사일리지용 옥수수의 건물수량에 영향을 미치는 기후요인 탐색

팽경룬 ( Jinglun Peng ),김문주 ( Moonju Kim ),김영주 ( Youngju Kim ),조무환 ( Muhwan Jo ),자릴가세미네자드 ( Jalil Ghassemi Nejad ),이배훈 ( Baehun Lee ),지도현 ( Dohyeon Ji ),김지융 ( Jiyung Kim ),오승민 ( Seungmin Oh ),김병완 ( Byong 한국농림기상학회 2015 한국농림기상학회지 Vol.17 No.3

본 연구는 탐색적 자료분석을 이용하여 사일리지용 옥수수(whole crop maize, WCM) 연도별 건물수량 변동의 유의성과 이와 관련 있는 기후요인의 유의성을 확인 하는데 목적이 있다. WCM의 원자료는 30년간의 농협중앙회 수입적응시험 심의결과(7개도 124품종 1,027점)였으며, 이 중 미비하거나 중복된 자료는 삭제또는 수정하여 최종적으로 7개 도에서 124품종 993점을 이용하였다. WCM의 상대숙도와 출사일수를 기준으로 분류하면 조생종(25품종 200점), 중생종(40품종 409점), 만생종(27품종 234점)및 기타(32품종 150점)였다. 기상자료를 이용하여 기후요인을 측정하기 위한6개의 기상변수를 생성하였다. 건물수량 및 기후요인을 탐색하기 위해서 기술통계량 및 정규성검정을 실시하였으며, 통계분석은 SPSS 21.0을 이용하였다. 연도별 평균 건물수량을 상위와 하위집단으로 분류하여 비교한 결과 상위와 하위집단 간에는 건물수량의 유의적 차이가 있었다(p<0.05). 두 집단간 차이의 원인을 구명하기 위하여 기후관련 요인들을 분석한 결과 파종수확적산생육온도일수(파종~수확 생육온도일수의합), 파종수확일조시간(파종일부터 수확일까지의 일조시간의 합) 및 파종수확강수량(파종일부터 수확일까지 일강수량의 합)에서 집단간 유의적 차이가 나타났다 (p<0.05). 반면 파종수확강수일수(파종에서 수확까지 강수일수)는 건물수량에 영향을 미치지 않았다 (p>0.05). 이상의 결과에서 여러 기상변수 중 파종에서 수확까지의 적산온도, 일조시간 및 강수량이 WCM의 건물수량과 연관이 있는 것으로 나타났다. 그러나 세 변수 간의 기여도(R2)는 비교할 수가 없어 추후 회귀분석을 이용하여 WCM의 건물수량에 미치는 각 변수의 기여도 및 건물수량 예측모형을 구축할 필요가 있다. The purpose of this research is to identify the significance of climate factors related to the significance of change of dry matter yield (DMY) of whole crop maize (WCM) by year through the exploratory data analysis. The data (124 varieties; n=993 in 7 provinces) was prepared after deletion and modification of the insufficient and repetitive data from the results (124 varieties; n=1027 in 7 provinces) of import adaptation experiment done by National Agricultural Cooperation Federation. WCM was classified into early-maturity (25 varieties, n=200), mid-maturity (40 varieties, n=409), late-maturity (27 varieties, n=234) and others (32 varieties, n=150) based on relative maturity and days to silking. For determining climate factors, 6 weather variables were generated using weather data. For detecting DMY and climate factors, SPSS21.0 was used for operating descriptive statistics and Shapiro-Wilk test. Mean DMY by year was classified into upper and lower groups, and a statistically significant difference in DMY was found between two groups (p<0.05). To find the reasons of significant difference between two groups, after statistics analysis of the climate variables, it was found that Seeding-Harvesting Accumulated Growing Degree Days (SHAGDD), Seeding-Harvesting Precipitation (SHP) and Seeding-Harvesting Hour of sunshine (SHH) were significantly different between two groups (p<0.05), whereas Seeding-Harvesting number of Days with Precipitation (SHDP) had no significant effects on DMY (p>0.05). These results indicate that the SHAGDD, SHP and SHH are related to DMY of WCM, but the comparison of R2 among three variables (SHAGDD, SHP and SHH) couldn’t be obtained which is needed to be done by regression analysis as well as the prediction model of DMY in the future study.

13. 하고일수를 포함한 기후요인이 혼파초지 수량에 미치는 효과의 지역별 비교

오승민,김문주,팽경룬,김지융,이배훈,김시철,김병완,성경일 한국초지조사료학회 2017 한국초지조사료학회 학술대회논문집 Vol.2017 No.09

혼파초지에서 지역별 건물수량과 하고일수 간 관계

오승민,김문주,팽경룬,이배훈,김지융,베페카두,김시철,김경대,김병완,조무환,성경일,Oh, Seung Min,Kim, Moonju,Peng, Jinglun,Lee, Bae Hun,Kim, Ji Yung,Chemere, Befekadu,Kim, Si Chul,Kim, Kyeong Dae,Kim, Byong Wan,Jo, Mu Hwan,Sung, Kyung Il 한국초지조사료학회 2018 한국초지조사료학회지 Vol.38 No.1

본 연구는 혼파초지 수량예측모형에서 기후특성이 뚜렷한 지역의 자료 제거 및 지역별 구분을 통해 건물수량과 하고일수 간 상관관계를 검토하였다. 데이터세트는 총 582점으로 11개 지역으로 분류되며 혼파조합은 총 41가지였다. 변수에서 반응변수는 건물수량 이었으며 설명변수는 하고일수를 포함한 5가지의 기상변수를 이용하였다. 통계방법은 산점도, 기술통계량 및 상관분석을 거쳐 다중회귀분석을 통해 건물수량과 하고일수 간 상관관계를 확인하였다. 산점도 분석 결과 데이터세트를 지역별로 구분하였을 때 9개 지역 중 7개에서 건물수량과 하고일수 간 부(-)의 상관관계가 나타나 지역을 구분할 필요가 있었으며 대표본 근사이론을 적용할 수 있었던 5개 지역(화성, 수원, 대전, 시흥 및 광주)을 선정하였다. 5개 지역의 상관분석 결과 3개 지역(화성, 수원 및 시흥)에서, 다중회귀분석결과 화성에서 건물수량에 대한 하고일수의 효과가 부(-)로 나타났다. 따라서 혼파초지의 건물수량에 대한 하고일수의 상관관계는 지역별로 구분하였을 때 풀사료 생산이론과 일치하여 수량예측모형의 정밀도를 높일 수 있을 것으로 판단하였다. Yield prediction model for mixed pasture was developed with a shortage that the relationship between dry matter yield (DMY) and days of summer depression (DSD) was not properly reflected in the model in the previous research. Therefore, this study was designed to eliminate the data of the regions with distinctly different climatic conditions and then investigate their relationships DMY and DSD using the data in each region separately of regions with distinct climatic characteristics and classify the data based on regions for further analysis based on the previous mixed pasture prediction model. The data set used in the research kept 582 data points from 11 regions and 41 mixed pasture types. The relationship between DMY and DSD in each region were analyzed through scatter plot, correlation analysis and multiple regression analysis in each region separately. In the statistical analysis, DMY was taken as the response variable and 5 climatic variables including DSD were taken as explanatory variables. The results of scatter plot showed that negative correlations between DMY and DSD were observed in 7 out of 9 regions. Therefore, it was confirmed that analyzing the relationship between DMY and DSD based on each region is necessary and 5 regions were selected (Hwaseong, Suwon, Daejeon, Siheung and Gwangju) since the data size in these regions is large enough to perform the further statistical analysis based on large sample approximation theory. Correlation analysis showed that negative correlations were found between DMY and DSD in 3 (Hwaseong, Suwon and Siheung) out of the 5 regions, meanwhile the negative relationship in Hwaseong was confirmed through multiple regression analysis. Therefore, it was concluded that the interpretability of the yield prediction model for mixed pasture could be improved based on constructing the models using the data from each region separately instead of using the pooled data from different regions.

혼파초지에서 모형의 단계적 적용을 통한 수량예측 연구

오승민,김문주,팽경룬,이배훈,김지융,김병완,조무환,성경일,Oh, Seung Min,Kim, Moon Ju,Peng, Jinglun,Lee, Bae Hun,Kim, Ji Yung,Kim, Byong Wan,Jo, Mu Hwan,Sung, Kyung Il 한국초지조사료학회 2017 한국초지조사료학회지 Vol.37 No.1

The objective of this study was to select a model showing high-levels of interpretability which is high in R-squared value in terms of predicting the yield in the mixed pasture using the factors of fertilization, seeding rate and years after pasture establishment in steps, as well as the climate as a basic factor. The processes of constructing the yield prediction model for the mixed pasture were performed in the sequence of data collection (forage and climatic data), preparation, analysis, and model construction. Through this process, six models were constructed after considering climatic variables, fertilization management, seeding rates, and periods after pasture establishment years in steps, thereafter the optimum model was selected through considering the coincidence of the models to the forage production theories. As a result, Model VI (R squared = 53.8%) including climatic variables, fertilization amount, seeding rates, and periods after pasture establishment was considered as the optimum yield prediction model for mixed pastures in South Korea. The interpretability of independent variables in the model were decreased in the sequence of climatic variables(24.5%), fertilization amount(17.8%), seeding rates(10.7%), and periods after pasture establishment(0.8%). However, it is necessary to investigate the reasons of positive correlation between dry matter yield and days of summer depression (DSD) by considering cultivated locations and using other cumulative temperature related variables instead of DSD. Meanwhile the another research about the optimum levels of fertilization amounts and seeding rates is required using the quadratic term due to the certain value-centered distribution of these two variables. 본 연구는 기후요인을 이용한 혼파초지 수량예측모형을 기초로 하여 시비, 파종 및 조성연차 요인을 단계적으로 적용하여 해석력이 높은 모형을 선정하는데 목적이 있다. 혼파초지 수량예측모형 구축 과정은 자료(풀사료 및 기상자료)수집, 가공, 분석 및 모형 구축의 순이었다. 여기서 수량예측모형은 기후, 시비, 파종 및 조성연차 요인을 고려하여 6가지를 구축하였으며, 해석력 및 풀사료 생산 이론 측면의 검토를 통해 최적의 모형을 선택하였다. 그 결과 기후, 시비 및 파종과 조성연차(조성연차의 그룹화) 요인을 고려한 Model VI이 선택되었다(해석력=53.8%). Model VI의 요인 별 해석력은 기후요인이 가장 크고(24.5%) 시비(17.8%), 파종(10.7%) 및 조성연차(0.8%) 요인의 순이었다. 그러나 건물수량과 하고일수 간에 나타난 정(+)의 상관관계는 지역별 및 적산변수 등의 관점에서 검토가 필요하다. 또한 시비량 및 파종량은 특정값에 집중적으로 분포하고 있어 이차항(Quadratic term)을 이용하여 적정 수준에 관한 연구가 요구된다.

기상 빅 데이터와 지리정보시스템을 이용한 이탈리안 라이그라스의 수량예측

김문주,오승민,김지융,이배훈,팽경룬,김시철,베페카두 체메레,가세미 네자드 잘일,김경대,조무환,김병완,성경일,Kim, Moonju,Oh, Seung Min,Kim, Ji Yung,Lee, Bae Hun,Peng, Jinglun,Kim, Si Chul,Chemere, Befekadu,Nejad, Jalil Ghassemi,Kim, Kyeong Dae,Jo, M 한국초지조사료학회 2017 한국초지조사료학회지 Vol.37 No.2

본 연구의 목적은 이탈리안 라이그라스의 수량예측모형을 구축하고, 지리정보시스템을 이용하여 재배지역의 예측건물수량을 맵핑하는 것이다. 본 연구를 수행하기 위해 첫째, 풀사료 자료를 수집하였고, 둘째, 빅 데이터인 기상정보는 기상청(KMA)으로부터 재배지와 연도를 기준으로 수집하였다. 셋째, 수량에 영향을 미치는 기상 레이어는 지리정보시스템을 사용하여 생성하였다. 넷째, 수량예측방정식은 기상레이어를 계산하기 위해 추정하였다. 마지막으로 수량예측모형은 적합도와 예측력 면에서 평가하였다. 그 결과, 모형 적합도(R2)은 재배지에 따라 27%부터 95%까지 나타났다. 수원의 경우(지역 중 가장 큰 표본, n=321), 모형은 DMY = 158.63AGD -8.82AAT +169.09SGD - 8.03SAT +184.59SRD -13,352.24(DMY: Dry Matter Yield, AGD: Autumnal Growing Days, SGD: Spring Growing Days, SAT: Spring Accumulated Temperature, SRD: Spring Rainfall Days)이었다. 수원의 평균 DMY(9,790kg/ha)에 대해 수량예측모형은 $9,790{\pm}120$(kg/ha)로 예측하였다. 이러한 결과는 지리정보시스템에 의해 기상레이어를 누적하여 지도 위에 생성하였다. 이탈리안 라이그라스 수량은 제주를 제외하면 해안보다 내륙에서 높게 나타났다. 이탈리안 라이그라스는 약한 내한성 때문에 산지가 많은 북동부에서는 분포가 나타나지 않았다. 본 연구에서 비록 제한된 재배지에서 수량예측모형을 구축하고 맵핑하였지만, 우리나라의 기상정보를 적용하면 전국으로 확대가 가능할 것으로 생각된다. This study was aimed to find yield prediction model of Italian ryegrass using climate big data and geographic information. After that, mapping the predicted yield results using Geographic Information System (GIS) as follows; First, forage data were collected; second, the climate information, which was matched with forage data according to year and location, was gathered from the Korean Metrology Administration (KMA) as big data; third, the climate layers used for GIS were constructed; fourth, the yield prediction equation was estimated for the climate layers. Finally, the prediction model was evaluated in aspect of fitness and accuracy. As a result, the fitness of the model ($R^2$) was between 27% to 95% in relation to cultivated locations. In Suwon (n=321), the model was; DMY = 158.63AGD -8.82AAT +169.09SGD - 8.03SAT +184.59SRD -13,352.24 (DMY: Dry Matter Yield, AGD: Autumnal Growing Days, SGD: Spring Growing Days, SAT: Spring Accumulated Temperature, SRD: Spring Rainfall Days). Furthermore, DMY was predicted as $9,790{\pm}120$ (kg/ha) for the mean DMY(9,790 kg/ha). During mapping, the yield of inland areas were relatively greater than that of coastal areas except of Jeju Island, furthermore, northeastern areas, which was mountainous, had lain no cultivations due to weak cold tolerance. In this study, even though the yield prediction modeling and mapping were only performed in several particular locations limited to the data situation as a startup research in the Republic of Korea.