Determinants of Growth Variables on Smart Farm Tomato Production

doi:10.22716/sckt.2020.8.3.016

All Issue

2020 Vol.8, Issue 3 Preview Page Next Page

Research Article

Determinants of Growth Variables on Smart Farm Tomato Production 토마토 스마트팜 생육데이터와 수확량의 연관성 분석: Heesun Noh¹, Yoonsuk Lee²
노희선¹, 이윤숙²; ¹Researcher Crop Research and Farm Management Division, Gangwondo Agricultural Research and Extension Service
²Assistant Professor, Department of Agricultural and Resource Economics, Kangwon National University

¹강원도농업기술원 작물과 연구사
²강원대학교 농업자원경제학과 조교수

30 September 2020. pp. 17-25

PDF

Abstract

스마트팜의 빠른 확산과 더불어 스마트팜으로부터 작물의 생육·환경데이터가 수집되고 있다. 작물의 생산성 및 질 향상을 통한 농업소득 증가를 위해서 스마트팜 생육·환경데이터를 분석하여 추정된 수치를 활용할 수 있는 기반을 만드는 것은 중요하다. 본 연구에서는 스마트팜으로부터 수집된 과도기적인 생육데이터를 사용하여 생육변수와 토마토 수확량에 대한 연관성을 분석하였다. 회귀분석으로부터 정확한 계수를 추정하기 위해 2단계의 분석과정을 거쳤다. 먼저 다양한 생육변수와 토마토 수확량의 연관성을 분석하기 위해 다중회귀분석 모델을 사용하였다. 변수 사이의 상관관계가 높은 생육변수의 특성으로 다중회귀분석 모델을 사용할 경우 다중공선성(Multicollinearity) 문제를 일으킬 수 있는 문제점을 고려하였다. 분산팽창지수(Variance inflation factor)를 적용하여 다중공선성을 조사하고, 이를 해결하기 위해 능형회귀분석(Ridge regression) 모델을 적용하여 회귀계수를 추정하였다. 분석결과 토마토 수확량에 유의한 영향을 미치는 변수는 초장, 생장길이, 엽수, 엽길이, 줄기굵기와 하방높이였다. 특히 줄기굵기의 변화는 토마토 수확량 증가에 다른 생육변수들과 비교해 높은 영향을 미쳤고, 엽길이의 변화는 토마토 수확량 감소에 높은 영향을 미치는 것을 발견할 수 있었다.

The analyses and applications of growth and environmental data collected from smart farms play an important role in future agriculture industry. In order to estimate the accurate coefficients from regression model, the analyses were processed in two steps. First, a multivariate regression model was used to estimate the effects of various growth variables on tomato yield. However the coefficients from multivariate regression could suffer from multicollinearity because growth variables are highly correlated to each other. In order to solve this problem, we investigated the multicollinearity by applying the variance inflation factor. Then we applied a ridge regression model that reduces variance inflation to estimate accurate coefficients. According to the results, the variables affecting tomato yield were first length of growth point, growth length, number of leaves, length of leaf, thickness of stem and height of buds stock. In particular, the change in thickness of stem had a high effect on the increases in tomato yield compared to other variables. The change in the length of a leaf highly influenced on the deceases in tomato yield.

Keywords

Growth variables

Multicollinearity

Ridge regression

Smart farm

Variance inflation factor

References

http://www.korea.kr/special/policyCurationView.do?newsId=148864055
김연중, 서대석, 박지연, 박영구 “스마트 팜 운영실태 분석 및 발전방향 연구”, 한국농촌경제연구원, 2016.
이재경, 설병문 “지능형 스마트 팜 활용과 생산성에 관한 연구: 토마토 농가 사례를 중심으로”, 벤처창업연구, 제14권 제3호, pp.185-199, 2019.
정유란, 안정준, 도기석, 김광형, 손인창, 문경환 “작물과 해충의 생물계절모형의 이해: 복숭아순나방 출현일과 배 개화일 예측정보 활용을 중심으로”, 한국응용곤충학회 학술대회논문집, 제10호, p.25, 2015.
최지은, 전영란, 김윤희 “하둡을 이용한 기상요인에 따른 농산물 경략가격 실시간 분석 시스템 설계”, KNOM Review, 제17권 제2호, pp.10-21, 2014.
나명환, 박유하, 조완현 “스마트팜 데이터를 이용한 토마토 최적이자에 관한 연구”, 한국데이터정보과학회지, 제28권 제6호, pp.1427-1435, 2017.
박용철 “라소를 이용한 간편한 주성분분석”, 한국데이터정보과학회지, 제24권 제3호, pp.33-541, 2013.
Mason, H. C. and Perreault, Jr. D. W. “Collinearity, power, and interpretation of Multiple regression analysis”, Journal of Marketing Research, Vol. 28, pp. 268-280, 1991.10.1177/002224379102800302
유극렬, 박주헌 “통계학: 이해와 응용”, 시그마프레스, 서울, 2018.
Falat, L. and Pancikova, L. “Quantitative modeling in economics with advanced artificial neural networks. Procedia Economics and Finance”, Vol. 34, pp. 194-201, 2015.10.1016/S2212-5671(15)01619-6
Chang, J. B. and Lee, Y “The effects of technological development on fisheries production. Fisheries Science”, Vol. 85, pp. 259-269, 2019.10.1007/s12562-018-1258-6
Hill, R. C., Griffiths, E. W. and Judge, G. G. “Undergraduate econometrics”, 2nd Ed., John Wiley & Sons, New York, 2001.
Gregory, S. D. “Ridge regression and multicollinearity: an in-depth Review”, Model Assisted Statistics and Application, vol. 13, pp. 1-15, 2018. 10.3233/MAS-180446
Mansfield, R. E. and Helms, P. B. “Detecting Multicollinearity”, The American Statistician, vol. 36, pp. 158-160, 1982.10.1080/00031305.1982.10482818
Marquardt, W. D. and Snee, D. R. “Ridge regression in practice”, The American Statistician, vol. 29, pp. 3-20. 1975.10.1080/00031305.1975.10479105
Tibshirani, R. “Regression shrinkage and selection via the lasso”, Journal of the Royal Statistical Society, Series B, 58, pp. 267-288. 10.1111/j.2517-6161.1996.tb02080.x

Information

Publisher :The Society of Convergence Knowledge
Publisher(Ko) :융복합지식학회
Journal Title :The Society of Convergence Knowledge Transactions
Journal Title(Ko) :융복합지식학회논문지
Volume : 8
No :3
Pages :17-25
DOI :https://doi.org/10.22716/sckt.2020.8.3.016

[1] http://www.korea.kr/special/policyCurationView.do?newsId=148864055

[2] 김연중, 서대석, 박지연, 박영구 “스마트 팜 운영실태 분석 및 발전방향 연구”, 한국농촌경제연구원, 2016.

[3] 이재경, 설병문 “지능형 스마트 팜 활용과 생산성에 관한 연구: 토마토 농가 사례를 중심으로”, 벤처창업연구, 제14권 제3호, pp.185-199, 2019.

[4] 정유란, 안정준, 도기석, 김광형, 손인창, 문경환 “작물과 해충의 생물계절모형의 이해: 복숭아순나방 출현일과 배 개화일 예측정보 활용을 중심으로”, 한국응용곤충학회 학술대회논문집, 제10호, p.25, 2015.

[5] 최지은, 전영란, 김윤희 “하둡을 이용한 기상요인에 따른 농산물 경략가격 실시간 분석 시스템 설계”, KNOM Review, 제17권 제2호, pp.10-21, 2014.

[6] 나명환, 박유하, 조완현 “스마트팜 데이터를 이용한 토마토 최적이자에 관한 연구”, 한국데이터정보과학회지, 제28권 제6호, pp.1427-1435, 2017.

[7] 박용철 “라소를 이용한 간편한 주성분분석”, 한국데이터정보과학회지, 제24권 제3호, pp.33-541, 2013.

[8] Mason, H. C. and Perreault, Jr. D. W. “Collinearity, power, and interpretation of Multiple regression analysis”, Journal of Marketing Research, Vol. 28, pp. 268-280, 1991.10.1177/002224379102800302

[9] 유극렬, 박주헌 “통계학: 이해와 응용”, 시그마프레스, 서울, 2018.

[10] Falat, L. and Pancikova, L. “Quantitative modeling in economics with advanced artificial neural networks. Procedia Economics and Finance”, Vol. 34, pp. 194-201, 2015.10.1016/S2212-5671(15)01619-6

[11] Chang, J. B. and Lee, Y “The effects of technological development on fisheries production. Fisheries Science”, Vol. 85, pp. 259-269, 2019.10.1007/s12562-018-1258-6

[12] Hill, R. C., Griffiths, E. W. and Judge, G. G. “Undergraduate econometrics”, 2nd Ed., John Wiley & Sons, New York, 2001.

[13] Gregory, S. D. “Ridge regression and multicollinearity: an in-depth Review”, Model Assisted Statistics and Application, vol. 13, pp. 1-15, 2018. 10.3233/MAS-180446

[14] Mansfield, R. E. and Helms, P. B. “Detecting Multicollinearity”, The American Statistician, vol. 36, pp. 158-160, 1982.10.1080/00031305.1982.10482818

[15] Marquardt, W. D. and Snee, D. R. “Ridge regression in practice”, The American Statistician, vol. 29, pp. 3-20. 1975.10.1080/00031305.1975.10479105

[16] Tibshirani, R. “Regression shrinkage and selection via the lasso”, Journal of the Royal Statistical Society, Series B, 58, pp. 267-288. 10.1111/j.2517-6161.1996.tb02080.x

The Society of Convergence Knowledge Transactions ISSN:2287-8920(Print) 융복합지식학회논문지

All Issue