머신러닝 모델을 이용한 최적관리기법 적용에 따른 경작지 양분 유출 부하량 예측

이서로; 배주현; 이관재; 신형진; 양재의; 김종건; 임경재

doi:10.22698/jales.20240014

추천

검색

자료유형: 학술저널

저자정보: 이서로 (강원대학교) 배주현 (강원대학교 농업생명과학연구원) 이관재 ((주)일엠연구소) 신형진 (한국농어촌공사 농어촌연구원) 양재의 (강원대학교) 김종건 (강원대학교) 임경재 (강원대학교)

저널정보: 강원대학교 농업생명과학연구원(구 농업과학연구소) 농업생명환경연구 농업생명환경연구 제36권 제2호

발행연도: 2024.6

수록면: 152 - 163 (12page)

DOI: 10.22698/jales.20240014

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Increases in livestock manure and chemical fertilizers have led to excessive nutrient runoff into rivers, degrading crop productivity, soil health, and water quality. Effective nutrient runoff management is crucial for sustainable agriculture and ecosystem protection. This study proposes a new methodology for nutrient management by evaluating the predictability of nutrient runoff loads under various best management practices (BMPs) scenarios using a machine learning model. The Agricultural Policy and Environmental Extender (APEX) model was employed to simulate the effectiveness of BMPs in reducing nutrient runoff across farmlands within riparian and drinking water protection zones. Additionally, the predictability of nutrient runoff reduction was assessed using six machine learning models, with the best model selected based on cross-validation performance. Results indicate that the filter strip scenario within the APEX model was the most effective, achieving a nutrient runoff reduction efficiency of 61.6%. Xtreme Gradient Boosting demonstrated superior predictive performance, with a coefficient of determination (R2) of 0.75, Nash–Sutcliffe efficiency (NSE) of 0.65, total nitrogen (T-N) and an R2 of 0.55 and NSE of 0.48 for total phosphorus. These findings suggest that nutrient runoff reduction can be effectively evaluated using topographical and meteorological data alone. This study provides a methodological framework for predicting nutrient runoff loads and assessing the impacts of BMPs in agricultural watersheds.

#APEX model #BMPs #Machine learning #Nutrient runoff loads

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

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

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)