersizlikleri karşısında küresel nüfusun gıda ihtiyacını karşılamakta yetersiz kalmaktadır. Hassas tarım ise veri odaklı karar alma süreçleri vasıtasıyla su, gübre ve tarım ilacı kullanımını optimize ederek sürdürülebilir üretimi mümkün kılmaktadır. Makalenin odaklandığı temel alan bağlamı; toprak nemi, pH, sıcaklık, besin öğeleri ve bitki stresi gibi kritik parametreleri gerçek zamanlı izleyen akıllı sensörlerin tarımsal sistemlere nasıl entegre edileceğidir. Dijital dönüşümün Tarım 4.0 ve insan-makine iş birliğini merkeze alan Tarım 5.0 süreçlerindeki rolü ve bu teknolojilerin ölçeklenebilirliği akademik tartışmanın ana eksenini oluşturmaktadır.

Derleme kapsamında araştırmacılar, Web of Science veri tabanından akıllı tarım, IoT ve dijital tarım anahtar kelimeleriyle ulaşılan 6000 akademik yayını bibliyometrik analize tabi tutmuştur. VOSviewer yazılımı kullanılarak terim eş-oluşum ve atıf ağları haritalandırılmış; literatürdeki ana eğilimler sistematik biçimde sınıflandırılmıştır. Yöntemsel olarak toprak sensörleri (kapasitif, TDR, FDR, optik, elektrokimyasal), bitki stres algılayıcıları, konum ve hareket sensörleri ile IoT mimarileri ayrıntılı biçimde çözümlenmiştir. Gerçek zamanlı veri akışının bulut platformlarına iletilmesi, yapay zeka ve makine öğrenimi algoritmalarıyla işlenmesi ve otomatik eylemlere dönüştürülmesi süreçleri incelenmiştir.

Sentezlenen bulgular; IoT destekli akıllı sulama sistemlerinin geleneksel yöntemlere kıyasla su tüketiminde yüzde 30 ila 50 oranında tasarruf sağladığını ve yapay zeka tabanlı sulama planlamasının su kullanım verimliliğini yüzde 60'a kadar artırdığını göstermektedir. Ayrıca gerçek zamanlı pH, NPK besin elementi ve elektrik iletkenliği sensörlerinin hedefe yönelik gübreleme olanağı sunarak çevre kirliliğini ve girdi maliyetlerini düşürdüğü tespit edilmiştir. Derin öğrenme ve bilgisayarla görü destekli zararlı/hastalık erken uyarı sistemleri ile seralarda iklim otomasyonunun ürün verimini ve kalitesini doğrudan artırdığı ortaya konulmuştur.

Çalışmanın tartışma ve sonuç bölümlerinde, akıllı tarım teknolojilerinin potansiyeline rağmen yüksek ilk yatırım maliyetleri, kalibrasyon gereksinimleri, kırsal alanlardaki bağlantı yetersizlikleri ve siber güvenlik açıklarının yaygın benimsemeyi kısıtladığı vurgulanmaktadır. Sürdürülebilir bir tarımsal dönüşüm için veri mülkiyeti standartlarının belirlenmesi, kullanıcı dostu yerel IoT çözümlerinin geliştirilmesi ve çiftçi eğitimlerinin yaygınlaştırılması önerilmektedir. Bu derleme, Türk araştırmacılar için hassas tarımda sensör ve IoT entegrasyonuna dair kapsamlı bir teorik zemin sunmakta ve gelecek araştırmalar için somut metodolojik yollar göstermektedir.

Araştırmanın amacı

Bu derlemenin amacı, hassas tarımda IoT destekli akıllı sensörlerin son eğilimlerini, teknik ve ekonomik zorluklarını, yapay zeka entegrasyonunu ve geleceğe yönelik sürdürülebilir uygulama fırsatlarını kapsamlı bir şekilde incelemektir(Mansoor et al., 2025).

İnceleme ve modelleme yöntemi

Bu çalışma, Web of Science veri tabanından taranan 6000 akademik yayının bibliyometrik analizi ve VOSviewer yazılımıyla gerçekleştirilen görselleştirme eşliğinde hassas tarım teknolojilerini sistematik olarak inceleyen bir derleme yaklaşımı sunmaktadır(Mansoor et al., 2025).

Kuramsal ve kavramsal çerçeve

Çalışma, Tarım 1.0'dan Tarım 5.0'a uzanan teknolojik dönüşüm kuramsal modeline dayanmaktadır. Tarım 4.0'ın dijitalleşme ve otomasyon odağı ile Tarım 5.0'ın insan-makine iş birliğini ve sürdürülebilirliği merkeze alan yaklaşımı bütüncül bir çerçevede ele alınmaktadır.

Makalenin ele aldığı literatür

Makale; Tarım 1.0 (kas gücü), Tarım 2.0 (mekanizasyon ve kimyasallar), Tarım 3.0 (GPS ve GIS) ile Tarım 4.0/5.0 dijital tarım devrimi, akıllı sulama, sensör tabanlı toprak analizi, zararlı/hastalık tespiti ve tarımsal siber güvenlik alanındaki geniş literatürü sentezlemektedir.

Araştırma Tasarımı

Evren veya inceleme alanı: Web of Science veri tabanından elde edilen ve hassas tarım ile nesnelerin interneti konularını kapsayan 6000 adet güncel akademik makale.
Örneklem veya araştırma materyali: Hassas tarım, akıllı sensörler, IoT entegrasyonu, yapay zeka uygulamaları ve karşılaşılan teknik/ekonomik zorluklar üzerine odaklanan seçilmiş akademik literatür ve bibliyografik veriler.
Veri toplama süreci: Web of Science veri tabanı üzerinden belirlenen anahtar kelimeler kullanılarak makalelerin sistematik olarak derlenmesi ve bibliyografik verilerin VOSviewer yazılımına aktarılması.
Veri analiz yöntemi: VOSviewer yazılımı kullanılarak anahtar kelime eş-oluşum analizi ve ortak atıf ağlarının görselleştirilmesiyle gerçekleştirilen nitel literatür sentezi.

Hassas TarımAkıllı SensörlerNesnelerin İnterneti (IoT)Yapay Zeka (AI)Makine Öğrenimi (ML)Akıllı SulamaVeri Güvenliği ve Veri MülkiyetiSürdürülebilirlik

Araştırmanın Bulguları

Akıllı sensörler, kendi üzerlerinde yer alan mikroişlemciler sayesinde dış bir sunucuya ihtiyaç duymaksızın veriyi yerel düzeyde işleyebilme ve Wi-Fi, Bluetooth veya hücresel ağlar aracılığıyla diğer cihazlarla doğrudan iletişim kurabilme yeteneğine sahiptir(Mansoor et al., 2025).

IoT destekli akıllı sulama sistemleri; kablosuz sensörleri, bulut bilişimi ve yapay zekayı entegre ederek su dağıtımını gerçek zamanlı çevre koşullarına göre otonom olarak optimize etmekte, böylece su israfını azaltıp ürün verimliliğini artırmaktadır(Mansoor et al., 2025).

Hassas tarım teknolojilerinin yaygınlaşmasının önündeki en büyük hukuki ve yönetimsel engellerden biri, sensörler ve akıllı sistemler tarafından üretilen büyük verinin mülkiyet haklarının ve paylaşım esaslarının yasal olarak belirsiz olmasıdır(Mansoor et al., 2025).

Geleneksel tarımdan dijitalleşmeye geçişi temsil eden hassas tarım uygulamaları, IoT ve akıllı sensör entegrasyonu sayesinde kaynak yönetimini optimize ederek küresel gıda güvenliği ve sürdürülebilirlik hedeflerine ulaşmada dönüştürücü bir rol oynamaktadır(Mansoor et al., 2025).

Bulguların Tartışılması ve Araştırmanın Sonucu

Bulguların Yazarlar Tarafından Yorumlanışı

Hassas tarım ekosisteminde akıllı sensörler ve Nesnelerin İnterneti (IoT) entegrasyonu, geleneksel tarım yöntemlerinin karşılaştığı düşük verimlilik ve aşırı kaynak tüketimi gibi sorunları aşmada kilit bir rol oynamaktadır. Akıllı sensörlerin üzerinde barındırdığı lokal mikroişlemciler, veriyi toplandığı yerde doğrudan işleyerek karar alma süreçlerini hızlandırmaktadır.

Yazarlar, gerçek zamanlı veri akışının otonom sulama, gübreleme ve hastalık/zararlı yönetimi gibi kritik tarımsal müdahaleleri daha önce görülmemiş düzeyde hassas hale getirdiğini savunmaktadır. Bu durum, yalnızca girdi maliyetlerini düşürmekle kalmayıp, aynı zamanda tarımın karbon ayak izini azaltarak ekolojik dengenin korunmasına doğrudan katkı sağlamaktadır.

Buna karşın, literatürde de geniş yer bulan yüksek başlangıç yatırım maliyetleri, veri güvenliği endişeleri ve kırsal alanlardaki yetersiz bağlantı altyapısı bu teknolojilerin küçük ölçekli çiftçiler tarafından benimsenmesinin önündeki en büyük engellerdir. Özellikle veri mülkiyeti konusundaki yasal belirsizlikler, veri paylaşımı konusundaki direnci artırmaktadır.

Sonuç olarak, yapay zeka ve makine öğrenimi algoritmalarıyla zenginleştirilmiş akıllı tarım platformları, gelecekte dijital ikizler ve otonom robotlar eşliğinde çok daha esnek ve dirençli tarım sistemleri oluşturacaktır. Bu dönüşümün kapsayıcı olması için politika yapıcıların altyapı yatırımlarını desteklemesi ve çiftçilere yönelik teknik eğitimleri artırması kritik önem taşımaktadır.

Bulguların Önceki Araştırmalarla Karşılaştırılması

Yazarlar, gerçek zamanlı pH izleme sistemlerinin tuzlu topraklarda toprak düzenleyicilerle entegrasyonunun bitki gelişimini, fotosentetik aktiviteyi ve biyokütleyi artırdığını belirten Savich (2021) bulgularını sunarak, akıllı pH sensörlerinin kimyasal ve biyolojik toprak yönetimi süreçlerindeki optimizasyon potansiyelini açıklamaktadır(Mansoor et al., 2025).

Yazarlar, Elektriksel Direnç Tomografisinin (ERT) homojen saha koşullarında toprak nem dinamiklerini etkin bir şekilde izleyebildiğini fakat çevresel faktörler sebebiyle bazı sınırlılıklar barındırdığını vurgulayan de Jong ve arkadaşlarının (2020) çalışmasını aktararak, toprak nemi ölçüm yöntemlerinin doğruluk derecelerini karşılaştırmaktadır(Mansoor et al., 2025).

Sonuç Bölümünün Sunduğu Çıkarımlar

Hassas tarım teknolojileri, akıllı sensörler ve Nesnelerin İnterneti (IoT) entegrasyonu aracılığıyla tarımsal kaynakların kullanımını optimize etmek, verimliliği artırmak ve iklim değişikliği ile kaynak yetersizliği karşısında sürdürülebilir gıda üretimini desteklemek için çok güçlü bir potansiyel sunmaktadır. Ancak bu potansiyelin tam anlamıyla hayata geçirilebilmesi; yüksek ilk yatırım maliyetlerinin düşürülmesi, kırsal bölgelerdeki hücresel ağ ve bağlantı altyapısının geliştirilmesi, veri mülkiyeti ve siber güvenlik konusundaki yasal belirsizliklerin giderilmesi ve çiftçilerin teknik becerilerinin artırılması amacıyla kapsamlı eğitim programlarının hayata geçirilmesine bağlıdır(Mansoor et al., 2025).

Literatür Taraması İçin Sunduğu Çerçeve

Bu makale, hassas tarım literatüründe dağınık halde bulunan akıllı sensör teknolojileri, Nesnelerin İnterneti (IoT) platformları, yapay zeka (AI) ve makine öğrenimi (ML) entegrasyonuna ilişkin güncel bulguları bir araya getiren kapsamlı bir sentez işlevi görmektedir. Tarım 1.0'dan Tarım 5.0'a kadar olan tarihsel evrimi sistemleştirerek araştırmacılara kronolojik bir gelişim haritası sunar. Aynı zamanda, yalnızca teknik bileşenleri listelemekle kalmayıp, bu teknolojilerin uygulanması sırasında karşılaşılan yüksek ilk yatırım maliyetleri, bağlantı sorunları ve veri güvenliği gibi multidisipliner engelleri de tartışmaya açarak literatürdeki kuramsal ve pratik boşlukları doldurmaktadır.

Çalışma, önceki literatürde yer alan ve genellikle sadece tek bir sensör türüne veya sınırlı bir sulama otomasyonuna odaklanan spesifik araştırmaları daha geniş bir bağlama oturtmaktadır. Geleneksel tarımın sınırlılıklarını ve yeşil devrimin getirdiği makineleşmeyi referans alarak, akıllı tarımın evrimini Endüstri 4.0 ve 5.0 paradigmasıyla doğrudan ilişkilendirir. Önceki araştırmalarda sıklıkla göz ardı edilen veri mülkiyeti, siber saldırı riskleri ve kırsal bağlantı yetersizlikleri gibi güncel sosyo-teknik engelleri bütüncül bir yaklaşımla ele alarak, kendisinden önce yapılmış olan teknik odaklı çalışmaların sınırlarını genişletmekte ve onları tamamlamaktadır.

Bu derleme makalesi, geniş bir bibliyometrik analiz (VOSviewer ağ haritalaması) sunarak tarımdaki dijital dönüşümün küresel araştırma ağını ve eğilimlerini görselleştirmesi yönüyle literatüre metodolojik bir yenilik kazandırmaktadır. Toprak, bitki ve çevre sensörlerinin işlevlerini, maliyet analizlerini ve uygulama alanlarını sistematik tablolar halinde sunarak araştırmacılar için bir başvuru kılavuzu oluşturmuştur. Yapay zeka ve Nesnelerin İnterneti'nin birlikte nasıl daha verimli ve sürdürülebilir bir tarım ekosistemi yaratabileceğine dair sunduğu gelecek perspektifleri, gelecek dönemde yapılacak ampirik araştırmalar için bir yol haritası sunmaktadır.

Kaynakça

Savich, V. I., Artikova, H. T., Nafetdinov, S. S., & Salimova, K. H. (2021). Optimization of plant development in case of soil salinization. American Journal of Agriculture and Biomedical Engineering, 3(02), 24–29.
de Jong, S. M., Heijenk, R. A., Nijland, W., & van der Meijde, M. (2020). Monitoring soil moisture dynamics using electrical resistivity tomography under homogeneous field conditions. Sensors, 20(18), 5313.

Tez ve Makale Araştırmalarında Kullanım

Makalenin doğrulanmış yöntemi, bulguları ve kuramsal çerçevesi; tez ve makale çalışmalarında kullanılacağı bölümle birlikte aşağıdaki üç araştırma taslağına dönüştürülmüştür.

Tez veya makalede kullanım · literatüre-review

Hassas tarım uygulamalarında kullanılan akıllı sensörler, bağımsız veri işleme ve analiz yetenekleri sayesinde otonom karar almayı kolaylaştırır.

Bu iddia, tarımsal otomasyon ve edge computing (uç bilişim) konularını ele alan tezlerin literatür bölümünde sensör teknolojilerinin evrimini açıklamak için kullanılabilir(Mansoor et al., 2025).

Akıllı Tarım Sensörlerinde Yerel Veri İşleme Kapasitesinin Karar Verme Sürelerine Etkisi

Araştırma sorusu: Akıllı sensörlerde uç bilişim (onboard computing) kullanımının, tarımsal karar destek sistemlerinin otonom sulama tepki sürelerine etkisi nedir?
Yöntem taslağı: Kontrollü bir laboratuvar ve tarla deneyi tasarlanacaktır. İki farklı grup oluşturulacaktır: Birinci grupta veriler uç bilişim özellikli akıllı sensörlerle yerel olarak işlenecek; ikinci grupta ise veriler doğrudan bulut sunucusuna gönderilerek işlenecektir. Tepki süreleri milisaniye cinsinden kaydedilecek, veri doygunluğuna ulaşana kadar ölçümlere devam edilecek ve iki grup arasındaki fark t-testi ile analiz edilecektir.

Makaleyle bağlantısı: Yazarların 4. sayfada vurguladığı akıllı sensörlerin bağımsız veri işleme (onboard computing) yeteneklerinin karar alma mekanizmalarını hızlandırdığına dair tespitten türetilmiştir(Mansoor et al., 2025).

Tez veya makalede kullanım · Kavramsal çerçeve

Nesnelerin İnterneti (IoT) tabanlı akıllı sulama sistemleri, su kaynaklarının etkin korunmasını sağlayarak tarımsal sürdürülebilirliği destekler.

Tarımsal sürdürülebilirlik ve su kaynakları yönetimi üzerine kurgulanan tezlerin kuramsal çerçevesinde akıllı sulama mimarisini açıklamak için kullanılabilir(Mansoor et al., 2025).

Yapay Zeka Destekli Akıllı Sulama Sistemlerinin Su Tasarrufu ve Ürün Verimliliği Üzerindeki Etkisi

Araştırma sorusu: Yapay zeka ve makine öğrenimi algoritmalarıyla entegre edilmiş IoT sulama sistemleri, geleneksel zaman ayarlı sulama sistemlerine kıyasla su kullanım etkinliğini ne ölçüde artırır?
Yöntem taslağı: Yarı deneysel bir tarla tasarımı benimsenecektir. Deney grubunda yapay zeka entegreli otonom sulama sistemi, kontrol grubunda ise geleneksel sulama sistemi kullanılacaktır. Toprak nem sensörleri aracılığıyla su tüketimi ve ürün verimliliği parametreleri bir üretim dönemi boyunca izlenecek, veriler çok değişkenli varyans analizi (MANOVA) ile karşılaştırılacaktır.

Makaleyle bağlantısı: Makalenin 11. sayfasında ele alınan IoT, bulut bilişim ve yapay zeka entegrasyonuyla otonom hale getirilen akıllı sulama sistemlerinin su tasarrufu potansiyeline dayanmaktadır(Mansoor et al., 2025).

Tez veya makalede kullanım · Tartışma

Akıllı tarım teknolojilerinin önündeki en büyük engellerden biri, üretilen verilerin yasal mülkiyet ve paylaşım haklarındaki belirsizliktir.

Bulguların tartışılması bölümünde, akıllı tarım sistemlerinin çiftçiler tarafından benimsenme oranlarındaki düşüklüğün nedenlerini açıklamak amacıyla kullanılacaktır(Mansoor et al., 2025).

Çiftçilerin Akıllı Tarım Teknolojilerini Benimseme Kararlarında Veri Mülkiyeti Kaygılarının Rolü

Araştırma sorusu: Veri hakları, veri güvenliği ve mülkiyet belirsizliği, çiftçilerin akıllı tarım teknolojilerini benimseme niyetlerini nasıl etkilemektedir?
Yöntem taslağı: İlişkisel tarama modelinde nicel bir araştırma tasarlanacaktır. Rastgele örnekleme yöntemiyle belirlenen tarım işletmesi sahiplerine, veri güvenliği algısı ve benimseme niyeti ölçekleri uygulanacaktır. Örneklem büyüklüğü güç analizi ile belirlenecek olup, veriler yapısal eşitlik modellemesi (SEM) kullanılarak analiz edilecektir.

Makaleyle bağlantısı: Makalenin 15. sayfasında dile getirilen, çiftçilerin veri hakları ve veri paylaşımındaki belirsizlikler nedeniyle yeni teknolojileri benimsemede gösterdikleri direnç konusundan türetilmiştir(Mansoor et al., 2025).