위성 이미지로 침입식물 감시: Sentinel 2가 항공사진을 넘어선다

초록

본 연구는 멜버른 서부 1,200헥타르 지역의 침입성 풀인 Serrated tussock(​Nassella trichotoma​)을 분류하기 위해 다중시즌 Sentinel‑2 데이터를 활용한 11개의 모델을 구축하고, 기존 고해상도 항공영상 기반 모델과 비교하였다. 다중계절 및 9가지 식생지수를 포함한 최적 모델(M76*)은 전체 정확도 68 %와 Kappa 0.55를 달성해 항공영상 모델(67 %, 0.52)을 약간 앞섰다.

상세 분석

이 논문은 침입식물 모니터링에 있어 공간 해상도와 비용 사이의 트레이드오프를 극복하고자 Sentinel‑2의 스펙트럴·시계열 장점을 체계적으로 검증한다. 먼저 2021‑2022년 2년간 4계절(가을, 겨울, 봄, 여름) 평균값을 구해 계절별 합성을 수행했으며, 각 계절마다 10개의 밴드와 9개의 식생지수를 산출했다. 식생지수는 NDVI, EVI, SAVI, IRECI, NDVI 표준편차, TDVI, NLI, MNLI 등으로, 특히 NLI·MNLI는 비선형 반사 특성을 포착해 고밀도 초목 구역에서 유용함을 보였다.

특징 집합은 크게 세 그룹으로 나뉜다. (1) 기본 밴드와 기존 연구에서 사용된 14개 지수만을 이용한 모델(M17, M24, M41 등); (2) 전 밴드와 텍스처(GLCM)만을 활용한 모델(M24, M66); (3) 전 밴드와 식생지수, 그리고 다중계절 정보를 결합한 모델(M40, M76*, M64, M20 등). 텍스처 전용 모델은 OA 34‑36 %에 불과해 스펙트럴 혼합이 심한 초목 환경에서는 한계가 있음을 확인했다. 반면, 다중계절·식생지수 결합 모델은 OA 66‑68 %, Kappa 0.52‑0.55를 기록하며 전반적인 성능이 크게 향상되었다.

특히 M76*는 10‑30 % 중간 피복 클래스에서 F1‑score 0.51, Recall 0.48을 달성했으며, 이는 기존 항공영상 모델(중간 클래스 F1 0.44)보다 현저히 높은 수치다. 저피복(0 %)과 고피복(>30 %) 클래스에서도 각각 F1 0.66‑0.89, Recall 0.71‑0.84를 기록, 전반적인 균형 잡힌 분류가 가능함을 보여준다.

모델 학습에는 Random Forest(300 tree)와 PCA(99.9 % 분산 보존) 전처리를 적용했으며, 80 % 훈련·20 % 검증 비율을 고정 시드로 반복해 결과의 재현성을 확보했다. 이 과정에서 다중계절 입력이 모델의 분산을 감소시키고, 특히 중간 피복 구역에서의 혼동을 완화하는 효과가 입증되었다.

비용 측면에서는 Sentinel‑2가 5일 주기로 전 세계를 커버하고, 무료로 제공되는 반면, 항공촬영은 고해상도(≤0.5 m)에도 불구하고 촬영·처리 비용이 수천 달러에 달한다. 따라서 1 % 정도의 정확도 차이(68 % vs 67 %)는 비용 효율성 측면에서 충분히 정당화될 수 있다.

결론적으로, 스펙트럴 해상도가 낮더라도 다중계절·다양한 식생지수·텍스처를 통합한 Sentinel‑2 기반 모델은 침입식물 감시에서 항공영상과 동등하거나 그 이상을 달성할 수 있음을 실증하였다. 향후 연구에서는 더 세밀한 시계열(주간) 데이터와 딥러닝 기반 시계열 분석을 도입해 중간 피복 구역의 분류 정확도를 추가로 끌어올릴 여지가 있다.