노지 퇴비 더미(Outdoor compost piles, OCPs)는 질소와 인이 다량 포함되어 있어, 강우 시 OCPs가 하천으로 유입될 경우 부영양화 및 녹조와 같은 수질을 악화시키는 주요 오염원으로 작용한다. 대한민국에서는 OCPs가 빈번히 사용되고 있으나, 현황을 조사하는 데 많은 인력과 예산이 소모된다는 한계가 있어 OCPs를 효율적으로 조사할 필요가 있다. 본 연구는 무인 항공기(UAV) 영상을 이용하여, 대한민국 농업 지역의 비점오염원인 노지 퇴비 더미(OCPs)를 효율적으로 탐지하고 관리하기 위한 다양한 기계 학습 기법들의 정확도를 비교하였다. 2019년 8월과 10월에 RGB, 다중분광, 열적외선 UAV 영상을 촬영하였다. 또한 식생지수(NDVI, NDRE, ENDVI, 및 GNDVI)와 지표면 온도도 고려하였다. 지지벡터머신(support vector machine, SVM), 의사결정나무(decision tree, DT), 랜덤 포레스트(random forest, RF), k-NN 등 4가지 기계 학습 기법을 구현하였으며, 여러 변수를 조정하여 가장 높은 정확도를 보이는 기계 학습 기법을 식별하였다. 모든 기계 학습 기법의 정확도는 매우 높았고, 최대 0.96에 이르렀다. 특히, 추정기(estimator)의 개수를 10으로 설정한 RF 방법의 정확도가 가장 높았으며, 8월에는 0.989, 10월에는 0.987을 기록하였다. 제안된 방법은 넓은 지역에 대해 OCP의 위치와 면적을 예측할 수 있어, OCP 현장 측정의 필요성을 배제할 수 있다. 따라서 본 연구 결과는 OCP 관리 전략과 수질 개선을 위한 매우 유용한 데이터를 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.