온실 기후에서 개별 잎까지: 상추 성장의 기관 수준 해석 모델
From greenhouse climate to individual leaves: an organ-resolved model of lettuce growth
온실 기후 관리는 에너지 사용을 제한하면서 작물 생산성을 향상시키는 것을 목표로 합니다. 이를 위해서는 환경 조건을 변경하기 전에 작물이 어떻게 반응할지 미리 파악해야 합니다. 작물 디지털 트윈(digital twin)은 식물의 생리와 구조가 어떻게 함께 발달하는지를 표현할 수 있을 때에만 이러한 의사결정을 지원할 수 있습니다. 본 연구에서는 개별 잎의 생리학적 특성을 바탕으로 상추의 성장을 시뮬레이션하는 통합 프레임워크를 개발했습니다. 각 잎은 수관(canopy) 내 위치에 따른 조건을 전달받아 광합성을 통해 탄소를 공급했습니다. 이 탄소의 일부는 유지에 사용되었고 나머지는 성장을 뒷받침하는 데 활용되었으며, 나이, 크기 및 국소 환경에 따라 잎 사이에 분배되었습니다. 예측된 잎의 질량, 면적, 나이는 NVIDIA Isaac Sim에서 진화하는 3차원 식물 형태를 생성했습니다. 광선 추적(ray tracing)을 통해 각 잎이 가로채는 일사량을 계산하여 다시 광합성에 반영함으로써, 시간에 따라 구조와 성장이 상호작용하도록 했습니다. 온실 측정값 대비 상대 평균 제곱근 오차(RRMSE)는 총 건물중(dry weight)에서 9.5%, 잎 수, 수관 직경, 최대 잎 면적에서 각각 9.2%, 12.7%, 13.1%를 기록했습니다. 입사 일사량이 30% 감소했을 때 최종 건물중은 10.4% 감소한 반면, 동일한 비율로 증가했을 때는 6.9% 증가했고, 이산화탄소 200 ppm을 추가했을 때는 46.1% 증가했습니다. 40개 식물로 구성된 시뮬레이션 블록 내에서 내부 식물은 동일한 초기 상태의 외곽 식물에 비해 건물중 축적량이 8.6% 적었으며, 온실 식물에서 팁번(tipburn) 현상이 발생한 기간 동안 내부 잎의 잎별 팁번 지수가 상승했습니다. 따라서 개별 잎 수준의 해석은 국소적 환경 노출이 온실 내 식물 성장을 어떻게 변화시키는지 설명해 줍니다. 이 프레임워크는 실제 식물의 관측값을 통해 예측을 갱신하고 온실 기후 의사결정을 지원할 수 있는 양방향 디지털 트윈에 필요한 순방향 식물 모델을 제공합니다.