TanDEM-X 및 Landsat 데이터를 활용한 산림 높이 추정을 위한 하이브리드 머신러닝 모델
요약
TanDEM-X 간섭성 결맞음 데이터를 활용한 산림 높이 추정 모델의 물리적 모호성을 해결하기 위해 Landsat 광학 데이터를 결합한 하이브리드 머신러닝 모델을 제안합니다. 가봉 로페 국립공원 데이터를 통해 검증한 결과, 기존 모델 대비 RMSE 13.5%, MAE 16.6%의 오차 감소를 달성하며 다중 분광 데이터의 유효성을 입증했습니다.
핵심 포인트
- 물리 모델(PM)과 머신러닝(ML)을 통합하여 원격 탐사 데이터의 물리적 일관성 확보
- TanDEM-X 데이터의 높이 및 지형 경사 모호성을 해결하기 위해 Landsat 광학 데이터 도입
- 항공 LiDAR 측정값과의 비교를 통해 모델의 정확도 검증
- 다중 분광 입력값 추가를 통해 기존 하이브리드 모델 대비 오차(RMSE, MAE) 대폭 개선
머신러닝 (ML)을 물리 모델 (PM)과 통합하는 것은 원격 탐사 데이터로부터 지구 물리적 매개변수를 추출하는 유망한 방법으로 부상했습니다. 이러한 맥락에서, 최근 TanDEM-X 간섭성 결맞음 (interferometric coherence) 측정값으로부터 산림 높이를 추정하기 위해 물리 모델 (PM)을 통해 학습 과정을 제약하는 머신러닝 (ML) 모델이 제안되었습니다. 학습 및 역산 (inversion)에 사용된 특징 (features)들은 솔루션의 물리적 일관성을 보장하도록 선택되었으나, 데이터 내의 모든 높이/구조 및 기선(baseline)/지형 경사 모호성을 해결할 수는 없었습니다. 이를 개선하기 위해, 산림 유형이나 구조에 대한 보완적인 정보를 제공할 수 있는 광학 Landsat 데이터로 특징 공간 (feature space)을 확장하는 방안이 제안되었습니다. 확장된 모델은 가봉 로페 (Lopé) 국립공원 지역의 여러 TanDEM-X 획득 데이터에 적용 및 검증되었으며, 항공 LiDAR 측정값과 비교하여 평가되었습니다. 결과에 따르면 기존 하이브리드 모델과 비교하여 RMSE는 13.5% 감소하였고, MAE는 16.6% 감소하여 다중 분광 (multispectral) 입력값의 부가가치를 확인하였습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기