열화상 이미지 기반 작물 수분 스트레스 지수를 통한 기공전도도 추정 방법 :A Study on Stomatal Conductance Estimation from Crop Water Stress Index using the Thermal Image

정회정

추천

검색

자료유형: 학위논문

저자정보: 정회정 (전남대학교, 전남대학교 대학원)

지도교수: 조재일

발행연도: 2021

저작권: 전남대학교 논문은 저작권에 의해 보호받습니다.

이용수49

이 논문의 연구 히스토리 (2)

2021

열화상 이미지 기반 작물 수분 스트레스 지수를 통한 기공전도도 추정 방법

정회정 응용식물학과 2021.01 학위논문

2018

작물 수분 스트레스 지수를 통한 기공 전도도 산출 가능성

정회정 , 류재현 , 오도혁 외 2명 한국농림기상학회 학술발표논문집 2018.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

작물이 스트레스를 받게 되면 스트레스에 민감하게 반응하는 기공 개폐에 의해 광합성과 증산에 영향을 미치는 CO2와 H2O 기체 교환에 영향을 주게 되고 이는 잎 표면 에너지 밸런스 및 작물 생장, 수량에 영향을 미친다. 따라서 기공이 기체를 교환하는 양인 기공전도도(gs)를 적시에 용이하게 관측할 수 있다면 작물의 현장 이해 및 예측에 유용할 것이다. 그러나 gs를 연속적으로 관측하기에는 어려움이 있다. gs와 밀접한 관련이 있는 작물 지수 중 하나로 1980년대 수분 스트레스를 표현하기 위해 개발된 Crop Water Stress Index (CWSI)는 기공의 개폐에 따른 엽온 변화에 기반한다. 최근 기술의 발달로 보다 쉽게 엽온을 도출할 수 있게 되면서 CWSI가 재조명되고 있다. gs와 CWSI는 엽온과 관계 있으므로 관측한 엽온을 통해 산출한 CWSI로 gs를 추정할 수 있을 것이라 가정에 따라 CWSI를 이용해 새로운 gs 추정 방법을 개발해 보고자 한다. CWSI와 gs의 상관관계를 규명하기 위하여 선행 연구된 문헌들의 자료를 수집하고, 관측된 기상 자료를 입력자료로 사용하는 물리방정식 기반의 수치모의 평가를 진행하였다. 이를 통해 CWSI와 gs는 음의 선형 상관관계를 가짐을 알게 되었다. 수치모의 평가의 결과를 기반으로 현장 관측을 진행하였다. gs를 잘 관측하는 것뿐만 아니라 CWSI를 잘 산출하는 것도 중요하기 때문에 산출하기 위한 여러가지 방법론 실험도 진행하였다. 방법론 실험에서 선택된 최대?최소 기준 엽온을 구하는 방법론과 물리 방정식 기반의 최대?최소 기준 엽온을 계산하여 비교하였다. CWSI와 gs가 단순한 선형 회귀식으로 표현된다면, 이를 통해 연속적인 CWSI 계산 및 gs 산출을 가능케 할 것이다. 더 나아가서 스마트팜 시스템에서 관수 스케줄링을 위한 작물 수분 스트레스 탐지뿐만 아니라 광합성, 증발산, 작물 생산량 추정에 사용할 수 있을 것이라 전망한다.

Stomatal conductance (gs, mmol m-2 s-1) is one of the critical factors to understand crop growth. gs can express the biotic and abiotic plant stresses. In abnormal condition, such as drought, insects or disease, gs getting lower. These stresses affect the gas exchange in the stomata, which affects the leaf surface energy balance, crop growth, and yield. Knowing gs make us recognize and predict crop conditions. Therefore, the time series analysis of gs is necessary for the quick detection of abnormal crop condition in smart-farming system but there are some limitations to measure gs quickly and easily.
One of the crop indices closely related to gs, the Crop Water Stress Index (CWSI) is suggested to detect the water stress of crops in 1980s. CWSI is based on the leaf energy balance, this basically related to leaf temperature based on stomata open and close. As recent technology has been developed, leaf temperature can be easily observed by thermal camera or infrared thermometer, etc. I assume that there is any relationship between CWSI and gs because both has something in common: leaf temperature. As the assumption, I trying to find out possibility of estimation of gs using CWSI which is based on thermal image. In this study, I try to figure out the relationship between gs and CWSI by data collection from previous studies and numerical simulation based on physical equations using observed meteorological data as input parameters. As a result, there is negative linear relationship between CWSI and gs, and slope of relationship was determined by maximum stomatal conductance (gs_max). Based on both studies, field observation was demonstrated to evaluate relationship under field conditions. In field observation, I have been tested various methods and tested a novel method used as reference temperature. Observed reference temperature was compared with calculated reference temperature based on physical equations. In a series of processes, I figure out there is a negative linear correlation between CWSI and gs. When this correlation could be expressed a simple linear regression, this will enable continuous CWSI calculation and gs estimation. Furthermore, this will contribute to not only monitoring of crop stress for irrigation scheduling in smart farm system but also estimating evapotranspiration, photosynthesis, and crop yield of target cops

#작물 수분 스트레스 지수 #기공전도도 #엽 온도 #열화상 카메라

제 1장 작물 수분 스트레스 지수와 기공전도도의 상관관계 1
1. 서언 1
2. 재료 및 방법 7
가. 작물 수분 스트레스 지수와 기공전도도의 문헌 관측 자료 수집 7
나. 작물 수분 스트레스 지수와 기공전도도의 상관관계 수치모의 평가 11
1) 기공전도도 계산 방법 11
2) 엽온 계산 방법 16
3) 작물 수분 스트레스 지수 계산 방법 17
4) 수치모의 평가 설계 19
3. 결과 22
가. 작물 수분 스트레스 지수와 기공전도도의 문헌 관측 자료 수집 결과 22
나. 작물 수분 스트레스 지수와 기공전도도의 수치모의 결과 26
1) 상관관계 수치모의 결과 26
2) 관측 기상 자료 입력의 수치모의 결과 30
4. 고찰 31
제 2장 관측 기반 작물 수분 스트레스 지수를 이용한 기공전도도 추정 33
1. 서언 33
2. 재료 및 방법 38
가. 관측 지역 및 대상 38
나. 엽온과 기공전도도의 야외 관측 39
1) 잎 규모 엽온 및 기공전도도 관측 39
2) 필지 규모 군락 온도 관측 43
다. 작물 수분 스트레스 지수 야외 관측 44
1) 최대?최소 기준 엽온 관측 방법 44
2) 작물 수분 스트레스 지수 산출 방법 50
3. 결과 51
가. 관측된 기준 엽온 간의 비교 51
나. 작물 수분 스트레스 지수 산출 방법에 따른 기공전도도 추정 결과 53
다. 필지 규모 기공전도도 산출 방법 적용 57
4. 고찰 59
참고문헌 60
영문초록 74

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)