• 농약과학회지
• /
• 제17권2호
• /
• pp.77-83
• /
• 2013

본 연구는 소면적 재배 작물인 비름에 대한 emamectin benzoate의 수확 전 최종 농약 살포일로부터 수확일까지 농약 잔류량 감소추이를 파악하여, 생산단계 농산물의 농약 잔류 특성과 수확 예정일의 잔류량 예측을 위하여 수행되었다. 비름 재배 중 emamectin benzoate를 안전사용기준의 희석배수에 준하여 1회 및 7일 간격으로 2회 살포한 후, 0, 1, 2, 3, 5, 7, 10, 14일 총 8회의 시료를 채취하여, 약제의 잔류양상을 분석한 뒤 생물학적 반감기를 산출하였다. 비름 중 emamectin benzoate는 acetonitrile로 추출하고 dichloromethane을 사용하여 분배하였으며, SPE kit (PSA, GCB, $MgSO_4$)로 정제한 후 LC-ESI/MS/MS로 분석하였다. 시험농약의 정량한계(LOQ)는 0.01 mg/kg이었고, 정량한계의 10배와 50배 수준으로 농약을 처리하여 수행한 결과 emamectin benzoate의 평균 회수율은 $B_{1a}$에 대해서 각각 $93.3{\pm}0.7%$ 및 $93.2{\pm}7.7%$였고, Blb에 대해서 각각 $106.6{\pm}1.9%$ 및 $80.5{\pm}6.6%$의 회수율을 보였다. 비름 중 emamectin benzoate의 생물학적 반감기는 1회 및 2회 처리구에서 각각 2.0일, 1.7일이었으며, 시험농약의 잔류량을 바탕으로 생산단계 잔류허용기준을 추천한 결과 수확 10일 전에 0.84 mg/kg 이하이면, 수확 시에는 잔류농도가 MRL (0.05 mg/kg, 시금치(유사농산물 기준)) 수준 이하로 잔류할 것으로 예측되었다.

• 한국산림과학회지
• /
• 제107권2호
• /
• pp.174-183
• /
• 2018

본 연구는 편백 조림 임분을 대상으로 임분관리 체계 수립을 위해 임분밀도관리도를 개발하였다. 조사 표본점 216 plots을 활용하여 수확량-임분밀도 관계를 추정하였으며($R^2=0.743$), 추정된 모수를 바탕으로 임분밀도관리도를 구축 하였다. 생장을 예측한 결과, ha당 3,000 본 조림 후 80년간 솎아베기 시업을 하지 않았을 경우 고사 본수는 $12.0{\sim}18.1trees{\cdot}ha^{-1}{\cdot}year^{-1}$로 분석되었고, 임분 재적은 $463.1{\sim}695.4m^3{\cdot}ha^{-1}$, 임분밀도는 $1,555{\sim}2,038trees{\cdot}ha^{-1}$로 나타났다. 향후 임분밀도관리도는 시업 기준과 수확목표 설정 등 산림 경영 계획 수립에 있어서 효과적으로 활용될 수 있을 것으로 판단된다.

• 원예과학기술지
• /
• 제31권5호
• /
• pp.531-537
• /
• 2013

최근 30년 동안 우리나라의 평균온도와 겨울철 온도가 각각 $0.7^{\circ}C$와 $1.4^{\circ}C$가 상승하였고 지속적으로 상승할 것으로 예측된다. 무는 매우 중요한 작물로 온난화에 따른 생육 모델 연구는 중요하다. 본 실험은 기상 이변에 따른 무의 생육량을 추정하기 위하여 정식시기와 질소 시비량을 다르게 처리하여 시험하였다. 파종시기는 4월 24일부터 5월 22일까지 14일 간격으로 3회에 걸쳐 실시하였고, 질소 시비량은 표준시비량의 0.5, 1.0, 2.0배 수준으로 3처리를 하였다. 그 결과, 무 파종 후 2개월째 생육은 4월 24일 처리구가 5월 8일과 22일 처리구보다 지상부 생체중이 높게 나왔다. 수확량 예측을 위한 생육 모델식은 질소 시비량별 GDD에 따른 지하부 건물중은 0.5N 처리구에서는 Y = 84.66 / (1+exp (-(GDD - 790.7) / 122.3)) ($r^2$ = 0.92), 1.0N 처리는 Y = 100.6 / (1+exp (-(GDD - 824.8) / 112.8))($r^2$ = 0.92), 2.0N 처리는 Y = 117.7 / (1+exp (-(GDD - 877.7) / 148.5)) ($r^2$ = 0.94) 로 나타낼 수 있었다. 구축된 모델식에 생육데이터를 사용하여 검정한 결과를 보면 기울기가 1.05-1.12로 다소 높게 추정하였지만 모델식으로 적용하는 것에는 무리가 없는 것으로 나타났다. 따라서 봄무 생산량 예측 시 GDD를 사용하여 수확량을 예측할 수 있을 것으로 사료되었다.

• 한국산림과학회지
• /
• 제99권6호
• /
• pp.802-807
• /
• 2010

본 연구에서는 퍼지선형계획법을 적용함으로써 국내의 장기목재공급 잠재력을 예측하고자 하였다. 생산계획 수립을 위한 수식모형을 구성하기 위하여 총 목재생산량의 극대를 목적함수로 설정하였으며, 제약조건으로는 벌채허용면적, 보속수확 등을 고려하였다. 선형계획법과 퍼지선형계획법의 비교 결과 목재생산량 및 입목축척의 관점에서 선형계획법이 퍼지 선형계획법 보다 높게 나타났다. 그러나, 선형계획법에서는 장기적인 관점에서 보속수확을 달성하지 못하는 것으로 나타나 보속성을 고려한 목재공급 잠재력을 예측하기 위해서는 퍼지선형계획법을 적용하는 것이 적합한 것으로 판단되었다. 연구결과 국내 연간 목재공급 잠재량은 약 10.5백만$m^3$으로 추정되었다. 각 지역별 연간 목재공급 잠재량은 경상북도가 가장 많고, 전라남도, 강원도, 그리고 경상남도 순으로 많게 나타났다.

• 한국정보전자통신기술학회논문지
• /
• 제13권2호
• /
• pp.145-152
• /
• 2020

본 논문에서는 작물의 생산 비율 향상을 위하여 생장 환경 변화를 탐지하는 CCMS(Crop Classification Management System)를 제안한다. CCMS는 첫째, CNN을 이용하여 이미지를 통해 작물의 종류를 구분하는 Crop Classification Module(CCM)과 둘째, 농장의 누적 데이터를 비교하여 농작물의 이상을 탐지하는 FADM(Farm Anomaly Detection Module)로 구성된다. CCMS의 CCM은 잎 이미지를 통하여 현재 농장에서 재배되는 작물을 인식하고 FADM에 전송하고, FADM은 해당 작물을 재배하는 농장의 과거부터 현재까지 기상데이터를 선택하여 그것을 넬슨 규칙에 적용한다. FADM은 넬슨 규칙을 통하여 이상이 발생한 기상데이터를 찾아내고, IoT 디바이스를 통하여 농장의 환경을 조절한다. CCMS의 성능분석 결과 CCMS의 CCM은 약 90%의 작물 분류 정확도를 갖고, FADM은 예측 수확량을 최대 약 30%가량 향상시키는 것으로 나타났다. 즉, CCMS를 통해 농장을 관리하는 것이 스마트 팜의 수확량 증가에 도움을 줄 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.39-42
• /
• 2022

쌀을 주식으로 하는 우리나라에서, 쌀의 가격에 영향을 미치는 변수를 찾는 것은 유의미한 연구이다. 본 논문에서는 쌀 가격을 예측하는 모델에 포함되는 여러 변수 가운데 상대적인 중요도가 낮은 변수를 제거하고 유의미한 변수만을 남기고자 한다. 이를 위해 기상, 수확량, 소비자물가의 10년 치 정보를 수집하고 정제한 결과 총 2460일, 7개 지역에서 추출된 17,219개의 데이터를 이용하였다. 모델 평가 결과, 모든 변수를 포함한 모델의 RMSE는 166.0759, 단계적으로 계수가 작은 9개의 변수를 제거한 최종적인 모델의 RMSE는 168.5576으로 유의미한 차이를 보이지 않았다. 최종적으로 남은 변수는 총 10개로 평균 기온, 평균 풍속, 합계 일사, 평균 지면 온도, 0.5M 평균 습도, 4.0M 평균 습도, 10CM 일 토양 수분, 30CM 일 토양 수분, 50CM 일 토양 수분, 전년도 생산량이 포함된다.

• Journal of Biosystems Engineering
• /
• 제30권6호통권113호
• /
• pp.360-365
• /
• 2005

Precision agriculture attempts to improve cropping efficiency by variable application of crop treatments such as fertilizers and pesticides, within field on a point-by-point basis. Therefore, a more complete understanding of the relationships between yield and soil properties is of critical importance in precision agriculture. In this study, the functional relationships between measured soil properties and rice yield were investigated. A supervised back-propagation neural network model was employed to relate soil chemical properties and rice yields on a point-by point basis, within individual site-years. As a results, a positive correlation was found between practical yields and predicted yields in 1999, 2000, 2001, and 2002 are 0.916, 0.879, 0.800 and 0.789, respectively. The results showed that significant overfitting for yields with only the soil chemical properties occurred so that more of environmental factors, such as climatological data, variety, cultivation method etc., would be required to predict the yield more accurately.

• 한국생물환경조절학회:학술대회논문집
• /
• 한국생물환경조절학회 2002년도 학술발표논문집
• /
• pp.85-92
• /
• 2002

채소는 다른 작물에 비해 생육기간이 매우 짧기 때문에 환경의 영향을 많이 받는다. 특히 환경이 제어되는 시설에서 양액재배를 할 경우에는 생육이 왕성하므로 노지에 비해 재배기간을 단축시킬 수 있으며, 근권부 양액제어나 지상부 환경제어를 통해 고품질 채소를 생산할 수 있는 장점이 있다. 따라서 빠른 생육을 제어하거나 예측할 수 없어 수확적기를 놓치면 외관적 품질이 현저히 떨어지고 질적 품질도 저하하여 소비자의 기호에 맞추기 힘들게 된다. (중략)

• 한국농림기상학회지
• /
• 제21권4호
• /
• pp.358-365
• /
• 2019

영농형 태양광 발전은 기존 농지에 태양광 패널을 설치하여 농지 보존과 일정 수확량 유지를 전제로 전기 생산도 병행하는 시스템이다. 최근 태양광 부지 수요 충족 및 농촌 경쟁력 제고를 위한 방안으로 주목 받고 있다. 따라서, 본격적인 개발에 앞서 영농형 태양광 패널 하부에서의 경작지 차광 정도를 분석하는 것이 작물 생육·수확량 변동 예측에 반드시 필요할 것이다. 본 실험은 연구용 영농형 태양광 건설에 앞서, 영농형 태양광 시설 규격과 유사한 모의 차광 시설을 설치하고 하부의 광합성유효복사량 특성을 분석하였다. 차광막 하부와 외부의 광합성유효복사량 차이는 일사광에서 산란광 비율이 낮아질수록 증가하였는데, 최대 17.08 mol/㎡/day (맑은 날), 최소 3.03 mol/㎡/day (흐린 날)이었다. 이러한 광 조건 변화는 벼의 초기 생육에 있어 초장의 증가와 주당경수의 감소를 가져왔다.

• 스마트미디어저널
• /
• 제6권4호
• /
• pp.58-64
• /
• 2017

현대 사회는 급속한 세계인구의 증가, 농촌 인구의 고령화, 산업화로 인한 농작물 재배 지역의 감소, 농촌 지역의 수익 구조의 불량 등으로 농부들의 탈농촌화 등으로 먹거리 문제 해결이 중요한 화두로 떠오르고 있다. 최근 농촌의 수익을 증대시키기 위해서 스마트 팜(Smart Farm) 분야의 연구가 활발하게 이루어지고 있다. 기존의 스마트 팜 연구는 주로 온실의 농작물의 재배 환경을 모니터링 하여 온실의 조도, 습도, 토양 등이 불량해지면 재배 환경인자를 제어하는 시스템을 자동으로 가동시켜 농작물의 재배 환경을 최적의 상태로 유지하는 데 중점을 두어 연구되고 있다. 즉, 실내에서 재배하는 농작물에 중점을 두어 연구가 이루어지고 있으며 실외에서 재배되는 농작물의 재배환경에 적용되는 연구는 많이 이루어지지 않았다. 본 논문에서는 과수원에서 자라는 과수의 수확 시기를 정확하게 예측하여 최상의 품질로 과일이 수확되게 지원하고 수확이 불량한 지역을 빅데이터 분석을 통해 모니터링하여 불량 지역의 수확성을 향상시키기 위해서 집중 관리할 수 있은 기능을 제공하는 아키텍처를 제안한다. 수확에 관련된 인자는 과일 색상 정보와 과일 무게 정보를 사용하며 실시간으로 수집되는 수확 상관인자 데이터를 Apache Spark 엔진을 이용하여 분석하도록 제안한다. Apache Spark 엔진은 대용량 배치성 데이터 분석 뿐만 아니라 실시간 데이터 분석에서도 우수한 성능을 보인다. 서비스를 수신하는 사용자 디바이스는 PC User 와 Smart Phone User를 지원한다. 센싱 데이터 수신 장치는 센싱되는 데이터를 수신한 후 서버로 전송하는 단순한 처리만 필요하므로 Arduino를 적용하였다. 과일의 수확시기를 조절하여 좋은 품질의 과일을 생산하려면 수확이 불량한 지역을 판단하여 불량지역을 집중 관리해야 한다. 본 논문에서는 빅 데이터 분석 기법을 이용해서 과일 수확의 불량지역을 판단하는 아키텍처 모델을 제안한다.