[논문]순차적인 최적화 기법에 의한 생물계절모형 모수추정 방식 개선

윤경담; 김수형

doi:10.5532/kjafm.2014.16.4.304

초록
AI-Helper

벚꽃의 만개일은 관련 행사일정을 결정하는 중요한 요소로써 생육기간 중 기온에 따른 변화의 폭이 크다. 이를 예측하기 위한 방법으로는 벚꽃의 발달을 휴면기와 생장기의 2단계로 구분하여 저온(chill)과 고온(heat) 요구에 대한 온도시간(thermal time) 누적을 기술하는 모형이 개발되어 있다. 하지만 모수 추정시 모수공간내 일정 간격의 격자 전체를 계산하여 많은 시간을 소모한다는 단점이 있었다. 본 연구에서는 기존모형이 고려하지 않던 벚꽃 발달의 중간단계 관측자료를 활용하여 고온요구에 대한 새로운 조건을 추가하고, 이를 기반으로 각 모수를 순차적으로 추정하여 최적화 시간을 단축하는 새로운 방법을 제안한다. 미국 워싱턴 DC 지역의 벚꽃개화 관측 자료를 기준으로 검증한 결과, 기존 모형에서 제안된 모수와 근사한 값을 단축된 시간 내에 계산해내는 것을 확인하였다.

Abstract ▼ AI-Helper

Accurate prediction of peak bloom dates (PBD) of flowering cherry trees is critical for organizing local cherry festivals and other associated cultural and economic activities. A two-step phenology model is commonly used for predicting flowering time depending on local temperatures as a result of tw...

Accurate prediction of peak bloom dates (PBD) of flowering cherry trees is critical for organizing local cherry festivals and other associated cultural and economic activities. A two-step phenology model is commonly used for predicting flowering time depending on local temperatures as a result of two consecutive steps followed by chill and heat accumulations. However, an extensive computation requirement for parameter estimation has been a limitation for its practical use. We propose a sequential parameterization method by exploiting previously unused records of development stages. With an extra constraint formed by heat accumulation between two intervening stages, each parameter can then be solved sequentially in much shorter time than the brute-force method. The result was found to be almost identical to the previous solution known for cherry trees (Prunus ${\times}$ yedoensis) in the Tidal Basin, Washington D.C.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

하지만 모수 추정시 모수공간내 일정 간격의 격자 전체를 계산하여 많은 시간을 소모한다는 단점이 있었다. 본 연구에서는 기존 모형이 고려하지 않던 벚꽃 발달의 중간단계 관측자료를 활용하여 고온요구에 대한 새로운 조건을 추가하고, 이를 기반으로 각 모수를 순차적으로 추정하여 최적화 시간을 단축하는 새로운 방법을 제안한다. 미국 워싱턴 DC 지역의 벚꽃개화 관측 자료를 기준으로 검증한 결과, 기존 모형에서 제안된 모수와 근사한 값을 단축된 시간 내에 계산해내는 것을 확인하였다.

제안 방법

, 2004). The model was later modified to predict flowering time, with an assumption that the flowering was also a consequence of extended heat accumulation (Yun, 2006).

이론/모형

Our approach resulted in T_c estimate of 4.28^oC, which is almost identical to the solution found in Chung et al. (2011) using a grid search method (Table 1). On the other hand, our R_c and R_h were slightly larger by 14.

성능/효과

(2) states that the heat requirement δ for year y between any two stages, α and β, is simply a sum of heat accumulation Ca in the corresponding period p.
Each parameter is optimized individually with an additional constraint on heat accumulation between two development stages. When parameterized with the existing dataset from Tidal Basin, the result from the new approach was almost identical to the known solution found by bruteforce method but with smaller errors and considerably reduced computation times (i.e., less than a minute compared to days).
본 연구에서는 기존 모형이 고려하지 않던 벚꽃 발달의 중간단계 관측자료를 활용하여 고온요구에 대한 새로운 조건을 추가하고, 이를 기반으로 각 모수를 순차적으로 추정하여 최적화 시간을 단축하는 새로운 방법을 제안한다. 미국 워싱턴 DC 지역의 벚꽃개화 관측 자료를 기준으로 검증한 결과, 기존 모형에서 제안된 모수와 근사한 값을 단축된 시간 내에 계산해내는 것을 확인하였다.

참고문헌 (4)

Cesaraccio, C., D. Spano, R. L. Snyder, and P. Duce, 2004: Chilling and forcing model to predict bud-burst of crop and forest species. Agricultural and Forest Meteorology 126(1-2), 1-13.

상세보기
Chung, U., L. Mack, J. I. Yun, and S.-H. Kim, 2011: Predicting the timing of cherry blossoms in Washington, DC and Mid-Atlantic states in response to climate change. PloS one 6(11), e27439.

상세보기
Wallach, D., D. Makowski, J. W. Jones, and F. Brun, 2013: Working with Dynamic Crop Models (2nd ed.). Academic Press, 247-248.
Yun, J. I., 2006: Climate change impact on the flowering season of Japanese cherry (prunus serrulata var. spontanea) in Korea during 1941-2100. Korean Journal of Agricultural and Forestry Meteorology 8(2), 68-76.

이 논문을 인용한 문헌

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

순차적인 최적화 기법에 의한 생물계절모형 모수추정 방식 개선
An Improved Method for Phenology Model Parameterization Using Sequential Optimization 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

참고문헌 (4)

이 논문을 인용한 문헌

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

순차적인 최적화 기법에 의한 생물계절모형 모수추정 방식 개선 An Improved Method for Phenology Model Parameterization Using Sequential Optimization 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

참고문헌 (4)

이 논문을 인용한 문헌

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

순차적인 최적화 기법에 의한 생물계절모형 모수추정 방식 개선
An Improved Method for Phenology Model Parameterization Using Sequential Optimization 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper