초분광 영상을 이용한 사과 ‘홍로’ 엽록소 함량 추정

Abstract

광합성은 식물체가 생장활동에 있어 주요 요인 중 하나로써 엽록소에서 빛을 화학 에너지 변환에 필수적인 역할을 한다. 사과 나무 재배 시 광합성은 수체 생장 및 과실의 품질과 수량에 큰 영향을 미치는데 평가하기 위한 방법으로 잎의 엽록소 함량을 조사되었다. 과원 단위에서는 기존 조사하는 방식은 소요 시간이 크다는 단점이 있지만 원격 탐사 기술을 활용한다면 단점을 상쇄될 수 있다. 본 연구는 무인기 기반 초분광 영상을 이용하여 사과 잎의 엽록소 함량을 추정하는 연구를 수행하였다. 그 결과 1차 미분으로 전처리한 초분광 데이터와 머신러닝 알고리즘인 SVM을 이용한 추정 모델의 성능은 Calibration 모델에서 R2 0.886, RMSE 0.807㎍/㎠, MAPE 7.7%로 나타났으며 Validation 모델에서 R2 0.745, RMSE 1.206㎍/㎠, MAPE 11.9%로 가장 높게 나타내었다. 반면 트리 기반의 XGBoost와 RF의 경우 Calibration 모델에서 성능이 높게 나타났으나 Validation 모델에서 성능이 낮게 나타나는 과적합 문제가 발생하여 추정에는 적합하지 않은 것으로 판단된다. 추후 연구에서 추정 모델의 성능 고도화를 위한 추가적인 데이터셋 확보 및 하이퍼파라미터 튜닝 이 필요할 것으로 사료된다.