작물 증발산량은 잠재 증발산량에서 작물계수를 곱하여 작 물의 요수량을 산출할 수 있어 수자원 관리에 널리 사용되는　 방법이다. 특히 유엔식량농업기구(FAO)가 관개 및 배수 논 문 NO.56에서 발표한 Penman-Monteith　방정식(FAO 56-PM) 은 잠재 증발산량을 추정하는 표준방법으로, 평균온도, 최대 온도, 최소온도, 상대습도, 풍속 및 일사량의 6가지 기상 데이 터가 필요하다. 그러나　농경지 인근에 설치된 기상센서는 설 치 및 유지보수 비용이 높아 결측, 이상치와 같은 데이터 신뢰 성 문제를 야기하여 정확한 증발산량 계산을 복잡하게 만든 다. 본 연구에서는 인근 기상청의 데이터를 사용하여 필요한 6가지 기상 변수를 예측함으로써 기상 센서 없이 작물 증발산량을 추정할 수 있는지 조사하였다. 우리는 기상청의 API를 통해 수집할 수 있는 22개의 기상 변수를 입력 데이터로 활용 했다. 9개의 회귀 모델을 학습한 후 성능에 따라 상위 3개를 선 택하고 하이퍼파라미터 튜닝을 적용하여 최적의 모델을 식별 했다. 가장 좋은 성능을 보인 모델은 Extreme Gradient Boosting Regression(XGBR)이었으며 평균온도, 최대온도, 최소온도, 상대습도, 풍속 및 일사량에서 결정계수(R2)가 각 0.98, 0.99, 0.99, 0.91, 0.72, 0.86로 높은 결과를 얻을 수 있었다. 이러한 결과는 XGBR 모델이 작물 기상 데이터를 사용하여 작물 증 발산 모델에 필요한 입력 값을 정확하게 예측할 수 있어 값비 싼 기상 센서가 필요 없음을 시사한다. 이 접근 방식은 센서 설 치 및 유지보수가 어려운 지역에서 특히 유용할 수 있으며, 직 접적인 센서 데이터 없이도 표준 증발산 모델의 사용을 가능 하게 한다.