MODIS와 기상자료 기반 회선신경망 알고리즘을 이용한 남한 전역 쌀 생산량 추정 (Convolutional Neural Networks for Rice Yield Estimation Using MODIS and Weather Data: A Case Study for South Korea)

서지정보

· 발행기관 : 한국측량학회
· 수록지 정보 : 한국측량학회지 / 34권 / 5호 / 525 ~ 534페이지
· 저자명 : 마종원, NGUYENCONG HIEU, 이경도, 허준

초록

쌀은 오랜 기간 동안 남한 지역의 주식임과 동시에 농부들의 주 수입원이며, 농업 분야 관련 정책 수립을 위한 수학적인 쌀 생산량 추정 모델의 구축이 필요하다. 본 연구의 목적은 (1) 쌀 생산량 추정을 위한 회선신경망 모델의구축과, (2) 최고의 성능을 보이는 회선신경망의 파라미터를 결정하는 것과, (3) 인공신경망 모델과의 비교를 통해 회선신경망의 성능을 평가하는 것이다. 각 모델의 입력데이터로는 2000~2013년도의 4~9월까지에 해당하는 기상자료와 MODIS 위성자료를 사용하였으며, 정확도 평가를 위해 교차 검증을 실시하였다. 회선신경망과 인공신경망은 쌀 생산 표본점을 대상으로 각각 36.10kg/10a, 48.61kg/10a와 시군구 지역을 대상으로 각각 31.30kg/10a, 39.31kg/10a의 RMSE를 보였다. 회선신경망 모델은 인공신경망 모델보다 우수한 성능을 보였으며, 본 연구를 통해쌀 생산량 추정 분야에 대한 회선신경망 모델의 적용 가능성을 확인할 수 있었다.

영어초록

In South Korea, paddy rice has been consumed over the entire region and it is the main source of income for farmers, thus mathematical model for the estimation of rice yield is required for such decision-making processes in agriculture. The objectives of our study are to: (1) develop rice yield estimation model using Convolutional Neural Networks(CNN), (2) choose hyper-parameters for the model which show the best performance and (3) investigate whether CNN model can effectively predict the rice yield by the comparison with the model using Artificial Neural Networks(ANN). Weather and MODIS(The MOderate Resolution Imaging Spectroradiometer) products from April to September in year 2000~2013 were used for the rice yield estimation models and crossvalidation was implemented for the accuracy assessment. The CNN and ANN models showed Root Mean Square Error(RMSE) of 36.10kg/10a, 48.61kg/10a based on rice points, respectively and 31.30kg/10a, 39.31kg/10a based on 'Si-Gun-Gu' districts, respectively. The CNN models outperformed ANN models and its possibility of application for the field of rice yield estimation in South Korea was proved.

참고자료

· 없음