• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1031-1042
• /
• 2023

인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.

• 한국농공학회논문집
• /
• 제53권3호
• /
• pp.65-73
• /
• 2011

기후변화는 에너지 수지와 물 수지의 변화를 초래하여 육상 생물권에 영향을 미칠 것이다. 기온과 강수량의 변화와 대기중의 탄산가스 농도 변화는 작물의 생육환경을 크게 변화시킬 것이다. 본 연구에서는 FAO AquaCrop 모형을 이용하여 기온과 강수량의 변화와 대기중 탄산가스 농도의 변화가 짐바브웨의 옥수수 수확량에 미치는 영향을 분석하였다. 미래 기후 값은 HadCM3 모형 예측 값을 change factor 기법으로 상세화 하였다. 배출 시나리오는 A2와 B2를 선정하였으며 시간대는 2020s, 2050s 및 2080s의 30년 기간을 선정하였다. 기준작물 증발산량은 Penman-Monteith 식으로 산정하였다. 관개용수 공급이 충분한 것으로 가정하고 전통적인 보충관개를 실시하였을 때 기준년도 (1970s)에 비해 옥수수 증발산량은 최대 26 %, 옥수수 잠재 수확량은 최대 93 %까지 증가할 것으로 예측되었으며 물의 생산성은 최대 53 %까지 증가할 것으로 예측되었다.

• 한국생물환경조절학회:학술대회논문집
• /
• 한국생물환경조절학회 1992년도 학술논문발표요지
• /
• pp.15-16
• /
• 1992

1. 연구의 필요성 및 목적 필요성 - 기상변화에 따른 수도생육의 예측을 통한 적절한 Crop management - 수도수확량 예측을 통한 계획생산의 가능 - 최적 물관리를 위한 기초자료제공 목적 수도의 생육 및 수확량을 예측 할 수 있는 생리학적(physiological ) 모형인 SIMRIW을 우리의 기후조건과 수도품종에 적용하여 모형의 매개변수를 보정하고, 모형의 적용성을 검사하는데 있다. (중략)

• 한국산림과학회지
• /
• 제101권4호
• /
• pp.592-598
• /
• 2012

본 연구에서는 임분 수확 예측모델을 이용하여 우리나라 6개 주요 수종(강원지방소나무, 중부지방소나무, 잣나무, 낙엽송, 상수리나무, 신갈나무)에 대해 간벌 시업에 따른 임분의 생장변화와 수확량을 예측하였다. 간벌 시나리오를 설정하기 위해 15년에서 40년까지 5년 단위로 간벌시기를 구분하되 간벌주기는 10년 이상이 되도록 하였으며, 간벌에 의해 제거되는 전체 비율이 60%를 넘지 않도록 제한하였다. 이러한 제한조건을 적용하여 10가지 간벌 시나리오를 설정하고 수종별, 지위지수별 수확량을 비교 분석하였다. 연구결과 강원지방소나무, 잣나무, 신갈나무는 20년과 40년, 2회에 걸쳐 30% 강도로 간벌을 시행하는 것이 수확량이 가장 높았으며, 중부지방소나무, 낙엽송은 20년, 30년, 40년, 3회에 걸쳐 20% 강도로 간벌을 시행하는 것이 가장 수확량이 높았다. 상수리나무는 두 시나리오 모두 동일한 수확량을 보였다. 또한 간벌을 시행하는 것이 시행하지 않는 것보다 수확량의 증대를 가져오는 것으로 나타났으며, 지위지수가 높아짐에 따라 수확량 증대효과도 높아지는 것으로 분석되었다. 수종별로는 강원지방소나무(28%)와 낙엽송 임분(25%)에서 간벌로 인한 수확량 증대 효과가 높게 나타났으며, 잣나무(12%)는 상대적으로 효과가 낮았다. 본 연구에 이용된 임분 수확 예측모델은 간벌시업에 따른 임분의 생장변화를 예측하는데 매우 효과적이었으나, 수확표 자료를 토대로 함에 따라 현장적용성에 한계가 있을 수 있다. 따라서 간벌효과에 대한 실측 자료와 비교 검증하는 연구가 뒤따라야 할 것이다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.337-357
• /
• 2021

노지에서 재배되는 벼는 필연적으로 기상요소의 영향을 받을 수밖에 없으며, 벼 생장에 영향을 미치는 최적의 기상자료 확보 및 변수 선정은 벼 수확량 예측 모델링에 있어 매우 중요하다. 본 연구에서는 1996-2019년의 7월, 8월, 9월에 대하여, 다종의 기상자료 비교평가를 통해 우리나라 벼 수확량 모델링에 대한 적합성을 살펴보고, 기상요소와 벼 수확량 사이의 비선형적인 관계를 고려하여 기계학습 기법을 이용한 수확량 하인드캐스트 실험을 수행하고자 한다. 다종의 기상자료로는, 기상청 ASOS 지상관측과 함께, CRU-JRA ver. 2.1, ERA5 재분석장을 사용하였다. 이들 기상자료에서 공통적으로 도출할 수 있는 월 단위 기온, 상대습도, 일사량, 강수량 변수에 대한 비교를 통하여, 각 자료의 특성 및 벼 수확량과의 연관성을 분석하였다. CRU-JRA ver. 2.1 재분석장은 전반적으로 타 자료와 높은 일치성을 나타냈으며, 변수별 특징을 보았을 때, 상대습도는 벼 수확량에 미치는 영향이 거의 없었으나, 일사량은 벼 수확량과의 상관성이 상당히 높은 것으로 나타났다. 7월, 8월, 9월의 기온, 일사량, 강수량을 랜덤 포리스트 모델에 투입하여 벼 수확량 하인드캐스트 실험을 수행한 결과, CRU-JRA ver. 2.1 재분석장은 세 종류 기상자료 중에 가장 높은 정확도를 나타냈다(CC = 0.772). 또한 예측 모델에서 변수의 중요도는 일사량이 가장 높게 나타나, 기존의 농학적 연구결과와 일치하였다. 본 연구는 벼 수확량 예측을 위한 다종 기상자료의 선택에 있어 하나의 합리적 방법을 제시한 것으로써 의미가 있다고 하겠다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1269-1276
• /
• 2023

작물 수확량 예측은 토양, 비, 기후, 대기 및 이들의 관계와 같은 다양한 측면으로 인해 다국적 식사와 강력한 수요에 필수적이며, 기후 변화는 농업 생산량에 영향을 미친다. 본 연구에서는 온도, 강수량, 습도 등의 데이터 세트를 운영한다. 현재 연구는 농부와 농업인을 지원하기 위해 다양한 분류기를 사용한 기능 선택에 중점을 두고 있다. 특징 선택 접근법을 활용한 작물 수확량 추정은 96% 정확도를 나타내었다. 특징 선택은 기계학습 모델의 성능에 영향을 미친다. 현재 그래프 분류기의 성능은 81.5%를 나타내며, 특징 선택이 없는 Random Forest 회귀 분석은 78%의 정확도를 나타냈다. 또한, 특징 선택이 없는 의사결정 트리 회귀 분석은 67%의 정확도를 유지하였다. 본 논문은 제시된 10가지 알고리즘을 대상으로 특징 선택 중요성에 대한 실험결과를 나타내었다. 이러한 결과는 작물 분류 연구에 적합한 모델을 선택하는 데 도움이 될 것으로 기대된다.

• 한국농림기상학회지
• /
• 제25권3호
• /
• pp.182-196
• /
• 2023

작물 수확량의 정확하고 시기 적절한 추정은 세계적인 식량 안보 계획 및 농업 정책 개발을 포함하여 다양한 목적을 위해 중요하다. 원격 감지 기술은 특히 vegetation indices (VIs)를 활용한 작물 상태 모니터링과 예측에서 유망성을 보여주고 있다. 그러나 normalized difference vegetation index (NDVI) 와 enhanced vegetation index (EVI) 와 같은 전통적인 Vis는 식물광합성의 빠른 변화를 포착하는 데 제한이 있으며 작물 생산성을 정확하게 대표하지 못할 수 있다. 대체적인 Vis인 near-infrared reflectance of vegetation (NIRv)는 gross primary productivity (GPP)과 강한 상관관계를 가지며 빛이 반사할 때의 혼동을 해결하는 능력으로 인해 작물 생산량을 예측하는 더 나은 지표로 제안되었다. 연구 결과는 옥수수와 콩 모두에 대해 NIRv의 최댓값과 작물 수확량/면적 간에 유의한 상관관계가 있음을 입증했다. 이 상관관계는 콩에 대해 약간 더 강한 경향을 보였다. 게다가 대부분의 주요한 주에서는 NIRv의 최댓값과 생산량 간에 주목할 만한 관계가 있으며, 다양한 주에서 일관된 경사도를 보였다. 또한, 연간 데이터에서는 대부분의 값이 서로 밀접하게 군집되는 독특한 패턴을 관찰했다. 그러나 2012년은 다양한 주에서 독특한 작물 조건을 시사하는 이상값으로 나타났다. NIRv의 최댓값과 생산량 간의 확립된 관계를 기반으로, 우리는 2022년의 작물 수확량 데이터를 예측하고, 예측의 정확도를 Root Mean Square Percentage Error (RMSPE)를 사용하여 평가했다. 우리의 연구 결과는 지역별 작물 수확량 추정에 NIRv의 최댓값과 잠재력을 나타내며, 다양한 지역에서 정확도는 달라질 수 있다는 것을 보여줄 수 있다.

• 생물환경조절학회지
• /
• 제8권3호
• /
• pp.164-171
• /
• 1999

싱글트러스토마토시스템을 국내에 도입하여 효율적으로 생산관리를 하는데 필요한 자료를 제공하기 위하여 기존의 모델을 이용하여 지역별로 수확량, 수확시기를 예측하고 효율적인 생산관리 가능성을 분석한 결과를 요약하면 다음과 같다. 우리나라의 전지역이 겨울철에 최대수확 가능량을 달성하는데는 광량이 부족한 것으로 나타나 인공광을 이용한 생산량 증대가 가능할 것으로 판단되었다. 수원지역과 진주지역의 연간 총 수확량의 차이가 12kg.m$^{-2}$ 으로 나타나 토마토 온실의 설치 계획시 지역의 자연광 특성을 고려하여야 할 것으로 판단되었다. 지역과 계절에 따라 차이는 있으나 인공광을 이용하여 수확시기의 조절이 가능한 것으로 나타났다 인공광의 이용에는 많은 경비가 소요되기 때문에 인공광의 용량을 지역에 따라 적절하게 결정할 수 있는 방법과 저렴한 심야전기를 가능하면 많이 이용할 수 있는 인공광의 제어전략 등에 관한 추가적인 연구가 요구된다.

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2015년도 하계 학술발표논문집
• /
• pp.94-97
• /
• 2015

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2005년도 하계 학술대회 논문집
• /
• pp.362-365
• /
• 2005