Cultivation Planning Across Europe using Machine Learning Techniques

Kubilay DEMİR

doi:https://doi.org/10.31590/ejosat.822785

Makale detayları

Cultivation Planning Across Europe using Machine Learning Techniques

Yazarlar:

Kubilay DEMİR

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 21, pp.697-707

Belge Tipi:

Makale

Yayın Tarihi:

1/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000918391

Sıklık:

Üç Aylık

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.822785

Anahtar kelimeler:

Özet:

 

Due to their limited accessibility to the soil information and price prediction information of the agricultural products, farmers grow their crops based on the common practice in their regions. This leads to non-sustainability in agriculture and imbalance between farmers' production and customers' demand, respectively. To address the above-mentioned issues, we propose an ICT-based cultivation planning policy and system, named AgriTrade. The basic operation of AgriTrade lies in, first, incenting farmers to participate in the cultivation planning in an interactive manner using a mobile app, second, employing machine learning algorithms to provide high precision price and soil information for farmers using data collected from across the supply chain. To demonstrate the feasibility of AgriTrade, we carry out a pilot use case by collecting the last 15 years’ tomato prices of Europe and the statistics of tomato cultivation of farmers in Turkey, which is one of the biggest tomato exporters of the EU. AgriTrade forecasts the future tomato prices based on the historical tomato prices of the EU. We compare the traditional way marketing and forecast-based marketing of tomatoes: While the traditional way marketing is to immediately sell the product when it is grown, the forecast-based marketing is to store the product until the time the product's prices is higher based on the predicted prices and to sell it. The results show that when the farmers of Turkey apply the forecast-based marketing, they can remarkably increase their profits around 9.1% compared with the traditional way marketing.

 

Tarımsal ürünlerin toprak bilgisine ve fiyat tahmin bilgilerine sınırlı erişimleri nedeniyle, çiftçiler mahsullerini bölgelerindeki ortak uygulamaya göre yetiştirmektedir. Bu, tarımda sürdürülebilirliğin devam ettirilememesine ve çiftçilerin üretimi ile tüketicinin talepleri arasında bir dengesizliğe yol açmaktadır. Yukarıda belirtilen sorunları ele almak için AgriTrade adlı BİT (ICT) tabanlı bir tarımsal ürün yetiştirme planlama politikası ve sistemi öneriyoruz. AgriTrade'in temel operasyonu, öncelikle çiftçileri bir mobil uygulama kullanarak interaktif bir şekilde ekim planlamasına katılmaya teşvik etmek, ikincisi, tedarik zincirinden toplanan verileri kullanarak çiftçilere yüksek hassasiyetli fiyat ve toprak bilgisi sağlamak için makine öğrenimi algoritmalarını kullanmaktır. AgriTrade'in fizibilitesini göstermek için, Avrupa'nın son 15 yıllık domates fiyatlarını ve AB'nin en büyük domates ihracatçılarından biri olan Türkiye'deki çiftçilerin domates yetiştiriciliği istatistiklerini toplayarak bir pilot kullanım örneği gerçekleştiriyoruz. AgriTrade, AB'nin tarihi domates fiyatlarına dayalı olarak gelecekteki domates fiyatlarını tahmin ediyor. Domatesi geleneksel yöntemle pazarlamayı ve tahmine dayalı pazarlamayı karşılaştırıyoruz: Geleneksel pazarlama yöntemi, ürünü yetiştirildiğinde hemen satmak iken, tahmine dayalı pazarlama, ürünü, ürünün fiyatlarının daha yüksek olduğu tahmin edilen ana kadar depolamaktır. Sonuçlar, Türkiye'deki çiftçilerin tahmine dayalı pazarlamayı uyguladıklarında, geleneksel yolla pazarlamaya kıyasla karlarını % 9,1 civarında önemli ölçüde artırabileceklerini gösteriyor.

Makale detayları

Cultivation Planning Across Europe using Machine Learning Techniques

Yazarlar:

Kubilay DEMİR

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 21, pp.697-707

Belge Tipi:

Makale

Yayın Tarihi:

1/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000918391

Sıklık:

Üç Aylık

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.822785

Akıllı Tarım

Makine Öğrenmesi

Tarımsal Gıda Zinciri

Fiyat Tahmin

Sayı

Makale detayları

Cultivation Planning Across Europe using Machine Learning Techniques

Yazarlar: Kubilay DEMİR

Yayıncı: Osman SAĞDIÇ

Ana Başlıklar: Uygulamalı fizik

Dergi: European Journal of Science and Technology 2021 Vol. Issue 21, pp.697-707

Belge Tipi: Makale

Yayın Tarihi: 1/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000918391

Sıklık: Üç Aylık

eISSN: 2148-2683

DOI: https://doi.org/10.31590/ejosat.822785

Akıllı Tarım

Makine Öğrenmesi

Tarımsal Gıda Zinciri

Fiyat Tahmin

Sayı

Yazarlar:

Kubilay DEMİR

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 21, pp.697-707

Belge Tipi:

Makale

Yayın Tarihi:

1/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000918391

Sıklık:

Üç Aylık

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.822785