널리 사용 가능한 데이터셋을 활용하여 연속적인 고해상도 위성 영상을 생성하기 위한 여러 시공간 데이터 융합 방법이 개발되어 왔다. 본 연구는 융합 정확도를 향상시키기 위해 설계된 잔차 분포 기반 시공간 데이터 융합 방법(Residual Distribution-based Spatiotemporal Data Fusion Method; RDSFM)을 제시한다. RDSFM은 공간적 및 시간적 변동으로 인해 발생하는 잔차를 다루며, 시간에 따라 수집된 다변량 데이터를 기반으로 IR-MAD 알고리즘을 이용하여 픽셀 하위(subpixel) 분포 가중치를 추정한다. 기존 방법과 비교할 때 RDSFM은 다음과 같은 핵심 장점을 제공한다. (1) 적색 및 NIR과 같은 밴드의 계절적 변화를 정확하게 예측하며, (2) 이질적인 지형과 변화하는 토지피복을 효과적으로 처리하고, (3) 입력으로 단 하나의 고해상도 기준 영상만 필요로 하여 데이터 요구량을 최소화한다. RDSFM의 유효성은 실제 위성 영상으로 검증되었으며, unmixing 기반 데이터 융합(UBDF)과 같은 방법들과 벤치마킹되었다. 실험 결과는 RDSFM이 특히 적색 및 NIR에서 조해상도 밴드의 계절 변화를 성공적으로 포착함을 보여주었고, 이는 식생 분석에 특히 유용함을 의미한다. 또한 RDSFM은 시각적 평가와 정량적 평가 모두를 통해 확인된 바와 같이, 이질적인 지형과 동적 토지피복이 나타나는 지역을 관리하는 데서 우수한 성능을 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.