3D 특징 피라미드 네트워크와 시간 도메인 클래스 활성화 간격을 활용한 센티넬 2 시계열 분석을 통한 작물 지도 작성

본 논문에서는 감시-2(Sentinel-2) 위성 영상 시계열 데이터를 활용하여 작물 지도화 연구 분야에 혁신적인 기여를 한다. 특히, 작물이 “어디서” 및 “언제” 재배되는지를 추출하는 것을 구체적인 목표로 삼는다. 최종 목표는 특정 지역에서 재배되는 다양한 작물을 신뢰성 있게 식별(분류)할 수 있는 워크플로우를 구축하는 것으로, 이를 위해 의미 분할(semantic segmentation)을 위한 엔드 투 엔드(3+2)D 컨볼루셔널 신경망(CNN)을 활용한다. 본 방법은 또한 각 픽셀 수준에서 특정 작물이 재배되는 시즌 내의 구체적인 기간에 대한 정보를 제공하는 것을 목표로 한다. 이를 위해, 입력 시계열 데이터에서 특정 클래스가 존재할 가능성이 높은 시기 구간을 판단할 수 있도록 CNN의 분류 과정에서의 추론을 해석할 수 있는 새로운 솔루션인 '클래스 활성 구간(Class Activation Interval, CAI)'을 제안한다. 공개 데이터셋을 활용한 실험 결과, 본 방법은 전체 정확도 약 93%로 작물 클래스를 정확하게 탐지할 수 있으며, 작물 재배 시기에 따른 구분 가능한 시기 구간을 효과적으로 탐지할 수 있음을 확인하였다. 이러한 결과는 두 가지 측면에서 중요한 의미를 갖는다. 첫째, 네트워크가 특정 작물 품종에 따라 달라지는 실제 물리적 과정(예: 갈변 상태, 식물 성장, 노화 및 수확)을 정확히 해석할 수 있음을 입증한다. 둘째, 최종 사용자(예: 작물 존재 여부 및 그 시계적 동태 정보)에게 추가적인 유용한 정보를 제공할 수 있음을 보여준다.