• 한국농림기상학회지
• /
• 제22권4호
• /
• pp.239-249
• /
• 2020

본 연구는 자연 조건에서 쌀가루용 벼의 수발아율을 예측하기 위한 것으로 기계학습을 이용하여 기상요소들에 따른 수발아율을 간단히 예측할 수 있는 초기 시스템을 개발하기 위해 수행되었다. 이를 위하여 강원도, 충청북도, 경상북도에 위치한 6개 지역에서 쌀가루용 벼 3품종을 재배하였다. 수확 후 수발아율과 출수일을 조사하였으며, 각 지역의 종관기상대의 일평균 기온과 상대 습도, 그리고 강수량 정보를 이용하여 기계학습 모델 중 하나이며, 정확도가 높은 GBM 모델로 수발아율을 예측하였다. 2017년부터 2019년까지 강원과 충북, 그리고 경북의 6개 지역에서 쌀가루 용 벼 3품종에 대해 재배 실험을 수행하였다. 조사 항목은 출수일과 수발아율이었다. 기상자료는 동일한 지역명의 종관기상대를 이용하여 일 평균 기온 및 상대 습도, 그리고 강수량 자료를 수집하였다. 수발아율 예측을 위해 기계학습 모델인 Gradient Boosting Machine (GBM)을 이용하였으며, 학습 투입 변수로는 평균 기온과 상대 습도, 그리고 총 강수량이었다. 또한 수발아 피해 관련 기간을 설정하기 위해 출수 후 몇일 후부터 그 이후의 기간에 대한 실험도 수행하였다. 자료는 수발아 피해 관련 기간의 교정을 위한 training-set과 vali-set, 검증을 위한 test-set으로 구분하였다. training-set과 vali-set으로 교정한 결과, 출수 후 22일 후부터 24일동안에서 가장 높은 score를 나타내었다. test-set으로 검증한 결과는 3.0%보다 낮은 구간에서 수발아율을 약간 높게 예측한 경향이 있었지만, 높은 예측력을 보였다(R2=0.76). 따라서, 기계학습을 이용하여 특정기간동안의 기상요소들로 수발아율을 간단하게 예측할 수 있을 것으로 예상된다. 본 연구의 결과를 종합해 볼 때, 기계학습을 이용하여 특정 기간 동안에 평균 기온과 상대 습도, 그리고 총 강수량으로 높은 수발아율 예측 성능을 보였으며, 이 시스템을 이용하여 일반 농가들을 대상으로 수발아에 관한 피해를 예방할 수 있는 조기 수발아 예측 시스템으로 이용가능 할 것으로 판단된다. 하지만 품종마다 휴면 정도 차이로 인한 수발아 관련 기간에 차이가 있으므로, 다른 쌀가루용 벼 품종에 대해서도 추가로 조사하고, 개별 품종으로 세분화하여 분석한다면 좀 더 정확도 높은 예측 시스템을 개발할 수 있을 것으로 판단된다.

• 한국초지조사료학회지
• /
• 제43권1호
• /
• pp.11-21
• /
• 2023

본 연구는 기계학습을 기반으로 제작한 수량예측모델을 이용하여 PCR 4.5 시나리오에 따른 사일리지용 옥수수(WCC)의 피해량 산정 및 전자지도를 작성할 목적으로 수행하였다. WCC 데이터는 수입적응성 시험보고서(n=1,219), 국립축산과학원 시험연구보고서(n=1,294), 한국축산학회지(n=8), 한국초지조사료학회지(n=707) 및 학위논문(n=4)에서 총 3,232점을 수집하였으며, 기상데이터는 기상청의 기상자료개방포털에서 수집하였다. 본 연구에서 이상기상에 따른 WCC의 피해량은 RCP 4.5 시나리오에 따른 월평균기온 및 강수량을 시간단위로 환산하여 준용하여 산정하였다. 정상기상에서 DMY 예측값은 13,845~19,347 kg/ha 범위로 나타났다. 이상기상에 따른 피해량은 이상기온 2050 및 2100년 각각 -263~360 및-1,023~92 kg/ha, 이상강수량 2050 및 2100년 각각 -17~-2 및-12~2 kg/ha였다. 월평균기온이 증가함에 따라서 WCC의 DMY는 증가하는 경향으로 나타났다. RCP 4.5 시나리오를 통해 산정한 WCC의 피해량은 QGIS를 이용하여 전자지도로 제시하였다. 본 연구는 온실가스 저감이 진행된 시나리오를 이용했지만, 추가 연구는 온실가스 저감이 되지 않은 RCP 시나리오를 이용한 연구를 수행할 필요가 있다.