랜덤포레스트 분류 모델 기반 벼 잎 분광반사율을 이용한 질소 시비량 추정 연구 (Estimating Nitrogen Fertilization Levels Based on the Spectral Reflectance of Rice Leaves Using a Random Forest Classification Model)

서지정보

· 발행기관 : 한국작물학회
· 수록지 정보 : 한국작물학회지 / 69권 / 4호 / 199 ~ 208페이지
· 저자명 : 권동원, 정회정, 상완규, 장성율, 임우진, 박혁진, 이지현, 황운하, 조정일

초록

적 요본 연구는 비파괴적인 방법으로 벼 포장의 질소 시비 수준을 평가하고자 엽분광계를 이용하여 벼 잎의 분광 반사율을 측정하고 랜덤포레스트 분류 모델을 학습시켜 분류 성능을 평가하였다. 질소시비량이 증가함에 따라 잎의 엽록소농도가 증가하여 녹색 및 적색 가장자리 영역의 반사율이감소하였다. 이를 기반으로 질소 시비 수준과 상관성이 높은 파장을 추출하여 랜덤포레스트 분류 모델의 입력 변수로사용하였다. 분류 모델의 정확도는 반사율의 처리 간 차이가클수록 증가하였으며, 생육 초중기에 비해 생육 후기에 더높게 나타났다. 비료 시비 시기에 따라 식물이 이용할 수 있는 질소의 양이 달라지며, 출수와 등숙 과정에서 질소의 재분배와 잎의 노화로 인해 엽록소 농도가 변화하므로 측정시기에 따라 분류 정확도가 달라지는 것으로 판단된다. 따라서 질소시비량에 따른 엽록소 농도의 변화가 크게 나타나는생육 후기에 분광 반사율을 이용하여 질소 시비 수준을 평가할 수 있을 것으로 판단된다. 향후, 모델의 정확도를 높이기 위해 특정 생육시기마다 처리별로 충분한 분광 반사율데이터를 수집한다면, 각 생육시기별로 질소 시비 수준을더 정확하게 분류할 수 있을 것이다.

영어초록

ABSTRACT Although nitrogen is essential for chlorophyll production and crop growth, the excessive use of nitrogen-based fertilizers is a source of environmental concern. In this study, we sought to assess the optimal levels of nitrogen fertilization for the cultivation of rice based on based on measurements of leaf spectral reflectance and the use of a random forest classification model.
On the basis of the standard fertilization rate, we applied four levels of nitrogen fertilization (0%, 50%, 100%, and 200%) and measured plant height, tiller number, SPAD values, chlorophyll concentrations, and spectral reflectance of rice leaves at different stages of growth. With an increase in rate of nitrogen fertilization, we recorded increases in plant height, the number of tillers, SPAD values, and leaf chlorophyll concentrations. In contrast, we recorded reductions in the spectral reflectance of leaves in the 550 and 710 nm wavelength regions in response to an increase nitrogen fertilization. On the basis of these findings, wavelengths highly correlated with nitrogen fertilization levels were extracted using a PSL model and used as input variables for constructing a random forest classification model. The performance of the model was found to vary throughout the growth period, with a classification accuracy ranging from 76.2% to 91.2%. We speculate that this variability in classification accuracy can be attributed to the timing of nitrogen fertilization, which determines nitrogen availability, and contributes to changes in chlorophyll levels during the heading and mature stages of growth. Thus, nitrogen fertilization levels can effectively be assessed using spectral reflectance in the late growth stages, during which the changes in chlorophyll concentrations are more pronounced. In the future, we will investigate whether obtaining sufficient spectral reflectance data for different treatment at specific growth stages of growth can contribute to enhancing the accuracy of the model developed herein, thereby enabling a more precise classification of nitrogen fertilization levels at the different stages of rice growth.

참고자료

· 없음