http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
‘부지화’의 SPAD 데이터로부터 질소함량을 추정하는 머신러닝 모델
박원표 ( Won Pyo Park ),허성 ( Seong Heo ) 강원대학교 농업생명과학연구원 2022 강원 농업생명환경연구 Vol.34 No.1
‘부지화’ 잎의 SPAD측정값을 기반으로 잎의 질소함량을 추정하고자 여러 머신러닝 모델을 적용해 보았다. 모델 평가지표 및 실측치·예측치 데이터 산포도를 종합적으로 고려할 때, GB가 가장 적합한 모델로 선정되었다. 결정계수가 가장 1에 가까우며, MSE, RMSE, MAE도 모두 0에 수렴하여 실측치와 예측치의 오차가 가장 적었음을 알 수 있었다. In recent years, to investigate the nitrogen content in plant leaves, the use of non-destructive and simple methods is preferred to that of destructive, time-consuming, and expensive methods. In this study, several machine learning models (linear and polynomial regressions, stochastic gradient descent, artificial neural network, support vector machine, k-nearest neighbors, random forest, and gradient boosting) were applied to estimate the nitrogen content in leaves based on the linear relationship between the SPAD reading value and the nitrogen content in leaves of Shiranuhi (Citrus unshiu × C. sinensis). As the data of nitrogen content measured under the laboratory condition was insufficient, the data was increased using the bootstrapping method. Considering the model evaluation metrics, the gradient boosting model was selected as the most accurate model. The coefficient of determination of this model was the closest to 1 and the MSE, RMSE, and MAE all converged to 0, indicating that the error between the measured and predicted values was the smallest.
박원표(Won-Pyo Park),김지호(Ji-ho Kim),고석형(Suk-Hyung Ko),현해남(Hae-Nam Hyun),송관철(Kwan-Cheol Song) 한국토양비료학회 2021 한국토양비료학회 학술발표회 초록집 Vol.2021 No.11
한라산 백록담 분화구 일대 토양의 특성을 구명하기 위하여 백록담 호수, 호수 인접 평탄지 및 호수 주위 경사지에서 토양을 채취하여 토양의 화학적 특성과 Andic 특성을 Soil Taxonomy의 표준 분석방법인 Soil Survey Laboratory Methods Manual에 따라 조사하였다. 백록담 호수, 호수 인접 평탄지 및 호수 주위 경사지 토양의 화학적 특성을 보면, 3지점 토양 모두 유기탄소 함량과 양이온교환 용량이 높고 Ca, Mg 등 교환성 양이온 함량과 염기포화도가 매우 낮았다. 교환성 양이온 함량이 매우 낮은 것에 비하면 토양 pH는 비교적 높은 편이며, 교환성 양이온 함량이 매우 낮은데도 교환성 Al 함량도 매우 낮았다. 이러한 특성은 한라산 다른 지역에 분포하는 토양들과 대체로 비슷하였다. 백록담 분화구 일대 토양의 Andic 특성을 보면, 백록담 호수와 호수 인접 평탄지 토양은 전 토층에서 인산흡착능이 85% 미만이고 Al<SUB>o</SUB>+1/2Fe<SUB>o</SUB>도 2.0% 미만으로 Andic 특성을 보유하고 있지 않으므로 전형적인 화산회토인 Andisols로 분류할 수 없었다. 호수 토양은 Inceptisols인 Dystrochrepts, 호수인접 평탄지 토양은 Inceptisols인 Humudepts로 분류할 수 있었다. 두 지점의 토양은 백록담 분화구 내 경사지 토양이 붕적, 충적된 토양이며, 백록담 호수에 물이 채워지고 마르기가 반복되는 과정에서 한라산 다른 지역에 분포하는 토양들과는 다른 토양으로 발달된 것이라고 생각된다. 백록담 호수 주위 경사지 토양은 전 토층에서 인산흡착능이 96% 이상이고, Alo+1/2Feo 함량이 3.6% 이상이며, 0-70 cm까지 전 토층이 Andic 특성을 보유하고 있으므로 전형적인 화산회토인 Andisols로 분류할 수 있었다. 이 토양을 medial, amorphic, mesic family of Acrudoxic Hapludands로 분류할 수 있었다.
부지화 잎의 화학성분에 기반한 질소결핍 여부 구분 머신러닝 모델 개발
박원표(Won Pyo Park),허성(Seong Heo) 한국자원식물학회 2022 한국자원식물학회지 Vol.35 No.2
Nitrogen is the most essential macronutrient for the growth of fruit trees and is important factor determining the fruit yield. In order to produce high-quality fruits, it is necessary to supply the appropriate nitrogen fertilizer at the right time. For this, it is a prerequisite to accurately diagnose the nitrogen status of fruit trees. The fastest and most accurate way to determine the nitrogen deficiency of fruit trees is to measure the nitrogen concentration in leaves. However, it is not easy for citrus growers to measure nitrogen concentration through leaf analysis. In this study, several machine learning models were developed to classify the nitrogen deficiency based on the concentration measurement of mineral nutrients in the leaves of tangor Shiranuhi (Citrus unshiu × C. sinensis). The data analyzed from the leaves were increased to about 1,000 training dataset through the bootstrapping method and used to train the models. As a result of testing each model, gradient boosting model showed the best classification performance with an accuracy of 0.971.