• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2011년도 학술발표회
• /
• pp.16-18
• /
• 2011

Evaluation of climate change on the rice productivity was conducted using crop growth simulation model, where Odae, Hwaseong, Ilpum were used as a representative cultivar of early, medium, and medium-late rice maturity type, respectively, and climate change scenario 'A1B' was applied to weather data for future climate change at 57sites. When cropping season was fixed, rice yield decreased by 4~35% as climate change which was caused by poor filled grain ratio with high temperature and low irradiation during grain-filling. When cropping season was changed, rice yield decreased by only 0~5% as climate change which was caused poor filled grain ratio with low irradiation during grain-filling period. However, this irradiation decline was less than when cropping season was fixed. Therefore, we need to develop rice cultivars resistant to low irradiation which can maintain high filled grain ratio under poor irradiation condition, and late maturity rice cultivars whose growing period is longer than the present medium-late maturity type.

• 한국농림기상학회지
• /
• 제22권2호
• /
• pp.68-78
• /
• 2020

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.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2022년도 추계학술대회
• /
• pp.88-88
• /
• 2022

Detection of stress responses in crops is important to diagnose crop growth and evaluate yield. Also, the multi-spectral sensor is effectively known to evaluate stress caused by nutrient and moisture in crops or biological agents such as weeds or diseases. Therefore, in this experiment, multispectral images were taken by an unmanned aerial vehicle(UAV) under field condition. The experiment was conducted in the long-term fertilizer field in the National Institute of Crop Science, and experiment area was divided into different status of NPK(Control, N-deficiency, P-deficiency, K-deficiency, Non-fertilizer). Total 11 vegetation indices were created with RGB and NIR reflectance values using python. Variations in nutrient content in plants affect the amount of light reflected or absorbed for each wavelength band. Therefore, the objective of this experiment was to evaluate vegetation indices derived from multispectral reflectance data as input into machine learning algorithm for the classification of nutritional deficiency in rice. RandomForest model was used as a representative ensemble model, and parameters were adjusted through hyperparameter tuning such as RandomSearchCV. As a result, training accuracy was 0.95 and test accuracy was 0.80, and IPCA, NDRE, and EVI were included in the top three indices for feature importance. Also, precision, recall, and f1-score, which are indicators for evaluating the performance of the classification model, showed a distribution of 0.7-0.9 for each class.

• 한국환경농학회지
• /
• 제39권3호
• /
• pp.204-213
• /
• 2020

BACKGROUND: Since the number of crops cultivated in reclaimed land is huge, it is very difficult to quantify the total crop production. Therefore, a non-destructive method for predicting crop production is needed. Salt tolerant root vegetables such as red beets and sugar beet are suitable for cultivation in reclaimed land. If their underground biomass can be predicted, it helps to estimate crop productivity. Objectives of this study are to investigate maximum leaf length and weight of red beet, sugar beet, and turnips grown in reclaimed land, and to determine optimal model with regression analysis for linear and allometric growth models. METHODS AND RESULTS: Maximum leaf length, width, and root fresh weight of red beets, sugar beets, and turnips were measured. Ten linear models and six allometric growth models were selected for estimation of root fresh weight and non-linear regression analysis was conducted. The allometric growth model, which have a variable multiplied by square of maximum leaf length and maximum leaf width, showed highest R² values of 0.67, 0.70, and 0.49 for red beets, sugar beets, and turnips, respectively. Validation results of the models for red beets and sugar beets showed the R² values of 0.63 and 0.65, respectively. However, the model for turnips showed the R² value of 0.48. The allometric growth model was suitable for estimating the root fresh weight of red beets and sugar beets, but the accuracy for turnips was relatively low. CONCLUSION: The regression models established in this study may be useful to estimate the total production of root vegetables cultivated in reclaimed land, and it will be used as a non-destructive method for prediction of crop information.

• 한국약용작물학회:학술대회논문집
• /
• 한국약용작물학회 2008년도 추계학술발표회
• /
• pp.257-258
• /
• 2008

• 한국농공학회논문집
• /
• 제61권1호
• /
• pp.95-105
• /
• 2019

Evapotranpiration (ET) is one of the important factor in Hydrological cycle and irrigation planning. In this study, temperature-based artificial neural network (ANN) model for daily reference crop ET estimation was developed and compared with reference crop evapotranpiration ($ET_0$) from FAO-56 Penman-Monteith method (FAO-56 PM) and parameter regionalized Hargreaves method. The ANN model was trained and tested for 10 weather stations (5 inland stations and 5 costal stations) and two input climate factors, maximum temperature ($T_{max}$), minimum temperature ($T_{min}$), and extraterrestrial radiation (RA) were used for training and validation of temperature-based ANN model. Monthly reference ET by the ANN model also compared with parameter regionalized Hargreaves method for ANN model applicability evaluation. The ANN model evapotranspiration demonstrated more accordance to FAO-56 PM evapotranspiration than the $ET_0$ from parameter regionalized Hargreaves method(R-Hargreaves). The results of this study proposed that daily reference crop ET estimated by the ANN model could be used in the condition of no sufficient climate data.

• 한국농림기상학회지
• /
• 제15권4호
• /
• pp.282-290
• /
• 2013

대기와 지표면을 구성하고 있는 토양 및 식생은 생물리학적/생지화학적인 과정을 통해 서로 상호작용을 한다. 이러한 과정을 모의하기 위해 지표모델과 작물 생육모델이 사용되고 있다. 지표모델인 Noah MP 모델과 작물생육모델인 CERES-Rice 모델을 비교하기 위해 해남 플럭스 관측소 인근 지역에서 작물의 생육과 증발산량을 모의하였다. 플럭스 관측자료가 수집된 2003년부터 2012년까지 해남 플럭스 관측소의 주요 식생인 벼를 대상으로 생육과 증발산량을 모의되었다. Noah MP 모델은 단순한 식생 모의 과정으로 인해 개화기를 전후로 하는 벼의 LAI 변화양상을 정확하게 반영하지 못하였다. 벼의 생체중 예측에 있어서도 실제 관측될 수 있는 생체중보다 대략 10분의 1 수준에 해당하는 생체중이 모의되었다. 증발산량 모의의 경우에도, CERES-Rice 모델의 모의값보다 약 21%에 해당하는 증발산량을 모의하였다. 반면, CERES-Rice 모델의 경우 LAI의 변화와 생체중 모의 값은 실제의 벼 생육 양상과 유사할 것으로 추정되었다. 또한, 증발산량의 경우에도 해남 플럭스 관측소에서 측정된 값과 비교하였을 때 Noah-MP모델의 모의값이 CERES-Rice 모델의 모의값에 비해 RMSE 값이 1.8배 높았다. Noah MP 모델이 보이는 높은 오차값들은 Noah MP모델이 논의 지표상태를 적절히 반영하지 못하였기 때문으로 사료되었고, 특히 과소추정된 생체중을 보정하여 증발산량을 예측할 경우 오차를 30%까지 줄일 수 있을 것으로 보인다. 따라서, Noah MP 모델에 논에서의 지표 특성을 반영할 수 있다면 보다 정확한 물질순환과 에너지 교환을 예측할 수 있을 것으로 사료된다.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 1986년도 춘계 학술대회지
• /
• pp.30-31
• /
• 1986

• 한국농공학회논문집
• /
• 제64권1호
• /
• pp.15-26
• /
• 2022

3D open-field farm model developed from UAV (Unmanned Aerial Vehicle) data could make crop monitoring easier, also could be an important dataset for various fields like remote sensing or precision agriculture. It is essential to separate crops from the non-crop area because labeling in a manual way is extremely laborious and not appropriate for continuous monitoring. We, therefore, made a 3D open-field farm model based on UAV images and developed a crop segmentation model using a supervised machine learning algorithm. We compared performances from various models using different data features like color or geographic coordinates, and two supervised learning algorithms which are SVM (Support Vector Machine) and KNN (K-Nearest Neighbors). The best approach was trained with 2-dimensional data, ExGR (Excess of Green minus Excess of Red) and z coordinate value, using KNN algorithm, whose accuracy, precision, recall, F1 score was 97.85, 96.51, 88.54, 92.35% respectively. Also, we compared our model performance with similar previous work. Our approach showed slightly better accuracy, and it detected the actual crop better than the previous approach, while it also classified actual non-crop points (e.g. weeds) as crops.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1007-1014
• /
• 2022

차세대중형위성(Compact Advanced Satellite 500, CAS500)은 식생, 산림, 농업 등의 분야를 포함한 다양한 목적을 위하여 사용될 수 있으며, 다양한 영역에 대한 빠른 위성영상의 취득이 가능할 것으로 기대되고 있다. 차세대중형위성을 통하여 취득된 위성영상을 농업분야에서 활용하기 위해서는 위성영상 기반 작물재배지역 추출 기법에 대한 개발이 필요하다. 특히, 최근 들어 딥러닝 분야에 대한 연구가 활발해짐에 따라서, 작물재배지역 추출을 위한 딥러닝 모델의 개발 및 훈련자료 생성에 관한 연구가 필요한 실정이다. 본 연구에서는 PlanetScope 위성영상과 팜맵을 이용하여 합천군 지역의 양파 및 마늘 재배지역을 분류하고자 하였다. 특히, 효과적인 모델의 학습을 위하여 작물재배지역의 비율에 따른 모델 성능을 분석하고자 하였다. 실험에 사용한 딥러닝 모델은 Fully Convolutional Densely Connected Convolutional Network (FC-DenseNet)을 작물재배지역 분류의 목적에 맞도록 재구성하여 활용하였다. 실험결과, 훈련자료 내 작물재배지역의 비율이 딥러닝 모델의 성능에 영향을 미치는 것을 확인하였다.