다윈 100주기 기념진화론 심포지엄-오늘의 진화론

양서영,Yang, Seo-Yeong 한국과학기술단체총연합회 1982 과학과 기술 Vol.15 No.4

드문모심기 적정 파종량 및 육묘일수 분석

황운하,정재혁,이현석,양서영,이충근,Hwang, Woon-Ha,Jeong, Jae-Hyeok,Lee, Hyen-Seok,Yang, Seo-Yeong,Lee, Chung-gun 한국작물학회 2021 Korean journal of crop science Vol.66 No.2

최근 벼 이앙 시 필요한 육묘상자 개수를 크게 절감할 수 있는 새로운 생력재배기술로 주목받고 있는 드문모심기의 안전 육묘기술을 개발하기 위해 육묘상자당 파종량 및 육묘일수에 등 육묘환경에 따른 모소질 변화를 분석한 결과는 다음과 같다. 1. 육묘일수 10일 시 파종량에 따라 엽수, 줄기두께가 변하였으며, 육묘일수 20일에는 초장, 엽수, 줄기두께가 유의적인 차이를 보였다. 2. 상자 당 파종량 증가에 따라 육묘일수에 따른 초장신장, 엽령증가정도 및 줄기두께 증가정도가 감소하는 경향이었다. 3. 상자 당 파종량 증가에 따라 줄기 건물중 및 뿌리 건물증이 감소하였으며 그 감소폭은 육묘일수 10일에 비해 20일에 크게 증가하였다. 4. 어린모의 줄기 건물중은 뿌리건물중, 초장 및 줄기두께와 높은 정의 상관관계를 보였으며, 상자 당 파종량 증가 시 모충실도는 낮아지며 육묘일수당 모충실도 감소량도 증가하는 경향이었다. 5. 드문모심기 시 육묘상자 절감의 효율증대를 위해 최소 묘취량을 설정하여 이앙 시 주당 3~5본을 이앙하기 위한 적정 파종개수는 11,000로 현미천리중이 22 g인 종자의 경우 약 280~300 g으로 판단되며 이 때 적정 육묘일수는 모충실도감소가 적은 13~16일로 판단된다. In order to develop a safe seeding technology for low-density transplantation, we analyzed the changes in seeding growth according to different seeding rates and seeding days. We detected changes in leaf number and shoot diameter on the 10th seeding day, and in plant height on the 20th seeding day according to seeding rate. The increase in shoot and leaf number, and shoot diameter per seeding day decreased with anincrease in seeding rate. On seeding day 20, the reductions in shoot and root dry weights according to seeding rate was lower compared with those recorded at seeding day 10. Shoot dry weight was significantly related to root dry weight, plant height, and shoot diameter. With an increase in seeding rate, seeding health decreased and there was an increase in the rate of seeding health per seeding day decreased. For low-density transplantation, the optimal number of seeds required for transplanting 3-5 plants per hill is 11,000, which is estimated to be approximately 280-300 g of seeds for 22 g brown rice. Furthermore, the appropriate number of seeding days is estimated to be 13 to 16 days, which corresponds to a small reduction in seeding health.

볍씨 최아 및 최아 손상정도에 따른 초기생육변화 분석

최명구,정재혁,이현석,양서영,이충근,황운하,Choi, Myoung-Goo,Jeong, Jae-Hyeok,Lee, Hyen-Seok,Yang, Seo-Yeong,Lee, Chung-gun,Hwang, Woon-Ha 한국작물학회 2021 Korean journal of crop science Vol.66 No.3

볍씨 종자의 최아정도 및 최아 손상정도에 따른 출현율 및 초기생육변화를 분석한 결과는 다음과 같다. 1. 볍씨 최아 길이가 길수록 출현율은 다소 감소하였으며 생육온도가 18℃ 이상으로 높을수록 차이가 큰 것으로 나타났다. 2. 최아 길이가 길수록 초장신장 속도가 감소하였으며 생육온도가 21℃ 이상으로 높을 시 최아길이 3 mm에서 초장이 크게 감소하였다. 3. 최아길이에 따른 엽수변화는 없었으나 줄기 두께 및 줄기 건물중, 뿌리 건물중은 최아길이가 길수록 유의하게 감소하였다. 4. 최아 손상정도가 증가할수록 출현율은 유의하게 감소하였으며 생육온도가 높을수록 감소폭은 증가하으며 엽수변화는 없었으나 줄기 두께 및 줄기 건물중, 뿌리 건물중은 최아 손상도가 길수록 유의하게 감소하였다. 최아 길이 및 종자 손상정도별 뿌리 건물중과 줄기 건물 중 변화는 유의한 정의 상관관계를 보였다. We checked the emergence rate and early growth characteristics of young rice plants according to the germination length and seed damage ratio in direct seeding. The emergence rate was reduced according to the longer germination length and higher seed damage ratio. The emergence rate was further reduced under high-temperature conditions. The leaf number did not show a significant difference according to germination length and seed damage ratio. However, shoot and root dry weights were reduced according to the germination length and seed damage ratio. The root dry weight was highly correlated with the shoot dry weight. Based on these results, we concluded that a longer germination length and seed damage could induce the loss of nutrients and affect poor root growth, consequently inducing poor emergence and growth in the early growth stage of rice seeds. Therefore, in rice direct seeding, seed conditions of less than 1 mm of germination length should be checked for a sufficiently high standing rate and adequate growth characteristics after seeding.

RNA-Sequencing을 이용한 벼 품종간 수발아 차이 분석

최명구,이현석,황운하,양서영,이윤호,이충근,윤성중,정재혁,Choi, Myoung-Goo,Lee, Hyen-Seok,Hwang, Woon-Ha,Yang, Seo-Yeong,Lee, Yun-Ho,Lee, Chung-gun,Yun, Song Joong,Jeong, Jae-Hyeok 한국작물학회 2020 한국작물학회지 Vol.65 No.4

Seed dormancy is an adaptive trait in which seeds do not germinate under unfavorable environmental conditions. Low dormancy seeds are easily germinated under optimal environmental conditions, and these characteristics greatly reduce the yield and quality of crops. In the present study, we compared the pre-harvest sprouting (PHS) rate of two cultivars, Joun and Jopyeong, using the Winkler scale after heading day and temperature of the test. The PHS rate increased as the Winkler scale after heading day increased from 700℃ to 1100℃ and the temperature of the test increased. In all conditions, the PHS rate of Jopyeong was higher than that of Joun. RNA-sequencing was used to analyze the cause of the high PHS rate. We analyzed the biological metabolic processes related to the abscisic acid (ABA) metabolite pathway using the KEGG mapper with selected differentially expressed genes in PHS seeds. We found that the expression of ABA biosynthesis genes (OsNCEDs) was down-regulated and that ABA catabolic genes (OsCYP707As) was up-regulated in PHS seeds. However, the quantitative real-time PCR results showed that Joun had a higher expression of OsNCEDs than that of Jopyeong, but OsCYP707As did not yield a significant result. Joun displayed higher ABA content than that of Jopyeong not only during ripeness time but also during PHS treatment. Taken together, we provided evidence that the ABA content remaining in the seed is important to the PHS rate, which is determined by the expression level of the ABA biosynthesis gene OsNCEDs.

유형이 다른 영농형 태양광발전시설 하부 재배 환경 및 벼 생산성 평가

반호영 ( Ho-young Ban ),정재혁 ( Jae-hyeok Jeong ),황운하 ( Woon-ha Hwang ),이현석 ( Hyeon-seok Lee ),양서영 ( Seo-yeong Yang ),최명구 ( Myoung-goo Choi ),이충근 ( Chung-keun Lee ) 한국농림기상학회 2020 한국농림기상학회지 Vol.22 No.4

영농형 태양광발전시설은 농지에 설치하여 전기도 생산하면서 동시에 작물도 재배할 수 있다. 영농형 태양광발전시설의 구조와 태양의 위치에 따라 차광 지점이 변화하기 때문에 시설 하부 환경을 분석할 필요가 있으며, 작물생산성도 평가되어야 한다. 영농형 태양광발전시설은 “고정형”과 “추적형” 두가지 유형을 설치하였으며, 시설을 설치한 농지와 차광이 되지 않는 일반 농지(control)에 벼 재배 실험을 실시하였다. 현품벼를 2019년 6월 7일에 기계 이앙하였으며, 시비량은 N-P-K= 9.0-4.5-5.7 kg/10a 이었다. 각 태양광발전시설 하부 15개 지점에 일사와 온도 센서를 설치하여 기상을 측정하였고, 지점 별로 수량 및 수량관련요소들을 조사하였다. 벼 생육기간동안 누적 일사는 고정형의 경우 지점들 간 차이가 크지 않았으며, 추적형의 경우 지점들 간 차이가 크게 나타났지만, 두 유형의 평균 누적 일사량은 비슷하였다. 고정형의 등숙률과 천립중을 제외하고 평균 기온과 수량 및 수량 관련 요소들 모두 차광율에 대해 유의한 차이를 나타냈으며 차광율이 커질수록 감소하였다. 차광율과 수량과의 관계에서 고정형은 로지스틱식으로 추적형은 1차방정식으로 각기 다르게 나타났으며, 두 유형 모두 높은 상관을 보였다(추적형: R² = 0.62, 고정형: R² = 0.73). 두 유형의 지점 별 차광율 변동은 두 유형 간 비슷한 수량 변동에도 불구하고 크게 나타났다. 따라서, 전체 생육기간의 누적 일사에 대한 차광율보다는 특정 시기의 차광율과의 관계를 좀 더 세밀히 검토할 필요가 있다. The agrivoltaic can produce electricity and grow crops on fields at the same time. It is necessary to analyze the cultivation environment and evaluate the crop productivity under agrivoltaic because the shading point changes according to structure of agrivoltaic and sun’s position. Two types of “fixing” and “tracing” agrivoltaic were installed, and a rice cultivation experiment was conducted in the fields under each agrivoltaic and without shading (control). “Hyunpoombyeo” was transplanted on June 7, 2019, and grown with fertilization of 9.0-4.5-5.7 kg/10a (N-P-K). Fifteen weather stations were installed under each agrivoltaic to measure solar radiation and temperature, and yield and yield-related elements were investigated by points. The accumulated solar radiation during the rice growing season in fixing was no much difference between points, and that in tracing was much difference between points. However, the average solar radiations of two agrivoltaics were similar. The mean temperature, yield, and yield-related elements showed a significant difference for the shading rate, and decreased with increasing the shading rate except ripening grain rate and 1000 grain weight of fixing agrivoltaic. In the relationship between shading rate and yield, fixing and tracing were fitted to a logistic equation and a simple linear equation, respectively, and showed a high correlation (tracing: R² = 0.62, fixing: R² = 0.73). The shading rate variation by point for two types was large despite similar yield variation. Thus, it needs to be more closely examined the relationship of the shading rate for a specific period rather than the shading rate during the whole growing season.

기계학습을 이용한 벼 수발아율 예측

반호영 ( Ho-young Ban ),정재혁 ( Jae-hyeok Jeong ),황운하 ( Woon-ha Hwang ),이현석 ( Hyeon-seok Lee ),양서영 ( Seo-yeong Yang ),최명구 ( Myong-goo Choi ),이충근 ( Chung-keun Lee ),이지우 ( Ji-u Lee ),이채영 ( Chae Young Lee ),윤 한국농림기상학회 2020 한국농림기상학회지 Vol.22 No.4

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 일 평균 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 몇 일 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 특정기간 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. Rice flour varieties have been developed to replace wheat, and consumption of rice flour has been encouraged. damage related to pre-harvest sprouting was occurring due to a weather disaster during the ripening period. Thus, it is necessary to develop pre-harvest sprouting rate prediction system to minimize damage for pre-harvest sprouting. Rice cultivation experiments from 2017 to 2019 were conducted with three rice flour varieties at six regions in Gangwon-do, Chungcheongbuk-do, and Gyeongsangbuk-do. Survey components were the heading date and pre-harvest sprouting at the harvest date. The weather data were collected daily mean temperature, relative humidity, and rainfall using Automated Synoptic Observing System (ASOS) with the same region name. Gradient Boosting Machine (GBM) which is a machine learning model, was used to predict the pre-harvest sprouting rate, and the training input variables were mean temperature, relative humidity, and total rainfall. Also, the experiment for the period from days after the heading date (DAH) to the subsequent period (DA2H) was conducted to establish the period related to pre-harvest sprouting. The data were divided into training-set and vali-set for calibration of period related to pre-harvest sprouting, and test-set for validation. The result for training-set and vali-set showed the highest score for a period of 22 DAH and 24 DA2H. The result for test-set tended to overpredict pre-harvest sprouting rate on a section smaller than 3 .0 %. However, the result showed a high prediction performance (R²=0 .76). Therefore, it is expected that the pre-harvest sprouting rate could be able to easily predict with weather components for a specific period using machine learning.