이 연구는 리투아니아의 초지 모니터링을 위해 딥러닝 기반 Sentinel-1 및 Sentinel-2 데이터 융합 방법을 제안한다. 주요 내용은 다음과 같다:
Sentinel-1 백산란 계수와 코히어런스 데이터, 그리고 Sentinel-2 NDVI 관측치를 결합하는 CNN-RNN 모델을 개발하여 6일 간격의 연속적인 NDVI 시계열을 생성한다.
다양한 구름 덮임 시나리오에서 제안 모델의 NDVI 보정 성능을 평가하고, 선형, Akima, 2차 보간법 등 기존 보간 기법과 비교한다.
생성된 연속 NDVI 시계열이 초지 예초 이벤트 탐지 정확도 향상에 미치는 영향을 분석한다. 기존 알고리즘인 MDA I과 MDA II를 활용하여 성능을 비교한다.
결과적으로 제안 모델은 평균 MAE 0.024, R2 0.92로 우수한 NDVI 보정 성능을 보였다. 또한 초지 예초 이벤트 탐지 정확도에서도 기존 방법 대비 향상된 성능을 나타냈다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Iason Tsarda... at arxiv.org 03-15-2024
https://arxiv.org/pdf/2403.09554.pdfDeeper Inquiries