원격 감지 기술을 활용한 옥수수 수확량 예측 연구. 기존의 과정 기반 모델과 머신러닝 모델의 한계를 극복하고자, 지식 기반 머신러닝 (KGML) 프레임워크를 활용하여 토양 수분을 중간 변수로 고려한 KGML-SM 모델을 개발. 가뭄 상황에서 과대 예측을 방지하기 위해 가뭄 인식 손실 함수를 설계하고, KGML-SM 모델이 다른 머신러닝 모델보다 우수한 성능을 보임을 실험적으로 입증. 가뭄, 토양 수분, 옥수수 수확량 간의 관계를 분석하고, 예측 오류의 해석 가능성을 제공하여 향후 모델 개선 방향 제시.
