수경재배 시스템에서 이온선택성전극(ISE)를 이용하여 배액 내 칼륨, 칼슘, 질소 이온농도를 측정하고 배양액 조제알고리즘을 통해 부족농도를 보충하는 시스템을 개발하였다. 또한, ISE로 실시간 측정이 어려운 다량원소 중 미측정 이온에 대한 농도는 배액 내 다량원소 간 상관관계를 통해 예측하였다. 회수된 배액을 재사용하기 위해서는 배액의 이온농도 측정도 중요하지만 부족한 양을 어떻게 정확하게 공급해 줄 것인지도 중요하다. 부족 농도를 보충하기 위해 비료농축액을 사용하였으며, 회수된 배액 내 미측정된 다량원소 이온들의 농도를 예측하기 위해 상추 재배실험 을 통해 이온 크로마토그래피로 측정한 다량원소 간 관계를 분석하였다. PO4의 경우 전극을 이용하여 측정 가능한 다량원소 간의 상관관계는 결정계수 K=0.91, NO3=0.96, Ca=0.87로 모두 높은 관계를 나타내었다. 이 중 결정계수가 가장 높은 질산을 조제 알고리즘에 사용하였다. Mg의 경우 K=0.93, NO3=0.93, Ca=0.99로 셋 중 Ca와 가장 밀접한 관계를 보여 Ca를 조제 알고리즘에 사용하였다. SO4의 경우 K=0.86, NO3=0.97, Ca=0.95를 나타냈으며 결정계수가 가장 높은 NO3를 알고리즘에 적용하여 양액을 조제 하려고 했으나 해당 비료의 과잉공급이 발생하게 되어 Ca을 적용하여 양액을 조제 하였다. 알고리즘을 이용하여 조제한 결과 전체적으로 10% 내의 오차로 나타났지만 비료농축액 공급량 결정 시 투입되는 비료를 순차적으로 결정할 뿐만 아니라 특정 이온의 과잉 또는 부족 농도가 최소화될 수 있는 방향으로 알고리즘을 만들었기 때문에 NO3과 SO4에 대한 공급오차는 발생할 수밖에 없었다. 개발된 시스템의 성능을 평가하고자 재배실험에서 나온 배액과 제조된 양액을 비교하였고 K, Ca, NO3의 공급오차는 평균 ±10%내를 보여 예상치보다 다소 많은 오차를 보였지만 회수된 배액을 재조제하여 공급하였을 때 실제 작물재배에서 목표 농도를 유지할 수 있을 것으로 보였다. 하지만 보다 정밀한 제어를 위해 상추 생육단계별 이온흡수량 데이터베이스를 구축하여 조제알고리즘에 적용시켜 배양액을 공급할 수 있는 연구가 필요하다고 판단되었다.

야마자키 토마토용 배양액을 이용하여 토마토를 담액 재배할 경우, pH 7.5 정도인 수돗물을 용수로 한 배양액에 NH4H2PO4를 사용하므로써 배양액의 pH를 안정시키는 동시에, 적정 식물생장을 유도할 수 있는 NH4H2PO4농도를 찾고자 실험을 수행하였다. 그 결과 NH4H2PO4의 농도를 증가시킴에 따라 배양액의 pH가 감소하는 경향을 보였으며, EC는 반대의 경향을 보였다. NH4-N 8/3 me/l 처리구에서는 식물체에 황화현상이 나타났다. NH4-N이 4/3 me/l 혹은 5/3 me/l인 처리구에서 pH와 EC를 안정적으로 유지할 수 있었다. 엽장이나 줄기직경은 NH4-N 2/3 me/l처리구에서 큰 값을 나타냈고, 과실의 당도는 NH4-N 5/3 me/l 처리구에서 가장 높았다. 이상의 결과로부터, 토마토의 담액 재배시 수확기 이전에는 NH4-N을 2/3 me/l로 하고, 수확기에는 NH4-N을 4/3-5/3 me/l로 하는 것이 바람직한 것으로 사료되었다.

As the automation of nutrient solution management proceeds in the field of hydroponics, effective supporting systems to manage the nutrient solution by computer become needed. This study was attempt to predict the EC of nutrient solution using the neural networks. The multilayer perceptron consisting of 3 layers with the back propagation learning algorithm was selected for EC prediction, of which nine variables in the input layer were the concentrations of each ion and one variable in the output layer the EC of nutrient solution. The meq unit in ion concentration was selected fir input variable in the input layer. After the 10,000 learning sweeps with 108 sample data, the comparison of predicted and measured ECs for 72 test data showed good agreements with the correlation coefficient of 0.998. In addition, the predicted ECs by neural network showed relatively equal or closer to the measured ones than those by current complicated models.

The optimum management of nutrient solution needs the effective combination of fertilizers as well as the accurate control of nutrient solution. This study was attempt to make a supporting system for effective fertilizer combination by using computer and also to develop a EC predicting equation for keeping the EC of solution within the allowable range after application of combined fertilizers. The supporting system consists of three parts : (1) data bases, (2) rules for deciding the kinds and amounts of fertilizers and (3) main control. With input data, the main control automatically constructs the network connecting the related data bases and subsequently executes the operation of searching proper fertilizers through it. For more effective searching, fertilizers are classified into two levels(level 1 and level 2) in consideration of solubility, price, and frequency in use, and searched in that order. The EC prediction equation, a extended form of the Robinson and Stroke's theoretical equation only available for a binary electrolyte, is suggested for predicting the EC of the nutrient solution containing many kinds of inorganic compounds. The comparison of predicted and measured ECs showed good agreements with the high correlation between the predicted EC decrement by ion interaction and the actual one(limiting EC minus measured EC).