보호 경운은 농업 경작지의 지속 가능한 발전을 위한 중요한 방법으로 전 세계 여러 지역에서 채택되고 있다. 볏짚 피복량이 "유무"에서 "양"으로 세분화되어 판정되는 것은 볏짚 환원 검출의 중요한 지표이다. 드론에 다중 스펙트럼 카메라를 탑재하여 연구 지역 내 봄과 가을 두 계절 동안 원격 탐사 데이터를 촬영하고 동시에 옥수수 볏짚 피복량을 측정하였다. 먼저 원격 탐사 데이터에서 스펙트럼 반사율을 추출하고 스펙트럼 지수를 구축하였으며, 상관계수법을 활용하여 볏짚 피복량에 민감한 파장 변수 및 스펙트럼 변수를 선별하여 모델 입력 변수로 사용하였다. 그리고 서포트 벡터 머신(SVM), 랜덤 포레스트(RF), 역전파 신경망(BPNN), 극한 학습 기계(ELM) 4가지 머신러닝 알고리즘을 적용하여 옥수수 볏짚 피복량 역산 모델을 구축하고 시기별 및 연구 구간별 모델 정확도를 비교하였다. 마지막으로 예측 성능이 모델 매개변수에 크게 영향을 받는 문제를 해결하기 위해 유전 알고리즘(GA)과 입자 군집 최적화 알고리즘(PSO)을 도입하고 이들의 상호 보완성을 활용한 유전-입자군집 혼합 알고리즘(GA-PSO)을 제안하여 모델 성능을 개선하고 지역 내 볏짚 피복량 산정을 완료하였다. 실험 결과 GA-PSO 최적화 기반 RF 알고리즘 옥수수 볏짚 피복량 역산 모델은 최상의 역산 효과를 나타냈으며, R² 값은 0.74에 달하였다. 또한 서로 다른 데이터 역산 결과 비교 분석에서 지역 내 볏짚 피복량을 비교적 진실하게 반영하였으며, 추정 정확도는 91.36%에 달해 모델 최적화를 통한 결과 추정이 가능함을 보여주었다. 본 연구는 보호 경운 볏짚 환원량 검출에 과학적 참고 자료를 제공하며 다른 작물 볏짚 피복량 추정에도 신뢰성 있는 모델 역산 방법을 제시한다.

다중 스펙트럼 이미지; 머신러닝; 볏짚 피복량; 드론; 유전 알고리즘; 입자 군집 최적화 알고리즘