[논문]APEX-paddy 모델을 활용한 SSPs 시나리오에 따른 논 필요수량 변동 평가

최순군; 조재필; 정재학; 김민경; 엽소진; 조세라; 오수 당콰 에릭; 방정환

doi:10.5389/ksae.2021.63.6.001

APEX-paddy 모델을 활용한 SSPs 시나리오에 따른 논 필요수량 변동 평가
Assessing Future Water Demand for Irrigating Paddy Rice under Shared Socioeconomic Pathways (SSPs) Scenario Using the APEX-Paddy Model 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.63 no.6, 2021년, pp.1 - 16

최순군 (Climate Change Assessment Division, National Institute of Agricultural Sciences) , 조재필 (Convergence Center for Watershed Management, Integrated Watershed Management Institute) , 정재학 (Texas A&M AgriLife Research) , 김민경 (Climate Change Assessment Division, National Institute of Agricultural Sciences) , 엽소진 (Climate Change Assessment Division, National Institute of Agricultural Sciences) , 조세라 (Climate Change Assessment Division, National Institute of Agricultural Sciences) , 오수 당콰 에릭 (Council for Scientific and Industrial Research (CSIR) - Crops Research Institute) , 방정환 (Climate Change Assessment Division, National Institute of Agricultural Sciences)

Abstract ▼ AI-Helper

Global warming due to climate change is expected to significantly affect the hydrological cycle of agriculture. Therefore, in order to predict the magnitude of climate impact on agricultural water resources in the future, it is necessary to estimate the water demand for irrigation as the climate change. This study aimed at evaluating the future changes in water demand for irrigation under two Shared Socioeconomic Pathways (SSPs) (SSP2-4.5 and SSP5-8.5) scenarios for paddy rice in Gimje, South Korea. The APEX-Paddy model developed for the simulation of paddy environment was used. The model was calibrated and validated using the H2O flux observation data by the eddy covariance system installed at the field. Sixteen General Circulation Models (GCMs) collected from the Climate Model Intercomparison Project phase 6 (CMIP6) and downscaled using Simple Quantile Mapping (SQM) were used. The future climate data obtained were subjected to APEX-Paddy model simulation to evaluate the future water demand for irrigation at the paddy field. Changes in water demand for irrigation were evaluated for Near-future-NF (2011-2040), Mid-future-MF (2041-2070), and Far-future-FF (2071-2100) by comparing with historical data (1981-2010). The result revealed that, water demand for irrigation would increase by 2.3%, 4.8%, and 7.5% for NF, MF and FF respectively under SSP2-4.5 as compared to the historical demand. Under SSP5-8.5, the water demand for irrigation will worsen by 1.6%, 5.7%, 9.7%, for NF, MF and FF respectively. The increasing water demand for irrigating paddy field into the future is due to increasing evapotranspiration resulting from rising daily mean temperatures and solar radiation under the changing climate.

주제어

표/그림 (14)

그림 Fig. 1 Map of study site Gimje, Jeollabuk-do, South Korea
그림 Fig. 2 Algorithm of the APEX-Paddy model (Choi et al., 2017)
표 Table 1 Rice paddy water management schedule at the study site
그림 Fig. 3 Paddy water budget in APEX-Paddy model (Choi et al., 2017)
그림 Fig. 4 Projected changes in CO₂ concentration for the Shared Socioeconomic Pathways (SSPs) scenarios used for the study
그림 Fig. 5 Sensitivity of paddy evapotranspiration by APEX-Paddy model parameters
표 Table 2 List of 16 GCMs used in the study
그림 Fig. 6 APEX-paddy model calibration and validation result for paddy evapotranspiration. (A) comparing observed and simulation data by condition of rice paddy field, (B) calibration result (2015∼2016), (C) validation result (2017)
표 Table 3 Parameter calibration result for evapotranspiration used in the study
표 Table 4 Statistical significance test result for climate factor and APEX-Paddy model result (evapotranspiration and irrigation demand) using Duncan's Multiple Range Test (DMRT)
그림 Fig. 7 Future Changes in evaporation (A, B), transpiration (C, D), evapotranspiration (E, F), irrigation demand (G, H) under SSP2-4.5 and SSP5-8.5 scenarios. Using observed climate data (Obs.): 1981-2010; historical GCM data (Hist.): 1981-2010; near future GCM data (N.future): 2011-2040; mid future GCM data (M.future): 2041-2070; far future GCM data (F.future): 2071-2100
그림 Fig. 8 The result of estimating the daily mean temperature in the paddy field according to the SSP2-4.5 and SSP5-8.5 scenarios of GCM considering uncertainty. Using historical GCM data (Historical); near future GCM data (N.future); mid future GCM data (M.future); far future GCM data (F.future)
그림 Fig. 9 The result of estimating the evapotranspiration in the paddy field according to the SSP2-4.5 and SSP5-8.5 scenarios of GCM considering uncertainty. Using historical GCM data (Historical); near future GCM data (N.future); mid future GCM data (M.future); far future GCM data (F.future)
그림 Fig. 10 The result of estimating the irrigation demand in the paddy field according to the SSP2-4.5 and SSP5-8.5 scenarios of GCM considering uncertainty. Using historical GCM data (Historical); near future GCM data (N.future); mid future GCM data (M.future); far future GCM data (F.future)

AI 본문요약
AI-Helper

문제 정의

최근 IPCC 6차 보고서에 SSPs (Shared Socioeconomic Pathways, 공통사회경제경로) 시나리오가 채택되었으나 논벼 재배지를 대상으로 다중 GCM (General Circulation Model) 자료를 활용하여 논 필요수량 변화를 평가한 연구는 수행되지 않았다. 따라서 본 연구는 김제 지역을 대상으로 APEX-Paddy(Agricultural Policy and Environmental eXtender-Paddy) 모델을 활용하여 SSPs 시나리오에 따른 논 필요수량의 변화를 다중 GCM 앙상블 (multi GCM ensemble)을 통해 예측하고자 하였다.
본 연구에서는 김제 논벼 재배지를 대상으로 IPCC 6차 보고서에 채택된 SSP 시나리오에 따른 미래 필요수량의 변화를 평가하고자 하였다.

제안 방법

본 연구에서는 SSPs 시나리오의 과거 재현기간 (1850∼2014)을 고려하여 1981∼2010년을 기준년대 (historical period)로 설정하였고 이 기준 대비 근미래 (near future, 2011∼2040), 중간미래 (mid future, 2041∼2070), 먼미래 (far future, 2071∼2100) 30년 평년값을 비교하여 증발산량 및 논 필요수량의 변동을 평가하였다

대상 데이터

SSPs 시나리오의 경우 SSP2-4.5, SSP5-8.5 시나리오를 대상으로 CMIP6로부터 각각 16개 GCMs를 수집하였으며 SQM을 이용하여 상세화하였다. 상세화된 미래 기후 정보를 각각 APEX-Paddy 모델에 적용하여 미래 필요수량 값을 도출하고 결과를 앙상블하였다.

데이터처리

또한 변동의 통계적 유의성 평가에는 Duncan’s multiple range test (DMRT)를 사용하여 5% 유의수준에서 검정하였다.
필요수량 변동 평가는 SSPs 시나리오의 과거 재현기간(1850∼2014)을 고려하여 1981∼2010년을 기준년대로 설정하였고 이 기준 대비 근미래, 중간미래, 먼미래 각각 30년의 평년값 변화를 비교하였으며 DMRT를 이용하여 통계적 유의성을 평가하였다.

이론/모형

5 시나리오를 대상으로 CMIP6로부터 각각 16개 GCMs를 수집하였으며 SQM을 이용하여 상세화하였다. 상세화된 미래 기후 정보를 각각 APEX-Paddy 모델에 적용하여 미래 필요수량 값을 도출하고 결과를 앙상블하였다.

성능/효과

4 mm로 나타났다. SSP2-4.5 시나리오에서는 기준년대 대비 먼미래의 증산량이 14.1% 감소하는 것으로 나타났으며, SSP5-8.5 시나리오에서는 기준년대 대비 먼미래의 증산량이 19.1% 감소하는 것으로 나타났다.
7 mm이다. SSP2-4.5 시나리오에서는 기준년대에 비해 먼미래의 증발량이 30.6% 증가한 반면에, SSP5-8.5 시나리오에서는 기준년대에 비해 먼미래의 증발량이 38.1% 증가하여 SSP2-4.5보다 증발량 변동이 큰 것으로 나타났다.
SSPs 시나리오에 따른 증발량 (evaporation)의 변화는 기준년대 (1981∼2010)에 비해 미래로 갈수록 점점 증가하는 경향을 보였다 (Fig
SSPs 시나리오에 따른 증산량 (transpiration)의 변화는 증발량과 반대로 감소하는 경향을 보였다 (Fig. 7).
SSPs 시나리오에 따른 필요수량 (irrigation demand)의 변화는 기준년대에 비해 증가하는 경향을 보였다 (Fig. 7, Table 4).
7, Table 4). 기준년대 568.8 mm를 기준으로 SSP2-4.5 시나리오에서 근미래, 중간미래, 먼미래의 필요수량은 각각 582.0, 595.9, 611.3 mm로 2.3, 4.8, 7.5%가 증가하는 것으로 평가되었으며, SSP5-8.5 시나리오에서는 각각 568.8, 578.1, 601.0, 623.7 mm로 1.6, 5.7, 9.7%가 증가하는 것으로 나타났다. 따라서 SSP5-8.
7%가 증가하는 것으로 나타났다. 따라서 SSP5-8.5 시나리오에서 SSP2-4.5보다 필요수량의 변화가 더 클 것으로 예측되었다.
미래기간 증발산량 변화의 통계적 유의성 검정 결과 SSP 2-4.5, SSP5-8.5 시나리오 모두 근미래, 중간미래, 먼미래의 결과가 기준년대와 유의한 차이가 있는 것으로 나타났다. 미래기간 필요수량 변화의 통계적 유의성 검정 결과 SSP2-4.
5 시나리오 모두 근미래, 중간미래, 먼미래의 결과가 기준년대와 유의한 차이가 있는 것으로 나타났다. 미래기간 필요수량 변화의 통계적 유의성 검정 결과 SSP2-4.5 시나리오의 경우 중간미래부터 기준년대와 유의한 차이가 나타났으며 SSP5-8.5 시나리오의 경우 모든 기간에 대해 기준년대와 유의한 차이가 있는 것으로 나타났다.
필요수량 변동 평가 결과 기준년대 568.8 mm에 대하여 SSP 2-4.5 시나리오의 경우 근미래, 중간미래, 먼미래 각각 2.3, 4.8, 7.5%로, SSP5-8.5 시나리오의 경우 1.6, 5.7, 9.7%가 증가하는 것으로 나타났으며 중간미래부터 기준년대와 유의한 차이를 보였다. 이는 증발산량 증가 요인인 기온과 일사량이 SSP2-4.

후속연구

1%로 미래로 갈수록 증가하는 경향을 보였기 때문인 것으로 판단된다. 본 연구의 결과는 기후변화를 고려한 국가수자원 계획 수립 및 수리구조물 운영을 위한 기초자료로 활용될 수 있을 것으로 기대한다.
한편 기후변화 시나리오에 따라 강우, 일사량, 온도 등의 변화가 상이할 것으로 판단되며 위치, 재배작물, 물관리 방법 등 지역 특성에 따라 필요수량 예측 결과에 차이가 있을 것으로 판단된다. 최근 IPCC 6차 보고서에 SSPs (Shared Socioeconomic Pathways, 공통사회경제경로) 시나리오가 채택되었으나 논벼 재배지를 대상으로 다중 GCM (General Circulation Model) 자료를 활용하여 논 필요수량 변화를 평가한 연구는 수행되지 않았다.

참고문헌 (60)

Ayars, J. E., E. W. Christen, R. W. Soppe, and W. S. Meyer, 2006. The resource potential of in-situ shallow ground water use in irrigated agriculture: a review. Irrigation Science 24(3): 147-160. doi:10.1007/s00271-005-0003-y.

상세보기
Boucher, O., S. Denvil, G. Levavasseur, A. Cozic, A. Caubel, M. A. Foujols, Y. Meurdesoif, P. Cadule, M. Devilliers, E. Dupont, and T. Lurton, 2019. IPSL IPSLCM6A-LR model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.1532.
Cho, J. P., J. U. Kim, S. K. Choi, S. W. Hwang, and H. C. Jung, 2020. Variability analysis of climate extreme index using downscaled multi-models and grid-based CMIP5 climate change scenario data. Journal of Climate Change Research 11(2): 123-132 (in Korean). doi:10.15531/KSCCR.2020.11.2.123.

상세보기
Cho, J., W. Cho, and I. Jung, 2018. rSQM: Statistical downscaling toolkit for climate change scenario using nonparametric quantile mapping. Available online: cran. r-project.org/web/packages/rSQM/index.html (accessed on 25 August 2021).
Choi, S. K., 2019. APEX-Paddy model development and climate change impact assessment for paddy rice. Ph.D. Thesis, Seoul National University, South Korea. (in Korean)
Choi, S. K., J. Jeong, J. Cho, S. O. Hur, D. Choi, and M. K. Kim, 2018. Assessing the climate change impacts on paddy rice evapotranspiration considering uncertainty. Journal of Climate Change Research 9: 143-156 (in Korean). doi:10.15531/KSCCR.2018.9.2.143.

상세보기
Choi, S. K., J. Jeong, S. J. Yeob, M. Kim, J. H. Kim, and M. K. Kim, 2020. Evaluating changes and uncertainty of nitrogen load from rice paddy according to the climate change scenario multi-model ensemble. Journal of The Korean Society of Agricultural Engineers, 62(5): 47-62 (in Korean). doi:10.5389/KSAE.2020.62.5.047.

원문보기 상세보기
Choi, S. K., M. K. Kim, J. Jeong, D. Choi, and S. O. Hur, 2017. Estimation of crop yield and evapotranspiration in paddy rice with climate change using APEX-paddy model. Journal of The Korean Society of Agricultural Engineers ,59(4): 27-42 (in Korean). doi:10.5389/KSAE.2017.59.4.027.

원문보기 상세보기
Chung, S. O., 2010. Simulating evapotranspiration and yield response of rice to climate change using FAO-AquaCrop. Journal of the Korean Society of Agricultural Engineers, 52(3): 57-64 (in Korean). doi:10.5389/KSAE.2010.52.3.057.

원문보기 상세보기
Ciais, P., M. Reichstein, N. Viovy, A. Granier, J. Ogee, V. Allard, M. Aubinet, N. Buchmann, C. Bernhofer, A. Carrara, F. Chevallier, N. De Noblet, A. D. Friend, P. Friedlingstein, T. Grunwald, B. Heinesch, P. Keronen, A. Knohl, G. Krinner, D. Loustau, G. Manca, G. Matteucci, F. Miglietta, J. M. Ourcival, D. Papale, K. Pilegaard, S. Rambal, G. Seufert, J. F. Soussana, M. J. Sanz, E. D. Schulze, T. Vesala, and R. Valentini, 2005. Europe-wide reduction in primary productivity caused by the heat and drought in 2003. Nature 437: 529-533. doi:10.1038/nature03972.

상세보기
Dix, M., D. Bi, P. Dobrohotoff, R. Fiedler, I. Harman, R. Law, C. Mackallah, S. Marsland, S. O'Farrell, H. Rashid, J. Srbinovsky, A. Sullivan, C. Trenham, P. Vohralik, I. Watterson, G. Williams, M. Woodhouse, R. Bodman, F. B. Dias, C. Domingues, N. Hannah, A. Heerdegen, A. Savita, S. Wal es, C. Al l en, K. Druken, B. Evans, C. Richards, S. M. Ridzwan, D. Roberts, J. Smillie, K. Snow, M. Ward, and R. Yang, 2019. CSIRO-ARCCSS ACCESS-CM2 model output prepared for CMIP6 ScenarioMIP SSP245 & SSP585. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.4321.
Doll, P., 2002. Impact of climate change and variability on irrigation requirements: a global perspective. Climatic Change 54(3): 269-293. doi:10.1023/A:1016124032231.

상세보기
Easterling, D. R., G. A. Meehl, C. Parmesan, S. A. Changnon, T. R. Karl, and L. O. Mearns, 2000. Climate extremes: observations, modeling, and impacts. Science 289(5487): 2068-2074. doi:10.1126/science.289.5487.2068.

상세보기
Elliott, J., D. Deryng, C. Muller, K. Frieler, M. Konzmann, D. Gerten, M. Glotter, M. Florke, Y. Wada, N. Best, S. Eisner, B. M. Fekete, C. Folberth, I. Foster, S. N. Gosling, I. Haddeland, N. Khabarov, F. Ludwig, Y. Masaki, S. Olin, C. Rosenzweig, A. C. Ruane, Y. Satoh, E. Schmid, T. Stacke, Q. Tang, and D. Wisser, 2014. Constraints and potentials of future irrigation water availability on agricultural production under climate change. Proceedings of the National Academy of Sciences 111(9): 3239-3244. doi:10.1073/pnas.1222474110.

상세보기
Fischer, G., F. N. Tubiello, H. Van Velthuizen, and D. A. Wiberg, 2007. Climate change impacts on irrigation water requirements: Effects of mitigation, 1990-2080. Technological Forecasting and Social Change 74(7): 1083-1107. doi:10.1016/j.techfore.2006.05.021.

상세보기
Good, P., A. Sellar, Y. Tang, S. Rumbold, R. Ellis, D. Kelley, T. Kuhlbrodt, and J. Walton, 2019. MOHC UKESM1.0-LL model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.1567.
Gornall, J., R. Betts, E. Burke, R. Clark, J. Camp, K. Willett, and A. Wiltshire, 2010. Implications of climate change for agricultural productivity in the early twenty-first century. Philosophical Transactions of the Royal Society B: Biological Sciences 365(1554): 2973-2989. doi:10.1098/rstb.2010.0158.

상세보기
Hong, E. M., J. Y. Choi, S. H. Lee, S. H. Yoo, and M. S. Kang, 2009. Estimation of paddy rice evapotranspiration considering climate change using LARS-WG. Journal of the Korean Society of Agricultural Engineers 51(3): 25-35 (in Korean). doi:10.5389/KSAE.2009.51.3.025.

원문보기 상세보기
Hur, S. O., S. Choi, S. Yeop, S. C. Hong, and D. Choi, 2019. Relationship assessment on amount of irrigation water & productivity of rice by production function. Korean Journal of Environmental Agriculture 38(3): 133-138 (in Korean). doi:10.5338/KJEA.2019.38.3.23.

원문보기 상세보기
Jang, S. S., S. R. Ahn, H. K. Joh, and S. J. Kim, 2015. Assessment of climate change impact on Imha-dam watershed hydrologic cycle under RCP scenarios. Journal of the Korean Association of Geographic Information Studies 18(1): 156-169 (in Korean). doi:10.11108/kagis.2015.18.1.156.

원문보기 상세보기
John, J. G., C. Blanton, C. McHugh, A. Radhakrishnan, K. Rand, H. Vahlenkamp, C. Wilson, N. T. Zadeh, J. P. Dunne, R. Dussin, L. W. Horowitz, J. P. Krasting, P. Lin, S. Malyshev, V. Naik, J. Ploshay, E. Shevliakova, L. Silvers, C. Stock, M. Winton, and Y. Zeng, 2018. NOAA-GFDL GFDL-ESM4 model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.1414.
Kamruzzaman, M., S. Hwang, S. K. Choi, J. Cho, I. Song, H. Jeong, J. H. Song, T. Jang, and S. H. Yoo, 2020. Prediction of the effects of management practices on discharge and mineral nitrogen yield from paddy fields under future climate using APEX-paddy model. Agricultural Water Management 241: 106345. doi:10.1016/j.agwat.2020.106345.

상세보기
Kim, M. H., S. K. Choi, J. P. Cho, M. K. Kim, J. U. Eo, J. H. Bang, and J. M. Seong, 2021. Report on the climate change impact and vulnerability assessment on Agricultural environment and ecology. Phase I (2016-2020). National Institute of Agricultural Sciences, Wanju, Korea. (in Korean)
Kim, U. T., D. R. Lee, and C. S. Yoo, 2004. Effects of climate change on the streamflow for the Daechung dam watershed. Journal of Korea Water Resources Association 37(4): 305-314 (in Korean). doi:10.3741/JKWRA.2004.37.4.305.

원문보기 상세보기
Lee, T. S., J. Y. Choi, S. H. Yoo, S. H. Lee, and Y. G. Oh, 2012. Analyzing consumptive use of water and yields of paddy rice by climate change. Journal of the Korean Society of Agricultural Engineers 54(1): 47-54 (in Korean). doi:10.5389/KSAE.2012.54.1.047.

원문보기 상세보기
Li, J., L. Fei, S. Li, C. Xue, Z. Shi, and R. Hinkelmann, 2020. Development of "water-suitable" agriculture based on a statistical analysis of factors affecting irrigation water demand. Science of The Total Environment 744: 140986. doi:10.1016/j.scitotenv.2020.140986.

상세보기
Marshall, E., M. Aillery, S. Malcolm, and R. Williams, 2015. Agricultural production under climate change: the potential impacts of shifting regional water balances in the United States. American Journal of Agricultural Economics 97(2): 568-588. doi:10.1093/ajae/aau122.

상세보기
Mera, R. J., D. Niyogi, G. S. Buol, G. G. Wilkerson, and F. H. Semazzi, 2006. Potential individual versus simultaneous climate change effects on soybean (C 3 ) and maize (C4) crops: An agrotechnology model based study. Global and Planetary Change 54(1-2): 163-182. doi:10.1016/j.gloplacha.2005.11.003.

상세보기
Min, S. H., K. M. Shim, Y. S. Kim, M. P. Jung, S. C. Kim, and K. H. So, 2013. Seasonal variation of carbon dioxide and energy fluxes during the rice cropping season at rice-barley double cropping paddy field of Gimje. Korean Journal of Agricultural and Forest Meteorology 15(4): 273-281 (in Korean). doi:10.5532/KJAFM.2013.15.4.273.

원문보기 상세보기
Ministry of Environment (ME), 2020. Water and Future. Ministry of Environment. (in Korean)
Miyazaki, N., K. Kamewada, and S. Iwasaki, 2005. Quality changes of agricultural water passing through paddy fields. Bulletin of the Tochigi Prefectural Agricultural Experiment Station 55: 45-55.
Moriasi, D. N., J. G. Arnold, M. W. Van Liew, R. L. Bingner, R. D. Harmel, and T. L. Veith, 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE 50(3): 885-900. doi:10.13031/2013.23153.

상세보기
Neitsch, S. L., J. G. Arnold, J. R. Kiniry, and J. R. Williams, 2011. Soil and water assessment tool theoretical documentation version 2009. Texas Water Resources Institute.
O'Neill, B. C., E. Kriegler, K. Riahi, K. L. Ebi, S. Hallegatte, T. R. Carter, R. Mathur, and D. P. Van Vuuren, 2014. A new scenario framework for climate change research: the concept of shared socioeconomic pathways. Climatic Change 122(3): 387-400. doi:10.1007/s10584-013-0905-2.

상세보기
Rosenberg, N. J., B. A. Kimball, P. Martin, and C. F. Cooper, 1990. From climate and CO2 enrichment to evapotranspiration. Climate Change and US Water Resources 151-175.
Sakaguchi, A., S. Eguchi, T. Kato, M. Kasuya, K. Ono, A. Miyata, and N. Tase, 2014. Development and evaluation of a paddy module for improving hydrological simulation in SWAT. Agricultural Water Management 137: 116-122. doi:10.1016/j.agwat.2014.01.009.

상세보기
Schupfner, M., K. H. Wieners, F. Wachsmann, C. Steger, M. Bittner, J. Jungclaus, and E. Roeckner, 2019. DKRZ MPI-ESM1.2-HR model output prepared for CMIP6 ScenarioMIP SSP245 & SSP585. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.4398.
Seferian, R., 2019. CNRM-CERFACS CNRM-ESM2-1 model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.1395.
Seland, O., M. Bentsen, D. J. L. Olivie, T. Toniazzo, A. Gjermundsen, L. S. Graff, J. B. Debernard, A. K. Gupta, Y. He, A. Kirkevag, J. Schwinger, J. Tjiputra, K. S. Aas, I. Bethke, Y. Fan, J. Griesfeller, A. Grini, C. Guo, M. IIicak, I. H. H. Karset, O. A. Landgren, J. Liakka, K. O. Moseid, A. Nummelin, C. Spensberger, H. Tang, Z. Zhang, C. Heinze, T. Iversen, and M. Schulz, 2019. NCC NorESM2-LM model output prepration for CMIP6 ScenerioMIP SSP245 & SSP585. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.8253.
Shiogama, H., M. Abe, and H. Tatebe, 2019. MIROC MIROC6 model output prepared for CMIP6 scenarioMIP SSP245 & 585. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.5746.
Song, J. H., I. Song, J. T. Kim, and M. S. Kang, 2015. Simulation of agricultural water supply considering yearly variation of irrigation efficiency. Journal of Korea Water Resources Association 48(6): 425-438 (in Korean). doi:10.3741/JKWRA.2015.48.6.425.

원문보기 상세보기
Stockle, C. O., J. R. Williams, N. J. Rosenberg, and C. A. Jones, 1992. A method for estimating the direct and climatic effects of rising atmospheric carbon dioxide on growth and yield of crops: Part I-Modification of the EPIC model for climate change analysis. Agricultural Systems 38(3): 225-238. doi:10.1016/0308-521X(92)90067-X.

상세보기
Swart, N. C., J. N. S. Cole, V. V. Kharin, M. Lazare, J. F. Scinocca, N. P. Gillett, J. Anstey, V. Arora, J. R. Christian, Y. Jiao, W. G. Lee, F. Majaess, O. A. Saenko, C. Seiler, C. Seinen, A. Shao, L. Solheim, K. von Salzen, D. Yang, B. Winter, and M. Sigmond, 2019. CCCma CanESM5 model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.1317.
Tachiiri, K., M. Abe, T. Hajima, O. Arakawa, T. Suzuki, Y. Komuro, K. Ogochi, M. Watanabe, A. Yamamoto, H. Tatebe, M. A. Noguchi, R. Ohgaito, A. Ito, D. Yamazaki, A. Ito, K. Takata, S. Watanabe, and M. Kawamiya, 2019. MIROC MIROC-ES2L model output prepared for CMIP6 ScenarioMIP ssp585. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.5770.
Tao, F., and Z. Zhang, 2011. Impacts of climate change as a function of global mean temperature: maize productivity and water use in China. Climatic Change 105(3-4): 409-432. doi:10.1007/s10584-010-9883-9.

상세보기
The University of Melbourne, 2021. Greenhouse Gas Factsheets. Available online: https://greenhousegases.science.unimelb.edu.au (accessed on 25 August 2021).
Van Vuuren, D. P., E. Kriegler, B. C. O'Neill, K. L. Ebi, K. Riahi, T. R. Carter, J. Edmonds, S. Hallegatte, T. Kram, R. Mathur, and H. Winkler, 2014. A new scenario framework for climate change research: scenario matrix architecture. Climatic Change 122(3): 373-386. doi:10.1007/s10584-013-0906-1.

상세보기
Voldoire, A., 2019. CNRM-CERFACS CNRM-CM6-1 model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.1384.
Volodin, E., E. Mortikov, A. Gritsun, V. Lykossov, V. Galin, N. Diansky, A. Gusev, S. Kostrykin, N. Iakovlev, A. Shestakova, and S. Emelina, 2019a. INM INM-CM4-8 model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.12321.
Volodin, E., E. Mortikov, A. Gritsun, V. Lykossov, V. Galin, N. Diansky, A. Gusev, S. Kostrykin, N. Iakovlev, A. Shestakova, and S. Emelina, 2019b. INM INM-CM5-0 model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.12322.
Wada, Y., D. Wisser, S. Eisner, M. Florke, D. Gerten, I. Haddeland, N. Hanasaki, Y. Masaki, F. T. Portmann, T. Stacke, Z. Tessler, and J. Schewe, 2013. Multimodel projections and uncertainties of irrigation water demand under climate change. Geophysical Research Letters 40(17): 4626-4632. doi:10.1002/grl.50686.

상세보기
Wieners, K. H., M. Giorgetta, J. Jungclaus, C. Reick, M. Esch, M. Bittner, V. Gayler, H. Haak, P. de Vrese, T. Raddatz, T. Mauritsen, J. S. von Storch, J. Behrens, V. Brovkin, M. Claussen, T. Crueger, I. Fast, S. Fiedler, S. Hagemann, C. Hohenegger, T. Jahns, S. Kloster, S. Kinne, G. Lasslop, L. Kornblueh, J. Marotzke, D. Matei, K. Meraner, U. Mikolajewicz, K. Modali, W. Muller, J. Nabel, D. Notz, K. Peters-von Gehlen, R. Pincus, H. Pohlmann, J. Pongratz, S. Rast, H. Schmidt, R. Schnur, U. Schulzweida, K. Six, B. Stevens, A. Voigt, and E. Roeckner, 2019. MPI-M MPIESM1.2-LR model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.793.
Williams, J. R., and R. C. Izaurralde, 2010. The APEX model. In Watershed models, 1st ed., CRC Press, Florida, USA, pp. 461-506.
Williams, J. R., R. C. Izaurralde, C. Williams, and E. M. Steglich, 2015. Agricultural policy/environmental extender model theoretical documentation version 0806. Texas A&M Blackland Research Center Temple.
Yoo, S. H., 2000. Soil Encyclopedia, Seoul National University Press, Seoul, South Korea. (in Korean)
Yoo, S. H., J. Y. Choi, S. H. Lee, Y. G. Oh, and N. Y. Park, 2012. The impacts of climate change on paddy water demand and unit duty of water using high-resolution climate scenarios. Journal of the Korean Society of Agricultural Engineers 54(2): 15-26 (in Korean). doi:10.5389/KSAE.2012.54.2.015.

원문보기 상세보기
Yoo, S. H., T. Kim, S. H. Lee, and J. Y. Choi, 2015. Trend analysis of projected climate data based on CMIP5 GCMs for climate change impact assessment on agricultural water resources. Journal of the Korean Society of Agricultural Engineers 57(5): 69-80 (in Korean). doi:10.5389/KSAE.2015.57.5.069.

원문보기 상세보기
Yukimoto, S., T. Koshiro, H. Kawai, N. Oshima, K. Yoshida, S. Urakawa, H. Tsujino, M. Deushi, T. Tanaka, M. Hosaka, H. Yoshimura, E. Shindo, R. Mizuta, M. Ishii, A. Obata, and Y. Adachi, 2019. MRI MRI-ESM2.0 model output prepared for CMIP6 ScenarioMIP. Earth System Grid Federation. doi:10.22033/ESGF/CMIP6.638.
Yun, D. K., S. O. Chung, and S. J. Kim, 2011. Climate change impacts on paddy water requirement. Journal of the Korean Society of Agricultural Engineers 53(4): 39-47 (in Korean). doi:10.5389/KSAE.2011.53.4.037.

원문보기 상세보기
Ziehn, T., M. A. Chamberl ain, R. M. Law, A. Lenton, R. W. Bodman, M. Dix, L. Stevens, Y. P. Wang, and J. Srbinovsky, 2020. The Australian Earth System Model : ACCESS-EMS1-5. Journal of Southern Hemisphere Earth Systems Science 70(1) : 193-214. doi : 10.1071/ES19035.

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