Irrigation plays a crucial role in maize cultivation, as watering is essential for optimizing crop yield and quality, particularly given maize’s sensitivity to soil moisture variations. In the current study, a hybrid Long Short-Term Memory (LSTM) approach is presented aiming to predict irrigation scheduling in maize fields in Bursa, Turkey. A critical aspect of the study was the use of the Aquacrop 7.0 model to simulate soil moisture content (MC) data due to data limitations in the investigated fields. This simulation model, developed by the Food and Agriculture Organization (FAO), helped overcome gaps in soil sensor data, enhancing the LSTM model’s predictions. The LSTM model was trained and tuned using a combination of soil, weather, and satellite-based plant vegetation data in order to predict soil moisture content (MC) reductions. The study’s results indicated that the LSTM model, supported by Aquacrop 7.0 simulations, was effective in predicting MC reduction across various time phases of the maize growing season, attaining R² values ranging from 0.8163 to 0.9181 for Field 1 and from 0.7602 to 0.8417 for Field 2, demonstrating the potential of this approach for precise and efficient agricultural irrigation practices.

This study aimed to simulate dynamic irrigation management zones (MZs) in two maize fields for a variable rate hose reel fertigation machine (VRFM) with a four-section boom control. Soil moisture content was measured from nine and four soil moisture sensors in Field 1 (8.2 ha) and Field 2 (2.5 ha), respectively, on different dates during the 2022 crop season. Three and five MZs scenarios were simulated per irrigation and the theoretical maps were processed for implementation. The application maps fitted to the VRFM showed significant spatiotemporal variations in irrigation requirements. For instance, in Field 1, 3-MZ modelling showed that the areas requiring high (H), medium (M), and low (L)-level irrigation on 21 July were 1.60, 4.84, and 1.85 ha, respectively, even though the farmer applied uniform rate over the whole field. H-level sub-areas ranged between 1.22 ha (25 July) and 3.25 ha (7 July), showing a coefficient of variation (CV) of 43.32% for the three MZs, whereas H-level sub-areas for the five MZs varied from 0.41 ha (2 July) to 1.49 ha (7 July) with a CV value of 48.84%. High levels of within-field variability can be addressed using precise and dynamic irrigation MZs fitted to the irrigation technology used.

Bu çalışmanın amacı, yabancı ot kontrolünde kullanılan alev makinelerinde kullanılabilecek ve ticari gaz memelerine göre daha uygun bir gaz memesi geliştirmektir. Bu amaçla, üç farklı meme tasarlanmış ve 1.0-3.0 bar aralığında basınç-debi karakteristikleri gravimetrik olarak belirlenmiştir. Üç delikli 1 mm çaplı memenin (Tip1) 1.5-2.5 bar basınçlarda aralığında, yabancı ot mücadelesinde genellikle gerekli olan 40-130 kg ha-1 propan (LPG) dozlarını uygulayabileceği bulunmuştur. Bu meme tipi, ticari gaz memesine göre düşük dozlar için gerekli ilerleme hızını azaltmış, yüksek dozlar için gerekli olanı ise yükseltmiştir. Böylece ticari gaz memesi için 2.0 bar basınçta gerekli olan 1.8-8.1 km h-1 aralığındaki hız sınırı 3.5-6.5 km h-1 aralığına çekilmiştir. Yüksek dozlarda gerekli olan ilerleme hızları biraz artırılmış olduğundan uygulamada özel imal edilen gaz memesi kullanılarak alev makinesinin alan iş başarısının artırılabileceği bulunmuştur. En düşük dozda ise ilerleme hızının düşürülmüş olması alan iş başarısını azaltacak olsa da yabancı otların aleve maruz kalma süresi %20 kadar artacağı için alev uygulamasının ısıl etkinliğini potansiyel olarak artıracaktır. Tip2 ve Tip3 memeler, delik çapları küçük olduğu için traktöre bağlanacak bir alev makinesi için uygun bulunmamıştır. Sonuç olarak, yabancı ot mücadelesinde kullanılacak alev başlıkları için daha uygun bir ürün (Tip1) elde edilebilmiştir.