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.

최근 국내 멧돼지 문제는 농작물 피해 및 도심 출몰로 인하여 사회적으로 심각한 상황에 직면해 있다. 본 연구는 경남 거창군의 멧돼지에 의한 농작물 피해사례를 바탕으로 피해에 영향을 끼치는 환경 요인들에 대하여 파악하고자 2012년 5월부터 10월까지 수행 되었다. 농작물 피해 분석 결과 주로 8월과 9월 사이 피해가 가장 많이 발생하였고, 벼의 빈도가 가장 높았으며 피해 강도는 고구마가 가장 높은 것으로 나타났다. 이는 멧돼지의 농작물 선호성과 특정시기에 대한 가용성과 관련이 있는 것으로 판단된다. 또한 농작물 피해에 경사, 지형기복, 산림과의 거리, 수계로부터의 거리, 도로로부터의 거리, 주거지로부터의 거리의 요인들이 영향을 미치는 것으로 나타났다. 피해 강도에 따른 환경요인의 차이는 나타지 않아 멧돼지는 한번 피해를 끼친 농경지를 지속적으로 방문하여 피해를 누적 시키는 것으로 파악된다. 따라서 멧돼지에 의한 농작물 피해를 저감시키기 위해서는 피해가 발생할 수 있는 곳에 멧돼지가 비선호하는 작물로 대체 재배하며 전기펜스 설치, 엽사와 포획틀을 이용한 멧돼지 개체수 조절이 필요할 것으로 판단된다.

Amur silver grass, Miscanthus sacchariflorus is one of the promising biofuel crops. A damage of noctuid pest, Leucapamea askoldis was firstly observed from Amur silver grass in Hwasun silver grass plantation during the survey of insect pests of Amur silver grass in Iksan, Hwasun, and Sancheong plantation areas in Korea. The host of L. askoldis was not known yet in Korea. Thus, M. sacchariflorus was the first known host in Korea. The L. askoldis damage was observed as larval feeding on newly grown shoots of M. sacchariflorus close to soil surface from early April to early May in 2013. Investigated larval density was 1.6 ± 1.1 per m2 on April 4 and damage rate of shoots was 0.8% ± 0.4 per hundred plants on May 4, 2013. The larvae bore into shoots of M. sacchariflorus and then feed inside of plant. The damaged shoots are easily pulled out and distinguished by the boring hole on the shoots.

미국흰불나방은 2011년 국내 35개 시군에서 발생과 피해가 확인되었고, 국내에서는 검은색 머리(black-headed form)를 가진 유충의 출현만 확인되었다. 미국흰불나방이 출현하는 곳의 서식지 분포비율은 가로수 66.7%, 조경수 19.4%, 산림 13.9%로 나타났다. 즉 가로수, 조경수가 86.1%로 인위적인 환경에서 피해가 심각하였다. 본 연구에서 확인된 기주식물은 총 44과 102종으로 조사되었고, 선행연구와 비교하여 29종이 추가되었다. 국내에서 최초 발견된 후 약 50년이 지난 현재 선행연구를 포함한 기주식물은 총 62과 219종으로 조사되었다. 그 중에서 식량작물 5종(2.3%), 채소류 6종(2.7%), 약용작물 4종(1.8%), 특용작물 1종(0.5%), 과수 13종(5.9%), 기타수원지 6종(2.7%), 기타작물 5종(2.3%)이 포함되어 있다. 기주식물의 원산지는 미국흰불나방의 원산지와 같은 북미 원산 식물 7종(18.4%), 중국 원산 식물 11종(29.0%), 일본 원산 식물 4종(10.5%), 유럽 원산 식물 4종(10.5%), 인도 원산 식물 4종(10.5%) 등으로 조사되었다. 유충에 의해 집중적으로 피해를 입은 수종은 양버즘나무(Platanus occidentalis L.), 느릅나무(Ulmus davidiana var. japonica (Rehder) Nakai), 산수유(Cornus officinalis Siebold & Zucc.) 등 총 17종으로 관찰되었다.

1973.9.7-10.11까지 우리나라에 있어서 농작물의 피해에 가장 크게 영향하는 쥐의 종류와 주요 서식처를 밝히고자 강원도와 경기도 일환을 대상으로 10개소의 논에 대하여 피해조사를 실시하였다. 조사결과 전체적으로는 1971년도 벼의 평균피경률 조생종 중만생종 보다 월등히 남은 조생종 및 중만생종 이었다. 그러나 대부분의 피해는 농가로부터 50m(간혹 l100m)이내에서 심하게 나타났고 피해의 원인이 되는 주요 쥐종류는 시궁쥐 (Rattus norvegicus Caraco)와 등줄쥐 (Apodemus agrarius)이었다. 1974. 4. 9-4.18까지 전국대표적인 지역을 순회하면서 농민과 농촌지도원을 대상으로 광범위한 여론을 수집한 바 우리나라에 있어서 쥐에 의한 농작물의 피해는 농촌부락에서 서식월동하는 쥐의 개체군에 밀접한 관련을 가지고 있음이 확인되었다.

The chemical leak accidents cause a large number of casualties in the short term and secondary environmental pollution in the long term. In the case of the hydrogen fluoride (HF) leak accident in Gumi City, Gyeongsangbuk-do, Korea, the fluoride ion concentration in crops located near the HF leak accident area was detected to be in the range of 99 ~ 13,029 mg/kg and in woody stems in the range of N.D. ~ 6,789 mg/kg. We also identified the correlation relationship between the range and the contamination degree. The order of degree of fluoride contamination of crops was leaf > stem epidermis > inside the stem. However, in another case of accidental HF leak in Hwasung City, Gyeonggi-do, Korea, because the concentration of fluoride ion in the crops was detected in the range of N.D. ~ 45 mg/kg, it is difficult to make a decision about whether HF affects the crops or not. In this study, with the suggestion of the identification of leak accident impacts by checking the contamination characteristics and condition of HF in terms of diffusion distance from the accident point, we prevent damage from secondary environmental pollution and prepare for similar accidents in the future.

자연발생포장 및 톱다리개미허리노린재 접종구에서 협 피해 및 수량 감소가 적었던 품종은 풍산나물콩, 소백나물콩, 두유콩, 신팔달콩 2호로 다른 품종에 비해 노린재 선호도가 낮은 품종으로 생각되었고, 명주나물콩, 만리콩, 황금콩은 피해가 심한 품종으로 분류되었다. 콩 품종간 톱다리개미허리노린재 선호성으로 모용색이 회백색인 품종군의 피해율이 13.0%인데 비해 갈색모용의 품종군은 8.2%로 피해율이 낮았으며, 제색도 황색에 비해 담갈색>갈색>회갈색 순으로 제