This study was conducted to estimate the damage of Whole Crop Corn (WCC; Zea Mays L.) according to abnormal climate using machine learning as the Representative Concentration Pathway (RCP) 4.5 and present the damage through mapping. The collected WCC data was 3,232. The climate data was collected from the Korea Meteorological Administration's meteorological data open portal. The machine learning model used DeepCrossing. The damage was calculated using climate data from the automated synoptic observing system (ASOS, 95 sites) by machine learning. The calculation of damage was the difference between the dry matter yield (DMY)normal and DMYabnormal. The normal climate was set as the 40-year of climate data according to the year of WCC data (1978-2017). The level of abnormal climate by temperature and precipitation was set as RCP 4.5 standard. The DMYnormal ranged from 13,845-19,347 kg/ha. The damage of WCC which was differed depending on the region and level of abnormal climate where abnormal temperature and precipitation occurred. The damage of abnormal temperature in 2050 and 2100 ranged from -263 to 360 and -1,023 to 92 kg/ha, respectively. The damage of abnormal precipitation in 2050 and 2100 was ranged from -17 to 2 and -12 to 2 kg/ha, respectively. The maximum damage was 360 kg/ha that the abnormal temperature in 2050. As the average monthly temperature increases, the DMY of WCC tends to increase. The damage calculated through the RCP 4.5 standard was presented as a mapping using QGIS. Although this study applied the scenario in which greenhouse gas reduction was carried out, additional research needs to be conducted applying an RCP scenario in which greenhouse gas reduction is not performed.

This study was conducted to estimate the damage of Whole Crop Maize (WCM) according to abnormal climate using machine learning and present the damage through mapping. The collected WCM data was 3,232. The climate data was collected from the Korea Meteorological Administration's meteorological data open portal. Deep Crossing is used for the machine learning model. The damage was calculated using climate data from the Automated Synoptic Observing System (95 sites) by machine learning. The damage was calculated by difference between the Dry matter yield (DMY)normal and DMYabnormal. The normal climate was set as the 40-year of climate data according to the year of WCM data (1978~2017). The level of abnormal climate was set as a multiple of the standard deviation applying the World Meteorological Organization(WMO) standard. The DMYnormal was ranged from 13,845~19,347 kg/ha. The damage of WCM was differed according to region and level of abnormal climate and ranged from -305 to 310, -54 to 89, and -610 to 813 kg/ha bnormal temperature, precipitation, and wind speed, respectively. The maximum damage was 310 kg/ha when the abnormal temperature was +2 level (+1.42 ℃), 89 kg/ha when the abnormal precipitation was -2 level (-0.12 mm) and 813 kg/ha when the abnormal wind speed was -2 level (-1.60 ㎧). The damage calculated through the WMO method was presented as an mapping using QGIS. When calculating the damage of WCM due to abnormal climate, there was some blank area because there was no data. In order to calculate the damage of blank area, it would be possible to use the automatic weather system (AWS), which provides data from more sites than the automated synoptic observing system (ASOS).

본 연구는 기계학습을 통한 수량예측모델을 이용하여 이상기상에 따른 WCM의 DMY 피해량을 산출하기 위한 목적으로 수행하였다. 수량예측모델은 WCM 데이터 및 기상 데이터를 수집 후 가공하여 8가지 기계학습을 통해 제작하였으며 실험지역은 경기도로 선정하였다. 수량예측모델은 기계학습 기법 중 정확성이 가장 높은 DeepCrossing (R2=0.5442, RMSE=0.1769) 기법을 통해 제작하였다. 피해량은 정상기상 및 이상기상의 DMY 예측값 간 차이로 산출하였다. 정상기상에서 WCM의 DMY 예측값은 지역에 따라 차이가 있으나 15,003~17,517 kg/ha 범위로 나타났다. 이상기온, 이상강수량 및 이상풍속에서 WCM의 DMY 예측 값은 지역 및 각 이상기상 수준에 따라 차이가 있었으며 각각 14,947~17,571 kg/ha, 14,986~17,525 kg/ha 및 14,920~17,557 kg/ha 범위로 나타났다. 이상기온, 이상강수량 및 이상풍속에서 WCM의 피해량은 각각 –68~89 kg/ha, -17~17 kg/ha 및 – 112~121 kg/ha 범위로 피해로 판단할 수 없는 수준이었다. WCM의 정확한 피해량을 산출하기 위해서는 수량예측모델에 이용하는 이상기상 데이터 수의 증가가 필요하다.

지구 온난화의 영향으로 우리나라는 지난 30년동안 평균기온이 0.7℃, 겨울철에는 1.4℃가 상승하였다. 이러한 온난화로 인하여 우리나라에서는 이상기상 현상이 자주 발생하여 채소작물에 피해가 발생한다. 특히 노지에서 많이 재배되고 있는 고추, 배추 및 무는 온난화로 인하여 정식시기를 점점 앞당겨 정식후 갑작스런 저온이 오면 이들 작물의 피해가 크다. 따라서 본 실험은 저온에 따른 배추의 생육특성과 엽 세포조직에 미치는 영향을 구명하고자 실시하였다. '춘광' 배추품종을 화분에 정식한 후 노지 처리구, 무가온 하우스 및 가온하우스 처리구 등 3처리를 하였다. 그 결과, 정식후 50일의 생육은 노지처리구의 초장, 엽수, 엽록소 및 엽면적이 가온 처리구에 비해서 현저하게 떨어졌고, 특히 생체중의 경우에는 가온 처리구에 비해서 노지와 무가온 하우스 처리구가 1/3 수준으로 현저하게 낮았다. 배추의 잎이 10매 정도 생육이 되었을 때 저온에 따른 배추 잎의 피해증상은 영하 3.0℃ 조건에서는 배추 겉잎에 약간의 수침증상을 보였으나 회복되었다. 그러나 영하 7.4℃ 조건의 배추 잎은 수침증상이 심하였으며 회복되지 못하고 황색으로 변하면서 결국 잎이 고사하였다. 피해받은 잎의 엽육세포는 영하 3.0℃ 조건에서는 울타리조직과 해면조직이 약한 붕괴증상을 보였지만 어느정도 형태를 갖추고 있었는데, 영하 7.4℃ 조건에서는 세포가 동결된 후 해동되는 과정에서 세포의 막구조가 파괴되어 울타리조직과 해면조직이 완전히 붕괴되었기 때문에 세포 형태를 갖추고 있지 않았다. 따라서 배추 정식후 초기 생육 단계에서 영하 3℃까지는 비닐이나 부직포로 보온, 토양수분 조절, ABA 처리를 하여 동해를 예방할 수 있으나 영하 7℃의 저온이 발생하면 세포가 파괴되어 회복하기 어렵기 때문에 다시 심거나 또는 다른 작물로 대체하는 것이 좋을 것으로 사료되었다.

본 연구는 56년간 기후자료를 이용하여 단둥의 이상기온 출현 빈도의 계절과 경년 변화를 조사하고 이상기온 출현 시 기상 특징을 분석한 것이다. 주요 분석 자료는 일평균기온, 기압, 상대 습도, 강수량, 풍속, 일조시간 등이다. 연구기간 동안 단둥의 이상기온 출현 빈도는 계절과 시간에 따라 변동을 보이면서 이상고온 출현일수는 뚜렷한 상승 경향을, 이상저온 출현일수는 뚜렷한 하강 경향을 나타내었다. 단둥에서의 이상기온 출현 시 날씨는 역시 이상기온이 나타나는 계절과 시간에 따라 변화를 보여주었다.