Dünyada ve ülkemizde yağlı tohumlu bitkiler stratejik ürün olarak kabul edilmektedir. Bu kaynaklardan biri olan yağlı tohumlu bitkilerin, gıda sektörü dışında biyodizel ve endüstriyel alanlarda kullanımı bitkisel yağlara talebi tüm dünyada artırmıştır. Bu çalışmanın amacı Dünya ve Türkiye’deki üretim verilerinin yardımıyla Balıkesir ilinin yağlı tohum üretim potansiyelinin son zamanlarda yaygın olarak kullanılan Coğrafi Bilgi Sistemleri (CBS) yardımıyla ortaya konulmasıdır. Bu amaçla öncelikle Dünya ve Türkiye’deki genel durum ortaya konulmuş ve daha sonra il ve ilçe ölçeğinde değerlendirilmiştir. Dünya ölçeğindeki veriler FAOSTAT, Türkiye verileri ise TÜİK’ten temin edilmiştir. Tüm veriler sırasıyla hasat edilen alan, üretim ve verim miktarlarına göre CBS yazılımına aktarılarak yıllara göre ve il ölçeğinde 5-10 sınıf arasında, ildeki mevcut verilerin miktarına göre yoğunluk değişim haritaları oluşturulmuştur. Düşük ve yüksek verime sahip mevcut alanlar belirlenerek sonraki yıllarda o bölgelerde yapılabilecek üretim politikaları ve planlamaları için altlık oluşturulması hedeflenmiştir. Dünya’da yağlı tohumlu bitkilerde hasat edilen alana göre tarımı en çok yapılan ürünler arasında soya ilk sırada yer almaktadır. Soya bitkisinin tarımı en çok yapılan ülkeler ise sırasıyla Brezilya (40.894.968 ha), ABD (34.939.320 ha), Arjantin (158.742.66 ha), Hindistan (121.465.80 ha) ve Çin (10.243.000 ha)’dir. Soyadan sonra sırasıyla kanola, pamuk, ayçiçeği, aspir, susam ve haşhaş gelmektedir. Türkiye’de toplamda ürünlerin yetiştirildiği il sayıları bakımında ise ilk sırada ayçiçeği (59 il), ikinci sırada aspir (42 il), üçüncü sırada ise (32 il) susam gelmektedir. Alansal olarak ilk sırada ayçiçeği (3.618.226 ha), ikinci sırada yerfıstığı (176.733 ha), üçüncü sırada ise pamuk (1.659.601 ha) yer almaktadır. Toplamda 385.095.8 ha tarım alanına sahip Balıkesir ilinde 283.416 dekarlık bir alanda (%7.5) yağlı tohum bitki üretimi yapılmaktadır. İlde ilk sırada ayçiçeği, ikinci sırada susam ve üçüncü sırada kanola veya kolza tarımının yapıldığı tespit edilmiştir.

Honeybees play a vital role in maintaining the balance of ecosystems and supporting human life. Their primary contribution is pollination, which enhances agricultural productivity and biodiversity. Additionally, they produce valuable natural products such as honey, royal jelly, and propolis, which have nutritional and medicinal benefits. In recent years, increasing threats to bee populations have emphasized the need for improved beekeeping practices that ensure both the conservation of bees and the efficiency of hive management. Traditional beekeeping methods, while effective, are often labor-intensive and time-consuming. In contrast, precision beekeeping also known as smart beekeeping integrates technology to monitor and manage hives more efficiently. Artificial intelligence (AI)-based hive monitoring systems have emerged as powerful tools in this field. These systems use sensors and AI algorithms to collect and analyze data on temperature, humidity, bee activity, sound, and other environmental factors. They enable early detection of diseases, swarming, or other threats, allowing beekeepers to take timely action. Over the past decade, many studies have explored the use of machine learning and deep learning techniques in these systems. This chapter aims to provide a comprehensive overview of recent advancements and emerging trends in AI- supported hive monitoring, offering valuable insights to guide future research and technological innovation in modern beekeeping practices.

In recent years, the effects of global climate change have led to a continuous decline in water resources, making it increasingly difficult to meet the growing demand for freshwater. Globally, the highest proportion of irrigation water is used in agricultural activities. In conventional farming, commonly preferred irrigation methods are often associated with unregulated and excessive water use. This has become a major factor in the rapid depletion of water resources. Controlled irrigation systems, widely implemented in modern agricultural practices, help reduce plant water consumption and ensure more efficient use of water. The advancement of computer and electronic systems has increased technological support in agricultural irrigation systems, thereby contributing to improved crop productivity. With the development of computer technologies, determining the water requirements of crops and creating soil water budgets has become significantly more accurate and important. This study investigates the real-world evaluation of a photovoltaic solar energy-supported subsurface irrigation automation system, as well as a non-automated drip irrigation application, by utilizing the solar energy potential of Yozgat province. The solar-powered pressurized irrigation automation system consists of a direct current motor pump connected to photovoltaic (PV) solar panels and a control unit. Subsurface and drip irrigation systems were installed on designated plots. To determine the water requirement of the common bean plant, the CROPWAT program was used, and the solar-powered irrigation automation system was designed accordingly. Experimental trials were conducted on plots cultivated with common beans, and comparisons were made between the automated subsurface irrigation system and the non-automated drip irrigation application. According to the data obtained, the automated irrigation system positively contributed to plant productivity. The solar-powered subsurface irrigation application resulted in a 73.3% increase in yield compared to the non-automated drip irrigation method. The design and implementation of the solar-powered subsurface irrigation automation system were proven to be feasible under real field conditions.