본 논문은 식량 안보, 지속 가능한 농업 관행 유지, 식량 부족 완화 정책 수립 및 온실 가스 배출 관리를 위해 필수적인 농업 모니터링에 관한 연구이다. 기존의 물리적 모델은 특정 상황에 맞춰 설계 및 구현되고 매개변수의 불확실성이 높은 반면, 데이터 기반 모델은 블랙박스 구조로 인해 상호 의존적인 생태 변수를 명시적으로 모델링하지 못하고, 광범위한 훈련 데이터를 필요로 하며 일반화 능력이 부족하다는 한계를 지닌다. 이를 해결하기 위해, 본 논문에서는 여러 물리적 모델의 기본 과정에 대한 지식을 활용하여 주요 작물 변수를 예측하는 지식 유도 인코더-디코더 모델을 제안한다. 또한, 복잡하고 불일치하는 입력을 처리하고 여러 물리적 모델의 지식을 선택적으로 결합하는 모델 선택 메커니즘을 구현하기 위해 언어 모델을 통합한다. 다양한 지역의 탄소 및 질소 플럭스 예측 평가를 통해 제안된 모델의 효과성과 강건성을 입증한다.
