KCI등재
기상 및 토양환경 정보를 이용한 노지 채소의 토양수분 변화 및 예측 모델 개발 = Soil Moisture Change and Prediction Model Development Using Weather and Soil Environment Information for Field Vegetables
저자
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2023
작성언어
-주제어
KDC
310
등재정보
KCI등재
자료형태
학술저널
수록면
1311-1324(14쪽)
DOI식별코드
제공처
토양수분은 식물이 자라는 데에 필수적인 요소로 기상환경 및 토양환경에 따라 생화학적으로영향을 받는다. 노지 채소의 성장기간 동안 적절한 토양수분 관리는 수확량 증대로 이어지므로노지 채소별 토양수분 관리는 중요한 요소이다. 하지만 농가에서 토양수분 관리는 농업인들의경험에 의해 관리되고 있으며, 다습한 환경 조건하에서는 어려운 문제로 주어진다. 따라서 기상환경 및 토양환경들의 정보를 이용하여 노지 채소(양파)의 토양수분을 관리할 수 있는 모델을개발하고자 한다. 먼저, 시간 단위의 기상환경 및 토양환경을 이용하여 토양수분과의 상관관계를규명하였다. 다음으로 시그모이드 함수 기반 비선형 회귀모형(non-linear regression, NLS)을 이용하여, 구비대기 동안 토양수분을 예측할 수 있는 통계적 모형을 개발하였다. 끝으로 제안하는 모형이 토양수분 예측 모델로서 적합 그리고 우수한지를 확인하기 위해 기존 연구에서 많이 사용되고 있는 서포트 벡터 회귀(support vector regression, SVR), 랜덤 포레스트(random forest, RF), 엑스지 부스트(extreme gradient boosting, XGB) 알고리즘과 비교 분석하였다. 평균제곱근오차(root mean square error, RMSE)와 평균절대오차(mean absolute error, MAE)를 통해 성능을 비교한 결과, NLS 모델이 밭재배에서는 우수하였으며, 논재배에서는 다른 모델에 비해 최대 토양수분에서 과소모의하는 것으로 나타났다. 제안된 모델이 다양한 토양환경에서도 적용하기 쉽고, 시간 단위로결과를 산출하기 때문에 농가에 유용한 토양수분 관리 시스템으로 도움을 줄 것으로 기대된다.
더보기Soil moisture is an essential element for plant growth and is biochemically affected by weather and soil environments. Farmers have difficulties in managing soil moisture, and existing soil moisture prediction models require a lot of environmental information. Therefore, we intend to develop a model that predicts soil moisture per hour using only limited environmental information. First, the relationship between soil moisture and the environment is identified through correlation analysis. Next, a statistical soil moisture prediction model was developed through a nonlinear regression model (NLS) using a sigmoid function. Finally, in order to confirm whether the proposed model is suitable as a soil moisture prediction model, it was compared with the machine learning algorithms of support vector regression (SVR), random forest (RF), and extreme gradient boosting (XGB), which are widely used in previous studies. Through root mean square error (RMSE) and mean absolute error (MAE), it was found that the NLS model was superior in field cultivation and underestimated the maximum soil moisture in paddy cultivation compared to other models. Since the proposed model is easy to apply in various soil environments, it is expected to help as a useful soil moisture management system for farmers.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)