기후 스마트 복합영농 AI 미기후 모델 및 수확량 예측
복합영농 시스템 내 나무와 작물 간 상호작용은 미기후 이질성을 유발하여 작물 수확량과 품질에 큰 영향을 미치지만, 이러한 미세 규모 역학에 대한 예측 이해는 제한적입니다. 본 연구는 독일의 온도 골목 재배 시스템에서 미기후 변동성과 보리 성과에 미치는 영향을 정량화하고 예측하기 위한 데이터 기반 프레임워크를 제시합니다. 고해상도 IoT 센서 네트워크를 활용하여 나무 줄기로부터 4가지 거리와 2가지 방향에서 기온, 습도, 증기압, 일사량, 풍속, 토양 수분 및 온도(15~60cm)를 모니터링했습니다. 딥러닝 LSTM 모델은 거시 기후 입력을 통해 미기후 변수를 정확하게 예측했으며, R² 값은 0.73에서 0.98에 달했습니다. 나무에 가까울수록 기온은 최대 1.2°C 감소하고 증기압 결손은 0.4kPa 낮아졌으며, 15cm 깊이 토양 수분은 20% 증가했습니다. 이러한 미기후 변화는 작물 성과에 유의미한 영향을 미쳤습니다. 건물 수확량은 24m 거리에서 가장 높았고(4.8 t/ha), 조단백질 함량은 중간 거리(1~7m)에서 최고치를 기록했습니다. 본 연구는 미기후가 복합영농 결과에 미치는 중요한 역할을 강조하며, IoT 기반 센싱 및 AI 도구가 예측 및 관리를 개선할 수 있음을 보여줍니다. 개발된 AI 에이전트는 실시간 예측 탐색을 지원하여 현장 맞춤형 복합영농 의사결정을 향상시킬 것입니다.