초록
이 연구는 칼라 디지털 카메라 영상 분석에 의한 유수분화기 벼 군락의 건물중 및 질소흡수량 추정 모델, 유수분화기 질소흡수량과 질소 수비량에 따른 유수분화기 이후 질소 흡수량 추정 모델, 유수분화기 질소 흡수량과 유수분화기 이후 질소 흡수량에 따른 수량 및 쌀 단백질함량 추정 모델을 구축하고 이를 종합하여 목표 수량 또는 단백질함량을 달성하기 위한 질소 수비량을 추천하는 원시 프로그램을 개발하여 현장 적용성 예비 검토를 실시하고자 한 것이다. 1. 군락피복도(CC)와 군락체적(CV)은 초장, 건물중 및 질소흡수량과 고도로 유의한정의 상관을 나타내었으며, R, G, B, NDI 및 명도 값은 이들과 유의한 부의 상관을 나타내었다. 한편 표준화된 색지표인 r은 잎 및 지상부 질소함량과 유의한 부의 상관을 나타내었으나 표준화 색지표 b와 g는 이들과 유의한 상관을 보이지 않았다. 2. 벼 군락의 디지털 카메라 영상분석을 이용한 벼 지상부 건물중 및 질소 흡수량을 추정하기 위한 비선형회귀 모델을 작성하였다. 지상부 건물중 추정 모텔에는 CC와 정규화된 R값(r, NorR)이 변수로 채택이 되었고, 질소흡수량 추정에는 CC와 정규화된 G값(g, NorG)이 채택되었으며, 이들 모델의 결정계수는 각각 0.81과 0.68이었다. 영성분석 색지표 이외에 초장을 모델에 도입하는 경우 모델의 결정계수는 더 높아졌다. 3. 유수분화기에 적정 질소 추비량을 처방하기 위해서는 유수분화기 식물체의 질소 영양 상태(질소 흡수량, PNup) 및 질소 시비량이 수량과 단백질함량에 미치는 영향을 정량화하여야 하는데, 이를 위하여 Npi와 PNup이 유수 분화기부터 성숙기까지의 지상부 질소흡수량에 미치는 영향 및 PNup과 PHNup이 벼 수량 및 쌀 단백질 함량에 미치는 영향을 검토하여 중회귀 모델을 작성하였으며 이 모델들은 결정계수가 모두 0.8이상으로 높았다. 4. 상기의 모델들을 종합하여 유수분화기 벼 군락 영상분석을 이용한 수비처방 원시 프로그램을 작성하여 예비 검증 실험을 하였다. 벼 수비 처방 프로그램에 의해 쌀단백질 함량 6.0%를 기준으로 처방된 수비질소 분시율이 19%~21%로 표준재배 분시율 30%에 비해 낮은 수준으로 처방되었으나 완전미 수량은 대등하였고, 단백질함량은 수비처방 목표단백질 함량 6%보다는 다소 낮은 5.7~5.8%였으며, 수량과 단백질함량의 변이 계수는 관행 수비 처방구에 비하여 프로그램 처방구에서 크게 낮아져서 프로그램 처방에 의하여 수량과 품질이 균질화되는 결과였다.
This study was carried out to develop and test a prototype program that recommends the nitrogen topdressing rate using the color digital camera image taken from rice field at panicle initiation stage (PIS). This program comprises four models to estimate shoot N content (PNup) by color digital image analysis, shoot N accumulation from PIS to maturity (PHNup), yield, and protein content of rice. The models were formulated using data set from N rate experiments in 2008. PNup was found to be estimated by non-linear regression model using canopy cover and normalized green values calculated from color digital image analysis as predictor variables. PHNup could be predicted by quadratic regression model from PNup and N fertilization rate at panicle initiation stage with $R^2$ of 0.923. Yield and protein content of rice could also be predicted by quadratic regression models using PNup and PHNup as predictor variables with $R^2$ of 0.859 and 0.804, respectively. The performance of the program integrating the above models to recommend N topdressing rate at PIS was field-tested in 2009. N topdressing rate prescribed for the target protein content of 6.0% by the program were lower by about 30% compared to the fixed rate of 30% that is recommended conventionally as the split application rate of N fertilizer at PIS, while rice yield in the plots top-dressed with the prescribed N rate were not different from those of the plots top-dressed with the fixed N rates of 30% and showed a little lower or similar protein content of rice as well. And coefficients of variation in rice yield and quality parameters were reduced substantially by the prescribed N topdressing. These results indicate that the N rate recommendation using the analysis of color digital camera image is promising to be applied for precise management of N fertilization. However, for the universal and practical application the component models of the program are needed to be improved so as to be applicable to the diverse edaphic and climatic condition.
