KR102344761B1 - 북미 지역의 대두 수확량 예측 정보 제공 방법 - Google Patents

북미 지역의 대두 수확량 예측 정보 제공 방법 Download PDF

Info

Publication number
KR102344761B1
KR102344761B1 KR1020210047779A KR20210047779A KR102344761B1 KR 102344761 B1 KR102344761 B1 KR 102344761B1 KR 1020210047779 A KR1020210047779 A KR 1020210047779A KR 20210047779 A KR20210047779 A KR 20210047779A KR 102344761 B1 KR102344761 B1 KR 102344761B1
Authority
KR
South Korea
Prior art keywords
yield
soybean
soybeans
trend
annual
Prior art date
Application number
KR1020210047779A
Other languages
English (en)
Inventor
허모랑
오지원
오재호
김호빈
유태원
Original Assignee
유한회사 나노웨더
주식회사 코리아피디에스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 유한회사 나노웨더, 주식회사 코리아피디에스 filed Critical 유한회사 나노웨더
Priority to KR1020210047779A priority Critical patent/KR102344761B1/ko
Application granted granted Critical
Publication of KR102344761B1 publication Critical patent/KR102344761B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/14—Payment architectures specially adapted for billing systems
    • G06Q20/145—Payments according to the detected use or quantity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 기상 자료 및 위성 자료를 이용하여 대두의 수율을 추정하고, 이를 기반으로 전체 대두의 수확량을 산정하여 이를 제공하는 기술로, 기상 환경에 따른 작물의 수확량을 산출할 수 있는 바, 작황에 따른 가격 등락의 분석으로 생산량 변동에 따른 대책을 수립할 수 있는 효과가 있는 기술이다.

Description

북미 지역의 대두 수확량 예측 정보 제공 방법{Method for Information provide Through Prediction Soybean Yield in North-America}
본 발명은 북미 지역의 대두 수확량 예측 정보 제공 방법에 관한 것으로, 더욱 상세하게는 기상 자료 및 위성 자료를 이용하여 대두의 수율을 추정하고, 이를 기반으로 전체 대두의 수확량을 산정하여 예측 수확량 정보를 제공하는 기술에 관한 것이다.
북미 지역인 미국은 전 세계 대두 생산량의 약 33%를 차지하는 국가로, 대한민국의 대두 수입량 1위 국가이다. 따라서, 미국의 대두 작황이 국내 곡물 수입 가격 등락에 미치는 영향이 큰 바, 미국 지역의 대두 작황에 대한 예측 정보를 기반으로 가격 등락 분석 등에 활용할 수 있다.
대두를 비롯한 대규모 플랜트 농업의 수확량은 기상 요인, 토양의 질과 같은 환경 요인 뿐만 아니라, 경작 기술과 관개 시설, 품종 선정 등의 다양한 외부 요인의 영향을 받는다. 파종 후 수확기까지의 작황 예측은 기상 요인과 지역의 토양 특성, 경작 기술의 차이에 따라 편차가 있지만, 토양 특성과 경작 기술을 지역별 특성으로 간주한다면, 한 해의 작황을 좌우하는 주된 요인은 기상 환경의 변화로 판단할 수 있다.
따라서, 기상 환경에 따른 파종 이후 재배지의 작물 수확량을 산출할 수 있다면, 작황 예측에 따른 가격 등락까지 분석할 수 있다.
대한민국등록특허 제10-2093544호 (2020. 03. 19. 등록) 대한민국공개특허 제2020-0072997호 (2020. 06. 23. 공개)
본 발명은 전술한 종래 기술의 문제를 해결하기 위한 것으로, 본 발명의 목적은 기상 자료와 위성 자료를 기반으로 대두의 총 생산량을 추정하는 것을 목적으로 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상술한 목적을 달성하기 위해 본 발명은 추세 산출 모듈이 대두 수율(
Figure 112021042928260-pat00001
) 및 대두 수율의 추세(
Figure 112021042928260-pat00002
)를 산출하는 대두 수율의 추세 산정 단계(S1), 상기 대두 수율의 추세 산정 단계에서 산출된 대두 수율(
Figure 112021042928260-pat00003
)에서 농경 기술 발달에 따른 추세주기 성분(
Figure 112021042928260-pat00004
)를 제거하고, 기상 요인에 따른 불규칙 성분인 변동 성분(
Figure 112021042928260-pat00005
)을 추세 제거 모듈이 산출하는 대두 수율의 추세 제거 단계(S2), 미국 농무부에서 제공하는 ASD(Agricultural Statistics District) 단위별 CDL(Cropland Layer Data) 자료의 대두 재배 지역(
Figure 112021042928260-pat00006
)과, 강수량, 최저기온, 일교차를 포함하는 기상 자료 및 위성 자료의 단위 면적당 시공간을 일치화하여, 평균하여 대상 해의 단위 면적당 대두의 수율을(
Figure 112021042928260-pat00007
) 수율 예측 모듈이 예측하는 대두 수율 예측 단계(S3), 상기 대두 수율의 예측 단계(S3)에서 예측된 대상 해의 단위 면적당 대두의 수율(
Figure 112021042928260-pat00008
)과 대두 재배 지역으로 대두의 수확량을 수확량 추정 모듈이 추정하는 연간 대두 수확량 추정 단계(S4), 상기 연간 대두 수확량 추정 단계(S4)에서 추정된 대두의 수확량을 미국 농무부에서 제공하는 직전 년도로부터 6년간의 경작 빈도 중, 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
Figure 112021042928260-pat00009
)과, 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
Figure 112021042928260-pat00010
)의 앙상블 가중 평균하는 다음의 수학식으로 수확량 산출 모듈이 연간 대두의 총 수확량(
Figure 112021042928260-pat00011
)을 산출하는 연간 대두의 수확량 산출 단계(S5), 및 상기 연간 대두의 수확량 산출 단계에서 산출된 연간 대두의 총 수확량(
Figure 112021042928260-pat00012
)에 따라 수요 기업에 정보를 제공하고, 이를 기반으로 정보 제공의 과금을 산정하는 정보제공 서비스 가격 산정 모델 단계(S6)를 포함한다.
상기 연간 대두의 총 수확량(
Figure 112021042928260-pat00013
)은
Figure 112021042928260-pat00014
의 수학식으로 산출되고,
여기서,
Figure 112021042928260-pat00015
는 t년도의 대두 총 수확량,
Figure 112021042928260-pat00016
는 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 연간 총 수확량,
Figure 112021042928260-pat00017
는 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 연간 총 수확량,
Figure 112021042928260-pat00018
는 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 대두 파종 면적,
Figure 112021042928260-pat00019
는 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 대두 파종 면적,
Figure 112021042928260-pat00020
은 상기 대두 수율의 추세 산정 단계(S1)의 대두 수율의 추세(
Figure 112021042928260-pat00021
)에 대한 상관 계수(
Figure 112021042928260-pat00022
)의 제곱값이 하위 20%인 ASD 개수(
Figure 112021042928260-pat00023
)의 평균(
Figure 112021042928260-pat00024
)이며,
상기 대두 수율의 추세 산정 단계(S1)에서 추정하는 상기 대두 수율의 추세(
Figure 112021042928260-pat00025
)는 최근 10년의 통계를 활용하여 추정하고,
상기 대두 수율의 추세 제거 단계(S2)의 추세주기 성분(
Figure 112021042928260-pat00026
)는 0으로 판단하며,
상기 대두 수율의 추세 제거 단계(S2)의 상기 불규칙 성분인 변동 성분(
Figure 112021042928260-pat00027
)은
Figure 112021042928260-pat00028
의 수학식으로 산출되고,
여기서,
Figure 112021042928260-pat00029
는 파종 이후부터 예측 시점까지의 16일 간격 순번이고,
Figure 112021042928260-pat00030
는
Figure 112021042928260-pat00031
번째 16일간의 일 최고 기온의 평균,
Figure 112021042928260-pat00032
는
Figure 112021042928260-pat00033
번째 16일간의 일 최저 기온의 평균,
Figure 112021042928260-pat00034
는
Figure 112021042928260-pat00035
번째 16일간의 일 누적 강수량의 평균,
Figure 112021042928260-pat00036
는
Figure 112021042928260-pat00037
번째 16일간의 위성관측 NDVI의 관측값,
Figure 112021042928260-pat00038
,
Figure 112021042928260-pat00039
,
Figure 112021042928260-pat00040
,
Figure 112021042928260-pat00041
,
Figure 112021042928260-pat00042
는 회귀 계수,
Figure 112021042928260-pat00043
는 잔차(Residual)이다.
추세주기 성분(
Figure 112021042928260-pat00044
)는 농경 기술의 발달로 인한 시계열적 증가분이다.
상기 연간 대두의 수확량 산출 단계에서 산출된 연간 대두의 총 수확량(
Figure 112021042928260-pat00045
)에 따라 수요 기업에 정보를 제공하고, 이를 기반으로 정보 제공의 과금을 산정하는 서비스 가격 산정 모델 단계(S6)는 제공 정보로 발생한 매출액에서 수요 기업의 소요경비 및 일부 일반 관리비를 제외한 금액을 지불하는 방식으로 5 내지 25%의 일반 관리비를 책정하는 판매비 이관 단계, 기상정보 제공 기업의 소요경비 및 일반관리비와 이윤에 해당하는 일정 금액을 고정금액으로 책정하여 월 단위 또는 연간 단위로 지급하는 고정비용 지불 단계, 매년 수요기업을 통해 판매된 전체 매출액과, 기상정보를 기반으로 한 주요 작물의 수율 정보 기여분을 확정하여, 최종 매출액을 기준으로 산정된 금액을 일시불로 지급하는 성과급 지급 단계, 및 기상정보 기반 곡물 수율 정보 생성을 위해 고정비용이 투입되며, 이를 일정 수준으로 보상하는 고정비용 및 성과급 지불 단계를 포함한다.
본 발명에 따르면, 기상 환경에 따른 작물의 수확량을 산출할 수 있는 바, 작황에 따른 가격 등락의 분석으로 생산량 변동에 따른 대책을 수립할 수 있는 효과가 있다.
상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.
도 1은 본 발명에 따른 기상요인을 고려한 북미 지역의 대두 수확량 예측 정보 제공 방법의 순서도이다.
도 2는 본 발명에 따른 연도별 단위 면적당 수확량 그래프이다.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.
본 발명을 설명하기에 앞서, 본 발명은 대두의 수확량을 예측하기 위해 미국 각 주별 행정구역인 카운티(County)별 대두의 파종부터 수확 시기까지의 기상 변수들과, 매년 대두의 최종 수확이후 발표되는 미국 농무부(United States Department Of Agriculture, USDA)의 단위 면적당 수확량(Yield, Measured In BU/ACRE), 기상 요소와의 상관관계를 이용한 통계 모델링이다. 단, 본 발명을 실시하기 위해 사용된 재배 지역의 구분은 미국 행정구역인 카운티 단위가 아니라, USDA Survey 구분인 ASD(Agricultural Statistics District) 단위이다.
또한, 본 발명의 기상 자료는 미국 NCEP NARR(North American Regional Reanalysis)에서 제공하는 일 누적 강수량, 일 최고 기온, 일 최저 기온 정보를 이용한다. 위성 관측 자료로는 미국 NASA MODIS의 NDVI를 이용한다. 대두의 연간 수율과 수확률은 미국 USDA National Agricultural Statistics Service Crop Survey Data를 이용하였으며, 대두의 재배 지역은 미국 UDDA CDL(Cropland Layer Data), 대두의 경작 빈도는 USDA Cropland Frequency 정보를 이용하였다. 단, 이러한 이용 자료는 해당 DB로 한정하는 것이 아니며, 동일한 자료를 제공할 수 있다면 다른 제공 자료를 활용하여도 무방하다.
본 발명에 따른 기상요인을 고려한 북미 지역의 대두 수확량 예측 방법은 대두 수확량을 예측하기 위해 대두 수율 및 대두 수율의 추세를 산출하는 추세 산출 모듈, 대두 수율에서 기상 요인에 따른 추세주기 성분을 제거하고, 불규칙 성분인 변동 성분을 산출하는 추세 제거 모듈, 미국 농무부에서 제공하는 ASD(Agricultural Statistics District) 단위별 CDL(Cropland Layer Data) 자료의 대두 재배 지역(
Figure 112021042928260-pat00046
)과, 강수량, 최저기온, 일교차를 포함하는 기상 자료 및 위성 자료의 단위 면적당 시공간을 일치화하여, 평균하여 대상 해의 단위 면적당 대두의 수율을(
Figure 112021042928260-pat00047
) 예측하는 수율 예측 모듈, 대상 해의 단위 면적당 대두의 수율(
Figure 112021042928260-pat00048
)과 대두 재배 지역으로 대두의 수확량을 추정하는 수확량 추정 모듈, 미국 농무부에서 제공하는 직전 년도로부터 6년간의 경작 빈도 중, 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
Figure 112021042928260-pat00049
)과, 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
Figure 112021042928260-pat00050
)의 앙상블 가중 평균한 연간 대두의 총 수확량을 산출하는 수확량 산출 모듈을 포함하는 시스템에서 구현된다.
산정 단계에서 산출된 대두 수율(
Figure 112021042928260-pat00051
)에서 기상 요인에 따른 추세주기 성분(
Figure 112021042928260-pat00052
)를 제거하고, 불규칙 성분인 변동 성분(
Figure 112021042928260-pat00053
)을 추세 제거 모듈에서 산출하는 대두 수율의 추세 제거 단계(S2), 미국 농무부에서 제공하는 ASD(Agricultural Statistics District) 단위별 CDL(Cropland Layer Data) 자료의 대두 재배 지역(
Figure 112021042928260-pat00054
)과, 강수량, 최저기온, 일교차를 포함하는 기상 자료 및 위성 자료의 단위 면적당 시공간을 일치화하여, 평균하여 대상 해의 단위 면적당 대두의 수율을(
Figure 112021042928260-pat00055
) 수율 예측 모듈에서 예측하는 대두 수율 예측 단계(S3), 대두 수율의 예측 단계(S3)에서 예측된 대상 해의 단위 면적당 대두의 수율(
Figure 112021042928260-pat00056
)과 대두 재배 지역으로 대두의 수확량을 수확량 추정 모듈에서 추정하는 연간 대두 수확량 추정 단계(S4), 연간 대두 수확량 추정 단계(S4)에서 추정된 대두의 수확량을 미국 농무부에서 제공하는 직전 년도로부터 6년간의 경작 빈도 중, 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
Figure 112021042928260-pat00057
)과, 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
Figure 112021042928260-pat00058
)의 앙상블 가중 평균하는 다음의 수학식으로 수확량 산출 모듈에서 연간 대두의 총 수확량(
Figure 112021042928260-pat00059
)을 산출하는 연간 대두의 수확량 산출 단계(S5), 연간 대두의 수확량 산출 단계에서 산출된 연간 대두의 총 수확량(
Figure 112021042928260-pat00060
)에 따라 수요 기업에 정보를 제공하고, 이를 기반으로 정보 제공의 과금을 산정하는 서비스 가격 산정 모델 단계(S6)를 포함한다.
대두 수율의 추세 산정 단계(S1)은 시계열적(연도별) 대두의 수율의 증감 추세를 산출한다. 연간 대두 수율의 변동 추세는 산출하는 기간의 범위에 따라 상이하다. 대부분 주(State) 단위의 수율 통계 기록이 수집된 시기를 살펴보면, 1920년대부터 1950년대까지는 대두의 수율에 대한 변화는 크게 나타나지 않는다. 다만, 이후, 1900년대 후반까지는 농경 기술의 발달로 인해, 대두의 수율이 급격하게 증가하는 추세를 나타냈다. 하지만, 2000년대 이후 약 10여년간의 대두 수율의 변동은 선형적으로 점진하는 추세를 보이고 있어서, 장기간을 하나의 추세로 표현하기는 어렵다. 다만, 최근 10여년간의 통계만을 활용한다면 선형 회귀방법으로 수율의 추세를 산출할 수 있다.
따라서, 이러한 대두 수율의 시계열적 추세를 산출하기 위해 연도별 대두의 수율(
Figure 112021042928260-pat00061
)을 산출한다면 다음과 같이 나타낼 수 있다.
[수학식 1]
Figure 112021042928260-pat00062
여기서, t는 연도,
Figure 112021042928260-pat00063
,
Figure 112021042928260-pat00064
,
Figure 112021042928260-pat00065
는 회귀 계수다. 이들 계수는 2005년부터 2016년까지의 연도(t)와 연도의 제곱(
Figure 112021042928260-pat00066
)을 독립 변수로 하고, 각 연도의 ASD별 단위 수율(Yield Measured in BU/acre by ASD, USDA data inventory)을 종속 변수로 한 최소제곱적합 방법으로, 최적 적합(Best-Fitting) 회귀 계수를 추정한다.
이를 기반으로, 각 회귀 계수인
Figure 112021042928260-pat00067
,
Figure 112021042928260-pat00068
,
Figure 112021042928260-pat00069
를 산출하면 다음과 같다.
Figure 112021042928260-pat00070
Figure 112021042928260-pat00071
Figure 112021042928260-pat00072
Figure 112021042928260-pat00073
,
Figure 112021042928260-pat00074
,
Figure 112021042928260-pat00075
따라서, 연도(t)별 대두 수율의 추세(
Figure 112021042928260-pat00076
)는 아래의 [수학식 2]의 2차 다항식 선형 회귀모델의 추정값으로 정의할 수 있다.
[수학식 2]
Figure 112021042928260-pat00077
또한, 연도별 대두 수율 추세의 상관 계수(
Figure 112021042928260-pat00078
)은 다음의 수학식 3으로 정의할 수 있다.
[수학식 3]
Figure 112021042928260-pat00079
대두 수율의 추세 제거 단계(S2)는 가법적 분해 모델(Additive Decomposition Model)을 사용하여, 어느 해의 대두 수율이 추세와 변동 성분의 합으로 주어지는 수학식 4의 방법을 따른다.
[수학식 4]
Figure 112021042928260-pat00080
여기서, 연도별 대두의 수율(
Figure 112021042928260-pat00081
)과 수율의 추세(
Figure 112021042928260-pat00082
)는 각각 전술된 수학식 1과 수학식 2와 같다.
Figure 112021042928260-pat00083
는 추세주기 성분(Trend-Cycle Component)이고,
Figure 112021042928260-pat00084
는 불규칙 성분(Irregular Componet)이다.
다만, 수율의 추세주기 성분(
Figure 112021042928260-pat00085
)인 추세의 주기적인 변동이 없는 것으로 판단되면, 불규칙 성분(
Figure 112021042928260-pat00086
)은 연간 수율의 점진적인 증가분을 제외한 기상 요인에 의해 결정되는 변동 성분으로만 남는다.
따라서, 수학식 4를 변형하면 수율의 추세주기 성분(
Figure 112021042928260-pat00087
)은 0으로 계산되어,
Figure 112021042928260-pat00088
가 된다.
대두 수율 예측 단계(S2)는 대두의 수율을 예측하기 위해 연도별 재배 지역에 대한 판단이 필요하다.
연도별 재배 지역 판단은 USDA에서 발표하는 Cropland Layer Data(CDL) 자료를 이용하며, 해당 자료는 수확 이듬해에 공개된다.
기상 자료의 추출을 위해 각 주(State)별 ASD 단위로 구분되어 제공되는 CDL 자료를 1차 수집한 후, CDL 자료의 대두 재배 지역과 시공간을 일치화한 기상 자료(파종기 이후의 일 강수량, 일 최저기온, 일교차 등)와, 위성 자료(미국 NASA MODIS의 NDVI)를 추출하고, 입력 관측 주기인 16일간의 시간을 평균화한 다음, 각 ASD의 CDL 격자별 총 평균값으로 계산한다.
또한, 농업 기술(경작 기술)과 인위적인 요인을 제외한 기상 환경에 의해 한 해의 작황이 결정된다는 가정 하에, 연도별(연간), 지역별(ASD) 대두 수율의 변동 성분(
Figure 112021042928260-pat00089
, 불규칙 성분)은 기상 자료와 위성 자료의 상관 관계식인 수학식 5로 추정할 수 있다.
[수학식 5]
Figure 112021042928260-pat00090
여기서,
Figure 112021042928260-pat00091
는 파종 이후부터 예측 시점까지의 16일 간격 순번이고,
Figure 112021042928260-pat00092
는
Figure 112021042928260-pat00093
번째 16일간의 일 최고 기온의 평균,
Figure 112021042928260-pat00094
는
Figure 112021042928260-pat00095
번째 16일간의 일 최저 기온의 평균,
Figure 112021042928260-pat00096
는
Figure 112021042928260-pat00097
번째 16일간의 일 누적 강수량의 평균,
Figure 112021042928260-pat00098
는
Figure 112021042928260-pat00099
번째 16일간의 위성관측 NDVI의 관측값,
Figure 112021042928260-pat00100
,
Figure 112021042928260-pat00101
,
Figure 112021042928260-pat00102
,
Figure 112021042928260-pat00103
,
Figure 112021042928260-pat00104
는 회귀 계수,
Figure 112021042928260-pat00105
는 잔차(Residual)이다.
또한, 본 발명에서는
Figure 112021042928260-pat00106
이 되는 통계 모형을 만들기 위해, 최근 10년 이상의 기상 자료와 위성 자료를 독립 변수로 이용하고, 위 수학식 4의 변동 성분을 종속 변수로 최적 적합한 회귀 계수(
Figure 112021042928260-pat00107
,
Figure 112021042928260-pat00108
,
Figure 112021042928260-pat00109
,
Figure 112021042928260-pat00110
,
Figure 112021042928260-pat00111
)로 추정된다.
대두 수율의 변동 성분으로만 남은 불규칙 성분(
Figure 112021042928260-pat00112
)의 예측 모델은 다음의 수학식 6이다.
[수학식 6]
Figure 112021042928260-pat00113
따라서, 전술된 수학식 6과 수학식 4의 관계에서 예측하려는 t+1(1년 후)의 대두 수율은 다음의 수학식 7로 정의할 수 있다.
[수학식 7]
Figure 112021042928260-pat00114
연간 대두의 수확량 추정 단계(S4)는 주(State) 단위의 연도별 예측 수확량(
Figure 112021042928260-pat00115
)을 추정한다. 이는 수학식 8과 같이 정의할 수 있다.
[수학식 8]
Figure 112021042928260-pat00116
m은 주(State) 내의 ASD의 개수,
Figure 112021042928260-pat00117
는 수학식 7로부터 예측하려는 t년도의 k번 째 ASD의 단위 면적당 수율,
Figure 112021042928260-pat00118
는 t년도의 k번째 ASD의 대두 재배 면적이다.
이를 위해, 본 발명의 연간 대두의 수확량을 추정하는 단계는 대두를 재배하는 것으로 판단되는 재배 지역을 결정할 필요가 있다.
USDA에서 발표하는 Cropland Layer Data(CDL) 자료는 이전 연도의 수확 이후 최종 발표되는 바, 예측하고자 하는 해의 재배 지역에 대한 데이터는 제공하지 않는다. 또한, USDA에서 발표하는 CDL Frequency(CFREQ)는 직전 년도로부터 6년간의 경작 빈도를 제공한다.
따라서, 본 발명은 최근 6년간 경작 빈도를 기반으로 대두가 경작된 이력을 이용한다. 만약, 최근 6년간 1회 이상 대두가 경작된 CDL 자료의 격자를 모두 경작 지역으로 판단한 후, 기상 자료를 추출하여 수율을 예측하면, 재배 면적이 증가하는 점으로 인해 대두의 수확량이 증가할 것으로 예상된다.
본 발명은 상대적으로 주(State) 내 수율이 적은 ASD는 변동 요인의 진동 폭이 크다. 대표적으로는 Southwest, Southeast가 있다. 또한, 수율이 많은 ASD는 진동 폭이 적은 것으로 나타난다. 대표적으로 Central, Northwest가 있다. 따라서, 수학식 2에 따른 연도별 대두 수율의 추세에 대한 상관 계수(
Figure 112021042928260-pat00119
, 수학식 3)와 신뢰도(
Figure 112021042928260-pat00120
)는 ASD 별 수율의 절대값에 비례하여 나타난다.
연간 대두의 수확량 산출 단계(S5)는 재배 면적의 결정에 따라 발생하는 지역별 수율 예측 값의 차이로 인한, 최종 수확량의 정확도 향상을 위해, 전술된 수학식 8의 주(State) 단위의 연도별 예측 수확량에 앙상블 수율 예측 결과를 가중 평균한다.
따라서, 최종 결과인 주(State) 단위의 예측 수확량(
Figure 112021042928260-pat00121
)은 다음과 같이 정의할 수 있다.
[수학식 9]
Figure 112021042928260-pat00122
여기서,
Figure 112021042928260-pat00123
는 USDA에서 발표하는 CDL Frequency(CFREQ)에서 대두의 경작 횟수가 1회 이상 3회 미만인 지역 전체에서 대두가 경작될 때의 연간 총 수확량이고,
Figure 112021042928260-pat00124
은 대두의 경작 횟수가 3회 이상인 지역 전체에서 대두가 경작될 때의 연간 총 수확량이다.
여기서,
Figure 112021042928260-pat00125
과
Figure 112021042928260-pat00126
는 다음과 같이 정의할 수 있다.
Figure 112021042928260-pat00127
Figure 112021042928260-pat00128
여기서,
Figure 112021042928260-pat00129
는 t년도의 CDL Frequency(CFREQ)에서 대두의 경작 횟수가 1회 이상인 재배 지역의 수율,
Figure 112021042928260-pat00130
은 CDL Frequency(CFREQ)에서 대두의 경작 횟수가 1회 이상, 3회 미만인 재배 면적,
Figure 112021042928260-pat00131
는 전체 주(State)의 대두 파종 면적으로
Figure 112021042928260-pat00132
이다.
여기서,
Figure 112021042928260-pat00133
는 t년도의 CDL Frequency(CFREQ)에서 대두의 경작 횟수가 3회 이상인 재배 지역의 수율,
Figure 112021042928260-pat00134
은 CDL Frequency(CFREQ)에서 대두의 경작 횟수가 3회 이상인 재배 면적,
Figure 112021042928260-pat00135
는 전체 주(State)의 대두 파종 면적으로
Figure 112021042928260-pat00136
이다.
여기서, 수학식 9의 최종 수확량은 2개의 수확량 예측 앙상블 멤버의 가중 평균으로 결정된다. 가중치는 경험적으로 결정된 면적비와 신뢰도의 곱으로 주어진다.
따라서, 본 발명에서 구하고자 하는 최종 수확량(
Figure 112021042928260-pat00137
)은 다음과 같다.
Figure 112021042928260-pat00138
여기서,
Figure 112021042928260-pat00139
는 수학식 3에서 얻어지는 대두 수율의 추세에 대한 상관계수(
Figure 112021042928260-pat00140
)에서 주(State) 내의 ADS 중,
Figure 112021042928260-pat00141
값이 하위 20%인 개수(q)의 평균이다.
Figure 112021042928260-pat00142
정보제공 서비스 가격 산정 모델 단계는 연간 대두의 수확량 산출 단계에서 산출된 대두의 총 수확량을 수요 기업에 정보를 제공하고, 이를 기반으로 정보 제공의 과금을 산정한다.
과금 방식은 정보비 산정 방식의 하나를 선택하여 적용된다. 이 때, 제공되는 정보로부터 발생 가능한 총 매출을 추정하는 과정이 선행되어야 한다.
수요기업이 사업을 영위하고자 하는 시장규모의 5 내지 10%를 추정하여, 이를 기준으로 과금 정책을 선택한다.
여기서, 정보제공 서비스 가격 산정 모델 단계는 제공 정보에서 발생한 매출액에서 수요 기업의 소요경비 및 일부 일반 관리비를 제외한 금액을 지불하는 방식으로 5 내지 25%의 일반 관리비를 책정하는 판매비 이관 단계, 기상정보 제공 기업의 소요경비 및 일반관리비와 이윤에 해당하는 일정 금액을 고정금액으로 책정하여 월 단위 또는 연간 단위로 지급하는 고정비용 지불 단계, 매년 수요기업을 통해 판매된 전체 매출액과, 기상정보를 기반으로 한 주요 기여분을 확정하여, 최종 매출액을 기준으로 산정된 금액을 일시불로 지급하는 성과급 지급 단계, 총 수확량 산출을 위한 비용을 일정 수준으로 보상하는 고정비용 및 성과급 지불 단계를 포함한다.
판매비 이관 단계는 제공 정보에서 발생한 매출액에서 수요 기업의 소요경비 및 일부 일반 관리비를 제외한 금액을 지불하는 방식으로 5 내지 25%의 일반 관리비를 책정한다.
고정비용 지불 단계는 기상정보 제공 기업의 소요경비 및 일반관리비와 이윤에 해당하는 일정 금액을 고정금액으로 책정하여 월 단위 또는 연간 단위로 지급한다.
성과급 지불 단계는 매년 수요기업을 통해 판매된 전체 매출액과, 기상정보를 기반으로 기여분을 확정하여, 최종 매출액을 기준으로 산정된 금액을 일시불로 지급한다. 기상정보 기반 수확량 정보의 기여 비율을 확정하거나, 정보의 모듈별 판매를 통해 판매 금액을 확정하는 사전 협의 및 확정을 필요로 한다.
고정비용 및 성과급 지불 단계는 대두 수확량 산출을 위해 투입되는 비용을 일정 수준으로 보상한다. 또한, 발생하는 매출액을 기준으로 고정비를 제외한 성과급을 정보제공 업체와 수요기업이 분배하는 방식이다. 성과급의 배분은 판매비 이관방식의 최대 일반관리비를 상회하는 30%를 제외하고, 성과급으로 책정하는 것이 바람직하다.
이상과 같이 본 발명에 대해서 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시 예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상의 범위 내에서 통상의 기술자에 의해 다양한 변형이 이루어질 수 있음은 자명하다. 아울러 앞서 본 발명의 실시 예를 설명하면서 본 발명의 구성에 따른 작용 효과를 명시적으로 기재하여 설명하지 않았을 지라도, 해당 구성에 의해 예측 가능한 효과 또한 인정되어야 함은 당연하다.
S1 : 대두 수율의 추세 산정 단계
S2 : 대두 수율의 추세 제거 단계
S3 : 대두 수율 예측 단계
S4 : 연간 대두 수확량 추정 단계
S5 : 연간 대두 수확량 산출 단계
S6 : 정보제공 서비스 가격 산정 모델 단계

Claims (3)

  1. 대두 수확량을 예측하기 위해 대두 수율 및 대두 수율의 추세를 산출하는 추세 산출 모듈, 대두 수율에서 기상 요인에 따른 추세주기 성분을 제거하고, 불규칙 성분인 변동 성분을 산출하는 추세 제거 모듈, 입력받은 ASD(Agricultural Statistics District) 단위별 CDL(Cropland Layer Data) 자료의 대두 재배 지역(
    Figure 112021132886656-pat00191
    )과, 강수량, 최저기온, 일교차를 포함하는 기상 자료 및 위성 자료의 단위 면적당 시공간을 일치화하여, 평균하여 대상 해의 단위 면적당 대두의 수율을(
    Figure 112021132886656-pat00192
    ) 예측하는 수율 예측 모듈, 대상 해의 단위 면적당 대두의 수율(
    Figure 112021132886656-pat00193
    )과 대두 재배 지역으로 대두의 수확량을 추정하는 수확량 추정 모듈, 미국 농무부에서 제공하는 직전 년도로부터 6년간의 경작 빈도 중, 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
    Figure 112021132886656-pat00194
    )과, 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
    Figure 112021132886656-pat00195
    )의 앙상블 가중 평균한 연간 대두의 총 수확량을 산출하는 수확량 산출 모듈을 포함하는 시스템을 이용한 북미 지역의 대두 수확량 예측 정보 제공 방법으로서,
    상기 추세 산출 모듈이 대두 수율(
    Figure 112021132886656-pat00143
    ) 및 대두 수율의 추세(
    Figure 112021132886656-pat00144
    )를 산출하는 대두 수율의 추세 산정 단계(S1);
    상기 대두 수율의 추세 산정 단계에서 산출된 대두 수율(
    Figure 112021132886656-pat00145
    )에서 농경 기술 발달에 따른 추세주기 성분(
    Figure 112021132886656-pat00146
    )를 제거하고, 기상 요인에 따른 불규칙 성분인 변동 성분(
    Figure 112021132886656-pat00147
    )을 상기 추세 제거 모듈이 산출하는 대두 수율의 추세 제거 단계(S2);
    입력받은 ASD(Agricultural Statistics District) 단위별 CDL(Cropland Layer Data) 자료의 대두 재배 지역(
    Figure 112021132886656-pat00148
    )과, 강수량, 최저기온, 일교차를 포함하는 기상 자료 및 위성 자료의 단위 면적당 시공간을 일치화하여, 평균하여 대상 해의 단위 면적당 대두의 수율을(
    Figure 112021132886656-pat00149
    ) 상기 수율 예측 모듈이 예측하는 대두 수율 예측 단계(S3);
    상기 대두 수율의 예측 단계(S3)에서 예측된 대상 해의 단위 면적당 대두의 수율(
    Figure 112021132886656-pat00150
    )과 대두 재배 지역으로 대두의 수확량을 상기 수확량 추정 모듈이 추정하는 연간 대두 수확량 추정 단계(S4);
    상기 연간 대두 수확량 추정 단계(S4)에서 추정된 대두의 수확량을 미국 농무부에서 제공하는 직전 년도로부터 6년간의 경작 빈도 중, 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
    Figure 112021132886656-pat00151
    )과, 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 연간 총 수확량(
    Figure 112021132886656-pat00152
    )의 앙상블 가중 평균하는 다음의 수학식으로 상기 수확량 산출 모듈이 연간 대두의 총 수확량(
    Figure 112021132886656-pat00153
    )을 산출하는 연간 대두의 수확량 산출 단계(S5); 및
    상기 연간 대두의 수확량 산출 단계에서 산출된 연간 대두의 총 수확량(
    Figure 112021132886656-pat00154
    )을 수요 기업에 제공하는 과금을 산정하는 정보제공 서비스 가격 산정 모델 단계(S6);
    를 포함하고,
    상기 연간 대두의 총 수확량(
    Figure 112021132886656-pat00155
    )은
    Figure 112021132886656-pat00156
    의 수학식으로 산출되고,
    여기서,
    Figure 112021132886656-pat00157
    는 t년도의 대두 총 수확량,
    Figure 112021132886656-pat00158
    는 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 연간 총 수확량,
    Figure 112021132886656-pat00159
    는 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 연간 총 수확량,
    Figure 112021132886656-pat00160
    는 대두의 경작 횟수가 1회 또는 2회인 지역 전체에서 대두가 경작될 때의 대두 파종 면적,
    Figure 112021132886656-pat00161
    는 대두의 경작 횟수가 3회 이상 6회 이하인 지역 전체에서 대두가 경작될 때의 대두 파종 면적,
    Figure 112021132886656-pat00162
    은 상기 대두 수율의 추세 산정 단계(S1)의 대두 수율의 추세(
    Figure 112021132886656-pat00163
    )에 대한 상관 계수(
    Figure 112021132886656-pat00164
    )의 제곱값이 하위 20%인 ASD 개수(
    Figure 112021132886656-pat00165
    )의 평균(
    Figure 112021132886656-pat00166
    )이며,
    상기 대두 수율의 추세 산정 단계(S1)에서 추정하는 상기 대두 수율의 추세(
    Figure 112021132886656-pat00167
    )는 최근 10년의 통계를 활용하여 추정하고,
    상기 대두 수율의 추세 제거 단계(S2)의 추세주기 성분(
    Figure 112021132886656-pat00168
    )는 0으로 판단하며,
    상기 대두 수율의 추세 제거 단계(S2)의 상기 불규칙 성분인 변동 성분(
    Figure 112021132886656-pat00169
    )은
    Figure 112021132886656-pat00170
    의 수학식으로 산출되고,
    여기서,
    Figure 112021132886656-pat00171
    는 파종 이후부터 예측 시점까지의 16일 간격 순번이고,
    Figure 112021132886656-pat00172
    는
    Figure 112021132886656-pat00173
    번째 16일간의 일 최고 기온의 평균,
    Figure 112021132886656-pat00174
    는
    Figure 112021132886656-pat00175
    번째 16일간의 일 최저 기온의 평균,
    Figure 112021132886656-pat00176
    는
    Figure 112021132886656-pat00177
    번째 16일간의 일 누적 강수량의 평균,
    Figure 112021132886656-pat00178
    는
    Figure 112021132886656-pat00179
    번째 16일간의 위성관측 NDVI의 관측값,
    Figure 112021132886656-pat00180
    ,
    Figure 112021132886656-pat00181
    ,
    Figure 112021132886656-pat00182
    ,
    Figure 112021132886656-pat00183
    ,
    Figure 112021132886656-pat00184
    는 회귀 계수,
    Figure 112021132886656-pat00185
    는 잔차(Residual)인 북미 지역의 대두 수확량 예측 정보 제공 방법.
  2. 제 1항에 있어서,
    상기 추세주기 성분(
    Figure 112021132886656-pat00186
    )는 농경 기술의 발달로 인한 시계열적 증가분인 북미 지역의 대두 수확량 예측 정보 제공 방법.
  3. 제 1항에 있어서,
    상기 연간 대두의 수확량 산출 단계에서 산출된 연간 대두의 총 수확량(
    Figure 112021132886656-pat00187
    )을 수요 기업에 제공하는 과금을 산정하는 서비스 가격 산정 모델 단계(S6)는,
    제공 정보로 발생한 매출액에서 수요 기업의 소요경비 및 일부 일반 관리비를 제외한 금액을 지불하는 방식으로 5 내지 25%의 일반 관리비를 책정하는 판매비 이관 단계;
    기상정보 제공 기업의 소요경비 및 일반관리비와 이윤에 해당하는 일정 금액을 고정금액으로 책정하여 월 단위 또는 연간 단위로 지급하는 고정비용 지불 단계;
    매년 수요기업을 통해 판매된 전체 매출액과, 기상정보를 기반으로 연간 대두의 총 수확량에 대한 기여분을 확정하여, 최종 매출액을 기준으로 산정된 금액을 일시불로 지급하는 성과급 지급 단계; 및
    상기 대두의 총 수확량(
    Figure 112021132886656-pat00188
    )의 산출을 위해 투입된 비용을 보상하는 고정비용 및 성과급 지불 단계;
    를 포함하는 북미 지역의 대두 수확량 예측 정보 제공 방법.
KR1020210047779A 2021-04-13 2021-04-13 북미 지역의 대두 수확량 예측 정보 제공 방법 KR102344761B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210047779A KR102344761B1 (ko) 2021-04-13 2021-04-13 북미 지역의 대두 수확량 예측 정보 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210047779A KR102344761B1 (ko) 2021-04-13 2021-04-13 북미 지역의 대두 수확량 예측 정보 제공 방법

Publications (1)

Publication Number Publication Date
KR102344761B1 true KR102344761B1 (ko) 2022-01-03

Family

ID=79348232

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210047779A KR102344761B1 (ko) 2021-04-13 2021-04-13 북미 지역의 대두 수확량 예측 정보 제공 방법

Country Status (1)

Country Link
KR (1) KR102344761B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117536691A (zh) * 2024-01-09 2024-02-09 枣庄矿业集团新安煤业有限公司 一种综采工作面设备参数监控方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180086738A (ko) * 2017-01-23 2018-08-01 한국과학기술연구원 작물 재배 가이드 정보 제공 장치, 및 그 방법
KR20180086960A (ko) * 2017-01-24 2018-08-01 주식회사 윌네트 귀농귀촌 정보 제공 시스템
KR20190100516A (ko) * 2018-02-07 2019-08-29 이화여자대학교 산학협력단 곡물 생산량 예측 방법 및 장치
KR20200064023A (ko) * 2018-11-28 2020-06-05 주식회사 리테일영 농작물의 출하예상가격 산출 시스템 및 방법
KR20200072997A (ko) 2018-12-13 2020-06-23 대한민국(농촌진흥청장) 유사기상을 이용한 벼 작황 예측 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180086738A (ko) * 2017-01-23 2018-08-01 한국과학기술연구원 작물 재배 가이드 정보 제공 장치, 및 그 방법
KR20180086960A (ko) * 2017-01-24 2018-08-01 주식회사 윌네트 귀농귀촌 정보 제공 시스템
KR20190100516A (ko) * 2018-02-07 2019-08-29 이화여자대학교 산학협력단 곡물 생산량 예측 방법 및 장치
KR102093544B1 (ko) 2018-02-07 2020-04-28 이화여자대학교 산학협력단 곡물 생산량 예측 방법 및 장치
KR20200064023A (ko) * 2018-11-28 2020-06-05 주식회사 리테일영 농작물의 출하예상가격 산출 시스템 및 방법
KR20200072997A (ko) 2018-12-13 2020-06-23 대한민국(농촌진흥청장) 유사기상을 이용한 벼 작황 예측 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117536691A (zh) * 2024-01-09 2024-02-09 枣庄矿业集团新安煤业有限公司 一种综采工作面设备参数监控方法及***
CN117536691B (zh) * 2024-01-09 2024-04-05 枣庄矿业集团新安煤业有限公司 一种综采工作面设备参数监控方法及***

Similar Documents

Publication Publication Date Title
US11617313B2 (en) Controlling agricultural production areas
Aggarwal et al. Analyzing the limitations set by climatic factors, genotype, and water and nitrogen availability on productivity of wheat II. Climatically potential yields and management strategies
US20140358486A1 (en) Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery
KR20150096103A (ko) 농산물 수확량 예측 장치 및 방법
WO2013128557A1 (ja) 費用算出方法、費用算出プログラムおよび費用算出装置
KR102344761B1 (ko) 북미 지역의 대두 수확량 예측 정보 제공 방법
Sur et al. Remote sensing-based agricultural drought monitoring using hydrometeorological variables
US12029174B2 (en) Method for managing crop irrigation, and system using same
AU2023203307A1 (en) Controlling Agricultural Production Areas
US20200250597A1 (en) Information processing apparatus, information processing method, and non-transitory recording medium
Tollenaar et al. Modeling the effects of genotypic and environmental variation on maize phenology: the phenology subroutine of the AgMaize crop model
Li et al. Optimizing parameters of a non-linear accumulated temperature model and method to calculate linear accumulated temperature for spring maize in Northeast China
Neta et al. Seasonal forecasting of pest population dynamics based on downscaled SEAS5 forecasts
KR102253347B1 (ko) 기상요인을 고려한 북미 지역의 대두 수확량 예측 방법
US10803412B2 (en) Scheduling crop transplantations
JP7416394B2 (ja) 作付スケジュール算出装置、作付スケジュール算出プログラム、及び、作付スケジュール算出方法
CORATO et al. Climate change and coffee farm relocation in Ethiopia: a real-options approach
Mayer et al. Annual forecasting of the Australian macadamia crop–integrating tree census data with statistical climate-adjustment models
Reddy et al. Climate change impacts on crop water balance of maize (Zea mays L.) in lower Krishna River Basin of South India
Bala et al. Simulation of crop-irrigation systems
Bhatt et al. Comparison of different regression models to predict mustard yield in central Punjab
Silva et al. Economic viability of ‘Niágara Rosada’grape production in the north and northwest regions of Rio de Janeiro
Brown et al. Using a crop model to characterise the developmental phenotype of different wheat varieties.
CN117236519B (zh) 水肥调控方法、装置、电子设备和存储介质
Liverpool-Tasie et al. Maize farming and fertilizers: Not a profitable mix in Nigeria

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant