초록
생산자뿐만 아니라 소비자에게 상당한 경제적인 영향을 줄 수 있는 채소 작황 정보를 사전에 예측하기 위해 작물 모형들이 사용될 수 있다. 채소의 생육과 수확량을 추정하기 위한 모형들은 대다수 작물에 대해 개발되어 있지 못하며 이는 고품질의 생육 관측 자료들이 축적되지 않았기 때문이다. 본 연구에서는 배추, 무, 마늘, 양파 및 고추의 5대 채소들을 대상으로 작물 모형 개발과 검증을 위한 생육 자료를 수집할 때 사용되는 프로토콜을 분석하고 이를 개선하고자 하였다. 작물 모형의 모수추정을 위해 사용되는 관측 프로토콜은 통계청과 농촌진흥청 프로토콜들의 단점을 보완하는 방식으로 개선될 수 있다. 작물모형은 기상조건에 따른 작물의 생육 반응을 예측하기 위해 사용되기 때문에 신뢰도 높은 기상 관측 자료를 확보할 수 있는 지역에서 표본 필지를 선정하는 것이 유리할 것이다. 또한, 최소한의 표본 조사 필지에서 상세한 관측자료 수집하기 위해 관심 작물이 재배되고 있는 지역 중에서 기후 특성이 상이한 지점들을 대상으로 표본 조사 필지들을 선정하는 것이 권장된다. 작물 생육 모형의 개발 및 검증을 위해서는 시계열적으로 얻어지는 작물 생육 모의값과 비교하기 위해 일정 시간 간격별로 관측 자료를 수집하는 것이 필수적이며, 기존의 프로토콜에 제시되지 않았던 생육 초기의 관측값을 확보하는 방향으로 개선되어야 할 것이다. 병해충 조사항목들과 기상재해 양상과 관련한 항목들이 작물모형 개발을 위한 관측 프로토콜에 포함된다면, 작물모형과 병해충 모형을 개발하고 이들 모형들을 통합하는 방식으로 실제 수량과 가까운 작황예측이 가능할 것이다. 또한, 표본조사 필지에서 다수의 구역을 설정하고, 이로부터 샘플을 채취하는 것이 관측자료의 신뢰도를 높일 수있다. 본 연구에서 제안된 프로토콜을 사용하여 얻어진 관측자료들이 자료 공유 플랫폼을 통해 제공된다면 채소 작물의 작황 예측을 위한 작물 모형 개발이 활성화될 것이다.
Crop models have been used to predict vegetable crop yield, which would have a considerable economic impact on consumers as well as producers. A small number of models have been developed to estimate growth and yield of vegetables due to limited availability of growth observation data in high-quality. In this study, we aimed to analyze the protocols designed for collection of the observation data for major vegetable crops including cabbage, radish, garlic, onion and pepper. We also designed the protocols suitable for development and verification of a vegetable crop growth model. In particular, different measures were proposed to improve the existing protocol used by Statistics Korea (KOSTAT) and Rural Development Administration (RDA), which would enhance reliability of parameter estimation for the crop model. It would be advantageous to select sampling sites in areas where reliable weather observation data can be obtained because crop models quantify the response of crop growth to given weather conditions. It is recommended to choose multiple sampling sites where climate conditions would differ. It is crucial to collect time series data for comparison between observed and simulated crop growth and yield. A crop model can be developed to predict actual yield rather than attainable yield using data for crop damage caused by diseases and pests as well as weather anomalies. A bigdata platform where the observation data are to be shared would facilitate the development of crop models for vegetable crops.
