기상 및 토양환경 정보를 이용한 노지 채소의 토양수분 변화 및 예측 모델 개발

• 영문명: Soil Moisture Change and Prediction Model Development Using Weather and Soil Environment Information for Field Vegetables
• 발행기관: 한국자료분석학회
• 저자명: 강소라(So Ra Kang) 조경철(Kyung Chul Cho) 나명환(Myung Hwan Na)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.25 No.4, 1311~1324쪽, 전체 14쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2023.08.31

국문 초록

토양수분은 식물이 자라는 데에 필수적인 요소로 기상환경 및 토양환경에 따라 생화학적으로영향을 받는다. 노지 채소의 성장기간 동안 적절한 토양수분 관리는 수확량 증대로 이어지므로노지 채소별 토양수분 관리는 중요한 요소이다. 하지만 농가에서 토양수분 관리는 농업인들의경험에 의해 관리되고 있으며, 다습한 환경 조건하에서는 어려운 문제로 주어진다. 따라서 기상환경 및 토양환경들의 정보를 이용하여 노지 채소(양파)의 토양수분을 관리할 수 있는 모델을개발하고자 한다. 먼저, 시간 단위의 기상환경 및 토양환경을 이용하여 토양수분과의 상관관계를규명하였다. 다음으로 시그모이드 함수 기반 비선형 회귀모형(non-linear regression, NLS)을 이용하여, 구비대기 동안 토양수분을 예측할 수 있는 통계적 모형을 개발하였다. 끝으로 제안하는 모형이 토양수분 예측 모델로서 적합 그리고 우수한지를 확인하기 위해 기존 연구에서 많이 사용되고 있는 서포트 벡터 회귀(support vector regression, SVR), 랜덤 포레스트(random forest, RF), 엑스지 부스트(extreme gradient boosting, XGB) 알고리즘과 비교 분석하였다. 평균제곱근오차(root mean square error, RMSE)와 평균절대오차(mean absolute error, MAE)를 통해 성능을 비교한 결과, NLS 모델이 밭재배에서는 우수하였으며, 논재배에서는 다른 모델에 비해 최대 토양수분에서 과소모의하는 것으로 나타났다. 제안된 모델이 다양한 토양환경에서도 적용하기 쉽고, 시간 단위로결과를 산출하기 때문에 농가에 유용한 토양수분 관리 시스템으로 도움을 줄 것으로 기대된다.

영문 초록

Soil moisture is an essential element for plant growth and is biochemically affected by weather and soil environments. Farmers have difficulties in managing soil moisture, and existing soil moisture prediction models require a lot of environmental information. Therefore, we intend to develop a model that predicts soil moisture per hour using only limited environmental information. First, the relationship between soil moisture and the environment is identified through correlation analysis. Next, a statistical soil moisture prediction model was developed through a nonlinear regression model (NLS) using a sigmoid function. Finally, in order to confirm whether the proposed model is suitable as a soil moisture prediction model, it was compared with the machine learning algorithms of support vector regression (SVR), random forest (RF), and extreme gradient boosting (XGB), which are widely used in previous studies. Through root mean square error (RMSE) and mean absolute error (MAE), it was found that the NLS model was superior in field cultivation and underestimated the maximum soil moisture in paddy cultivation compared to other models. Since the proposed model is easy to apply in various soil environments, it is expected to help as a useful soil moisture management system for farmers.

목차

1. 서론

2. 연구자료 및 연구방법

3. 연구결과

4. 결론 및 향후 연구

References

키워드

토양수분 관리 시스템 양파 비선형 회귀모형 기계학습 알고리즘 soil moisture management system onion nonlinear regression model machine learning algorithms