[논문]4차 산업혁명 기술에 기반한 농업 기상 정보 시스템의 요구도 분석

김광수; 유병현; 현신우; 강대균

doi:10.5532/kjafm.2019.21.3.175

[국내논문] 4차 산업혁명 기술에 기반한 농업 기상 정보 시스템의 요구도 분석
Requirement Analysis for Agricultural Meteorology Information Service Systems based on the Fourth Industrial Revolution Technologies 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.21 no.3, 2019년, pp.175 - 186

김광수 (서울대학교 식물생산과학부) , 유병현 (서울대학교 식물생산과학부) , 현신우 (서울대학교 식물생산과학부) , 강대균 (서울대학교 협동과정 농림기상학)

초록
AI-Helper

기상 및 기후 정보를 활용하여 기후변화에 대응하기 위한 기후 스마트 농업을 도입하기 위한 노력이 진행되어 왔다. 기후 스마트 농업을 실현하기 위해 농가별 기상자료 수집 및 관리가 요구된다. 4차 산업혁명 시대의 주요한 기술인 IoT, 인공지능, 및 클라우드 컴퓨팅 기술들이 농가 단위의 기상정보 생산에 적극적으로 활용될 수 있다. 저비용과 저전력 특성을 가진 IoT 센서들로 무선 센서 네트워크를 구축할 경우, 농가나 농촌 공동체 수준에서 농업 생태계의 생산성을 파악할 수 있는 기상관측자료의 수집 및 분석이 가능하다. 무선 센서 네트워크를 통해 자료가 수집될 수 있는 공간적인 범위를 특정 농가보다는 농촌 공동체 수준으로 확대하여 IoT 기술의 수혜 농가를 확대하고, 아울러 상세기상정보의 생산 및 검증에 활용가능한 농업기상 빅데이터 구축이 필요하다. 기존에 개발되어 보급되고 있는 전자기후도를 활용하여, 농가 단위의 기상 추정 자료가 제공되고 있다. 이들 자료의 신뢰성을 향상시키고, 기존의 서비스 체계에서 제공되지 않고 있는 기상 변수들을 지원하기 위해 심층신경망과 같은 인공지능 기술들이 도입되어야 할 것이다. 시스템 구축의 비용 절감 및 활용성 증대를 위해 클라우드 및 포그 컴퓨팅 기술을 도입하여 농업 기상 정보 서비스 시스템이 설계되어야 한다. 또한, 기상자료와 농산물 가격 정보와 같은 환경자료와 경영정보를 동시에 제공할 수 있는 정보 시스템을 구축하여 활용도가 높은 농업 기상 서비스 시스템이 구축되어야 할 것이다. 이와 함께, 농업인 뿐만 아니라 소비자까지도 고려된 모바일 어플리케이션의 설계 및 개발을 통해, 4차 산업혁명의 주요 기술들이 농업 분야에서 확산될 수 있도록 지속적인 노력이 필요하다. 이러한 정보 시스템은 농업 분야 이해당사자에게 수요자 맞춤형 농림기상정보를 제공하여 기후스마트 농업 관련 기술의 개발과 도입을 촉진시킬 수 있을 것이다.

Abstract ▼ AI-Helper

Efforts have been made to introduce the climate smart agriculture (CSA) for adaptation to future climate conditions, which would require collection and management of site specific meteorological data. The objectives of this study were to identify requirements for construction of agricultural meteorology information service system (AMISS) using technologies that lead to the fourth industrial revolution, e.g., internet of things (IoT), artificial intelligence, and cloud computing. The IoT sensors that require low cost and low operating current would be useful to organize wireless sensor network (WSN) for collection and analysis of weather measurement data, which would help assessment of productivity for an agricultural ecosystem. It would be recommended to extend the spatial extent of the WSN to a rural community, which would benefit a greater number of farms. It is preferred to create the big data for agricultural meteorology in order to produce and evaluate the site specific data in rural areas. The digital climate map can be improved using artificial intelligence such as deep neural networks. Furthermore, cloud computing and fog computing would help reduce costs and enhance the user experience of the AMISS. In addition, it would be advantageous to combine environmental data and farm management data, e.g., price data for the produce of interest. It would also be needed to develop a mobile application whose user interface could meet the needs of stakeholders. These fourth industrial revolution technologies would facilitate the development of the AMISS and wide application of the CSA.

Keyword

표/그림 (2)

그림 Fig. 1. A schematic diagram of an agricultural meteorology information service system using the fourth industrial revolution technologies. The information service system consists of multiple layers for collection, transfer, management of data. Information is also created and distributed using components of the system. KMA and RDA indicate databases operated by Korea Meteorology Administration and Rural Development Administration, respectively. WSN represents wireless sensor networks. LoRa represents the Long Range wireless data transfer protocol. Info indicates information.
표 Table 1. List of sensors to measure weather variables for IoT devices

AI 본문요약
AI-Helper

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

문제 정의

이와 더불어, 다량의 자료를 효율적으로 처리하기 위한 클라우드 컴퓨팅 시스템들이 보편화되고 있다. 본 연구에서는 이러한 기술들을 기반으로 농가단 위에서 기상자료를 수집 및 활용하기 위한 시스템을 고찰하고, 농업 분야에서 4차 산업혁명기술의 도입에 대한 논의를 촉진하고자 하였다. 특히, 관련 문헌들을 중심으로 현장에서 실현할 수 있도록 하는 요소 기술과 앞으로 개발되어야 할 기상정보 서비스 시스템의 활용 체계에 대해 분석하고자 하였다.
본 연구에서는 이러한 기술들을 기반으로 농가단 위에서 기상자료를 수집 및 활용하기 위한 시스템을 고찰하고, 농업 분야에서 4차 산업혁명기술의 도입에 대한 논의를 촉진하고자 하였다. 특히, 관련 문헌들을 중심으로 현장에서 실현할 수 있도록 하는 요소 기술과 앞으로 개발되어야 할 기상정보 서비스 시스템의 활용 체계에 대해 분석하고자 하였다. 이를 통해, 전국 적인 농업 생태계 관측망을 기반으로 농가 단위의 수요자 맞춤형 기상정보 시스템을 구축하기 위한 요구도를 제시할 수 있을 것이다.

후속연구

특히, 관련 문헌들을 중심으로 현장에서 실현할 수 있도록 하는 요소 기술과 앞으로 개발되어야 할 기상정보 서비스 시스템의 활용 체계에 대해 분석하고자 하였다. 이를 통해, 전국 적인 농업 생태계 관측망을 기반으로 농가 단위의 수요자 맞춤형 기상정보 시스템을 구축하기 위한 요구도를 제시할 수 있을 것이다. 또한, 농가단위에서 영농관련 의사결정을 지원하기 위한 기상 정보 시스템을 구축할 수 있도록 기여할 수 있을 것이다.
이를 통해, 전국 적인 농업 생태계 관측망을 기반으로 농가 단위의 수요자 맞춤형 기상정보 시스템을 구축하기 위한 요구도를 제시할 수 있을 것이다. 또한, 농가단위에서 영농관련 의사결정을 지원하기 위한 기상 정보 시스템을 구축할 수 있도록 기여할 수 있을 것이다.
따라서, 농가의 기상 여건을 반영한 의사결정 지원을 위해 필지별로 관측시스템을 구축하는 것이 유리할 것이다. 다만, 농가별 기상관측을 위해 설치 및 운영 비용을 최소화할 수 있는 시스템이 필요하며, IoT 기기들이 이러한 조건을 만족시킬 수 있을 것으로 기대된다.
, 2016). 따라서, 가용도가 높은 기상 변수들을 사용하여 일사량과 같은 기상변수를 추정하기 위해 심층신경 망에 기반한 모형들의 개발 및 검증이 진행되어야 할 것으로 보인다. 예를 들어, Kang et al.
농가별로 설치되는 센서들은 국제적인 설치 표준을 만족시키는 수준에서 설치되지 않았을 가능성이 높다. 따라서, 무선 센서 네트워크로부터 관측된 값들에 대한 비교 검증을 통해 관측값들의 불확도를 최소화할 수 있는 방안이 마련되어야 한다. 특히, 특정 지역이나 국가수준에서 무선 센서 네트워크 관측값과 기상관측소 측정값이나 인공위성 측정값과의 비교 및 분석을 자동으로 수행할 수 있는 자료 처리 모듈을 개발하는 것이 필요하다.
kr). 이러한 정보 서비스 시스템에 기상자료 다운로드를 위한 API를 구축하고, 농가 단위 에서 생산성 예측뿐만 아니라 재해 방지 및 농업 보험의 피해 산정을 지원하는 모바일 어플리케이션을 개발 한다면, 사용자들이 보다 손쉽게 농업 기상 정보를 활용할 수 있을 것이다.
농업 보험이나 직불금은 재배관리 정보에 기초하여 지급체계를 구축하는 것이 합리적이다. 따라서, 농업 기상 정보 시스템에 영농일지와 같은 재배관리 정보를 관리할 수 있는 시스템을 연계하여, 관련 정보의 추가, 수정 및 삭제가 가능하도록 개발이 된다면, 기상 정보뿐만 아니라 농가 경영 전반에 걸친 정보를 관리할 수 있는 시스템으로 확대될 수 있을 것이다. 또한, 정보 시스템의 사용자 인터페이스를 농촌 공동체, 영농법인, 개별 농가 및 소비자별로 구분하여 구성할 경우, 정보 수요자가 요구하는 정보를 맞춤형으로 제공할 수 있을 것이다.
따라서, 농업 기상 정보 시스템에 영농일지와 같은 재배관리 정보를 관리할 수 있는 시스템을 연계하여, 관련 정보의 추가, 수정 및 삭제가 가능하도록 개발이 된다면, 기상 정보뿐만 아니라 농가 경영 전반에 걸친 정보를 관리할 수 있는 시스템으로 확대될 수 있을 것이다. 또한, 정보 시스템의 사용자 인터페이스를 농촌 공동체, 영농법인, 개별 농가 및 소비자별로 구분하여 구성할 경우, 정보 수요자가 요구하는 정보를 맞춤형으로 제공할 수 있을 것이다.
기존에 개발되어 보급되고 있는 전자기후도를 활용하여, 농가 단위의 기상 추정 자료가 제공되고 있다. 이들 자료의 신뢰성을 향상시키고, 기존의 서비스 체계에서 제공되지 않고 있는 기상 변수들을 지원하기 위해 심층신경망과 같은 인공지능 기술들이 도입되어야 할 것이다. 시스템 구축의 비용 절감 및 활용성 증대를 위해 클라우드 및 포그 컴퓨팅 기술을 도입하여 농업 기상 정보 서비스 시스템이 설계되어야 한다.
시스템 구축의 비용 절감 및 활용성 증대를 위해 클라우드 및 포그 컴퓨팅 기술을 도입하여 농업 기상 정보 서비스 시스템이 설계되어야 한다. 또한, 기상자료와 농산물 가격 정보와 같은 환경자료와 경영정보를 동시에 제공할 수 있는 정보 시스템을 구축하여 활용도가 높은 농업 기상 서비스 시스템이 구축되어야 할 것이다. 이와 함께, 농업인 뿐만 아니라 소비자까지도 고려된 모바일 어플리케이션의 설계 및 개발을 통해, 4차 산업혁명의 주요 기술들이 농업 분야에서 확산될 수 있도록 지속적인 노력이 필요하다.
이와 함께, 농업인 뿐만 아니라 소비자까지도 고려된 모바일 어플리케이션의 설계 및 개발을 통해, 4차 산업혁명의 주요 기술들이 농업 분야에서 확산될 수 있도록 지속적인 노력이 필요하다. 이러한 정보 시스템은 농업 분야 이해당사자에게 수요자 맞춤형 농림기상 정보를 제공하여 기후스마트 농업 관련 기술의 개발과 도입을 촉진시킬 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사물인터넷은 무엇인가?	사물인터넷(Internet of Things, IoT)는 특정 물체에 센서와 통신 모듈을 탑재하여 무선 통신으로 다양한 사물들을 연결하는 기술이다(Gubbi et al., 2013).
	농업기상 자료는 무엇으로부터 생산되는가?	농업기상 자료는 기상청의 종관 및 방재기상 관측망과 같은 공공 기상관측망으로부터 수집된 자료로부터 생산된다. 국내에서는 102개의 기상관측소로 구성되어 있는 종관 기상 관측망으로부터 일사, 기온, 습도 등 농업 생산성을 추정하기 위해 필수적인 기상변수들이 측정되고 있다.
	미국과 영국과 같은 선진국에서 농림생태계의 생산성을 추정 및 예측하기 위해 활용될 수 있는 공간적으로 상세한 기상 자료들을 제공하고 있는데, 이에 대한 예시로 무엇이 있는가?	, 2019). 예를 들어, 미국 Oak Ridge National Laboratory Distributed Active Archive Center (ORNL DAAC)에서 생산되는 Daymet 자료들은 1km 공간적 해상도를 가진, 온도, 일사, 강우, 수증기압 등의 자료들을 제공 되고 있다(Thornton et al., 2012). 영국의 경우에는 국내 기상청에 해당하는 Met Office에서 1km 해상도의 온도, 강우, 일사 등의 격자자료를 제공하는 HadUK-Grid 데이터베이스를 운영하고 있다(Hollis et al., 2019).

참고문헌 (72)

Adair, E. C., L. Barbieri, K. Schiavone, and H. M. Darby, 2019: Manure application decisions impact nitrous oxide and carbon dioxide emissions during mon-growing season thaws. Soil Science Society of America Journal 83(1), 163pp.

상세보기
Bai, X., Z. Wang, L. Zou, and F. E. Alsaadi, 2018: Collaborative fusion estimation over wireless sensor networks for monitoring CO2 concentration in a greenhouse. Information Fusion 42, 119-126.

상세보기
Barnett, B. J., and O. Mahul, 2007: Weather index insurance for agriculture and rural areas in lower-income countries. American Journal of Agricultural Economics 89(5), 1241-1247.

상세보기
Besharat, F., A. A. Dehghan, and A. R. Faghih, 2013: Empirical models for estimating global solar radiation: A review and case study. Renewable and Sustainable Energy Reviews 21, 798-821.

상세보기
Bonomi, F., R. Milito, J. Zhu, and S. Addepalli, 2012: Fog computing and its role in the internet of things, Proceedings of the first edition of the MCC workshop on Mobile cloud computing, ACM, 13-16.
Celik, O., A. Teke, and H. B. Yildirim, 2016: The optimized artificial neural network model with Levenberg-Marquardt algorithm for global solar radiation estimation in Eastern Mediterranean Region of Turkey. Journal of Cleaner Production 116, 1-12.

상세보기
Chavas, D. R., R. C. Izaurralde, A. M. Thomson, and X. Gao, 2009: Long-term climate change impacts on agricultural productivity in eastern China. Agricultural and Forest Meteorology 149(6-7), 1118-1128.

상세보기
Choi, M.-H., J.-I. Yun, U. R. Chung, and K.-H. Moon, 2010: Performance of Angstrom-Prescott Coefficients under different time scales in estimating daily solar radiation in South Korea. Korean Journal of Agricultural and Forest Meteorology 12(4), 232-237.

원문보기 상세보기
Coates, R. W., M. J. Delwiche, A. Broad, and M. Holler, 2013: Wireless sensor network with irrigation valve control. Computers and Electronics in Agriculture 96, 13-22.

상세보기
Davcev, D., K. Mitreski, S. Trajkovic, V. Nikolovski, and N. Koteli, 2018: IoT agriculture system based on LoRaWAN. 1-4.
Dimatteo, S., P. Hui, B. Han, and V. O. K. Li, 2011: Cellular traffic offloading through WiFi networks. 192-201.
Foughali, K., K. Fathallah, and A. Frihida, 2018: Using cloud IOT for disease prevention in precision agriculture. Procedia Computer Science 130, 575-582.

상세보기
Freebairn, J. W., and J. W. Zillman, 2002: Economic benefits of meteorological services. Meteorological Applications 9(1), 33-44.

상세보기
Frere, M., and G. Popov, 1979: Agrometeorological crop monitoring and forecasting, FAO.
Gleason, M. L., S. K. Parker, R. E. Pitblado, R. X. Latin, D. Speranzini, R. V. Hazzard, M. J. Maletta, W. P. Cowgill, and D. L. Biederstedt, 1997: Validation of a commercial system for remote estimation of wetness duration. Plant Disease 81(7), 825-829.

상세보기
Gubbi, J., R. Buyya, S. Marusic, and M. Palaniswami, 2013: Internet of Things (IoT): A vision, architectural elements, and future directions. Future Generation Computer Systems 29(7), 1645-1660.

상세보기
Gutierrez, J., J. F. Villa-Medina, A. Nieto-Garibay, and M. A. Porta-Gandara, 2014: Automated irrigation system using a wireless sensor network and GPRS module. IEEE Transactions on Instrumentation and Measurement 63(1), 166-176.

상세보기
Hansen, J. W., A. Potgieter, and M. K. Tippett, 2004: Using a general circulation model to forecast regional wheat yields in northeast Australia. Agricultural and Forest Meteorology 127(1-2), 77-92.

상세보기
Heble, S., A. Kumar, K. V. V. D. Prasad, S. Samirana, P. Rajalakshmi, and U. B. Desai, 2018: A low power IoT network for smart agriculture. 609-614.
Hollis, D., M. McCarthy, M. Kendon, T. Legg, and I. Simpson, 2019: HadUK-Grid-A new UK dataset of gridded climate observations. Geoscience Data Journal.
Hyun, S., and K. S. Kim, 2016: Assessment of the Angstrom-Prescott Coefficients for estimation of solar radiation in Korea. Korean Journal of Agricultural and Forest Meteorology 18(4), 221-232.

원문보기 상세보기
Hyun, S., and K. S. Kim, 2017: Estimation of heading eate for rice cultivars using ORYZA (v3). Korean Journal of Agricultural and Forest Meteorology 19(4), 246-251.
Ivanov, S., K. Bhargava, and W. Donnelly, 2015: Precision farming: Sensor analytics. IEEE Intelligent Systems 30(4), 76-80.

상세보기
Jang, K., S. Kang, J. Kimball, and S. Hong, 2014: Retrievals of all-weather daily air temperature using MODIS and AMSR-E data. Remote Sensing 6(9), 8387-8404.

상세보기
Jensen, A. L., P. S. Boll, I. Thysen, and B. K. Pathak, 2000: $Pl@nteInfo^{R}$ - a web-based system for personalised decision support in crop management. Computers and Electronics in Agriculture 25(3), 271-293.

상세보기
Jha, P. K., P. Athanasiadis, S. Gualdi, A. Trabucco, V. Mereu, V. Shelia, and G. Hoogenboom, 2019: Using daily data from seasonal forecasts in dynamic crop models for yield prediction: A case study for rice in Nepal's Terai. Agricultural and Forest Meteorology 265, 349-358.

상세보기
Kang, D., S. Hyun, and K. S. Kim, 2019: Development of a deep neural network model to estimate solar radiation using temperature and precipitation. Korean Journal of Agricultural and Forest Meteorology 21(2), 85-96.
Kendon, M., M. McCarthy, S. Jevrejeva, A. Matthews, and T. Legg, 2019: State of the UK climate 2018. International Journal of Climatology 39(S1), 1-55.
Kim, D.-J., and J. I. Yun, 2013: Improving usage of the Korea Meteorological Administration's digital forecasts in agriculture: 2. Refining the distribution of precipitation amount. Korean Journal of Agricultural and Forest Meteorology 15(3), 171-177.

원문보기 상세보기
Kim, K. S., 2002: Optimal weather variables for estimation of leaf wetness duration using an empirical method. Korean Journal of Agricultural and Forest Meteorology 4(1), 23-28.
Kim, K. S., 2011: Impact assessment of climate change by using cloud computing. Korean Journal of Agricultural and Forest Meteorology 13(2), 101-108.

원문보기 상세보기
Kim, K. S., S. E. Taylor, and M. L. Gleason, 2004: Development and validation of a leaf wetness duration model using a fuzzy logic system. Agricultural and Forest Meteorology 127(1-2), 53-64.

상세보기
Kim, K. S., S. E. Taylor, M. L. Gleason, and K. J. Koehler, 2002: Model to enhance site-specific estimation of leaf wetness duration. Plant Disease 86(2), 179-185.

상세보기
Kim, K. S., S. E. Taylor, M. L. Gleason, F. W. Nutter Jr, L. B. Coop, W. F. Pfender, R. C. Seem, P. C. Sentelhas, T. J. Gillespie, and A. Dalla Marta, 2010: Spatial portability of numerical models of leaf wetness duration based on empirical approaches. Agricultural and Forest Meteorology 150(7-8), 871-880.

상세보기
Kim, S.-O., D.-J. Kim, J.-H. Kim, and J. I. Yun, 2013: Improving usage of the Korea Meteorological Administration's digital forecasts in agriculture: I. Correction for local temperature under the inversion condition. Korean Journal of Agricultural and Forest Meteorology 15(2), 76-84.

원문보기 상세보기
Kim, Y., R. G. Evans, and W. M. Iversen, 2008: Remote sensing and control of an irrigation system using a distributed wireless sensor network. IEEE transactions on instrumentation and measurement 57(7), 1379-1387.

상세보기
Kulau, U., S. Schildt, S. Rottmann, B. Gernert, and L. Wolf, 2015: Demo: PotatoNet -- Robust outdoor testbed for WSNs. 59-60.
Langendoen, K., A. Baggio, and O. Visser, 2006: Murphy loves potatoes: Experiences from a pilot sensor network deployment in precision agriculture. Proceedings 20th IEEE international parallel & distributed processing symposium, IEEE, 8pp.
Lee, C.-K., J. Kim, and K. S. Kim, 2015: Development and application of a weather data service client for preparation of weather input files to a crop model. Computers and Electronics in Agriculture 114, 237-246.

상세보기
Lee, M.-h., K.-b. Eom, H.-j. Kang, C.-s. Shin, and H. Yoe, 2008: Design and implementation of wireless sensor network for ubiquitous glass houses. 397-400.
Lee, M., J. Hwang, and H. Yoe, 2013: Agricultural production system based on IoT. 833-837.
Madeira, A. C., K. S. Kim, S. E. Taylor and M. L. Gleason, 2002: A simple cloud-based energy balance model to estimate dew. Agricultural and Forest Meteorology 111(1), 55-63.

상세보기
Mekala, M. S., and P. Viswanathan, 2019: CLAY-MIST: IoT-cloud enabled CMM index for smart agriculture monitoring system. Measurement 134, 236-244.

상세보기
Mesas-Carrascosa, F. J., D. Verdu Santano, J. E. Merono, M. Sanchez de la Orden, and A. Garcia-Ferrer, 2015: Open source hardware to monitor environmental parameters in precision agriculture. Biosystems Engineering 137, 73-83.

상세보기
Minet, J., Y. Curnel, A. Gobin, J.-P. Goffart, F. Melard, B. Tychon, J. Wellens, and P. Defourny, 2017: Crowdsourcing for agricultural applications: A review of uses and opportunities for a farmsourcing approach. Computers and Electronics in Agriculture 142, 126-138.

상세보기
Muller, C., L. Chapman, S. Johnston, C. Kidd, S. Illingworth, G. Foody, A. Overeem, and R. Leigh, 2015: Crowdsourcing for climate and atmospheric sciences: current status and future potential. International Journal of Climatology 35(11), 3185-3203.

상세보기
Nikolidakis, S. A., D. Kandris, D. D. Vergados, and C. Douligeris, 2015: Energy efficient automated control of irrigation in agriculture by using wireless sensor networks. Computers and Electronics in Agriculture 113, 154-163.

상세보기
Oh, J. H., 2018: A Study on the Public-private Governance on Risk Management for the 4th Industrial Revolution - Focusing on the Role of Private Experts in the Early Warning System. Crisis and Emergency Management: Theory and Praxis 14(1), 57-75.

상세보기
Ojha, T., S. Misra, and N. S. Raghuwanshi, 2015: Wireless sensor networks for agriculture: The state-of-the-art in practice and future challenges. Computers and Electronics in Agriculture 118, 66-84.

상세보기
Park, J. S., Y. A. Seo, K. R. Kim, and J.-C. Ha, 2018: Evaluating the prediction models of leaf wetness duration for citrus orchards in Jeju, South Korea. Korean Journal of Agricultural and Forest Meteorology 20(3), 262-276.
Pierce, F. J., and T. V. Elliott, 2008: Regional and on-farm wireless sensor networks for agricultural systems in Eastern Washington. Computers and Electronics in Agriculture 61(1), 32-43.

상세보기
Popovic, T., N. Latinovic, A. Pesic, Z. Zecevic, B. Krstajic, and S. Djukanovic, 2017: Architecting an IoT-enabled platform for precision agriculture and ecological monitoring: A case study. Computers and Electronics in Agriculture 140, 255-265.

상세보기
Prescott, J. A., 1940: Evaporation from a water surface in relation to solar radiation. Transactions of the royal society of Royal Society of South Austral alia 46, 114-118.
Rad, C.-R., O. Hancu, I.-A. Takacs, and G. Olteanu, 2015: Smart monitoring of potato crop: a cyber-physical system architecture model in the field of precision agriculture. Agriculture and Agricultural Science Procedia 6, 73-79.

상세보기
Reche, A., S. Sendra, J. R. Diaz, and J. Lloret, 2014: A smart M2M deployment to control the agriculture irrigation, International conference on ad-hoc networks and wireless, Springer, 139-151.
Rosenzweig, C., J. Elliott, D. Deryng, A. C. Ruane, C. Muller, A. Arneth, K. J. Boote, C. Folberth, M. Glotter, N. Khabarov, K. Neumann, F. Piontek, T. A. M. Pugh, E. Schmid, E. Stehfest, H. Yang, and J. W. Jones, 2014: Assessing agricultural risks of climate change in the 21st century in a global gridded crop model intercomparison. Proceedings of the National Academy of Sciences 111(9), 3268-3273.

상세보기
Ruane, A. C., R. Goldberg, and J. Chryssanthacopoulos, 2015: Climate forcing datasets for agricultural modeling: Merged products for gap-filling and historical climate series estimation. Agricultural and Forest Meteorology 200, 233-248.

상세보기
Running, S. W., R. R. Nemani, F. A. Heinsch, M. Zhao, M. Reeves, and H. Hashimoto, 2004: A continuous satellite-derived measure of global terrestrial primary production. Bioscience 54(6), 547-560.

상세보기
Song, J., S.-J. Lee, M. Kang, M. Moon, J.-H. Lee, and J. Kim, 2015: High-resolution numerical simulations with WRF/Noah-MP in Cheongmicheon farmland in Korea during the 2014 special observation period. Korean Journal of Agricultural and Forest Meteorology 17(4), 384-398.

원문보기 상세보기
Srbinovska, M., C. Gavrovski, V. Dimcev, A. Krkoleva, and V. Borozan, 2015: Environmental parameters monitoring in precision agriculture using wireless sensor networks. Journal of Cleaner Production 88, 297-307.

상세보기
Stefanski, R., and M. V. K. Sivakumar, 2007: World AgroMeterological Information Service (WAMIS). Meteorological Applications 13(S1).
Stoces, M., J. Vanek, J. Masner, and J. Pavlik, 2016: Internet of Things (IoT) in agriculture - Selected aspects. Agris on-line Papers in Economics and Informatics VIII(1), 83-88.

상세보기
Tadesse, G., and G. Bahiigwa, 2015: Mobile phones and farmers' marketing decisions in Ethiopia. World development 68, 296-307.

상세보기
Thornton, P. E., M. M. Thornton, B. W. Mayer, N. Wilhelmi, Y. Wei, R. Devarakonda, and R. Cook, 2012: Daymet: Daily surface weather on a 1 km grid for North America, 1980-2008. Oak Ridge National Laboratory (ORNL) Distributed Active Archive Center for Biogeochemical Dynamics (DAAC).
Tzounis, A., N. Katsoulas, T. Bartzanas, and C. Kittas, 2017: Internet of Things in agriculture, recent advances and future challenges. Biosystems Engineering 164, 31-48.

상세보기
Vasisht, D., Z. Kapetanovic, J. Won, X. Jin, R. Chandra, S. Sinha, A. Kapoor, M. Sudarshan, and S. Stratman, 2017: Farmbeats: An iot platform for data-driven agriculture. 14th {USENIX} Symposium on Networked Systems Design and Implementation ({NSDI} 17), 515-529.
Vuran, M. C., A. Salam, R. Wong, and S. Irmak, 2018: Internet of underground things: Sensing and communications on the field for precision agriculture. 586-591.
Yoo, B. H., K. S. Kim, and J. Lee, 2019: The use of MODIS atmospheric products to estimate cooling degree days at weather stations in South and North Korea. Korean Journal of Agricultural and Forest Meteorology 21(2), 97-109.
Yun, J.-I., 2010: Agroclimatic maps augmented by a GIS technology. Korean Journal of Agricultural and Forest Meteorology 12(1), 63-73.

원문보기 상세보기
Yun, J. I., S.-O. Kim, J.-H. Kim, and D.-J. Kim, 2013: User-specific agrometeorological service to local farming community: a case study. Korean Journal of Agricultural and Forest Meteorology 15(4), 320-331.

원문보기 상세보기
Zhao, G., S. Siebert, A. Enders, E. E. Rezaei, C. Yan, and F. Ewert, 2015: Demand for multi-scale weather data for regional crop modeling. Agricultural and Forest Meteorology 200, 156-171.

상세보기
Zhu, W., A. Lu, S. Jia, J. Yan, and R. Mahmood, 2017: Retrievals of all-weather daytime air temperature from MODIS products. Remote Sensing of Environment 189, 152-163.

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