콩과 같은 밭작물은 주로 토양으로부터 수분을 공급받으며 토양 수분 조건에 따라 생육 반응이 민감하게 반응한다. 작물의 생육과 재배 지역의 토양 조건, 기상 등에 따라 적정 토양 수분을 유지하는 것은 작물 생산량의 증가를 위해 중요하다. 따라서, 본 연구에서는 머신러닝 기법을 이용하여 토양 수분 함량 예측 모델을 개발하였다. 깊이에 따른 토양 수분과 외기, 강수량 등 기상 변수와의 상관 관계를 구명하고, 깊이별 토양 수분예측을 위한 부분최소제곱회귀(PLSR) 모델을 알고리즘을 개발하였다. 콩 재배포장의 10cm, 20cm, 30cm 깊이의 토양수분은 FDR 방식의 센서로 측정하였 고, 콩 작물 주변 환경인자(재배환경의 기온, 상대습도, 풍속, 일사량, 일조시간)는 주변의 기상관측소에서 측정된 데이터를 이용하였다. 이를 이용하여 깊이별 미래의 토양수분함량 예측 모델을 개발한 결과, 10cm와 20cm깊이에서 주요 인자는 현재 토양수분함량과 기온이었으며, 30cm 깊이에서의 주요 인자는 현재 토양수분함량과 기온, 풍속으로 나타났다. 토양 깊이가 깊어짐에 따라 토양수분함량 예측 정확도가 향상되었으며, 이는 표면에 가까울수록 토양수분함량이 변화가 크기 때문으로 예상된다. 또한 미래의 토양 수분함량예측시 1시간 후 예측 정확도가 가장 우수하였으며, 이때의 Rv 2와 RMSEV가 10cm 깊이에서 0.993와 1.069%, 20cm 깊이에서 0.994와 0.821% 였으며, 30cm 깊이에서 0.999와 0.149% 였다. 본 연구 결과는 콩 생육환경 진단을 위해 재배 포장의 토양수분함량을 토양층별로 미래의 토양수분함량도 예측이 가능함을 보여준다.

Field crops such as soybeans are mainly supplied with moisture from the soil, and growth responses are sensitive to soil moisture conditions. Maintaining adequate soil moisture content depending on the soil conditions and weather in the cultivation field is important for increasing crop yield. Therefore, this study aimed to develop soil moisture content prediction models using a machine learning algorithm. The correlation between soil moisture and meteorological variables such as outdoor air and precipitation according to depth was investigated, and the partial least squares regression (PLSR) model algorithm was developed to predict soil moisture by depth. The soil moisture of 10cm, 20cm, and 30cm depth in the soybean cultivation field was measured using FDR sensors, and the environmental factors surrounding the soybean crop (temperature, relative humidity, wind speed, solar radiation, and solar radiation) were measured by the nearby weather stations. As a result of developing a prediction model for the future soil moisture content by depth, the main factors at 10cm and 20cm depth were the present soil moisture content and temperature, and the main factors at 30cm depth were the present soil moisture content, temperature, and wind speed. As soil depth increased, the accuracy of predicting the soil moisture content is improved, which is expected to be due to the change in the soil moisture content as it is closer to the surface. In addition, the prediction accuracy of soil moisture content after 1 hour was the best, Rv 2 and RMSEV were 0.993 and 1.069% for 10cm depth, 0.994 and 0.821% for 20cm depth, and 0.999 and 0.149% for 30cm depth. The results of this study indicate that the future soil moisture content of the cultivation field can be predicted by soil depth to diagnose the soybean growth environment.

서론
재료 및 방법
    1. 콩 재배포장 환경 데이터 계측 시스템 구축
    2. 데이터 획득 방법
    3. 토양 수분 함량 모델 개발
    4. 성능 평가 방법
결과 및 고찰
    1. 콩 재배포장의 환경 및 토양수분함량 측정 결과
    2. 10 cm 깊이의 토양 수분함량 예측 PLSR 모델 개발 결과
    3. 20 cm 깊이의 토양 수분함량 예측 PLSR 모델 개발결과
    4. 30 cm 깊이의 토양 수분함량 예측 PLSR 모델 개발 결과
    5. 토양 깊이별 토양 수분함량 예측 PLSR 모델 개발 결과
    6. 타 센서를 이용한 토양 수분함량 예측 PLSR 모델 검증결과
감사의 글
References

• 김보경(강원대학교 농업생명과학대학 스마트농업융합학과 석사과정) | Bo-Gyeong Kim (Master's course, Department of Interdisciplinary Program in Smart Agriculture, Kangwon National University, Chuncheon, 24314, Korea)
• 김민지(강원대학교 농업생명과학연구원 연구교수) | Min-Jee Kim (Research Professor, Agriculture and Life Sciences Research Institute, Kangwon National University, Chuncheon 24314, Korea)
• 박수환(강원대학교 농업생명과학대학 스마트농업융합학과 석사과정) | Soo-Hwan Park (Master's course, Department of Interdisciplinary Program in Smart Agriculture, Kangwon National University, Chuncheon, 24314, Korea)
• 이보영(강원대학교 농업생명과학대학 스마트농업융합학과 석사과정) | Bo-Young Lee (Master's course, Department of Interdisciplinary Program in Smart Agriculture, Kangwon National University, Chuncheon, 24314, Korea)
• 이홍구(강원대학교 농업생명과학대학 스마트농업융합학과 박사과정) | Hong Gu Lee (Ph.D course, Department of Interdisciplinary Program in Smart Agriculture, Kangwon National University, Chuncheon, 24314, Korea)
• 상완규(농촌진흥청 국립식량과학원 농업연구사) | Wan-Gyu Sang (Researcher, Department of Crop production and physiology, National Institute of Crop Science, Rural Development Administration, Wanju, 55365, Korea)
• 백재경(농촌진흥청 국립식량과학원 농업연구사) | Jae-kyeong Baek (Researcher, Department of Crop production and physiology, National Institute of Crop Science, Rural Development Administration, Wanju, 55365, Korea)
• 모창연(강원대학교 농업생명과학대학 바이오시스템기계공학전공 교수) | Changyeun Mo (Professor, Department of Biosystems Engineering, Kangwon National University, Chuncheon, 24314, Korea) Corresponding author