콩 재배 포장의 토양 수분함량 예측을 위한 머신러닝 기술 개발 = Development of Machine-learning Technology for Predicting Soil Moisture Content in Soybean Cultivation Fields

국문 초록 (Abstract)

최근 들어 이상기후로 인해 폭염과 장마기간 증가 등으로 농가의 피해는 증가하고 있다. 토양 수분함량이 과습 상태일 경우 뿌리호흡을 방해하고, 건조할 경우 정상적인 생육이 어렵다. 이에 노지에서 재배되는 작물들에 ICT 기술이 적용된 생육상태진단 및 처방 기술이 요구되고 있다. 노지 작물은 재배 면적이 넓어 모든 영역에서 센서를 설치하는 것은 비용이 많이 소요되어 실제 현장에 적용하기 어려우므로 센서를 최소로 설치하여 재배 포장의 생육상태를 진단할 필요가 있다. 따라서 본 연구에서는 콩 재배 포장에 설치된 1개 토양센서로 획득한 데이터로 토양수분함량 예측모델을 개발하고 이를 다른 재배 영역에 설치된 토양센서에서도 적용할 수 있는지 구명하고자 하였다. 전북 완주군 소재 국립식량과학원의 콩 노지재배포장에 토양센서를 설치하여 토양수분함량을 측정하였다. 대풍콩과 풍산나무콩의 두 가지 품종에 대해 각 재배포장은 5m x 5m 크기로 토양센서가 5개씩 설치되어 10cm, 20cm, 30cm 깊이의 토양데이터를 10분 단위로 수집했다. 재배포장 인근에 IoT 기반 환경센서를 설치하여 강수량, 기온, 일사량 등의 기상정보를 측정하였으며, 실험은 2020년 7월부터 10월까지 수행되었다. 실험 데이터를 이용하여 한 개의 토양센서에서 측정된 데이터로 다른 토양센서가 설치된 다른 4곳의 1시간 후, 3시간 후, 6시간 후, 12시간 후, 24시간 후의 토양 수분함량을 예측하는 부분최소제곱회귀모델(Partial least squares regression)을 개발하였다. 1시간 후를 예측한 PLSR모델이 가장 우수한 결과(R² 0.94253, RMSE 2.85%)를 보였다. 본 연구 결과를 통해 특정 토양센서가 인근에 위치한 토양센서들을 대표할 수 있다는 가능성을 제시하였다. 추후 영상기반 생육진단 데이터를 이용하여 공간계열 분석정확도를 향상시키는 연구를 수행할 예정이다.