Boundary Line Analysis of Rice Yield Responses to Meteorological Conditions for Yield Prediction II. Verification of Yield Prediction Model

Yield prediction model of rice based on the boundary line analysis of the relationships between rice yield and meteorological conditions during rice growing period was reported in the previous report (Kim et al, 2001). Using the 15-year data of the 20 locations used for the model formulation and of the 12 locations not used, the model was tested for its predictability of location to location, year to year, and variety to variety variation of rice yield. The model predicted reliably the mean yield differences among locations, the yearly yield variation in each location, and the yield variation by variety. However, the model showed relatively lower predictability for the years of cool weather injury especially in mountainous locations. In conclusion, the model using boundary line analysis could be used to predict the yield responses to meteorological conditions during rice growth period and the locational, yearly, and varietal variations of rice yield. And the predictability of the present yield prediction model might be improved by including the boundary line analysis for the other factors such as soil characteristics, fertilization levels, etc.

최대경계선을 이용한 벼 수량의 기상반응분석과 수량 예측 II. 수량예측모형 검증

우리나라 벼 수량 기상반응의 최대경계선 분석을 통하여 구축한 벼 수량예측모델(금 등, 2001)의 지역, 연차 및 품종의 수량 변이 예측 정확도를 검증한 결과는 다음과 같다. 1. 모형구축에 이용된 전국 20개 지역의 지역별 15년 간의 평균수량은 실측치와 예측치 간에 r=0.9296$^{**}$ 으로 고도로 유의한 상관을 나타내고 있으며 모형작성에서 제외시켰던 12개 지역 평균수량의 예측치와 실측치간의 상관계수도 r=0.8923$^{**}$ 으로 모형작성에 이용된 지역보다 수량예측의 정확도가 다소 낮게 나타났으나 통계적으로 고도로 유의하였다. 2. 모형설정에 사용된 20개 지역과 사용되지 않는 12개 지역 모두 연차별 실제수량과 예측수량간에는 고도로 유의한 상관이 존재하여 수량의 연차간 변이를 잘 예측하였다. 다만 냉해년에는 다소과대 추정하는 경향이었다. 3. 동진벼, 화성벼, 추청벼 등의 8개 품종별로 실제 수량과 예측수량간에는 고도로 유의한 상관이 있었다. 다만 모형구축에 이용되지 않은 지역의 자료를 이용하는 경우 모형설정에 이용한 자료를 이용한 경우보다 다소 상관이 낮아졌다. 4. 결론적으로 수량기상반응의 최대경계선(boundary line)분석은 수량 예측 모형의 구축에 효율적으로 적용될 수 있을 것으로 판단되었으며, 본 연구에서 고려하지 않은 토양조건, 시비조건 등에 대한 최대경계선 분석을 포함시키는 경우 보다 정확도가 높은 수량예측모형을 작성할 수 있으며 이를 통한 지성, 년도, 품종에 따른 수량의 변이를 실용적으로 예측할 수 있을 것으로 기대된다.