Understanding of the characteristics of rice panicle blast survey data from an ecological and environmental perspective = 생태환경적 관점에서 벼 이삭도열병 조사 데이터의 특성 이해

국문 초록 (Abstract)

Magnaporthe oryzae에 의해 발생하는 벼 이삭도열병은 벼 생산에 큰 영향을 미치며, 이로 인한 피해를 줄이기 위해 많은 생태환경적 연구들이 수행되어 왔다. 국내 생태환경적 연구에서 많이 사용되는 국가병해충시스템 (NCPMS) 이삭도열병 조사 데이터는 오랜 기간 동안 전국에서 수집된 데이터라는 장점을 가지고 있다. 그러나, NCPMS 데이터가 가지고 있는 데이터 품질 문제는 데이터의 신뢰도를 낮추고 연구 결과에 영향을 미칠 수 있다. 데이터 품질 문제는 데이터 단독으로 확인하는 것이 어렵기 때문에, 이를 특정하기 위해 데이터의 특성을 분석하는 것이 필요하다. 본 연구에서는 벼 이삭도열병 조사 데이터를 생태환경적 관점에서 이해하는 것을 목적으로 데이터의 시공간 분석과 과정기반모델 기반 역학적 특성 분석을 수행하였다. 그리고 기상 기반 병 예측 기계학습 모델 개발 과정을 통해 데이터 특성을 기반으로 데이터를 선별하는 것을 검증하였다. 시공간 분석 결과 중 장기간 무발병 지역의 데이터와 병진전곡선 중 조사 오류로 의심되거나 생태학적으로 설명하기 어려운 데이터와 같이 데이터 품질을 저하시키는 요소들을 선별하였다. 그 다음으로, 이삭도열병의 발생을 예측하는 대표적인 과정기반모델인 EPIRICE를 이용하여 병 발생에 영향을 미치는 기상 요소와 비기상 요소의 영향을 평가하였다. 기상 영향과 비기상 영향의 발병 유무 별 분포를 통해 발병에는 기상 뿐만 아니라 비기상 요소도 큰 영향을 주는 것으로 확인되었다. 마지막으로, 데이터 품질 검사와 역학적 특성 기반 데이터 선별을 통해 NCPMS 데이터를 선별하고, 10일 단위로 집계된 기상값과 함께 XGBoost를 만들어 전체 NCPMS 데이터를 사용하였을 때와의 성능 변화를 확인하였다. 이를 통해 본 연구에서 수행한 연구 과정의 결과가 모델의 성능 향상 및 데이터의 이해를 도울 수 있는 통찰력을 제공하였다. 이 연구는 NCPMS 데이터의 품질 문제를 다루고 병 발생을 이해하는 데 도움을 주는 전략을 제공한다.

다국어 초록 (Multilingual Abstract)

Rice panicle blast caused by Magnaporthe oryzae has a significant impact on rice production, and various ecological and environmental studies has been conducted to mitigate the resulting damage. The National Crop Pest Management System (NCPMS) disease survey data, which is widely used in ecological and environmental studies in Korea, has the advantage of being collected nationwide over a long period of time. However, data quality data issues in NCPMS may undermine reliability of data and affect research outcomes. Since data quality issues are difficult to detect from the data alone, analyzing the characteristics of the data is essential to identify them. This study conducted spatiotemporal analysis and process-based model-based epidemiological characterization to understand the rice panicle blast survey data from an ecological and environmental perspective. Furthermore, data selection based on data characteristics was validated through the development of a weather-based disease prediction model. Spatiotemporal analysis identified and screened out factors that reduce data quality, including data from regions with long-term disease absence and disease progress curves suspected to contain survey errors or ecological implausibility. Next, to understand the factors of disease occurrence, the effects of weather and non-weather effects were quantified using the EPIRICE model, a representative process-based model for predicting rice panicle blast. The distribution of weather and non-weather effects across disease occurrence states indicated that both factors influence disease development. Finally, NCPMS data was refined through data quality control by spatiotemporal characteristics and data selection by epidemiological characteristics, and XGBoost model was developed using selected NCPMS data with 10-day aggregated weather data to evaluate performance changes relative to using full NCPMS data. These results demonstrated that the research framework adopted in this study improves model performance and provides insights for better understanding the dataset. This study provides strategies for addressing data quality issues in the NCPMS rice panicle survey data and for enhancing the understanding of disease occurrence.

목차 (Table of Contents)

• INTRODUCTION 1
• MATERIALS AND METHODS 6
• 1. Rice panicle blast survey data 6
• 2. Weather data 8
• 3. Spatiotemporal analysis methods 8
• 4. Assumptions and procedures for data quality control 9
• 5. Assessment of epidemiological characteristics 10
• 6. Development of weather-based disease prediction model 15
• 6.1. EPIRICE-based artificial data with fixed Rcopt 15
• 6.2. Model development process for weather-based disease prediction model 15
• 6.3. NCPMS data selection process based on epidemiological characteristics 16
• RESULTS 19
• 1. Spatiotemporal characteristics of NCPMS data 19
• 1.1. Spatiotemporal patterns of NCPMS data 19
• 1.2. Disease progress patterns of NCPMS data and data quality control 20
• 2. Epidemiological characteristics of NCPMS data 29
• 2.1. Calibration of EPIRICE 29
• 2.2. Weather and non-weather effect of NCPMS data 29
• 3. Validation of data selection using weather-based disease prediction model 37
• 3.1. Result of model selection for weather-based disease prediction model 37
• 3.2. Result of data selection based on epidemiological characteristics 37
• DISCUSSION 46
• LITERATURE CITED 51
• ABSTRACT IN KOREAN 54