[논문]벼 작물생육모형 국내 도입 활용과 앞으로의 연구 방향

김준환; 상완규; 신평; 백재경; 조정일; 서명철

doi:10.5532/kjafm.2019.21.3.167

벼 작물생육모형 국내 도입 활용과 앞으로의 연구 방향
History and Future Direction for the Development of Rice Growth Models in Korea 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.21 no.3, 2019년, pp.167 - 174

김준환 (농촌진흥청 국립식량과학원 작물재배생리과) , 상완규 (농촌진흥청 국립식량과학원 작물재배생리과) , 신평 (농촌진흥청 국립식량과학원 작물재배생리과) , 백재경 (농촌진흥청 국립식량과학원 작물재배생리과) , 조정일 (농촌진흥청 국립식량과학원 작물재배생리과) , 서명철 (농촌진흥청 국립식량과학원 작물재배생리과)

초록
AI-Helper

작물 생육모형은 기존의 경험적 작물모형과는 달리 벼의 생장과정을 모의 할 수 있는 장점이 있다. 이러한 작물생육 모형들은 80년대 후반부터 적극적으로 국내도입이 이루어 졌다. 유럽에서 개발된 MACROS로 부터 시작하여 이후 Oryza1 및 Oryza2000 모형과 북미에서 개발된 DSSAT 계열의 모형인 CERES-RICE 모형을 도입하게 되었다. 각각의 모형들은 최초에는 단순히 품종수 적합 후 특정지역에의 수량을 모의하는데 활용되었으나 2000년대에 이르러서는 국내에 적합한 작물모형으로 발전시킬 수 있는 단계에 이르게 되었다. 그러나, 작물생육모형을 기후변화 영향평가를 위한 용도로 주로 사용하였고 실용적인 수준에서의 활용은 미미하였다. 일부 농가 적용을 위한 시도가 있었으나 널리 활용되지는 못하였다. 이러한 활용상의 문제점은 기상자료의 공간해상도가 문제가 가장 크며, 그 다음으로는 각 지역별이 품종에 대한 품종모수 자료가 부족하기 때문이다. 이러한 활용상의 문제점을 극복하기 위해서는 기상관측의 공간해상력을 높이기 위한 관측소의 확대 또는 공간 내삽법이 필요할 것으로 생각된다. 또한 신품종이 일정 재배면적 이상 확대될 경우 이에 대해 품종모수를 적합할 제도적 기술적 방법이 필요하다. 작물모형의 활용 확대를 위해서는 기상 또는 토양 분야와도 연결이 필요하다. 이를 위해서는 군락의 증산 속도와 토양모형에 정보가 필요하며 이는 군락 광합성 관련 부분과 토양 특성에 대해서 새로운 접근이 필요함을 의미한다.

Abstract ▼ AI-Helper

A process-oriented crop growth model can simulate the biophysical process of rice under diverse environmental and management conditions, which would make it more versatile than an empirical crop model. In the present study, we examined chronology and background of the development of the rice growth models in Korea, which would provide insights on the needs for improvement of the models. The rice crop growth models were introduced in Korea in the late 80s. Until 2000s, these crop models have been used to simulate the yield in a specific area in Korea. Since then, improvement of crop growth models has been made to take into account biological characteristics of rice growth and development in more detail. Still, the use of the crop growth models has been limited to the assessment of climate change impact on crop production. Efforts have been made to apply the crop growth model, e.g., the CERES-Rice model, to develop decision support system for crop management at a farm level. However, the decision support system based on a crop growth model was attractive to a small number of stakeholders most likely due to scarcity of on-site weather data and reliable parameter sets for cultivars grown in Korea. The wide use of the crop growth models would be facilitated by approaches to extend spatial availability of reliable weather data, which could be either measured on-site or estimates using spatial interpolation. New approaches for calibration of cultivar parameters for new cultivars would also help lower hurdles to crop growth models.

주제어

표/그림 (5)

그림 Fig. 1. Schematic diagram of an empirical model (a) and a process-oriented crop growth model(b).
표 Table 1. Phenological and growth parameters of the Oryza2000 model
표 Table 2. Genetic coefficient of the CERES-RICE model
표 Table 3. Application of rice crop growth models in South Korea
그림 Fig. 2. Schematic processes of decision support at a farm level using crop growth models.

AI 본문요약
AI-Helper

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

문제 정의

특히, 해외에서 개발되어온 작물 모형을 국내에 도입하여 활용된 사례와 이러한 연구 결과들을 기반으로 작물 모형을 개선하기 위한 노력들에 대한 조명을 하고자 하였다. 또한, 앞으로 스마트팜 관련 기술들의 폭넓은 도입을 위해 작물 모형들의 개발 및 활용에 요구되는 사항들을 제시하고자 하였다.
본 논문에서는 작물모형에 대한 이해도와 활용도를 넓히기 위해, 국내 벼 작물 생육모형의 도입 및 개발사를 돌아보고 앞으로 연구 방향에 논의해 보고자 한다. 특히, 해외에서 개발되어온 작물 모형을 국내에 도입하여 활용된 사례와 이러한 연구 결과들을 기반으로 작물 모형을 개선하기 위한 노력들에 대한 조명을 하고자 하였다.
신품종의 경우 우선 calibration을 할 수 있는 충분 한 자료가 존재한다면 정확한 품종 모수를 얻어내고 그렇지 않더라도 저품질 자료로 품종모수를 얻어 모의 한후 주어진 지역의 표준품종(example variety)의 품 종 모수를 이용하여 동일한 모의를 한후 각각의 값을 사용자에게 제시하는 것이다. 이 경우 표준 품종에 대한 품종모수 DB가 필요하지만 지역별로 이들 품종수는 한정되어 있다(농촌진흥청, 2016).
본 논문에서는 작물모형에 대한 이해도와 활용도를 넓히기 위해, 국내 벼 작물 생육모형의 도입 및 개발사를 돌아보고 앞으로 연구 방향에 논의해 보고자 한다. 특히, 해외에서 개발되어온 작물 모형을 국내에 도입하여 활용된 사례와 이러한 연구 결과들을 기반으로 작물 모형을 개선하기 위한 노력들에 대한 조명을 하고자 하였다. 또한, 앞으로 스마트팜 관련 기술들의 폭넓은 도입을 위해 작물 모형들의 개발 및 활용에 요구되는 사항들을 제시하고자 하였다.

이론/모형

그러나, 그 이후 독립적인 벼 생육모형의 개발은 이루어지지는 않았다. 벼 모형 중 일본의 Horie (1993)에 의해 개발된 SIMRIW (Simulation Model for Rice Weather relation)의 도입이 시도되었고 인공호수 생성에 따른 농경지 잠재생산성 영향평가에 사용하였다 (Lim et al., 1997). 그러나, 국내에서는 SIMRIW와 관련된 지속적인 연구가 이루어지지 못하였다.

후속연구

, 2017). 따라서 유전적 특성을 작물모형의 표현형과 연결시킬 수 있다면 이러한 품종 별 집단화가 가능할 것으로 보인다. 특히, High Throughput Phenotyping이 확산되고 있다는 점을 고려할 때, 국내에서도 이러한 시도가 필요하다.
이 모형은 농가에 실질적인 적용을 목표로 하였으며 농가에 시비 처방 등 영농정보를 제공하기 위한 시스템의 일부로서 개발된 것이다. 따라서 향후 노지 스마트팜 연구를 위해서 선 행 연구로서 검토할 가치가 있을 것으로 사료된다. Chung et al.
, 2012). 또한, 이러한 문제점 파악 및 재배적 조치의 개선은 스마트팜에서 양분 및 관개량을 제어할 수 있는 알고리즘을 구축하기 위해 활용 될 수 있다. 따라서, 작물생육모형은 농업 부분 4차 산업혁명의 중요한 기술 요소가 될 수 있을 것이다.
최근 농업부분에서도 4차 산업혁명 기술의 도입과 함께 자동화 및 지능화가 절실한 상황인 만큼 농업 이외의 분야와의 협업을 통해 이러한 문제점들을 극복하는 것이 시급하다. 또한, 작물모형을 활용하는 것을 어렵게 하는 장애요인들을 제거하기 위한 연구들을 확대하여 작물모형이 확산될 수 있도록 노력하여야 할 것이다.
토양 비옥도와 관련한 요 소는 작황예측보다는 실제로 농가 수준에서 스마트팜을 운영할 때 문제가 될 수 있기 때문에 토양 모수의 추정을 위한 연구 또는 토양의 양분과 수분관련 연구가 더 진행될 필요가 있다. 이 경우 군락내의 수분 이동과 연관되어 질 수 있기 때문에 군락 광합성 및 증산에 대한 연구가 추가적으로 진행되어야 할 것 이다. 지금까지는 작물모형을 활용한 기후변화 영향평가가 주로 되어 토양특성에 대한 고려가 낮았지만 토양 특성에 따라 동일 기상조건에서도 수량반응이 차이가 발생할 만큼 중요한 요인이 될 수 있기 때문에 지속 적인 연구가 필요하다(Sang et al.
Oryza2000 모형의 경우 도입에서 작황예측 활용까지 20년 가까운 노력이 필요하였다. 이러한 노력에는 앞서 설명한 바와 같이 단순한 품종모수의 calibration에 서부터 추가되거나 개선되야할 모듈들의 개발이 필요하다. 그러나 모형의 개선이 이루어진다 하더라도 곧 바로 실제 작황 예측에 활용되거나 스마트팜에 적용되기 어렵다.
이를 다양한 농업 분야에서 실용적으로 활용하기 위해서는 여러 장애 요소가 존재하며, 이러한 요소가 극복될 경우, 작물모형의 폭넓은 활용이 기대된다. Oryza2000 모형의 경우 도입에서 작황예측 활용까지 20년 가까운 노력이 필요하였다.
따라서, 새로운 지역에서 정확한 모형 예측값을 얻기 위해, 토양 비옥도 관련 요소를 조절하기 위한 다년간의 예비 시험 자료가 필요하다. 토양 비옥도와 관련한 요 소는 작황예측보다는 실제로 농가 수준에서 스마트팜을 운영할 때 문제가 될 수 있기 때문에 토양 모수의 추정을 위한 연구 또는 토양의 양분과 수분관련 연구가 더 진행될 필요가 있다. 이 경우 군락내의 수분 이동과 연관되어 질 수 있기 때문에 군락 광합성 및 증산에 대한 연구가 추가적으로 진행되어야 할 것 이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	경험모형이란?	기후변화에 따른 작물의 생산량 변동을 예측하거나 당해년도의 작황을 예측하기 위해 기상요소 자료와 생산량 자료와의 관계식에 기반한 경험모형(empirical model)이 사용되어 왔다(한 등, 2011; Kim et al., 2017a; Kim et al.
	작물모형의 활용 확대를 위해서는 기상 또 는 토양 분야와도 연결을 위해 필요한 것은?	작물모형의 활용 확대를 위해서는 기상 또 는 토양 분야와도 연결이 필요하다. 이를 위해서는 군 락의 증산 속도와 토양모형에 정보가 필요하며 이는 군락 광합성 관련 부분과 토양 특성에 대해서 새로운 접근이 필요함을 의미한다.
	작물 생육모형의 장점은?	작물 생육모형은 기존의 경험적 작물모형과는 달리 벼의 생장과정을 모의 할 수 있는 장점이 있다. 이러한 작물생육 모형들은 80년대 후반부터 적극적으로 국내도입이 이루어 졌다.

참고문헌 (43)

농업기술연구소, 1989: 벼군락내 미세기상환경과 물질생산 모형 연구. 81-96.
농촌진흥청, 2002: 벼농사 정밀 재배관리 전문가 시스템 개발.
농촌진흥청, 2016: 2015년도 하계작물 신품종개발공동연구 보고서.
작물시험장, 1989: 벼 생육 및 수량 진단 모형 개발. 596-605, 818-823, 860-861.
작물시험장, 1990: 벼 생육 및 수량 진단 모형 개발. 540-550.
작물시험장, 1991: 벼 생육 및 수량 진단 모형 개발 746-747.
한석호, 이병훈, 박미성, 승준호, 양현석, 시성철, 2011: 기상요인을 고려한 단순예측 모형 개발 연구, 정책연구보고서 P152, 한국농촌경제연구원.
Basso, B., D. Cammarano, and E. Carfagna, 2013: Review of crop yield forecasting methods and early warning systems. In Proceedings of the first meeting of the scientific advisory committee of the global strategy to improve agricultural and rural statistics, FAO Headquaters, Rome, Italy, 18-19.
Bouman, B. M., H. van Keulen, H. H. van Laar, and R. Rabbinge 1996: The 'School of de Wit' crop growth simulation models: A pedigree and historical overview. Agricultural Systems 52, 171-198.

상세보기
Bouman, B. M. J. Kropff, T. P. Tung, M. Woperesis, H. ten Berge, and H. H. van Laar, 2001: Oryza2000: Modeling lowland rice. IRRI, Manilla, Philippines.
Cho, K. S., and J. Yun, 1999: Regional crop evaluation and yield forecast of paddy rice based on daily weather observation. Korean Journal of Agriculture and Forest Meteorology 1(1), 12-19.
Chung, U., K. S. Cho, and B. Lee, 2006: Evaluation of site-specific potential for rice production in Korea under the changing climate. Korean Journal of Agriculture and Forest Meteorology 8(4), 229-241.
Dingkuhn, M., 2017: Crop-model assisted phenomics and genome-wide association study for climate adaptation of indica rice. 2. Thermal stress and spikelet sterility. Journal of Experimental Botany 68(15), 4389-4406.

상세보기
Godwin, D., U. Singh, J. T. Ritchie, and E. C. Alcocija, 1992: A user guide to CERES-RICE, International Fertilizer Development Center, Muscle Shoals, AL, USA.
Horie, T., 1993: Predicting the effects of climatic variation and elevated CO2 on rice yield in Japan. Journal of Agricultural Meteorology 48(5), 567-574.

상세보기
Hyun, S., and K. S. Kim, 2017: Estimating of heading date for rice cultivars using Oryza(V3). Korean Journal of Agriculture and Forest Meteorology 19, 246-251.
Hyun, S., and K. S. Kim, 2019: Calibration of cultivar parameters for cv. Shindongjin for a rice growth model using the observation data in a low quality. Korean Journal of Agriculture and Forest Meteorology 21, 42-54.
Jame, Y. W., and H. W. Cutforth, 1996: Crop growth models for decision support systems. Canadian Journal of Plant Science 76, 9-19.

상세보기
Jeong, H., C. Kim, and D. Moon, 2013: Impact of abnormal weather factors on rice production. Climate Change Research 4, 317-330.
Jeong, J. H., J. P. Resop, N. D. Mueller, D. H. Fleisher, K. Yun, E. E. Butler, D. J. Timlin, K. M. Shim, J. S. Gerber, V. R. Reddy, and S. H. Kim, 2016: Random forests for global and regional crop yield predictions. PLoS One 11(6):e0156571. doi:10.1371/journal.pone.0156571.

상세보기
Jones, J. W., J. M.Antle, B. Basso, K. J.Boote, R. T.Conant, I. Foster, H. C. J. Godfray, M. Herrero, R. E. Howitt, S. Janssen, B. A. Keating, R. lMunoz-Carpena, C. H. Porter, C. Rosenzweig, T. R.Wheeler, 2017: Brief history of agricultural systems modeling. Agricultural Systems 155, 240-254.

상세보기
Kim, D., S. Kim, K. 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 Agriculture and Forest Meteorology 14(3), 132-141.

원문보기 상세보기
Kim, H., J. Ko, S. Kang, and J. Tenhunen, 2013: Impact of climate change on paddy rice yield in a temperate climate. Global Change Biology 19, 548-562.

상세보기
Kim, J., W. Sang, H. Shin, H. Cho, M. Seo, B. Yoo, and K. Kim, 2015: Evaluation of regional climate scenario data for impact assessment of climate change on rice productivity in Korea. Journal of Crop Science and Biotechnology 18, 257-264.

상세보기
Kim, J., C. K. Lee, W. Sang, H. Shin, H. Cho, and M. Seo, 2017a: Introduction to empirical approach to estimate rice yield and comparison with remote sensing approach. Korean Journal of Remote Sensing 33, 737- 740.
Kim, J., W. Sang, H. Shin, H. Cho, and M. Seo, 2017b: A meteorological analysis on high rice yield in 2015 in South Korea. Korean Journal of Agriculture and Forest Meteorology 19, 54-61.
Kim, S. K., H. J. Lee, H. S. Lee, B. Mun, and S. G. Lee, 2017c: Effect of soil water content on growth, photosynthetic rate, and stomatal conductance of Kimchi Cabbage at the early growth stage after Transplanting. Protected Horticulture and Plant Factory 26, 151-157.

원문보기 상세보기
Kim, J., W. Sang, H. Shin, H. Cho, and M. Seo, 2018a: Calibration of crop growth model CERES-MAIZE with yield trial data. Korean Journal of Agriculture and Forest Meteorology 20, 227-283.
Kim, K. S., S.-O. Kim, J. H. Kim, K. H. Moon, J. H. Shin, and J. Cho, 2018b: Development and application of crop models in Korea. Korean Journal of Agriculture and Forest Meteorology 20, 145-148.
Kim, J., J. Lee, W. Sang, H. Shin, H. Cho, and M. Seo, 2019: Rice yield prediction in South Korea by using random forest. Korean Journal of Agriculture and Forest Meteorology 21, 75-84.
Kropff, M. J., H. H. van Laar, and R. B. Matthews, 1995: The Oryza1 model for potential production of rice.
Lee, C. K., J. Kim, J. Shon, W. Yang, Y. Yoon, K. Choi, and K. Kim, 2012: Impacts of climate change on rice production and adaptation method in Korea as evaluated by simulation study. Korean Journal of Agriculture and forest Meteorology 14, 207-221.

원문보기 상세보기
Lee, C. K., K. S. Kwak, J. H. Kim, J. H. Shon, and W. H. Yang, 2011: Impacts of climate change and follow-up cropping season shift on growing period and growing temperature in different rice maturity types. Korean Journal of Crop Science 56, 223-243.
Lim, J. T., J. I. Yun, and B. S. Kwon, 1997: Change in potential productivity of rice around lake Juam due to construction of dam by SIMRIW. Korean Journal of Crop Science 46(2), 729-738.
Moon, K. H., E. Y. Song, S. H. Wi, and S. Oh, 2018: Development of a Chinese cabbage model using Microsoft Excel/VBA. Korean Journal of Agriculture and forest Meteorology 20, 228-232.
Nguyen, D., K. Lee, D. Kim, N. T. Anh, and B. Lee, 2014: Modeling and validation of high-temperature induced spikelets sterility in rice. Field crop research 156, 293-302.

상세보기
Penning de Vries, F. W. T., D. M. Jansen, H. H. M. ten Berge, and A. H. Bakema, 1988: Simulation of ecophysiological processes in growth of several annual crops. The international Rice Research Institute.
Park, D., R. Cui, and B. Lee, 2002: Relationship of spikelets number with nitrogen content, biomass and nonstructural carbohydrate accumulation during reproductive stage of rice. Korean Journal of Crop Science 47, 486-491.
Peart, R. M., and W. D. Shoup, 2018: Agricultural Systems Modeling and Simulation. CRC press.
Sang, W., J. Kim, P. Shin, H. Cho, M. C Seo, and G. Lee, 2017: A study on grain yield response and limitations of CERES-Barley model according to soil types. Korean Journal of Soil Science and Fertilizer 50, 509-519.

원문보기 상세보기
Shin, J. C., and M. H. Lee, 1995: Rice production in South Korea under current and future climates. Modeling the impact of climate change on rice production in ASIA. Cab international, UK, 199-214.
Yun, J., 1990: Analysis of the climatic impact on Korean rice production under the carbon dioxide scenario, Asia-Pacific Journal of Atmospheric Sciences 26(4), 263-742.
Yun, J., 2003: Prediction regional rice production in South Korea using spatial data and crop-growth modeling. Agricultural Systems 77, 23-38.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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