Climate change due to global warming causes a rise in atmospheric air temperature to rise and extreme shift in precipitation patterns. Carbon dioxide (CO2) is widely known as one of the major cause of global warming and accounts for about 72% of total greenhouse gas emissions. Agriculture is more vulnerable to climate change than other industries. Many studies have been conducted to investigate how agroecosystems, both natural and controlled, will respond to the rising level of CO2. Studies on the responses of crops and agricultural environments to climate change are crucial in predicting changes in agro-ecosystems. Research facilities for various types of CO2 treatment have been developed. The representative research facilities are SAR (Soil-Plant-Atmosphere-Research), OTC (Open Top Chamber), FACE (Free Air CO2 Enrichment System), and TGC & CTGC (Temperature Gradient Chamber & CO2-Temperature Gradient Chamber). Therefore, this study reviewed research data and their application in agriculture.

채소작물과 과수작물의 생육에 악영향을 미치는 서리발생을 미리 예측하기 위해 모형을 구축하고 채소 주산지에 적용해 보았다. 서리 발생 전날에 관측되는 다양한 기상인자들(최저기온, 18시 기온, 21시 기온, 24시 기온, 평균풍속, 18시 풍속, 21시 풍속, 구름량, 5일간 강수량, 3일간 강수량, 상대습도, 이슬점온도, 초상최저기온, 지면온도)을 수집 하고, 그 중에서 서리발생에 유의한 영향이 있다고 판단되는 변수들을 통계적 방법(T-test, Random Forest, Multicollinearity test, Akaike Informaiton Criteria, 그리고 Wilk’s lambda values)을 통해 선택하였다. 여러 통계적 방법을 통해 선택된 유의한 기상 인자는 24시 기온, 구름량, 이슬점온도, 21시 풍속 이였으며, 이 기상인자를 기계학습법의 한 종류인 랜덤 포레스트에 적용하여 서리 발생 예측 모형을 구축하였다. 이렇게 구축 된 서리 발생예측 모형의 정확도는 70.6%로 나타났으며, 이 모형을 가을배추와 가을무의 주산지인 홍성과 서산에 적용하였을 때 65.2%와 78.6%로 나타났다.

작물 생육에 영향 요소인 기상 변수들을 이용하여 우리나라 쌀 생산량(kg 10a−1 )을 추정하였다. 이 연구는 기상 변수의 연 변동성을 기반으로 간단하지만 효과적인 통계 방법인 다중회귀모형을 이용하여 쌀 생산량에 대한 예측 가능성을 살펴보았다. 비균질적인 환경 조건의 특성을 고려하여, 연 쌀 생산량을 우리나라 도별로 추정하고 검증하였다. 기상청에서 제공하는 1986년부터 2018년까지 33년간 관측된 61개지점의 월 평균 기상 자료를 설명자료로 사용하였다. 11겹 교차검증(11-fold cross-validation)을 이용하여 추정된 쌀 생산량의 정확도를 추정하였다. 분석한 결과, 상관계수 (0.7) 측면에서 간단한 과정으로도 도별 쌀 생산량의 시간적 변화를 잘 모의하였다. 또한 추정된 쌀 생산량은 0.7 kg 10a−1 (0.15%)의 평균 오차를 가지며, 관측의 공간적 특성을 잘 모의하였다. 이 방법은 적시에 농업기상 예측 정보를 얻는다면 쌀 생산량에 대한 유용한 정보를 사전에 얻을 수 있을 것으로 생각된다.