http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
오영주(Oh, Y. J.),김인순(I. S. Kim),장민상(M. S. Jang),이용호(Y. H. Lee),홍선희(S. H. Hong),손수인(S. I. Sohn),김창석(C. S. Kim) 한국잡초학회 2021 한국잡초학회 별책(학술대회 초록집) Vol.41 No.1
지구온난화로 지속적인 기후의 변화가 예상되는 판국에 농업생태계는 인간의 식량자원을 책임지는 측면에서 기후변화에 막대한 영향을 받을 수 있다. 이에 대한 지표종을 선정하고 모니터링하는 일은 중요하며 기후변화 추세로 볼 때 시급한 문제로 여겨진다. 기후변화에 따른 농경지 식생의 생존전략 및 변동 평가를 하기 위해 그라임(Grime, 1989)이 제안한 CSR(Competitors – Stress tolerators – Ruderal)모형을 선정하였다. 식생의 CSR평가 모형 패턴 변화에 의해 이들의 서식지가 어떠한 식으로 변동이 되는지 분석하고, CSR평가 모형을 통하여 한 종이 어떤 영향을 받아 자라고 소멸될지, 기후 및 환경변화가 어떠한 영향을 줄지 등의 결과값을 정량적 평가하기 위한 데이터를 구축을 목표로 하였다. 이에 대한 방법으로 전국 농경지 식생을 조사하여 식생군집을 분석하였고 농경지 식생 라이브러리를 구축하였다. 앞을 바탕으로 식물 71종을 생육조사하고 Pierce 등(2016)이 정립한 “Global CSR analysis method”를 이용하여 비교 분석한 CSR 결정 계수를 산정하였다. CSR 측정에 사용되는 형질(엽면적; LA, 엽새에중(LFW), 엽건물중(LDW), 건물중당 엽면적(SLA), 엽건물함량(LDMC))은 ①시료 수집, ②데이터 분석, ③결과 산출의 과정을 거쳐 측정하였으며 이들의 농업생태계 유형별(농수로, 도로변, 논, 하천변) 종의 분포와 CSR의 위치선정을 진행하였다. 농경지체 출현하는 식물 71종에 대해 CSR 결정 계수를 산정하고 SR, R/CR, R/SR, CR, R, R/CSR, R/CR, SR/CSR, SR의 9개로 구분하였다. 구분된 종은 Ternary Graph로 표기하여 위치를 구분하였다. 추가적인 조사를 통해 더 많은 종의 위치를 산정하여 농업생태계의 변화를 예측하기 위한 연구가 필요하다.
오영주(Oh, Y. J.),김인순(I. S. Kim),장민상(M. S. Jang),이용호(Y. H. Lee),홍선희(S. H. Hong),손수인(S. I. Sohn),김창석(C. S. Kim) 한국잡초학회 2021 한국잡초학회 별책(학술대회 초록집) Vol.41 No.1
최근에 농경지와 주변부에 외래잡초의 유입이 확대되고 있고 이에 대한 관리의 비용도 증가되고 있다. 외래잡초의 효율적인 관리를 위해서는 이 종들의 정확한 동정과 발생 지점, 면적, 동태를 파악하는 것이 필수적이다. VNIR 스펙트럼을 이용한 외래잡초의 판별 분석의 기술은 드론에 적용이 가능하고 드론을 적용하면 빠른 시간에 넓은 면적을 확인할 수 있는 방법 중에 하나이다. 이러한 기술 개발을 위해서는 다양한 상태의 종별 분광학적 정보 라이브러리의 구축이 필요한데, 이를 다양한 인공지능 기술과의 결합을 통하여 판별 정확도를 향상시킨다면 첨단 포장 관리에 용이할 것으로 생각된다. 외래잡초 종별 분광학정 지표 데이터 수집을 위해 Field spectroscopy : Fieldspec(ASC,lnc) VNIR(325~1075nm)를 활용해 유식물 단계의 외래잡초의 VNIR 스펙트럼 데이터를 수집하였다. 포트재배를 통해 도깨비가지, 둥근잎미국나팔꽃, 미국나팔꽃, 별나팔꽃, 애기나팔꽃, 나팔꽃, 양명아주, 흰명아주, 가는털비름, 털비름 10종의 스펙트럼 2.167개의 DB를 구축하였다. 전처리는 Savitzky-Golay, Normalization, SNV, Raw를 적용하였고 머신러닝 모델은 Support Vector Machine, Deep Learning, Fast Large Margin, Gradient Boosted Trees, Random Forest, Generalized Linear Model을 적용하였다. 머신러닝 분석 결과 외래잡초 10종을 가장 효과적으로 판별하는 방법은 전처리에 Savitzky-Golay 혹은 Raw 파일을 Support Vector Machine로 머신러닝 하였을 때 99%의 판별율을 나타내는 것으로 확인되었다. 그 외의 전처리에서도 Support Vector Machine이 98%의 판별율을 나타내어 가장 판별율이 높은 머신러닝 기법으로 확인하였다. 좀더 추가적인 DB를 구축하여 가장 효과적인 판별기술을 개발하여 다양한 환경에서 적용이 가능할 수 있도록 연구를 진행할 예정이다.