본 논문은 옥수수 수확량 예측에 원격탐사(RS) 기술과 지식 기반 기계 학습(KGML)을 활용한 새로운 프레임워크인 KGML-SM을 제시합니다. 기존의 과정 기반 모델의 한계와 기계 학습 모델의 해석성 문제를 극복하기 위해, 토양 수분을 중간 변수로 활용하여 식물 성장에 중요한 역할을 강조하고, 가뭄 조건에서 과대 예측을 방지하는 가뭄 인식 손실 함수를 설계했습니다. 실험 결과, KGML-SM 모델은 다른 기계 학습 모델보다 우수한 성능을 보였으며, 가뭄, 토양 수분, 옥수수 수확량 예측 간의 관계를 분석하여 다양한 지역과 기간에 걸쳐 토양 수분이 옥수수 수확량 예측에 미치는 영향을 평가했습니다.
