• Title/Summary/Keyword: 농업기상

Search Result 960, Processing Time 0.03 seconds

Agrometeorological Early Warning System: A Service Infrastructure for Climate-Smart Agriculture (농업기상 조기경보시스템 설계)

  • Yun, Jin I.
    • Proceedings of The Korean Society of Agricultural and Forest Meteorology Conference
    • /
    • 2014.10a
    • /
    • pp.25-48
    • /
    • 2014

  • Increased frequency of climate extremes is another face of climate change confronted by humans, resulting in catastrophic losses in agriculture. While climate extremes take place on many scales, impacts are experienced locally and mitigation tools are a function of local conditions. To address this, agrometeorological early warning systems must be place and location based, incorporating the climate, crop and land attributes at the appropriate scale. Existing services often lack site-specific information on adverse weather and countermeasures relevant to farming activities. Warnings on chronic long term effects of adverse weather or combined effects of two or more weather elements are seldom provided, either. This lecture discusses a field-specific early warning system implemented on a catchment scale agrometeorological service, by which volunteer farmers are provided with face-to-face disaster warnings along with relevant countermeasures. The products are based on core techniques such as scaling down of weather information to a field level and the crop specific risk assessment. Likelihood of a disaster is evaluated by the relative position of current risk on the standardized normal distribution from climatological normal year prepared for 840 catchments in South Korea. A validation study has begun with a 4-year plan for implementing an operational service in Seomjin River Basin, which accommodates over 60,000 farms and orchards. Diverse experiences obtained through this study will certainly be useful in planning and developing the nation-wide disaster early warning system for agricultural sector.

  • PDF

기후변화가 농업부문에 미치는 영향 - '품질저하.수량감소'로 이어져 '신품종 육성.재배법 설정'등 대비해야

  • Sim, Gyo-Mun
    • Life and Agrochemicals
    • /
    • s.246
    • /
    • pp.28-31
    • /
    • 2009

  • $1912{\sim}2005$년 사이 우리나라의 평균 기온은 지속적으로 상승하여 약 $1.5^{\circ}C$ 상승하였다. 이는 지구 평균기온 상승($0.74^{\circ}C$)의 2배를 상회한 것이다. 장기적으로 농업기상정보시스템을 구축, 농업기상 예보 및 영농대책 자료를 농업인에게 제공해야 할 것이다.

  • PDF

Association rule Mining between Climate factors and Fruits yields (과실 생산량과 기상요소간의 연관분석 마이닝)

  • Woo, Jong-Seon;Batbaatar, Erdenbileg;Ryu, Keun-Ho
    • Proceedings of the Korean Society of Computer Information Conference
    • /
    • 2016.01a
    • /
    • pp.23-25
    • /
    • 2016

  • 이 논문에서는 기후조건과 농업 생산량을 포함하는 농업/기상 데이터에 데이터 마이닝의 연관규칙 기법을 적용하여 농업 생산의 기반이 되는 기후요인들과 생산량 간의 연관성을 분석하고자 한다. 기후 속성들의 값을 포함하고 있는 기상청 기후 데이터와 농업 생산량을 포함하는 통계청의 데이터를 통합 한 후 기후 속성들의 값을 이산화 하여 연관규칙 기법을 적용한다. 실험 결과 각 기후요소들과 생산량 간의 연관 규칙을 표현 할 수 있었다. 이를 통해 기후조건 변화에 따른 농업생산기반 취약성을 예방하는 지표를 마련하고 농업 생산성 향상에 기여 할 수 있을 것으로 기대한다.

  • PDF

Study on Soil Moisture Predictability using Machine Learning Technique (머신러닝 기법을 활용한 토양수분 예측 가능성 연구)

  • Jo, Bongjun;Choi, Wanmin;Kim, Youngdae;kim, Kisung;Kim, Jonggun
    • Proceedings of the Korea Water Resources Association Conference
    • /
    • 2020.06a
    • /
    • pp.248-248
    • /
    • 2020

  • 토양수분은 증발산, 유출, 침투 등 물수지 요소들과 밀접한 연관이 있는 주요한 변수 중에 하나이다. 토양수분의 정도는 토양의 특성, 토지이용 형태, 기상 상태 등에 따라 공간적으로 상이하며, 특히 기상 상태에 따라 시간적 변동성을 보이고 있다. 기존 토양수분 측정은 토양시료 채취를 통한 실내 실험 측정과 측정 장비를 통한 현장 조사 방법이 있으나 시간적, 경제적 한계점이 있으며, 원격탐사 기법은 공간적으로 넓은 범위를 포함하지만 시간 해상도가 낮은 단점이 있다. 또한, 모델링을 통한 토양수분 예측 기술은 전문적인 지식이 요구되며, 복잡한 입력자료의 구축이 요구된다. 최근 머신러닝 기법은 수많은 자료 학습을 통해 사용자가 원하는 출력값을 도출하는데 널리 활용되고 있다. 이에 본 연구에서는 토양수분과 연관된 다양한 기상 인자들(강수량, 풍속, 습도 등)을 활용하여 머신러닝기법의 반복학습을 통한 토양수분의 예측 가능성을 분석하고자 한다. 이를 위해 시공간적으로 토양수분 실측 자료가 잘 구축되어 있는 청미천과 설마천 유역을 대상으로 머신러닝 기법을 적용하였다. 두 대상지에서 2008년~2012년 수문자료를 확보하였으며, 기상자료는 기상자료개방포털과 WAMIS를 통해 자료를 확보하였다. 토양수분 자료와 기상자료를 머신러닝 알고리즘을 통해 학습하고 2012년 기상 자료를 바탕으로 토양수분을 예측하였다. 사용되는 머신러닝 기법은 의사결정 나무(Decision Tree), 신경망(Multi Layer Perceptron, MLP), K-최근접 이웃(K-Nearest Neighbors, KNN), 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest), 그래디언트 부스팅 (Gradient Boosting)이다. 토양수분과 기상인자 간의 상관관계를 분석하기 위해 히트맵(Heat Map)을 이용하였다. 히트맵 분석 결과 토양수분의 시간적 변동은 다양한 기상 자료 중 강수량과 상대습도가 가장 큰 영향력을 보여주었다. 또한 다양한 기상 인자 기반 머신러닝 기법 적용 결과에서는 두 지역 모두 신경망(MLP) 기법을 제외한 모든 기법이 전반적으로 실측값과 유사한 형태를 보였으며 비교 그래프에서도 실측값과 예측 값이 유사한 추세를 나타냈다. 따라서 상관관계있는 과거 기상자료를 통해 머신러닝 기법 기반 토양수분의 시간적 변동 예측이 가능할 것으로 판단된다.

  • PDF