범용 작물 수확량 예측 파이프라인 UniCrop

초록

UniCrop은 위성, 기후, 토양, 지형 등 다중 데이터원을 자동으로 수집·정제·통합해 200여 개 변수를 15개 핵심 특징으로 압축하는 파이프라인이다. 이를 rice 데이터 557건에 적용해 LightGBM이 RMSE 465 kg/ha, R² 0.658을 기록했으며, 앙상블까지 활용해 약간의 성능 향상을 보였다. 코드와 문서는 공개돼 재현성과 확장성을 확보한다.

상세 분석

UniCrop 논문은 작물 수확량 예측에서 가장 큰 병목으로 지목되는 ‘데이터 엔지니어링’ 문제를 체계적으로 해결하려는 시도이다. 먼저 데이터 소스 선정 단계에서 Sentinel‑1/2, MODIS, ERA5‑Land, NASA POWER, SoilGrids, SRTM 등 6개의 주요 원천을 표준화된 메타데이터 스키마에 매핑한다. 이때 각 원천의 공간·시간 해상도 차이를 보정하기 위해 최근접 보간, 시계열 평균, 그리고 가중합산 방식을 혼합 적용한다. 특히 토양 변수는 7 cm, 30 cm, 200 cm 등 다중 깊이 레이어를 통합해 토양 수분·유기탄소·pH 등을 추출하고, 지형 변수는 고도, 경사, 방향성을 30 m 해상도로 재샘플링한다.

데이터 정제 과정에서는 결측치 처리와 이상치 탐지를 자동화한다. 결측값은 동일 지역·동일 시점의 인접 변수 평균으로 대체하고, 이상치는 IQR 기반 필터링 후 다중 회귀 보정으로 보정한다. 이후 200여 개 원시 변수를 mRMR(minimum Redundancy Maximum Relevance) 알고리즘에 입력해 상관관계와 정보 이득을 동시에 고려한다. mRMR은 변수 간 중복성을 최소화하면서 목표 변수(수확량)와의 관련성을 최대화하도록 15개의 최적 특징을 선정한다. 이 과정은 교차 검증 기반의 안정성 평가와 함께 수행돼 과적합 위험을 크게 낮춘다.

모델링 단계에서는 LightGBM, Random Forest, SVR, ElasticNet 네 가지 베이스라인을 동일한 5‑fold 교차 검증 파이프라인에 투입한다. LightGBM이 가장 높은 R²와 낮은 RMSE를 기록했으며, 모델 앙상블(가중 평균)에서는 미세하게 성능이 개선돼 RMSE 463 kg/ha, R² 0.660을 달성했다. SHAP(Shapley Additive exPlanations) 분석을 통해 선정된 변수들의 농업적 의미를 검증했는데, 예를 들어 사계절 평균 온도, 강우량 변동성, 토양 유기탄소 함량, 그리고 NDVI 시계열 패턴이 수확량에 긍정적·부정적 영향을 미치는 방식이 기존 agronomy 연구와 일치한다는 점을 확인했다.

재현성 측면에서 UniCrop은 전체 파이프라인을 Python 기반의 모듈형 구조로 구현했으며, 설정 파일만 교체하면 작물 종류, 연구 지역, 분석 기간을 자유롭게 바꿀 수 있다. GitHub에 공개된 코드와 상세 문서는 Docker 이미지와 CI/CD 파이프라인을 포함해 손쉬운 배포와 자동 테스트를 지원한다. 따라서 연구자는 데이터 수집·전처리 단계에 소요되는 인적·시간 비용을 크게 절감하고, 모델 개발에 집중할 수 있다. 전체적으로 UniCrop은 데이터 엔지니어링을 표준화·자동화함으로써 작물 수확량 예측 모델의 확장성과 운영성을 크게 향상시킨다.