• Proceedings of the Korean Society of Crop Science Conference
• /
• 2000.11a
• /
• pp.112-113
• /
• 2000

• Journal of Bio-Environment Control
• /
• v.26 no.4
• /
• pp.411-417
• /
• 2017

Environmental and growth factors such as light intensity, vapor pressure deficit, and leaf area index are important variables that can change the transpiration rate of plants. The objective of this study was to compare the transpiration rates estimated by modified Penman-Monteith model and artificial neural network. The transpiration rate of paprika (Capsicum annuum L. cv. Fiesta) was obtained by using the change in substrate weight measured by load cells. Radiation, temperature, relative humidity, and substrate weight were collected every min for 2 months. Since the transpiration rate cannot be accurately estimated with linear equations, a modified Penman-Monteith equation using compensated radiation (Shin et al., 2014) was used. On the other hand, ANN was applied to estimating the transpiration rate. For this purpose, an ANN composed of an input layer using radiation, temperature, relative humidity, leaf area index, and time as input factors and five hidden layers was constructed. The number of perceptons in each hidden layer was 512, which showed the highest accuracy. As a result of validation, $R^2$ values of the modified model and ANN were 0.82 and 0.94, respectively. Therefore, it is concluded that the ANN can estimate the transpiration rate more accurately than the modified model and can be applied to the efficient irrigation strategy in soilless cultures.

• Journal of Environmental Impact Assessment
• /
• v.20 no.5
• /
• pp.627-640
• /
• 2011

이 논문에서는 일사량과 일조시간에 관한 통상적인 선형관계식보다 정확한 비선형 관계식에 대한 적용검토를 수행한다. 일조시간을 이용한 일사량 추정에 이어서 Penman-Monteith 방정식을 이용하여 기준 증발산량을 추정하였다. 우리나라 20개 지점의 1997년부터 2006년까지의 일사량 및 일조시간 자료를 포함한 기상자료를 이용하여 선형 그리고 수정 비선형 Angstrom 방정식을 보정하고 기준 증발산량을 추정하였다. 일조시간과 일사량 사이의 선형과 비선형 관계식을 이용한 기준 증발산량의 상대비교를 수행하였다. 선형 및 비선형 관계식을 이용한 방법 모두 RMS 오차는 5.96, NSC(Nash-Sutcliffe Coefficient)는 0.95로 추정되었고, 그 차이는 매우 미미하였다. 그러나 상대적으로 일사량이 기준 증발산량에 크게 기여하는 하계에는 그 차이가 증가하기 때문에 보다 개선된 비선형 관계식을 이용하는 방법에 대한 엄밀한 검토가 필요하다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.30 no.2B
• /
• pp.219-231
• /
• 2010

The Reference Evapotranspiration Calculator Software (REF-ET) supports computational guidelines for the reference evapotranspiration using seventeen FAO Penman-Monteith (PM) equations simultaneously such as the ASCE and FAO standardized forms. The REF-ET can conveniently consider missing data predictions and regional site characterizations, when reference ET is computed on monthly, daily, and hourly time steps. The applicability of the REF-ET was estimated to simulate the reference ET using hourly weather data from Seoul weather station for 29 years. The result found that the FAO24-Rd and 1957-Makk equations closely concerned with solar radiation parameter which were the most highly correlated to reference ET computed by pan coefficient. In addition, the 1957-Makk equation was identified as the most correct computational method for reference ET by analysis of bias and root mean square error. The 1957-Makk equation could predict the reference ET within the error of less than 1.06 mm/day, though all the other equations tended toward overestimation of predicting the reference ET in comparison with refecence ET of pan. The results of this study suggest that the REF-ET will be applicable to support reference ET estimation for a variety of field condition and time-scale.

• Proceedings of The Korean Society of Agricultural and Forest Meteorology Conference
• /
• 2003.09a
• /
• pp.82-86
• /
• 2003

육역 생태계에서 지면 증발과 식물 증산에 의한 증발산(evapotranspiration)은 대상 지역의 수자원 관리 및 에너지 순환 이해를 위한 가장 기본적인 정보가 되므로 그 정도의 정량화 자료 구축은 매우 의미 있는 작업이다. 경험식을 바탕으로 한 Penman-Monteith 방정식은 증발산량의 계산을 위해서 널리 쓰이고 있는 방법인데 (Allen et al., 1989; Jesen et al., 1990), 이를 통해서 잠재 증발산(potential evapotranspiration)을 도출해 낼 수 있다.(중략)

• Journal of Bio-Environment Control
• /
• v.22 no.2
• /
• pp.182-187
• /
• 2013

In closed plant production system like plant factory, changes in environmental factors should be identified for conducting efficient environmental control as well as predicting energy consumption. Since high relative humidity (RH) is essential for crop production in the plant factory, transpiration is closely related with RH and should be quantified. In this study, four varieties of lettuces (Lactuca sativa L.) were grown in a plant factory, and the leaf areas and transpiration rates of the plants according to DAT (day after transplanting) were measured. The coefficients of the simplified Penman-Monteith equation were calibrated in order to calculate the transpiration rate in the plant factory and the total amount of transpiration during cultivation period was predicted by simulation. The following model was used: $E_d=a*(1-e^{-k*LAI})*RAD_{in}+b*LAI*VPD_d$ (at daytime) and $E_n=b*LAI*VPD_n$ (at nighttime) for estimating transpiration of the lettuce in the plant factory. Leaf area and transpiration rate increased with DAT as exponential growth. Proportional relationship was obtained between leaf area and transpiration rate. Total amounts of transpiration of lettuces grown in plant factory could be obtained by the models with high $r^2$ values. The results indicated the simplified Penman-Monteith equation could be used to predict water requirements as well as heating and cooling loads required in plant factory system.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.30 no.5B
• /
• pp.459-469
• /
• 2010

This study is to develop a grid-based daily runoff model considering seasonal vegetation canopy condition. The model simulates the temporal and spatial variation of runoff components (surface, interflow, and baseflow), evapotranspiration (ET) and soil moisture contents of each grid element. The model is composed of three main modules of runoff, ET, and soil moisture. The total runoff was simulated by using soil water storage capacity of the day, and was allocated by introducing recession curves of each runoff component. The ET was calculated by Penman-Monteith method considering MODIS leaf area index (LAI). The daily soil moisture was routed by soil water balance equation. The model was evaluated for 930 $km^2$ Yongdam watershed. The model uses 1 km spatial data on landuse, soil, boundary, MODIS LAI. The daily weather data was built using IDW method (2000-2008). Model calibration was carried out to compare with the observed streamflow at the watershed outlet. The Nash-Sutcliffe model efficiency was 0.78~0.93. The watershed soil moisture was sensitive to precipitation and soil texture, consequently affected the streamflow, and the evapotranspiration responded to landuse type.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.193-193
• /
• 2018

종합적인 물 관리의 필요성이 대두되면서 증발산량의 연구가 최근 활발히 진행되고 있다. 그 중 국제식량농업기구(FAO, Food and Agriculture Organization)는 여러 기후에서 비교적 정확하고 일정한 경향을 갖는 Penman-Monteith(FAO-PM) 공식을 제시하였다. 이 공식은 다양한 환경을 무시하고 기준작물인 알팔파를 기준으로하여 기준증발산량을 산정하는 식으로써 각 환경에 맞는 작물계수를 곱하여 실제 증발산을 산정한다. FAO-56 Irrigation and Drainage에서는 작물계수를 단일작물계수(Single crop coefficent)와 이중작물계수(Dual crop coefficent)를 제시하고 있다. 단일작물계수는 토양의 증발과 식생의 증산을 하나의 계수로 고려하여 나타냈으며, 이중작물계수는 기저토양의 습윤을 통한 증산뿐 아니라 다양한 영향들을 고려하여 작물계수를 나타냈다. 그 외에도 원격탐사를 통한 식생지수를 통한 작물계수를 통하여 계수를 산출하기도 한다. 현재 국토교통부 및 한국수자원조사기술원에서는 에디공분산(Eddy covariance) 방법을 통해 실제증발산량을 관측하고 있으며, 품질관리 과정에서 Kalman filter를 이용하고 시스템 모델로써 FAO-PM 방법 등을 이용하고 있다. 따라서 FAO-PM 방법의 정확성을 증대시키기 위해선 작물계수에 관한 정확성을 연구가 진행되어야 한다. 본 연구에서는 여러 방법을 통해 산출한 작물계수를 이용한 FAO-PM 방법을 통한 실제증발산과 에너지 보존 방정식에 근거한 에디공분산 방법 통해 관측된 실제증발산량과 비교를 하였다. 평가 결과는 보다 정확하고 물리적인 증발산량 산정하는데 활용할 수 있을 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.323-323
• /
• 2023

유역의 증발산량 자료는 물순환 과정을 규명하는 매우 중요한 자료 중의 하나이며, 물순환 성분별 명확한 산정 결과는 수자원 개발과 물환경 보전에 중요한 정보를 제공할 수 있다. 본 논문에서는 임진강 유역(유역출구(한강합류점) 기준, 유역면적 8,138.9km²)을 대상으로 5개년(2018~2022) 기상관측자료를 이용하여 증발산량을 산정하였으며, 그 외의 수문관측자료를 통해 물수지 분석도 수행하였다. 증발산량 산정은 세계식량기구(FAO)에서 제시한 Penman-Monteith equation을 적용하여 일별증발산량을 산정하였으며, 작물의 종류에 따른 계수는 잔디의 경우를 채택하였다. 본 방정식을 통해 산정된 증발산량(ET_o)은 기준작물에 수분의 공급에 제한이 없는 상황에서 산정된 기준 증발산량(reference evapotranspiration)을 의미하며, 기준 증발산량을 실제 증발산량으로 변환하기 위해서는 작물계수를 고려해야 한다. 작물계수는 식생의 높이, 알베도, 식생의 저항, 토양으로부터의 증발 등의 영향을 받게 되나, 더욱더 명확하게는 식물에서의 증산을 설명하는 기본 작물계수와 토양에서의 증발을 설명하는 토양계수의 합을 통해 계수를 산정하게 된다. 임진강 유역에 공간적으로 분포된 작물계수를 정확히 산정하기에는 한계가 있으므로 잔디의 경우로 한정하여 산정된 기준 증발량은 833.0mm(5개년 평균값)이다. 각 물순환 성분별로 생성된 임진강 유역의 5개년 평균값인 유역평균강우량은 1,412.9mm이며, 하천유출량은 804.9mm(유역평균강우량 대비 57.0%), 실제 증발산량은 442.3mm(유역평균강우량 대비 31.3%, 기준 증발산량 대비 약 53.0%), 유역저류량은 165.7mm(유역평균강우량 대비 11.7%)이다. 유역평균강우량은 8개 관측소(양덕, 원산, 신계, 개성, 평강, 철원, 동두천, 파주) 강우량의 유역평균값이며, 하천유출량은 유역출구의 상류 관측소인 비룡대교 관측소(유역면적 6,784.0km²) 유출량의 유역면적비 적용값이다. 실제 증발산량은 기준 증발산량 산정값에 해당 유역내 존재하는 설마천 유역의 기준 증발산량과 실제 증발산량 비율(약 53.0%)을 적용한 값이며, 유역저류량은 전제적인 물수지 분석을 통해 얻어진 추정값이다. 이와 같이 산정된 물순환 성분별 자료는 유역의 물순환 과정 규명을 위한 기초자료로 매우 유용하게 활용될 수 있으며, 유역 물관리를 위한 의사결정 과정에 중요한 역할을 할 수 있을 것으로 기대된다.

• Journal of Bio-Environment Control
• /
• v.32 no.4
• /
• pp.384-395
• /
• 2023

Since transpiration plays a key role in optimal irrigation management, knowledge of the irrigation demand of crops like tomatoes, which are highly susceptible to water stress, is necessary. One way to determine irrigation demand is to measure transpiration, which is affected by environmental factor or growth stage. This study aimed to estimate the transpiration amount of tomatoes and find a suitable model using mathematical and deep learning models using minute-by-minute data. Pearson correlation revealed that observed environmental variables significantly correlate with crop transpiration. Inside air temperature and outside radiation positively correlated with transpiration, while humidity showed a negative correlation. Multiple Linear Regression (MLR), Polynomial Regression model, Artificial Neural Network (ANN), Long short-term Memory (LSTM), and Gated Recurrent Unit (GRU) models were built and compared their accuracies. All models showed potential in estimating transpiration with R² values ranging from 0.770 to 0.948 and RMSE of 0.495 mm/min to 1.038 mm/min in the test dataset. Deep learning models outperformed the mathematical models; the GRU demonstrated the best performance in the test data with 0.948 R² and 0.495 mm/min RMSE. The LSTM and ANN closely followed with R² values of 0.946 and 0.944, respectively, and RMSE of 0.504 m/min and 0.511, respectively. The GRU model exhibited superior performance in short-term forecasts while LSTM for long-term but requires verification using a large dataset. Compared to the FAO56 Penman-Monteith (PM) equation, PM has a lower RMSE of 0.598 mm/min than MLR and Polynomial models degrees 2 and 3 but performed least among all models in capturing variability in transpiration. Therefore, this study recommended GRU and LSTM models for short-term estimation of tomato transpiration in greenhouses.