2015년 쌀풍년 발생 조건에 대한 기상학적 분석

김준환,상완규,신평,조현숙,서명철,Kim, Junhwan,Sang, Wangyu,Shin, Pyeong,Cho, Hyeounsuk,Seo, Myungchul 한국농림기상학회 2017 한국농림기상학회지 Vol.19 No.2

Rice yield of South Korea in 2015 was the highest in last 30 years. The future direction of food policy in South Korea can be determined depending on whether the historically highest yield in 2015 can be continued or just one-off event. Therefore, it is necessary to understand whether such a high yield as 2015 can be reoccurred and how often it can occur. This study used the yield monitoring data from National Institute of Crop Science, Rural Development Administration and the meteorological data provided by Korea Meteorological Administration to identify the weather conditions, which could cause high yield, and how often these conditions occurred in the past. Our results showed that significantly high yield in 2015 could occur only when the mean sunshine hours of July and the mean sunshine hours from the end of August to early September are 5.1 hours and 6 hours, respectively. The probability of satisfying these weather conditions was 8/35 (23%) over the past 35 years. And the probability of successive high yield for two years was 1/35 (2.9%). The probability of recurrence of high yield within the next 5 years or 10 years after high yield was 4/35 (11.4%). 2015년 한국의 쌀 수량은 지난 30년 중 최고치를 보였다. 이러한 수량이 계속 될 수 있는지 아니면 일회성 사건일지에 따라서 앞으로의 식량정책의 방향이 변화될 수 있다. 따라서 본 연구는 2003년부터 2015년까지의 농촌진흥청 국립식량과학원 작황시험 자료와 기상청에서 제공 하는 기상 자료를 이용하여 어떤 기상 조건에서 이러한 높은 수량이 유발될 수 있는지를 결정하고 과거에 얼마나 자주 이러한 조건이 발생했는지를 확인하여 보았다. 본 연구 결과에 따르면 2015 년 수준의 높은 수량은 최소한 7월 평균 일조 시간과 8월 말에서 9월 초 평균 일조 시간이 각각 5.1시간과 6시간 이상인 경우에 발생 가능하였다. 이를 바탕으로 과거 35년간(1981-2015) 이러한 기상 조건을 만족했던 해의 빈도를 계산한 결과 8/35 (23 %)로 비교적 자주 발생하는 사건임을 알 수 있었다. 그리고 2 년간 연속적으로 높은 수량이 발생할 수 있는 기상조건 빈도는 1/35 (2.9 %)이었으며 비교적 희박하게 발생하였다. 2015년 수준의 대풍 가능 기상이 발생한 후 향후 5 년 이내에 다시 그러한 기상이 발생할 가능성은 4/35 (11.4 %)였다. 이러한 대풍가능 기상 조건과 빈도에 대한 접근법을 이용하여 사전에 풍년 가능성에 대한 합리적 접근이 가능할 것으로 생각된다.

경험적 벼 작황예측 방법에 대한 소개와 원격탐사를 이용한 예측과의 비교

김준환,이충근,상완규,신평,조현숙,서명철,Kim, Junhwan,Lee, Chung-Kuen,Sang, Wangyu,Shin, Pyeong,Cho, Hyeounsuk,Seo, Myungchul 대한원격탐사학회 2017 大韓遠隔探査學會誌 Vol.33 No.5

본 총설에서는 작황조사 시험을 활용한 통계적 작황예측 방법에 대해 소개하고 이를 원격탐사를 이용한 방법과 비교하였다. 17개 지역에서 이루어지는 작황조사시험 기반으로 작황조사시험의 수량구성요소 중 등숙률을 일사량과 선형회귀식으로 예측하고 면적당 영화수는 작황조사의 실측값을 활용하여 수량을 재구성하는 방법으로 예측 결과를 얻어진다. 예측 결과는 비교적 정확하였는데 지난 2010년부터 2016년까지 가장 적은 오차는 1 kg/10a였으며 가장 큰 편차는 19 kg/10a 이었다. 크게 편차가 발생한 이유는 태풍에 의해 피해 때문이었다. 즉 작황조사를 이용한 통계적 방법은 재해에 의한 공간변이를 충분히 반영하지 못하는 약점이 있다. 반면 원격탐사는 이러한 재해에 의한 공간적 변이를 보다 잘 설명할 수 있는 장점이 있다. 따라서, 벼의 생육상황에 큰 문제가 없는 경우에는 두가지 접근법 모두 유효하고 재해가 발생하였을 때는 원격탐사가 더 정확할 수 있을 것으로 보인다. This review introduces the empirical approach of rice yield forecasting and compares it with remote sensing approach. The empirical approach, was based on the results of the rice growth and yield monitoring experiment in 17 sites, estimated rice yield by recombination of yield components. The number of spikelet per unit area was from results of experiment sites and grain filling rate was estimated from linear regression with sunshine hours. The estimation results were relatively accurate from 2010 to 2016. The smallest error was 1 kg / 10a and the largest error was 19 kg / 10a. The largest error was caused by the typhoon. The empirical approach did not fully reflect the spatial variation caused by disasters such as typhoon or pest. On the other hand, remote sensing could explain spatial variation caused by disasters. Therefore, if there are not any disaster in rice field, both approaches are valid and remote sensing will be more accurate when any local disaster occurs.

Oryza2000 모형 활용을 위한 육묘기 보온 상승온도 결정

김준환 ( Junhwan Kim ),상완규 ( Wangyu Sang ),신평 ( Pyeong Shin ),백재경 ( Jaekyeong Baek ),권동원 ( Dongwon Kwon ),이윤호 ( Yunho Lee ),조정일 ( Jung-il Cho ),서명철 ( Myungchul Seo ) 한국농림기상학회 2020 한국농림기상학회지 Vol.22 No.1

Spatial simulation of crop growth often requires application of management conditions to each cell. In particular, it is of great importance to determine the temperature conditions during the nursery period for rice seedlings, which would affect heading date projections. The objective of this study was to determine the value of TMPSB, which is the parameter of ORYZA2000 model to represent temperature increase under a plastic tunnel during the rice seedling periods. Candidate values of TMPSB including 0℃, 2℃, 5℃, 7℃ and 9℃ were used to simulate rice growth and yield. Planting dates were set from mid-April to mid-June. The simulations were performed at four sites including Cheorwon, Suwon, Seosan, and Gwangju where climate conditions at rice fields common in Korea can be represented. It was found that the TMPSB values of 0℃ and 2℃ resulted in a large variation of heading date due to low temperature occurred in mid-April. When the TMPSB value was >7℃, the variation of heading date was relatively small. Still, the TMPSB value of 5℃ resulted in the least variation of heading date for all the planting dates. Our results suggested that the TMPSB value of 5℃ would help reasonable assessment of climate change impact on rice production when high resolution gridded weather data are used as inputs to ORYZA2000 model over South Korea.

시계열 잎 면적지수와 LSTM Network을 이용한 콩 생장 예측

박수환 ( Soo-hwan Park ),이보영 ( Bo-young Lee ),김민지 ( Min-jee Kim ),상완규 ( Wangyu Sang ),서명철 ( Myung Chul Seo ),백재경 ( Jaekyeong Baek ),모창연 ( Changyeun Mo ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2

콩은 경제적으로 가장 중요한 바이오 작물 중 하나로서 식품 및 동물 사료의 단백질과 오일의 주요 공급원이다. 콩의 수확량을 예측하는 것은 작황에 따른 제고 예측을 통해 선제적으로 수급을 조절함으로써 시장가격 안정에 기여할 수 있다. 콩의 수확량을 예측하는 방법으로 콩의 생장량을 예측하는 방법이 있으며 콩의 생장량은 잎 면적지수와 밀접한 관계를 가지고 있다. 따라서 본 연구의 목적은 잎 면적지수를 이용한 LSTM 기법을 활용하여 콩의 생장량을 예측하는 것이다. 실험은 전라북도 완주군 이서면에 위치한 국립식량과학원의 시험 포장에서 수행하였다. 데이터는 2021년 7월 5일부터 2021년 10월 2일까지 일 단위의 잎 면적지수를 획득하였다. 콩의 생장에 필요한 토양 온도 및 수분함량 데이터를 토양 센서(SDI-12, Sentek Drill&Drop Probes, 오스트레일리아)를 설치하여 깊이별(10cm, 20cm, 30cm)로 10분 간격으로 획득하였다. 기상 데이터는 국립농업과학원에서 제공하는 기온, 습도, 강수량, 일사량 데이터를 이용하였다. 10~30cm 토양 깊이의 표토에서 토양 수분, 토양 온도, 기상데이터 및 잎 면적 지수의 시계열 데이터를 이용하여 콩의 생장 예측을 위한 LSTM(Long Short Term Memory) 모델을 개발하였다. 10cm, 20cm, 30cm의 토양 온도 및 토양 수분 함량 중 생장에 영향을 끼치는 인자 및 이들의 조합 특성을 구명하였다. 모델 성능의 평가하기 위한 지표로는 MSE(Mean Squared Error)값을 사용하였다. 콩의 생장 예측 모델을 개발한 결과 콩의 수확량 예측 가능성을 확인할 수 있었다. 추후 투입변수 및 데이터를 추가하여 콩의 생장 예측모델에 대한 성능을 향상 시킬 수 있도록 모델을 보완하는 연구를 수행할 예정이다.

생육환경 역학성 진단을 위한 공간보간법을 이용한 노지토양 환경 센싱에 관한 연구

박수환 ( Soo-hwan Park ),오현종 ( Hyun-jong Oh ),김민지 ( Min-jee Kim ),상완규 ( Wangyu Sang ),서명철 ( Myung Chul Seo ),백재경 ( Jaekyeong Baek ),모창연 ( Changyeun Mo ) 한국농업기계학회 2020 한국농업기계학회 학술발표논문집 Vol.25 No.2

최근 기후 변화에 따른 이상기상 등 농업환경변화로 인해 농작물 생산성 및 품질 저하 등의 문제로 인해 노지 스마트 농업에서 작물의 다양한 생육 및 환경 변수 모니터링을 통한 재배 환경 자동 제어의 필요성이 대두되고 있다. 신뢰성 높은 재배 환경 자동 제어를 위해서는 노지 포장 내의 토양 정보 공간분석이 이루어져야 한다. 따라서 본 연구에서는 소수의 지점에서 획득된 공간적인 통계특성을 반영한 공간보간법인 크리깅 기법과 역거리가중법(IDW)을 적용하여 노지 시험포장의 토양 수분 분포를 예측하고 최적의 공간보간법을 선정하고자 한다. 본 실험은 전북 완주군 소재 국립식량과학원 노지 재배 시험포장(5 m×5 m)에서 수행하였으며 토양수분 고정센서를 시험포장 중앙 1지점과 시험포장 3 m×3 m 간격의 격자형 4지점에 설치하고, 표토 아래 20 cm 부분의 수분 함량을 측정하였다. 시험포장 임의의 16지점을 선정하여 토양 수분 함량을 측정하고 크리깅기법 및 IDW의 공간보간법을 통해 예측된 토양 수분 함량과의 결과 값을 비교하여 정확도를 평가하였다. 정확도를 평가하기 위해 예측값의 범위와 RMSE, R2, 평균오차 등을 사용하였다. 본 연구에서 크리깅 기법과 IDW의 예측 결과가 관측값 범위 내에서 고르게 분포하는 것으로 나타났으며 토양 특성을 파악하기 위한 공간보간법의 적용 가능성을 확인할 수 있었다. 추후 공간보간을 적용한 결과로부터 시공간 변화에 따른 토양 특성의 경향을 파악하는 연구를 수행할 예정이다.

콩 재배 토양수분 예측을 위한 시계열 데이터 기반 딥러닝 모델과 머신러닝 모델의 성능 비교

박수환 ( Soo-hwan Park ),김민지 ( Min-jee Kim ),상완규 ( Wangyu Sang ),임경재 ( Kyoung Jae Lim ),모창연 ( Changyeun Mo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2

콩은 높은 단백질 함량과 다양한 영양분으로 인하여 인간뿐만 아니라 동물에게도 우수한 사료 보충제로 간주되어 세계 무역에서 중요한 상품 중 하나로 간주된다. 콩은 많은 양의 물을 요구하는 여름 식물로 콩을 재배하는데 있어 토양수분의 예측은 콩의 생장과 밀접한 관계가 있다. 최근 농업에서는 인공지능을 이용한 토양수분 예측에 대한 다양한 연구가 진행되고 있으며, 토양의 불규칙적이고 복작한 특성으로 인해 토양 수분의 예측정확도가 낮은 문제를 극복하기 위하여 딥러닝을 적용하고 있다. 따라서 본 연구의 목적은 토양정보와 기상 정보를 이용하여 딥러닝 및 머신러닝 기반콩 재배 포장의 수분함량을 예측하는 것이다. 실험은 전라북도 완주군 이서면에 위치한 국립식량과학원의 시험 포장에서 수행하였다. 콩의 생장에 필요한 토양 온도 및 수분함량 데이터를 토양 센서(SDI-12, Sentek Drill & Drop Probes, Australia)를 설치하여 깊이별(10cm, 20cm, 30cm)로 2020년 7월 4일부터 2021년 10월 1일까지 10분 간격으로 획득하였다. 기상 데이터는 국립농업과학원에서 제공하는 기온, 습도, 강수량 데이터를 이용하였으며 토양 데이터는 10~30cm 토양 깊이의 표토에서 토양 수분, 토양 온도의 시계열 데이터를 이용하여 콩 재배의 토양 수분 예측을 위한 LSTM(Long Short Term Memory) 모델 및 PLSR(Partial Least Square Regression) 모델 등을 개발하였다. 10cm, 20cm, 30cm의 토양 온도 및 토양 수분 함량 중 토양 수분에 영향을 끼치는 인자 및 이들의 조합 특성을 구명하였다. 모델 성능의 평가하기 위한 지표로는 MSE(Mean Squared Error)값을 사용하였다. 콩의 토양 수분 예측 모델을 개발한 결과, 우수한 판별 정확도를 보였다. 본 연구결과는 다양한 모델을 사용하여 머신러닝뿐만 아니라 딥러닝을 이용한 콩 재배 포장의 토양 수분함량 예측이 가능함을 보여준다.

공공기상 정보와 LSTM Network를 이용한 콩 재배 토양수분 예측

박수환 ( Soo-hwan Park ),김민지 ( Min-jee Kim ),상완규 ( Wangyu Sang ),임경재 ( Kyoung Jae Lim ),모창연 ( Changyeun Mo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1

콩은 경제적으로 중요한 바이오 작물 중 하나로서 식품 및 동물 사료의 단백질과 오일의 주요 공급원으로 사용된다. 콩은 많은 양의 물을 요구하는 여름 식물로 콩을 재배하는데 있어 토양 수분의 예측은 콩의 성장과 밀접한 관계가 있다. 콩 생육에 요구되는 토양 수분을 예측하기 위해서는 다양한 환경 정보가 필요하며 이를 계측하는 환경센서들이 구비되어야 한다. 또한 환경 정보 획득 시스템 구축은 포장 규모에 따라 많은 비용이 소요될 수 있다. 이러한 구축비용 절감을 위해 공공기상 데이터의 활용이 필요하다. 따라서 본 연구의 목적은 계측한 토양정보와 공공기상 정보를 이용하여 LSTM 기반 콩 재배 포장의 수분함량을 예측하는 것이다. 실험은 전라북도 완주군 이서면에 위치한 국립식량과학원의 시험 포장에서 수행하였다. 콩의 생장에 필요한 토양 온도 및 수분함량 데이터를 토양 센서(SDI-12, Sentek Drill & Drop Probes, Australia)를 설치하여 깊이별(10cm, 20cm, 30cm)로 2020년 7월 4일부터 2021년 10월 1일까지 10분 간격으로 획득하였다. 공공기상 데이터는 국립농업과학원에서 제공하는 기온, 습도, 강수량, 일사량 데이터를 이용하였으며 이를 이용하여 일사량과 고도를 이용하여 증발산량을 산정하였다. 10~30cm 토양 깊이의 표토에서 토양 수분, 토양 온도, 기상데이터 및 증발산량의 시계열 데이터를 이용하여 콩 재배의 토양 수분 예측을 위한 LSTM(Long Short Term Memory) 모델을 개발하였다. 10cm, 20cm, 30cm의 토양 온도 및 토양 수분 함량 중 토양 수분에 영향을 끼치는 인자 및 이들의 조합 특성을 구명하였다. 모델 성능의 평가하기 위한 지표로는 MSE(Mean Squared Error)값을 사용하였다. 콩의 토양 수분 예측 모델을 개발한 결과, 우수한 판별 정확도를 보였다. 본 연구결과는 공공데이터를 활용하여 최소한의 센서 구축비용으로 콩 재배 포장의 토양 수분함량 예측이 가능함을 보여준다.

시계열 데이터를 이용한 노지작물 재배포장의 토양 수분함량예측에 관한 연구

김보경 ( Bo-gyeong Kim ),박수환 ( Soo-hwan Park ),이보영 ( Bo-young Lee ),김민지 ( Min-jee Kim ),상완규 ( Wangyu Sang ),서명철 ( Myung Chul Seo ),백재경 ( Jaekyeong Baek ),모창연 ( Changyeun Mo ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.1

최근 농가는 인구 감소와 고령화로 인해 노동력이 부족하고, 기후 변화에 따른 이상기상 등 농업환경 변화 때문에 농작물의 생산성과 품질이 저하되는 문제가 발생하고 있다. 노지 농업에서 재배조건, 환경 변화에 대응하기 위해 작물의 생육 상태를 진단하고 환경변수을 모니터링함으로서 재배 환경제어가 요구되고 있다. 따라서 본 연구에서는 콩 재배시 생육환경에 따른 관개여부를 판단하기 위해 재배포장의 토양수분상태를 진단할 수 있는 예측모델을 개발하고자 한다. 본 실험은 전북 완주군 소개 국립식량과학원 노지 재배 시험 포장에서 수행하였으며 콩 재배 포장 환경데이터를 2020년 6월부터 10월까지 계측하였다. 10cm, 20cm, 30cm 깊이의 표토에서의 수분함량과 온도는 토양 센서로 측정하였고 일사량, 기온, 습도 등 외부 환경조건은 환경센서로 측정하였다. 측정한 시계열 데이터를 이용하여 토양 수분함량 예측을 위한 부분최소제곱회귀(PLSR)모델과 다중회귀분석(MLR)모델을 개발하였다. 개발한 PLSR 수분 예측 모델은 토양깊이가 깊어짐에 따라 예측정확도가 감소하였으며, MLR 수분 예측 모델은 10~30cm의 토양 깊이에서 결정계수(R²)가 0.959 이상으로 성능이 우수하였다. 본 연구에서 시계열데이터를 이용한 콩 재배 포장의 토양 수분함량 예측 가능성을 보였다. 이를 통해 노지 작물 재배 시 기상변화에 따른 수분의 과부를 조기에 예측하고 대응함으로써 피해를 최소화하고 생산성을 증대시킬 수 있을 것으로 예상된다. 추후 시공간 데이터를 추가해 공간계열 토양정보 분석 정확도를 향상시키는 연구를 수행할 예정이다.

RNN-LSTM을 활용한 노지 스마트팜용 지능형 토양 수분함량 예측 모델 개발

이보영 ( Bo-young Lee ),박수환 ( Soo-hwan Park ),김보경 ( Bo-gyeong Kim ),김민지 ( Min-jee Kim ),상완규 ( Wangyu Sang ),서명철 ( Myung Chul Seo ),백재경 ( Jaekyeong Baek ),모창연 ( Changyeun Mo ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1

기후 변화는 홍수와 가뭄과 같은 기상재해가 발생하여 농작물의 생산성 감소와 품질 저하 등에 문제를 야기시킨다. 기후변화로 인해 토양수분 증가 및 유출량이 잦아지면 작물 생장에 큰 영향을 미치게 된다. 작물은 토양수분에 영향을 받으므로 기상 변화에 따른 적절한 시기에 관개를 하기 위해서는 토양수분 예측이 필요하다. 따라서 본 연구에서는 기상변화에 의해 토양수분의 변화에 따른 관개 실시 여부에 대한 결정을 하기 위한 토양수분 예측 딥러닝 모델을 개발하고자 한다. 본 실험은 전북 완주군 소재 국립식량과학원 5m x 5m인 노지 재배 시험 포장에서 수행하였으며 콩 재배 포장에서 토양수분과 토양온도를 2년간(2020~2021) 계측하였다. 토양 수분과 토양 온도는 표토로부터 10 cm, 20 cm, 30 cm 깊이 별로 측정하였으며 토양 센서(SDI-12, Sentek Drill&Drop Probes, 오스트레일리아)를 사용하였다. 기온, 습도, 강수량은 국립농업과학원에서 제공하는 데이터를 이용하였다. 각 지점별로 10~30 cm 토양 깊이의 표토에서 시계열 자료인 토양 수분 및 토양온도와 재배포장의 기상데이터를 이용하여 토양 수분함량 예측을 위한 RNN-LSTM(Recurrent Neural Network-Long Short Term Memory) 모델을 개발하였다. 토양 수분, 토양온도, 기상데이터를 입력변수로 하여 최적 변수의 조합을 구명하였다. 모델 성능을 평가하기 위한 지표로는 loss값을 사용하였다. 본 연구의 노지 재배 시 관개 여부 판단을 위해 시계열데이터인 기상데이터를 이용하여 토양수분 함량을 예측모델을 통해 작물의 생산성 증대와 작물의 품질을 향상시킬 것으로 전망한다. 추후 투입변수를 추가하여 토양 수분 함량 예측모델에 대한 성능을 향상시킬 수 있도록 모델을 보완하는 연구를 수행할 예정이다.

콩 재배 포장의 토양 수분함량 예측을 위한 머신러닝 기술 개발

김보경 ( Bo-gyeong Kim ),박수환 ( Soo-hwan Park ),이보영 ( Bo-young Lee ),김민지 ( Min-jee Kim ),상완규 ( Wangyu Sang ),서명철 ( Myung Chul Seo ),백재경 ( Jaekyeong Baek ),모창연 ( Changyeun Mo ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2

최근 들어 이상기후로 인해 폭염과 장마기간 증가 등으로 농가의 피해는 증가하고 있다. 토양 수분함량이 과습 상태일 경우 뿌리호흡을 방해하고, 건조할 경우 정상적인 생육이 어렵다. 이에 노지에서 재배되는 작물들에 ICT 기술이 적용된 생육상태진단 및 처방 기술이 요구되고 있다. 노지 작물은 재배 면적이 넓어 모든 영역에서 센서를 설치하는 것은 비용이 많이 소요되어 실제 현장에 적용하기 어려우므로 센서를 최소로 설치하여 재배 포장의 생육상태를 진단할 필요가 있다. 따라서 본 연구에서는 콩 재배 포장에 설치된 1개 토양센서로 획득한 데이터로 토양수분함량 예측모델을 개발하고 이를 다른 재배 영역에 설치된 토양센서에서도 적용할 수 있는지 구명하고자 하였다. 전북 완주군 소재 국립식량과학원의 콩 노지재배포장에 토양센서를 설치하여 토양수분함량을 측정하였다. 대풍콩과 풍산나무콩의 두 가지 품종에 대해 각 재배포장은 5m x 5m 크기로 토양센서가 5개씩 설치되어 10cm, 20cm, 30cm 깊이의 토양데이터를 10분 단위로 수집했다. 재배포장 인근에 IoT 기반 환경센서를 설치하여 강수량, 기온, 일사량 등의 기상정보를 측정하였으며, 실험은 2020년 7월부터 10월까지 수행되었다. 실험 데이터를 이용하여 한 개의 토양센서에서 측정된 데이터로 다른 토양센서가 설치된 다른 4곳의 1시간 후, 3시간 후, 6시간 후, 12시간 후, 24시간 후의 토양 수분함량을 예측하는 부분최소제곱회귀모델(Partial least squares regression)을 개발하였다. 1시간 후를 예측한 PLSR모델이 가장 우수한 결과(R² 0.94253, RMSE 2.85%)를 보였다. 본 연구 결과를 통해 특정 토양센서가 인근에 위치한 토양센서들을 대표할 수 있다는 가능성을 제시하였다. 추후 영상기반 생육진단 데이터를 이용하여 공간계열 분석정확도를 향상시키는 연구를 수행할 예정이다.