상대활력지수(RVI)

스텔라 가격 예측 2022 — XLM이 곧 1달러를 달성할 것입니까?

인스텔라(XLM) 가격 예측 2022년에는 통계, 가격 패턴, RSI, RVOL 및 XLM에 대한 기타 많은 정보를 사용하여 암호화폐의 미래 움직임을 분석합니다.

스텔라 현황

에 따르면 코 닝코, 작성 당시 XLM의 가격은 $0.137991이고 24시간 거래량은 $220,770,888입니다. 그러나 XLM은 지난 6.4시간 동안 24%로 감소했습니다.

또한 XLM의 순환 공급량은 24,927,537,435 XLM입니다. 현재 XLM은 Binance, OKX, Hotcoin Global, BitCoke 및 Bitget과 같은 암호화폐 거래소에서 거래하고 있습니다.

Stellar (XLM) 란 무엇입니까?

스텔라는 2014년 XNUMX월에 출시되었습니다. 현금을 이체하고 보관할 수 있는 개방형 네트워크입니다. 출시 당시 주요 목표는 세계의 은행이 없는 상태를 달성하여 금융 포용에 활력을 불어넣는 것이었습니다. 나중에 금융 회사가 서로를 통해 연결할 수 있도록 우선 순위가 변경되었습니다. blockchain 기술.

스텔라 (XLM) 가격 예측 2022

스텔라는 26위를 차지했습니다. 코인 게코 지금 바로. XLM 가격 예측 2022는 일일 시간 프레임으로 아래에 설명되어 있습니다.

내림차순 채널은 저항과 지지 수준을 나타내는 가격 위와 아래에 그려진 두 개의 하향 추세선으로 구성된 차트 패턴입니다. 일련의 낮은 저점을 지원하는 추세선과 낮은 고점을 연결하는 대각선 저항 수준으로 정의되는 약세 차트 패턴입니다. 내림차순 채널은 오름차순 채널의 정반대입니다. 가격이 상단 추세선 부근에 있으면 짧은 기회를 찾으십시오. 하지만 공격적인 트레이더는 반등 또는 후퇴를 위해 두 추세선 모두에서 장단기 거래를 할 수 있습니다. 내림차순 채널은 추세의 전반적인 변화를 예측하는 기능으로 인해 유용합니다.

현재 XLM은 $0.13입니다. 패턴이 계속되면 XLM의 가격은 $0.4090의 저항 수준에 도달할 수 있습니다. 추세가 역전되면 XLM의 가격은 $0.1060까지 떨어질 수 있습니다.

스텔라 (XLM) 지지 및 저항 수준

아래 차트는 XLM의 지지선과 저항선을 보여줍니다.

위의 주간 시간대에서 XLM의 저항과 지지 수준은 다음과 같습니다.

• 저항 수준 1 – $0.2170
• 저항 수준 2 – $0.3955
• 저항 수준 3 – $0.6550
• 지원 수준 1 – $0.11270
• 지원 수준 2 – $0.0702

차트는 XLM이 지난 달에 강세 추세를 수행했음을 보여줍니다. 이 추세가 계속되면 XLM은 황소와 함께 $0.6550의 저항 수준을 추월할 수 있습니다.

따라서 투자자가 암호화폐에 반대하는 경우 XLM의 가격은 약세 신호인 거의 $0.0702로 급락할 수 있습니다.

스텔라 2022년 가격 예측 - RVOL, MA 및 RSI

XLM의 상대 거래량(RVOL)은 아래 차트와 같습니다. 거래자의 이전 거래량에서 일정 기간 동안 현재 거래량이 어떻게 변했는지 나타내는 지표입니다. 현재 XLM의 RVOL은 컷오프 라인 아래에 있어 현재 추세에서 참여자가 약함을 나타냅니다.

더군다나 XLM의 이동 평균(MA)은 위의 차트에 나와 있습니다. 현재 XLM은 약세 상태입니다. 특히 XLM 가격은 50 MA(단기) 아래에 있어 완전히 하락 추세에 있습니다. 따라서 언제든지 XLM의 반전 추세가 발생할 가능성이 있습니다.

한편, XLM의 상대강도지수(RSI)는 38.25 수준이다. 이는 XLM이 거의 과매도 상태에 있음을 의미합니다. 그러나 이는 곧 ATOM의 주요 가격 반전이 발생할 수 있음을 의미합니다.

스텔라 2022년 가격 예측 — ADX, RVI

이제 스텔라의 ADX(Average Directional Index)를 살펴보겠습니다. 추세의 전반적인 강도를 측정하는 데 도움이 됩니다. 지표는 확장되는 가격대 값의 평균입니다. 이 시스템은 ADX와 함께 DMI 지표를 사용하여 양수 및 음수 방향으로 가격 움직임의 강도를 측정하려고 시도합니다.

위 차트는 스텔라의 ADX를 나타냅니다. 현재 XLM은 47.9695 범위에 있으므로 강한 추세를 나타냅니다.

위 차트에서 XLM의 상대 변동성 지수(RVI). RVI는 가격 변화가 아니라 일정 기간 동안 가격 변화의 일정한 편차를 측정합니다. XLM의 RVI가 50선 위에 위치하여 변동성의 방향이 높음을 나타냅니다. 실제로 XLM의 RSI는 38.25 수준이므로 잠재적인 매도 신호입니다.

XLM과 BTC, ETH의 비교

아래 차트는 비트코인, 이더리움, 스텔라의 가격 비교를 보여줍니다.

위의 차트에서 ETH의 추세를 확인할 수 있으며 XLM은 하향 추세로 이동하고 있습니다. 그러나 최근 BTC의 추세는 상승 방향으로 움직입니다.

결론

스텔라 네트워크의 지속적인 개선으로 2022년은 XLM에게 좋은 해라고 말할 수 있습니다. 이러한 이유로 2022년 Stellar의 강세 가격 예측은 $0.6550입니다. 반면 2022년 XLM의 약세 예측은 $0.0702입니다.

또한 XLM 생태계의 발전과 업그레이드로 XLM의 성능은 곧 0.5달러에 도달할 것입니다. 그러나 투자자들이 XLM이 1년에 좋은 투자라고 믿는 경우에도 $2022에 도달할 수 있습니다.

자주하는 질문

스텔라 네트워크는 오픈 소스, 분산 및 커뮤니티 소유 네트워크입니다.

XLM은 Binance, OKX, Hotcoin Global, BitCoke 및 Bitget을 포함한 많은 암호화 거래소에 상장되었습니다.

XLM 플랫폼 내에서 진행 중인 개발 및 업그레이드로 인해 곧 ATH에 도달할 가능성이 높습니다.

03년 2018월 0.875일에 XLM은 $XNUMX의 새로운 사상 최고치(ATH)에 도달했습니다.

스텔라(XLM)는 올해 최고 수익을 올린 암호화폐 중 하나인 것 같습니다. 지난 몇 개월 동안 XLM의 기록된 성과에 따르면 XLM은 2022년에 좋은 투자로 간주됩니다.

스텔라(XLM)는 강세 상태를 계속 유지하는 활성 암호화 중 하나입니다. 결국 이 강세 추세가 계속되면 스텔라(XLM)는 곧 1달러에 도달할 것입니다.

스텔라(XLM) 가격은 1.5년까지 $2023에 도달할 것으로 예상됩니다.

스텔라(XLM) 가격은 2.2년까지 $2024에 도달할 것으로 예상됩니다.

스텔라(XLM) 가격은 3년까지 $2025에 도달할 것으로 예상됩니다.

스텔라(XLM) 가격은 5년까지 $2026에 도달할 것으로 예상됩니다.

부인 성명: 이 차트에 표현 된 의견은 전적으로 저자의 것입니다. 투자 조언으로 해석되지 않습니다. TheNewsCrypto 팀은 모두가 투자하기 전에 자체 조사를 할 것을 권장합니다.

[뉴욕 코인시황/장중] 좁은 박스권의 강보합세로 반전…비트코인은 여전히 6350선 밑에서 횡보

(뉴욕=유용훈특파원) 암호화폐가 31일(현지시간) 뉴욕시장에서 초반 약보합세에서 낙폭을 다소 줄이며 강보합세로 돌아섰다.

비트코인도 여전히 좁은 박스권에 갇혀 6350선 밑에서 횡보세를 지속했다.

전반적으로는 약세 기조가 우세하지만 변동폭 자체는 아주 좁은 박스권을 계속 이어가는 모습이다.

톱10 코인은 7개의 코인이 오름세지만, 톱100은 61개 코인에 하락을 의미하는 빨간불이 켜졌다.

코인마켓캡에 따르면, 비트코인 가격은 뉴욕시간 오후 12시27분 기준 6330.72달러로 전일비(24시간 전 대비) 0.11% 내렸다. 이더리움은 0.29% 오른 197.85달러에 거래됐다.

XRP가 0.93%, 비트코인캐시 1.53%, EOS 1.60%, 라이트코인 0.90%, 카르다노 0.02%, 모네로가 2.11% 상승했다. 반면 스텔라는 1.33%, 테더가 0.59% 하락했다.

이 시간 암호화폐 시장의 시가총액은 2035억달러로, 비트코인의 시장내 비중은 54.0%로 집계됐다.

출처: 코인마켓캡(뉴욕시간 31일 오후 12시27분 기준)

시카고상품거래소(CME)의 비트코인 선물가도 소폭 하락하고 있다. 같은 시간 가장 활발하게 거래되고 있는 11월물은 30달러가 내린 6215달러를, 12월물은 35달러가 하락한 6210를 나타냈다. 반면 내년 3월물은 5달러가 오른 6245달러를 기록했다.

암호화폐 상대활력지수(RVI) 시장이 약세 기조가 이어지는 가운데 초반 낙폭을 다소 줄이며 약보합세에서 강보합세로 반전된 모습이다.

좁은 박스권 움직임을 지속하며 최근들어 가격이 비교적 안정적이란 평가를 듣고있는 비트코인은 6350선 밑에서 횡보세를 이어가는 분위기며, 일 거래량은 41억달러 수준을 보이고 있다.

AMB크립토는 비트코인의 일별 차트분석을 토대로 상대강도지수(RSI)가 매수 및 매도 압력이 비슷한 중립상황을 보여주고 있지만 상대활력지수(RVI)는 하락세로 나타났다고 전하고, 종합적으로추가 하락 가능성은 있지만 시장이 완충 능력을 발휘할 경우 횡보세를 이어갈 수도 있는 것으로 전망했다.

마켓워치는 비트코인이 보합권내에서 움직이며 조용한 10주년을 맞이하고 있다고 전했다. 비트코인은 지난 2008년 10월31일 정체를 알수 없는 나카모도 사토시가 9페이지 분얄의 비트코인 백서를 발표하며 시작됐다. 사토시는 백서에서 탈중앙화된 원장을 기반한 P2P 지불시스템인 비트코인과 블록체인의 개념을 설명했다.

챠트분석가들은 이날 종가가 낮은 변동성을 보이고 있는 비트코인의 향후 방향성의 가능성을 제공할 수도 있다는 기대감에 시장 움직임을 주시하고 있다.

특히 현재 비트코인의 장기 주 지지선이 되고있는 21개월 지수이동평균선(EMA: 6108달러 수준) 방어에 실패할 경우 향후 비트코인의 추가 상승을 어렵게 만들 수 있다는 입장이다.

전반적으로는 약세 기조의 활력이 약화되며 그동안 견고하게 지켜진 주 지지선이 지켜질 것으로 예상되고 있지만 그렇지 못할 경우엔 매도세가 출현하며 지난 해 12월에 나타난 가장 강력한 매도 압박이 재현될 수도 있다는 경계감도 크다.

챠트분석가들은 21개월 EMA가 붕괴될 경우 6월 저점인 5777달러 아래로 추가 하락할 수 있는 것으로 보고있다. 반면 이선이 지켜지고 7400선을 회복한다면 강세 추세 전환이 가능할 것으로 분석했다.

이날 뉴욕증시는 강세 기조를 이어가며 큰 폭으로 올랐다. 이 시간 다우지수는 1.13%, S&P500지수는 1.28%, 나스닥지수는 2.07% 상승했다.

[뉴욕 코인시황/마감] 좁은 박스권의 강보합세 보여

(뉴욕=유용훈특파원) 암호화폐가 31일(현지시간) 뉴욕시장에서 초반 약보합세에서 낙폭을 만회하며 강보합세로 돌아섰다.

비트코인도 보합세를 보였지만 여전히 좁은 박스권에 갇혀 6350선 밑에서 횡보세를 지속했다.

전반적으로는 약세 기조가 유지됐지만 변동폭 자체는 아주 좁은 박스권을 이어가는 모습이었다.

톱10 코인은 7개의 코인이 오름세지만, 톱100은 53개 코인에 상승을 의미하는 녹색불이 켜졌다.

코인마켓캡에 따르면, 비트코인 가격은 뉴욕시간 오후 3시54분 기준 6325.58달러로 전일비(24시간 전 대비) 0.02% 내렸다. 이더리움은 0.45% 오른 197.55달러에 거래됐다.

XRP가 1.26%, 비트코인캐시 1.68%, EOS 1.83%, 라이트코인 1.30%, 카르다노 0.53%, 모네로가 2.31% 상승했다. 반면 스텔라는 0.54%, 테더가 0.74% 하락했다.

이 시간 암호화폐 시장의 시가총액은 2034억달러로, 비트코인의 시장내 비중은 54.0%로 집계됐다.

시카고상품거래소(CME)의 비트코인 선물가는 상승 반전됐다. 같은 시간 가장 활발하게 거래되고 있는 11월물은 50달러가 오른 6295달러를, 12월물은 45달러가 상승한 6290를, 내년 3월물은 5달러가 오른 6245달러를 기록했다.

암호화폐 시장이 약세 기조가 이어지는 가운데 초반 낙폭을 줄이며 약보합세에서 강보합세로 반전됐다.

좁은 박스권 움직임을 지속하며 최근들어 가격이 비교적 안정적이란 평가를 듣고있는 비트코인은 6350선 밑에서 횡보세를 이어갔다. 일 거래량은 42억달러 수준을 보였다.

AMB크립토는 비트코인의 일별 차트분석을 토대로 상대강도지수(RSI)가 매수 및 매도 압력이 비슷한 중립 상황을 보여주고 있지만, 상대활력지수(RVI)는 하락세로 나타났다고 전했다. 그러나, 전체적으로는 추가 하락 가능성에도 불구하고 시장이 완충 능력을 발휘 할 경우, 횡보세를 이어갈 수도 있는 것으로 전망했다.

마켓워치는 비트코인이 보합권내에서 움직이며 조용한 10주년을 맞이하고 있다고 전했다. 비트코인은 지난 2008년 10월31일 정체를 알수 없는 나카모도 사토시가 9페이지 분얄의 비트코인 백서를 발표하며 시작됐다. 사토시는 백서에서 탈중앙화된 원장을 기반한 P2P 상대활력지수(RVI) 지불시스템인 비트코인과 블록체인의 개념을 설명했다.

크립토코인뉴스(CCN)은 이날로 세상에 알려진지 10년이 된 비트코인의 시세가 지난 해 같은 기간 대비 마이너스로 돌아섰다고 지적했다. 실제로 코인마켓캡 기준 비트코인의 가격은 이 시간 6325.58달러로 2017년 10월 31일의 2338.99달러를 소폭이지만 하회했다.

챠트분석가들은 이날 종가가 낮은 변동성을 보이고 있는 비트코인의 향후 방향성의 가능성을 제공할 수도 있다는 기대감에 시장 움직임을 주시했다.

특히 비트코인의 장기 주 지지선이 되고있는 21개월 지수이동평균선(EMA: 6108달러 수준) 방어에 실패할 경우, 향후 비트코인의 추가 상승은 어려울 수 있다는 입장이다.

전반적으로는 약세 기조의 활력이 약화되며 그동안 견고하게 지켜진 주 지지선이 지켜질 것으로 예상되고 있지만, 그렇지 못할 경우엔 매도세가 출현하며 지난 해 12월에 나타난 가장 강력한 매도 압박이 재현될 수도 있다는 경계감도 크다.

챠트분석가들은 21개월 EMA가 붕괴될 경우 6월 저점인 5777달러 아래로 추가 하락할 수 있는 것으로 보고있다. 반면 이선이 지켜지고 7400선을 회복한다면 강세 추세 전환도 가능할 것으로 분석했다.

Earticle

조기 초관폐쇄성(rapid canopy closure, RCC) 또한 벼의 유전적인 잠재수량성을 향상시킬 수 있는 생리적 특성 중 하나이다. EGV(early growth vigor)가 상이한 22개 품종을 선정하여 EGV와 초관의 조기폐쇄성(RCC)과의 관계, RCC와 생육 및 수량간의 관계를 평가하고자 포장실험(이앙재배)을 실시하였다. 초관이 폐쇄되기 전의 생장은 $y\;=\;(t)$와 같은 지수생장함수로 표현되는데, y는 엽면적지수(LAI) 또는 지상부건물중(DW)이고, t는 적산온도이며, $\alpha$는 지수생장초기의 LAI나 DW 값이고, $\beta$는 지수생장이 일어나는 시기의 LAI 또는 DW의 상대생장률(relative growth rate, RGR; $^C^$)이다. 1. 벼의 지수생장 초기단계에는 품종의 LAI나 DW가 $\alpha$와 높은 정의 상관이 있었고 또한 종자 무게(천립중)와 정의 상관이 있어 종자무게에 의하여 생육이 크게 영향을 받았으며, 그 후의 시기는 품종의 LAI 및 DW가 $\beta$와 높은 상관을 보였다. 2. $\alpha$와 $\beta$는 모두 품종간에 유의적인 차이가 있었다. 3. $\beta$는 단위면적당 영화수 및 수량과 높은 정의 상관을 보였다. 4. 결론적으로 EGV 및 RCC는 상호 밀접한 관련이 있고, EGV가 크면, RCC도 커서 수량에 정의 방향으로 영향을 하는 것으로 판단되었다.

Rapid canopy closure (RCC) is one of the physiological attributes that may enhance genetic yield potential of rice (Oryza sativa L.) in a growing season. Crop growth before canopy closure could be described 상대활력지수(RVI) by an exponential equation of $y\;=\;(t)$ where $\alpha$ is the crop leaf area index (LAI) or shoot dry weight (DW), t is the thermal time, $\beta$ is the LAI or DW at the beginning of the exponential growth and is the relative growth rate of LAI ($m^2m^^C^$) or DW($gg^^C^$). Field experiment using 22 cultivars revealed that the exponential growth phase before canopy closure can be divided into two sections; an earlier section during which crop dry weight and LAI of varieties are highly dependent on $\alpha$ and a second section where crop dry weight and LAI are highly dependent on $\beta$. Grain weight had significantly positive correlation with $\alpha$ parameter and dry weight and LAI during early exponential phase. The parameter $\beta$ of the exponential growth curve had positive and significant correlation with the LAI and dry weight during the late exponential growth phase, grain number per unit area, and grain yield. There was genotypic difference for RCC parameters, $\alpha$ and $\beta$, indicating the possibility of genetic improvement for these traits.

[Kisti 연계] 한국작물학회 한국작물학회지 Vol.52 No.4 2007 pp.429-438

협약을 통해 무료로 제공되는 자료로, 원문이용 방식은 연계기관의 정책을 따르고 있습니다.

유묘활력(early growth vigor, EGV)은 초기 생장의 빠르고 늦음을 나타내는 특성이다. 유묘활력의 품종간 변이 및 관련형질간의 상호관계를 검토하여 유묘활력 간접선발지표를 찾고자 2003년 상대활력지수(RVI) 한국품종, 중국품종, IRRI품종 등 총 140개 품종을 대상으로 플라스틱하우스에서 시기를 달리하여 저온기와 고온기 2회, 봄철 보온절충 못자리에서 1회 등 총 3회에 걸쳐서 EGV 및 그 관련 형질 들을 조사하였다. EGV는 파종 후 일정시기가 지난 후에 측정한 생장량(건물중 또는 엽면적)으로 평가할 수 있다. 생육초기 엽폭과 엽장으로 정의되는 EGV 관련형질은 배와 종자의 무게와 고도로 유의한 정의 상관관계가 있었다. 특히 3엽장의 유전변이는 종자무게의 유전변이에 의해 90%이상 설명할 수 있었다. 이와 같이 종자무게는 초기활력이나 그 관련형질에 크게 영향하기 때문에 유묘활력에 미치는 종자 무게의 영향을 제거하고자 종자무게와 유묘활력 및 관련요소들의 직선적 또는 지수적 관계(식)로부터 종자무게의 영향을 배제한 유묘활력 및 관련 형질의 값을 계산하였다 종자 무게의 영향을 제거한 보정 유묘활력(EGVA)과 그 관련형질들도 품종간 큰 변이를 나타내었다. 생육초기 잎들의 엽폭 및 엽장은 EGVA와 높은 유전상관을 보일 뿐만 아니라 높은 광의의 유전력을 보였다. 생육초기잎들의 엽폭(2엽의 90%, 3엽의 93%)이나 엽장(2엽의 87%, 3엽의 89%)의 광의의 상대활력지수(RVI) 상대활력지수(RVI) 상대활력지수(RVI) 상대활력지수(RVI) 유전력은 EGVA의 광의의 유전력 81%보다도 높았다. 따라서 생육초기 잎인 제2엽과 3엽의 엽장 및 엽폭은 EGV를 간접적으로 선발할 수 있는 지표로 이용할 수 있을 것으로 판단되었다.

Early growth vigor(EGV) is one of the physiological characteristics that may contribute to the increase of genetic yield potential and radiation use efficiency by closing the canopy earlier. To estimate the genotypic variation of EGV, determine the relationships among the related traits, and identify the rapidly growing genotypes and indirect indicator for selection in breeding program, the evaluation of EGV and EGV-related traits was conducted for a total of 140 rice varieties consisting of 101 Korean, 25 Northern China and 14 IRRI-bred rice varieties in a serial sowing experiment in plastic rain shelter and plastic-covered nursery bed in 2003. EGV defined as the amount of leaf area and/or dry weight produced early in the season and the EGV-related traits such as length and breadth of the $2^\;and\;3^$ leaves showed highly significant positive correlation with the embryo and seed weight. Especially, the genotypic variation in the length of the third leaf was explained over 90% of genotypic variation in the seed weight. Owing to a large effect of seed size on EGV and its related traits, vigor measurements were adjusted based on their linear or exponential relationships with seed weight for excluding the seed weight effect. EGV and its related-traits adjusted for seed weight also showed big variation among genotypes. Increased EGV was genetically correlated with increases in breadth and length of early leaves. The broad-sense heritability for EGV was significantly high(81%), but lower than those of leaf breadth(90% for the $2^$ leaf and 93% for the $3^$ leaf) and length(87% for the $2^$ leaf and 89% for the $3^$ leaf). Significantly positive genetic correlations were found between EGV and the breadth and length of early leaves. The high heritability of early leaf breadth and length coupled with their strong genetic correlation with EGV indicated that the breadth and length of the $2^\;and\;3^$ leaf would be used as good indirect indicators for EGV selection in rice breeding program.

[Kisti 연계] 한국작물학회 한국작물학회지 Vol.51 No.7 2006 pp.571-583

협약을 통해 무료로 제공되는 자료로, 원문이용 방식은 연계기관의 정책을 따르고 있습니다.

안정적인 고품질 쌀의 생산을 위한 수비처방을 하기 위해서는 유수형성기 생육상태와 질소영양상태별 질소시비량에 따른 수량반응에 대한 이해가 있어야만 한다. 따라서 본 연구는 기비와 분얼비 시용량을 달리하여 유수분화기에 다양하게 조성된 벼 생육 및 질소영양상태별로 수비 질소 시용량을 달리하였을 때의 수량반응을 질소시비량과 질소흡수량으로 살펴봄으로써 수비처방에 필요한 기초 자료를 얻고자 하였다. 1. 기비 + 분얼비와 수비 시용량 간에는 유의한 상호작용이 없어 수비 시용량에 관계없이 기비 + 분얼비가 증가할수록 그리고 기비 + 분얼비 시용량에 관계없이 수비 시용량이 증가할수록 수량은 증가하는 경향이었다. 2. 영양생장기 시비량(기비 + 분얼비)이 $1012\;kgN/10a$까지 생식생장기 시비량(수비)이 6 kgN/10a까지 증가할수록, 그리고 영양생장기 질소흡수량이 $67\;kgN/10a$까지 생식생장기 질소흡수량이 $56\;kgN/10a$까지 수량은 직선적으로 유의하게 증가하는 경향이었으나 그 이상일 경우 수량 증가폭은 점차 줄어들었는데, 이는 등숙률과 천립중이 크게 감소하기 때문이었다. 3. 단위질소흡수량당(kgN/10a) 총영화수($/m^$) 증가는 영양생장기가 약 1900여개, 생식생장기가 $14001500$여개였지만 단위질소흡수량당 수량증가(kg/10a)는 영양생장기가 $3050$, 생식생장기가 $4080$ 상대활력지수(RVI) 정도였다. 4. 총영화수는 출수기 질소흡수량과 직선적인 관계를 보이고 수량은 시기별 질소흡수량의 다과에 상관없이 이들의 총합인 수확기 질소함량과 2차 곡선관계($R^2$>0.88)를 보였는데, 이는 어느 시기에 질소를 흡수하느냐보다는 생육기간의 총질소흡수량에 의해 수량이 좌우되는 것으로 볼 수 있다. 또한 질소흡수량이 같더라도 총영화수와 수량은 연차간에 차이를 보였다.

To secure high yield and good quality of rice, plant growth and nitrogen (N) nutrition status should be taken into account for managing panicle N topdressing (PN). This research aimed at investigating the rice yield response to PN under different plant growth and N nutrition status that was conditioned by different rates of basal and tillering N fertilizer (BTN). Stepwise multiple regression (SMR) was used for the analysis of yield response to (i) BTN and PN, and (ii) shoot N content at PIS (BTNup) and shoot N uptake from PIS to harvest (PNup). Rice yield increased significantly as BTN and PN Increased, but there was no significant interaction between BTN and PN. Yield increased almost linearly with the increasing BTN and PN up to $1012$ and $67\;kgN/10a$, and with the increasing BTNup and PNup up to $67$ and $56\;kgN/10a$, respectively. But yield increment tended to decrease above those levels. These declines resulted from the decreased ripened grain ratio and 1000 grain weight even though spikelet number per unit area increased more at above those N levels. Spikelet number per unit area had the linear relationships with the shoot N uptake until heading, and with yield. Like most yield response curves, yield response in this experiment followed the diminishing 상대활력지수(RVI) return function with BTNup, PNup, and plant N uptake from seeding to harvest. Regardless of the degree of BTNup and PNup, yield had a quadratic relationship ($R^$>0.88) with whole shoot N accumulation until harvest, suggesting that the yield determination was closely related with the whole shoot N uptake until harvest regardless of the differences in seasonal shoot N uptake.

[Kisti 연계] 한국작물학회 한국작물학회 학술대회논문집 2006 pp.132-133

협약을 통해 무료로 제공되는 자료로, 원문이용 상대활력지수(RVI) 방식은 연계기관의 정책을 따르고 있습니다.

[Kisti 연계] 한국작물학회 한국작물학회지 Vol.51 No.5 2006 pp.386-395

협약을 통해 무료로 제공되는 자료로, 원문이용 방식은 연계기관의 정책을 따르고 있습니다.

목표 수량과 단백질함량을 얻기 위한 질소 수비처방을 위해서는 유수형성기 전후 생체정보의 정확한 진단뿐만 아니라 유수형성기 이후 작물의 질소 축적 및 이에 따른 수량 및 미립 단백질 함량 반응이 정량화 되어야 한다. 본 연구에서는 유수분화기 생육 및 질소영양상태를 잘 대표하는 RVI green과 현재 널리 이용되고 있는 SPAD값의 유수분화기와 유수분화기 1주일전의 측정치 및 유수분화기부터 수확기까지 즉 생식생장기 지상부 질소 축적량(PNup)을 변수로 하는 수량 및 단백질함량 예측 중회귀 모델과 PNup 예측 회귀모델을 작성하여 이들의 수비 처방에의 이용 가능성을 검토하였다. 1. 유수분화기 및 유수분화기 1주일전의 상대활력지수(RVI) RVIgreen과 SPAD값, 그리고 PNup을 이용하여 얻은 수량과 단백질함량의 중회귀모형은 어느 경우에나 모델의 결정계수($R_$)가 0.9 이상으로 매우 높았다 2. 수량을 최대로 하는 생식생장기 질소흡수량(PNup)은 유수형성기 전후 RVIgreen이 증가할수록 감소하는 경향을 보였는데 본 연구의 유수형성기 전후 RVIgreen 범위로 보면 $913.5kg/10a$ 으로 추정되었다. 또한 PNup은 유수형 성기 전후 SPAD값과는 무관하게 $1011kg/10a$ 범위로 나타났다. 3. 미립의 단백질함량을 7% 이하로 하는 유수형성기 질소흡수량은 유수형성기 전후 RVIgreen과 SPAD값이 증가할수록 감소하는 경향으로 어느 경우에나 상대활력지수(RVI) $68kg/10a$로 추정되어 최대수량을 위한 생식생장기 질소흡수량 $913.5kg/10a$ 보다 크게 낮았다. 따라서 고품질 쌀 생산을 위한 수비 처방을 위해서는 수량보다도 단백질함량을 기준으로 하여 처방하여야 할 것으로 판단되었다. 4. 본 실험결과 수비질소의 회수율은 $5383%$의 변이를 보였는데, 생식생장기 생육량이 많을 수록 회수율이 증가하는 경향이었으며, 수비 시용량이 증가함에 따라서 감소하였다. 생식생장기 천연질소공급량은 $34kg/10a$ 범위였으며 유수분화기 생육량이 많을 경우 증가하는 경향이었다 수비 질소시비량 및 유수분화기 생육 및 질소 영양 지표들을 예측변수로하는 PNup 예측모델을 작성하였으며 이 모델들은 적합도가 매우 높았다. 5. 영양생장기 생육 및 질소영양 상태의 비파괴적 측정치를 이용하여 목표 수량과 단백질함량에 달할 수 있도록 수비질소 시용량을 결정할 수 있을 것으로 판단되었다. 그러나 여기서 제시한 모델들이 광범위한 조건에서 이용될 수 있기 위해서는 보다 다양한 품종, 토양, 기상 조건에서 모델의 검증과 보완이 되어야 할 것으로 판단된다.

The core questions for determining nitrogen topdress rate (Npi) at panicle initiation stage (PIS) are 'how much nitrogen accumulation during the reproductive stage (PNup) is required for the target rice yield or protein content depending on the growth and nitrogen nutrition status at PIS?' and 'how can we diagnose the growth and nitrogen nutrition status easily at real time basis?'. To address these questions, two years experiments from 2001 to 2002 were done under various rates of basal, tillering, and panicle nitrogen fertilizer by employing a rice cultivar, Hwaseongbyeo. The response of grain yield and milled-rice protein content was quantified in relation to RVIgreen (green ratio vegetation index) and SPAD reading measured around PIS as indirect estimators for growth and nitrogen nutrition status, the regression models were formulated to predict PNup based on the growth and nitrogen nutrition status and Npi at PIS. Grain yield showed quadratic response to PNup, RVIgreen around PIS, and SPAD reading around PIS. The regression models to predict grain yield had a high determination coefficient of above 0.95. PNup for the maximum grain yield was estimated to be 9 to 13.5 kgN/10a within the range of RVIgreen around PIS of this experiment. decreasing with increasing RVIgreen and also to be 10 to 11 kgN/10a regardless of SPAD readings around PIS. At these PNup's the protein content of milled rice was estimated to rise above 9% that might degrade eating quality seriously Milled-rice protein content showed curve-linear increase with the increase of PNup, RVIgreen around PIS, and SPAD reading around PIS. The regression models to predict protein content had a high determination coefficient of above 0.91. PNup to control the milled-rice protein 상대활력지수(RVI) content below 7% was estimated as 6 to 8 kgN/10a within the range of RVIgreen and SPAD reading of this experiment, showing much lower values than those for the maximum grain yield. The recovery of the Npi applied at PIS ranged from 53 to 83%, increasing with the increased growth amount while decreasing with the increasing Npi. The natural nitrogen supply from PIS to harvest ranged from 2.5 to 4 kg/10a, showing quadratic relationship with the shoot dry weight or shoot nitrogen content at PIS. The regression models to estimate PNup was formulated using Npi and anyone of RVIgreen, shoot dry weight, and shoot nitrogen content at PIS as predictor variables. These models showed good fitness with determination coefficients of 0.86 to 0.95 The prescription method based on the above models predicting grain yield, protein content and PNup and its constraints were discussed.