Noah Multi Physics 모델과 CERES-Rice 모델의 작물 생육 및 증발산 모의 비교 Comparison of Crop Growth and Evapotranspiration Simulations between Noah Multi Physics Model and CERES-Rice Model원문보기
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.
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.
Biophysical and biochemical processes through which crops interact with the atmosphere have been simulated using land surface models and crop growth models. The Noah Multi Physics (MP) model and the CERES-Rice model, which are a land surface model, and a crop growth model, respectively, were used to...
Biophysical and biochemical processes through which crops interact with the atmosphere have been simulated using land surface models and crop growth models. The Noah Multi Physics (MP) model and the CERES-Rice model, which are a land surface model, and a crop growth model, respectively, were used to simulate and compare rice growth and evapotranspiration (ET) in the areas near Haenam flux tower in Korea. Simulations using these models were performed from 2003 to 2012 during which flux measurements were obtained at the Haenam site. The Noah MP model failed to simulate the pattern of temporal change in leaf area index (LAI) after heading. The simulated aboveground biomass with the Noah MP model was underestimated by about 10% of the actual biomass. The ET simulated with the Noah MP model was as low as 21% of those with the CERES-Rice model. In comparison with actual ET measured at Haenam flux site, the root mean square error (RMSE) of the Noah MP model was 1.8 times larger than that of the CERES-Rice model. The Noah MP model seems to show less reliable simulation of crop growth and ET due to simplified phenology processes and assimilates partitioning compared with the CERES-Rice model. When ET was adjusted by the ratio between leaf biomass simulated using CERES-Rice model and Noah MP model, however, the RMSE of ET was reduced by 30%. This suggests that an improvement of the Noah MP model in representing rice growth in paddy fields would allow more reliable simulation of matter and energy fluxes.
Biophysical and biochemical processes through which crops interact with the atmosphere have been simulated using land surface models and crop growth models. The Noah Multi Physics (MP) model and the CERES-Rice model, which are a land surface model, and a crop growth model, respectively, were used to simulate and compare rice growth and evapotranspiration (ET) in the areas near Haenam flux tower in Korea. Simulations using these models were performed from 2003 to 2012 during which flux measurements were obtained at the Haenam site. The Noah MP model failed to simulate the pattern of temporal change in leaf area index (LAI) after heading. The simulated aboveground biomass with the Noah MP model was underestimated by about 10% of the actual biomass. The ET simulated with the Noah MP model was as low as 21% of those with the CERES-Rice model. In comparison with actual ET measured at Haenam flux site, the root mean square error (RMSE) of the Noah MP model was 1.8 times larger than that of the CERES-Rice model. The Noah MP model seems to show less reliable simulation of crop growth and ET due to simplified phenology processes and assimilates partitioning compared with the CERES-Rice model. When ET was adjusted by the ratio between leaf biomass simulated using CERES-Rice model and Noah MP model, however, the RMSE of ET was reduced by 30%. This suggests that an improvement of the Noah MP model in representing rice growth in paddy fields would allow more reliable simulation of matter and energy fluxes.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나, 국내에서는 지표모델과 작물모델을 통합하기 위한 시도뿐만 아니라 작물모델과 지표모델 사이의 차이점 분석을 위한 연구조차 미흡하다. 본 연구에서는 논 중심의 농경지를 대상으로 지표모델과 작물모델의 작물 생육 및 증발산 모의결과들을 비교하고 이들 간의 차이점 분석을 통해 지표모델과 작물모델의 장점을 활용하여 지표와 대기 사이의 물질과 에너지 교환 과정을 개선하기 위한 요소들을 탐색하였다.
가설 설정
89g m−2로 설정되었다. 줄기와 뿌리의 초기값의 경우 잎의 생체중의 1/2과 지상부 생체중의 1/10인 것으로 가정하여 설정되었다. 제어적분 없이 사용되는 CERES-Rice 모델은 매년 동일한 초기값을 이용하여 작물 생육 모의를 수행하였다.
제안 방법
CERES-Rice 모델은 기상, 재배관리, 작물의 유전정보, 토양수분 및 질소의 효과까지 고려하여 작물 생육뿐만 아니라 생산량까지도 모의할 수 있다(Timsina and Humphreys, 2006). CERES-Rice 모델의 주요 출력 변수 중의 하나인 증발산 모의 값을 Noah MP 모델의 잠열 플럭스 모의 값과 비교하여 논에서의 물질 교환 양상을 분석하였다.
Noah MP 모델과 CERES-Rice 모델의 출력변수 중 엽면적지수, 생체중, 그리고 증발산에 관련된 변수 들을 중심으로 두 모델의 모의 결과 값들을 비교 분석 하였다(Table 1). LAI는 지표의 물질순환 및 에너지 교환 특성을 결정하는 식생의 주요 변수이기 때문에 지표모델과 작물모델의 LAI 모의 결과를 중점적으로 비교하였다. Noah MP 모델과 CERES-Rice 모델은 잎과 줄기의 건물중으로부터 엽면적지수를 계산하여 출력하기 때문에 SLA와 함께 LAI를 비교하였다.
LAI는 지표의 물질순환 및 에너지 교환 특성을 결정하는 식생의 주요 변수이기 때문에 지표모델과 작물모델의 LAI 모의 결과를 중점적으로 비교하였다. Noah MP 모델과 CERES-Rice 모델은 잎과 줄기의 건물중으로부터 엽면적지수를 계산하여 출력하기 때문에 SLA와 함께 LAI를 비교하였다. Noah MP 모델과 CERES-Rice 모델의 생체중 모의 결과값을 활용하여 광합성 모의 정도를 추정하여 비교하였다.
Noah MP 모델과 CERES-Rice 모델은 잎과 줄기의 건물중으로부터 엽면적지수를 계산하여 출력하기 때문에 SLA와 함께 LAI를 비교하였다. Noah MP 모델과 CERES-Rice 모델의 생체중 모의 결과값을 활용하여 광합성 모의 정도를 추정하여 비교하였다. Noah MP 모델은 15분별, CERES-Rice 모델은 일별 LAI와 생체중를 계산하기 때문에 Noah MP 모델의 일별 최대 LAI와 생체중을 CERES-Rice 모델의 결과값과 비교하였다.
Noah MP 모델과 CERES-Rice 모델의 출력변수 중 엽면적지수, 생체중, 그리고 증발산에 관련된 변수 들을 중심으로 두 모델의 모의 결과 값들을 비교 분석 하였다(Table 1). LAI는 지표의 물질순환 및 에너지 교환 특성을 결정하는 식생의 주요 변수이기 때문에 지표모델과 작물모델의 LAI 모의 결과를 중점적으로 비교하였다.
증발산의 경우, 토양에서의 증발량과 벼 군락에서의 증산량이 Noah MP 모델과 CERES-Rice 모델에서 계산이 되며, Noah MP 모델에서는 벼 군락에서의 증발량도 계산되기 때문에 개별적인 변수들을 비교하기 보다 군락에서의 총증발산량을 비교하였다. Noah MP 모델에서 모의된 15분 간격의 증발산을 일별단위로 합산하여 CERES-Rice 모델의 증발산 모의값과 비교 하였다.
Noah MP 모델과 CERES-Rice 모델의 생체중 모의 결과값을 활용하여 광합성 모의 정도를 추정하여 비교하였다. Noah MP 모델은 15분별, CERES-Rice 모델은 일별 LAI와 생체중를 계산하기 때문에 Noah MP 모델의 일별 최대 LAI와 생체중을 CERES-Rice 모델의 결과값과 비교하였다. 실험기간 동안 작물 생육과 관련된 변수들은 측정자료가 없었으나 해남 농업기술센터의 수량자료가 활용 가능하였다.
Noah MP 모델을 해남에 적용하기 전에 모델과 함께 제공되고 있는 미국 일리노이주 Bondville에서 사용된 샘플자료와 모수값들을 활용하여 Noah MP 모델을 테스트 하였다. Noah MP 모델은 연도별로 당해연도의 기상자료를 활용하여 제어적분을 100년 동안 수행한 후 모의 결과값을 얻었다.
86mm d−1로 30% 가량 감소하였다. 그러나, 관측자료와 비교하였을 때 여전히 보정하여 모의된 증발산 값을 과소추정하였다. 이러한 결과는 논에서의 담수 조건이 Noah MP모델에서 고려되지 않았기 때문으로 사료된다.
해남의 플럭스 관측 사이트 인근지역은 논, 밭, 숲, 축산 시설 등 다양한 지표 특성을 가지고 있으나 논이 반 이상을 차지하고 있다. 따라서, 벼를 중심으로 하는 지표모델과 작물모델 모의 결과를 비교하기 위해 모의기간을 이앙일인 6월 15일부터 수확기인 9월 15일로 설정하였다. 벼 생육 및 수량 자료를 얻기 위해 해남 플럭스 관측소에서 약 2km 떨어진 해남 농업기술센터에서 수행된 벼의 지역장려품종 선발시험 결과 자료를 활용하였다.
Noah MP 모델의 경우 개별 품종에 대한 고려가 되어 있지 않아 C3 식물을 대상으로 설정된 모수들을 활용하였다. 또한, Noah MP 모델의 동적 식생 옵션을 선택하여 외부의 LAI 입력자료 없이 논과 대기의 물질 및 에너지 플럭스를 모의하였다. CERES-Rice 모델의 경우 품종 모수들을 결정하기 위해 오대벼의 관측 자료가 사용 가능한 2003년부터 2008년까지의 생육자료를 활용하여 모수를 설정하였다.
실험기간 동안 작물 생육과 관련된 변수들은 측정자료가 없었으나 해남 농업기술센터의 수량자료가 활용 가능하였다. 수량으로부터 지상부 생체중을 추정할 수 있는 수확지수 값을 활용하여 모델 예측값과 실제 작물 생체중과 비교분석을 수행하였다.
줄기의 건물중 역시, Noah MP 모델이 CERES-Rice 모델보다 더 낮은 건물중 값을 모의하였다(Fig. 3). Noah MP 모델의 경우, 줄기의 건물중이 생육 초반에는 일정 건물중을 유지하다가 지속적으로 증가하는 경향을 보였다.
증발산의 경우, 토양에서의 증발량과 벼 군락에서의 증산량이 Noah MP 모델과 CERES-Rice 모델에서 계산이 되며, Noah MP 모델에서는 벼 군락에서의 증발량도 계산되기 때문에 개별적인 변수들을 비교하기 보다 군락에서의 총증발산량을 비교하였다. Noah MP 모델에서 모의된 15분 간격의 증발산을 일별단위로 합산하여 CERES-Rice 모델의 증발산 모의값과 비교 하였다.
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.
대상 데이터
또한, Noah MP 모델의 동적 식생 옵션을 선택하여 외부의 LAI 입력자료 없이 논과 대기의 물질 및 에너지 플럭스를 모의하였다. CERES-Rice 모델의 경우 품종 모수들을 결정하기 위해 오대벼의 관측 자료가 사용 가능한 2003년부터 2008년까지의 생육자료를 활용하여 모수를 설정하였다.
html) 지표모델과 작물모델을 이용하여 지표와 대기간의 물질 및 에너지 플럭스 모의를 수행하였다. Noah MP 모델을 위해 해남 플럭스 타워와 타워 인근의 해남 기상 관측소로부터 얻어진 30분 간격의 기상자료를 입력 기상 자료로 사용하였으며 CERES-Rice 모델은 30분 시간간격자료가 일별자료로 전환되어 입력 자료로 사용되었다. 이들 모델로부터 출력되는 자료는 Noah MP 모델의 경우 15분 자료, CERES-Rice 모델의 경우 일별자료였다.
Noah MP 모델의 경우 개별 품종에 대한 고려가 되어 있지 않아 C3 식물을 대상으로 설정된 모수들을 활용하였다. 또한, Noah MP 모델의 동적 식생 옵션을 선택하여 외부의 LAI 입력자료 없이 논과 대기의 물질 및 에너지 플럭스를 모의하였다.
국내 플럭스 관측망인 KoFlux의 장기간 플럭스 관측 사이트들 중 하나인 해남 농경지를 대상으로 관측 자료가 본격적으로 생산된 2003년부터 2012년까지(Kang et al., 2009; Kwon et al. 2010; http://ncam.kr/page/koflux/database/siteInfo/HFK/siteDescription.html) 지표모델과 작물모델을 이용하여 지표와 대기간의 물질 및 에너지 플럭스 모의를 수행하였다. Noah MP 모델을 위해 해남 플럭스 타워와 타워 인근의 해남 기상 관측소로부터 얻어진 30분 간격의 기상자료를 입력 기상 자료로 사용하였으며 CERES-Rice 모델은 30분 시간간격자료가 일별자료로 전환되어 입력 자료로 사용되었다.
따라서, 벼를 중심으로 하는 지표모델과 작물모델 모의 결과를 비교하기 위해 모의기간을 이앙일인 6월 15일부터 수확기인 9월 15일로 설정하였다. 벼 생육 및 수량 자료를 얻기 위해 해남 플럭스 관측소에서 약 2km 떨어진 해남 농업기술센터에서 수행된 벼의 지역장려품종 선발시험 결과 자료를 활용하였다. 플럭스 관측자료가 수집되는 기간 동안에 다른 품종들에 비해 장기간 재배된 오대벼를 모의 품종으로 선정하였다.
Noah MP 모델을 위해 해남 플럭스 타워와 타워 인근의 해남 기상 관측소로부터 얻어진 30분 간격의 기상자료를 입력 기상 자료로 사용하였으며 CERES-Rice 모델은 30분 시간간격자료가 일별자료로 전환되어 입력 자료로 사용되었다. 이들 모델로부터 출력되는 자료는 Noah MP 모델의 경우 15분 자료, CERES-Rice 모델의 경우 일별자료였다.
벼 생육 및 수량 자료를 얻기 위해 해남 플럭스 관측소에서 약 2km 떨어진 해남 농업기술센터에서 수행된 벼의 지역장려품종 선발시험 결과 자료를 활용하였다. 플럭스 관측자료가 수집되는 기간 동안에 다른 품종들에 비해 장기간 재배된 오대벼를 모의 품종으로 선정하였다.
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.
해남지역에서 Noah MP 모델을 이용하여 모의된 LAI는 이앙 시점인 6월 15일 이후 지속적으로 증가하다가 8월 중순 무렵 정체를 보이는 전형적인 sigmoid 곡선 형태를 보였다(Fig. 1A). 모의기간 중연도별 최고 LAI는 대략 3.
이론/모형
Noah MP 모델의 생체중 초기값을 계산하기 위하여 Dingkuhn et al.(1990)이 보고한 LAI 값과 Evans and Poorter(2001)가 보고한 엽면적비(Specific leaf area; SLA) 값을 고려하여 설정하였다. Dingkuhn et al.
Comparison of evapotranspiration (ET) simulated using models and measured at Haenam flux site. ET was simulated using CERES-Rice model and Noah Multi Physics (MP) model. Measurements of ET were obtained only on dates where no missing occurred in a 24-period.
1. Leaf area index (LAI) simulated from 2003 to 2012 using Noah Multi Physics (MP) model (A) and CERESRice model (B). Each line represents LAI estimates in each year.
2. Leaf biomass simulated from 2003 to 2012 using Noah Multi Physics (MP) model (A) and CERES-Rice model (B). Each line represents the estimates of leaf biomass in each year.
3. Stem biomass simulated from 2003 to 2012 using Noah Multi Physics (MP) model (A) and CERES-Rice model (B). Each line represents the estimates of stem biomass in each year.
논에서의 벼 생육 및 증발산 모의를 위해 Noah 모델을 기반으로 여러 물리 과정들이 개선된 Noah Multi-Physics (MP) 모델을 사용하였다(Niu et al., 2011). Noah 모델은 복수의 토양층, 군락 전도도, 나지에서의 토양 증발산 및 식생의 생물계절 모의 등여러 분야에서 개선이 되어 왔다(Ek et al.
벼의 생육을 예측하기 위한 작물모델로는 Decision Support System for Agrotechnology Transfer (DSSAT) 시스템에 포함되어 있는 CERES-Rice 모델을 활용하였다. DSSAT 시스템은 CERES-Rice 모델을 포함하여 여러 작물 모델을 하나의 시스템으로 모아 하나의 농경지에서 다양한 형태의 농작물 재배방식에 따른 생산성을 예측할 수 있다(Jones et al.
성능/효과
CERES-Rice 모델의 증발산이 과대평가되는 것은 1) 벼의 경우 담수조건에서 상당기간 재배되기 때문에 다른 토지 피복에 비해 높은 증발산량을 보인다는 점과 2) CERES-Rice 모델은 논을 대상으로 증발산을 계산했다는 점에서 충분히 예상되었던 결과이다.
Noah MP 모델에서 모의된 광합성량을 탄수화물로 환산하여 모의기간 동안 합산한 값을 2003년부터 2012년까지 평균한 값은 27,634kg ha−1이었다.
벼의 전형적인 생육 양상은 개화기 이전까지 영양생장이 주로 이루다가 생식생장기 이후로 잎과 줄기의 생체중과 엽면적이 감소하는 경향을 보이기 때문에, CERES-Rice 모델의 모의결과가 실제적인 벼의 생육 양상과 일치하였다. 그러나, CERES-Rice 모델의 연도별 최대 엽면적 지수 모의 값은 Noah MP 모델의 엽면적 지수 값보다 평균적으로 0.6 정도 낮았다.
, 1989), 해남에서의 평균적인 광합성량은 31,742kg ha−1이었다. 따라서, Noah MP 모델에서 모의된 낮은 지상부 건물중은 광합성 산물의 분배 과정에서 상당히 적은 광합성 산물을 지상부 건물중으로 할당하고 있다는 것을 암시한다. Ackerly(1999)는 열대 수종인 Hampea nutricia 가 1g의 잎을 만들기 위해 4.
또한, Noah MP 모델에서는 논에서의 담수조건을 가진 지표면을 모의하지 못하기 때문에 지표에서의 증발량이 과소 모의 되었다. 따라서, Noah MP 모델은 담수조건의 논에서 증발량을 계산하는 모듈과 생체중 개선을 위한 모듈이 추가 된다면 증발산 모의의 정확도가 높아질 것으로 기대되었다.
반면, CERES-Rice 모델의 경우 LAI의 변화와 생체중 모의 값은 실제의벼 생육 양상과 유사할 것으로 추정되었다. 또한, 증발산량의 경우에도 해남 플럭스 관측소에서 측정된 값과 비교하였을 때 Noah-MP모델의 모의값이 CERESRice 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 보정 하여 증발산량을 예측할 경우 오차를 30%까지 줄일 수 있을 것으로 보인다.
무엇보다도 두 모델 결과의 큰 차이는 CERESRice 모델이 증발산을 평균적으로 약간 과대평가하는데 반해, Noah MP 모델은 증발산을 크게 과소평가한다는 점이다. CERES-Rice 모델의 증발산이 과대평가되는 것은1) 벼의 경우 담수조건에서 상당기간 재배되기 때문에 다른 토지 피복에 비해 높은 증발산량을 보인다는 점과2) CERES-Rice 모델은 논을 대상으로 증발산을 계산했다는 점에서 충분히 예상되었던 결과이다.
반면, CERES-Rice 모델에서 모의된 최대 지상부 건물중은 대략 5,851에서 8,310kg ha−1로 해남에서의 평균적인 수확지수가 0.38에서 0.45였다면 실제 건물중과 유사할 것으로 추정되었다.
Noah MP 모델의 경우, 줄기의 건물중이 생육 초반에는 일정 건물중을 유지하다가 지속적으로 증가하는 경향을 보였다. 반면, CERES-Rice 모델이 모의한 줄기의 건물중은 개화기 까지 증가하다가 개화기 이후에 급격히 줄어들고, 그 이후 느리게 증가하는 경향을 보였다. 이러한 급격한 줄기 건물중의 감소는 개화기 이후 종자를 생산하는 과정에서 줄기의 영양분이 분해 되어 종자로 전류 되었다는 가정 때문인 것으로 사료되었다.
이러한 한계에도 불구하고 잠열 플럭스 관측값의 빈자료가 없었던 일별 관측 자료와 모델의 모의자료와 비교하였을 때, Noah MP 모델과 CERES-Rice 모델의 Root Mean Square Error (RMSE) 값은 2.67과 1.49mm d−1로 Noah-MP 모델이 더 큰 오차를 가졌다.
후속연구
단기적으로는, Noah MP 모델의 증발산 모의를 개선하기 위해 CERES-Rice 모델의 생체중 모의 값과 Noah MP 모델의 생체중 모의값을 활용하여 보정할 수 있는 방법이 있을 것이다. 그러나, 궁극적으로는 Noah MP 모델의 생체중 계산 과정을 개선하여 농경지에서의 플럭스 모의 능력을 향상시킬 수 있을 것으로 판단된다. 이를 통해, 국내 농경지의 상당부분을 차지하고 있는 논에서의 잠열 및 현열 플럭스 예측 정확도를 향상시킬 수 있을 것이다.
Noah MP 모델이 보이는 높은 오차값들은 Noah MP모델이 논의 지표상태를 적절히 반영하지 못하였기 때문으로 사료되었고, 특히 과소추정된 생체중을 보정 하여 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.
이러한 결과는 논에서의 담수 조건이 Noah MP모델에서 고려되지 않았기 때문으로 사료된다. 따라서, Noah MP 모델을 개선하여 벼의 재배환경 뿐만 아니라 벼의 생육을 정확히 반영하고 모의할 수 있도록 수정된다면, 논에서의 물질순환과 에너지 교환을 좀더 정확하게 모의할 수 있을 것으로 사료되었다.
그러나, 궁극적으로는 Noah MP 모델의 생체중 계산 과정을 개선하여 농경지에서의 플럭스 모의 능력을 향상시킬 수 있을 것으로 판단된다. 이를 통해, 국내 농경지의 상당부분을 차지하고 있는 논에서의 잠열 및 현열 플럭스 예측 정확도를 향상시킬 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
Noah 모델의 특징은 무엇인가?
대개의 경우, 지표면의 복잡한 특성을 모두 반영할 수 없기 때문에 특정 대표 식생을 바탕으로 대기와 지표 사이의 수분과 이산화탄소의 교환을 모의하는 지표모델들이 사용되어 왔다. 예를 들어, 최근에 널리 사용되고 있는 지표모델 중의 하나인 Noah 모델은 U.S. Geological Survey(USGS)에서 제작한 전구 지표 피복 자료에서 사용된 24개의 식생종류를 대상으로 지표면과 대기의 물질순환 및 에너지 교환을 모의한다(Loveland et al., 2000).
작물모델이 지표와 대기간의 상호작용을 모의하기 어려운 이유는 무엇인가?
또한, 작물모델은 한 지점을 대상으로 사용할 수 있도록 설계되어 왔기 때문에, 일정 지역에서 각기 다른 조건에서 작물 모델을 활용하기에는 어려운 단점이 있다. 또한, 지표의 물질순환 및 에너지 교환 과정에 대한 모의과정이 단순화 되어 있어 지표와 대기간의 상호작용을 모의하기 어렵다.
지표모델의 한계점은 무엇인가?
지표모델은 지면의 식생을 단순화 하기 때문에 농경지에서 재배되고 있는 농작물의 생육양상을 모의하기에는 한계가 있다. 지표모델은 재배되고 있는 작물을 C3와 C4 작물로 단순화하거나 농경지라는 일반적인식생 분류체계를 활용하여 지표면의 에너지 및 물질 플럭스를 모의한다.
참고문헌 (18)
Ackerly, D., 1999: Self-Shading, carbon gain and leaf dynamics: a test of alternative optimality models. Oecologia 119, 300-310.
Dingkuhn, A., H. F. Schnier, S. K. D. Datta, E. Wijangco, and K. Dorffling, 1990: Diurnal and developmental changes in canopy gas exchange in relation to growth in transplanted and direct-seeded flooded rice. Australian Journal of Plant Physiology 17(2), 119-134. doi:10.1071/PP9900119
Ek, M. B., K. E. Mitchell, Y. Lin, E. Rogers, P. Grunmann, V. Koren, G. Gayno, and J. D. Tarpley, 2003: Implementation of Noah land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta model. Journal of Geophysical Research 108, 8851, doi:10.1029/2002JD003296.
Evans, J. R., H. Poorter, 2001: Photosynthetic acclimation of plants to growth irradiance: the relative importance of specific leaf area and nitrogen partitioning in maximizing carbon gain. Plant, Cell and Environment 24(8), 755-767. DOI: 10.1046/j.1365-3040.2001.00724.x
Jones, J. W., G. Hoogenboom, C. H. Porter, K. J. Boote, W. D. Batchelor, L. A. Hunt, P. W. Wilkens, U. Singh, A. J. Gijsman, and J. T. Ritchie, 2003: The DSSAT cropping system model. European Journal of Agronomy 18, 235-265.
Kiniry, J. R., C. A. Jones, J. C. O'toole, R. Blanchet, M. Cabelguenne, and D. A. Spanel, 1989: Radiation-use efficiency in biomass accumulation prior to grain-filling for five grain-crop species. Field Crops Research 20(1), 51-64.
Kang, M., S. Park, H. Kwon, H. T. Choi, Y. J. Choi, and J. Kim, 2009: Evapotranspiration from a deciduous forest in a complex terrain and a heterogeneous farmland under monsoon climate. Asia-Pacific Journal of Atmospheric Sciences 45(2), 175-191.
Karaba, A., S. Dixit, R. Greco, A. Aharoni, K. R. Trijatmiko, N. Marsch-Martinez, A. Krishnan, K. N. Nataraja, M. Udayakumar, and A. Pereira, 2007: Improvement of water use efficiency in rice by expression of HARDY, an Arabidopsis drought and salt tolerance gene. Proceedings of the National Academy of Sciences 104, 15270-15275.
Kwon, H., J. Kim, and J. Hong, 2010: Influence of the asian monsoon on net ecosystem carbon exchange in two major plant functional types in Korea. Biogeosciences 7, 1493-1504.
Lokupitiya, E., S. Denning, K. Paustian, I. Baker, K. Schaefer, S. Verma, T. Meyers, C. Bernacchi, A. Suyker, and M. Fischer, 2009: Incorporation of crop phenology in Simple Biosphere Model (SiBcrop) to improve landatmosphere carbon exchanges from croplands. Biogeosciences 6, 969-986.
Loveland, T. R., B. C. Reed, J. F. Brown, D. O. Ohlen, Z. Zhu, L. Yang, and J. W. Merchant, 2000: Development of a global land cover characteristics database and IGBP DISCover from 1 km AVHRR data. International Journal of Remote Sensing 21, 1303-1330.
Niu, G. Y., Z. L. Yang, K. E. Mitchell, F. Chen, M. B. Ek, M. Barlage, A. Kumar, K. Manning, D. Niyogi, E. Rosero, M. Tewari, and Y. Xia, 2011: The community Noah land surface model with multiparameterization options (Noah-MP): 1. Model description and evaluation with localscale measurements. Journal of Geophysical Research 116.
Pielke, R. A., 2001: Influence of the spatial distribution of vegetation and soils on the prediction of cumulus Convective rainfall. Reviews of Geophysics 39, 151-177.
Pitman, A. J., 2003: The evolution of, and revolution in, land surface schemes designed for climate models. International Journal of Climatology 23, 479-510.
Shibayama, M., and T. Akiyama, 1989: Seasonal visible, near-infrared and mid-infrared spectra of rice canopies in relation to LAI and above-ground dry phytomass. Remote Sensing of Environment 27(2), 119-127.
Van den Hoof, C., E. Hanert, and P. L. Vidale, 2011: Simulating dynamic crop growth with an adapted land surface model-JULES-SUCROS: Model development and validation. Agricultural and Forest Meteorology 151(2), 137-153.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.