Landsat-8, Sentinel-1/2 및 GF-1/6 데이터를 사용한 초기 시즌 작물 유형 매핑 가능성 이해

• 다양한 위성 이미지를 사용한 작물 인식의 12가지 시나리오를 비교하였다. • GF-1, GF-6, Sentinel-1, Sentinel-2 및 Landsat-8을 결합하면 가장 빨리 작물을 식별할 수 있었다. • 초기 식별은 특징 속성, 작물 유형 및 기후 조건에 따라 달라진다. 원격 감지를 통한 초기 시즌 작물 식별은 초기 단계에서 불충분한 스펙트럼 및 시간 정보로 인해 어려운 과제이며, 특히 단일 위성 데이터에 의존할 때 더욱 그렇다. 다중 출처 데이터셋은 분류에 유용한 추가 정보를 제공할 수 있지만, 초기 시즌 작물 유형 매핑에서 다양한 위성 데이터 및 그 조합의 특정 의미는 여전히 불분명하다. 본 연구는 중국 헤이룽장성 롱장 카운티를 연구 지역으로 하여 공개적으로 이용 가능한 중고해상도 이미지 데이터(즉, Landsat-8, Sentinel-1/2 및 GF-1/6)를 통합하여 초기 시즌 작물 유형 매핑의 잠재력을 조사하였다. 결과에 따르면, 다섯 개 단일 데이터 소스 중에서 Sentinel-2가 가장 빨리 쌀을 식별했으며(F1 점수 0.9 초과), 그 다음으로 GF-1 및 Sentinel-1이 뒤를 이었다. 옥수수 식별 측면에서는 GF-6가 가장 빨리 식별되는 능력을 보여주었고, GF-1 및 Sentinel-2가 뒤를 이었다. 다중 출처 데이터셋을 결합하는 것이 단일 출처 데이터셋을 사용하는 것보다 초기 시즌 작물 분류에 더 효과적임이 입증되었다. 12가지 시나리오 중, GF-1, GF-6, Sentinel-1, Sentinel-2 및 Landsat-8의 통합이 초기 시즌 작물 식별에서 최고의 성능을 보여주었으며, 이로 인해 이식 단계(수확 4개월 전)에서 쌀과 생육 단계(수확 2개월 전)에서 옥수를 정확하게 식별할 수 있었다. 특징 분리 가능성 분석은 특정 작물 유형에 대한 중요한 스펙트럼/시간 특징과 기후 조건과 관련된 이미지 가용성이 초기 시즌 작물 식별에 영향을 미치는 주요 요소임을 보여주었다. 이 연구는 초기 작물 식별을 촉진하기 위해 다양한 위성 데이터셋을 선택하는 데 귀중한 통찰을 제공하고 중고해상도 위성 데이터를 활용한 초기 시즌 작물 유형 매핑의 가능성에 대한 이해를 높인다.