[연구] Super resolution 딥러닝기술을 통해 장기간 식생 위성 자료의 해상도를 10배 향상시키다

Super resolution of historic Landsat imagery using a dual generative adversarial network (GAN) model with CubeSat constellation imagery for spatially enhanced long-term vegetation monitoring

서울대학교 농업생명과학대학 조경·지역시스템공학부 류영렬 교수팀이 장기 식생 모니터링을 위해 위성영상의 공간해상도를 높이는 Dual Remote-Sensing Super-Resolution Generative Adversarial Network (Dual RSS-GAN)을 개발하였으며, Landsat 데이터의 공간해상도 제약을 극복하였다.
해당 연구 결과는 2023년 5월 원격탐사 분야 세계 최고 권위 학술지인 ISPRS Journal of Photogrammetry and Remote Sensing 에 게재되었다.

연구팀은 Dual RSS-GAN 통해 Planet Fusion 및 Landsat 8 데이터를 결합하여 공간적으로 향상된 장기간의 식생 지수 시계열을 시뮬레이션할 수 있었다.
이 연구에서는 타워 기반 연속 현장 관측자료 및 드론 기반 지도와 dual RSS-GAN 접근법의 성능을 평가하였으며, Landsat 8에 비해 식생 지수 과소평가를 줄일 수 있었다.
이 새로운 접근법은 과거의 식생 변화에 대한 보다 자세한 공간 분석을 제공할 수 있으며, 최종적으로는 정밀 농업 응용 및 토지 변화 모니터링에 기여할 수 있다.