농업에서 거친 토양 표면은 다양한 문제를 일으킨다. 물, 토양, 씨앗, 비료와 같은 자원을 낭비하여 생산비를 높이고 환경에도 부정적인 영향을 끼친다. 또, 농업 기계는 거친 토양에서 균형을 잡기 어려워 농부들의 편의성을 해치고, 장비의 내구성과 자율 주행 성능을 떨어뜨리는 등 정밀농업의 실현을 방해한다. 거친 토양 표면은 입자가 큰 토양으로 구성되어 있을 가능성이 높으며, 이는 식물 생장을 방해하고 물빠짐에도 영향을 준다. 거친 표토를 측정하는 방식은 농지 전체를 측정하기보단 일부 지점의 거칠기를 측정하여 나머지 지점의 거칠기를 추정하는 것이 다수다. 따라서, 본 연구는 무인비행체(UAV)를 이용해 효율적으로 표토 거칠기를 측정할 수 있는 방안을 제안하고자 한다. 실험은 경상남도 밀양시 부북면에서 40m 높이에서 180장, 86%의 중첩률로 획득한 항공 사진을 이용했다. 이미지 데이터를 바탕으로 만들어진 조밀 점군에서 파이썬으로 중심점으로부터 일정한 반경 이내에 있는 가까운 주변 8개 점을 선택하여 고도차를 이용하여 결과값을 계산하였다. TRI 지수, Roughness 지수, 표준편차 세 가지 지표는 계산 후 농지에 시각화되었다. 일부 지점에서 측정한 표토 거칠기를 바탕으로 나머지 농지에 대한 거칠기 값을 추정하는 방식과 달리, 본 연구는 모든 지점에서의 거칠기 지수를 점군 단계에서 습득할 수 있는 방식을 통해 측정의 정밀도를 높이고 농지 운영을 돕고자 하였다.

In the present day context of changing information needs of the farmers and diversified production systems there is an urgent need to look for the effective extension support system for the small and marginal farmers in the developing countries like India. The rapid developments in the collection and analysis of field data by using the spatial technologies like GPS&GIS were made available for the extension functionaries and clientele for the diversified information needs. This article describes the GIS and GPS based decision support system in precision agriculture for the resource poor farmers. Precision farming techniques are employed to increase yield, reduce production costs, and minimize negative impacts to the environment. The parameters those can affect the crop yields, anomalous factors and variations in management practices can be evaluated through this GPS and GIS based applications. The spatial visualisation capabilities of GIS technology interfaced with a relational database provide an effective method for analysing and displaying the impacts of Extension education and outreach projects for small and marginal farmers in precision agriculture. This approach mainly benefits from the emergence and convergence of several technologies, including the Global Positioning System (GPS), geographic information system (GIS), miniaturised computer components, automatic control, in-field and remote sensing, mobile computing, advanced information processing, and telecommunications. The PPP convergence of person (farmer), project (the operational field) and pixel (the digital images related to the field and the crop grown in the field) will better be addressed by this decision support model. So the convergence and emergence of such information will further pave the way for categorisation and grouping of the production systems for the better extension delivery. In a big country like India where the farmers and holdings are many in number and diversified categorically such grouping is inevitable and also economical. With this premise an attempt has been made to develop a precision farming model suitable for the developing countries like India.

본 연구에서는 정밀농업 구현을 위해 필수적인 요소인 토양과 기후 그리고 위치요인을 데이터로 구축한 후 이를 수치화하여 최고점수제를 이용하는 지식기반형 작물추천모델을 개발하였다. 작물추천시스템에서 사용한 요인은 토양과 기후 그리고 위치정보이다. 토양의 경우에는 흙토람 자료 중 작물적지 선정에 80%이상 활용되는 토성, 침식등급, 배수등급, 경사, 자갈함량, pH를 선정하였다. 기후요인은 기상청의 5년간 누적데이터를 기초로 하여 작물생육에 필수적인 기온과 강수량 그리고일조시간 등을 사용하였다. 위치정보는 한국토지정보시스템과 수치지형도를 가공하여 사용하였다. 예시작물은 농촌진흥청에서 추천한 옥수수, 유채, 갈대, 수박, 고추, 토마토, 양파, 감자, 고구마, 구기자 10개 작물로 하였으며, 향후 작물추천 수요가증가할 것으로 예상되는 제천, 무안, 원주, 함안 4개 지역을 포괄적으로 시뮬레이션하였다. 분석결과 평균점수는 고추가 75.5점으로 가장 높았으며 고구마가 61.2점으로 가장 낮았다. 작물별 식재면적에 제약이 있다고 가정하고 2차 시뮬레이션을실시하여 경남 함안시의 7만 필지를 별도설정하고 분석한 결과 고구마가 39,190필지에서 가장 높은 점수를 받았으며 면적으로는 27.014 km2이었다. 지식기반형 작물추천시스템은 작물의 적지를 선정하는 항목과 가중치가 검증되지 않았다는 한계를 가지고 있으나, 이에 대한 보완이 이루어지고, 농산물유통부분을 고려하여 실제 정보수요자에게 제공하면 영농현장에서 활용 가능할 것으로 판단한다.