$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

농림기상 분야 빅데이터 구축을 통한 농림 생태계 지속가능성 제고
Improvement of Sustainability in Agricultural Ecosystems through Construction of Big Data in Agricultural and Forest Meteorology 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.22 no.3, 2020년, pp.103 - 106  

김광수 (서울대학교 식물생산과학부)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 한국농림기상학회에서는 데이터의 수집과 공유를 촉진하여 농림 생태계의 지속가능성을 향상시킬 수 있는 계기를 마련하고자 본 특별호를 발간하였다. 예를 들어, Kang et al.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
복잡한 생태계를 이해하기 위해서 무엇이 요구되는가? 특히, 생물학적인 요소와 비생물학적인 요소 사이의 상호작용으로 생태계가 구성되어 있어 개별 요소별 데이터를 수집하는 것이 연구 활동의 주요한 부분을 차지한다. 복잡한 생태계를 이해하기 위해 다양한 종류의 데이터 수집이 요구되며, 이를 위해 일부에서는 다수의 일반인들이 수집한 데이터를 공유할 수 있는 체계들이 구축되고 있다. 예를 들어, 지리 공간적 자료(Heipke, 2010)나 도심 홍수 자료(Wang et al.
생태계는 어떻게 구성되어 있는가? 농림생태계의 구조와 기능을 이해하기 위해 다양한 종류의 데이터들이 수집된다. 특히, 생물학적인 요소와 비생물학적인 요소 사이의 상호작용으로 생태계가 구성되어 있어 개별 요소별 데이터를 수집하는 것이 연구 활동의 주요한 부분을 차지한다. 복잡한 생태계를 이해하기 위해 다양한 종류의 데이터 수집이 요구되며, 이를 위해 일부에서는 다수의 일반인들이 수집한 데이터를 공유할 수 있는 체계들이 구축되고 있다.
농림 생태계에서 얻어지는 생물학적인 자료 중 파괴적인 방법으로 얻는 자료의 장단점은 무엇인가? 예를 들어, 생체중은 특정 구역에서 수집된 표본의 파괴적인 분석을 통해 확보된다. 파괴적인 방식으로 얻어지는 자료들은 직접적으로 측정된 자료이기 때문에, 신뢰성이 높다는 장점을 가지고 있으나, 연구 대상 표본이 자료 수집을 위해 제거되기 때문에, 시계열적인 변화 양상을 파악하기 어려운 단점이 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (16)

  1. Cho, Y., C. Yoon, H. Kim, H. Moon, K.-N. An, and J. Cho, 2020: Meteorological data measured under Agrivoltaic Systems in Boseong-gun during winter barley season. Korean Journal of Agricultural Forest Meteorology 22(3), 144-151. 

  2. Heipke, C., 2010. Crowdsourcing geospatial data. ISPRS Journal of Photogrammetry and Remote Sensing 65, 550-557. https://doi.org/10.1016/j.isprsjprs.2010.06.005 

    상세보기 crossref

  3. Hur, J., J. H. Par, K. M. Shim, Y. S. Kim, and S. Jo, 2020: A high-resolution agro-climatic dataset for assessment of climate change over South Korea. Korean Journal of Agricultural Forest Meteorology 22(3), 128-134. 

  4. Jo, S., K. M. Shim, J. H. Park, Y. S. Kim, and J. Hur, 2020: Extreme weather frequency data over 167 Si-gun of S. Korea with high-resolution Topoclimatology model. Korean Journal of Agricultural Forest Meteorology 22(3), 164-170. 

  5. Kang, M., S. Cho, J. Kim, S.-W. Sohn, S.-W. Choi, and J. Park, 2020: A dataset from a test-bed to develop soil moisture estimation technology for upland fields. Korean Journal of Agricultural Forest Meteorology 22(3), 107-116. 

  6. Kim, D., D. Jin, Y. M. Song, S. W. Son, J. H. Yoon, and G. Kim, 2020a: Construction of the invasive alien plants distribution using drone and image learning. Journal of the Association of Korean Geographers 9, 103-114. https://doi.org/10.25202/JAKG.9.1.7 

    상세보기

  7. Kim, D.-J., J.-H. Park, S.-O. Kim, J.-H. Kim, Y. Kim, and K.-M. Shim, 2020b: A system displaying real-time meteorological data obtained from the automated observation network for verifying the early warning system for agrometeorological hazard. Korean Journal of Agricultural Forest Meteorology 22(3), 117-127. 

  8. Kim, J., W. Sang, P. Shin, J. Back, D. Kwon, Y. Lee, J. Cho, and M. Seo, 2020c: Long-term monitoring data for growth and yield of local rice varieties in South Korea. Korean Journal of Agricultural Forest Meteorology 22(3), 176-182. 

  9. Kim, K. S., B. H. Yoo, S. Hyun, and D. Kang, 2019: Requirement Analysis for Agricultural Meteorology Information Service Systems based on the Fourth Industrial Revolution Technologies. Korean Journal of Agricultural Forest Meteorology 21, 175-186. https://doi.org/10.5532/KJAFM.2019.21.3.175 

  10. Lee, E.-H., J.-H. Lim, and J. Lee, 2010: A Review on soil respiration measurement and its application in Korea. Korean Journal of Agricultural Forest Meteorology 12(4), 264-276. https://doi.org/10.5532/KJAFM.2010.12.4.264 

  11. Lee, S.-J., S.-J. Lee, ad J.-S. Koo, 2020a: Database construction of high-resolution daily meteorological and climatological data using NCAM-LAMP: Sunshine hour data. Korean Journal of Agricultural Forest Meteorology 22(3), 135-143. 

  12. Lee, Y.-H., W.-G. Sang, J.-K. Baek, J.-H. Kim, J.-I. Cho, and Seo, M.-C., 2020b: Low-cost Assessment of Canopy Light Interception and Leaf Area in Soybean Canopy Cover using RGB Color Images. Korean Journal of Agricultural Forest Meteorology 22(1), 13-19. https://doi.org/10.5532/KJAFM.2020.22.1.13 

  13. So, Y.-Y., S.-J. Lee, S.-W. Choi, and S.-J. Lee, 2020: Construction of NCAM-LAMP precipitation and soil moisture database to support landslide prediction. Korean Journal of Agricultural Forest Meteorology 22(3), 152-163. 

  14. Wang, R.-Q., H. Mao, Y. Wang, C. Rae, W. Shaw, 2018: Hyper-resolution monitoring of urban flooding with social media and crowdsourcing data. Computers & Geosciences 111, 139-147. https://doi.org/10.1016/j.cageo.2017.11.008 

    상세보기

  15. Wi, S. H., H. J. Lee, I. H. Yu, Y. Jang, K.-H. Yeo, S. An, and J. H. Lee, 2020: Analysis of effect of environment on growth and yield of autumn kimchi cabbage in Jeonnam province using big data. Korean Journal of Agricultural Forest Meteorology 22(3), 183-193. 

  16. Yun, S. D., and S. G. Kim, 2020: Air pollution and weather data by Si-Gun-Gu in South Korea. Korean Journal of Agricultural Forest Meteorology 22(3), 171-175. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로