📄 agriculture

Rice evapotranspiration estimation and irrigation optimization based on coupling UAV multispectral and thermal infrared imagery with the FAO-56 model

본 연구는 중국 동북부의 냉한 흑토 지역에서 높은 수확량, 자원 효율성, 그리고 낮은 온실가스 배출 사이의 균형을 맞추는 최적의 수분-질소 관리 전략을 식별하고 벼 증발산량을 정확하게 추정하기 위해, UAV 다중분광 및 열적외선 영상을 FAO-56 모델 및 NSGA-II 최적화와 통합하는 새로운 프레임워크를 제안한다.

원저자: Yan Sha, Tianyang Gao, Aizheng Yang, Xiaofang Wang, Shengbo Li, Lei Ma, Nan Chai, Mo Li

게시일 2026-08-13

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Yan Sha, Tianyang Gao, Aizheng Yang, Xiaofang Wang, Shengbo Li, Lei Ma, Nan Chai, Mo Li

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 완벽한 밥 한 그릇을 요리하려는 셰프라고 상상해 보세요. 당신은 물과 비료가 비밀 재료라는 것을 알고 있지만, 그 균형을 맞추는 것이 까다롭다는 것도 알고 있습니다. 물이 너무 많으면 밥이 질척해지고, 너무 적으면 딱딱하고 맛없어집니다. 비료가 너무 많으면 돈을 낭비하고 공기를 오염시키며, 너무 적으면 쌀알이 작게 남습니다. 수십 년 동안 농부들은 오래된 습관과 날씨에 의존해 적절한 양을 추측해 왔지만, 이는 눈을 가리고 움직이는 과녁을 맞히려는 것과 같습니다. 특히 성장기가 짧고 날씨를 예측하기 어려운 추운 지역에서는 더욱 어렵습니다.

과학자들은 이 퍼즐을 풀기 위해 "증발산량(evapotranspiration)"이라는 개념을 사용해 왔습니다. 이것을 벼의 개인적인 '땀 배출률'이라고 생각하세요. 마치 당신이 달릴 때나 더울 때 땀을 흘리는 것처럼, 식물도 체온을 조절하고 성장하기 위해 잎을 통해 물을 "땀"처럼 내보냅니다. 만약 당신이 매일 식물이 얼마나 많은 땀을 흘리는지 정확히 알 수 있다면, 물을 한 방울도 낭비하지 않고 식물을 행복하게 유지할 수 있는 딱 적당한 양의 물을 줄 수 있습니다. 문제는, 어떻게 하면 모든 식물을 일일이 돌아다니지 않고도 넓은 들판 전체에서 이 보이지 않는 땀을 측정할 수 있느냐는 것입니다. 여기서부터 드론이 농부의 눈 역할을 하는 첨단 농업의 이야기가 시작됩니다.

드론 탐정과 쌀의 땀

이 연구에서 중국 동북 지역의 흑토 지대 연구진은 벼 농업을 '추측 게임'에서 '정밀 과학'으로 업그레이드하기로 했습니다. 그들은 벼를 크게 키우면서 동시에 물을 아끼고 지구를 시원하게 유지하는 방법을 알아내고자 했습니다. 이를 위해 그들은 비행 로봇(드론), 정교한 수학, 그리고 고전적인 농사법을 결합한 하이테크 시스템을 구축했습니다.

하늘의 눈
연구진은 두 종류의 드론을 벼 들판 위로 보냈습니다. 한 대의 드론은 인간이 볼 수 없는 색상, 즉 잎이 얼마나 건강한지를 알려주는 특정 녹색의 농도를 포착하는 '다중 분광(multispectral)' 카메라를 실었습니다. 다른 드론은 열을 감지하는 '열화상(thermal)' 카메라를 실었습니다. 이것은 매우 중요한데, 목이 마른 식물은 마치 열이 나는 사람의 피부처럼 뜨거워지기 때문입니다. 드론은 벼의 녹색 정도와 열을 관찰함으로써, 매일 식물이 얼마나 "땀(증발산)"을 흘리고 있는지 정확히 파악할 수 있었습니다.

오래된 규칙책 vs 새로운 데이터
보통 농부들은 물의 필요량을 추측하기 위해 FAO-56 모델이라는 유명한 가이드를 사용합니다. 이 모델을 표준 레시피 북이라고 생각해 보세요. 하지만 표준 레시피는 오늘이 어제보다 더울 수도 있다는 점이나, 어떤 구역의 벼가 옆 구역보다 더 목말라할 수 있다는 점을 고려하지 못합니다. 연구진은 단순히 레시피를 맹목적으로 따르는 대신, 드론 데이터를 사용하여 실시간으로 레시피를 업데이트할 수 있다는 사실을 깨달았습니다. 그들은 드론의 '녹색도' 측정을 통해 지표면이 잎으로 얼마나 덮여 있는지 파고들었고, '열' 측정을 통해 식물이 스트레스를 받고 있는지 확인했습니다. 이를 통해 이전보다 훨씬 높은 정확도로 일일 수분 요구량을 계산할 수 있었습니다.

균형 잡기
벼가 정확히 얼마나 많은 물을 사용하는지 알게 된 후, 그들은 까다로운 수학 문제에 직면했습니다. 그들은 다음을 모두 만족하는 '황금률(Golden Mean)'을 찾고자 했습니다:

최대 수확량을 얻을 것.
최소한의 물을 사용할 것.
최소한의 비료를 사용할 것.
최소한의 온실가스(지구를 따뜻하게 만드는 물질)를 배출할 것.

문제는 이러한 목표들이 서로 충돌한다는 점입니다. 최대 수확량을 얻으려면 보통 더 많은 물과 비료가 필요하며, 이는 더 많은 오염을 유발합니다. 물을 아끼려 하면 수확량이 줄어들 수 있습니다. 이를 해결하기 위해 연구진은 수천 가지의 조합을 테스트하여 최선의 타협점을 찾아내는 똑똑한 컴퓨터 알고리즘(NSGA-II라고 불림)을 사용했습니다. 마치 심판처럼 말이죠.

연구 결과
이 연구는 물과 비료가 마치 댄스 팀처럼 함께 움직인다는 것을 확인시켜 주었습니다. 한 명이 발을 헛디디면 전체 공연이 망가지는 것과 같습니다. 연구진은 다음과 같은 사실을 발견했습니다:

수확량을 위한 최고의 조합: 최대 수량의 80%에 해당하는 물과 155 kg/ha의 질소 비료를 주었을 때 가장 많은 쌀(약 11,883 kg/ha)을 생산했습니다.
최고의 올라운더: 하지만 '완벽한' 솔루션은 쌀을 가장 많이 생산하는 것이 아니었습니다. 컴퓨터는 전반적으로 가장 균형 잡힌 '시나리오 S5'를 찾아냈습니다. 이 계획은 669.94 mm의 관개 용수와 117.48 kg/ha의 질소를 요구했습니다.
결과: 이 균형 잡힌 계획은 거의 최대치에 육박하는 11,473.43 kg/ha의 쌀을 생산하면서도, 물과 비료를 덜 사용했고 환경적 영향도 낮게 유지했습니다.

왜 중요한가
연구진은 자신들의 드론 기반 시스템이 믿기지 않을 정도로 정확하다는 것을 발견했습니다. 드론 계산값과 실제 토양에서 측정된 수치를 비교했을 때, 두 수치는 0.89의 상관관계(매우 강력한 일치)를 보였습니다. 이는 드론이 벼의 "땀"을 거의 완벽하게 예측할 수 있음을 의미합니다.

또한 그들은 풍성한 수확과 깨끗한 지구 사이에서 하나를 선택할 필요가 없다는 것을 증명했습니다. 드론의 실시간 데이터를 활용해 물과 비료를 안내함으로써, 농부들은 추측을 멈추고 최적화를 시작할 수 있습니다. 잘못될 수도 있는 일정에 맞춰 물과 비료를 쏟아붓는 대신, 벼가 필요로 하는 바로 그 시점에 필요한 만큼만 줄 수 있습니다.

결국, 이 연구는 추운 지역의 농업 미래가 더 열심히 일하는 것이 아니라, 더 똑똑하게 관찰하는 것에 있다는 것을 시사합니다. 드론이 눈이 되고 컴퓨터가 두뇌가 됨으로써, 농부들은 수확량의 손실 없이 더 많은 식량을 기르고, 소중한 물을 아끼며, 공기를 더 깨끗하게 유지할 수 있습니다. 이는 벼와 농부, 그리고 지구 모두에게 승리(win-win-win)입니다.

기술 요약: UAV-FAO-56 결합을 통한 벼 증발산량 추정 및 관개 최적화

문제 정의
중국 동북부의 냉대 흑토 지역 내 벼 생산은 식량 안보와 환경 지속 가능성 사이의 균형을 맞추는 데 있어 중대한 과제에 직면해 있다. 현재의 수분 및 질소 관리 관행은 경험 기반의 경험적 결정과 균일한 투입량에 크게 의존하고 있다. 이러한 정적인 접근 방식은 토양 조건, 작물 성장, 수분-질소 요구량의 고도로 역동적인 공간적·시간적 변화를 반영하지 못하며, 특히 초기 단계의 지온이 불충분하고 기상 요인이 변동하는 냉대 지역에서 더욱 그러하다. 이러한 불일치는 물 낭비, 낮은 질소 이용 효율, 그리고 높은 온실가스(GHG) 배출로 이어진다. 또한, 기존의 증발산량(ET) 추정 방법은 토양 증발, 작물 증산, 표면수의 복잡한 상호작용으로 인해 논 생태계에서 정확도를 확보하는 데 어려움을 겪는 경우가 많으며, 많은 연구가 원격 탐사 데이터 추출과 실행 가능한 다목적 관개 최적화 사이의 간극을 메우지 못하고 있다.

연구 방법론
본 연구는 무인 항공기(UAV) 원격 탐사와 FAO-56 이중 작물 계수 모델, 그리고 NSGA-II 다목적 최적화 알고리즘을 통합한 새로운 프레임워크를 제안한다.

실험 설계: 2025년 헤이룽장성 856 농장에서 분구 배치법(split-plot design)을 사용하여 현장 실험을 수행하였다. 주구(main plots)는 네 가지 제어된 관개 하한 임계값(토양 수분량의 60%, 70%, 80%, 90%)을 포함하였고, 소구(subplots)는 네 가지 질소 시비율(0, 110, 155, 200 kg/ha)을 포함하였다.
데이터 수집: UAV(DJI Mavic 3 Multispectral 및 DJI Matrice 30T)를 사용하여 주요 성장 단계 동안 30m 고도에서 고해 resolution의 다중 분광 및 열 적외선 영상을 획득하였다. 토양 수분, 엽면적 지수(LAI), 온실가스 플럭스(fluxes)를 포함한 지상 검증 데이터를 동시에 수집하였다.
ETc 추정 프레임워크: 본 연구는 FAO-56 이중 작물 계수 접근법( $ET_c = K_s \times K_{cb} \times ET_0$ $E T_{c} = K_{s} \times K_{c b} \times E T_{0}$ )을 활용하였다.
- 기초 작물 계수 ( $K_{cb}$ ): 다중 분광 식생 지수(NDVI, SAVI, EVI)를 사용하여 식생 피복률을 추정함으로써 산출하였다.
- 수분 스트레스 계수 ( $K_s$ ): 열 적외선 캐노피 온도로부터 유도된 작물 수분 스트레스 지수(CWSI)를 사용하여 정량화하였다.
- 검증: 추정된 일일 $ET_c$ 는 토양 수분 수지 방정식을 통해 계산된 실제 증발산량( $ET_a$ )과 비교 검증되었다.
다목적 최적화: 수분-질소 관리를 최적화하기 위해 NSGA-II 모델을 개발하였다. 이 모델은 다음을 동시에 달성하는 것을 목표로 한다:
- 곡물 수량 극대화.
- 관개 수분 이용 효율(IWUE) 극대화.
- 질소 부분 요인 생산성(PFPN) 극대화.
- 지구 온난화 지수(GWP) 최소화.
  결정 변수에는 작물 수분 요구량, 가용 수자원 및 지역 비료 제한량에 의해 제약되는 일일 순 관개량과 질소 시비율이 포함되었다.

주요 결과

모델 성능: UAV 다중 분광 및 열 데이터를 결합함으로써 ET 추정 정확도가 유의미하게 향ло되었다. NDVI-CWSI 결합 모델은 $R^2$ 0.89, RMSE 0.39 mm/day를 기록하며 가장 높은 성능을 보였으며, 이는 전통적인 방법 대비 RMSE가 10.3% 감소한 수치이다. NDVI는 기초 작물 계수와 가장 강한 상관관계( $R^2 = 0.85$ )를 나타냈다.
처리 효과: 수분, 질소 및 이들의 상호작용은 수량, IWUE, PFPN 및 GWP에 유의미한 영향을 미쳤다. W3N2(80% 수분 + 155 kg N/ha)와 W3N3(80% 수분 + 200 kg N/ha) 처리가 가장 높은 수량(각각 약 11,883 및 11,436 kg/ha)을 생산하였으나, W2N1(70% 수분 + 110 kg N/ha) 처리는 TCQ 값 0.65와 함께 가장 우수한 종합적 성능을 입증하였다.
최적화 결과: 다목적 최적화는 수량, 효율성 및 배출량 사이의 뚜렷한 트레이드오프(trade-offs)를 드러냈다. 시나리오 S5가 가장 높은 협조도(0.86)를 제공하는 최적의 솔루션으로 식별되었다. 이 시나리오는 관개량을 669.94 mm, 질소 시비율을 117.48 kg/ha로 권장하며, 예상 수량은 11,473.43 kg/ha, IWUE는 1.71 kg/m³, GWP는 12,473.54 kg CO₂-eq/ha이다.

의의 및 주장
저자들은 본 연구가 벼 관리를 정적인 경험적 일정에서 역동적이고 데이터 중심적인 정밀 농업으로 전환하기 위한 견고한 방법론적 프레임워크를 제공한다고 주장한다. UAV 기반 증발산량과 다목적 최적화를 결합함으로써, 고수량, 자원 효율성, 배출 감소라는 상충하는 목표를 조화시키는 것이 가능하다는 것을 본 연구는 입증한다.

구체적으로, 본 논문은 다음과 같이 단언한다:

정확도 향 향상: NDVI-CWSI 결합 접근 방식은 논에서의 전통적 모델의 한계를 효과적으로 극복하여, 역동적인 수분-질소 조절에 필요한 일 단위 정밀도를 제공한다.
의사결정 지원: 실시간 작물 수분 소비 데이터를 NSGA-II 모델에 통합함으로써, 경제적 이익과 환경적 이익 사이의 균형을 맞추는 실행 가능한 관개 일정을 생성할 수 있으며, 단일 목적 최적화의 함정을 피할 수 있다.
지역적 적용 가능성: 본 프레임워크는 짧은 생육 기간과 특정 기후적 제약으로 인해 정밀한 관리가 매우 중요한 냉대 지역의 수분-질소 조절을 개선하기 위한 실행 가능한 경로를 제공한다.

본 연구는 매개변수 전이성과 토양 증발 분리에 관한 불확실성이 남아 있음에도 불구하고, 제안된 UAV-FAO-56-NSGA-II 프레임워크가 냉대 지역 벼의 녹색, 고수량, 정밀 관개 전략을 개발하기 위한 신뢰할 수 있는 데이터 지원을 제공한다고 결론짓는다.

드론 탐정과 쌀의 땀

기술 요약: UAV-FAO-56 결합을 통한 벼 증발산량 추정 및 관개 최적화

유사한 논문