Microsoft Fabric ile Tarımsal Veri Analizi

Bu rehberde, Microsoft Fabric kullanarak tarımsal verim analizi ve öngörüsel tahminleme yapmayı öğreneceksiniz. NASA, FAO ve Google Earth Engine gibi kaynaklardan veri alacak, Microsoft Fabric içinde işleyecek ve Power BI ile görselleştireceğiz.

1. Microsoft Fabric Ortamını Hazırlama

Öncelikle Microsoft Fabric hesabınıza giriş yaparak Data Engineering ve Power BI ortamlarını hazırlayalım.

1.1. Microsoft Fabric’e Giriş

Microsoft Fabric portalına git ve hesabınla giriş yap (Eğer hesabın yoksa, ücretsiz Fabric deneme sürümünü başlatabilirsin).

2. OneLake Üzerinde Lakehouse Oluşturma

Fabric içerisinde verileri depolamak ve yönetmek için bir Lakehouse oluşturalım.

2.1. Lakehouse Oluşturma

1. Microsoft Fabric portalında sol menüden “New” → “Lakehouse” seçeneğini seç.

2. Lakehouse’a bir isim ver (Örn: TarimsalVeriAnalizi_Lakehouse).

3. “Create” butonuna basarak oluştur.

3. NASA API Kullanarak İklim Verilerini Çekme

NASA’nın Power Data API ile belirli bir bölge için sıcaklık ve yağış verilerini çekelim.

Bu veri seti; Belirli koordinatlarda 2023 yılında günlük bazda Yağış ve 2 metre yükseklikteki sıcaklık değerlerini zaman serisi olarak gösteriyor.

3.1. Notebook Açma ve Python Kodunu Çalıştırma

1. Fabric portalında sol menüden “New Notebook” seçeneğini seç.
2. Notebook’a isim ver (Örn: NASA_Weather_Data).
3. Aşağıdaki Python kodlarını çalıştır:

Files dizini oluşturma:

📌 Bu adımın sonunda, NASA’dan çektiğimiz iklim verileri CSV olarak kaydedilecek.

4. FAO’dan Tarımsal Ürün Verim Verilerini Yükleme

FAO, mahsul üretimi ve tarımsal verim ile ilgili detaylı veri setleri sunar.

Kullanılacak veri, Türkiye’nin 2023 yılındaki farklı meyve, baklagil, kabuklu yemiş ve diğer bitkisel ürünlerdeki üretim miktarlarını ton bazında resmi, tahmini ve tamamlanmış verilerle birlikte sunuyor.

4.1. FAO Verilerini İndirme

1. FAO’nun FAOSTAT sayfasına git.
2. “Crops and Livestock Products” → “Production” seçeneğini seç.
3. İlgili ülke, tarih aralığı gibi parametreleri belirleyerek CSV formatında indir.

4.2. FAO Verilerini OneLake’e Yükleme

1. Microsoft Fabric portalında “Data Engineering” sekmesine git.
2. Oluşturduğun “TarimsalVeriAnalizi_Lakehouse” içindeki “Files” klasörüne gir.
3. “Upload” butonuna bas ve indirdiğin FAO CSV dosyasını yükle.

5. Google Earth Engine ile Uydu Görüntülerinden NDVI Değerlerini Çekme

NDVI (Normalized Difference Vegetation Index), bitkilerin sağlıklı olup olmadığını belirlemek için kullanılan bir ölçümdür.

· NDVI ≈ 0: Bu, su, kaya, kar veya çıplak toprak gibi bitki örtüsü olmayan alanları ifade eder.

· NDVI 0–0.2: Zayıf bitki örtüsü, çimenler, kuru toprak veya tarım arazileri.

· NDVI 0.2–0.5: Orta yoğunlukta bitki örtüsü, meyve ağaçları veya çalılıklar.

· NDVI 0.5–1: Yoğun bitki örtüsü, ormanlar veya sağlıklı tarım alanları.

Bu veri seti, belirli coğrafi noktalarda (enlem ve boylam olarak) alınmış NDVI (Normalized Difference Vegetation Index — Normalize Edilmiş Bitki Örtüsü Fark İndeksi) değerlerini gösteriyor.

5.1. Google Earth Engine API Kullanımı

Google Earth Engine sayfasına giderek belirlediğiniz alandan verileri python jupyter notebook ile dışarıya aktarabilirsiniz.

https://code.earthengine.google.com/

Ardından, bu dosyayı Microsoft Fabric’e yükleyebilirsiniz.

Yüklediğiniz dosyaları daha sonrasında Tables altına ekleyin.

6. Power BI ile Raporlama ve Görselleştirme

Şimdi, tüm bu verileri Power BI ile görselleştireceğiz.

6.1. Power BI’da OneLake’e Bağlanma

1. Power BI Desktop uygulamasını aç.
2. “Get Data” (Veri Al) → “Fabric Lakehouse” seçeneğini seç.

3. “TarimsalVeriAnalizi_Lakehouse” içerisindeki verileri seç ve yükle.

6.2. Rapor Sayfaları ve Görselleştirmeler