Caramel LabCaramel Lab
#

정밀농업

2편의 한국어 분석 — 최신순으로 정렬했어요

환경공학발표 2026.09· 0

UAV 초분광 영상 활용 SIF-ET 증발산 추정

증발산량(ET)의 정확한 추정은 농업용수 관리 및 지표면-대기 상호작용 이해에 필수적입니다. 기존 열 및 광학 원격 감지 기술은 ET 추정에 유용하지만, 경험적 매개변수화, 복잡한 보정, 제한된 적용성 등의 한계가 있습니다. 식생 광합성의 직접적인 지표인 태양유도 엽록소 형광(SIF)은 SIF-GPP 관계에 대한 현장별 경험적 보정 없이도 기계론적 프레임워크를 통해 일관되고 정확한 ET 추정을 가능하게 합니다. 그러나 현재 SIF 기반 ET 추정은 주로 저해상도 위성 데이터에 의존하며, 농경지에서 고해상도 ET 역학을 파악하는 능력은 아직 미개척 분야였습니다. 본 연구에서는 이 문제를 해결하기 위해 기계론적 광 반응 모델과 탄소-물 관계를 통합하여 UAV 협대역 초분광 영상을 활용한 포장 규모 SIF-ET 모델을 구축했습니다. 주요 결과는 다음과 같습니다. 첫째, UAV 초분광 영상에서 SCOPE 모델을 사용하여 고해상도 작물(유채, 콩, 밀) 캐노피 SIF 740을 1nm 스펙트럼 해상도로 추출했습니다. 둘째, SIF-ET 모델의 일일 ET 추정치는 다양한 생육 단계 및 물-질소 처리 조건에서 현장 측정값과 비교 검증되었으며, 밀에서 가장 높은 정밀도(R²=0.72–0.94)를 보였고 유채와 콩이 그 뒤를 이었습니다. 셋째, 각 생육 단계 내 반복적인 UAV 관측에서 누적 ET 오차가 허용 가능한 범위 내에 머물러 장기 ET 역학을 포착하는 SIF-ET 모델의 안정성을 입증했습니다. 결론적으로, UAV 초분광 영상 기반 SIF-ET 모델은 농경지 ET의 미세 규모 시공간적 이질성을 성공적으로 밝혀냈습니다. 이러한 결과는 변화하는 환경 조건에서 정밀 관개, 합리적인 물-질소 관리, 스트레스 진단에 중요한 정보를 제공합니다.

생물학발표 2026.07· 4최근 1년 3회

작물 수확량 예측 및 비료 추천 시스템

작물 수확량 예측은 농업 생산성 향상에 중요한 역할을 한다. 특정 지역의 작물 수확량을 예측하면 농부가 적합한 작물을 선택하는 데 도움이 되며, 이는 전체적인 생산성 증대로 이어진다. 토양 pH, 강우량, 온도, 습도 등 다양한 요인을 고려하여 특정 토지에 맞는 작물을 추천하는 것은 농부들이 가장 적합한 작물을 선택하는 데 필수적이다. 또한, 작물 성장과 생산성 극대화를 위해서는 적절한 시기에 적합한 비료를 사용하는 것이 중요하다. 본 연구는 이러한 문제들을 해결하기 위해 Random Forest with Extreme Gradient Boosting (RFXGB)와 Deep Factorization Machine (DeepFM)을 결합한 하이브리드 기법인 AgroAdvisor라는 통합 시스템을 제안한다. RFXGB는 특징 처리에 적용되어 DeepFM이 밀집된 수치 특징을 처리하는 능력을 향상시키고 예측 성능을 높인다. 제안된 RFXGB-DeepFM 기법의 결과는 재현율, F-값, 정밀도, 정확도 매개변수를 사용하여 기존 머신러닝 및 딥러닝 기법과 비교되었다. 분석 결과, RFXGB-DeepFM 기법이 기존 기법들보다 더 나은 정확도를 제공함을 확인했다. 또한, Friedman 및 사후 통계 테스트를 통해 RFXGB가 기존 기법들의 성능을 대부분의 경우 향상시켰음을 입증했다. 이 시스템은 정밀 농업을 위한 작물 생산 관리의 효율성을 높여 농업 생산성 증대에 기여할 수 있을 것으로 기대된다.

연구 트렌드로 돌아가기