Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi

Müslüm Öztürk

doi:10.18016/ksutarimdoga.vi.1800299

EN TR

Selection of Smart Agricultural Drones Using Spherical Fuzzy COPRAS: A Multi-Criteria Uncertain Decision-Making Problem

Öz

The aim of this study is to develop an integrated decision support model that considers uncertainty in determining the most suitable unmanned aerial vehicle (drone) alternative for agricultural enterprises. In this context, the Spherical Fuzzy-based COPRAS (SFN COPRAS) method, which enables the simultaneous evaluation of quantitative and qualitative criteria in the decision process, was used. Eight main evaluation criteria were identified and weighted based on the opinions of eight experts. The expert evaluations were modeled using spherical fuzzy numbers, and then five drone alternatives (A1–A5) were compared using the SFN-COPRAS method. To test the robustness of the model, a scenario-based sensitivity analysis was conducted by applying changes of up to ±30% in the criterion weights. The results showed that A2 (XAG P30) achieved the highest final score (P_i=1.0000) in all scenarios and was identified as the most suitable drone option. A1 (DJI Agras T30) (P_i=0.9998) and A4 (Yuneec H520) (P_i=0.9997) ranked second and third, respectively, while A5 (Shark Aviation–domestic agricultural spraying drone (Konya)) (P_i=0.9944) and A3 (Parrot Bluegrass) (P_i=0.9913) ranked fourth and fifth. The analysis indicated that changes in criterion weights had limited impact on the ranking and that the method produced stable results. The findings show that the SFN COPRAS method provides robust and consistent decisions under uncertainty and can be effectively used for agricultural drone selection.

Anahtar Kelimeler

Etik Beyan

This study does not require ethical approval, as it does not involve any experimental procedures on living subjects, data collection from human participants, or the use of personal data. The study is based solely on literature data, information obtained from secondary sources, and analyses grounded on quantitative evaluations.

Teşekkür

We sincerely thank the eight-member expert team for their invaluable contributions to this study. Their knowledge, experience, and guidance have been instrumental in enhancing the scientific quality of our research. We also extend our gratitude to all individuals and institutions who contributed, directly or indirectly, to this work. The effort and support of each has significantly contributed to the success of this research.

Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi

Öz

Bu çalışmanın amacı, tarımsal işletmeler için en uygun insansız hava aracı (drone) alternatifinin belirlenmesinde belirsizliğin etkisini dikkate alan bütünleşik bir karar destek modeli geliştirmektir. Bu kapsamda, karar sürecinde yer alan çok sayıda nicel ve nitel kriteri eşzamanlı olarak değerlendirebilen Küresel Bulanık tabanlı COPRAS (SFN COPRAS) yöntemi kullanılmıştır. Çalışmada sekiz temel değerlendirme kriteri belirlenmiş ve sekiz uzman görüşleriyle ağırlıklandırılmıştır. Uzmanların değerlendirmeleri küresel bulanık sayılar aracılığıyla modellenmiş, ardından SFN-COPRAS yöntemi kullanılarak beş farklı drone alternatifi (A1–A5) çok kriterli olarak karşılaştırılmıştır. Modelin sağlamlığını test etmek amacıyla, kriter ağırlıklarında ±30’a kadar değişim uygulanarak senaryo bazlı duyarlılık analizi gerçekleştirilmiştir. Analiz sonucunda, A2 (XAG P30) alternatifinin tüm senaryolarda en yüksek nihai skor değerine (P_i=1.000) ulaşarak en uygun drone seçeneği olarak belirlenmiştir. A1 (DJI Agras T30) (P_i=0.9998) ve A4 (Yuneec H520) (P_i=0.9997) alternatifleri sırasıyla ikinci ve üçüncü sırada yer almış, A5 (Shark Havacılık-Yerli ilaçlama dronu (Konya)) (P_i=0.9944) ve A3 (Parrot Bluegrass) (P_i=0.9913) ise nispeten düşük skorları nedeniyle dördüncü ve beşinci sırada kalmıştır. Senaryo testlerinde, kriter ağırlıklarındaki değişimlerin sıralama üzerinde yalnızca sınırlı etkiler yarattığı ve yöntemin yüksek düzeyde stabil sonuçlar ürettiği tespit edilmiştir. Elde edilen bulgular, SFN COPRAS yönteminin belirsizlik koşullarında sağlam (robust) ve tutarlı kararlar verebildiğini göstermiştir. Böylece SFN COPRAS yaklaşımının, tarımsal drone seçimi gibi yüksek belirsizlik içeren alanlarda karar destek mekanizması olarak etkin bir şekilde kullanılabilir olduğu görülmüştür.

Anahtar Kelimeler

Etik Beyan

Bu çalışma, herhangi bir canlı üzerinde deneysel bir uygulama, insan katılımcılardan veri toplama veya kişisel verilerin kullanımı içermediğinden etik kurul onayı gerektirmemektedir. Çalışma kapsamında yalnızca literatür verileri, ikincil kaynaklardan elde edilen bilgiler ve nicel değerlendirmelere dayalı analizler yapılmıştır.

Teşekkür

Bu çalışmanın gerçekleştirilmesinde değerli katkıları bulunan sekiz uzman ekibe içten teşekkürlerimizi sunarız. Sağladıkları bilgi, deneyim ve rehberlik, çalışmamızın bilimsel niteliğini artırmada büyük önem taşımıştır. Ayrıca, çalışmamıza dolaylı veya doğrudan katkıda bulunan tüm kişi ve kurumlara teşekkür ederiz. Her birinin emeği ve desteği, araştırmanın başarısına önemli ölçüde katkı sağlamıştır.

Kaynakça

Agrawal, J., & Arafat, M. Y. (2024). Transforming Farming: A Review of AI-Powered UAV Technologies in Precision Agriculture. Drones (2504-446X), 8(11), 664. https://doi.org/10.3390/drones8110664
Alamoodi, A., Garfan, S., Deveci, M., Albahri, O. S., Albahri, A. S., Yussof, S., ... & Moslem, S. (2024). Evaluating agriculture 4.0 decision support systems based on hyperbolic fuzzy-weighted zero-inconsistency combined with combinative distance-based assessment. Computers and Electronics in Agriculture, 227, 109618. https://doi.org/10.1016/j.compag.2024.109618
Arza-García, M., & Burgess, A. J. (2022). Drones in the sky: towards a more sustainable agriculture. Agriculture, 13(1), 84. https://doi.org/10.3390/agriculture13010084
Aydoğdu, E., Aldemir, B., Güner, E., & Aygün, H. (2023). A novel entropy measure with its application to the COPRAS method in complex spherical fuzzy environment. Informatica, 34(4), 679-711. https://doi.org/10.15388/23-INFOR539
Azim, A. B., ALoqaily, A., Ali, A., Ali, S., Mlaiki, N., & Hussain, F. (2023). Industry 4.0 project prioritization by using q-spherical fuzzy rough analytic hierarchy process. AIMS Mathematics, 8(8), 18809-18832.
Boz, E. (2025). Evaluation for the selection of agricultural spraying drones using p, q-Quasirung orthopair fuzzy logic and multi-criteria methods. Scientific Reports, 15(1), 27606. https://doi.org/10.1038/s41598-025-11656-w
Briscilla S, J., & Rajan, R. S. (2024). The Impact of Sensitivity Analysis on Multi-Criteria Decision Making: Implications for Location Selection Performance. Journal of Management Information and Decision Sciences, 27(S4), 1-16.
Calderone, G., Ferro, M. V., & Catania, P. (2025). A systematic literature review on recent unmanned aerial spraying systems applications in orchards. Smart Agricultural Technology, 10, 100708. https://doi.org/10.1016/j.atech.2024.100708

Cavalaris, C., Tagarakis, A. C., Kateris, D., & Bochtis, D. (2023). Cost analysis of using UAV sprayers for olive fruit fly control. AgriEngineering, 5(4), 1925-1942. https://doi.org/10.3390/agriengineering5040118
Cetinkaya, C., Özkan, B., Özceylan, E., & Haffar, S. (2022). An eco-friendly evaluation for locating wheat processing plants: an integrated approach based on interval type-2 fuzzy AHP and COPRAS. Soft Computing-A Fusion of Foundations, Methodologies & Applications, 26(9), 4081-4102.
Del Cerro, J., Cruz Ulloa, C., Barrientos, A., & de León Rivas, J. (2021). Unmanned aerial vehicles in agriculture: A survey. Agronomy, 11(2), 203. https://doi.org/10.3390/agronomy11020203
Delavarpour, N., Koparan, C., Nowatzki, J., Bajwa, S., & Sun, X. (2021). A technical study on UAV characteristics for precision agriculture applications and associated practical challenges. Remote sensing, 13(6), 1204. https://doi.org/10.3390/rs13061204
Dikopoulou, Z., Nápoles, G., Papageorgiou, E., & Vanhoof, K. (2017). A modified fuzzy TOPSIS method aggregating partial rankings for companies’ attractiveness. In The application of fuzzy logic for managerial decision making processes: Latest research and case studies (pp. 59-71). Cham: Springer International Publishing.
DJI. (2021). Agras T30 - A new digital flagship for agriculture. DJI. Erişim adresi: https://www.dji.com/t30
Dong, H., Ma, X., & Zhang, S. (2025). Multi-Flight Path Planning for a Single Agricultural Drone in a Regular Farmland Area. Sustainability, 17(6), 2433. https://doi.org/10.3390/su17062433
Dorling, K., Heinrichs, J., Messier, G. G., & Magierowski, S. (2016). Vehicle routing problems for drone delivery. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 47(1), 70-85.
Ertürk, A., Doğar, D., & Çiçek, A. (2026). Determining the Attitudes of Agricultural Engineer Candidates Towards Digitalization in Agriculture with Factor Analysis: The Case of Tokat Gaziosmanpasa University. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 29(2), 475-486. https://doi.org/10.18016/ksutarimdoga.vi.1740494
Eryılmaz, G. A., & Kılıç, O. (2018). Türkiye’de sürdürülebilir tarım ve iyi tarım uygulamaları. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 21(4), 624-631. https://doi.org/10.18016/ksudobil.345137
Fan, J., Han, D., & Wu, M. (2022). T-spherical fuzzy COPRAS method for multi-criteria decision-making problem. Journal of Intelligent & Fuzzy Systems, 43(3), 2789-2801. https://doi.org/10.3233/JIFS-213227
Ganie, A. H., & Dutta, D. (2025). Application of a spherical fuzzy entropy measure in the selection of the best hazardous waste transportation firm. Journal of Industrial and Management Optimization, 21(5), 3943-3959.
Gao, K., Liu, T., Rong, Y., Simic, V., Garg, H., & Senapati, T. (2024). A novel BWM-entropy-COPRAS group decision framework with spherical fuzzy information for digital supply chain partner selection. Complex & Intelligent Systems, 10(5), 6983-7008. https://doi.org/10.1007/s40747-024-01500-5
Ghorabaee, M. K., Amiri, M., Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2017). A new multi-criteria model based on interval type-2 fuzzy sets and EDAS method for supplier evaluation and order allocation with environmental considerations. Computers & Industrial Engineering, 112, 156-174. https://doi.org/10.1016/j.cie.2017.08.017
Göncü, K. K. (2024). Çeltik Üreticilerinin Tarımsal İlaçlamada Kullandıkları Dron Tercihlerini Etkileyen Faktörlerin Değerlendirilmesi. JOEEP: Journal of Emerging Economies and Policy, 9(2), 38-46.
Guebsi, R., Mami, S., & Chokmani, K. (2024). Drones in precision agriculture: A comprehensive review of applications, technologies, and challenges. Drones, 8(11), 686. https://doi.org/10.3390/drones8110686
Güner, E., Aldemir, B., Aydoğdu, E., & Aygün, H. (2025). Novel Hamacher aggregation operators with applications to the AHP-COPRAS method for spherical fuzzy environment. Neural Computing and Applications, 1-50. https://doi.org/10.1007/s00521-025-11167-9
Gurmani, S. H., Garg, H., Zulqarnain, R. M., & Siddique, I. (2023). Selection of unmanned aerial vehicles for precision agriculture using interval-valued q-rung orthopair fuzzy information based TOPSIS method. International Journal of Fuzzy Systems, 25(8), 2939-2953. https://doi.org/10.1007/s40815-023-01568-0 https://doi.org/10.48550/arXiv.1205.5098
Grbović, Ž., Ivošević, B., Budjen, M., Waqar, R., Pajević, N., Ljubičić, N., ... & Panić, M. (2025). Integrating UAV multispectral imaging and proximal sensing for high-precision cereal crop monitoring. PLoS One, 20(5), e0322712. https://doi.org/10.1371/journal.pone.0322712
İnan, M., & Karci, A. (2025). Drone tabanlı tarımsal operasyonlarda hız ve yüksekliğin enerji tüketimine etkisi. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 28(2), 674-689.
Jackson, J., Ladino, K., & Abdulai, G. (2021). Decision aid for estimating the cost of using a drone in production agriculture. University of Kentucky College of Agriculture, Food and Environment Cooperative Extension Service, 1-9.
Keskin, M. (2025, 10 Nisan). Yerli yazılımla üretilen zirai ilaçlama dronu çiftçinin hayatını kolaylaştırıyor. Anadolu Ajansı. Erişim adresi: https://www.aa.com.tr/tr/bilim-teknoloji/yerli-yazilimla-uretilen-zirai-ilaclama-dronu-ciftcinin-hayatini-kolaylastiriyor/3533689
Kizielewicz, B., Wątróbski, J., & Sałabun, W. (2025). Multi-criteria decision support system for the evaluation of UAV intelligent agricultural sensors. Artificial Intelligence Review, 58(7), 194. https://doi.org/10.1007/s10462-025-11201-1
Kutlu Gündoğdu, F., & Kahraman, C. (2019, July). Spherical fuzzy analytic hierarchy process (AHP) and its application to industrial robot selection. In International Conference on Intelligent and Fuzzy Systems (pp. 988-996). Cham: Springer International Publishing.
Liu, P., & Shen, J. (2024). GHF-COPRAS multiple attribute decision-making method based on cumulative prospect theory and its application to enterprise digital asset valuation. Axioms, 13(5), 297. https://doi.org/10.3390/axioms13050297
Liu, J., Wang, W., Li, J., Mustafa, G., Su, X., Nian, Y., ... & Li, X. (2025). UAV remote sensing technology for wheat growth monitoring in precision agriculture: Comparison of data quality and growth parameter inversion. Agronomy, 15(1), 159. https://doi.org/10.3390/agronomy15010159
Lu, J., Zhang, S., Wu, J., & Wei, Y. (2021). COPRAS method for multiple attribute group decision making under picture fuzzy environment and their application to green supplier selection. Technological and economic development of economy, 27(2), 369-385. https://doi.org/10.3846/tede.2021.14211
Oğuz, A. (2024). Drone Selection for Agricultural Enterprises with Interval Type-2 Fuzzy COPRAS Method. Journal of Research in Business, 9(2), 395-421. https://doi.org/10.54452/jrb.1447602
Özdemir, Y. S. (2022). A spherical fuzzy multi-criteria decision-making model for industry 4.0 performance measurement. Axioms, 11(7), 325. https://doi.org/10.3390/axioms11070325
Özgüven, M. M., Altaş, Z., Güven, D., & Çam, A. (2022). Tarımda drone kullanımı ve geleceği. Ordu Üniversitesi Bilim ve Teknoloji Dergisi, 12(1), 64-83. https://doi.org/10.54370/ordubtd.1097519
Öztürk, M. (2025). A Hybrid Approach for Battery Selection Based on Green Criteria in Electric Vehicles: DEMATEL-QFD-Interval Type-2 Fuzzy VIKOR. Sustainability, 17(14), 6277. https://doi.org/10.3390/ su17146277
Öztürk, M. (2026a). Equipment supplier selection for sustainable hydrogen production: A group decision-making supported spherical fuzzy TOPSIS approach. Sustainability, 18(4), 1737. https://doi.org/10.3390/su18041737
Öztürk, M. (2026b). Yeşil hidrojen tedarik zinciri lojistik merkezi seçimi: Yeni bir aralık Tip-2 bulanık BWM–RANCOM–ELECTRE III hibrit yaklaşımı. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 41(1), 445-462. https://doi.org/10.17341/gazimmfd.1774149
Parrot. (2018). Parrot Bluegrass: Agricultural drone for precision farming. Parrot. Erişim adresi: https://www.parrot.com/assets/s3fs-public/2021-09/bd_bluegrass_productsheet_en_210x297_2018-03-01.pdf
Puška, A., Igić, S., Prdić, N., Dudić, B., Stojanović, I., Stošić, L., & Nedeljković, M. (2025). Application of Intuitionistic Fuzzy Approaches and Bonferroni Mean Operators in the Selection of Suppliers of Agricultural Equipment and Machinery for the Needs of the Agriculture 4.0 System. Mathematics, 13(14), 2268. https://doi.org/10.3390/math13142268
Puška, A., Nedeljković, M., Štilić, A., & Božanić, D. (2024). Evaluation of Affordable Agricultural Drones for Small and Medium Farms. Eng, 5(4), 3161-3173. https://doi.org/10.3390/eng5040166
Quan, X., Guo, Q., Ma, J., & Doluschitz, R. (2023). The economic effects of unmanned aerial vehicles in pesticide application: Evidence from Chinese grain farmers. Precision Agriculture, 24(5), 1965-1981. https://doi.org/10.1007/s11119-023-10025-9
Petritoli, E., Leccese, F., & Ciani, L. (2018). Reliability and maintenance analysis of unmanned aerial vehicles. Sensors, 18(9), 3171. https://doi.org/10.3390/s18093171
Rajput, L., & Kumar, S. (2024). Spherical fuzzy choquet integral-based VIKOR method for multi-criteria group decision-making problems. Cybernetics and Systems, 55(8), 2308-2328. https://doi.org/ 10.1080/01969722.2022.2151181
Raudeliuniene, J., Trinkuniene, E., Burinskiene, A., & Bubliene, R. (2025). Application of Multi-Criteria Decision-Making Approach COPRAS for Developing Sustainable Building Practices in the European Region. Sustainability, 17(8), 3740. https://doi.org/10.3390/su17083740
Ramteke, S. V., Varadwaj, P. K., & Tiwari, V. (2025). Optimizing UAV spraying for sustainable agriculture: A life cycle and efficiency analysis in India. Sustainability, 17(13), 6211. https://doi.org/10.3390/su17136211
Rejeb, A., Abdollahi, A., Rejeb, K., & Treiblmaier, H. (2022). Drones in agriculture: A review and bibliometric analysis. Computers and electronics in agriculture, 198, 107017. https://doi.org/10.1016/j.compag.2022.107017
Safaeinejad, M., Ghasemi-Nejad-Raeini, M., & Taki, M. (2025). Reducing energy and environmental footprint in agriculture: A study on drone spraying vs. conventional methods. PLoS One, 20(6), e0323779. https://doi.org/10.1371/journal.pone.0323779
Sarucan, A., Baysal, M. E., & Engin, O. (2021). A spherical fuzzy TOPSIS method for solving the physician selection problem. Journal of Intelligent & Fuzzy Systems, 42(1), 181-194. https://doi.org/10.3233/JIFS-219185
Sodhi, B., & Prabhakar, T. V. (2012). A simplified description of fuzzy TOPSIS. arXiv preprint arXiv:1205.5098. Soussi, A., Zero, E., Sacile, R., Trinchero, D., & Fossa, M. (2024). Smart sensors and smart data for precision agriculture: a review. Sensors, 24(8), 2647. https://doi.org/10.3390/s24082647
Stolaroff, J. K., Samaras, C., O’Neill, E. R., Lubers, A., Mitchell, A. S., & Ceperley, D. (2018). Energy use and life cycle greenhouse gas emissions of drones for commercial package delivery. Nature communications, 9(1), 409. https://doi.org/10.1038/s41467-017-02411-5
Taherdoost, H., & Mohebi, A. (2024). A comprehensive guide to the copras method for multi-criteria decision making. J. Manag. Sci. Eng. Res, 7(2), 1-14.
Testa, R., Galati, A., Schifani, G., & Migliore, G. (2025). Cost-effectiveness of conventional and precision agriculture sprayers in Southern Italian vineyards: A break-even point analysis. Precision Agriculture, 26(2), 39. https://doi.org/10.1007/s11119-025-10233-5
Thilagavathy, A., & Mohanaselvi, S. (2024). T-Spherical fuzzy TOPSIS method based on distance measures and Hamacher Heronian mean averaging aggregation operators and its application to waste management. Applied Soft Computing, 162, 111868. https://doi.org/10.1016/j.asoc.2024.111868
Turanoglu Bekar, E., Cakmakci, M., & Kahraman, C. (2016). Fuzzy COPRAS method for performance measurement in total productive maintenance: a comparative analysis. Journal of Business Economics and Management, 17(5), 663-684. https://doi.org/10.3846/16111699.2016.1202314
Türkmen, M., & Demirel, A. (2022). SWARA Ağırlıklı Bulanık COPRAS Yöntemi ile Tedarikçi Seçimi. Alanya Akademik Bakış, 6(1), 1739-756. https://doi.org/10.29023/alanyaakademik.986700
Umeda, S., Yoshikawa, N., & Seo, Y. (2022). Cost and workload assessment of agricultural drone sprayer: A case study of rice production in Japan. Sustainability, 14(17), 10850. https://doi.org/10.3390/su141710850
Wang, W., Cao, Y., Deveci, M., & Wu, Q. (2024). An extensible complex spherical fuzzy decision making model based selection framework for the food waste treatment method. Applied Soft Computing, 150, 111068. https://doi.org/10.1016/j.asoc.2023.111068
Więckowski, J., & Sałabun, W. (2025). Making more informed decisions in multi-criteria problems under uncertain conditions of criteria weights: drone selection study case. Facta Universitatis, Series: Mechanical Engineering.
XAG. (2021). P30 Plant Protection UAS. XAG. Erişim adresi: https://www.xa.com/en/p30
Yao, W., Liu, C., Liu, Y., Zheng, Q., Wang, J., Yu, H., ... & Guo, S. (2025). Unmanned aerial vehicle payload technology applications in agriculture and other low-altitude scenarios: a review. Frontiers in Plant Science, 16, 1721484. Doi: 10.3389/fpls.2025.1721484
Yuneec. (2017). Yuneec H520: Commercial drone for industrial applications. Yuneec. Erişim adresi: https://www.yuneec.com/h520

Ayrıntılar

Birincil Dil

Türkçe

Konular

Tarım Makineleri, Tarımsal Yapılar, Sürdürülebilir Tarımsal Kalkınma, Tarım Politikaları

Bölüm

Araştırma Makalesi

Yazarlar

Müslüm Öztürk ^*
0000-0003-1941-3115
Türkiye

Erken Görünüm Tarihi

20 Eylül 2026

Yayımlanma Tarihi

-

Gönderilme Tarihi

9 Ekim 2025

Kabul Tarihi

7 Mayıs 2026

Yayımlandığı Sayı

Yıl 2026 Sayı: Advanced Online Publication

DOI

https://doi.org/10.18016/ksutarimdoga.vi.1800299

IZ

https://izlik.org/JA35YG29KG

Kaynak Göster

RIS / Bibtex

APA

Öztürk, M. (2026). Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, Advanced Online Publication, 115-144. https://doi.org/10.18016/ksutarimdoga.vi.1800299

AMA

1.Öztürk M. Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi. 2026;(Advanced Online Publication):115-144. doi:10.18016/ksutarimdoga.vi.1800299

Chicago

Öztürk, Müslüm. 2026. “Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi”. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, sy Advanced Online Publication: 115-44. https://doi.org/10.18016/ksutarimdoga.vi.1800299.

EndNote

Öztürk M (01 Eylül 2026) Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi Advanced Online Publication 115–144.

IEEE

[1]M. Öztürk, “Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi”, Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, sy Advanced Online Publication, ss. 115–144, Eyl. 2026, doi: 10.18016/ksutarimdoga.vi.1800299.

ISNAD

Öztürk, Müslüm. “Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi”. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi. Advanced Online Publication (01 Eylül 2026): 115-144. https://doi.org/10.18016/ksutarimdoga.vi.1800299.

JAMA

1.Öztürk M. Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi. 2026;:115–144.

MLA

Öztürk, Müslüm. “Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi”. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, sy Advanced Online Publication, Eylül 2026, ss. 115-44, doi:10.18016/ksutarimdoga.vi.1800299.

Vancouver

1.Müslüm Öztürk. Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi. 01 Eylül 2026;(Advanced Online Publication):115-44. doi:10.18016/ksutarimdoga.vi.1800299

Selection of Smart Agricultural Drones Using Spherical Fuzzy COPRAS: A Multi-Criteria Uncertain Decision-Making Problem

Öz

Anahtar Kelimeler

Etik Beyan

Teşekkür

Küresel (Spherical) Bulanık COPRAS ile Akıllı Tarım Dronu Seçimi: Çok Kriterli Belirsiz Karar Problemi

Öz

Anahtar Kelimeler

Etik Beyan

Teşekkür

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Erken Görünüm Tarihi

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

e-ISSN: 2619-9149