본 연구는 미국흰불나방(Hyphantria cunea)의 국내 잠재 서식지 변화를 분석하기 위해 기후 변화와 토지 피복 변화라는 주요 환경 요인을 종합 적으로 고려하여 서식 적합도를 예측하였다. 먼저, 전 지구적 출현 데이터를 바탕으로 MaxEnt 모델을 구축하여 기후 변화 시나리오에 따른 국내 서식 적합도 변화를 모의하였다. 이후, 토지 피복 변화에 따른 산림 및 시가지 내 미국흰불나방의 PRA를 분석하였다. 연구 결과, 미국흰불나방의 적합 서식지는 태백산맥과 한라산 고산지대를 제외한 한국 대부분 지역에 분포할 것으로 예측되었다. SSP에 기반한 통합 기후-토지 피복 시나리오 에서 미국흰불나방의 PRA는 SSP1-2.6 시나리오에서는 2055s, 2085s가 각각 66,934 km2에서 67,363 km2로 증가한 반면, SSP3-7.0에서는 PRA는 66,676 km2에서 59,696 km2로 크게 감소하는 결과가 나타났다. 그러나 모든 시나리오에서 미국흰불나방 PRA 백분율이 여전히 전 국토 면적의 80%를 초과하기 때문에, 미국흰불나방에 대한 지속적인 방제 및 관리가 필요함을 시사한다. 본 연구는 국내에 광범위하게 퍼진 미국흰불나 방 개체군의 지속적인 관리가 필요함을 강조하며, 이를 토대로 미국흰불나방의 모니터링, 조기 경보, 예방 및 통제, 관리를 위한 기초 자료를 제공한 다. 또한, 기후 변화와 토지 이용 변화가 미국흰불나방의 서식 적합도에 미치는 영향을 종합적으로 분석함으로써, 효과적인 방제 및 관리 전략 수립 에 기여할 것으로 기대된다.

Environmental changes play a significant role in the introduction, dispersal, and establishment of invasive species. This study aims to predict the habitat suitability of the newly invasive pest P. absoluta in South Korea by thoroughly considering key environmental factors, including climate and land cover changes. First, the MaxEnt model was developed to simulate changes in habitat suitability using global occurrence data and future climate change scenarios. Subsequently, potential risk areas (PRAs) for P. absoluta within agricultural regions were analyzed based on land cover changes. The results indicated that under all Shared Socioeconomic Pathway (SSP) scenario combinations, the PRA for SSP1 and SSP3 in 2055 were similar, with values of 47.85% and 48.62%, respectively. However, by 2085, these areas showed a marked decrease to 39.28% and 28.52%, respectively. These findings suggest that the PRA for P. absoluta is expected to be most critical in the near future as climate and land-use changes continue to progress. This study emphasizes the urgent need for ongoing monitoring and management to prevent further invasion and spread of P. absoluta into new regions of South Korea. Additionally, it provides scientific evidence to support the development of effective control and management strategies. By thoroughly evaluating the impact of climate and land cover changes on invasive species management, this research presents a foundational framework for predicting the spread and risks of P. absoluta under future climate scenarios.

고추온실에서 꽃노랑총채벌레(Frankliniella occidentalis)의 이항표본추출법을 개발하였다. 무작위로 선택된 고추를 상, 중 하단으로 나누어, 각 구간에서 세 개의 꽃에 있는 꽃노랑총채벌레를 70% 에탄올이 든 바이알에 털어서 채취한뒤 실체현미경 하에서 밀도를 확인하였다. 꽃노랑총채 벌레의 평균밀도와 3가지 Tally threshold (1, 3, 5) 밀도 이상인 감염비율(PT)간의 이항관계 모형을 평가하여 개발하고 검증하였다. 꽃노랑총채벌 레의 이항표본조사를 위한 최적의 Tally threshold는 3으로 나타났다. 개발된 이항표본추출법의 검증은 이항표본추출법 개발에 사용되지 않은 독 립적 자료를 사용해서 RVSP (Resampling Validation for Sampling Plan) 프로그램으로 진행했으며, 고정 표본 크기(FSS)와 Wald의 순차적 확률비 검정(SPRT)을 사용했다. FSS는 Tally threshold를 3으로, SPRT는 상한값 0.55와 하한값 0.32로 설정해 1000번의 시뮬레이션을 수행했 다. 시뮬레이션 결과 실제 평균과 예측 평균 간의 차이가 없었으므로 개발된 이항표본조사법이 효과적인 것으로 나타났다.

In agricultural ecosystems, the relationship between insect pests and hosts is important, as insect pests can invade hosts, increasing insect pest density that threatens the hosts’ health. Insect pests and hosts are negatively correlated and affect the environment around them. i.e., host health, environment, and insect pest density are causally related, and the environment affects insect pest density. Deep learning is method of machine learning based on neural network theory. This approach enables handling uncertain environmental factors that simultaneously impact the density of F. occidentalis. Environmental factors affecting the density fluctuation of F. occidentalis selected atmosphere factors, soil factors, and host factors. This study aims to F. occidentalis monitoring using deep learning models inputting environmental factors.

As climate changes and global trade volume increases, the spread of invasive alien species accelerates. Early prevention before occurrence is crucial for invasive pest control. Therefore, this study modeled the current and future potential distribution of the tomato leafminer(Tuta absoluta) (Meyrick) (Lepidoptera: Gelechiidae), the most significant pest affecting tomatoes, in Korea. This pest primarily feeds on Solanaceae crops and can cause extensive damage, resulting in 50-100% loss of crops in greenhouses or fields. While previously unreported in Korea, it invaded China in 2017, indicating a potential threat to Korea. The potential distribution of the tomato leafminer in Korea under current and three future climate scenarios (SSP1-26, SSP3-70, SSP5-85) was predicted using the MaxEnt model. Additionally, elevation and land cover were incorporated as abiotic factors considering the ecological characteristics of the pest.

Density survey should be carried out for applying integrated pest management strategies, but it is labor-intensive, time- and cost-consuming. Therefore, binomial sampling plans are developed for estimating and classifying the population density of whiteflies late larvae based on the relationship between the mean density per sample unit (7 leaflets) and the proportion of leaflets infested with less than T whiteflies ( ). In this study, models were examined using tally thresholds ranging from 1 to 5 late larvae per 7 leaflets. Regardless of tally thresholds, increasing the sample size had little effect on the precision of the binomial sampling plan. Based on the precision of the model, T=3 was the best tally threshold for estimating the densities of late larvae. Models developed using T=3 validated by Resampling Validation for Sampling Plan program. Above all, the binomial model with T=3 performed well in estimating the mean density of whiteflies in greenhouse tomato.

총채벌레는 우리나라에 60여 종이 알려져 있으며 다양한 시설작물에서 직접적인 섭식 피해 이외에 토마토반점위조바이러스(TSWV)를 매 개하는 간접적인 피해도 유발한다. 그동안 총채벌레 방제는 살충제에 의존해 왔는데, 이는 농업환경에 많은 부작용을 유발하고 해충의 저항성을 유발시켜 더욱 방제를 어렵게 하고 있다. 이러한 문제를 해결할 수 있는 대안으로 내성 회피를 위한 물질을 탐색하였다. 실내검정으로 약용작물 67종의 추출물을 꽃노랑총채벌레 성충에 처리하여 가장 효과가 우수한 목단피를 선발하였다. 목단피 추출물을 처리 후 1일차에 100%의 살충효 과를 보였다. 또한, 목화진딧물은 3일차 83%, 복숭아혹진딧물 3일차 97%, 점박이응애 1일차 100%의 살충효과를 보였다. 고추 포트 검정에서 꽃노랑총채벌레 방제가는 1일차 77.6%, 2일차 40%의 효과가 나타났다. 현재 추가적으로 효과를 증대시킬 수 있는 물질을 탐색하고 있으며, 총 채벌레 방제에 본 추출물을 활용한다면 효과적일 것으로 기대된다.

담배가루이(Bemisia tabaci)는 광식성 해충으로 토마토황화잎말림바이러스(Tomato Yellow Leaf Curl Virus; TYLCV), 카사바갈색줄무늬병 (Cassava Brown Streak Disease; CBSD)를 매개하는 해충이다. 담배가루이 방제를 위해 화학적 방제가 주로 시행되지만 저항성으로 인한 한계로 인 해 종합적해충방제를 위한 고정정확도를 이용한 표본조사법(Fixed precision sampling plan)을 개발하였다. 표본추출은 토마토 식물이 50 cm 높이의 레일 위에 위치한 배지를 이용해 재배되고 있어 배지로부터 130 cm 이상(지상에서 180 cm 이상)을 상단, 70 cm~100 cm (지상에서 120 cm~150 cm)를 중단, 50 cm 이하(지상에서 100 cm 이하)를 하단으로 나누어 각 위치별 토마토 7엽의 잎 뒷면에서 관찰된 담배가루이 노숙 유충 마리 수를 조사 하였다. 담배가루이 노숙유충은 이동성이 거의 없어 알에서 우화한 뒤 고착화하여 용과 성충 단계를 거치기 때문에 중단, 하단에 밀도가 높았다. 공간분 포분석은 Taylor’s power law (TPL)를 이용하여 도출된 TPL의 회귀계수를 통해 분석하였고, TPL 계수의 차이는 공분산분석(ANCOVA)하여 차이 가 없어 자료를 통합(pooling)하여 계산된 새로운 TPL 계수를 이용하여 표본추출정지선과 방제의사결정법을 개발하였다. 개발된 표본추출법의 적합 성을 판단하기 위해 분석에 사용하지 않은 독립된 자료를 이용하여 Resampling Validation for Sampling Plan (RVSP) 프로그램으로 평가하였다.

For effective control of Frankliniella occidentalis, one of polyphagous pests with resistance to insecticides, necessitates the implementation of an integrated pest management strategy. Therefore, estimation of pest density is essential and this is achieved through the application of spatial statistical analysis methods. Because traditional methods often overlook the correlation between sampling locations and data, geostatistical analysis using variogram and kriging is introduced. Variogram provides information on the independent distance between data points. Kriging is a spatial interpolation technique for estimating the values at unsampled locations. For assessing model fitness, cross-validation is used by comparing predicted values with actual observations. This study focuses on the application of geostatistical techniques to estimate F. occidentalis density in hot pepper greenhouse, thereby contributing to making decision.

A causality exists between insect density and plant health, where plant health is affected by both the plant’s potential and environmental factors. In other words, causality is possible between insect density and environmental factors, allowing for the analysis of insect density based on these environmental factors. Machine learning enables studying insect density alongside environmental factors, providing insights into the causality between insects, the environment, and plant health. Machine learning is a methodology that involves the design of models by learning patterns from input data. This study aims to predict F. occidentalis density by sampling environmental factors and applying them to machine learning models.

Since the importance of integrated pest management to minimize environmental damage and maximize pest control effectiveness has emerged, efforts to put it into practice have continued. To implement IPM, it is necessary to estimate the economic injury level to determine the control method by identifying pests and weeds that damage the quantity and quality of crops in the field, investigating the occurrence level, and calculating the ratio of cost and effectiveness. Also, damage to host plants caused by increased density of insect pests appears to change plant’s health that key factor for managing crops. Therefore, understanding the relationship between the density of pests and the damage to the host plants is necessary. This study aims to analyze the causal relationship between the density of insect pests and damage to the host plants for estimating the economic injury level of insect pests on the host plants and investigating the possibility of pest control decision-making using plant health status.

Climate change and biological invasions are the greatest threats to biodiversity, agriculture, health and the global economy. Tomato leafminer(Tuta absoluta) (Meyrick) (Lepidoptera: Gelechiidae) is one of the most important threats to agriculture worldwide. This pest is characterized by rapid reproduction, strong dispersal ability, and highly overlapping of generations. Plants are damaged by direct feeding on leaves, stems, buds, calyces, young ripe fruits and by the invasion of secondary pathogens which enter through the wounds made by the pest. Since it invaded Spain in 2006, it has spread to Europe, the Mediterranean region, and, in 2010, to some countries in Central Asia and Southeast Asia. In East Asia, Tomato leafminer was first detected in China in Yili, Xinjiang Uygur Autonomous Region, in 2017. There is a possibility that this pest will invade South Korea as well. This study provides this by the use of MaxEnt algorithm for modelling the potential geographical distribution of Tomato Leafminer in South Korea Using presence-only data.