위성 데이터와 시퀀스‑투‑시퀀스 네트워크를 활용한 토양 수분 예측 모델

본 논문은 급증하는 인구와 식량 수요에 대응하기 위해, 원격탐사와 머신러닝을 결합한 토양 수분 예측 시스템을 제안한다. 서론에서는 물 부족과 농업 생산성 향상의 필요성을 강조하고, 정밀 농업에서 자동화된 토양 수분 모니터링이 어떻게 물 사용 효율을 높이고, 관개 비용을 절감하며, 작물 스트레스를 사전에 감지할 수 있는지를 설명한다. 데이터 수집 단계에서는 유럽우주국(ESA)의 Sentinel‑1 SAR와 Sentinel‑2 광학 위성 데이터를 활용한다. Sentinel‑1은 C‑밴드 SAR 이미지의 VV, VH(또는 HH, HV) 편광을 제공하며, 토양 수분 함량과 지표면 거칠기에 민감한 반사 특성을 포착한다. Sentinel‑2는 가시광 및 근적외선 밴드(R, G, B, NIR)를 제공하고, 이를 통해 NDVI를 계산해 식생 상태를 보강한다. 연구 지역은 호주 Hunter Valley에 위치한 포도밭이며, 20개의 토양 수분 센서와 7년간 일일 기상 관측 데이터가 지상 진실(ground truth)으로 사용된다. 총 14개의 특성이 모델 입력으로 사용된다. 제안된 모델은 두 개의 컨볼루션 LSTM 셀을 갖는 인코더‑디코더 시퀀스‑투‑시퀀스 구조이다. 입력 시퀀스는 과거 SAR 이미지와 NDVI 시계열을 1차원 벡터로 변환해 인코더에 공급하고, 인코더는 시공간 특징을 압축한다. 디코더는 압축된 표현을 바탕으로 미래 시점의 토양 수분 맵을 재구성한다. 모델은 이미지 시퀀스 예측에 특화된 Conv‑Seq2Seq 방식을 차용했으며, 기존 연구