본 연구에서는 의사결정나무(CART)기법, 인공신경망모형, 인공위성 원격탐사자료와 지형자료 및 지상 기상관측망자료를 이용하여 토양수분을 산정하는 모형을 개발하였다. 본 모형의 검증을 위하여 사용된 토양수분 관측자료는 용담댐 유역에서 관측된 5개 지점의 토양수분자료를 사용하였다. 가용자료에 대해 CART기법을 적용하여 자료를 분류한 다음 분류된 각 자료집단에 대하여 인공신경망(Artificial Neural Networks)모형을 적용하여 토양수분 분포를 예측하였다. 모형의 학습에 사용된 주천, 부귀, 상전, 안천 지점의 토양수분 산정치는 관측치와 약 0.92-0.96의 상관계수, 약 1.00-1.88%의 평균제곱근오차와 약 0.75-1.45%의 평균절대오차를 보여주었다. 토양수분 추정모형을 검증하기 위해 천천2의 지점에 적용한 결과 약 0.91의 상관계수, 약 3.19%의 평균제곱근오차, 약 2.72%의 평균절대오차를 보여 CART기법과 인공신경망모형을 연계한 토양수분 산정모형이 토양수분 분포제시 활용에 적절한 것으로 판단된다.
In this study, a soil moisture estimation model was developed using a decision tree model, an artificial neural networks (ANN) model, remotely sensed data, and ground network data of daily precipitation, soil moisture and surface temperature. Soil moisture data of the Yongdam dam basin (5 sites) were used for model validation. Satellite remote sensing data and geographical data and meteorological data were used in the classification and regression tree (CART) model for data classification and the ANNs model was applied for clustered data to estimate soil moisture. Soil moisture data of Jucheon, Bugui, Sangjeon, Ahncheon sites were used for training and the correlation coefficient between soil moisture estimates and observations was between 0.92 to 0.96, root mean square error was between 1.00 to 1.88%, and mean absolute error was between 0.75 to 1.45%. Cheoncheon2 site was used for validation. Test statistics showed that the correlation coefficient, the root mean square error, the mean absolute error were 0.91, 3.19%, and 2.72% respectively. Results demonstrated that the developed soil moisture model using CART and ANN was able to apply for the estimation of soil moisture distribution.
