Core Concepts
작물 수확량 예측의 정확성과 정밀성은 작물 모델 시뮬레이션에 사용되는 날씨 입력 데이터에 크게 의존한다. 본 연구에서는 작물 모델러들이 사용할 수 있는 새로운 날씨 생성 방법을 제안한다.
Abstract
본 연구에서는 작물 모델 시뮬레이션에 사용되는 날씨 입력 데이터를 생성하기 위한 새로운 방법을 제안했다. 기존의 방법은 과거 관측 데이터에서 무작위로 선택한 날씨 시퀀스를 사용했지만, 이는 미래 날씨를 정확하게 반영하지 못한다는 한계가 있었다.
제안한 방법은 완전 합성곱 신경망 모델을 사용하여 과거 관측 데이터로부터 미래 날씨를 생성한다. 이를 통해 작물 모델 시뮬레이션의 정확성과 정밀성을 향상시킬 수 있다.
실험 결과, 제안한 방법은 기존 방법에 비해 작물 수확량 예측 오차의 평균과 표준편차를 크게 개선했다. 단일 작물 생산 시나리오에서는 18개 지표 모두에서, 3년 작물 윤작 시나리오에서는 36개 지표 중 29개에서 성능 향상을 보였다.
본 연구는 작물 모델러들이 자신의 문제에 적용할 수 있도록 기술적 세부 사항을 자세히 설명하고, 관련 코드와 모델, 시뮬레이션 파일 등을 공개했다.
Stats
2021년 밀 수확량 예측 오차 평균: 525 kg/ha
2021년 밀 수확량 예측 오차 표준편차: 436 kg/ha
2022년 보리 수확량 예측 오차 평균: 1,792 kg/ha
2022년 보리 수확량 예측 오차 표준편차: 932 kg/ha
2023년 카놀라 수확량 예측 오차 평균: 2,038 kg/ha
2023년 카놀라 수확량 예측 오차 표준편차: 987 kg/ha
Quotes
"작물 수확량 예측의 정확성과 정밀성은 작물 모델 시뮬레이션에 사용되는 날씨 입력 데이터에 크게 의존한다."
"기존의 방법은 과거 관측 데이터에서 무작위로 선택한 날씨 시퀀스를 사용했지만, 이는 미래 날씨를 정확하게 반영하지 못한다는 한계가 있었다."