딥러닝을 이용한 벼 도복 면적 추정

반호영,백재경,상완규,김준환,서명철,Ban, Ho-Young,Baek, Jae-Kyeong,Sang, Wan-Gyu,Kim, Jun-Hwan,Seo, Myung-Chul 한국작물학회 2021 한국작물학회지 Vol.66 No.2

해마다, 강한 바람을 동반한 태풍 및 집중호우로 인해 벼도복이 발생하고 있으며, 이삭이 여무는 등숙기에 도복으로 인한 수발아와 관련된 피해를 발생시키고 있다. 따라서,신속한 피해 대응을 위해 신속한 벼 도복 피해 면적 산정은 필수적이다. 벼 도복과 관련된 이미지들은 도복이 발생된 김제, 부안, 군산일대에서 드론을 이용하여 수집하였고, 수집한 이미지들을 128 × 128 픽셀로 분할하였다. 벼 도복을 예측하기 위해 이미지 기반 딥 러닝 모델인 CNN을 이용하였다. 분할한 이미지들은 도복 이미지(lodging)와 정상 이미지(non-lodging) 2가지로 라벨로 분류하였고, 자료들은 학습을 위한 training-set과 검증을 위한 vali-se을 8:2의 비율로 구분하였다. CNN의 층을 간단하게 구성하여, 3개의 optimizer (Adam, Rmsprop, and SGD)로 모델을 학습하였다. 벼 도복 면적 평가는 training-set과 vali-set에 포함되지 않은 자료를 이용하였으며, 이미지들을 methshape 프로그램으로 전체 농지로 결합하여 총 3개의 농지를 평가하였다. 도복 면적 추정은 필지 전체의 이미지를 모델의 학습 입력 크기(128 × 128)로 분할하여 학습된 CNN 모델로 각각 예측한 후, 전체 분할 이미지 개수 대비 도복 이미지 개수의 비율을 전체 농지의 면적에 곱하여 산정하였다. training-set과 vali-set에 대한 학습 결과, 3개의 optimizer 모두 학습이 진행됨에 따라 정확도가 높아졌으며, 0.919 이상의 높은 정확도를 보였다. 평가를 위한 3개의 농지에 대한 결과는 모든 optimizer에서 높은 정확도를 보였으며, Adam이 가장 높은 정확도를 보였다(RMSE: 52.80 m², NRMSE: 2.73%). 따라서 딥 러닝을 이용하여 신속하게 벼 도복 면적을 추정할 수 있을 것으로 예상된다. Rice lodging is an annual occurrence caused by typhoons accompanied by strong winds and strong rainfall, resulting in damage relating to pre-harvest sprouting during the ripening period. Thus, rapid estimations of the area of lodged rice are necessary to enable timely responses to damage. To this end, we obtained images related to rice lodging using a drone in Gimje, Buan, and Gunsan, which were converted to 128 × 128 pixels images. A convolutional neural network (CNN) model, a deep learning model based on these images, was used to predict rice lodging, which was classified into two types (lodging and non-lodging), and the images were divided in a 8:2 ratio into a training set and a validation set. The CNN model was layered and trained using three optimizers (Adam, Rmsprop, and SGD). The area of rice lodging was evaluated for the three fields using the obtained data, with the exception of the training set and validation set. The images were combined to give composites images of the entire fields using Metashape, and these images were divided into 128 × 128 pixels. Lodging in the divided images was predicted using the trained CNN model, and the extent of lodging was calculated by multiplying the ratio of the total number of field images by the number of lodging images by the area of the entire field. The results for the training and validation sets showed that accuracy increased with a progression in learning and eventually reached a level greater than 0.919. The results obtained for each of the three fields showed high accuracy with respect to all optimizers, among which, Adam showed the highest accuracy (normalized root mean square error: 2.73%). On the basis of the findings of this study, it is anticipated that the area of lodged rice can be rapidly predicted using deep learning.

작물 생육 모델을 이용한 지역단위 콩 수량 예측

반호영,최덕환,안중배,이변우,Ban, Ho-Young,Choi, Doug-Hwan,Ahn, Joong-Bae,Lee, Byun-Woo 대한원격탐사학회 2017 大韓遠隔探査學會誌 Vol.33 No.5

본 연구에서는 재배 방법, 토양 특성 등의 정보를 상세하게 수집하기 어려운 지역단위의 콩 작황을 작물생육 모델을 이용하여 예측하는 방법을 개발하고자 하였다. 작물 생육 모델은 DSSAT에 포함된 CROPGRO-Soybean 모델을 이용하였고, 미국의 주요 콩 생산지역인 Illinois주를 연구 사례지역으로 선택하였다. CROPGRO-Soybean 모델을 이용하여 Illinois주의 콩 수량을 예측하기 위한 첫 단계로 다양한 성숙군에 속하는 국내외 품종들을 수집하여 서울대학교농장($37.27^{\circ}N$, $126.99^{\circ}E$)에서 2년동안 파종기 실험을 하여 성숙군(maturity group) I~VI까지의 성숙군별 대표 품종모수(genetic coefficients)를 추정하였다. 대표 품종모수는 각 성숙군 내에 포함되어 있는 품종들의 발육을 매우 정확하게 추정하였다. $10km{\times}10km$ 격자 단위의 기상자료를 바탕으로 성숙군(3), 파종시기(3), 관개여부(2) 등을 조합하여 18가지 조건으로 2000년에서 2011년까지 수량을 각각 모의 하였다. 성숙군과 파종시기는 Illinois주를 위도에 따라 3등분하여 각각 다르게 설정하였다. 관개 및 무관개 조건으로 구분하여 격자 별 모의결과로부터 Illinois주 전체 평균 모의수량을 구하여 연도 별 통계 수량과 비교한 결과 두 경우 모두 실제 수량과 큰 차이를 보일 뿐만 아니라 연차에 따른 수량 변동과 증가 경향을 반영하지 못하였다. 이러한 한계를 극복하고자 처리 별 격자 별로 모의된 수량을 수량을 18개 모의 조건 별로 평균하여 구한 9개 농업지구의 연도별 수량을 독립 변수, 농업지구의 연도별 통계수량을 종속 변수로 하는 중회귀 모델을 구축하였다. 18개 모의 조건 별 수량 외에 품종 개량, 재배 기술 발전 등에 따른 수량의 연차적 변화경향을 반영하기 위하여 연도를 독립변수로 추가하였으며, 중회귀모델은 농업지구와 연도별 수량 변이를 비교적 잘 예측($R^2=0.61$, n=108)하였다. 중회귀 모델로 추정한 9개 농업지구의 연도별 수량을 농업지구별 재배 면적으로 가중 평균한 Illinois의 연도별 추정수량은 통계수량에 매우 근사하였다($R^2=0.80$). 뿐만 아니라 모델 구축 대상연도가 아니고 가뭄으로 수량이 크게 감소한 2012년의 예측 수량은 $3006kg\;ha^{-1}$로 통계수량 $2890kg\;ha^{-1}$과 $116kg\;ha^{-1}$의 근사한 차이를 보였다. The present study was to develop an approach for predicting soybean yield using a crop growth simulation model at the regional level where the detailed and site-specific information on cultivation management practices is not easily accessible for model input. CROPGRO-Soybean model included in Decision Support System for Agrotechnology Transfer (DSSAT) was employed for this study, and Illinois which is a major soybean production region of USA was selected as a study region. As a first step to predict soybean yield of Illinois using CROPGRO-Soybean model, genetic coefficients representative for each soybean maturity group (MG I~VI) were estimated through sowing date experiments using domestic and foreign cultivars with diverse maturity in Seoul National University Farm ($37.27^{\circ}N$, $126.99^{\circ}E$) for two years. The model using the representative genetic coefficients simulated the developmental stages of cultivars within each maturity group fairly well. Soybean yields for the grids of $10km{\times}10km$ in Illinois state were simulated from 2,000 to 2,011 with weather data under 18 simulation conditions including the combinations of three maturity groups, three seeding dates and two irrigation regimes. Planting dates and maturity groups were assigned differently to the three sub-regions divided longitudinally. The yearly state yields that were estimated by averaging all the grid yields simulated under non-irrigated and fully-Irrigated conditions showed a big difference from the statistical yields and did not explain the annual trend of yield increase due to the improved cultivation technologies. Using the grain yield data of 9 agricultural districts in Illinois observed and estimated from the simulated grid yield under 18 simulation conditions, a multiple regression model was constructed to estimate soybean yield at agricultural district level. In this model a year variable was also added to reflect the yearly yield trend. This model explained the yearly and district yield variation fairly well with a determination coefficients of $R^2=0.61$ (n = 108). Yearly state yields which were calculated by weighting the model-estimated yearly average agricultural district yield by the cultivation area of each agricultural district showed very close correspondence ($R^2=0.80$) to the yearly statistical state yields. Furthermore, the model predicted state yield fairly well in 2012 in which data were not used for the model construction and severe yield reduction was recorded due to drought.

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.

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.

온도 상승 조건이 벼의 수량 및 수량구성요소에 미치는 영향

이규종 ( Kyu Jong Lee ),뉴안덕 ( Duc Nhuan Nguyen ),최덕환 ( Doug Hwan Choi ),반호영 ( Ho Young Ban ),이변우 ( Byun Woo Lee ) 한국농림기상학회 2015 한국농림기상학회지 Vol.17 No.2

기후변화로 야기되는 미래의 고온 환경은 벼의 생산성을 저하시킬 것으로 예측되고 있다. 본 연구에서는 기후변화에 따른 국내 벼 생산성의 신뢰성 있는 영향평가 기초자료를 확보하기 위해 고온 환경에서의 벼의 수량과 수량 구성 요소의 반응을 조사하고 분석하였다. 실험은 1/5000a 와그너 포트를 이용하여 2008년과 2009년에 걸쳐 서울대학교 부속실험농장(37o16``N, 128o59``E)의 온도조절 플라스틱 하우스에서 실시되었다. 2008년에는 자포니카계의 화성벼를 공시품종으로 이용하였으며, 시비수준을 120kg N ha-1와 180kg N ha-1 로 하였다. 온도처리는 대기온도, 대기온도 대비 +1.5oC, +3.0oC의 세 수준으로 하였다. 2009년에는 화성벼와 통일계의 다산벼를 공시품종으로 하여 120kg N ha-1 수준으로 시비하였다. 온도처리는 대기온도, 대기온도 대비 +1.5oC, +3.0oC 및 +5.0oC 수준으로 처리하였다. 수량 및 수량구성요소의 온도처리에 따른 영향은 품종별로 상이한 반응을 보였다. 이삭수와 이삭당 영화수는 두 품종 모두 온도처리의 영향을 받지 않았으나, 천립중과 등숙률에 대해 화성벼는 5.0℃, 다산벼는 1.5oC 이상의 온도처리에서 유의하게 감소하였다. 포트당 수량은 화성벼의 경우 5.0oC, 다산벼는 3.0oC 및 5.0oC 온도처리에서 유의한 감소를 나타냈다. 등숙 기간 동안의 평균기온에 대한 천립중과 등숙률 반응 또한 품종별로 다르게 나타났다. 다산벼의 경우 23oC이상의 평균 온도에 대해 등숙률과 천립중이 급격히 감소한데 반해, 화성벼는 23oC부터 27oC 범위에 대해 등숙률과 천립중의 변화가 크지 않았다. 기후변화에 의한 지속적인 기온상승이 예상되는 가운데 온도상승에 따른 등숙률과 천립중의 감소는 미래 기후 환경에서의 벼의 수량 감소를 야기하는 주요 원인으로 예측된다. 다만, 상승된 기온에 대한 벼의 반응은 품종별로 상이하기 때문에 고온에 둔감한 품종의 도입 또는 그러한 특성을 지닌 품종의 육종을 통해 기후변화에 따른 수량 감소의 위험을 낮출 수 있을 것이다. High temperature stress would affect rice production in the future as heat wave is expected to occur frequently under climate change conditions. The objective of this study was to obtain rudimentary information to assess the impact of heat stress on rice yield and its yield component in Korea. Two rice cultivars “Hwaseongbyeo” (Japonica) and “Dasanbyeo” (Tongil-type) were grown at different nitrogen fertilization levels in two seasons. These cultivars were grown in 1/5000a Wagner pot placed within four plastic houses where temperature was controlled at ambient, ambient+1.5oC, ambient+3oC and ambient+5oC throughout the rice growing season in Suwon (37o16``N, 128o59``E), Korea. The degree of temperature change affected grain yield whereas the level of nitrogen had little impact on grain yield. The number of panicle per pot and spikelet per panicle were not significantly different among temperature treatments in both cultivars tested. In contrast, 1000-grain weight and ripened grain ratio were decreased significantly under the treatments raising the air temperature to the level of 5.0oC and 1.5oC above the ambient air temperature in Dasanbyeo and Hwaseongbyeo, respectively. Reduction of 1000-grain weight and ripened grain ratio under the temperature treatments of 3.0oC and 5.0oC above the ambient air temperature resulted in significantly less grain yield for Dasanbyeo and Hwaseongbyeo, respectively. The greater sensitivity of grain yield to temperature increase in Dasanbyeo was attributable to the sharp decrease of 1000-grain weight and ripened grain ratio with the temperature rise above 23oC during ripening period. On the other hand, Hwaseongbyeo had little variation of them in the temperature range of 23-27oC. These results suggested that grain yield would decrease under future climate conditions due to grain weight decreased by shorter grain filling period as well as the ripened grain ratio reduced by spikelet sterility and early abortion of rice kernel development. Thus, it would be essential to use cultivars tolerant to heat stress for climate change adaptation, which merits further studies for developing varieties that have traits to avoid spikelet sterility and early abortion of rice kernel, e.g., early morning flowering, under heat wave.

스크립트 언어를 사용한 DSSAT 모델 기반 격자형 작물 생육 모의 시스템 개발

유병현 ( Byoung Hyun Yoo ),김광수 ( Kwang Soo Kim ),반호영 ( Ho-young Ban ) 한국농림기상학회 2018 한국농림기상학회지 Vol.20 No.3

The gridded simulation of crop growth, which would be useful for shareholders and policy makers, often requires specialized computation tasks for preparation of weather input data and operation of a given crop model. Here we developed an automated system to allow for crop growth simulation over a region using the DSSAT (Decision Support System for Agrotechnology Transfer) model. The system consists of modules implemented using R and shell script languages. One of the modules has a functionality to create weather input files in a plain text format for each cell. Another module written in R script was developed for GIS data processing and parallel computing. The other module that launches the crop model automatically was implemented using the shell script language. As a case study, the automated system was used to determine the maximum soybean yield for a given set of management options in Illinois state in the US. The AgMERRA dataset, which is reanalysis data for agricultural models, was used to prepare weather input files during 1981 - 2005. It took 7.38 hours to create 1,859 weather input files for one year of soybean growth simulation in Illinois using a single CPU core. In contrast, the processing time decreased considerably, e.g., 35 minutes, when 16 CPU cores were used. The automated system created a map of the maturity group and the planting date that resulted in the maximum yield in a raster data format. Our results indicated that the automated system for the DSSAT model would help spatial assessments of crop yield at a regional scale.

온도 조건에 따른 벼 수량 및 수량 관련 요소 반응의 품종간 차이

이규종 ( Kyu Jong Lee ),김동진 ( Dong Jin Kim ),반호영 ( Ho Young Ban ),이변우 ( Byun Woo Lee ) 한국농림기상학회 2015 한국농림기상학회지 Vol.17 No.4

생태형이 다른 8개 벼 품종을 대상으로 포트 실험을 실시하여 대기온, 대기온 대비 +1.5oC, +3.0oC, +5.0oC 온도 조건에서의 수량 및 수량 관련 요소의 반응을 분석하였다. 이삭수를 제외한 수량 및 수량 관련 요소들의 온도 상승 조건에 대한 반응은 생태형 및 품종에 따라 유의한 차이가 있음을 확인하였다. 온도가 높아짐에 따라 영화수는 증감의 경향이 명확하진 않았으나 대체로 대기온보다는 증가하였고, 천립중과 등숙률은 감소하는 경향을 나타냈다. 수량 관련 요소중 온도 상승에 가장 민감한 반응을 보인 요소는 등숙률이었으며, 가장 둔감한 요소는 천립중이었다. 등숙률의 하락과 맞물려 수량은 고온 조건일수록 낮아졌으나, 영화수 증가 영향으로 수량의 저하 정도는 등숙률의 그것보다 크지 않았다. 생태형 및 품종별 반응은 조생종의 오대벼와 운광벼가 온도 조건에 가장 민감하였으며, 중만생종 품종들의 반응은 대체로 둔감한 것으로 나타났다. 출수 후 온도의 영향 정도를 분석한 결과 천립중, 등숙률, 완전발육미율, 수량은 출수 후 20일간의 평균기온과 가장 높은 상관관계를 보였으며, 온도가 높아질수록 부정적인 영향을 미치는 것으로 나타났다. 상관분석 결과를 바탕으로 로지스틱 함수를 이용하여 품종 간 온도 반응 특성의 차이를 분석하였다. 수량의 경우 품종 간 온도 반응 특성이 다르지 않은 것으로 나타나, 품종에 상관없이 온도 반응에 대한 추정이 가능할 것으로 사료된다. 이와 달리 천립중, 등숙률, 완전발육미율, 임실률의 경우 품종별로 온도 반응 특성이 달랐으므로, 각 품종에 맞는 온도 반응 추정식을 이용해야 할 것이다. An experiment in a controlled environment was conducted to evaluate the genotypic differences of grain yield and yield-related elements of rice under elevated air temperature. Eight rice genotypes included in three maturing group (early, medium, and medium-late maturing group) were grown with 1/5,000 a Wagner pots at four plastic houses that were controlled to the temperature regimes of ambient temperature (AT), AT+1.5oC, AT+3.0oC, and AT+5.0oC throughout the rice growing season in 2011. Ripened grain ratio and 1000 grain weight showed the most susceptible and tolerant responses to elevated air temperature, respectively. The grain yield reduction was attributable to the sharp decrease of ripened grain ratio. Grain yield was significantly decreased above the treatment of AT+1.5oC and AT+3.0oC in early maturing group and the others, respectively. Highly correlation to average temperature from heading to 20 days was revealed in yield (r = -0.69), ripened grain ratio (r = -82), fully-filled grain (r = -70), and 1000 grain weight (r = -0.31). The responses of yield and yieldrelated elements except number of spikelets and panicle to elevated air temperature were fitted to a logistic function. The parameters of logistic function for each elements except grain yield could not be applied to the other varieties. In conclusion, yield and yield-related elements responded differentially to elevated air temperature according to maturity groups and rice varieties. Ongoing global warming is expected to decrease the grain yield not only by decreasing the grain weight but also decreasing the ripened grain ratio in the future. However, the yield reduction would be mitigated by adopting and/or breeding the less sensitive varieties to high temperature.

RGB 작물 생육지수를 활용한 콩 한발 스트레스 판별기술 평가

상완규 ( Wan-gyu Sang ),김준환 ( Jun-hwan Kim ),백재경 ( Jae-kyeong Baek ),권동원 ( Dongwon Kwon ),반호영 ( Ho-young Ban ),조정일 ( Jung-il Cho ),서명철 ( Myung-chul Seo ) 한국농림기상학회 2021 한국농림기상학회지 Vol.23 No.4

본 연구는 콩의 한발 스트레스 판별에 대하여 RGB 영상에 기반한 작물 생육 지수의 적용 가능성과 한계점을 구명하기 위해 수행되었다. RGB 영상에서 추출한 생육 지수들과 한발 스트레스에 반응하는 대표적인 표현형 지표들(군락 피복도, 엽면적, 엽록소 함량 등)과의 높은 상관관계를 통해 영상 기반 생육 진단 모델개발의 가능성을 확인할 수 있었다. 다만 판별의 정확도와 해상도를 개선시키기 위해서는 향후 다양한 재배 조건에서 지속적인 성능 평가가 이루어져야 할 것이다. 본 연구의 결과는 향후 RGB 영상을 활용한 콩 환경 스트레스 판별에 있어서 영상 전처리, 영상 분석 방법, 생육 지수 정량화 기술 개발에 도움을 줄 수 있을 것이며, 개발된 생육 인자 예측 모델은 환경 스트레스 조기 진단을 통한 영농 의사결정 지원 모델의 개발에 기여할 수 있을 것으로 판단된다. Continuous monitoring of RGB (Red, Green, Blue) vegetation indices is important to apply remote sensing technology for the estimation of crop growth. In this study, we evaluated the performance of eight vegetation indices derived from soybean RGB images with various agronomic parameters under drought stress condition. Drought stress influenced the behavior of various RGB vegetation indices related soybean canopy architecture and leaf color. In particular, reported vegetation indices such as ExGR (Excessive green index minus excess red index), Ipca (Principal Component Analysis Index), NGRDI (Normalized Green Red Difference Index), VARI (Visible Atmospherically Resistance Index), SAVI (Soil Adjusted Vegetation Index) were effective tools in obtaining canopy coverage and leaf chlorophyll content in soybean field. In addition, the RGB vegetation indices related to leaf color responded more sensitively to drought stress than those related to canopy coverage. The PLS-DA (Partial Squares-Discriminant Analysis) results showed that the separation of RGB vegetation indices was distinct by drought stress. The results, yet preliminary, display the potential of applying vegetation indices based on RGB images as a tool for monitoring crop environmental stress.