센티넬-1 및 센티넬-2 기반의 딥러닝을 이용한 흐리고 비가 오는 산지의 농지 parcel 기반 작물 분류

다중 시점 원격 탐사 데이터, 특히 주요 생리적 기간에 대한 데이터는 작물 분류에서 중요한 역할을 합니다. 그러나 흐리고 비 오는 기후 조건은 유효한 광학 데이터의 부족으로 이어져 작물 분류의 어려움을 초래할 수 있습니다. 일반적인 해결책은 모든 날씨에서 사용할 수 있는 합성 개구 레이더(SAR) 데이터셋을 활용하는 것입니다. 실제로 SAR과 광학 데이터셋은 이미지 융합 방법을 통해 농업 분야에서 자주 적용되지만, 광학 이미지의 수가 너무 적으면 적용하기가 어렵습니다. 이 문제를 해결하기 위해 본 연구에서는 데이터 전송 및 특징 최적화 기반 방법을 제안하며, RNN 기반 인코딩-디코딩 네트워크를 배치하여 농지 parcel 스케일에서 '광학' 시간적 특징에 추가 데이터를 추가하고 광학 조각의 활용도를 개선합니다. 이 방법을 바탕으로 우리는 서로 다른 데이터셋 간의 공간적 스케일의 불일치를 완화하고 작물 분류 절차에서 전문가 지식 없이 시계열 매개변수를 최적화합니다. 실험 결과는 이 방법의 작물 분류 정확도를 보여주며, 전통적인 접근 방식보다 4.1% 향상되었고, 특히 건천 작물(예: 옥수수 및 유채)에 효과적입니다. 따라서 본 연구는 흐리고 비가 내리는 산악 지역에서 유사한 응용을 위한 광학 데이터와 SAR 데이터의 결합 사용의 효과를 입증합니다.