작물 생육 모델을 이용한 지역단위 콩 수량 예측

반호영; 최덕환; 안중배; 이변우

추천

검색

자료유형: 학술저널

저자정보: 반호영 (서울대 농업생명과학연구원) 최덕환 (서울대학교 농업생명과학연구원) 안중배 (부산대학교) 이변우 (서울대학교)

저널정보: 대한원격탐사학회 대한원격탐사학회지 대한원격탐사학회지 제33권 제5호

발행연도: 2017.10

수록면: 699 - 708 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 재배 방법, 토양 특성 등의 정보를 상세하게 수집하기 어려운 지역단위의 콩 작황을작물생육 모델을 이용하여 예측하는 방법을 개발하고자 하였다. 작물 생육 모델은 DSSAT에 포함된CROPGRO-Soybean 모델을 이용하였고, 미국의 주요 콩 생산지역인 Illinois주를 연구 사례지역으로 선택하였다. CROPGRO-Soybean 모델을 이용하여 Illinois주의 콩 수량을 예측하기 위한 첫 단계로 다양한 성숙군에 속하는 국내외 품종들을 수집하여 서울대학교농장(37.27°N, 126.99°E)에서 2년동안 파종기 실험을하여 성숙군(maturity group) I~VI까지의 성숙군별 대표 품종모수(genetic coefficients)를 추정하였다. 대표품종모수는 각 성숙군 내에 포함되어 있는 품종들의 발육을 매우 정확하게 추정하였다. 10 km×10 km 격자단위의 기상자료를 바탕으로 성숙군(3), 파종시기(3), 관개여부(2) 등을 조합하여 18가지 조건으로 2000년에서 2011년까지 수량을 각각 모의 하였다. 성숙군과 파종시기는 Illinois주를 위도에 따라 3등분하여 각각다르게 설정하였다. 관개 및 무관개 조건으로 구분하여 격자 별 모의결과로부터 Illinois주 전체 평균 모의수량을 구하여 연도 별 통계 수량과 비교한 결과 두 경우 모두 실제 수량과 큰 차이를 보일 뿐만 아니라 연차에따른 수량 변동과 증가 경향을 반영하지 못하였다. 이러한 한계를 극복하고자 처리 별 격자 별로 모의된 수량을 수량을 18개 모의 조건 별로 평균하여 구한 9개 농업지구의 연도별 수량을 독립 변수, 농업지구의 연도별 통계수량을 종속 변수로 하는 중회귀 모델을 구축하였다. 18개 모의 조건 별 수량 외에 품종 개량, 재배기술 발전 등에 따른 수량의 연차적 변화경향을 반영하기 위하여 연도를 독립변수로 추가하였으며, 중회귀모델은 농업지구와 연도별 수량 변이를 비교적 잘 예측(R2=0.61, n=108)하였다. 중회귀 모델로 추정한 9개농업지구의 연도별 수량을 농업지구별 재배 면적으로 가중 평균한 Illinois의 연도별 추정수량은 통계수량에매우 근사하였다(R2=0.80). 뿐만 아니라 모델 구축 대상연도가 아니고 가뭄으로 수량이 크게 감소한 2012 년의 예측 수량은 3006 kg ha-1로 통계수량 2890 kg ha-1과 116kg ha-1의 근사한 차이를 보였다.

The present study was to develop an approach for predicting soybean yield using a crop growth simulation model at the regional level where the detailed and site-specific information on cultivation management practices is not easily accessible for model input. CROPGRO-Soybean model included in Decision Support System for Agrotechnology Transfer (DSSAT) was employed for this study, and Illinois which is a major soybean production region of USA was selected as a study region. As a first step to predict soybean yield of Illinois using CROPGRO-Soybean model, genetic coefficients representative for each soybean maturity group (MG I~VI) were estimated through sowing date experiments using domestic and foreign cultivars with diverse maturity in Seoul National University Farm (37.27°N, 126.99°E) for two years. The model using the representative genetic coefficients simulated the developmental stages of cultivars within each maturity group fairly well. Soybean yields for the grids of 10 km×10 km in Illinois state were simulated from 2,000 to 2,011 with weather data under 18 simulation conditions including the combinations of three maturity groups, three seeding dates and two irrigation regimes. Planting dates and maturity groups were assigned differently to the three sub-regions divided longitudinally. The yearly state yields that were estimated by averaging all the grid yields simulated under non-irrigated and fully-Irrigated conditions showed a big difference from the statistical yields and did not explain the annual trend of yield increase due to the improved cultivation technologies. Using the grain yield data of 9 agricultural districts in Illinois observed and estimated from the simulated grid yield under 18 simulation conditions, a multiple regression model was constructed to estimate soybean yield at agricultural district level. In this model a year variable was also added to reflect the yearly yield trend. This model explained the yearly and district yield variation fairly well with a determination coefficients of R2 = 0.61 (n = 108). Yearly state yields which were calculated by weighting the model-estimated yearly average agricultural district yield by the cultivation area of each agricultural district showed very close correspondence (R2 = 0.80) to the yearly statistical state yields. Furthermore, the model predicted state yield fairly well in 2012 in which data were not used for the model construction and severe yield reduction was recorded due to drought.

#CROPGRO-Soybean model #Multiple regression #Regional soybean yield #yield prediction #10-km grid

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

반호영

소속기관 서울대 농업생명과학연구원

주요연구분야 자연과학 > 기타 자연과학

논문수 1 이용수 18

최덕환

소속기관 서울대학교 농업생명과학연구원

주요연구분야 자연과학 > 기타 자연과학

논문수 1 이용수 18

안중배

소속기관 부산대학교

주요연구분야 자연과학 > 기타 자연과학

논문수 5 이용수 22

이변우

소속기관 서울대학교

주요연구분야 자연과학 > 기타 자연과학

논문수 1 이용수 18

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)