Meyve bahçelerinin en yıkıcı hastalıklarından biri olan Rosellinia kök çürüklüğü (Rosellinia necatrix), dünya genelinde önemli ekonomik kayıplara neden olmaktadır. Bu toprak kökenli fungal hastalık, ağaçların tamamen kurumasına yol açabilmekte ve geleneksel mücadele yöntemlerinin sınırlı etkisi nedeniyle üreticiler için büyük bir tehdit oluşturmaktadır. Ancak günümüzde dijital tarım teknolojilerinin gelişmesiyle birlikte, bu hastalığa karşı daha etkili ve sürdürülebilir çözümler üretmek mümkün hale gelmiştir.
Rosellinia Kök Çürüklüğünün Tanımı ve Etmeni
Rosellinia necatrix, ascomycetes sınıfından bir fungus olup, toprakta uzun yıllar canlılığını koruyabilen miselleri ile karakterizedir. Bu özellik, hastalığın kontrolünü oldukça zorlaştırmaktadır. Fungusun miselleri, özellikle hasta ağaçların bulunduğu bahçelerde enfeksiyon kaynağı olarak işlev görür ve yeni enfeksiyonlara neden olur.
Hastalığın Yayılım Mekanizması
Hastalığın yayılmasında çeşitli faktörler etkilidir:
- Sulama suyu: Aşırı sulama ve kötü drenaj koşulları
- Meteorolojik faktörler: Sel ve yağmur suları
- Mekanik yayılım: Toprak işleme aletleri
- Enfekte bitki materyali: Hastalıklı fidanlar ve kök parçaları
Hastalığın Belirtileri ve Zarar Şekli
Yapraklarda Gözlenen Belirtiler
Rosellinia kök çürüklüğünün ilk belirtisi yapraklarda ortaya çıkan sararmadır. Bu sararma, kök sistemindeki enfeksiyonun yaygınlığına bağlı olarak ağacın tamamında veya sadece bir yönünde görülebilir. Zamanla yapraklarda küçülme meydana gelir ve yapraklar kuruyup dökülerek ağaçta normalden az yaprak kalır.
Ağacın Genel Görünümündeki Değişikler
- Büyümede durgunluk: Ağaçlarda gelişme geriliği
- Geriye doğru ölüm: Tepeden başlayarak kuruma
- Meyve kalitesinde bozulma: Verimin düşmesi ve meyvelerin olgunlaşmadan dökülmesi
Kök Sistemindeki Hasarlar
İnce kökler esmerleşir ve çürümeye başlar. Kalın köklerde ve kök boğazında önceleri beyaz olan misel tabakaları zamanla gri ve siyaha dönüşür. Kökün kabuk kısmı kaldırıldığında, altında ağ şeklinde beyaz misel örtüsü gözlenir. Bu karakteristik görünüm, hastalığın teşhisinde önemli bir bulgudur.
Konukçu Bitki Yelpazesi
Rosellinia kök çürüklüğü oldukça geniş bir konukçu spektrumuna sahiptir:
Meyve Ağaçları
- İncir
- Zeytin
- Bağ (asma)
- Turunçgiller
- Sert çekirdekliler (şeftali, kayısı, kiraz)
- Yumuşak çekirdekliler (elma, armut, ayva)
Diğer Bitkiler
- Hububat (tahıllar)
- Sebzeler
- Süs bitkileri
- Orman ağaçları
Bu geniş konukçu yelpazesi, hastalığın bahçe ekosisteminde hızla yayılmasına ve kalıcı hale gelmesine neden olmaktadır.
Geleneksel Mücadele Yöntemleri
Kültürel Önlemler
Rosellinia kök çürüklüğü ile mücadelede en etkili yöntem koruyucu kültürel uygulamalardır:
Fidan Seçimi ve Dikim
- Sağlam ve sertifikalı fidan kullanımı
- Bulaşık fidanlarla hastalığın bahçeye taşınmasının önlenmesi
Hasta Ağaçların Yönetimi
- Hastalıklı ağaçların kökleriyle birlikte sökülmesi
- Enfekte materyalin yakılarak imha edilmesi
- Hasta ağaç yerlerine hemen yeni fidan dikilmemesi
- Toprağın 1-2 yıl dinlendirilmesi
Su Yönetimi
- Aşırı sulamadan kaçınılması
- Su tutan alanlarda drenaj kanallarının açılması
- Toprak neminin optimal seviyede tutulması
Toprak İşleme
- Bulaşık bahçelerde toprak işlemesinin minimize edilmesi
- Aletlerin dezenfeksiyonu
- Çapraz bulaşmanın önlenmesi
Biyolojik Mücadele Yöntemleri
Solarizasyon
Yaz aylarında toprağın şeffaf naylonla kapatılarak güneş ısısıyla patojenin baskılanması. Bu yöntem özellikle fidanlıklarda ve yeni tesis edilecek bahçelerde etkilidir.
Antagonistik Mikroorganizmalar
Trichoderma spp. Uygulaması
- T. harzianum, T. viride, T. asperellum türleri
- Rosellinia misellerine karşı antagonistik etki
- Kök bölgesine uygulama ile patojen gelişiminin baskılanması
Mikorizal Mantarlar
- Glomus spp. ve diğer mikorizal türler
- Bitki kökleriyle simbiyotik yaşam
- Kök dayanıklılığının artırılması
Yararlı Bakteriler
- Bacillus subtilis
- Pseudomonas fluorescens
- Biyolojik preparat formunda kök bölgesine uygulama
Kimyasal Mücadelenin Sınırlılıkları
Rosellinia kök çürüklüğü ile kimyasal mücadele oldukça sınırlıdır. Bunun temel nedenleri:
- Etmenin toprak kökenli olması
- İlaçların kök bölgesindeki derin enfeksiyonlara ulaşamaması
- Fungusun kalın misel yapıları sayesinde uzun süre canlı kalabilmesi
- Ruhsatlı, yüksek etkili özel fungusitin bulunmaması
Denemelerde bazı sistemik fungusitler (benomyl, thiophanate-methyl, prochloraz, flutriafol) kısmen etkili olabilmiş ancak sahada kalıcı çözüm sağlamamıştır.
Mücadele Takvimi
İlkbahar (Mart-Mayıs)
- Bahçe kontrolü: Hastalık belirtilerinin izlenmesi
- Hasta ağaç sökümü: Enfekte ağaçların temizlenmesi
- Drenaj çalışmaları: Su yönetimi düzenlemeleri
- Biyolojik mücadele: Trichoderma uygulamasının başlatılması
Yaz (Haziran-Ağustos)
- Solarizasyon: Toprak dezenfeksiyonu
- Organik madde takviyesi: Toprak iyileştirmeleri
- Mikorizal uygulama: Fidan ve genç ağaçlarda destekleme
Sonbahar (Eylül-Kasım)
- Bahçe temizliği: Kalan enfekte materyalin temizlenmesi
- Toprak işlemesinden kaçınma: Yayılımın önlenmesi
- Biyolojik destekleme: Trichoderma uygulamalarının tekrarı
Kış (Aralık-Şubat)
- Bahçe dinlendirme: Enfekte alanların boş bırakılması
- Planlama: Yeni bahçe kurulum hazırlıkları
- Alet hijyeni: Ekipman dezenfeksiyonu
Dijital Tarımda Rosellinia İzleme ve Kontrolü
Günümüzde dijital tarım teknolojilerinin gelişmesiyle birlikte, Rosellinia kök çürüklüğü gibi hastalıkların izlenmesi ve kontrolünde yazılım tabanlı çözümler önem kazanmıştır. Bu teknolojiler erken teşhis, izleme ve karar destek sistemleri ile hastalık yönetiminde devrim oluşturmaktadır.
Hastalık Erken Uyarı Sistemleri
Modern tarımda sensörler, dronlar ve uydu görüntüleri kullanılarak ağaçların stres durumları tespit edilebilmektedir. Yapay zeka algoritmaları ile "normal" ve "hastalıklı" ağaçlar ayrılarak erken müdahale imkanı sağlanır.
Teknolojik Bileşenler:
- Multispektral kameralar
- Termal görüntüleme sistemleri
- NDVI (Normalize Edilmiş Bitki İndeksi) analizi
- Makine öğrenmesi algoritmaları
Toprak ve Nem Sensörleri
Rosellinia'nın gelişimini teşvik eden en önemli faktörlerden biri aşırı toprak nemidir. IoT tabanlı nem sensörleri ile:
- Sürekli toprak nemi izleme
- Otomatik sulama kontrolü
- Drenaj ihtiyacının belirlenmesi
- Risk analizi ve erken uyarı
GIS ve Haritalama Yazılımları
Coğrafi Bilgi Sistemleri (GIS) kullanılarak:
- Hastalıklı ağaçların konumsal haritalanması
- Yayılım alanlarının izlenmesi
- Riskli bölgelerin belirlenmesi
- Müdahale önceliklerinin oluşturulması
Karar Destek Sistemleri (DSS)
Çiftçiye "hangi bahçede, hangi tarihte, hangi önlem alınmalı?" bilgisini sağlayan sistemler:
- İklim verilerinin analizi
- Toprak nem durumunun değerlendirilmesi
- Enfeksiyon kaynakların belirlenmesi
- Hastalık yayılım modellemesi
Makine Öğrenmesi ve Görüntü Tanıma
Yapay zeka destekli görüntü analizi ile:
- Yaprak sararması tespiti
- Kuruma belirtilerinin tanınması
- Kök çürüklüğü semptonlarının erken fark edilmesi
- Otomatik hastalık teşhisi
Dijital Rosellinia İzleme Sistemi Uygulaması
Modern teknolojinin gücünden yararlanarak geliştirilen entegre izleme sistemi, çiftçilere hastalığı proaktif olarak yönetme imkanı sunar.
Sistem Özellikleri
Gerçek Zamanlı Veri İşleme
- MQTT protokolü ile IoT sensörlerinden veri alımı
- Sürekli veri akışı ve işleme
- Anlık durum güncellemeleri
Risk Analizi ve Skorlama
Sistem, üç temel parametreyi analiz ederek risk skoru hesaplar:
- Toprak nemi: %30'un üzerindeki nem seviyeleri risk artırır
- Sıcaklık: 15-28°C arası ideal fungal gelişim sıcaklığı
- Yağış miktarı: 5mm'nin üzerindeki yağışlar riski yükseltir
Otomatik Yönetim Önerileri
Risk skoruna göre otomatik öneriler:
- Yüksek risk (>70): Ağaç sökümü ve imha
- Orta risk (40-70): Sulama azaltma ve drenaj
- Düşük risk (<40): Normal bakım devam
SMS Uyarı Sistemi
Kritik durumlarda anında bildirim:
- Risk skoru 70'i aştığında otomatik SMS
- Acil müdahale gerektiren durumlar için uyarı
- Çiftçinin hızlı aksiyon alabilmesi
Biyolojik Mücadele Programlama
Sistem, risk analizine dayalı olarak Trichoderma uygulama önerileri sunar:
- Yüksek risk: Derhal kök bölgesine uygulama
- Orta risk: Destekleyici uygulama önerisi
- Düşük risk: Uygulama gereksiz
Akıllı Sulama Yönetimi
Otomatik sulama kontrol sistemi:
- Yüksek nem ve risk durumunda sulama kapatma
- Düşük nem seviyelerinde sulama açma
- Optimal nem seviyesinde normal işletim
Teknolojik Altyapı ve Kurulum
Donanım Gereksinimleri
Sensör Sistemi
- Toprak nemi sensörleri (kapasitif tip önerilir)
- Sıcaklık ve nem sensörleri (DHT22 veya benzeri)
- Yağış ölçüm cihazları
- Veri toplama ünitesi (Raspberry Pi veya Arduino tabanlı)
İletişim Altyapısı
- WiFi veya LoRaWAN bağlantısı
- MQTT broker (HiveMQ, AWS IoT Core vb.)
- Bulut tabanlı veri depolama sistemi
Görüntüleme Sistemleri
- Drone tabanlı multispektral kameralar
- Sabit kamera sistemleri
- Uydu görüntü abonelikleri
Yazılım Bileşenleri
Veri İşleme Platformu
- Python tabanlı analiz modülleri
- Streamlit web arayüzü
- PostgreSQL veya MongoDB veri tabanı
Makine Öğrenmesi Modelleri
- Random Forest sınıflandırıcı
- Convolutional Neural Networks (CNN) görüntü analizi için
- Time series forecasting modelleri
Bildirim Sistemleri
- Twilio SMS API entegrasyonu
- Email bildirim servisleri
- Mobile app push notifications
Yatırım Geri Dönüş Süresi (ROI)
Dijital sistem sayesinde:
- %30-50 erken teşhis oranı artışı
- %40-60 hastalık yayılım azalması
- %25-35 mücadele maliyeti düşürülmesi
- Yatırım geri dönüş süresi: 2-3 yıl
Üretkenlik Artışı
- Erken müdahale ile ağaç kayıplarında %60-80 azalma
- Meyve kalitesinde %20-30 iyileşme
- Genel bahçe verimliliğinde %15-25 artış
Gelecek Perspektifleri ve Araştırma Yönleri
Yapay Zeka ve Derin Öğrenme
Gelişen Teknolojiler
- Edge AI ile gerçek zamanlı analiz
- Federated learning ile çoklu bahçe verisi paylaşımı
- Reinforcement learning ile optimal mücadele stratejileri
Sensör Teknolojilerindeki İlerlemeler
- Nano-sensörler ile daha hassas ölçümler
- Biyolojik sensörler ile fungal aktivite tespiti
- Spektroskopi tabanlı anında hastalık teşhisi
Genetik Mühendislik ve Biyoteknoloji
Dirençli Çeşit Geliştirme
- CRISPR teknolojisi ile hastalığa dayanıklı çeşitler
- Marker-assisted selection (MAS) ile hızlı ıslah
- Genom düzenleme teknolojileri
Mikrobiom Mühendisliği
- Kök mikrobiyomu optimizasyonu
- Probiyotik mikroorganizma kokteyli
- Biyolojik kontrol ajanlarının geliştirilmesi
İklim Değişikliği Adaptasyonu
Predictive Modelling
- İklim senaryolarına dayalı hastalık tahmini
- Uzun vadeli risk haritalaması
- Adaptasyon stratejilerinin geliştirilmesi
Sürdürülebilirlik
- Carbon footprint azaltımı
- Su kullanım verimliliğinin artırılması
- Ekolojik dengenin korunması
Rosellinia kök çürüklüğü, geleneksel yöntemlerle mücadelesi oldukça zor olan önemli bir bitki hastalığıdır. Ancak dijital tarım teknolojilerinin gelişmesiyle birlikte, bu hastalığa karşı daha etkili ve sürdürülebilir çözümler üretmek mümkün hale gelmiştir. Rosellinia kök çürüklüğü ile mücadelede dijital tarım teknolojileri, geleneksel yöntemleri tamamlayıcı değil, dönüştürücü bir rol oynamaktadır. IoT sensörleri, yapay zeka, makine öğrenmesi ve bulut teknolojilerinin entegrasyonu ile hastalık yönetimi proaktif bir hal almakta, çiftçiler reaktif değil prediktif yaklaşımlar geliştirebilmektedir. Önümüzdeki on yıl içinde, bu teknolojilerin yaygınlaşması ve maliyetlerinin düşmesiyle birlikte, sürdürülebilir ve verimli tarım üretimi için dijital çözümler standart hale gelecektir.
Rosellinia Kök Çürüklüğü İzleme Sistemi
Bu uygulama, Rosellinia kök çürüklüğü hastalığını izlemek ve yönetmek için bir dashboard sağlar. Gerçek zamanlı sensör verilerini işler, risk analizi yapar ve öneriler sunar.
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.ensemble import RandomForestClassifier
import streamlit as st
import time
import paho.mqtt.client as mqtt
from twilio.rest import Client
import json
import threading
-------------------------------
1. MQTT ile IoT Sensör Verisi Alımı
-------------------------------
sensor_data_list = []
def on_message(client, userdata, msg):
try:
data = pd.DataFrame([json.loads(msg.payload)])
userdata.append(data)
st.success("Yeni sensör verisi alındı!")
except Exception as e:
st.error(f"MQTT veri işleme hatası: {e}")
def setup_mqtt():
client = mqtt.Client(userdata=sensor_data_list)
client.on_message = on_message
try:
client.connect("broker.hivemq.com", 1883, 60)
client.subscribe("orchard/sensors")
client.loop_start()
return client
except Exception as e:
st.error(f"MQTT bağlantı hatası: {e}")
return None
-------------------------------
2. Risk Modeli
-------------------------------
def train_model():
model = RandomForestClassifier(n_estimators=100, random_state=42)
İlk eğitim için rastgele veri
initial_data = pd.DataFrame({
"TreeID": np.arange(1, 51),
"SoilMoisture": np.random.uniform(10, 50, 50),
"Temperature": np.random.uniform(10, 35, 50),
"Rainfall": np.random.choice([0, 0, 5, 10, 20], 50),
"Disease": np.random.choice([0, 1], 50, p=[0.8, 0.2])
})
X_train = initial_data[["SoilMoisture", "Temperature", "Rainfall"]]
y_train = initial_data["Disease"]
model.fit(X_train, y_train)
return model, initial_data
-------------------------------
3. Risk Skoru ve Öneri Fonksiyonları
-------------------------------
def risk_score(moisture, temp, rain):
score = 0
if moisture > 30:
score += 40
if 15 < temp < 28:
score += 40
if rain > 5:
score += 20
return min(score, 100)
def decision_support(risk_score_val):
if risk_score_val > 70:
return "Ağaç sökülmeli ve imha edilmeli.", "high"
elif risk_score_val > 40:
return "Sulama azaltılmalı, drenaj yapılmalı.", "medium"
else:
return "Normal bakım devam etmeli.", "low"
def trichoderma_schedule(risk_score_val):
if risk_score_val > 40:
return "Trichoderma uygulanmalı (kök bölgesine)."
elif 20 < risk_score_val <= 40:
return "Trichoderma destekleyici uygulama önerilir."
else:
return "Şimdilik Trichoderma gerekmez."
def irrigation_control(moisture, risk_score_val):
if moisture > 35 and risk_score_val > 40:
return "Sulama kapatıldı."
elif moisture < 20:
return "Sulama açıldı."
else:
return "Sulama normal devam ediyor."
-------------------------------
4. Mobil Bildirim (Twilio SMS) - Simülasyon
-------------------------------
def send_sms_alert(tree_id, risk_score_val):
try:
Gerçek uygulamada Twilio kimlik bilgileri kullanılır
client_sms = Client("TWILIO_ACCOUNT_SID", "TWILIO_AUTH_TOKEN")
message = client_sms.messages.create(
body=f"Ağaç {tree_id} kritik riskte! Risk skoru: {risk_score_val}",
from_="+1234567890",
to="+905xxxxxxxxx"
)
st.warning(f"SMS Uyarısı: Ağaç {tree_id} kritik riskte! Risk skoru: {risk_score_val}")
except Exception as e:
st.error(f"SMS gönderim hatası: {e}")
-------------------------------
5. Streamlit Uygulaması
-------------------------------
def main():
st.set_page_config(
page_title="Rosellinia İzleme Paneli",
layout="wide",
initial_sidebar_state="expanded"
)
st.title("🌱 Rosellinia Kök Çürüklüğü İzleme Sistemi")
st.markdown("""
Bu uygulama, ağaçlardaki Rosellinia kök çürüklüğü hastalığını izlemek ve yönetmek için tasarlanmıştır.
Sensör verilerini gerçek zamanlı olarak analiz eder, risk skorları hesaplar ve yönetim önerileri sunar.
""")
MQTT istemcisini ayarla
if 'mqtt_client' not in st.session_state:
st.session_state.mqtt_client = setup_mqtt()
Modeli eğit
if 'model' not in st.session_state:
st.session_state.model, st.session_state.initial_data = train_model()
Sensör verilerini simüle etme butonu
if st.button("Sensör Verisi Simüle Et"):
simulated_data = pd.DataFrame({
"TreeID": [np.random.randint(1, 51)],
"SoilMoisture": [np.random.uniform(10, 50)],
"Temperature": [np.random.uniform(10, 35)],
"Rainfall": [np.random.choice([0, 0, 5, 10, 20])]
})
sensor_data_list.append(simulated_data)
st.success("Simüle edilmiş veri eklendi!")
Veri işleme ve gösterim
if sensor_data_list:
Gelen sensör verilerini birleştir
live_data = pd.concat(sensor_data_list, ignore_index=True)
live_data["RiskScore"] = live_data.apply(
lambda row: risk_score(row.SoilMoisture, row.Temperature, row.Rainfall), axis=1)
Önerileri ekle
live_data[["Recommendation", "RiskLevel"]] = live_data["RiskScore"].apply(
lambda x: pd.Series(decision_support(x)))
live_data["Biocontrol"] = live_data["RiskScore"].apply(trichoderma_schedule)
live_data["Irrigation"] = live_data.apply(
lambda row: irrigation_control(row.SoilMoisture, row.RiskScore), axis=1)
Kritik riskli ağaçlar için SMS gönderimi
for i, row in live_data.iterrows():
if row["RiskScore"] > 70:
send_sms_alert(row.TreeID, row.RiskScore)
Genel istatistikler
col1, col2, col3, col4 = st.columns(4)
col1.metric("Toplam Ağaç", live_data["TreeID"].nunique())
col2.metric("Kritik Riskli Ağaçlar", (live_data["RiskScore"] > 70).sum())
col3.metric("Orta Riskli Ağaçlar", ((live_data["RiskScore"] > 40) & (live_data["RiskScore"] <= 70)).sum())
col4.metric("Ortalama Risk Skoru", f"{live_data['RiskScore'].mean():.1f}")
Risk dağılımı grafiği
st.subheader("Risk Dağılımı")
fig, ax = plt.subplots(figsize=(10, 6))
sns.histplot(live_data["RiskScore"], bins=10, kde=True, ax=ax, color="red")
ax.set_title("Risk Skoru Dağılımı")
ax.set_xlabel("Risk Skoru")
ax.set_ylabel("Ağaç Sayısı")
st.pyplot(fig)
Veri tablosu
st.subheader("Canlı Sensör Verileri ve Analizler")
Risk seviyelerine göre renklendirme
def color_risk(val):
if val > 70:
color = 'red'
elif val > 40:
color = 'orange'
else:
color = 'green'
return f'color: {color}; font-weight: bold'
styled_data = live_data.style.applymap(color_risk, subset=['RiskScore'])
st.dataframe(styled_data, use_container_width=True)
Öneriler bölümü
st.subheader("Yönetim Önerileri")
Filtreleme seçenekleri
risk_filter = st.selectbox("Risk Seviyesine Göre Filtrele",
["Tümü", "Yüksek Risk", "Orta Risk", "Düşük Risk"])
if risk_filter == "Yüksek Risk":
filtered_data = live_data[live_data["RiskScore"] > 70]
elif risk_filter == "Orta Risk":
filtered_data = live_data[(live_data["RiskScore"] > 40) & (live_data["RiskScore"] <= 70)]
elif risk_filter == "Düşük Risk":
filtered_data = live_data[live_data["RiskScore"] <= 40]
else:
filtered_data = live_data
for _, row in filtered_data.iterrows():
with st.expander(f"Ağaç {int(row.TreeID)} (Risk: {row.RiskScore:.1f})"):
st.info(f"**Öneri:** {row.Recommendation}")
st.info(f"**Biyolojik Mücadele:** {row.Biocontrol}")
st.info(f"**Sulama Durumu:** {row.Irrigation}")
st.write(f"- Toprak Nemi: {row.SoilMoisture:.1f}%")
st.write(f"- Sıcaklık: {row.Temperature:.1f}°C")
st.write(f"- Yağış: {row.Rainfall}mm")
else:
st.info("Henüz sensör verisi alınmadı. Sensör verisi simüle et butonuna tıklayın.")
Hakkında bölümü
st.sidebar.title("Hakkında")
st.sidebar.info("""
Bu uygulama, Rosellinia kök çürüklüğü hastalığını izlemek ve yönetmek için geliştirilmiştir.
Özellikler:
- Gerçek zamanlı sensör verisi işleme
- Risk analizi ve skorlama
- Otomatik yönetim önerileri
- SMS ile uyarı sistemi
Kullanılan Teknolojiler:
- Python, Streamlit
- MQTT (IoT iletişimi)
- Scikit-learn (Makine öğrenmesi)
- Twilio (SMS bildirimleri)
""")
if __name__ == "__main__":
main()
Kurulum ve Çalıştırma
- Gerekli kütüphaneleri yükleyin:
pip install numpy pandas matplotlib seaborn scikit-learn streamlit paho-mqtt twilio - Uygulamayı çalıştırın:
streamlit run app.py
Özellikler
- Gerçek Zamanlı Veri İşleme: MQTT protokolü ile IoT sensörlerinden veri alımı
- Risk Analizi: Toprak nemi, sıcaklık ve yağış verilerine dayalı risk skorlama
- Otomatik Öneriler: Risk seviyesine göre yönetim önerileri
- SMS Uyarıları: Kritik risk durumlarında SMS bildirimleri
- Görsel Dashboard: Verilerin kolayca anlaşılabilir görselleştirmeleri
- Bu uygulama simülasyon amaçlıdır. Gerçek verilerle kullanım için MQTT broker ayarlarını ve Twilio kimlik bilgilerini güncellemeniz gerekmektedir.
- SMS gönderme özelliği şu anda simüle edilmiştir, gerçek SMS gönderimi için Twilio hesabı gereklidir.
