본 논문은 개방형 지구 관측(EO) 및 농업 데이터셋의 증가하는 가용성이 지속 가능한 토지 관리를 지원하는 데 큰 잠재력을 가지지만, 높은 기술적 진입 장벽으로 인해 비전문가 사용자의 접근성이 제한된다는 문제를 다룹니다. 이를 해결하기 위해, 본 연구는 다중 모드 검색 및 대규모 언어 모델(LLM)을 통합한 오픈소스 대화형 어시스턴트를 제시합니다. 제안된 아키텍처는 정사영상, Sentinel-2 식생 지수 및 사용자 제공 문서를 검색 증강 생성(RAG)을 통해 결합하여 시스템이 다중 모드 증거, 텍스트 지식 또는 둘 다를 유연하게 사용하여 답변을 구성할 수 있도록 합니다. 응답 품질을 평가하기 위해, Qwen3-32B를 사용한 LLM-as-a-judge 방법론을 제로샷, 비지도 설정에서 채택하여 다차원 정량적 평가 프레임워크에서 직접 점수를 매깁니다. 예비 결과는 시스템이 농업 관련 질문에 명확하고 관련성 있으며 맥락을 인식하는 응답을 생성할 수 있으며, 지리적 지역에 걸쳐 재현 가능하고 확장 가능함을 보여줍니다. 주요 기여는 다중 모드 EO 및 텍스트 지식 소스를 융합하는 아키텍처, 자연어 상호 작용을 통한 전문 농업 정보에 대한 접근 장벽을 낮추는 데 대한 실증, 그리고 개방적이고 재현 가능한 설계입니다.
