전 세계 규모 수관 높이 추정: 위성 데이터와 지오위치 오류 보정 손실 함수 활용

초록

본 논문은 Sentinel‑1·2 위성 영상과 GEDI 라이다 측정치를 결합하고, 지형 기울기와 지오위치 오차를 보정하는 새로운 손실 함수를 도입해 10 m 해상도의 전 지구 수관 높이 지도를 생성한다. MAE 2.43 m, RMSE 4.73 m(전체) 및 4.45 m/6.72 m(5 m 이상 나무) 성능을 달성해 기존 글로벌 지도보다 크게 개선하였다.

상세 분석

이 연구는 전 세계 수관 높이 추정이라는 난제에 대해 데이터 전처리, 라벨 정제, 모델 설계, 손실 함수 설계라는 네 가지 핵심 축을 동시에 강화한 점이 가장 큰 강점이다. 먼저 Sentinel‑1 레이더와 Sentinel‑2 멀티스펙트럼 데이터를 각각 여름철 평균값과 클라우드 감소 알고리즘을 적용해 10 m 해상도의 복합 영상을 만든다. 이는 기존에 개별 이미지에 의존하던 방식보다 기상·대기 잡음을 크게 감소시킨다. 두 번째로 GEDI 라이다 라벨을 활용하면서, 고도 기울기가 20°를 초과하는 지역을 SRTM 고도 데이터로 필터링해 산악 지형에서 발생하는 과대 추정 문제를 사전에 차단한다. 이는 라벨 노이즈를 근본적으로 줄이는 조치로, 모델이 실제 수관 변화를 학습하도록 만든다.

핵심적인 기여는 ‘Shift‑Resilient Loss’이다. GEDI 측정은 위성 궤도와 GPS·스타 트래커 결합으로 위치 오차가 존재하는데, 기존 L2 손실은 이러한 오차를 그대로 오류로 판단한다. 논문에서는 각 트랙을 반경 r 이내에서 자유롭게 이동시켜 손실이 최소가 되는 위치를 선택하도록 설계했으며, 이는 기존 손실에 ‘최소화된 이동’ 연산을 추가하는 형태다. 결과적으로 모델은 실제 수관 높이를 올바르게 예측하면서도 라벨 위치 오차에 강인해진다.

모델 아키텍처는 U‑Net에 ResNet‑50 백본을 결합한 구조로, 픽셀‑단위 회귀를 위해 마지막 레이어를 선형 활성화로 변경하였다. AdamW 옵티마이저와 가중치 감쇠, 학습률 워밍업·스케줄링을 적용해 안정적인 수렴을 도모했으며, 라벨 분포가 편향된 점을 보완하기 위해 가중치 샘플러를 사용했다. 데이터는 100 000개의 512×512 패치로 구성하고, 80 %를 학습, 10 %를 검증·테스트에 할당해 과적합을 방지하였다.

실험 결과는 전체 영역에서 MAE 2.43 m, RMSE 4.73 m, 5 m 이상 수목에 대해서는 MAE 4.45 m, RMSE 6.72 m를 기록했으며, 이는 기존 글로벌 지도(Potapov 2021, Lang 2023)보다 현저히 낮은 오차이다. 특히 고해상도(10 m)와 전 지구 커버리지를 동시에 달성한 점은 실용적인 생태·탄소 모니터링에 큰 기여를 의미한다. 다만, 여전히 라벨이 희소하고, 고도 기울기 필터링으로 인해 급경사 지역의 데이터가 제외되는 한계가 있다. 또한, 손실 함수의 반경 r 값 선택이 결과에 민감할 수 있어 추가적인 민감도 분석이 필요하다. 전반적으로 데이터 전처리와 라벨 정제, 손실 함수 설계가 유기적으로 결합된 본 접근법은 대규모 원격탐사 기반 환경 모델링에 새로운 표준을 제시한다.