Tarımsal Dijital İkiz?

Tarihi eserlerin, şehirlerin, hatta insanların dijital ikizi çıkarılıyor. Aynı teknoloji bir meyve bahçesine ya da buğday arazisine uygulansa, üreticinin bu yaz yaşadıklarından hangisini önceden görebilirdik?

Son zamanlarda “dijital ikiz” lafı her yerde. Geçtiğimiz günlerde Sivas’taki 755 yıllık Gök Medrese’nin dijital ikizi çıkarıldı; yapı bir gün zarar görürse restorasyon bu sanal kopyaya bakılarak yapılabilecek. Bornova Belediyesi bütün ilçenin dijital ikizini kurdu ve olası bir depremde hangi binanın, hangi yolun, hangi su hattının nasıl etkileneceğini önceden hesaplıyor. İTÜ, Türkiye’deki bütün şehirlerin dijital ikizini kurmayı hedeflediğini söylüyor.

Artık sıra insanlara da geldi. Ekim ortasında İstanbul’da düzenlenen Türkiye Innovation Week’in konuşmacılarından, Harvard’ın eski akademisyenlerinden Prithwiraj Choudhury, yakında her çalışanın onun yerine e-postaları yanıtlayan, toplantılara katılan bir yapay zekâ ikizi olabileceğini söylüyor. Ekibinin yaptığı bir deneyde çalışanlar, aldıkları cevapların şirket yöneticisinin kendisinden mi yoksa onun dijital ikizinden mi geldiğini ayırt edememiş. Tıpta da hastaların dijital ikizleri kuruluyor; doktorlar bir tedaviyi hastaya uygulamadan önce onun sanal kopyası üzerinde deneyerek hastalığın nasıl seyredeceğini tahmin etmeye çalışıyor.

Medreseden şehre, şehirden insana kadar her şeyin ikizi çıkarılıyor. Bunları okurken aklıma şu soru takıldı: Peki bizi doyuran arazilerin dijital ikizi olsaydı ne olurdu?

Anadolu’nun herhangi bir yerinde bir meyve bahçesi düşünelim. Bahçenin bir de bilgisayarda yaşayan bir kopyası var. Toprağa gömülü sensörler nemi, ağaçlara asılı küçük istasyonlar sıcaklığı ölçüyor, uydu görüntüleri hangi sıranın geride kaldığını gösteriyor. Mart sonunda bir akşam üreticinin telefonuna bir mesaj düşüyor: “Perşembe gecesi sıcaklık sıfırın altına inecek, çiçekteki ağaçlarda don riski yüksek.” Üretici önlemini iki gün önceden alıyor.

Ya da bir buğday arazisi. İkiz, toprakta kalan nemi ve önümüzdeki haftaların yağış ihtimalini hesaba katarak gübrenin ne zaman ve ne kadar verileceğini söylüyor. Mayısta yapraklardaki ilk lekeleri drone görüntüsünden yakalıyor, hastalık yayılmadan uyarıyor. Hasat zamanı geldiğinde verimin ne olacağı da aşağı yukarı belli.

Asıl ilginç kısım, tek bir arazinin değil bütün bölgenin ikizi kurulduğunda başlıyor. Binlerce bahçenin ve arazinin verisi bir araya gelince, daha yaz gelmeden o yıl ne kadar ürün çıkacağı, bunun hangi haftalarda hale ineceği, depoların ve soğuk zincirin bunu kaldırıp kaldıramayacağı görülebiliyor. Bu yaz meyvenin dalda maliyetin altına kalacağını, karpuzun hasat edilmeden arazide bekleyeceğini aylar önceden görebilseydik, acaba neler farklı olurdu?

Hayal gibi duruyor, ama parçalarının çoğu bugün var. Fikir tarıma sanayiden, türbinlerin ve motorların bilgisayardaki eşlerinden geldi. Tarımdaki ilk uygulamalar da tek bir işe odaklanıyordu: bir sulama sistemini, bir seranın iklimini, bir ahırdaki süt verimini izlemek. Son birkaç yılda dijital ikiz tek bir makinenin ya da parselin kopyası olmaktan çıkıp birbirine bağlı parçalardan oluşan bir sistemin modeline dönüşmeye başladı. Nereye kadar geldiğine ve nerede hâlâ tökezlediğine bakalım.

Wageningen Üniversitesi’nden Cor Verdouw ve arkadaşları 2021’de tarımdaki dijital ikizleri yaptıkları işe göre sınıflandırmıştı (Verdouw vd., 2021). Bu sınıflandırmayı bir merdiven gibi okumak mümkün. En altta yalnızca izleyen ikiz var; arazide ne olduğunu ekrana taşıyor. Bir üst basamakta tahmin eden ikiz, mevcut durumdan yola çıkıp ileriyi hesaplıyor. Daha yukarıda öneren ikiz duruyor: “Şunu yaparsan şu olur, en iyisi bu” diyor. En üstte de kararı kendisi verip uygulayan otonom ikiz var.

Bugün sahadaki uygulamaların çoğu ilk iki basamakta. Ama araştırmaların gittiği yer belli: ekranda veri gösteren bir sistemden, seçenekleri karşılaştırıp karar vermeye yardım eden bir sisteme geçmek. Bu da ister istemez tek bir parçayı değil, parçalar arasındaki ilişkileri modellemeyi gerektiriyor. Çünkü sulama kararı gübrenin etkisini, gübre bitkinin hastalığa direncini, hastalık da hasat zamanını değiştiriyor. Bunları ayrı ayrı modellemek, bir saatin dişlilerini tek tek inceleyip saatin nasıl çalıştığını anlamaya çalışmak gibi.

Ekmeden Önce Hasadı Görmek

Arazi ölçeğinde dijital ikiz üç kaynaktan besleniyor. Toprağa ve bitkiye yerleştirilen sensörler nemi, sıcaklığı, besin durumunu ölçüyor. Uydu ve drone görüntüleri bitkinin gelişimini, arazinin hangi köşesinin geride kaldığını gösteriyor. Yerel hava verisi de önümüzdeki günlerin koşullarını ekliyor. Bu üçü bir bitki büyüme modeliyle birleşince, gerçek araziye dokunmadan onlarca senaryo denenebiliyor.

En somut kazanç su ve gübrede. Verilen azotun ne kadarını bitkinin gerçekten kullandığı, yani besin kullanım etkinliği, hem maliyet hem çevre için önemli bir ölçü. Gübre fiyatlarının üreticinin belini büktüğü bir dönemde, gübreyi ne zaman ve ne kadar vereceğini önceden hesaplayabilmek küçük bir konu değil. Sulamada da durum aynı: bitkinin suya gerçekten ihtiyaç duyduğu anı yakalamak hem suyu hem pompanın harcadığı enerjiyi azaltıyor.

Araştırmacıların şu an uğraştığı asıl mesele ölçek. İlk dijital ikizlerin çoğu sadece sulamayı ya da sadece zararlı takibini modelliyordu. Şimdi hedef, bütün işletmeyi birbirini etkileyen süreçleriyle birlikte tek bir çerçevede modellemek. Teknik olarak çok daha zor, çünkü her yeni parça modele yeni belirsizlikler katıyor. Ama ortaya çıkan sonuç da çok daha anlamlı.

Konteynerdeki Sessiz Kayıp

Bence dijital ikizin en ilginç genişlemesi arazinin dışında yaşanıyor. Ürün hasat edildiği an yeni bir yolculuk başlıyor: depo, soğutma, kamyon, gemi, hal, market. Bu yolda ciddi bir kayıp var. FAO’ya göre dünyada üretilen gıdanın yüzde 13-14’ü hasattan sonra, daha rafa ulaşmadan kayboluyor. Meyve ve sebzede bu oran yüzde 20’nin üzerine çıkıyor (FAO, 2019).

Tedarik zinciri ikizi tam bu noktaya bakıyor. Bir kasa meyvenin sıcaklığı, nemi, yolda geçirdiği süre sensörlerle izleniyor; model de bu verilerden meyvenin ne kadar raf ömrü kaldığını hesaplıyor. İsviçre’deki Empa enstitüsünden Thijs Defraeye ve ekibi bu alanda en çok çalışan gruplardan biri. 2022’de Nature Food’da yayımlanan çalışmalarında 47 ticari narenciye sevkiyatını dijital ikizle izlediler (Shrivastava vd., 2022). Kalite ve pazarlanabilirlik ölçütlerinde sevkiyatlar arasında yüzde 3 ile yüzde 60 arasında değişen farklar çıktı. Sevkiyatların yaklaşık yarısı; meyvenin kalitesini korumak, meyve sineği larvalarını öldürmek ve soğuk zararından kaçınmak arasındaki ideal dengenin dışında kalmıştı. Kâğıt üzerinde aynı koşullarda taşınan aynı ürün, varış noktasına çok farklı kalitede ulaşıyordu. Bunu konteynerin içine sanal olarak bakmadan görmek mümkün değildi.

Kâğıt üzerinde aynı koşullarda taşınan aynı ürün, varış noktasına bambaşka bir kalitede ulaşıyordu.

Aynı mantık bütün zincire yayıldığında dijital ikiz bir tahmin aracına dönüşüyor. Hangi depoda darboğaz oluşacak? Bir liman kapanırsa ya da sıcak hava dalgası gelirse ürün ne kadar bekler, kayıp ne olur, bunun faturası kime çıkar? İzlenebilirlik de bu sistemin doğal bir sonucu. Bir kasa ürünün hangi araziden çıktığı, yolda hangi sıcaklıkta kaldığı kayıt altına alınınca hem gıda güvenliği sağlamlaşıyor hem de ihracatta istenen belgeler kolaylaşıyor. Defraeye ve arkadaşları 2021’de “Taze meyve-sebze zincirlerinde dijital ikize ihtiyacımız olacak mı?” diye sormuştu. Onların cevabı, özellikle çabuk bozulan ürünler için evetti (Defraeye vd., 2021).

Buluta Gitmeyen Akıl

Üçüncü gelişme yapay zekâyla birlikte geliyor. Dijital ikizler geçmiş verilerle eğitilmiş tahmin modellerine bağlanınca, zararlı ve hastalık riskini birkaç gün önceden haber veren erken uyarı sistemleri ortaya çıkıyor. Ama burada pratik bir sorun var. Bu modeller büyük ve çoğunlukla uzaktaki bir sunucuda çalışıyor. Veri araziden buluta gidiyor, orada işleniyor, sonuç geri dönüyor. İnternetin zayıf çektiği bir köyde bu döngü ya gecikiyor ya da hiç çalışmıyor.

“Çalıştırılabilir dijital ikiz” (xDT) denen yaklaşım bu soruna bir cevap. Kavram sanayiden, özellikle Siemens’in mühendislik çalışmalarından çıktı. Herman Van der Auweraer ve Dirk Hartmann bunu, büyük dijital ikizden belirli bir iş için ayrılmış, kendi başına çalışabilen bir model olarak tanımlıyor. Bu modelin gerçek zamanlı ya da ona yakın hızda sonuç vermesi ve fiziksel sisteme bağlı yerel bir cihazda çalışabilmesi gerekiyor (Van der Auweraer ve Hartmann, 2022). Tarıma uyarlandığında anlamı şu: model buluta gitmeden arazideki küçük bir bilgisayarda ya da sulama kontrol ünitesinin içinde çalışıyor, karar saniyeler içinde ve bağlantıya muhtaç olmadan veriliyor.

Bu yaklaşım tarımda henüz yeni, uygulamaların çoğu deneme aşamasında. Ama yönü doğru bence. Tarımın gerçek koşullarında, yani tozun, sıcağın, telefonun kesik kesik çektiği yerde işe yarayacak teknoloji büyük ve pahalı olan değil, küçük ve dayanıklı olan.

Vitrinin Arkası

Bunları okuyunca dijital ikizin tarımda yaygınlaştığı izlenimi doğabilir. Durum öyle değil. 2021’de yine Wageningen’den Christos Pylianidis ve arkadaşlarının yaptığı derleme, tarımda dijital ikiz adıyla anılan 28 uygulamayı incelemiş ve sektörün bu teknolojiyi gerçekten benimseyip benimsemediğinin henüz belirsiz olduğunu yazmıştı (Pylianidis vd., 2021). O günden bu yana çok şey ilerledi, ama temel sorunlar yerinde duruyor.

İlki veri. Dijital ikiz ancak beslendiği veri kadar iyi; sensör bozulduğunda, uydu görüntüsü bulutlu geldiğinde model gerçekle bağını kaybediyor. İkincisi uyarlama. Hollanda’daki bir sera için kurulmuş model, Antalya’daki bir seraya olduğu gibi taşınamıyor; her toprak, her çeşit, her iklim için yeniden ayarlanması gerekiyor. Üçüncüsü maliyet ve bilgi. Sensörü takmak işin kolay kısmı; modeli kurmak, güncel tutmak, sonucunu yorumlamak uzmanlık istiyor. Sonuncusu da veri sahipliği. Araziden toplanan bilginin kime ait olduğu, kimin hangi amaçla kullanabileceği hâlâ net değil.

Türkiye’de tarımda dijitalleşme son yıllarda gündemde. Tarım Orman Şurası’nda ayrı bir çalışma grubu bu konuya ayrıldı, akıllı tarım yatırımlarına hibe veriliyor. Ama tartışmanın büyük kısmı hâlâ araziye sensör takmak üzerine dönüyor. Bence asıl fırsat sistem tarafında.

Yazının başındaki meyve bahçesine dönelim. Bu yaz birçok bölgede meyve maliyetin altında kaldı, karpuz hasat edilmeden arazide kaldı. Bunun bir kısmı pazar ve fiyat meselesi, teknoloji tek başına çözmez. Ama bir kısmı da görünmezlik meselesi. Hangi üründen ne kadar ekildiğini, ne zaman hasada geleceğini, depoların ve soğuk zincirin bunu kaldırıp kaldıramayacağını kimse önceden bütün olarak görmüyor. Meyve ve sebze, hasat sonrası kaybın en yüksek olduğu ürün grubu. Tek tek arazilerin değil, üretimden hale ve limana uzanan zincirin bir modelini kurabilmek, bu kaybın önemli bir kısmını önceden görmemizi sağlayabilir.

Medresenin ikizini onu korumak için çıkardık. Şehirlerin ikizini depreme hazırlıklı olmak için, insanın ikizini hastalığını önceden görmek için kuruyoruz. Sofradaki ekmeği ve meyveyi üreten araziler de en az onlar kadar korunmayı hak ediyor. Dijital ikiz tek başına bir mucize değil. Ama bir arazinin kopyası olmaktan çıkıp sistemin modeli olmaya başladığı anda tarımın asıl sorusuna yaklaşıyor: Bir ürünün başına gelecekleri, o ürün daha topraktayken görebilir miyiz?

Kaynaklar

Defraeye, T. vd. (2021). Digital twins are coming: Will we need them in supply chains of fresh horticultural produce? Trends in Food Science & Technology, 109, 245-258.

FAO (2019). The State of Food and Agriculture 2019: Moving Forward on Food Loss and Waste Reduction. Roma: FAO.

Pylianidis, C., Osinga, S. ve Athanasiadis, I. N. (2021). Introducing digital twins to agriculture. Computers and Electronics in Agriculture, 184, 105942. https://doi.org/10.1016/j.compag.2020.105942

Shrivastava, C. vd. (2022). Digital twins enable the quantification of the trade-offs in maintaining citrus quality and marketability in the refrigerated supply chain. Nature Food, 3(6), 413-427. https://doi.org/10.1038/s43016-022-00497-9

Van der Auweraer, H. ve Hartmann, D. (2022). The executable digital twin: merging the digital and the physics worlds. arXiv, 2210.17402.

Verdouw, C., Tekinerdogan, B., Beulens, A. ve Wolfert, S. (2021). Digital twins in smart farming. Agricultural Systems, 189, 103046. https://doi.org/10.1016/j.agsy.2020.103046