[논문]밀에서 질소 시비 조건에 따른 생육 단계별 초분광 특성 변화

정재경; 이영훈; 최재은; 송기은; 고종한; 이경도; 심상인

doi:10.7740/kjcs.2020.65.4.377

밀에서 질소 시비 조건에 따른 생육 단계별 초분광 특성 변화
Changes in the Hyperspectral Characteristics of Wheat Plants According to N Top-dressing Rates at Various Growth Stages 원문보기

Korean journal of crop science = 韓國作物學會誌, v.65 no.4, 2020년, pp.377 - 385

정재경 (국립 경상대학교 농학과) , 이영훈 (국립 경상대학교 농학과) , 최재은 (국립 경상대학교 농학과) , 송기은 (국립 경상대학교 응용생명과학부 BK21+ 프로그램) , 고종한 (국립 전남대학교 응용식물학과) , 이경도 (농촌진흥청 국립농업과학원 농업환경부) , 심상인 (국립 경상대학교 농학과)

초록
AI-Helper

적절한 질소 시비는 작물에 초형을 개선하는 한편, 엽록소 유지에도 도움을 주어 엽노화를 억제하고 광합성도 증대시켰다. 드론을 활용해 얻어진 잎의 RGB 값은 4월 29일에서 추비량 증가에 따라 RGB 값의 뚜렷한 차이를 나타내 단순한 엽색 분석도 작물의 생리적 상태 평가에 활용할 수 있음을 보여주었다. 휴대용 측정기를 이용한 실험에서 추비 조건에 따른 NDVI와 SPAD 값은 3월 19일에 큰 차이 확인할 수 없었다. 그러나 초분광카메라를 통한 분석에서 추비량 증대에 따라 780 nm보다 큰 파장대인 NIR 영역에서 반사율 증가가 확인되었다. 이는 시비 효과가 명확히 드러나지 않는 생육 초반에도 초분광카메라 활용해 작물 상태를 진단할 수 있음을 보여준다. 포장에서 추비 수준이 낮을수록 4월 29일에는 가시광선 영역의 반사율이 증가하고, NIR 영역의 감소가 확인되어 시비에 따른 영향을 확인할 수 있었다. 초분광카메라를 이용한 식생지수 확인으로 엽록소 함량, 질소 부족 정도, 광합성 상태 분석에 근거한 시비 효과 평가가 가능하였다.

Abstract ▼ AI-Helper

Recently, wheat consumption has been increasing in Korea, requiring increased production. Nitrogen fertilization is a critical determinant in crop yield; therefore, it is necessary to optimize the nitrogen fertilization regime with current trends that emphasize the minimum impact of nitrogen fertilizer on the environment. In this study, both nondestructive spectral analysis using a hyperspectral camera and growth analysis were performed to determine the optimal N top-dressing rates after heading. The nitrogen application regimes consisted of three conditions according to the secondary top-dressing rate: N4:3:0 (0 kg 10 a-1), N4:3:3 (2.73 kg 10 a-1), and N4:3:6 (5.46 kg 10 a-1). Subsequently, growth and physiological investigations were performed at the jointing, heading, and ripening stages of wheat, and spectral investigations were conducted. On April 29, as the nitrogen fertilization rate was increased to N4:3:3 and N4:3:6, plant height and grain yield increased by 4% and 8%, and 8% and 52%, respectively, compared to those under N4:3:0. Leaf area index and SPAD value also increased by 13% and 24%, and 32% and 43%, respectively. The R (red), G (green), and B (blue) of leaf color were lowered by 15, 11, and 4 in N4:3:3 and 44, 34, and 18 in N4:3:6, respectively, as compared to the control. Grain yield was the highest at high top-dressing (N4:3:6), however, there was no difference between no top-dressing (N4:3:0) and intermediat top-dressing (N4:3:3). The reflectance analyzed using a hyperspectral camera showed a difference in the near-infrared (NIR) region on March 19, and on April 29, there was a difference both in the visible light region greater than 550 nm and the NIR region. Vegetation indices differed according to fertilization regime, except for the greenness index (GI). The results of this study showed that not only growth and physiological analysis but also spectral indices can be used to optimize the nitrogen top-dressing rate.

주제어

표/그림 (7)

그림 Fig. 1. Plant height (a), LAI (b), NDVI (c) and SAPD value (d) of wheat plant treated with different top-dressing. Empty and Filled bars indicate the results measured on Mar. 19 and Apr. 29. The same letter mean no significant difference by Duncan's multiple range test.
그림 Fig. 2. Grain yield (a) and shoot dry weight (b) at harvest of wheat treated with different top-dressing rates.
그림 Fig. 3. Color variation of wheat plots on Mar. 19 (a) and Apr. 29 (b). The photos were taken with a drone at a height of 45 m. Solid, dotted, and white lines indicate N_4:3:6, N_4:3:3, and N_4:3:0, respectively.
그림 Fig. 4. Hyperspectral reflectance of wheat with different N top-dressing rates on Mar. 19 (a) and April 29 (b).
표 Table 1. Spatial variation in red, green, and blue intensity (RBG) values obtained from photos taken in wheat fields.
표 Table 2. Vegetation indices calculated with spectral reflectance values using a hyperspectral camera.
그림 Fig. 5. Chlorophyll fluorescence (a) measured on Mar. 19 and Apr. 29 (a) and photosynthetic rate (b) measured on Apr. 29 in wheat plants with different N top-dressing rates.

AI 본문요약
AI-Helper

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

문제 정의

특히 국내에서 밀 재배에 관련되어 질소 시비와 초분광 특성간의 관계에 대한 연구는 전무하다. 본 연구는 밀의 질소 추비 조건에 따른 생육 단계별 분광학적 특성 변화를 확인하여 적절한 시비 조건을 구명하고, 더불어 주요 생육 특성에 어떠한 영향을 주는지를 초분광 영상 데이터에서 추출된 다양한 식생지수에 근거하여 확인하고자 수행하였다.

제안 방법

마지막으로 2020년 6월 9일에 1 m × 3줄의 지상부를 수확하여 수량 관련 형질을 조사하였다. 광합성은 휴대용 광합성측정기(CID-340, Bio-Science, USA)를 이용하여 최상위 엽을 대상으로 맑은 날 10:00-14:00에 측정하였다. 엽면적지수는 휴대용 엽면적 측정기(LP-80, Decagon Devices, USA)를 이용하여 측정하였다.
질소 시비는 요소 비료를 이용하여 모든 질소 시비 처리구에 기비와 1차 추비는 같은 양을 시용하였다. 기비와 1차 추비의 시용량을 각각 3.64 kg 10a^-1와 2.74 kg 10a^-1로 처리하였다. 이차추비는 2020년 3월 13일에 3 수준의 질소 시용량을 무처리(0%)인 0 kg 10a^-1, 표준량(30%)인 2.
마지막으로 2020년 6월 9일에 1 m × 3줄의 지상부를 수확하여 수량 관련 형질을 조사하였다.
포장 조사는 밀의 신장기, 유숙기에 해당하는 2020년 3월 19일과 2020년 4월 29일에 생육 및 생리적 형질들을 조사하였다. 생육조사는 초장과 엽면적 지수를 조사하였고, 생리적 특성 조사는 완전 전개한 첫번째 상위엽에서 휴대용 엽록소계(SPAD-502, Minolta, Osaka, Japan)를 이용하여 엽 녹색도(SPAD value)와 형광측정기(OS-30P, Opti-sciences, Hudson, NH, USA)를 이용한 엽록소 형광(Fv/Fm)을 측정하였다. 마지막으로 2020년 6월 9일에 1 m × 3줄의 지상부를 수확하여 수량 관련 형질을 조사하였다.
광합성은 휴대용 광합성측정기(CID-340, Bio-Science, USA)를 이용하여 최상위 엽을 대상으로 맑은 날 10:00-14:00에 측정하였다. 엽면적지수는 휴대용 엽면적 측정기(LP-80, Decagon Devices, USA)를 이용하여 측정하였다.
74 kg 10a^-1로 처리하였다. 이차추비는 2020년 3월 13일에 3 수준의 질소 시용량을 무처리(0%)인 0 kg 10a^-1, 표준량(30%)인 2.73 kg 10a^-1, 및 과량(60%)인 5.46 kg 10a^-1으로 포장 시험구에 각각 처리하였다. 종합적으로 질소 시비량은 기비 40%, 1차 추비 30%가 처리되었고, 2차 추비(0%, 30%, 60%)에 따라 N_4:3:0, N_4:3:3, N_4:3:6으로 구분하였다.
질소 시비 수준에 따른 밀 엽의 초분광학적 특징을 알아보기 위하여 초분광카메라(Specim IQ, Specim Ltd, Oulu, Finland)를 이용하여 밀의 완전 전개된 최상위엽을 기준으로 잡아 약 20 cm 높이에서 촬영하였다. 촬영 시 지상과 평행하게 카메라를 위치하였고 빛은 태양광으로, 구름 없는 맑은 날에 촬영하였다.
기타 재배관리는 농촌진흥청 밀 표준 재배법에 준하였다. 질소 시비는 요소 비료를 이용하여 모든 질소 시비 처리구에 기비와 1차 추비는 같은 양을 시용하였다. 기비와 1차 추비의 시용량을 각각 3.
초관의 색 변화를 확인하기 위해 드론을 이용해 45 m 고도에서 포장을 촬영하였다. 촬영은 구름이 없는 맑은 날에 실시하였으며, 사진 해상도는 3840 X 2160, F/2.
초분광 데이터에서 식생지수 산출을 위해 주요 파장의 분광값을 추출하여 주요 식생지수들을 구하였다. SRI (Birth & McVey, 1968)는 식물을 간단하게 평가할 수 있는 지수로 엽색이 진할수록 값이 크다.
포장 조사는 밀의 신장기, 유숙기에 해당하는 2020년 3월 19일과 2020년 4월 29일에 생육 및 생리적 형질들을 조사하였다. 생육조사는 초장과 엽면적 지수를 조사하였고, 생리적 특성 조사는 완전 전개한 첫번째 상위엽에서 휴대용 엽록소계(SPAD-502, Minolta, Osaka, Japan)를 이용하여 엽 녹색도(SPAD value)와 형광측정기(OS-30P, Opti-sciences, Hudson, NH, USA)를 이용한 엽록소 형광(Fv/Fm)을 측정하였다.

대상 데이터

29 (b). The photos were taken with a drone at a height of 45 m. Solid, dotted, and white lines indicate N_4:3:6, N_4:3:3, and N_4:3:0, respectively.
본 연구의 포장 시험 지역은 경상남도 진주시 가좌동에 위치한 경상대학교 부속농장 전작포장(35°08'57.5"N 128°05'49.2"E)에서 수행되었다.
2"E)에서 수행되었다. 시험 포장은 사질 양토로 N, P, K 함량이 각각 74 mg kg^-1, 5.1 mg kg^-1, 80 mg kg^-1이었다. 시험 품종으로는 국내에서 육성된 경질밀 품종인 조경밀을 이용하였다.
1 mg kg^-1, 80 mg kg^-1이었다. 시험 품종으로는 국내에서 육성된 경질밀 품종인 조경밀을 이용하였다. 파종 전 경운 및 기비 처리 후, 2019년 10월 30일에 재식 거리 25 cm X 10 cm로 세조파(파종량 14 kg 10a^-1)하였다.
시험구 배치는 난괴법 3반복 수행하였고 시험구 면적은 54m² 이었다. 얻어진 데이터는 SAS 프로그램(ver.
초관의 색 변화를 확인하기 위해 드론을 이용해 45 m 고도에서 포장을 촬영하였다. 촬영은 구름이 없는 맑은 날에 실시하였으며, 사진 해상도는 3840 X 2160, F/2.2, 노출 시간은 1/1923초로 3월 19일, 4월 29일 촬영하였다. 촬영된 영상 데이터는 ENVI 5.
촬영 시 지상과 평행하게 카메라를 위치하였고 빛은 태양광으로, 구름 없는 맑은 날에 촬영하였다. 카메라의 광 보정을 위해 reference plate는 파장범위에 100% 반사율을 지니는 99% barium sulfate를 이용하였다. 촬영한 이미지는 ENVI 프로그램을 이용하여 가시광선부터 적외선까지 파장 반사값을 추출하여 식생지수를 분석하였다.
시험 품종으로는 국내에서 육성된 경질밀 품종인 조경밀을 이용하였다. 파종 전 경운 및 기비 처리 후, 2019년 10월 30일에 재식 거리 25 cm X 10 cm로 세조파(파종량 14 kg 10a^-1)하였다. 시비량은 10a 당 N-P2O5-K2O를 성분량 기준 9.

데이터처리

얻어진 데이터는 SAS 프로그램(ver. 9.4 SAS Inst., North Carolina, US)을 이용하여 Proc ANOVA로 분산분석을 실시하고 DMRT (Duncan’s multiple range test)를 통해 p < 0.05 수준에서 평균값을 비교하였다.
2, 노출 시간은 1/1923초로 3월 19일, 4월 29일 촬영하였다. 촬영된 영상 데이터는 ENVI 5.1 (Exelis Visual Information Solution, Inc. Pearl East Circle Boulder, Co, USA)을 이용하여 포장에서 전체적인 RGB 평균값을 추출하였다.
카메라의 광 보정을 위해 reference plate는 파장범위에 100% 반사율을 지니는 99% barium sulfate를 이용하였다. 촬영한 이미지는 ENVI 프로그램을 이용하여 가시광선부터 적외선까지 파장 반사값을 추출하여 식생지수를 분석하였다.

이론/모형

파종 후 제초제 처리는 티오벤카브 입제를 2 kg 10a^-1 살포하였다. 기타 재배관리는 농촌진흥청 밀 표준 재배법에 준하였다. 질소 시비는 요소 비료를 이용하여 모든 질소 시비 처리구에 기비와 1차 추비는 같은 양을 시용하였다.

성능/효과

PSRI는 3월 19일에서 N_4:3:3에서 가장 높았으며 4월 29일에는 N_4:3:0에서 가장 높은 것을 알 수 있었다. PSRI는 엽색이 진한 식물의 경우 0에 가까운 음의 값을 보이며 노화가 진행되면 양의 값을 나타내는데, 본 연구에서는 4월 29일에서 추비량이 낮을수록 더 높은 값을 보여 엽의 활력이 점차 낮아짐을 나타냈다.
이를 통해 질소 시비의 효과가 명확하게 드러나지 않는 3월 19일에서 N_4:3:6으로 갈수록 NIR이 높은 것과, 4월 29일에서 N_4:3:6에서 가시광선 영역의 감소와 780 nm 후반의 NIR 영역이 높은 것은 질소 시비와 상관이 있음을 추정할 수 있다. 가시광선 영역 중 장파장에 속하는 670~780 nm의 red-edge 구간은 엽록소 양이 증가하면 엽록소 흡수 기능이 좋아져 파장이 길어지는데, Fig. 4에서 무처리인 N_4:3:0에서 red-edge 구간이 추비량이 많은 시험구에 비해 반사율이 높아진 것을 확인할 수 있어 초분광카메라의 반사율 특성을 통해 다양한 정보 확인이 가능한 것을 알 수 있다.
이 식생지수에서도 NDVI와 같은 경향을 볼 수 있었다. 그러나 NDVI와 달리 감소 폭이 커 시비 수준이 높은 N_4:3:6의 개체가 보다 건강하며 N_4:3:0으로 갈수록 노화가 빨리 이루어지는 것을 더욱 잘 파악할 수 있었다. 따라서 밀에서 시비 효과 평가에는 NDVI보다 Re-NDVI가 보다 효과적인 것을 보여진다.
휴대용 측정기를 이용한 실험에서 추비 조건에 따른 NDVI와 SPAD 값은 3월 19일에 큰 차이 확인할 수 없었다. 그러나 초분광카메라를 통한 분석에서 추비량 증대에 따라 780 nm보다 큰 파장대인 NIR 영역에서 반사율 증가가 확인되었다. 이는 시비 효과가 명확히 드러나지 않는 생육 초반에도 초분광카메라 활용해 작물 상태를 진단할 수 있음을 보여준다.
적절한 질소 시비는 작물에 초형을 개선하는 한편, 엽록소 유지에도 도움을 주어 엽노화를 억제하고 광합성도 증대시켰다. 드론을 활용해 얻어진 잎의 RGB 값은 4월 29일에서 추비량 증가에 따라 RGB 값의 뚜렷한 차이를 나타내 단순한 엽색 분석도 작물의 생리적 상태 평가에 활용할 수 있음을 보여주었다. 휴대용 측정기를 이용한 실험에서 추비 조건에 따른 NDVI와 SPAD 값은 3월 19일에 큰 차이 확인할 수 없었다.
, 1974), 스트레스나 광 흡수 효율이 떨어질 때 가시광선 반사율은 증가하고 적외선 영역은 반사율이 감소한다. 따라서 4월 29일에서 3월 19일보다 생육 진전으로 인한 전체적인 잎의 노화가 진행된 것으로 확인되었고, 질소 과량 처리구인 N_4:3:6은 스트레스가 적고 노화 지연이 있었던 것을 확인할 수 있었다. 그리고 시비 증가로 2차 추비 무처리구 대비 SPAD값이 높게 나왔는데, 이것은 4월 29일에도 엽록소 함량을 유지시켜 광합성을 잘 할 수 있도록 추비의 효과가 나타난 것을 알 수 있었다(Netto et al.
그러나 NDVI와 달리 감소 폭이 커 시비 수준이 높은 N_4:3:6의 개체가 보다 건강하며 N_4:3:0으로 갈수록 노화가 빨리 이루어지는 것을 더욱 잘 파악할 수 있었다. 따라서 밀에서 시비 효과 평가에는 NDVI보다 Re-NDVI가 보다 효과적인 것을 보여진다.
밀의 질소 시비별 생육 특성을 보면 초장은 3월 19일과 4월 29일 모두 차이가 없었으며, LAI는 유숙기에서 무처리 대비 추비 처리구에서 차이를 보였다(Fig. 1). NDVI는 3월 19일 모든 처리에서 통계적으로 유의하지 않았지만, 4월 29일에는 3월 19일보다 전체적으로 값이 낮아졌다(Fig.
PRI 지수는 높을수록 광이용효율이 높다. 본 연구에서 3월 19일에는 N_4:3:0이 조금 높았지만 4월 29일에는 N_4:3:6이 가장 높고 N_4:3:0은 3월 19일보다 더 낮아진 것을 확인할 수 있었다. 이는 4월 29일에 N_4:3:0에서 다른 2차 추비 처리구에 비해 Fv/Fm과 광합성률이 낮은 것과 밀접한 관련이 있는 것으로 보인다(Fig.
, 2013), 3월 19일에서 N_4:3:3이 가장 낮고 나머지 시비에서는 높았다. 본 연구에서 4월 29일에는 시비에 따라 N_4:3:6, N_4:3:3은 유사했으며 N_4:3:0에서는 크게 감소한 것을 확인할 수 있었다. GI (greeness index)는 3월 19일에서 N_4:3:6에서 높았고 N_4:3:0에서는 낮았다.
특히 다양한 생육 단계에서 초관 수준의 엽록소 함량 분석에 활용할 수 있었다. 본 연구에서도 4월 29일에서 N_4:3:6 대비 N_4:3:3의 감소 폭보다 N_4:3:3 대비 N_4:3:0의 감소 폭이 더 크게 나타나 2차 추비를 실시하지 않는 경우 개체 내 엽록소 함량이 크게 낮아져 광합성에 크게 영향을 주었다(Figs. 1 and 5).
본 연구의 초분광 분석 결과 신장기인 3월 19일에는 추비 수준이 낮아질수록 750 nm부터 1000 nm까지 반사율이 낮았으며, 가시광선 영역에서도 큰 차이가 나지 않고, 전체적인 시비별 그래프가 유사했다. 하지만 유숙기인 4월 29일에는 2차 추비가 이루어진 N_4:3:6과 N_4:3:3에서는 400~700 nm 영역이 3월 19일과 동일했지만 무처리인 N_4:3:0에서는 400~700 nm 영역애서 반사율이 올라간 것을 알 수 있다.
1c). 엽록소 수치를 나타내는 SPAD는 3월 19일에 40에 가까운 값을 보여주었고, 4월 29일에는 추비량이 많을수록 높게 나타났다(Fig. 1d).
, 2013). 이러한 결과를 고려하면 본 연구에서는 병에 의한 영향보다는 엽록소 함량의 감소와 노화 스트레스로 지수 감소가 발생한 것으로 추정되었으며, GI는 질소 시비 수준에 따른 영향을 분석하기에 제한적이었다.
하지만 유숙기인 4월 29일에는 2차 추비가 이루어진 N_4:3:6과 N_4:3:3에서는 400~700 nm 영역이 3월 19일과 동일했지만 무처리인 N_4:3:0에서는 400~700 nm 영역애서 반사율이 올라간 것을 알 수 있다. 이를 통해 질소 시비가 엽록소 함량을 줄여 반사율이 높아진 것을 확인할 수 있었다. 또한 498~715 nm에서 노화와 관련이 있다는 연구 결과를 고려할 때(Carter, 1993), N_4:3:6와 N_4:3:3은 3월 19일과 비슷한 반사율인 것으로 보아 질소 추비가 엽의 노화를 지연시킨 것으로 보인다.
46 kg 10a^-1으로 포장 시험구에 각각 처리하였다. 종합적으로 질소 시비량은 기비 40%, 1차 추비 30%가 처리되었고, 2차 추비(0%, 30%, 60%)에 따라 N_4:3:0, N_4:3:3, N_4:3:6으로 구분하였다.
포장에서 추비 수준이 낮을수록 4월 29일에는 가시광선 영역의 반사율이 증가하고, NIR 영역의 감소가 확인되어 시비에 따른 영향을 확인할 수 있었다. 초분광카메라를 이용한 식생지수 확인으로 엽록소 함량, 질소 부족 정도, 광합성 상태 분석에 근거한 시비 효과 평가가 가능하였다.

참고문헌 (53)

Amanullah, K., B. Marwat, P. Shah, N. Maula, and S. Arifullah. 2009. Nitrogen levels and its time of application influence leaf area, height and biomass of maize planted at low and high density. Pak. J. Bot. 41 : 761-768.

상세보기
Ashourloo, D., M. R. Mobasheri, and A. Huete. 2014. Evaluating the effect of different wheat rust disease symptoms on vegetation indices using hyperspectral measurements. Remote. Sens. 6 : 5107-5123.

상세보기
Behmann, J., J. Steinrucken, and Lutz. Plumer, P. 2014. Detection of early plant stress responses in hyperspectral images. ISPRS J. Photogramm. Remote. Sens. 93 : 98-111.

상세보기
Bendig, J., A. Bolten, S. Bennertz, J. Broscheit, S. Eichfuss, and G. Bareth. 2014. Estimating biomass of barley using crop surface models (CSMs) derived from UAV-based RGB Imaging. Remote. Sens. 6 : 10395-10412.

상세보기
Birth, G. S. and G. R. McVey. 1968. Measuring the color of growing turf with a reflectance spectrophotometer. J. Agron. 60 : 640-643.

상세보기
Blackburn, G. A. 1999. Relationship between spectral reflectance and pigment concentrations in stacks of deciduous broadleaves. Remote. Sens. Environ. 70 : 224-237.

상세보기
Calderon, R., J. A. Navas-Cortes, C. Lucena, and P. J. Zarco-Tejada. 2013. High-resolution airborne hyperspectral and thermal imagery for early detection of Verticillium wilt of olive using fluorescence, temperature and narrow-band spectral indices. Remote. Sens. Environ. 139 : 231-245.

상세보기
Cao, X., Y. Luo, Y. Zhou, J. Fan, X. Xu, J. S. West, X. Xiayu, and D. Cheng. 2015. Detection of powdery mildew in two winter wheat plant densities and prediction of grain yield using canopy hyperspectral reflectance. PLoS One. 10 : 1-14.
Carter, G. A. 1993. Responses of leaf spectral reflectance to plant stress. Am. J. Bot. 80 : 239-243.

상세보기
Cho, S. W., C. S. Kang, T. G. Kang, K. M. Cho, and C. S. Park. 2018. Influence of different nitrogen application on flour properties, gluten properties by HPLC and end-use quality of Korean wheat. J. Integr. Agric. 17 : 982-993.

상세보기
Darvishzadeh, R., A. Skidmore, C. Atzberger, and S. V. Wieren. 2008. Estimation of vegetation LAI from hyperspectral reflectance data: Effects of soil type and plant architecture. Int. J. Appl. Earth. OBS. 10 : 358-373.

상세보기
Datt, B. 1999. A New reflectance index for remote sensing of chlorophyll content in higher plants: tests using Eucalyptus leaves. J. Plant. Physiol. 154 : 30-36.

상세보기
FAO. 2020. Food outlook - Biannual report on global food markets. pp. 11-16.
Feng, W., X. Yao, Y. Zhu, Y. C. Tian, and W. X. Cao. 2008. Monitoring leaf nitrogen status with hyperspectral reflectance in wheat. Eur. J. Agron. 28 : 394-404.

상세보기
Filella, I., L. Serrano, J. Serra, and J. Penuelas. 1995. Evaluating wheat nitrogen status with canopy reflectance indices and discriminant analysis. Crop. Sci. 35 : 1400-1405.

상세보기
Fritschi, F.B. and J. D. Ray. 2007. Soybean leaf nitrogen, chlorophyll content, and chlorophyll a/b ratio. Photosynthetica. 45 : 92-98.

상세보기
Gamon, J. A., J. Penuelas, and C. B. Field. 1992. A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency. Remote. Sens. Environ. 41 : 35-44.

상세보기
Gitelson, A. and M. N. Merzlyak. 1994. Spectral reflectance changes associated with autumn senescence of Aesculus hippocastanum L. and Acer platanoides L. leaves. spectral features and relation to chlorophyll estimation. J. Plant. Physiol. 143 : 286-292.

상세보기
Gitelson, A. A., Y. J. Kaufman, and M. N. Merzlyak. 1996. Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote. Sens. Environ. 58 : 289-298.

상세보기
Gitelson, A. A. and M. N. Merzlyak. 1998. Remote sensing of chlorophyll concentration in higher plant leaves. Adv. Space. Res. 22 : 689-692.

상세보기
Gitelson, A. A., Y. Gritz, and M. N. Merzlyak. 2003. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves. J. Plant. Physiol. 160 : 271-282.

상세보기
Goetz, A. F. H. 2009. Three decades of hyperspectral remote sensing of the Earth: A personal view. Remote. Sens. Environ. 113 : S5-S16.

상세보기
Han, L., G. Yang, H. Dai, B. Xu, H. Yang, H. Feng, Z. Li, and X. Yang. 2019. Modeling maize above-ground biomass based on machine learning approaches using UAV remote-sensing data. Plant Methods. 15 : 10.

상세보기
Ivushkin, K., H. Bartholomeus, A. K. Bregt, A. Pulatov, H. D. Franceschini, H. Kramer, E. N. van Loo, V. J. Roman, and R. Finkers. 2018. UAV based soil salinity assessment of cropland. Geoderma. 338 : 502-512.
Kong, L., Y. Xie, L. Hu, J. Si, and Z. Wang. 2017. Excessive nitrogen application dampens antioxidant capacity and grain filling in wheat as revealed by metabolic and physiological analyses. Sci. Rep. 7 : 43363.

상세보기
KOSTAT. 2020. 2019 Food Grain Consumption Survey. pp. 17-30.
Lelong, C. C. D., P. C. Pinet, and H. Poilve. 1998. Hyperspectral imaging and stress mapping in agriculture. Remote. Sens. Environ. 66 : 179-191.

상세보기
Li, F., Y. Miao, S. D. Hennig, M. L. Gnyp, X. Chen, L. Jia, and G. Bareth. 2010. Evaluating hyperspectral vegetation indices for estimating nitrogen concentration of winter wheat at different growth stages. Precis. Agric. 11 : 335-357.

상세보기
Li, B., X. Xu, J. Han, L. Zhang, C. Bian, L. Jin, and J. Liu. 2019. The estimation of crop emergence in potatoes by UAV RGB imagery. Plant Methods. 15 : 15.

상세보기
Luo, L., Y. Zhang, and G. Xu. 2020. How does nitrogen shape plant architecture? J. Exp. Bot. 71 : 4415-4427.

상세보기
Mahlein, A. K., U. Steiner, H. W. Dehne, and E. C. Oerke. 2010. Spectral signature of sugar beet leaves for the detection and differentiation of diseases. Precis. Agric. 11 : 413-431.

상세보기
McKinney, G. 1941. Absorption of light by chlorophyll solutions. J. Biol. Chem. 140 : 315-322.

상세보기
Merzlyak, M. N., A. A. Gitelson, O. B. Chivkunova, and V. Y. Rakitin. 1999. Non-destructive optical detection of pigment changes during leaf senescence and fruit ripening. Physiol. Plant. 106 : 135-141.

상세보기
Mishra, P., M. S. M. Asaari, A. Herrero-Langreo, S. Lohumi, B. Diezma, and P. Scheunders. 2017. Close range hyperspectral imaging of plants: A review. Biosyst. Eng. 164 : 49-67.

상세보기
Moran, R. 1982. Formulae for determination of chlorophyllous pigments extracted with N,N-dimethylformamide. Plant Physiol. 69 : 1376-1381.

상세보기
Nebiker, S., M. Abacherli, N. Lack, and S. Laderach. 2016. Lightweight multispectral UAV sensors and their capabilities for predicting grain yield and detecting plant diseases. ISPRS-Int. Arch. Photogramm. Remote. Sens. Spat. Inf. Sci. 963-970.
Netto, A. T., E. Campostrini, J. G. de. Oliveira, and R. E. Bressan-Smith. 2005. Photosynthetic pigments, nitrogen, chlorophyll a fluorescence and SPAD-502 readings in coffee leaves. Sci. Hortic. 104 : 199-209.

상세보기
Nutter, F. W. 1989. Detection and measurement of plant disease gradients in peanut with a multispectral radiometer. Phytopathol. 79 : 958-963.

상세보기
Penuelas, J., B. Frederic, and I. Filella. 1995. Semi-empirical indices to assess carotenoids/chlorophyll-a ratio from leaf spectral reflectance. Photosynthetica. 31 : 221-230.

상세보기
Penuelas, J. and I. Filella. 1998. Visible and near-infrared reflectance techniques for diagnosing plant physiological status. Trends. Plant. Sci. 3 : 151-156.

상세보기
Reyniers, M., D. J. J. Walvoort, and J. De Baardemaaker, 2006. A linear model to predict with a multispectral radiometer the amount of nitrogen in winter wheat. Int. J. Remote. Sens. 27 : 4159-4179.

상세보기
Rouse, J. W., R. H. Haas, J. A. Schell, and D. W. Deering. 1974. Monitoring vegetation systems in the Great Plains with ERTS. In Proc. Third ERTS Symposium. NASA SP-351. 1 : 301-317.
Rumpf, T., A. K. Mahlein, U. Steiner, E. C. Oerke, H. W. Dehne, and L. Plumer. 2010. Early detection and classification of plant diseases with support vector machines based on hyperspectral reflectance. Compute. Electron. Agric. 74 : 91-99.

상세보기
Siegal, B. S. and A. F. H. Goetz. 1977. Effect of vegetation on rock and soil type discrimination, Photogramm. Eng. Rem. S. 43 : 191-196.
Sims, D. A. and J. A. Gamon. 2002. Relationships between leaf pigment content and spectral reflectance across a wide range of species, leaf structures and developmental stages. Remote. Sens. Environ. 81 : 337-354.

상세보기
Vogelmann, J. E., B. N. Rock, and D. M. MOSS, 1993. Red edge spectral measurements from sugar maple leaves. Int. J. Remote. Sens. 14 : 1563-1575.

상세보기
Wijitdechakul, J., S. Sasaki, Y. Kiyoki, and C. Koopipat. 2016. UAV-based multispectral image analysis system with semantic computing for agricultural health conditions monitoring and real-time management. International Electronics Symposium (IES). pp. 459-464.
Wu, C., Z. Niu, Q. Tang, and W. Huang. 2008. Estimating chlorophyll content from hyperspectral vegetation indices: Modeling and validation. Agr. Forest. Meterol. 148 : 1230-1241.

상세보기
Xingyun, L., T. Zhang, X. Lu, D. S. Ellsworth, H. BassiriRad, C. You, D. Wang, P. He, Q. Deng, H. Liu, J. Mo, and Q. Ye. 2019. Global response patterns of plant photosynthesis to nitrogen addition: A meta-analysis. Glob. Chang. Biol. 26 : 3585-3600.
Xu, J., H. Cai, X. Wang, C. Ma, Y. Lu, Y. Ding, X. Wang, H. Chen, Y. Wang, and Q. Saddique. 2019. Exploring optimal irrigation and nitrogen fertilization in a winter wheat-summer maize rotation system for improving crop yield and reducing water and nitrogen leaching. Agric. Water. Manag. 228 : 105904.
Zarco-Tejada, P. J., V. Gonzalez-Dugo, and J. A. Berni. 2012. Fluorescence, temperature and narrow-band indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera. Remote. Sens. Environ. 117 : 322-337.

상세보기
Zhang, L., Y. Niu, H. Zhang, W. Han, G. Li, J. Tang, and X. Peng. 2019. Maize canopy temperature extracted from UAV thermal and RGB imagery and its application in water stress monitoring. Front. Plant. Sci. 10 : 1-18.

상세보기
Zheng, T., P. F. Qi, Y. L. Cao, Y. N. Han, H. L. Ma, Z. R. Guo, Y. Wang, Y. Y. Qiao, S. Y. Hua, H. Y. Yu, J. P. Wang, J. Zhu, C. Y. Zhou, Y. Z. Zhang, Q. Chen, L. Kong, J. R. Wang, Q. T. Jiang, Z. H. Yan, X. J. Lan, G. Q. Fan, Y. M. Wei, and Y. L. Zheng. 2018. Mechanisms of wheat (Triticum aestivum) grain storage proteins in response to nitrogen application and its impacts on processing quality. Sci. Rep. 8 : 11928.

상세보기

저자의 다른 논문 :

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