Spectral Response of Wheat Straw Residue and Crop Residue Cover Inversion

농사의 고요한 리듬 속에서, 수확의 여파는 종종 수확 그 자체만큼이나 중요합니다. 밀밭이 베어지면, 남겨진 줄기와 잎들은 단순히 사라지지 않습니다. 그것들은 지표면에 남아 '작물 잔사(crop residue)'라고 불리는 유기물 층을 형성합니다. 이 물질을 제자리에 두는 것은 땅을 위한 강력한 도구가 됩니다. 그것은 마치 보호용 담요처럼 작용하여, 가뭄 시기에 지표면의 수분을 유지하고, 비옥한 표토를 씻어 내려갈 수 있는 바람과 물의 속도를 늦추며, 분해되면서 영양분을 다시 흙으로 천천히 공급합니다. 이러한 잔사를 남기는 농부들은 '보존 경운(conservation tillage)'이라 불리는 방식을 실천하는 것인데, 이는 쟁기로 땅을 갈아엎는 속도보다 토양의 장기적인 건강을 우선시하는 방법입니다. 그러나 이 방법이 올바르게 사용되고 있는지 알기 위해서, 과학자들은 이 줄기들이 지면을 정확히 얼마나 덮고 있는지 측정할 방법이 필요합니다. 만약 피복도가 너무 낮으면 토양은 취약해지며, 충분히 높다면 땅은 보호받게 됩니다.

수십 년 동안, 이 피복도를 측정하는 것은 사람들이 카메라와 클립보드를 들고 현장에 나가서, 작은 구역의 지면에서 볼 수 있는 모든 짚 조각을 일일이 세는 것을 의미했습니다. 이 과정은 정확하기는 하지만, 느리고 노동 집약적이며, 전체 지역으로 규모를 확대하기 어렵습니다. 최근 몇 년 동안, 초점은 빛을 사용하여 숫자를 세는 방향으로 옮겨갔습니다. 모든 물체는 빛을 독특한 방식으로 반사하며, 마른 식물 재료는 맨 토양과는 다른 뚜렷한 특징을 가집니다. 연구자들은 들판에서 튕겨 나오는 특정 빛의 색상을 분석함으로써, 직접 발을 들이지 않고도 짚이 지면을 덮고 있는 비율을 계산할 수 있기를 기대하고 있습니다. 하지만 이 작업은 짚이 카펫처럼 평평하게 놓여 있지 않다는 사실 때문에 까다롭습니다. 농부가 현장을 어떻게 관리하느냐에 따라—줄기를 똑바로 세워 두는지, 잘게 부수는지, 혹은 땅속 깊이 갈아엎는지에 따라—빛이 반사되는 방식이 달라집니다. 이러한 미묘한 차이를 이해하는 것이 단순한 빛 측정을 신뢰할 수 있는 토양 건강 지도로 바꾸는 핵심입니다.

베이징 바이이 학교(Beijing Bayi School)의 연구자 양하오린(Yang Haolin)은 다양한 조건에서 밀짚이 빛과 어떻게 상호작용하는지에 대한 상세한 지도를 제작함으로써 이 수수께끼를 풀고자 했습니다. 그들은 베이징 북쪽 샤오탕산(Xiaotangshan)에 있는 한 연구 센터에서 통제된 실험을 설정하며 시작했습니다. 이곳에서 그들은 겨울 밀을 재배하였고, 수확 후 서로 다른 네 가지 관리 기술을 구역별로 적용했습니다. 어떤 구역은 밑동(stubble)이 높게 서 있는 상태로 두었고, 어떤 구역은 짚을 작은 조각으로 잘라 흩뿌렸으며, 어떤 구역은 로터리 틸러(rotary tiller)를 사용하여 잔사를 겉흙과 섞었으며, 또 다른 구역은 깊게 갈아엎었습니다. 이러한 다양성을 통해 그들은 짚의 양뿐만 아니라 물리적 배치 방식이 센서에 보이는 들판의 모습을 어떻게 변화시키는지 관찰할 수 있었습니다.

이러한 변화를 포착하기 위해, 그들은 인간의 뇌가 처리할 수 있는 것보다 훨씬 더 많은 색을 볼 수 있는 정교한 눈 역할을 하는 장치인 휴대용 분광계를 들고 들판을 걸었습니다. 그들은 우리가 볼 수 있는 가시광선 영역부터 볼 수 없는 적외선 파장에 이르기까지 수백 개의 서로 다른 파장에서 토양과 짚의 혼합물로부터 반사되는 빛을 측정했습니다. 동시에, 그들은 위에서 바로 지면을 촬영하고 격자법(grid method)을 사용하여 지면이 짚으로 얼마나 덮여 있는지 정확히 세어, 빛 측정값과 비교할 수 있는 정밀한 '지상 검증(ground truth)' 데이터를 만들었습니다. 또한, 연구 센터의 통제된 환경 밖에서도 그들의 결과가 유효할 수 있도록 허난성(Henan Province)의 실제 밀밭에서도 유사한 데이터를 수집했습니다.

연구자는 들판에서 반사되는 빛이 짚의 양이 증가함에 따라 예측 가능한 방식으로 변한다는 것을 발견했습니다. 그들은 식물 세포벽에 있는 셀룰로오스(cellulose) 및 리그닌(lignin)과 강하게 상호작용하는 영역인 단파 적외선 부분에서 피복을 감지하는 데 가장 민감한 영역을 찾아냈습니다. 데이터를 분석함으로써, 그들은 짚의 존재를 알리는 데 특히 효과적인 1320 나노미터의 특정 빛 밴드를 식별했습니다. 또한 그들은 서로 다른 빛 파장을 결합하여 작물 잔사를 강조하는 '분광 지수(spectral indices)'라고 알려진 여러 수학적 공식들을 테스트했습니다. 결과에 따르면, 녹색의 살아있는 식물을 측정하는 데 사용되는 표준 공식보다 셀룰로오스와 리그닌을 찾도록 설계된 지수가 짚을 감지하는 데 훨씬 더 효과적이었습니다.

이러한 빛의 신호를 손에 넣은 연구자는 빛 데이터만을 바탕으로 짚의 피복량을 예측할 수 있는 시스템을 구축하기 위해 컴퓨터 모델을 활용했습니다. 그들은 패턴을 찾아내도록 설계된 프로그램인 다섯 가지 유형의 머신러닝 알고리즘을 테스트했습니다. 어떤 모델은 단순하고 선형적이었고, 어떤 모델은 복잡하고 정교한 관계를 학습할 수 있었습니다. 결과는 명확했습니다. 가장 성공적인 모델은 '랜덤 포레스트(Random Forest)'라고 불리는 방법이었는데, 이는 많은 작은 결정 트리(decision trees)를 구축하고 그 답변들을 결합하는 방식으로 작동하며, 실제 측정값과 95%의 일치율을 보였습니다. 반면, 고급 작업에 흔히 사용되는 복잡한 '딥 러닝(deep learning)' 모델은 성과를 내지 못했습니다. 연구자는 이 딥 러닝 모델이 효과적으로 학습하는 데 필요한 데이터가 너무 많아 예측력이 떨어졌다고 언급했습니다. 이 발견은 제한된 현장 데이터로 작업할 때, 복잡한 모델보다 견고하고 단순한 모델이 더 신뢰할 수 있음을 시사합니다.

아마도 이번 연구에서 가장 중요한 부분은 통제된 실험에서 구축된 모델이 실제 세상에서도 작동하는지 테스트하는 것이었습니다. 연구자는 가장 성능이 좋았던 모델을 가져와 허난성의 실제 밀밭 데이터에 적용했습니다. 설정을 미세하게 조정한 후, 모델은 이러한 실제 환경에서도 짚의 피복량을 성공적으로 추정해 냈습니다. 이는 빛과 짚의 피복 사이의 관계가 매우 강력하여 서로 다른 위치와 조건에서도 유효하다는 것을 입증했습니다. 이 연구는 지면의 물리적 구조가 빛에 미치는 영향을 이해함으로써, 과학자들이 넓은 지역에 걸쳐 보존 농업 관행을 정확하게 모니터링할 수 있는 도구를 만들 수 있음을 확인시켜 줍니다. 비록 이 작업은 지상 기반 센서를 통해 수행되었지만, 연구자는 동일한 원리가 드론과 위성 영상에도 적용될 수 있으며, 궁극적으로는 미래의 땅을 보호하기 위해 농부와 정책 입안자들에게 필요한 역동적이고 대규모적인 토양 건강 모니터링을 가능하게 할 것이라는 명확한 경로를 보고 있습니다.