서 언
재료 및 방법
1. 만개일 및 기온 관측 자료
2. 만개일 예측 모델
결과 및 고찰
1. 조사지역의 연차별 만개일 및 기상 관측 현황
2. 휴면기간 동안의 냉각량 비교
3. 휴면타파 이후 가온량 비교
4. 만개일 예측 평가
서 언
기후변화는 식물의 휴면기, 개화기와 같은 중요한 생물계절 기간 동안의 저온과 고온 가용성에 직접적인 영향을 미친다(Atkinson 등, 2013; Malagi 등, 2015; Yaacoubi 등, 2019). 온대과수의 꽃눈은 추운 겨울을 나기 위해 휴면상태로 겨울을 지낸 이후 휴면이 타파되고 발아단계를 거쳐 개화에 이르게 된다(Lang 등, 1987; Samish, 1954; Vegis, 1964). 눈의 휴면이 타파되기 위해서는 일정기간의 저온을 경과해야 하므로 겨울철 저온이 불충분하면 눈의 발아가 고르지 않거나 개화, 결실이 불량한 경우가 있다(Chandler와 Brown, 1957). 그러므로 기후변화로 겨울철 기온이 상승되면 눈의 휴면타파에 필요한 저온 부족으로 개화가 불량할 수 있다(Han 등, 2008; Yaacoubi 등, 2019). 또한 기후변화 시나리오에 따르면 미래에는 봄철 기온 상승으로 개화시기는 앞당겨 지는데 반해 이상저온 현상이 증가하면서 꽃들이 저온 피해를 입을 위험이 커질 수 있다(Cesaraccio 등, 2004; Kim과 Kim, 2018; Kim 등, 2019). 따라서 과수농업인에게 온대과수의 봄철 생물계절(휴면해제일, 발아일, 개화일 등)의 예측은 큰 관심사이다(Luedeling 등, 2021).
이러한 요구에 부응하여 과거부터 국내외 많은 연구자들이 온대과수의 생물계절 예측 모델 개발 및 활용에 관한 연구를 진행하였다(Anderson 등, 1986; Cesaraccio 등, 2004; Cesaraccio 등, 2005; Fishman 등, 1987; Luedeling 등, 2021; Richardson 등, 1974). 온대과수의 휴면, 개화생리를 반영하여 휴면 타파 추정을 위한 냉각량 산정 모델, 휴면타파 이후 발아, 개화 추정을 위한 가온량 산정 모델 및 두 모델의 조합에 의한 개화기 예측 모델이 연구되어 왔다.
냉각량을 산정하기 위한 모델은 Richardson 등(1974)이 복숭아 냉각량 산정을 위해 개발한 Chill-unit 모델이 다양한 작목과 품종에 이용되고 있으며(Luedeling과 Brown, 2011) 개선을 위한 연구도 진행되고 있다(Darbyshire 등, 2011). 그러나 동일 품종이라도 지역과 연구자에 따라 휴면타파에 필요한 냉각량이 다르게 보고되는 사례가 많으며(Fadon 등, 2020) 과수 개화에는 내재휴면 타파를 위한 저온 노출이 관계하나(Lang 등, 1985) 특별한 저온요구 수치를 정할수 없다(Couvillon, 1995)는 보고도 있다. Fishman 등(1987)은 복숭아 나무의 휴면타파를 위해 저온를 1,200시간 처리한 시험에서, 저온(4－6℃)과 고온(20－24℃)을 교대로 1일(16시간+8시간), 3일(48시간+24시간), 6일(96시간+48시간), 9일(144시간+72시간) 주기로 처리했을때 6일, 9일 주기 처리는 휴면이 정상적으로 타파되나 1일 주기 처리는 타파되지 않음을 밝히고 온도의 휴면타파 영향은 동적이므로 온도의 동적 효과가 모델에 반영되어야 한다는 주장과 함께 Dynamic 모델을 개발하였다. 최근에는 Luedeling 등(2021)이 Danamic 모델(Fishman 등, 1987)을 이용하여 배와 사과의 파라미터를 개선하는 연구를 수행하였다.
휴면타파 이후 개화 추정을 위한 가온량 산정 모델은 냉각량 산정 모델에 비해 상대적으로 적은 관심을 받았다(Luedeling 등, 2021). Growing Degree Hours 모델은 Utah주립대학에서 복숭아를 위해 개발되었으나(Anderson 등, 1986), 추가 보정이나 검증 없이 광범위한 지역, 수종 및 품종에 적용되었다(Luedeling 등, 2021). Cesaraccio 등(2004)은 지역, 작목 및 품종에 특화되어 예측력을 높일 수 있는 모델의 중요성을 강조하였으며, 이를 위해 생물계절과 기상 관측자료를 이용하여 지역, 작목, 품종에 특화된 파라미터를 쉽게 도출할 수 있는 휴면시계모형(Chill Days Model)을 제시하였다(Cesaraccio 등, 2004; Cesaraccio 등, 2005).
국내에서도 오래전부터 사과 만개일 예측을 위해 국내 개발 혹은 국외 개발 모델을 국내에 적용하기 위한 연구들이 진행되었다. 2월 20일 전후 자발휴면이 타파된 것으로 전제하고(Lee 등, 2002) 이후 일평균기온으로 일 발육속도를 계산하고 일별 발육속도를 누적하여 만개일을 추정하는 모델이 개발(Lee 등, 2002; RIAST, 1990) 되었으며, Cesaraccio 등(2004)이 개발한 휴면시계모형을 국내에 적용하기 위한 매개변수(파라미터, parameter) 개발이 진행되었다(Kim과 Yun, 2010). 최근에는 Lee(2022)가 냉각량 산정을 위한 Dynamic 모델과 가온량 산정을 위한 Growing Degree Hours 모델을 결합한 모델(Luedeling 등, 2021)을 검토하였다.
그러나 많은 모델들이 특정 지역의 기후에 국소적으로 적용하여 다른 지역에서는 예측 오차가 크게 발생할 수 있음에도 불구하고 아직까지 우리나라의 지역별로 모델 간 추정오차를 평가한 사례는 많지 않다(Kim 등, 2020). 단일모형으로 전국적인 활용이 가능한 모델을 선발하기 위해서는 여러 지역에서 확보된 관측값을 이용하여 예측오차를 평가할 필요가 있다.
본 연구에서는 우리나라 과수 중 주 재배작목, 품종인 사과 ‘후지’(KREI, 2023)의 만개일을 전국적으로 잘 예측할 수 있는 모델을 선발하기 위해, 우리나라에서 적용된 사례가 있는 대표적인 생물계절모델 4가지를 검토하였다. 모델의 파라미터도 기존 연구들의 결과를 이용하였으며, 연구결과가 부족한 Growing Degree Hours(GDH) 모델의 사과 ‘후지’ 만개일 누적 GDH는 본 과제에서 도출하였다. 이를 위해 우리나라 사과 주산지 6곳(포천, 화성, 거창, 청송, 군위, 충주)의 사과원에서 관측된 기온을 각 모델에 적용하여 만개일을 예측하고 모델별 예측력을 평가하였다.
재료 및 방법
1. 만개일 및 기온 관측 자료
사과 ‘후지’의 만개일과 기온 관측값은 농촌진흥청 국립원예특작과학원에서 운영하고 있는 과수 생육·품질관리시스템(https://fruit.nihhs.go.kr)에서 수집되고 있는 자료를 이용하였다. 6개 사과원의 위치는 포천(N38.10°, E127.28°), 화성(N37.18°, E126.75°), 거창(N35.76°, E127.95°), 군위(N36.28°, E128.47°), 청송(N36.30°, E129.12°), 충주(N36.97°, E127.97°)이다. 만개일 판단은 사과원에서 매일 16:00에 자동 수집된 영상자료에서 70－80% 꽃이 개화된 날짜(Fig. 1)로 판단하였으며, 해당 사과원의 기상은 자동기상관측장비(automatic weather station, AWS)에 의해 수집되고 있다. 기상 및 영상장비 설치 시기가 과원별로 상이한 점을 고려하여 모든 과원에서 자료가 수집되기 시작한 2019년 10월부터 2022년까지 5월까지의 자료를 이용하였다. 2020, 2021년 자료는 적합모델 선발을 위해 사용하였으며, 2022년 자료는 선발된 모델의 검증을 위해 사용하였다.
Fig. 1.
Full bloom date identification of apples (Malus domestica Borkh. cv. Fuji) which is the day when approximately 70% to 80% of the flowers have opened (RDA, 2012; NIHHS, 2016).
2. 만개일 예측 모델
만개일 예측을 위한 모델은 사과를 대상으로 우리나라에 적용된 사례가 있는 대표적인 모델 4종을 평가하였다.
첫 번째는 농업기술연구소(RIAST, 1990)의 발육속도모델(Development Rate Model, DVR1)이다. 사과 꽃눈이 일 평균기온의 영향을 받아 만개일에 다가가는 발육속도(development rate, DVR)와 그 속도에 의해 도달되는 발육단계(development stage, DVS)로 표현된다.
t는 일평균기온이며 5℃보다 낮을 때는 발육이 멈추는 것으로 하며, 20℃보다 높을 때는 20℃의 발육속도와 동일한 것으로 한다. 발육속도 계산 시작일은 2월 20일 이후 일 평균기온이 5℃ 이상인 날이 3일 이상 지속되는 첫 날(Lee 등, 2002)로 한다. 발육속도 계산이 시작되는 날부터 매일의 평균기온에 따라 일 DVR를 계산하고, DVR이 누적된 DVS가 100에 도달하면 해당 날짜를 예상 만개일로 추정한다. A와 B는 파라미터이며 사과 ‘후지’의 A와 B는 각각 95.6, –4.5이다.
두 번째 모델은 Lee 등(2002)이 제시한 발육속도모델(DVR2)로 첫번째 모델인 DVR1모델을 참고하여 내륙분지로 형성된 충주지역에 적합시키기 위해 개발된 모델이다. Lee 등(2002)은 발육속도를 구하기 위해 일평균기온 5℃ 이상인 날(만개전 n일)부터 만개 전일까지의 적산기온을 구하고 매일의 일평균기온을 적산기온으로 나누어 백분율로 표시하였다. 그 결과 발육속도 모델을 아래와 같이 일 평균기온의 1차함수로 나타내었으며, 사과 ‘후지’에 대한 A값은 0.2584로 제시하였다.
DVR1과 마찬가지로 발육속도를 계산하기 시작하는 날부터 매일의 일 평균기온에 따라 일 DVR를 계산하고, DVR의 누적값인 DVS가 100에 도달하면 해당 날짜를 예상 만개일로 추정하였다.
세 번째 모델인 Cesaraccio 등(2004)의 휴면시계모델(Chill Days Model, CD)은 매일의 최고 및 최저기온을 이용해 기준온도(threshold temperature, Tc)로부터 유효한 온도범위에 따라 가중치를 달리하여 자발휴면 타파 이전까지는 냉각량(chill unit), 그 이후는 가온량(heat unit)으로 표현한다(Table 1). 꽃눈이 늦가을 휴면에 진입 후 기온에 따라 계산되는 냉각량이 매일 쌓이게 되어 정해진 저온요구도(chilling requirement, Cr)에 도달하게 되면 자발휴면이 타파된 것으로 간주하며, 이후로는 growing degree day(GDD)와 동일한 개념으로 가온량을 계산하여 누적하게 된다. 누적된 가온량이 사과 ‘후지’의 정해진 고온요구도(heat requirement, Hr)만큼 누적되면 만개일에 도달한 것으로 가정한다. 사과 ‘후지’의 파라미터는 Kim과 Yun(2010)이 제시한 기준온도(Tc: 6.1℃), 저온요구도(Cr: –100.5), 휴면타파 이후 만개일까지 필요한 고온요구도(Hr: 275.1)를 적용하였다.
Table 1.
Chill days (Cd) and anti-chill days (Ca) equations for the five cases that relate the maximum (Tx) and minimum (Tn) temperature to the threshold temperatures Tc and 0℃, where Tm represents the mean daily temperature (Cesaraccio et al., 2004).
네 번째 모델은 Luedeling 등(2021)이 Dynamic(DM)과 Growing Degree Hours(GDH) 모델을 결합한 방법을 수정한 모델이다. Luedeling 등(2021)은 DM(Erze와 Fishman, 1997)과 GDH(Anderson 등, 1986) 모델을 결합하여 사과 ‘Boskoop’ 품종에 적합한 파라미터를 도출하였다. 본 연구에서는 우리나라에서 재배되고 있는 사과의 주 품종인 ‘후지’를 대상으로 하므로 DM 모델의 파라미터는 Luedeling 등(2021)이 기본 파라미터로 사용한 Erze와 Fishman(1997)의 값을 이용하였으며, 휴면타파에 필요한 저온 누적량(chill portion, Cp)은 Parkes 등(2020)이 ‘후지’의 저온 누적량으로 제시한 77을 적용하였다. GDH 모델의 파라미터는 Anderson 등(1986)이 제시한 기준온도(Tb) 4℃, 최적온도(Tu) 25℃, 한계온도(Tc) 36℃로 하였으며, ‘후지’의 만개일 누적 GDH는 본 연구에서 관측한 만개일 및 기상자료로부터 도출하였다. GDH 모델의 기준온도와 최적온도 사이의 시간당 생장량과, 최적온도와 한계온도 사이의 시간당 생장량은 각각 아래 함수(Anderson 등, 1986; Luedeling 등, 2021)와 같다. DM과 GDH 모델은 순차적으로 연결하였다.
GDH=(Tu–Tb)/2×[1+cos{π+π×(Th–Tb)/(Tu–Tb)}], Tb<Th≤Tu
GDH=(Tu–Tb)×[1+cos{π/2+π/2×(Th–Tu)/(Tc–Tu)}], Tu<Th≤Tc
GDH=0, otherwise
결과 및 고찰
1. 조사지역의 연차별 만개일 및 기상 관측 현황
2020년 6개 지역 사과원의 평균 만개일은 5월 1일이었으며 가장 빠른 지역은 군위, 4월 29일, 가장 늦은 지역은 포천과 청송, 5월 3일로 지역간 약 4일의 차이를 보였다. 2021년의 평균 만개일은 4월 22일이었으며 가장 빠른 지역은 군위 4월 20일, 가장 늦은 지역은 청송, 4월 27일로 약 7일간의 차이를 보였다. 군위는 2020년과 2021년 모두 가장 일찍 만개되었으며, 청송은 가장 늦게 만개되었다.
연차간 평균 만개일은 2021년이 2020년보다 9일 빨랐다. 청송은 6일 빨라 연차간 차이가 가장 작았고, 포천은 11일 빨라 가장 큰 차이를 보였다. 6개 지역의 2년간 만개일을 비교해 본 결과, 지역간 차이보다는 연차간 만개일의 차이가 큰 것을 알 수 있었다(Table 2). 2021년이 2020년보다 만개일이 빠른 것은 휴면 타파 이후 고온의 영향이 크다고 할 수 있다(Yaacoubi 등, 2019; Fig. 2).
만개일 변화에 가장 큰 영향을 미치는 3－4월의 기온(Choi와 Moon, 2009) 관측 결과는 Fig. 2와 같다. 2년 동안 만개일가 가장 빨랐던 군위는 일 최고기온이 가장 높았으며 일교차가 가장 큰 특징을 보였다. 만개일이 가장 늦었던 청송은 일 최저기온이 가장 낮았으며 군위 다음으로 일교차가 큰 경향을 보였다. 화성은 일 최저기온이 높아 일교차가 다른 지역에 비해 뚜렷하게 작은 경향을 보였다.
Table 2.
Observed full bloom dates of apples (Malus domestica Borkh. cv. Fuji) collected at 6 orchards in the major apple production regions of South Korea.
| Year | Pocheon | Hwaseong | Geochang | Gunwi | Cheongsong | Chungju | Mean |
| 2020 (A) | 5.03 | 5.02 | 4.30 | 4.29 | 5.03 | 5.01 | 5.01 |
| 2021 (B) | 4.22 | 4.23 | 4.21 | 4.20 | 4.27 | 4.21 | 4.22 |
| B-A | –11 | –9 | –9 | –9 | –6 | –10 | –9 |
2. 휴면기간 동안의 냉각량 비교
각 모델의 만개일 예측 평가를 위해서는 모델별 냉각량과 가온량 특성 분석이 필요하다. 냉각량 비교의 첫 번째 방법은 각 모델별 냉각량의 상대적 비교를 위해 동일한 냉각량 산정 방법을 적용하였으며 산정기간은 전년 10월 1일부터 휴면타파 이후 가온량 누적이 시작되기 전날까지로 하였다. 냉각량 산정 방법은 온대과수의 냉각량 산정에 가장 널리 사용되고 있는 방법 중 하나인 0℃ 이상, 7.2℃ 이하 온도의 누적시간(Darbyshire 등, 2011)을 이용하였다. 각 모델별 2년간 6개 지역의 평균 냉각량은 DVR(DVR1,DVR2), DM, CD 모델 각각 1227, 1159, 879시간으로 DVR 모델이 가장 많았으며 DM 모델은 DVR 모델 대비 94% 수준이었으며 CD 모델은 두 모델 대비 72－76% 수준으로 현저히 적었다. 이러한 결과는 냉각량 누적 종료일의 차이에 기인한 것으로, 각 모델별 냉각량 누적 종료일은 DVR, DM, CD 모델 각각 2월 25일, 2월 20일, 1월 21일로 DVR 모델과 DM 모델이 CD 모델에 비해 30－35일 늦은 시기까지 냉각량이 누적되었다. 냉각량 변이계수는 DM 모델이 9.9로 가장 작았고, CD 모델은 10.8로 DM 모델과 큰 차이가 없었으며 DVR 모델은 16.0으로 가장 컸다(Table 3).
Table 3.
Accumulated chill hours above 0℃ and below 7.2℃ from October 1th of the previous year to the day before the heat accumulation starting date (DBHA), calculated by different models at 6 orchards located in different regions.
냉각량 비교를 위한 두 번째 방법은 각 모델별 냉각량 계산 함수식의 결과값을 비교하였으며, 분석 기간은 첫번째 방법과 동일하게 전년 10월 1일부터 휴면타파 이후 가온량 누적이 시작되기 전날까지로 하였고 6개 지역 중 만개일이 중간 수준인 거창을 대상으로 하였다. DVR 모델은 냉각량 계산 모델이 결합되어 있지 않으므로 위에서 언급된 0℃ 이상, 7.2℃ 이하 온도의 누적시간(Chill Hours)을 검토하였다(Darbyshire 등, 2011; Kim 등, 2020). CD 모델은 일별 냉각량 편차가 컸으며 일별 냉각량은 10월 부터 점차 증가하여 11월 중·하순이 가장 크고 이후 점차 감소하는 경향을 보였다. Chill Hour는 12월 중순부터 1월 중순까지의 냉각량이 상대적으로 작으나 뚜렷한 경향을 보이지는 않았다(Fig. 3A).
누적 냉각량 변화도 모델별 차이를 보였는데(Fig. 3B), CD 모델은 2019－2020년의 경우 냉각량이 축적되기 시작하는 시기가 다른 두 모델에 비해 늦은 경향을 보였다. 이는 6－10℃ 범위 기온의 냉각 효과 평가가 모델별로 상이한 것에서 비롯되는데 CD 모델은 냉각량이 축적되는 기준온도가 6.1℃로 일 최저기온이 6.1℃ 이상이면 냉각량이 축적되지 않는 반면 Chill hours는 0－7.2℃는 냉각에 유효한 것으로 평가하며(Darbyshire 등, 2011) DM 모델은 6－10℃에서도 일부 냉각효과가 인정된다(Erze와 Fishman, 1997). CD 모델에 의하면 2019년 10월 동안 거창에서 일 최저기온이 6.1℃ 이상이므로 냉각량이 축적되지 않는 날은 18일로 2020년 10월의 13일에 비해 많았다(Fig. 3A).
Fig. 3.
Changes of (A) daily chill amounts and (B) chill accumulation according to three differnet models: Chill hours (0－7.2℃), Chill Days Model, and Dynamic Model. The calculation was based on the orchard in Geochang from October 1th of the previous year to the day before the heat accumulation starting date.
3. 휴면타파 이후 가온량 비교
각 모델별 실측 만개일까지의 일별 가온량 및 누적가온량의 특성을 비교하였다. 첫번째, 모델별 2년간 6개 지역의 실측 만개일까지의 누적 가온량 변이계수는 발육속도 모델(DVR1, DVR2)은 각각 11.2, 7.6, CD 모델 6.6, GDH 모델 6.7로 DVR1 모델을 제외한 나머지 3모델은 큰 차이가 없었다(Table 4). CD 모델의 평균 가온량은 336.3으로 Kim과 Yun(2010)의 275.1와는 차이를 보였고 Ahn과 Yun(2021)의 336.4와 유사한 수준이었다. 동일한 품종의 가온량이 연구자에 따라 이러한 차이를 보이는 것은 가온량 평가 방법의 차이, 예를 들어 강제 발아법 혹은 포장 조사법 또는 대목의 차이 등(Parkes 등, 2020)을 들 수 있다.
다음은 거창 지역에서 모델별 일별 가온량 및 누적가온량 변화 특성을 비교하였다(Fig. 4). DVR(DVR1, DVR2) 모델은 다른 두 모델에 비해 일별 가온량 편차가 작은 반면에 GDH 모델은 상대적으로 컸다(Fig. 4A). 누적 가온량 변화를 보면(Fig. 4B) CD 모델은 휴면타파일이 빠르기 때문에(Table 3) 조기에 가온량이 축적되기 시작하였다. CD 모델은 3월 1일 기준 개화에 필요한 가온량의 30%내외가 누적되어 다른 모델의 10%내외에 비해 높은 누적율을 보인다. 반면에 DVR1과 GDH 모델은 3월 하순 이후 가온량이 65－80% 수준으로 높은 비중을 차지하는 특징을 보였다.
Table 4.
Comparison of heat accumulation (HA) according to four models from the day after breaking dormancy (DABD) to the observed full bloom date (OFBD) at 6 orchards located in different regions for 2 years.
4. 만개일 예측 평가
4.1 모델 선발
4가지 모델을 이용하여 2년동안 6개 지역 사과원의 만개일을 예측한 결과를 비교하였다. DM+GHD 모델의 가온량은 6,562(Table 4)를 적용하였다. DVR1, DVR2, CD, DM+GDH 모델의 Root Mean Square Error(RMSE)는 각각 1.6, 7.4, 8.7, 1.6로 DVR1 모델과 DM+GDH 모델이 작았으며 DVR2, CD 모델은 상대적으로 컸다(Table 5).
Table 5.
Results of the model performance in predicting full bloom dates of apple (Malus domestica Borkh. cv. Fuji) in 2020 and 2021.
DVR2와 CD 모델은 실측 만개일보다 빠르게 예측하는 과소추정오차 경향을 보였다. DVR1과 DVR2의 계산 시작일은 같으나 DVR2가 과소추정오차를 보이는 것은 일 평균기온 7－15℃인 날의 가온량이 DVR2에서 DVR1보다 상대적으로 높게 평가되며(자료 미제시) 6개 지역 사과원의 4월 일 평균기온이 7－15℃에 해당(Fig. 2) 되기 때문으로 판단된다. CD 모델은 다른 3모델에 비해 가온량이 누적되기 시작하는 시기가 빨라 3월 상순까지의 고온 누적량이 40－50% 수준으로, 10－20% 수준인 다른 모델에 비해 높은 것(Fig. 4)이 과소추정의 원인인 것으로 생각된다.
DVR1과 DM+GDH 모델은 RMSE가 유사한 수준이었으며 DVR1은 화성의 예측오차가 컸던 반면 DM+GDH 모델은 2020년의 군위, 2021년의 포천 예측오차가 컸다. DVR1 모델 적용시 화성에서 실측일보다 빠르게 예측되는 원인 분석을 위해 화성과 포천의 2021년 기온 및 가온량 축적 변화를 비교하였다(Fig. 5과 Fig. 6). DVR1 모델 적용시 화성은 포천과 가온량 축적 시작일이 같고 실측만개일이 각각 4월 22일, 4월 23일로 비슷한 시기였으나 포천은 실측 만개일과 동일하게 예측된 반면 화성은 실측 만개일보다 4일 빠르게 예측되었다(Table 5). 화성은 일 최저기온은 높으나 일 최고기온은 상대적으로 낮아 일교차가 작은 특징을 보이고 있다(Fig. 2). 2021년 고온 축적이 시작되는 2월 20일부터 만개일인 4월 23일까지의 일 평균기온은 대부분 화성이 포천보다 높거나 같은 경향을 보여, 화성의 만개일이 포천보다 빠르게 예측된다(Fig. 5). 그러나 앞에서 언급된 바와 같이 화성의 일 평균기온이 포천보다 높은 것은 일 최저기온의 영향이 크며 일 최저기온은 고온 효과가 상대적으로 낮은 10℃ 이하가 대부분(Fig. 2)이므로 일 평균기온으로 고온량을 산정할 경우 과대평가 될 가능성이 있다. 일 평균기온이 비슷한 4월 7일(일평균기온 11.3℃, 11.4℃)과 4월 15일(일평균기온 9.1℃, 9.0℃)의 시간별 기온을 비교해 보면 그 경향을 더욱 뚜렷하게 볼 수 있다(Fig. 6). 화성의 기온은 오전 11시까지는 포천보다 높지만 12℃ 이하이며, 11시부터 18시까지는 포천의 기온이 높으며 고온 효과가 높은 온도 범위이다. 따라서 화성과 같이 일 최저기온이 높고 일 최고기온은 상대적으로 낮은 지역은 일 평균기온을 이용하여 만개일를 예측할 경우 실측일보다 다소 빠르게 예측되는 과소추정오차를 보일수 있으므로 시간 발육속도를 활용할 필요가 있다.
이상의 결과로부터 우리나라 사과 주산지의 ‘후지’ 품종 만개일 예측을 위한 후보 모델로 DVR1과 DM+GDH 모델을 선발하였다. DVR1 모델이 일교차가 작은 화성에서 상대적으로 예측력이 낮았으나 다른 지역을 포함한 RMSE 및 결정계수가 DM+GDH 모델과 유사하였으므로 선발하여 검증하고자 하였다.
4.2 선발 모델 검증
선발에 사용하지 않은 2022년의 만개일과 기상자료를 이용하여 위에서 선발한 2모델(DVR1과 DM+GDH)을 검증하였다. DVR1과 DM+GDH 모델의 결정계수는 각각 0.37, 0.62이고, RMSE는 4.9, 2.0으로 DM+GDH 모델이 DVR1 모델보다 예측력이 좋았다(Fig. 7).
특히 군위와 충주에서 2모델 간 예측력의 차이를 보였는데, 군위에서는 DVR1과 DM+GDH 모델에서 관측일보다 각각 10, 3일 빠르게 예측되었으며, 충주에서는 DVR1 모델이 5일 빠르게 예측된 반면 DM+GDH 모델은 관측일과 일치하였다. DVR1 모델이 군위와 충주에서 관측일보다 빠르게 예측된 것은 일 발육속도의 최대치에 해당되는 일 평균기온 20℃ 이상인 날이 군위 2일, 충주 1일인 것의 영향이 큰 것으로 추정된다. 군위와 충주를 제외한 지역에서는 20℃ 이상인 날이 없었다. 일 평균기온 17℃인 날의 발육속도는 5.24, 20℃ 이상인 날의 발육속도는 17.86으로 20℃ 이상인 날은 17℃인 날의 3.4일에 해당된다.
이상의 결과로 볼때 우리나라에서 전국적으로 적용할 수 있는 사과 ‘후지’ 만개일 예측 모델은 휴면타파에 필요한 냉각량 산정을 위한 DM 모델과 휴면 타파이후 개화에 필요한 고온량 산정을 위한 GDH 모델을 결합한 것이 가장 효과가 높은 것으로 판단되었다. 본 모델은 사과 ‘후지’ 만개일을 전국의 사과 주산지에서 예측오차 3일 이내로 예측함으로써 만개기에 필요한 작업, 예를 들면 저온피해 등, 에 미리 대비하는데 크게 기여할 것으로 예상된다.
그러나 본 연구 결과는 3년간 6개 지역에서 관측된 기상과 만개일을 활용한 결과이므로 검토한 범위를 벗어난 기상 조건에서는 신뢰도가 낮을수 있다. 또한 최근에 화상병 방제를 위해 발아기, 전엽기, 낙화기와 같은 생육기 예측이 요구되고 있다. 그러므로 보다 장기간, 여러 지역에서 다양한 생육기 자료 확보를 통해 이상기상 조건에서도 생육기를 신뢰도 높게 추정할 수 있는 모델개발이 필요하다.
