Maryblyt 모형의 꽃 화상병(blossom blight) 알고리즘을 기반으로 참다래 꽃썩음병 예측 모형인 Pss-KBB Risk Model을 개발하였다. Maryblyt 모형에서 병원세균에 의해 감염이 일어나기 위해서는 다음의 4가지 조건을 모두 만족시켜야 하는데, 각 조건별로 Pss-KBB Risk Model에 서 필요한 알고리즘을 취해 모형개발에 활용하였다.

먼저 꽃이 개화된 상태여야 한다. 즉, Maryblyt 모형에서는 개화기만을 대상으로 꽃 화상병을 예측하기 때문에 사용자가 개화시점과 만개기에 대한 정보를 예측모형에 직접 넣어줘야 한다. 참다래 꽃썩음병 역시 개화기에 중점적으로 발생하기 때문에 개화기에 대한 정보가 주어져야 한다. Pss-KBB Risk Model에 서는 참다래의 생육시기를 예측할 수 있는 휴면시계모형(Kwon 등, 2012)에 의해 예측된 만개기 정보를 입력값으로 사용하였다. 하지만 꽃썩음병은 월동한 전염원이 기상조건에 의해 급격하게 밀도가 증가하다가 꽃봉오리 상태에서도 감염이 시작되는 경우가 있기 때문에 통상의 개화시점을 그대로 적용하여 모형을 구동한다면 실제 감염 상황을 제대로 재현하지 못하는 경우가 발생할 것이다(Everett과 Henshall, 1994). 이를 감안하여 만개기 전 14일부터 7일까지 하루씩 줄여가며 가장 좋은 예측성을 보이는 최적의 모형구동기간을 선정하는 모수보정 과정을 통해 만개기 전 10일을 최종 모수로 정하였다.

두 번째로 Maryblyt 모형에서는 지난 44.4 도일(degree days, > 4.4°C) 간 누적 도시간(cumulative degree hours, > 18.3°C)이 110 이상이 되어야 감염이 일어난다. 생물계의 생리적, 생화학적 과정에는 에너지를 필요로 하는데, 에너지는 열(heat)로 표현될 수 있다. 꽃썩음병의 감염이나 병원세균의 증식, 감염에 의한 병 증상의 진전과 같은 일련의 과정도 열 에너지를 나타내는 누적 열단위(cumulative heat units)로 간접적인 표현이 가능한데, Maryblyt 모형에서는 누적 도일(cumulative degree days)과 누적 도시간(cumulative degree hours)을 이용해서 화상병의 각 단계를 모수화 하였다. 44.4의 누적 도일과 110 누적 도시 간은 실험에 의한 경험적 모수인데, 이러한 값들을 본 연구에서는 얻을 수 없었기 때문에 문헌조사를 통해 관련된 정보를 추출해야 했다. 우선 44.4 누적 도일은 각 사과꽃의 개화 지속시간을 바탕으로 정해진 값인데, 개화되어 있는 동안에만 새로운 감염이 일어나거나 병원세균이 증식한다고 가정했기 때문이다. 이를 Pss-KBB Risk Model에 적용하면 다음과 같다. 1) 참다래의 꽃은 짧게는 3일 동안 개화가 지속되는 것으로 알려져 있고, 2) 만개기 이전 10일 동안이 꽃썩음병이 발병하는 기간이라고 가정하여 해당 기간의 일 평균온도를 구한 후, 3) 참다래 생물모형의 생육기준온도(threshold temperature)인 7°C를 10일간의 일 평균온도에서 뺀 나머지를 일 누적도일로 정한다. 마지막으로, 4) 3일 동안의 개화기간을 감안하여 일 누적도일에 3을 곱하면 최종적으로 23 누적도일이 나오게 되는데, 본 연구에서 는 지난 3일간의 누적도일이 23을 넘었을 때 모형이 구동되도록 하였다. Maryblyt 모형의 110 누적도시간은 감염위험도에 대한 경험적 실험 결과에 기반한 값인데, 본 연구에서는 이를 대체하기 위해 기존 문헌의 실험값을 활용하여 온도에 따른 감염 위험도를 나타내는 M index를 도입하였다. 앞서 Shin(2004)에 의해 보고된 꽃썩음병 병원세균의 온도에 따른 성장속도 측정결과를 바탕으로 온도에 따른 상대적 생장속도에 대한 상관관계 추정식을 구하였다(Fig. 1). 이렇게 구한 추정식을 사용하여 시간별 기온값에 대한 상대적 성장속도를 구하고 이를 시간별 감염위험도를 나타내는 Hourly M index 값으로 사용하였다. Fig. 1과 같이 14°C부터 42°C까지만 병원세균의 증식이 가능하기 때문에 14-42°C 이외의 시간별 기온값이 입력되면 Hourly M index는 0이 된다. 최근 뉴질랜드 Plant & Food Research 연구팀에 의해 실제 참다래 식물체에서 병원세균의 최적 성장온도(in planta)가 배양액에서 병원세균이 보여주는 최적 성장온도(in vitro)와 상당한 차이가 난다는 연구결과를 보고하였다(Beresford, 2012). 따라서 본 연구에서도 시간별 기온 입력값을 Hourly M index 추정식에 적용하기 전 해당 차이(1.35)만큼을 변환하는 과정을 거치도록 하였다.

세 번째로 Maryblyt 모형에서는 강수량이 0.25 mm 이상 또는 전날 강수량이 2.5 mm 이상이어야 감염이 성립하는 기준이 있었다. 즉 감염이 일어나기 위해서는 일정량의 강우를 필요로 한다는 것인데 이는 대부분의 세균성 병해에서 통용되는 원리이다. 일정량의 강우는 병원세균이 주변의 건강한 조직으로 전반되거나 식물체 내부로 침투하는 수단이 되며, 높은 상대습도로 인해 병원세균이 증식할 수 있는 환경이 조성되기도 한다. 하지만 100 mm가 넘는 지나친 강우는 식물체 외부의 병원세균을 씻어 내리기 때문에 오히려 감염이 일어나는 것을 방해하게 된다. 따라서 참다래 꽃썩음병 예측모형인 Pss-KBB Risk Model에 서는 당일 강수량이 0.25 mm 이상 100 mm 미만일 때 모형이 구동되도록 하였다. 마지막으로 예측 당일의 일평균 기온이 15.6°C 이상 되어야하는 조건이 사용되었는데, 본 연구에서는 일평균 기온이 누적도일에서 이미 고려되었기 때문에 해당 조건을 사용하지 않았다.

Pss-KBB Risk Model은 Maryblyt 모형의 감염알고리즘을 기반으로 개발되었지만 시간별 기온을 바탕으로 Daily M index를 계산하고 이를 강우 정도와 연결하여 Daily R index를 계산하여 사용한다는 점에서 새로운 일별 위험도의 개념이 적용되었다. Daily M index는 기온에 따른 Pss의 증식정도를 나타내는 값이고 0.25 mm 이상의 강우가 내리면 증식된 Pss가 새로운 감염을 일으킬 수 있는 실질적 위험도가 증가하게 되는데 이는 Daily R index로 나타내었다. 당일의 Pss 증식 정도는 전날의 증식 정도에 영향을 받는 것으로 가정하여 Daily R index는 하루 전 Daily M index와 당일 Daily M index를 합한 값을 사용하였다. 하지만 당일 0.25 mm가 넘는 강우가 왔다 하더라도 지난 3일간 23 누적도일을 초과하지 않으면 개화가 지속되지 않아 꽃 조직의 내외부에 존재하는 Pss의 증식이 의미가 없다고 가정하였기 때문에 R index가 계산되지 않도록 하였다. 마지막으로 Pss-KBB Risk Model을 통해 개화기 동안 꽃썩음병의 전체 위험도를 표출하기 위한 방법으로, 일별로 계산된 모든 R index를 평균한 뒤 0 이상되는 R index가 계산된 날의 개수로 나누어 전체 위험도지수를 생성하였다. 1997년부터 1999년 동안 전남 고흥 두원면에 서 수집한 꽃썩음병 조사자료(Shin 등, 2004)와 기상청 고흥 종관기상관측소의 동일기간 과거기상자료를 사용하여 Pss-KBB Risk Model의 모수를 보정하였고 최종 모형의 구조 및 흐름도를 Fig. 3에 나타내었다.

Pss-KBB Risk Model의 성능을 검증하기 위해 해남지역 과수원에서 수집된 과거 10년간의 꽃썩음병 조사자료를 사용하였다(Lim, 2009). 앞서 기존 연구결과에서 도출된 기온이나 강우 정보로 꽃썩음병의 발병율을 예측하는 모형들의 결과를 Pss-KBB Risk Model의 결과와 비교 평가하였다(Table 1). 먼저 해남지역 기상관측 자료로부터 개화시작 전 10일간 평균온도를 구하고, 앞서 뉴질랜드 Plant & Food Research 연구소의 개화 전 10일간의 온도와 꽃썩음병 피해율로부터 도출한 개화전평균온도 모형을 구동하여 꽃썩음병 피해도를 추정하였다. 연도별로 추정된 피해도와 실제 조사된 꽃썩음병 발병율의 상관관계를 분석한 결과 95% 신뢰수준에서 유의한 0.760의 상관계수를 얻었다. 앞서 강우와 꽃썩음병 발생과의 상관관계를 바탕으로 개화기 동안 강우량과 강우빈도(강우일수)를 가지고 꽃썩음병 병해조사자료와 통계분석을 실시하였다. 해남 꽃썩음병 조사자료에 만개기 정보도 포함되어 있었기 때문에 기상청 해남 기상관측소의 기상자료를 바탕으로 해남지역 만개기 전 10일 동안의 강우량과 강우 일수를 얻었고, 꽃썩음병 발병화율과 상관관계를 분석하였다. 강우량과는 통계적으로 유의한 상관관계를 보이지 않았지만, 강우일수와 꽃썩음병 발병화율은 앞서 기온에 의한 피해도의 상관계수 보다 높은 0.858의 상관계수를 나타냈다. 이에 더해 개화기 동안의 기온조건과의 상관관계를 확인하기 위해 만개기 전 10일 동안의 평균 기온, 누적도일(>7°C), 또는 14-42°C 사이의 열에너지 누적값을 의미하는 누적 도시간을 계산하여 꽃썩음병 발병율과의 상관관계를 분석하였지만 통계적으로 유의미한 결과를 얻을 수 없었다. 결과적으로 개화기 동안에는 기온보다는 강우 조건에 의해 꽃썩음병 발병의 많은 부분이 결정되는 것을 알 수 있었다. 실제로 단지 비가림시설만으로도 꽃썩음병 발병율을 61-8% 가량 줄일 수 있다는 이전 연구결과가 이를 뒷받침하고 있다(Koh 등, 2001). 본 연구에서는 꽃썩음병과 강우와의 강한 양의 상관관계로 인해 만개기 전 10일 동안의 강우 일수를 바탕으로 참다래 꽃썩음병 위험도를 예측할 수 있음을 확인하였다.

기상청 해남 종관기상관측소의 과거기상자료와 병해조사자료의 만개기 정보를 입력값으로 Pss-KBB Risk Model을 구동하였고, 지난 10년간 해남지역 꽃썩음병 발병화율 자료를 사용해 모형의 성능을 검증하였다. R index는 만개기 전 10일 동안 매일 계산이 되는데 대체적으로 강우일수와 상관관계가 높은 것으로 나타났다. 꽃썩음병의 발병에 강우가 미치는 영향을 고려하여 비가 0.25 mm 이상 내리는 날에만 R index가 계산되도록 한 모형 알고리즘 때문에 생기는 당연한 결과이지만, 강우의 영향 뿐 아니라 동기간 온도에 의한 영향이 더해져 R index의 높고 낮음이 결정되었다. 실제로 Daily R index를 모두 합하여 계산한 최종 위험도 지수 결과를 보면 같은 강우일수인 경우에도 위험도 지수 사이에 큰 차이가 나는 것을 볼 수 있다(Table 1). 이를 바탕으로 꽃썩음병 발병화율과의 상관관계를 분석하면 0.954의 높은 상관계수를 나타내므로 본 연구에서 개발된 Pss-KBBRisk Model의 성능이 다른 방법에 비해 향상되었음을 알 수 있었다.

국내 참다래 재배농가에서는 꽃썩음병이 발생할지라도 참다래 궤양병처럼 전체적인 수세에 큰 영향을 미치지 않을 뿐만 아니라 과실의 수량에도 거의 영향을 미치지 않는다고 판단하여 매년 10-20% 정도의 꽃썩음병 발생은 자연스런 적화 또는 적과 수단으로 여기고 방제를 하지 않는 경향이 있다(Shin, 2004). 현재까지 꽃썩음병에 의한 수량손실은 보고된 바가 없지만 이는 공식적인 자료가 보고되지 않았을 뿐이지 실제로 꽃썩음병이 심하게 발생해서 조기낙화와 낙과 또는 기형과를 발생시켜 엄청난 수량감소를 일으킨 사례가 과거에 다수 있었음이 알려져 있다.

본 연구를 통해 개발된 Pss-KBB Risk Model은 기온과 강수에 의한 꽃썩음병의 발생정도를 위험도 지수로 나타내는데, 실제 과수원의 병해조사자료를 바탕으로 검증한 결과 그 성능이 우수함을 알 수 있었다. 따라서 Pss-KBB Risk Model과 기상예보자료를 활용해 꽃썩음병의 발병 위험도를 미리 알 수 있다면 적절한 방제를 통해 꽃썩음병에 의한 잠재적 피해를 줄이는데 도움이 될 것으로 판단된다. 하지만 본 모형을 현장에서 활용하기 위해서는 기상청에서 제공하는 10일 예보를 기상 입력값으로 하여 참다래의 품종별 휴면시계모형과 Pss-KBB Risk Model을 연계하여 서비스를 제공할 수 있는 시스템의 개발이 필요할 것이다.