감자는 전 세계적으로 생산량이 쌀, 벼, 옥수수 다음으로 널리 재배되고 있는 식량 작물이며 생육 중에 수분스트레스를 받을 경우 수량에 크게 영향을 받는다. 기후변화에 의한 감자수량의 변화를 정확하게 예측하는 것은 식량안보를 위해 매우 중요하다. 기후변화 등에 의한 환경에 따른 작물생산량 예측을 위해 전세계적으로 많은 연구자들이 작물모형프로그램을 이용해서 다양한 작물에 대해 연구를 수행하고 있다. 미국에서 개발된 DSSAT 프로그램도 그 중 하나로 다양한 작물에 대한 여러 모델들을 하나의 프로그램으로 통합한 일종의 패키지이며 27종의 작물에 대해 연구할 수 있다. 이 연구에서는 RCP 8.5 기후조건에서 2050년대와 2090년대의 국내 5개 지역의 감자 생산량을 모의하였다. 국내에서 가장 흔하게 재배되고 있는 감자품종인 수미에 대한 품종모수가 DSSAT프로그램에 내재되어 있지 않기 때문에 2016-2017년 실제 생육조사를 통해 얻은 자료로 하부모듈인 GenClac 프로그램에서 수미품종의 품종모수를 추측하였으며, 총 5개 지역 39개의 지역적응시험 성적자료를 이용하여 추측된 품종모수를 검증하였다. 검증된 품종모수로 RCP 8.5기후 시나리오조건에서 수미품종의 생산량예측을 수행한 결과 2010년대와 비교하여 2050년대에는 5개 지역 총 생산량이 26% 증가한 반면 2090년대에는 17% 감소하였다. 그러므로 기후변화에 대비하여 안정적인 감자 생산을 위해서는 고온에서의 재배와 관수와 관련된 연구가 중요할 것으로 생각된다.
감자는 전 세계적으로 생산량이 쌀, 벼, 옥수수 다음으로 널리 재배되고 있는 식량 작물이며 생육 중에 수분스트레스를 받을 경우 수량에 크게 영향을 받는다. 기후변화에 의한 감자수량의 변화를 정확하게 예측하는 것은 식량안보를 위해 매우 중요하다. 기후변화 등에 의한 환경에 따른 작물생산량 예측을 위해 전세계적으로 많은 연구자들이 작물모형프로그램을 이용해서 다양한 작물에 대해 연구를 수행하고 있다. 미국에서 개발된 DSSAT 프로그램도 그 중 하나로 다양한 작물에 대한 여러 모델들을 하나의 프로그램으로 통합한 일종의 패키지이며 27종의 작물에 대해 연구할 수 있다. 이 연구에서는 RCP 8.5 기후조건에서 2050년대와 2090년대의 국내 5개 지역의 감자 생산량을 모의하였다. 국내에서 가장 흔하게 재배되고 있는 감자품종인 수미에 대한 품종모수가 DSSAT프로그램에 내재되어 있지 않기 때문에 2016-2017년 실제 생육조사를 통해 얻은 자료로 하부모듈인 GenClac 프로그램에서 수미품종의 품종모수를 추측하였으며, 총 5개 지역 39개의 지역적응시험 성적자료를 이용하여 추측된 품종모수를 검증하였다. 검증된 품종모수로 RCP 8.5기후 시나리오조건에서 수미품종의 생산량예측을 수행한 결과 2010년대와 비교하여 2050년대에는 5개 지역 총 생산량이 26% 증가한 반면 2090년대에는 17% 감소하였다. 그러므로 기후변화에 대비하여 안정적인 감자 생산을 위해서는 고온에서의 재배와 관수와 관련된 연구가 중요할 것으로 생각된다.
Potato(Solanum tuberosum L.) is one of the major food crop in the world following rice, wheat, and maize. It is thus important to project yield predict of potato under climate change conditions for assessment of food security. A crop growth modelling is widely used to simulate crop growth condition ...
Potato(Solanum tuberosum L.) is one of the major food crop in the world following rice, wheat, and maize. It is thus important to project yield predict of potato under climate change conditions for assessment of food security. A crop growth modelling is widely used to simulate crop growth condition and total yield of various crops under a given climate condition. The decision support system for agrotechnology transfer (DSSAT) cropping system model, which was developed by U.S. which package integrating several models of 27 different crops, have been used to project crop yield for the impact assessment of climate change on crop production. In this study, we simulated potato yield using RCP 8.5 climate change scenario data, as inputs to the DSSAT model in five regions of Korea. The genetic coefficients of potato cultivar for 'superior', which is one of the most widely cultivated potato variety in Korea were determined. The GenCalc program, which is a submodule of the DSSAT package, was used to determine the genetic coefficients for the superior cultivar. The values of genetic coefficients were validated using results of 39 experiments performed over seven years in five regions. As a case study, the potato yield was projected that total yields of potato across five regions would increase by 26% in 2050s but decrease by 17% in 2090s, compared with 2010s. These results suggested that the needs for cultivation and irrigation technologies would be considerably large for planning and implementation of climate change adaptation for potato production in Korea.
Potato(Solanum tuberosum L.) is one of the major food crop in the world following rice, wheat, and maize. It is thus important to project yield predict of potato under climate change conditions for assessment of food security. A crop growth modelling is widely used to simulate crop growth condition and total yield of various crops under a given climate condition. The decision support system for agrotechnology transfer (DSSAT) cropping system model, which was developed by U.S. which package integrating several models of 27 different crops, have been used to project crop yield for the impact assessment of climate change on crop production. In this study, we simulated potato yield using RCP 8.5 climate change scenario data, as inputs to the DSSAT model in five regions of Korea. The genetic coefficients of potato cultivar for 'superior', which is one of the most widely cultivated potato variety in Korea were determined. The GenCalc program, which is a submodule of the DSSAT package, was used to determine the genetic coefficients for the superior cultivar. The values of genetic coefficients were validated using results of 39 experiments performed over seven years in five regions. As a case study, the potato yield was projected that total yields of potato across five regions would increase by 26% in 2050s but decrease by 17% in 2090s, compared with 2010s. These results suggested that the needs for cultivation and irrigation technologies would be considerably large for planning and implementation of climate change adaptation for potato production in Korea.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
국제적으로 알려져서 이용된 품종들은 DSSAT에 품종 모수에 대한 정보가 포함되어 있지만, 국내 주요 감자 품종인 수미에 대해서는 정보가 없기 때문에 작물모형 프로그램을 이용해서 감자의 생산량예측을 위해서 수미품종의 유전적인 정보를 담고 있는 모수를 추정해야 프로그램 적용이 가능하다. 국외에서는 감자품종에 대한 품종모수의 추정이 여러 연구를 통해 시도되었으며(Raymundo et al., 2017), 본 연구에서는 수미품종의 모수를 추정하고 우리나라 5개 지역의 농촌진흥청 감자 신품종 지역적응시험성적의 자료를 이용하여 추정된 모수를 검증하고자 하였다. 또한, 사례연구로서 DSSAT-SUBSTOR모델을 이용하여 RCP8.
, 2017), 본 연구에서는 수미품종의 모수를 추정하고 우리나라 5개 지역의 농촌진흥청 감자 신품종 지역적응시험성적의 자료를 이용하여 추정된 모수를 검증하고자 하였다. 또한, 사례연구로서 DSSAT-SUBSTOR모델을 이용하여 RCP8.5 기후조건에서 수미감자의 생산량을 전망하고자 하였다.
, 2012). 본 연구에서는 품종모수를 활용한 사례 연구로서 RCP8.5 기후조건에서 수미품종의 생산량을 전망하고자 하였다. RCP 8.
미국에서 개발된 DSSAT 프로그램도 그 중 하나로 다양한 작물에 대한 여러 모델들을 하나의 프로그램으로 통합한 일종의 패키지이며 27종의 작물에 대해 연구할 수 있다. 이 연구에서는 RCP 8.5 기후조건에서 2050년대와 2090년대의 국내 5개 지역의 감자 생산량을 모의하였다. 국내에서 가장 흔하게 재배되고 있는 감자품종인 수미에 대한 품종모수가 DSSAT프로그램에 내재되어 있지 않기 때문에 2016-2017년 실제 생육조사를 통해 얻은 자료로 하부모듈인 GenClac 프로그램에서 수미품종의 품종모수를 추측하였으며, 총 5개 지역 39개의 지역적응시험 성적자료를 이용하여 추측된 품종모수를 검증하였다.
가설 설정
본 연구에서는 추정된 품종모수르 이용하여 RCP 8.5 기후조건에서 수미감자의 생산량을 전망하기 위해 각 지역의 2011년부터 2017년도의 기상자료를 활용하여 미래조건에서의 기후변화 시나리오 자료를 생산하였다 우선, 2015년대와 2090년대의 기온은 각각 현재 기후조건에서 2ºC와 4ºC 증가할 것으로 가정하였다.
제안 방법
2017년에는 강릉과 대관령 2개 지역에서 파종일, 출현기, 괴경형성기, 개화기, 수확기를 이용하였으며, 출현기 이후 일주일에 한번씩 식물체 생체중, 식물체 건중, 엽면적지수, 엽수, 괴경 생체중, 괴경 건중을 조사하여 생육자료로 활용하였다. 각 조사항목은 포장의 가장자리를 제외하고 생육하고 있는 감자에서 각 10개체씩 조사, 평균치를 사용하였다. 조사한 생육자료는 Table 1과 Table 2에 나타내었다.
국내에서 가장 흔하게 재배되고 있는 감자품종인 수미에 대한 품종모수가 DSSAT프로그램에 내재되어 있지 않기 때문에 2016-2017년 실제 생육조사를 통해 얻은 자료로 하부모듈인 GenClac 프로그램에서 수미품종의 품종모수를 추측하였으며, 총 5개 지역 39개의 지역적응시험 성적자료를 이용하여 추측된 품종모수를 검증하였다.
분석한 시험포장의 토양자료는 Table 3과 같다. 이와 같은 방식으로 얻은 각각의 작물 생육자료, 기상자료, 토양자료를 입력하여, GenCalc 프로그램을 이용, 수미품종의 품종모수(G2, G3, PD, P2, TC)를 추정하였다.
토양은 각 지역 포장의 경운작업 전에 포스트 홀 핸드 오거(auger, 6987 ZG Giesbeek, Netherlands)를 이용하여 0 cm-5 cm 깊이의 표토를 동일 포장의 5지점에서 채취하여 골고루 섞어주었다. 채취한 시료는 48시간 이상 음건한 후 2 mm 체로 쳐서 분석하였으며, 분석항목은 토성, pH, 유기물함량, 유효인산(Av. P2O5), 치환성 양이온(K, Ca, Mg), EC 등 이다. 토성은 비중계법으로 분석하였고, 토양 양분은 농업과학기술원 토양 및 식물체 분석법(NIAST, 2002)에 준하여 측정하였다.
추정된 품종모수의 정확성을 검증하기 위해 DSSAT 프로그램에 우리나라 5개 지역인 나주(2011-2017), 무안(2011-2017), 청주(2011-2017), 강릉(2009-2017), 대관령(2009-2017)의 감자 신품종 지역적응시험 성적의 수미품종 수량자료를 입력하고 추정된 품종모수에 의해 모형을 구동한 후 총 39개의 모의된 추정치와 실측치의 자료를 비교하였다. 이때 무안과 나주는 주변에 기상대가 없어서 각각 목포기상대와 광주기상대에서 관측한 자료를 이용하였으며, 토양정보는 기본값을 사용하였다.
생육자료는 청주, 강릉, 대관령 3개 지역에서 2010년부터 2015년까지 농촌진흥청 국립식량과학원에서 수행한 감자 신품종 지역적응 시험 자료의 수미품종의 수량성적과 2016년은 청주, 강릉, 대관령 3개 지역에서 파종일과 감자의 주요 생육시기인 출현기, 개화기, 수확기를 이용하였으며, 출현기 이후 2주에 한번씩 식물체 생체중, 식물체건중, 엽면적지수, 엽수, 그리고 수확기에는 총 수량과 건물중을 주요 생육자료로 활용하였다. 2017년에는 강릉과 대관령 2개 지역에서 파종일, 출현기, 괴경형성기, 개화기, 수확기를 이용하였으며, 출현기 이후 일주일에 한번씩 식물체 생체중, 식물체 건중, 엽면적지수, 엽수, 괴경 생체중, 괴경 건중을 조사하여 생육자료로 활용하였다. 각 조사항목은 포장의 가장자리를 제외하고 생육하고 있는 감자에서 각 10개체씩 조사, 평균치를 사용하였다.
기상자료는 기상청 국가기후데이터센터(http://sts.kma.go.kr)에서 청주기상대, 강릉 기상청, 대관령 기상대에서 수집한 최고기온, 최저기온, 강수량, 일사량을 2010년 1월 1일부터 2017년 8월 30일까지 일 별로 수집하여 이용하였다.
각 지표의 값을 추정하기 위해서는 생육자료, 기상자료, 그리고 토양자료가 필요하다. 생육자료는 청주, 강릉, 대관령 3개 지역에서 2010년부터 2015년까지 농촌진흥청 국립식량과학원에서 수행한 감자 신품종 지역적응 시험 자료의 수미품종의 수량성적과 2016년은 청주, 강릉, 대관령 3개 지역에서 파종일과 감자의 주요 생육시기인 출현기, 개화기, 수확기를 이용하였으며, 출현기 이후 2주에 한번씩 식물체 생체중, 식물체건중, 엽면적지수, 엽수, 그리고 수확기에는 총 수량과 건물중을 주요 생육자료로 활용하였다. 2017년에는 강릉과 대관령 2개 지역에서 파종일, 출현기, 괴경형성기, 개화기, 수확기를 이용하였으며, 출현기 이후 일주일에 한번씩 식물체 생체중, 식물체 건중, 엽면적지수, 엽수, 괴경 생체중, 괴경 건중을 조사하여 생육자료로 활용하였다.
추정된 품종모수의 정확성을 검증하기 위해 DSSAT 프로그램에 우리나라 5개 지역인 나주(2011-2017), 무안(2011-2017), 청주(2011-2017), 강릉(2009-2017), 대관령(2009-2017)의 감자 신품종 지역적응시험 성적의 수미품종 수량자료를 입력하고 추정된 품종모수에 의해 모형을 구동한 후 총 39개의 모의된 추정치와 실측치의 자료를 비교하였다. 이때 무안과 나주는 주변에 기상대가 없어서 각각 목포기상대와 광주기상대에서 관측한 자료를 이용하였으며, 토양정보는 기본값을 사용하였다. 품종모수에 대한 오차 평균은 추정치와 관측치의 차를 제곱한 값의 총합의 제곱근을 총 관측개수인 39로 나누어서 그 값을 구하였다.
kr)에서 청주기상대, 강릉 기상청, 대관령 기상대에서 수집한 최고기온, 최저기온, 강수량, 일사량을 2010년 1월 1일부터 2017년 8월 30일까지 일 별로 수집하여 이용하였다. 토양은 각 지역 포장의 경운작업 전에 포스트 홀 핸드 오거(auger, 6987 ZG Giesbeek, Netherlands)를 이용하여 0 cm-5 cm 깊이의 표토를 동일 포장의 5지점에서 채취하여 골고루 섞어주었다. 채취한 시료는 48시간 이상 음건한 후 2 mm 체로 쳐서 분석하였으며, 분석항목은 토성, pH, 유기물함량, 유효인산(Av.
이론/모형
Fig 1. The differences between simulated and measured yield using DSSAT-SUBSTOR model.
pH와 EC는 초자전극법, 유기물함량은 CN분석기(Vario Max Cube elementar, German)를 이용하여 탄소함량을 측정한 후 환산하였고, 유효인산함량은 Lancaster 방법에 따라 UV 720 nm(UV/VIS spectrometer, Lambda 25, Perkinelmer Co., Norwalk, CT, USA)에서 측정하였다.
P2O5), 치환성 양이온(K, Ca, Mg), EC 등 이다. 토성은 비중계법으로 분석하였고, 토양 양분은 농업과학기술원 토양 및 식물체 분석법(NIAST, 2002)에 준하여 측정하였다. pH와 EC는 초자전극법, 유기물함량은 CN분석기(Vario Max Cube elementar, German)를 이용하여 탄소함량을 측정한 후 환산하였고, 유효인산함량은 Lancaster 방법에 따라 UV 720 nm(UV/VIS spectrometer, Lambda 25, Perkinelmer Co.
성능/효과
국내에서 가장 흔하게 재배되고 있는 감자품종인 수미에 대한 품종모수가 DSSAT프로그램에 내재되어 있지 않기 때문에 2016-2017년 실제 생육조사를 통해 얻은 자료로 하부모듈인 GenClac 프로그램에서 수미품종의 품종모수를 추측하였으며, 총 5개 지역 39개의 지역적응시험 성적자료를 이용하여 추측된 품종모수를 검증하였다. 검증된 품종모수로 RCP 8.5기후 시나리오조건에서 수미품종의 생산량예측을 수행한 결과 2010년대와 비교하여 2050년대에는 5개 지역 총 생산량이 26% 증가한 반면 2090년대에는 17% 감소하였다. 그러므로 기후변화에 대비하여 안정적인 감자 생산을 위해서는 고온에서의 재배와 관수와 관련된 연구가 중요할 것으로 생각된다.
국립식량과학원에서 수행한 5지역에서 39개의 수미감자 지역적응시험 성적자료와 추정된 품종모수를 DSSAT 모델에 적용하여 얻은 추정치를 비교한 결과, 완전히 일치하지는 않지만 초기가뭄으로 인해 괴경형성기 이전 생육초기에 강수량이 적었던 경우와 병해충 피해로 생육이 정상적으로 이루어지지 않은 경우를 제외하고는 전반적으로 실측된 값과 모의된 값이 비슷한 경향을 보였다(Fig. 1).
또한, 이산화탄소 농도의 경우, 2050년대와 2090년대에 각각 517ppm과 895ppm에 도달할 것으로 설정하였다 이러한 기상과 이산화탄소 농도 조건들을 DSSAT-SUBSTOR 모델에 적용하여 나주, 무안, 청주, 강릉, 대관령 등 5개 감자 생산 지역의 생산량을 전망하였다.
본 연구에서 추정된 수미품종의 품종모수를 이용하여 무안, 나주, 청주, 강릉, 대관령 5개 지역의 2050년대와 2090년대의 수미감자 수량을 DSSAT 모델을 이용하여 모의한 결과, 2010년대 5개지역 평균수량인 3300kg/10a와 비교해서 2050년대에는 26% 증가된 4152kg/10a, 2090년대에는 17% 감소된 2749kg/10a로 추정되었다(Fig. 2).
후속연구
5기후 시나리오조건에서 수미품종의 생산량예측을 수행한 결과 2010년대와 비교하여 2050년대에는 5개 지역 총 생산량이 26% 증가한 반면 2090년대에는 17% 감소하였다. 그러므로 기후변화에 대비하여 안정적인 감자 생산을 위해서는 고온에서의 재배와 관수와 관련된 연구가 중요할 것으로 생각된다.
1). 또한 2016년도 생육자료만을 이용한 것과 비교하여 2017년도 생육자료까지 포함하여 추정했을 때 실측치와 추정치의 평균오차가 약 13%정도 감소하였으므로(Table 4) 이후 수미품종에 대해 지속적으로 생육자료를 추가해 나간다면 보다 정확한 수미품종의 품종모수 추정이 가능할 것으로 생각된다.
질의응답
핵심어
질문
논문에서 추출한 답변
대표농도경로 중 어떤 시나리오를 사용하여 연구를 진행하였는가?
5 기후조건에서 수미품종의 생산량을 전망하고자 하였다. RCP 8.5 시나리오에 따르면 2010년대와 비교해서 2050년대에는 우리나라 평균기온이 2ºC 상승하며 CO2농도가 517ppm 수준으로 증가할 것으로 전망된다. 또한, 2090년대에는 기온이 4ºC 상승하고 CO2농도가 895ppm으로 증가할 것으로 전망된다.
감자란?
감자는 4대 식량작물로 옥수수, 벼, 밀 다음으로 많은 생산량을 보이는 주요 작물이다. 우리나라에서 감자 생산은 전체 생산량 중 3월 말에 파종하여 재배하는 봄 재배가 70% 이상을 차지하고 있으며, 여름에 고랭지에서 재배하는 여름 재배는 20% 가을 재배는 10%를 차지하고 있다(KREI, 2015).
우리나라에서 감자 생산량은 어떠한가?
감자는 4대 식량작물로 옥수수, 벼, 밀 다음으로 많은 생산량을 보이는 주요 작물이다. 우리나라에서 감자 생산은 전체 생산량 중 3월 말에 파종하여 재배하는 봄 재배가 70% 이상을 차지하고 있으며, 여름에 고랭지에서 재배하는 여름 재배는 20% 가을 재배는 10%를 차지하고 있다(KREI, 2015). 봄 여름 재배에서 전국적으로 재배되고 있는 대표 품종은 ‘수미’ 품종으로 전재배면적의 70%이상을 차지하고 있으며, 식용 및 칩가공용으로 이용되고 있다(Kim et al.
참고문헌 (22)
Adam M., L. G. J. Van Bussel, P. A. Leffelaar, H. Van Keulen, and F. Ewert, 2011: Effects of modelling detail on simulated potential crop yields under a wide range of climatic conditions. Ecological Modelling 222(1), 131-143.
Choi S.-J., A.-S. Lee, S.-J. Jeon, K.-D. Kim, M.-C. Seo, W.-S. Jung, J.-H. Maeng, and I.-J. Kim, 2014: Estimating the yield of potato non-mulched using climate elements. Korean Journal of Crop Science 59(1), 89-96. (in Korean with English abstract)
Cho Y.-S., H.-G. Park, W.-H. Kim, S.-D. Kim, J.-H. Seo, and J.-C. Shin, 2006: Growth and yield related characteristics of soybeans for the estimation of grain yield in upland and drained-paddy field. Korean Journal of Crop Science 51(7), 599-607. (in Korean with English abstract)
Daccache, A., E. K. Weatherhead, M. A. Stalham, and J. W. Knox, 2011: Impacts of climate change on irrigated potato production in a humid climate. Agricultural and Forest Meteorology 151(12), 1641-1653.
Fleisher, D. H., J. Barnaby, R. Sicher, J. P. Resop, D. J. Timlin, and V. R. Reddy, 2013: Effects of elevated $CO_2$ and cyclic drought on potato under varying radiation regimes. Agricultural and Forest Meteorology 171-172, 270-280.
Holden, N. M., A. J. Brereton, R. Fealy, and J. Sweeney, 2003: Possible change in Irish climate and its impact on barley and potato yield. Agricultural and Forest Meteorology 116(3-4), 181-196.
Fandika, I. R., P. D. Kemp, J. P. Millner, D. Horne, and N. Roskruge, 2016: Irrigation and nitrogen effects on tuber yield and water use efficiency of heritage and modern potato cultivars. Agricultural Water Management 170, 148-157.
IPCC (Intergovernmental Panel on Climate Change), 2011: IPCC Special Report on Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation
Jones, J. W., J. M. Antle, B. Basso, K. J. Boote, R. T. Conant, I. Foster, H. Charles, J. Godfray, M. Herrero, R. E. Howitt, S. Janssen, B. A. Keating, R. Munoz-Carpena, C. H. Porter, C. Rosenzweig, and T. R. Wheeler, 2016: Brief history of agricultural systems modeling. Agricultural Systems 155, 240-254.
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(3-4), 235-265.
Kim, D.-J., S.-O. Kim, K.-H. Moon, and J. I. Yun, 2012: An outlook on cereal grains production in South Korea based on crop growth simulation under the RCP 8.5 climate condition. Korean Journal of Agricultural and Forest Meteorology 14(3), 132-141. (in Korean with English abstract)
Kim, H. J., G. Y. Shin, H. M. Cho, G. S. Kim, S. Y. Kim, C. S. Park, and Y. I. Ham, 1999: The series of potato. Highland Agriculture Research Institute.
KEI (Korea Environment Institute), 2009: Economic Analysis of Climate Change in Korea.
KMA (Korea Meteorological Administration), 2012: The prospect report of the Korean Peninsula climate change.
KREI (Korea Rural Economic Institute), 2015: The trends of potato supply and demand and their implication. FTA Issue Report 11.
Lee, A.-S., S.-J. Choi, S.-J. Jeon, J.-H. Maeng, J.-H. Kim, and I.-J. Kim, 2016: Estimating the yield of marketable potato of mulch culture using climate elements. Korean Journal of Crop Science 61(1), 70-77. (in Korean with English abstract)
Lee, C. K., J. W. Kim, J. Y. Shon, W. H. Yang, Y. H. Yoon, K. J. Choi, and K. S. Kim, 2012: Impacts of climate change on rice production and adaptation method in Korea as evaluated by simulation study. Korean Journal of Agricultural and Forest Meteorology 14(4), 207-221. (in Korean with English abstract)
Raymundo, R., S. Asseng, D. Cammarano, and R. Quiroz, 2014: Potato, sweet potato, and yam models for climate change: A review. Field Crops Research 166, 173-185.
Raymundo, R., S. Asseng, R. Prassad, U. Kleinwechter, J. Concha, B. Condori, W. Bowen, J. Wolf, J. E. Olesen, Q. Dong, L. Zotarelli, M. Gastelo, A. Alva, M. Travasso, R. Quiroz, V. Arora, W. Graham, and C. Porter, 2017: Performance of the SUBSTOR-potato model across contrasting growing conditions. Field Crops Research 202, 57-76.
Roberto, C., F. Orando, L. Paleari, T. Stella, C. Gilardelli, E. Movedi, V. Pagani, G. Cappelli, A. Vertemara, L. Alberti, P. Alberti, S. Atanassiu, M. Bonaiti, G. Cappelletti, M. Ceruti, A. Confalonieri, G. Corgatelli, P. Corti, and M. Acutis, 2016: Uncertainty in crop model predictions: What is the role of users? Environmental Modelling & Software 81, 165-173.
Song, Y., C.-H. Lim, W.-K. Lee, K.-C. Eom, S.-E Choi, E. J. Lee, and E. Kim, 2014: Applicability analysis of major crop models on Korea for the adaptation to climate change. Journal of Climate Change Research 5(2), 109-125. (in Korean with English abstract)
Stastna, M., F. Toman, and J. Dufkova, 2010: Usage of SUBSTOR model in potato yield prediction. Agricultural Water Management 97(2), 286-290.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.