Crop Yield Prediction Modeling by Satellite and Meteorological Dataset with Artificial Intelligence Methods

Abstract

곡물수확량 예측은 국가 및 세계 경제에 직접적인 영향을 주며 농업경제 발전 및 농업 정책 수립을 위한 주요 자료로 활용된다. 우리나라의 경우 쌀을 제외한 주요 곡물인 옥수수와 콩의 자급율은 매우 낮으며 대부분을 미국으로부터의 수입에 의존하고 있다. 또한, 최근 온난화를 비롯한 전지구적인 기후변화가 야기되고 있으며, 폭염, 가뭄, 홍수 등의 이상기후가 빈번하게 발생하여 곡물수확량의 변화를 가져오며, 이로 인해 국제 곡물 시장이 불안정하게 변화하고 있다. 따라서 주요 수출입국에 대한 곡물 수확량에 대해 장기적이고 지속적인 감시가 필요하다. 본 연구는 미국의 옥수수와 콩의 수확량 예측을 위해 위성영상과 기상자료를 이용한 인공지능기반의 곡물수확량 예측모형을 개발하는 것을 목적으로 한다. 또한 빈번하게 발생하는 특이기상 하에서도 강건한 곡물수확량 예측모형을 개발하고자 한다. 우선적으로 곡물수확량 예측모형을 개발하기 위해 농지자료별 분석, 계절효과 분석, 인공지능기반의 모형결과 분석의 3단계로 연구를 수행하였다. 먼저 농지자료별 분석을 위해 MODIS land cover type product (MLC)와 Cropland data layer (CDL) 자료를 이용하여 농지지도를 산출하였다. 산출된 농지지도를 기반으로 각각의 데이터베이스를 생성하였고 예측을 수행하였다. 계절효과 분석을 위해 옥수수와 콩의 생육기간인 5월부터 9월까지의 자료와 집중생장기인 7월부터 8월사이의 자료, 변수별 상관계수가 높은 기간을 결합한 최적기간결합 자료를 이용하여 계절효과를 분석하였다. 마지막으로 인공지능모형인 기계학습기법들과 신경망 모델들을 적용하였다. 본 연구에서는 고해상도 농지자료인 CDL, 집중생장기 입력자료, 그리고 Deep neural network (DNN)를 적용하였을 때 가장 높은 예측정확도를 나타내며 다른 모형들과 비교하여 매우 낮은 예측오차를 나타내는 것으로 분석되었다. 다음으로 가뭄, 폭염, 폭우, 한파와 같은 특이기상 하에서도 강건한 곡물수확량 예측모델의 수립이 필요하다. 본 연구에서 개발한 최적예측모형을 이용하여 옥수수는 가뭄과 폭염, 폭우 사례, 콩은 한파 사례를 예측모형에 적용하여 결과를 분석하였다. 그 결과, 특이기상이 발생한 경우에도 본 연구에서 개발한 DNN 최적예측모델의 정확도가 안정적으로 높게 나타나는 것으로 분석되었다. 본 연구는 특이기상 하에서 곡물수확량을 예측한 최초의 연구이며, 특이기상에 대한 민감도 분석을 수행함으로서 본 연구에서 개발한 DNN 최적예측모형이 특이기상 하에서도 강건한 모델임을 입증하였다. 마지막으로 본 연구에서 개발한 DNN 최적예측모형의 시공간특성을 분석하였다. 지역별 예측결과에 대한 시계열 패턴을 분석하였을 때, 예측모형이 시계열적으로 편향되지 않음을 확인할 수 있었으나, 지역별로 서로 다른 특성을 보임을 확인하였다. 이러한 공간적 특성을 자세히 살펴보기 위해 Getis-Ord Gi* 분석을 수행하여 DNN 최적예측모형 오차의 공간적 특성을 분석하였다. 공간분석을 통해 오차의 공간적 군집을 확인하였고, 이 지역에 대해 본 연구에서 개발한 공간통계모델인 GWR-β를 적용하였을 때 곡물수확량 예측정확도를 향상의 가능성을 확인하였다. 이러한 결과는 향후 인공지능기반의 DNN 최적예측모형과 공간통계모형인 GWR-β 가 결합된 모형개발의 필요성을 시사한다. 본 연구를 통해 옥수수와 콩의 곡물수확량 예측을 위한 DNN 최적예측모형을 개발하였고 높은 예측정확도를 제시하였다. 이 모형을 통해 당해연도의 곡물수확량을 9월초 시점에 미리 예측이 가능하며, 옥수수와 콩 이외의 다른 곡물에 확장적용이 가능하다. 또한 국내의 곡물수확 통계치가 정확하게 집계된다면, 본 연구의 DNN 최적예측모형이 우리나라 곡물수확량 예측정확도 향상에 기여할 수 있을 것으로 판단된다.