선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 관측지점의 기상자료에 의해 추정된 해금의 예상 개화시기와 격자형 기상표면으로부터 계산된 해금의 예상 개화시기를 비교하여 해금의 휴면시계모형의 모수를 검증하고자 하였다. 2014년부터 2015년까지 모수추정에 참여한 산이면의 노지재배 농가를 제외하고 전남 지역 11개 읍면에 위치한 해금의 노지재배 농가 25개로부터 개화시기 정보를 수집하였다(Fig.
- 본 연구는 최근 국내에서 그 재배면적이 급속도로 증가하고 있는 대표적인 국내 육종 골드키위 품종인 해금에 대한 개화시기를 생물계절모형에 의해 예측하고, 미래 기후변화에 의한 개화시기 변화와 그 지리적 변화에 대한 불확실성을 전망하고자 수행되었다.
- , 2015). 본 연구에서도 1개 이상의 GCM의 미래 기후변화 시나리오를 활용하여 해금의 미래 개화시기 변화에 대한 불확실성을 설명하고자 하였다. 현재를 기준으로 20년 후 6개 개별 GCM 중, 현재의 겨울과 이른 봄 기간 동안의 기온과 비교했을 때 차이가 컸던 MIROC-ESMCHEM에서 전망된 미래 개화시기의 변동이 가장 크게 나타난 반면, 차이가 작았던 CanESM2와 GFDLESM2G의 미래 개화시기의 변동이 가장 작을 것으로 전망되었다.
제안 방법
- 2021년부터 2040년까지 RCP 시나리오에 따라 각각 6개 GCMs별로 예측된 골드키위 해금의 격자형 미래 예상 개화시기 표면에서 노지재배 농가들이 위치한 11 읍면 단위에 포함된 값을 추출하여 RCP 시나리오에 따른 6개 GCMs의 미래 예상 개화시기의 변화를 분석하였다(Fig. 4).
- 예를 들면 보성군의 경우 무인 기상관측소(station number: 732)는 있지만 인근 표준기상관측소는 장흥(station number:260)뿐이다. 그래서 첫 번째 모수 검증을 위한 방법으로 이들 25개 노지재배 농가에서 가까운 4개 표준기상관측소의 관측 일별 최고 및 최저기온 자료로부터 예측된 4지점의 개화시기를 25개 노지재배 농가가 포함된 4개 시군 각각의 대표 개화일로 가정하고 25개 노지재배 농가의 각각의 관측 개화일과 비교하였다. 두 번째 검증 방법으로는 계산된 격자형 개화시기 표면에서 25개 노지재배 농가가 위치한 11개 읍면에 포함되는 격자들을 추출하여 평균한 11개 예측 개화시기와 25개 노지재배 농가의 각각의 관측 개화시기를 비교하였다.
- 표준 재배법에 의해 재배되고 있는 과수의 관측 생물계절자료와 그 지점에서 표준 관측법에 의해 관측된 기상자료로부터 개화시기 예측모형 및 모수를 개발하는 것이 일반적이다. 그러나 본 연구에서 골드키위 해금의 한 재배농가에서 7년 동안 수집한 개화시기 자료와 인근 기상관측소의 관측 기상자료로부터 휴면시계모형의 모수를 추정하였다. 이렇게 추정된 휴면시계모형의 모수가 전남 지역의 모든 골드키위 해금의 개화시기를 예측할 수 있는 모수로 활용할 수 있는 대표성을 가진다고 단정할 수는 없다.
대상 데이터
- 2013년 10월에서 2015년까지 기상청 76개 표준기상관측소의 관측 일별 최고 및 최저기온으로부터 생성된 기온표면을 휴면시계모형에 입력하여 계산된 2014년과 2015년의 예상 개화시기 표면에서 25개 농가가 위치한 11개읍면에 포함된 개화시기를 공간 평균하여 추출한 후, 28개 관측 개화시기와 비교하였다(Fig.2B). 2014년을 보면, 공간 평균한 해남읍의 예측 개화시기는 5월 19일(139일)로 해남읍에 위치한 농가의 개화시기와 2일 차이를 보였고, 공간 평균한 옥곡면의 예측 개화시기는 5월 8일(128일)로 농가의 개화시기와1일 차이를 보였다.
- 관측지점의 기상자료에 의해 추정된 해금의 예상 개화시기와 격자형 기상표면으로부터 계산된 해금의 예상 개화시기를 비교하여 해금의 휴면시계모형의 모수를 검증하고자 하였다. 2014년부터 2015년까지 모수추정에 참여한 산이면의 노지재배 농가를 제외하고 전남 지역 11개 읍면에 위치한 해금의 노지재배 농가 25개로부터 개화시기 정보를 수집하였다(Fig. 1 and Table 2).
- 2 and Table 2). 2015년의 7개 농가 중에서 3개의 농가가 2014년뿐만 아니라 2015년에도 수집되었기 때문에 실제 수집된 표본수는 28개이다(Table 2). 2년 동안 관측된 28개 개화시기를 살펴보면, Fig.
- 이 재배농가는 키위 표준 재배법에 의해 해금을 재배하고 있는 농가이다. 기상자료는 산이면 해금 노지재배 농가로부터 약 15km 동남쪽에 있는 기상청의 해남 기상관측소(station number:261)로부터 2007년 10월에서 2013년 10월까지의 일별최고 및 최저기온 자료를 수집하였다(Fig. 1).
- 기상청 표준기상관측소 4지점(station number: 256,260, 261, 262)의 2013년부터 2015년 동안의 관측 일별 최고 및 최저기온을 휴면시계모형에 입력하여 예측된 개화시기를 2014년에는 21개 농가, 2015년에는 7개 농가에서 관측된 해금의 개화시기와 비교하였다(Fig. 2 and Table 2).
- 미래 기온 시나리오 자료의 공간해상도는 200～400km이기 때문에 농업모형에 활용할 수 있도록 공간해상도의 상세화가 필요하며, GCMs의 계통오차(systematic bias)에 대한 편의보정(bias correction)도 필요하다. 본 연구에서 사용한 미래 일별 기후변화 시나리오 자료는 조재필(2013)에 의해 공간적 상세화와 편의 보정을 동시에 할 수 있는 비모수적 분위사상법으로 상세화된 6개 GCM (CanESM2, HadGEM2-AO, GFDL-ESM2G, inmcm4, IPSL-CA5-LR, MIROC-ESMCHEM)의 미래 일별 기온 시나리오를 이용하였다(Table 1). 이 자료는 GCM에서 생성된 격자형 미래기온시나리오 자료에서 56개의 표준기상관측소가 위치한 격자의 중앙 기온값을 추출하고 여기에 편의보정 및 공간특성(예, 고도) 등을 반영하여 상세화한 점 단위 자료이다.
- , 2006; Kim and Yun, 2011). 본 연구에서는 76개 표준기상관측소에서 2007년에서 2015년까지 관측기후자료를 수집하고 IDSW와 고도편차 보정을 통해 공간해상도 1km, 시간해상도 매일의 격자형 관측 기온표면을 생성하였다.
- 일별 미래 기온 시나리오 자료는 대표농도경로(Representative Concentration Pathways, RCP)를 바탕으로 전지구기후모형(Global Climate Model, GCM)에 의해서 생성된 것으로 CMIP5 (the phase five of the Couple Model Intercomparison Project)를 통해서 수집되었다. 미래 기온 시나리오 자료의 공간해상도는 200～400km이기 때문에 농업모형에 활용할 수 있도록 공간해상도의 상세화가 필요하며, GCMs의 계통오차(systematic bias)에 대한 편의보정(bias correction)도 필요하다.
- 해금의 개화시기 예측모형에 필요한 모수 추정을 위해 전남 해남군 산이면에 위치한 한 노지재배 농가로부터 2008년부터 2013년까지 해금의 개화일과 만개일 정보를 수집하였다. 이 재배농가는 키위 표준 재배법에 의해 해금을 재배하고 있는 농가이다.
데이터처리
- 그래서 첫 번째 모수 검증을 위한 방법으로 이들 25개 노지재배 농가에서 가까운 4개 표준기상관측소의 관측 일별 최고 및 최저기온 자료로부터 예측된 4지점의 개화시기를 25개 노지재배 농가가 포함된 4개 시군 각각의 대표 개화일로 가정하고 25개 노지재배 농가의 각각의 관측 개화일과 비교하였다. 두 번째 검증 방법으로는 계산된 격자형 개화시기 표면에서 25개 노지재배 농가가 위치한 11개 읍면에 포함되는 격자들을 추출하여 평균한 11개 예측 개화시기와 25개 노지재배 농가의 각각의 관측 개화시기를 비교하였다. 휴면시계모형의 모수에 대한 통계적 오차는 RMSE (root mean square error)로 표현하였다.
- 두 번째 검증 방법으로는 계산된 격자형 개화시기 표면에서 25개 노지재배 농가가 위치한 11개 읍면에 포함되는 격자들을 추출하여 평균한 11개 예측 개화시기와 25개 노지재배 농가의 각각의 관측 개화시기를 비교하였다. 휴면시계모형의 모수에 대한 통계적 오차는 RMSE (root mean square error)로 표현하였다.
이론/모형
- 본 연구에서 해금의 개화시기 예측을 위해 도입한 생물계절모형은 Cesaraccio et al.(2004)이 제시한 휴면시계모형이다. 이 모형으로부터 개화시기를 예측하기 위해서는 기준온도(base temperature, Tb), 저온요구도(cool requirement, Rc)와 고온요구도(Heat requirement, Rh)가 필요하다.
성능/효과
- 5의 HadGEM2-AO에서 전망된 해금의 미래 개화시기 분포이다. B와 C에서 전남 및 경남지역에서 현재 해금의 개화시기보다 10일 이상 빨리 개화할 것이라고 전망한 것과 다르게 D와 E에서는 5월 15일(135일) 정도에서 개화하는 것으로 전망되어 현재와 크게 다르지 않는 것으로 나타났다. RCP 4.
- 현재를 기준으로 20년 후 6개 개별 GCM 중, 현재의 겨울과 이른 봄 기간 동안의 기온과 비교했을 때 차이가 컸던 MIROC-ESMCHEM에서 전망된 미래 개화시기의 변동이 가장 크게 나타난 반면, 차이가 작았던 CanESM2와 GFDLESM2G의 미래 개화시기의 변동이 가장 작을 것으로 전망되었다. RCP 4.5의 CanESM2과 GFDL-ESM2G, RCP 8.5의 HadGEM2-AO에서 전남 지역의 골드키위 해금의 미래 개화시기는 지금과 크게 다르지 않을 것이라고 전망한 반면, RCP 시나리오와 크게 상관없이 6개 GCMs 모두를 평균한 미래 개화시기 분포에서 전남 지역의 개화시기는 현재보다 10일 이상 단축되고 현재와 같은 개화시기는 약 150km 북쪽으로 이동될 것으로 전망하였다. 또한 본 연구에서 분석한 미래 개화시기 표면은 오로지 기온표면만으로 전망된 것이다.
- B와 C에서 전남 및 경남지역에서 현재 해금의 개화시기보다 10일 이상 빨리 개화할 것이라고 전망한 것과 다르게 D와 E에서는 5월 15일(135일) 정도에서 개화하는 것으로 전망되어 현재와 크게 다르지 않는 것으로 나타났다. RCP 4.5의 CanESM2와 GFDL-ESM2G, RCP 8.5의 HadGEM2-AO의 20년 동안(2021-2040)의 12월에서 2월까지의 겨울기온과 3월까지의 기온을 관측기간 동안(2008-2015)의 기온과 비교했을 때, 기온 차이가 1°C 이내로 크지 않았는데, 이것 때문에 RCP 4.5의 CanESM2와 G FDL-ESM2G, RCP 8.5의 HadGEM2-AO의 미래 예상 개화시기가 지금과 크게 다르지 않게 전망된 것으로 판단된다. 또한 Fig.
- 3B). 기상 관측지점의 예상 개화시기는 관측개화시기의 평균보다 훨씬 단축하는 것으로 추정할 뿐만 아니라 관측 개화시기의 변동 범위(5일)에서 벗어날 수 있는 것으로 분석된 반면, 격자형 관측 기온분포에 의해 계산된 예상 개화시기는 관측 개화시기의 평균과 변동 범위를 비교적 잘 나타내었다. 이것은 순천시의 해룡면과 회천면처럼 공간 평균하였을 때 오차가 더 커질 수 있는 경우가 발생할 수 있지만, 격자형 기온표면에 의해 개화시기를 공간적으로 추정하고 11개읍면 단위로 공간 평균함으로써 4개 관측지점의 예상 개화시기보다 상세하게 전망된 개화시기를 확보할 수 있었기 때문인 것으로 판단된다.
- 20년 후에, 현재 해금의 주요 재배지역에서는 평균 10일 이상, 즉 5월 10일 이전에 개화하는 것으로 전망되었다. 반면, 현재 해금의 개화시기에 해당되는 범위는 북쪽으로 약 150km 이상 이동되었는데, RCP 4.5에서는 충남 이남 지역으로 확대되고, RCP 8.5에서는 충북까지 확대될 수 있는 것으로 전망되었다. 그러나 Fig.
후속연구
- 또한 본 연구에서 분석한 미래 개화시기 표면은 오로지 기온표면만으로 전망된 것이다. Kim et al.(2009b)의 방법과 같이 추후 재배에 적합한 연간 강수량 조건, 또는 농경지 등을 나타낸 지표피복도와 과수원이 조성될 수 있는 해발고도, 키위 품질결정 조건 등을 단계적으로 포함시킨다면 보다 현실적인 개화시기 표면으로 재분석될 수 있을 것이다. 또한 미래 개화시기 전망에 대한 차이와 그 차이의 원인에 대한 불확실성을 해소하기 위해서는 생물계절모형 개발 뿐만 아니라 농업분야에서 활용할 수 있는 기후모형개발과 기후자료의 상세화 기술개발 등이 지속적으로 수행되어야 할 것이다.
- 3°C로 키위의 적정 기준온도 7°C보다 다소 낮게 추정되었는데, 작물의 생장발육에 필요한 온도량은 품종별로 다르기 때문에 해금의 기준온도 뿐만 아니라 저온요구도는 기존 연구에서 밝혀진 것과 다소 다를 수 있다. 기준온도나 저온요구도의 다름이 품종이 다르기 때문에 나타난 일반화된 결과라고 결론지을 수도 있지만 품종 이외 다른 요소가 개입되었는가에 대한 구명도 추후 필요할 것으로 판단된다. 또한 작물의 생물리학적 반응은 기후변화에 의한 잠재적인 가변성을 가지고 있는 만큼 이들 과수 작물의 생장발육에 필요한 생물리학적 온도량을 정의하기 위해서는 꾸준한 생물계절 관측자료 수집과 지속적인 모니터링도 요구된다.
- 그러나 대부분의 연구 대상 품종들이 오래 전에 국외에서 도입되어 보급되었거나 육종 된지 오래된 것으로 최근 농가에서 많이 재배되는 품종들이 아닌 경우가 많다. 따라서 국내 과수 품종들에 대한 기후변화 영향평가를 위해서는 최근 국내에서 육종되어 많이 재배되는 과수 품종들에 대한 생물계절연구가 지속적으로 필요하다. 게다가 최근 동네예보 및 중장기 예보기술이 다양하게 개발 및 향상되고 있기 때문에, 이러한 정보를 활용하기 위해서는 국내 품종에 대하여 개화시기를 예측할 수 있는 기반기술과 지속적인 개화시기 모니터링을 통한 자료의 확보가 필수적이다.
- 4일로 개선되는 효과를 보였다. 따라서 본 연구에서 추정된 골드키위 해금의 휴면 시계모형의 모수에 의한 개화시기 예측성은 나쁘지 않으며, 국내 육종 품종인 해금의 개화시기를 예측하는 데에 활용 가능할 것으로 판단된다. 또한 해금의 기준온도는 6.
- (2009b)의 방법과 같이 추후 재배에 적합한 연간 강수량 조건, 또는 농경지 등을 나타낸 지표피복도와 과수원이 조성될 수 있는 해발고도, 키위 품질결정 조건 등을 단계적으로 포함시킨다면 보다 현실적인 개화시기 표면으로 재분석될 수 있을 것이다. 또한 미래 개화시기 전망에 대한 차이와 그 차이의 원인에 대한 불확실성을 해소하기 위해서는 생물계절모형 개발 뿐만 아니라 농업분야에서 활용할 수 있는 기후모형개발과 기후자료의 상세화 기술개발 등이 지속적으로 수행되어야 할 것이다. 본 연구의 예비 결과가 국내육종 과수의 생장발육 및 개화시기 예측 등을 위한 생물계절 연구와 기후변화에 대한 영향평가 개선에 기여할 수 있을 것으로 기대한다.
- 기준온도나 저온요구도의 다름이 품종이 다르기 때문에 나타난 일반화된 결과라고 결론지을 수도 있지만 품종 이외 다른 요소가 개입되었는가에 대한 구명도 추후 필요할 것으로 판단된다. 또한 작물의 생물리학적 반응은 기후변화에 의한 잠재적인 가변성을 가지고 있는 만큼 이들 과수 작물의 생장발육에 필요한 생물리학적 온도량을 정의하기 위해서는 꾸준한 생물계절 관측자료 수집과 지속적인 모니터링도 요구된다.
- 또한 미래 개화시기 전망에 대한 차이와 그 차이의 원인에 대한 불확실성을 해소하기 위해서는 생물계절모형 개발 뿐만 아니라 농업분야에서 활용할 수 있는 기후모형개발과 기후자료의 상세화 기술개발 등이 지속적으로 수행되어야 할 것이다. 본 연구의 예비 결과가 국내육종 과수의 생장발육 및 개화시기 예측 등을 위한 생물계절 연구와 기후변화에 대한 영향평가 개선에 기여할 수 있을 것으로 기대한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.