Modelling Marssonina leaf blotch of apple and Disease Forecast System using Numerical Weather Prediction data

Abstract

Plant disease forecast provides useful information that can be incorporated in the decision-making procedures for disease control. Weather-driven plant disease forecast systems commonly use observed weather data monitored by automated weather stations (AWS) at near real-time basis. By using observed weather data, disease forecast models determine if weather conditions favorable for pathogen infection have occurred in the immediate past period. The information generated by the models would be useful for post-infection treatments that have curative effects to stop pathogen growth in host plant tissues. In this regard, weather prediction data would facilitate applications of weather-driven disease models for better disease management. Crop growers would have better options of disease control including both protective and curative measures when weather prediction data are used for disease warning. In this study, 1) a disease forecast model for Marssonina leaf blotch of apple (MBA) was developed based on field observations on airborne spore catches, disease incidence and weather conditions in 2013 and 2015, and 2) the Unified Model (UM)-predicted weather data from the Korea Meteorological Administration (KMA) were evaluated for possible use as input data for weather-driven plant disease forecast models. A previously developed forecasting model for bacterial grain rot of rice (BGR), named as BGRcast, was applied to compare the model outputs when the UM-predicted and the AWS-observed weather data for 29 locations of rice paddy fields were used as input data. In conclusion, possible risks of MBA development could be forecasted 21 days ahead of the actual appearance of disease symptoms using the airborne spore catches that were estimated based on the number of rainy days with rainfall ≥ 0.5mm per day during rain events (Lday), the maximum hourly rainfall (Pmax) and the average daily maximum wind speed (Wavg) during the spore liberation period (SLP). Regarding the use of numerical weather prediction data for BGR forecast, BGRcast resulted in similar model output from both the UM-predicted weather data from KMA and the AWS-observed weather data for all 29 locations of rice paddy fields. With the UM-predicted data, it is possible to provide rice growers with BGR warnings two days earlier than when the AWS-observed weather data were used as input data.

기상자료 기반의 식물병 예측시스템은 보통 실시간으로 수집되는 관측 기상자료를 사용하여 예측을 수행한다. 관측기상 자료를 입력하여 실시간으로 구동되는 병 예측모형은 최근의 기상 환경이 병원균의 감염에 유리한 조건인지 여부를 규명한다. 근래의 수치 기상예보 모형과 같은 기상예보 기술의 발전은 기상자료 기반의 병 예측모형을 활용하여 보다 나은 방제 전략을 수립할 수 있는 기회를 제공하고 있다. 본 논문은 국내 주요 작물을 대상으로 한 기상자료 기반의 식물병 예측을 주제로 두 개의 장을 담고 있다. 첫 번째 장에서는 관측기상 자료를 사용한 사과 갈색무늬병 예측모형 개발을 다룬다. 두 번째 장에서는 세균벼알마름병 발생을 감염이 일어나기 전에 예측하기 위하여 Unified Model (UM)의 수치기상예보 자료를 적용한 세균벼알마름병 예측모형을 제안한다. 사과 갈색무늬병은 Marssonina coronaria에 의해 발생하며, 1990년대 이래로 우리나라 사과에 심각한 피해를 주는 주요병이다. 감염에 의해 발생하는 조기낙엽은 사과 수확량과 과실 품질의 저하를 야기하여 사과 산업에 큰 피해를 주고 있다. 갈색무늬병 발생의 주요 전염원은 M. coronaria의 자낭포자가 생성하는 자낭반으로 알려져 있지만, 국내에서는 분생포자만이 발견되었기 때문에 이들이 사과 과수원에서 발생하는 갈색무늬병의 1차 및 2차 전염원으로 여겨지고 있다. 갈색무늬병의 발생은 포자 비산 가능성과 기상 환경에 의해 변하고 있다. 이에 따라, 첫 번째 장에서 수행된 연구는 (1) M. coronaria의 비산포자량을 예측할 수 있는 모형 개발에 사용가능한 기상요소들을 규명하고, (2) 사과 과수원에서 수집한 비산포자량 및 기상 자료를 사용하여 사과 갈색무늬병 발생을 예측할 수 있는 모형을 개발하는 것이다. 사과 갈색무늬병 예측 모형의 이름은 MBCAST이며, 2013년과 2015년 사과 과수 포장에서 수집한 비산포자량, 이병엽율, 기상자료를 기반으로 개발되었다. 이 모형은 비산포자 예측모형과 감염속도 모형의 두 가지 하위모형들로 구성되어 있다. 80% 이상의 포자가 강우 시작일부터 종료 후 2일까지의 기간 동안 비산되었는데, 본 연구에서는 이 기간을 포자비산기간으로 규정하였다. 강우기간 동안에 수집한 13개의 기상요소들 중, 일 강우가 0.5mm 이상인 강우일 수 (Lday), 시간 최대 강우량 (Pmax), 그리고 일 최대풍속의 평균 (Wavg), 이 세 요소들이 2013년 포자비산기간 동안 비산된 포자의 변화를 가장 적절하게 설명하는 변수들로 선택되었다. 비산포자 예측모형은 Si = 30.280 + 5.860 × Lday × Pmax - 2.123 × Lday × Pmax × Wavg 의 다항회귀식 형태이며, 모형에 의해 예측된 2015년 비산포자량은 관측자료와 통계적으로 유의하고 비교적 정확하였다. 본 연구에서는 포자비산기간 동안 비산된 포자가 잎에 감염을 일으켜 잠복기인 21일 뒤에 병징이 나타날 것이라 가정하였고, 분석 결과 비산 포자량 ( Si ) 과 일별 병 감염속도 ( Ri ) 사이에는 통계적으로 유의한 상관관계가 있었다. 병 감염속도 예측모형은 Ri = 0.039 + 0.041 × Si 의 단항회귀식 형태이며 통계적으로 유의하였지만 2015년 자료를 대상으로 검증한 결과 감염속도를 정확하게 예측하지 못하였다. 비산포자 예측모형에서 추정된 비산포자량을 제외하고 2013년 병 감염속도의 변화를 통계적으로 유의하게 설명할 수 있는 기상변수들은 없었다. 비산포자 예측모형의 출력값에 대한 적절한 임계값 설정이 이루어진다면 비산포자 예측모형의 자료 하나만으로도 재배자들의 갈색무늬병 방제의사결정을 지원할 수 있을 것으로 판단된다. 비산포자 예측모형의 병 발생 경보를 사용할 경우, 재배자들은 치료살균제를 살포해야 하는데, 이는 병원균이 포자비산 기간동안 이미 감염을 시작하였기 때문이다. 이와 같이, 관측기상자료 기반의 병 예측자료는 감염 이후에 제공되어 재배자들은 기주식물 내의 병원균 생장을 저해하기 위해 치료 목적의 방제전략을 사용하게 된다. 그러나, 기상예보 자료를 활용한 병 발생 경보는 재배자들이 보호살균제의 살포나 보호 목적의 경종법을 병행할 수 있게 함으로써 보다 나은 방제전략 수립을 가능케 한다. 기상예보 자료를 사용한 식물병 예측 시스템의 한 예로, 두 번째 장에서는 기존 개발된 세균벼알마름병 예측모형에 Unified Model (UM)의 기상예보 자료를 적용한 모형에 대해 제안하였다. 본 연구에서는 식물병 예측을 위한 Unified Model (UM) 의 수치 기상예보자료의 활용가능성에 대해 평가하는 것을 목표로 하였다. 적용한 병 예측모형은 기존 개발된 세균벼알마름병 예측모형, 일명 BGRcast로 병 진전에 영향을 미치는 기상환경 기여도를 추정하는 모형이다. 기상청에 의해 구동되는 UM의 수치기상예보 자료 중 세계협정표준시 기준 0600 (UM06) 및 1800 (UM18)에 발표된 자료를 사용하여 병 예측모형 결과값을 생성하고 자동기상관측기로부터 수집된 관측기상자료 기반으로 구동시킨 병 예측모형의 출력값과 비교하였다. 또한, 한국의 주요 벼 재배지에 분포하는 29 지점을 대상으로 2014년과 2015년에 수집한 UM 기상예보자료와 동 기간의 관측기상자료를 비교하여 분석을 수행하였다. 기상예보 자료의 활용성 평가 결과, UM 기상 예보 자료 기반의 병 예측 성능이 관측기상자료를 이용하여 구동한 병 예측모형의 성능과 비견될 만 하였다. 기상예보를 입력자료로 이용한 병 예측모형은 관측 기상자료 기반 병 예측모형의 방제 권고 경보 생성일보다 2일 빠르게 경보를 생성하였다.