[논문]한국형 SPAR(Soil-Plant-Atmosphere-Research) 시스템에서 대용량 관측 자료의 처리 및 품질관리

상완규; 김준환; 신평; 백재경; 서명철

doi:10.5532/kjafm.2020.22.4.340

초록
AI-Helper

본 연구에서는 첨단 옥외환경조절시설인 SPAR 시스템의 작물 및 환경 관측 자료의 품질 관리와 보증 방법을 최초로 제시하였다. 특히 실시간 군락 CO2플럭스의 경우에는 수집되는 자료의 특성을 고려하여 이상치의 제거와 보정이 병행되어야 함을 확인하였다. 본 연구를 통해 구축된 자료 처리 방법들은 향후 SPAR 자료를 통한 작물 생육 모형 개선에 매우 중요하게 활용될 수 있을 것으로 보인다. SPAR 내 작물과 환경 관련 10분 평균 자료는 국립식량과학원 내 작물 연구 통합 정보시스템(Crop Research Information System, CRIS) 웹사이트(www2.nics.go.kr/cris)에서 이용 가능하다.

Abstract ▼ AI-Helper

In this study, we developed the quality control and assurance method of measurement data of SPAR (Soil-Plant-Atmosphere-Research) system, a climate change research facility, for the first time. It was found that the precise processing of CO2 flux data among many observations were sig nificantly impo...

In this study, we developed the quality control and assurance method of measurement data of SPAR (Soil-Plant-Atmosphere-Research) system, a climate change research facility, for the first time. It was found that the precise processing of CO2 flux data among many observations were sig nificantly important to increase the accuracy of canopy photosynthesis measurements in the SPAR system. The collected raw CO2 flux data should first be removed error and missing data and then replaced with estimated data according to photosynthetic lig ht response curve model. Comparing the correlation between cumulative net assimilation and soybean biomass, the quality control and assurance of the raw CO2 flux data showed an improved effect on canopy photosynthesis evaluation by increasing the coefficient of determination (R2) and lowering the root mean square error (RMSE). These data processing methods are expected to be usefully applied to the development of crop growth model using SPAR system.

주제어

표/그림 (6)

그림 Fig. 1. CO₂ flux measurement scheme in SPAR system. Each line indicates the flow of CO₂ gas.
그림 Fig. 2. Schematic flow chart of CO₂ flux data process in SPAR system.
표 Table 1. Agricultural and environmental data collected in SPAR system
그림 Fig. 3. Example of quality control case for soybean canopy photosynthesis data using SPAR system in August 15, 2018. A, B, C, and D indicate raw CO₂ data, CO₂ flux data after 1^st quality control (delete, smoothing, etc.), Light response curve analysis, Final CO₂ flux data after 2^nd quality control (repair, smoothing, etc.), respectively.
그림 Fig. 4. Frequency by error type of SPAR system during 2018∼2019.
그림 Fig. 5. Carbon gain balance before (A) and after (B) the quality control for CO₂ flux in SPAR system.

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 전주 국립식량과학원에 설치된 SPAR 시스템을 이용하여 대기 및 작물 관측자료, 특히 CO2 플럭스 자료의 품질을 관리하는 방법을 예시를 통해소개하고 처리과정에서 발견된 문제점과 향후 연구 방향을 제시하였다.
본 연구에서는 첨단 옥외환경조절시설인 SPAR 시스템의 작물 및 환경 관측 자료의 품질 관리와 보증 방법을 최초로 제시하였다. 특히 실시간 군락 CO2플럭스의 경우에는 수집되는 자료의 특성을 고려하여 이 상치의 제거와 보정이 병행되어야 함을 확인하였다.

제안 방법

1). 개발된 한국형 SPAR는 약 2.0×0.6×1.5m 크기의 대형 토양상에 상부 투명챔버가 밀폐되어 있는 구조로 CO₂교환율 측정은 기존의 단위시간당 챔버 내 CO₂주입량을 측정하는 mass balance 이론에 기반한 방식과는 다르게 챔버 내 순환 대기에서 CO₂농도차를 직접 측정하는 방식을 통해 이루어진다. 또한 본 시스템에서는 군락 CO₂교환율 자료와 함께 챔버 내 기상 변수(온도, 습도, 일사량, 토양온도, 토양 수분 등)도 동시에 측정되었다.
관측 자료에 대한 품질 관리 효과를 평가하기 위해 2018년 7월부터 9월까지 SPAR에서 관측된 콩 군락 CO2플럭스의 정확도를 품질 관리 전과 후로 나누어 비교하였다(Fig. 5). 계산된 누적 순광합성량과 실제건물생산량과의 상관관계를 비교한 결과 수집 원자료의 품질 관리 과정은 R²를 높이고 RMSE는 낮추는등 실제 생육량 추정에 보다 개선된 효과를 보였다.
5m 크기의 대형 토양상에 상부 투명챔버가 밀폐되어 있는 구조로 CO₂교환율 측정은 기존의 단위시간당 챔버 내 CO₂주입량을 측정하는 mass balance 이론에 기반한 방식과는 다르게 챔버 내 순환 대기에서 CO₂농도차를 직접 측정하는 방식을 통해 이루어진다. 또한 본 시스템에서는 군락 CO₂교환율 자료와 함께 챔버 내 기상 변수(온도, 습도, 일사량, 토양온도, 토양 수분 등)도 동시에 측정되었다. 온습도 센서 및 기체분석기 보정 등의 관측 기기 관리는 정기적으로 연간 2회 이상 실시하고 있으며 관측 자료의 품질 검증을 위해 일별 기기 상황에 대해 별도의 기록물로 관리하였다.
또한 본 시스템에서는 군락 CO₂교환율 자료와 함께 챔버 내 기상 변수(온도, 습도, 일사량, 토양온도, 토양 수분 등)도 동시에 측정되었다. 온습도 센서 및 기체분석기 보정 등의 관측 기기 관리는 정기적으로 연간 2회 이상 실시하고 있으며 관측 자료의 품질 검증을 위해 일별 기기 상황에 대해 별도의 기록물로 관리하였다. 각 관측 요소의 종류와 기록 형식은 Table 1에 제시되어 있다.

데이터처리

1차 점검에서는 Table 1의 각기기별 측정 한계치를 참고하여 장비의 기계적인 측정범위를 벗어나는 관측자료를 제거하기 위한 물리적 범위 검사를 실시한다. 먼저 1분 평균 자료의 온도 등기후 관측 자료 중에서 기계 측정 한계치를 기준으로이상치를 제거한 다음 챔버 설정값과의 비교를 통해오차 분석을 실시한다. 이때 설정값과의 차이가 0.
각 챔버 내 대기는 일정한 유속으로 순환하는데 이때 CO₂농도 측정은 각 지점을 30초 간격으로 교번하여 회당 10초씩 측정한 후 csv 형식의 원시 자료로 저장된다. 수집된 자료는 R version 3.5.1 통계 프로그램을 통해 회당 평균값으로 변환한 후 그 농도차를 1분, 5분, 15분 평균값으로 계산하여 각각 저장한다.

이론/모형

, Erkrath, Germany)을 이용하여 Eq. 2에 표시된 Michaelis-Menten 식의 광 반응 곡선 (A/PPF curve)를 일별로 모의한 후. 제거된 이상치를 통계적으로 추론하고 보정한다(Acock et al.

성능/효과

5). 계산된 누적 순광합성량과 실제건물생산량과의 상관관계를 비교한 결과 수집 원자료의 품질 관리 과정은 R²를 높이고 RMSE는 낮추는등 실제 생육량 추정에 보다 개선된 효과를 보였다.
유형별로 살펴보면 CO₂적외선 분석기의 측정 오류가 총 발생 오류의 약 41%를 차지하였으며 그 뒤로 챔버 개폐 등 자발적인 연구활동으로 인한 오류 발생 (human error) 또한 30%의 높은 수치를 보였다. 그 외 SPAR 시스템의 기계적 오류, 자료 송수신 오류, 온도센서의 오류 발생 빈도는 각각 15, 5, 2%로 산정되었다. 이러한 결과는 SPAR 시스템에서 자료의 품질을 결정하는데 다른 관측 요소보다 우선 CO₂관측 자료의 처리 및 정밀 보정이 매우 큰 비중을 차지함을 보여 준다.
2년간 총 254 개의 일별 관측자료가 수집되었으며 그 중 40%는 앞서 기술한 품질 관리 과정이 필요한 자료로 분류되었다. 유형별로 살펴보면 CO₂적외선 분석기의 측정 오류가 총 발생 오류의 약 41%를 차지하였으며 그 뒤로 챔버 개폐 등 자발적인 연구활동으로 인한 오류 발생 (human error) 또한 30%의 높은 수치를 보였다. 그 외 SPAR 시스템의 기계적 오류, 자료 송수신 오류, 온도센서의 오류 발생 빈도는 각각 15, 5, 2%로 산정되었다.

후속연구

특히 실시간 군락 CO2플럭스의 경우에는 수집되는 자료의 특성을 고려하여 이 상치의 제거와 보정이 병행되어야 함을 확인하였다. 본 연구를 통해 구축된 자료 처리 방법들은 향후 SPAR 자료를 통한 작물 생육 모형 개선에 매우 중요하게 활용될 수 있을 것으로 보인다. SPAR 내 작물과 환경 관련 10분 평균 자료는 국립식량과학원 내 작물연구 통합 정보시스템(Crop Research Information System, CRIS) 웹사이트(www2.

참고문헌 (5)

Acock, B., D. W. Hand, J. H. M. Thornley, and J. W. Wilson, 1976: Photosynthesis in stands of green peppers. An application of empirical and mechanistic models to controlled-environment data. Annals of Botany 40(170), 1293-1307.
Kwon, H., S. Park, M. Kang, J. Yoo, R. Yuan, and J. Kim, 2007: Quality control and assurance of eddy covariance data at the two KoFlux sites. Korean Journal of Agricultural and Forest Meteorology 9(4), 260-267.

원문보기 상세보기
Lim, H. J., and Y. H. Lee, 2008: Processing and quality control of flux data at Gwangneung forest. Korean Journal of Agricultural and Forest Meteorology 10(3), 82-93.

원문보기 상세보기
Reddy, K., H. F. Hodges, J. Read, J. M. McKinion, and J. Baker, 2001: Soil-Plant-Atmosphere-Research (SPAR) facility: A tool for plant research and modeling. Biotronics 30, 27-50.
Sang, W. G., J. H. Kim, P. Shin, J. K. Baek, Y. H. Lee, J. I. Cho, and M. C. Seo, 2019: Development of Korean SPAR (Soil-Plant-Atmosphere-Research) system for impact assessment of climate changes and environmental stress. Korean Journal of Agricultural and Forest Meteorology 21(3), 187-195.

원문보기 상세보기

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

한국형 SPAR(Soil-Plant-Atmosphere-Research) 시스템에서 대용량 관측 자료의 처리 및 품질관리
Processing and Quality Control of Big Data from Korean SPAR (Soil-Plant-Atmosphere-Research) System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

이론/모형

성능/효과

후속연구

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

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

한국형 SPAR(Soil-Plant-Atmosphere-Research) 시스템에서 대용량 관측 자료의 처리 및 품질관리 Processing and Quality Control of Big Data from Korean SPAR (Soil-Plant-Atmosphere-Research) System 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

이론/모형

성능/효과

후속연구

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

상완규 (29) 김준환 (49) 신평 (21) 백재경 (18) 서명철 (78)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

한국형 SPAR(Soil-Plant-Atmosphere-Research) 시스템에서 대용량 관측 자료의 처리 및 품질관리
Processing and Quality Control of Big Data from Korean SPAR (Soil-Plant-Atmosphere-Research) System 원문보기

초록
AI-Helper

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper