Towards Generalizable Mapping of Hedges and Linear Woody Features from Earth Observation Data: a national Product for Germany

기술 요약: 지구 관측 데이터를 활용한 헤지 및 선형 목질 지물의 일반화 가능한 매핑을 toward

문제 제기
헤지, 수림선, 하천변 식생과 같은 선형 목질 지물 (LWFs) 은 생물다양성, 기후 적응, 토양 보전에 필수적입니다. 그러나 지구 관측 (EO) 데이터를 활용한 이러한 지물의 체계적이고 대규모 매핑은 여전히 방법론적 과제로 남아 있습니다. 기존 접근법은 종종 특정 센서, 공간 해상도, 취득 조건 (예: 잎이 있는 상태 대 잎이 없는 상태) 의 좁은 조합에 의존하는 고도로 전문화된 방식을 사용합니다. 결과적으로 이러한 워크플로우는 이전성이 부족합니다. 한 데이터셋으로 훈련된 모델을 다른 지역이나 센서 유형에 적용할 경우 일반적으로 성능이 크게 저하되거나 광범위한 재훈련이 필요합니다. 더 나아가 독일에서 이용 가능한 EO 데이터의 다양성—고해상도 정사영상부터 수관 높이 지도까지—은 이질성을 처리하면서도 단일 재사용 가능한 분할 모델을 유지할 수 있는 통합 처리 파이프라인이 부재합니다.

방법론
저자들은 이진 목질 식생 마스크 생성과 선형 지물의 형태학적 분리를 분리하도록 설계된 모듈형 워크플로우를 제안합니다. 이 워크플로우는 두 가지 독립적으로 최적화 가능한 구성 요소로 구성됩니다:

1. 이질적 입력 데이터 인터페이스: 이 모듈은 다양한 EO 데이터 소스를 이진 목질 식생 마스크라는 통합 중간 제품으로 통합합니다. 본 연구는 독일을 위해 세 가지 서로 다른 입력 소스를 활용합니다:

   • BKG 데이터: 20 cm 디지털 정사영상 (DOP20), 1 m 디지털 표고 모델 (DSM), 1 m 디지털 지형 모델 (DTM), 그리고 건물 발자국의 조합입니다. DOP20 의 모자이크 특성 (변동하는 취득 날짜, 잎이 있는/없는 상태, 대비 향상) 으로 인해 조건부 처리 로직이 사용됩니다. 여기에는 정규화된 DSM(nDSM) 생성, 건물 마스크 작성, 그리고 취득 메타데이터에 기반한 타일별 NDVI 임계값 적용을 통해 식생 마스크를 도출하는 작업이 포함됩니다.
   • 수관 높이 지도 (CHMv2): 독일에서 약 0.73 m 해상도의 Maxar 영상에서 파생된 글로벌 제품으로, 간단한 높이 임계값을 통해 처리됩니다.
   • Liu 등 (2023) 수관 높이 지도: PlanetScope 영상에서 파생된 3 m 해상도 제품으로, 역시 높이 임계값 처리를 통해 처리됩니다.

2. 형태학적 분리를 위한 심층 신경망: 수정된 U-Net 아키텍처 기반의 딥러닝 모델이 이진 식생 마스크 내에서 선형 지물을 비선형 (조각난) 지물로부터 분리하도록 훈련됩니다.

   • 훈련 전략: 핵심적으로, 이 모델은 절차적으로 생성된 합성 데이터 전체에 대해서만 훈련됩니다. 이는 현장별 실제 레이블에 대한 의존성을 피하고 공간적 이전성을 향상시킵니다. 합성 데이터 생성기는 배경, 선형 지물 (각진 형태와 유기적 형태), 그리고 패치 (대형, 중형, 소형) 의 무작위 조합을 가진 1,024 × 1,024 픽셀 장면을 생성합니다.
   • 아키텍처 및 입력: 이 모델은 세 채널 입력을 수용합니다: 이진 식생 마스크, 그 스키레톤, 그리고 거리 변환입니다. 두 개의 출력 헤드를 사용합니다: 하나는 세 클래스 분할 (배경, 선형, 비선형) 을 위한 것이고, 다른 하나는 선형 지물로 제한된 스키레톤 예측을 위한 보조 헤드입니다.
   • 손실 함수: 훈련 목표는 가중 교차 엔트로피, 과소 대표된 선형 클래스에 초점을 맞춘 Dice 손실, 그리고 위상적 연속성을 강제하는 스키레톤 기반 손실을 결합합니다.
   • 추론: 모델은 중첩된 칩으로 국가 규모 마스크를 처리합니다. 후처리에는 예측된 스키레톤에서 멀리 떨어진 픽셀을 제거하는 스키레톤 기반 정제와 벡터 데이터를 사용하여 알려진 비식생 선형 구조물 (예: 다리, 태양광 공원) 을 제외하는 작업이 포함됩니다.

주요 기여

• 개념적 워크플로우: 정사영상, DSM/DTM, 수관 높이 지도와 같은 이질적 입력 데이터를 단일 중간 이진 마스크로 통합하는 통합 파이프라인으로, 서로 다른 데이터 구성에서 단일 훈련된 모델을 사용할 수 있게 합니다.
• 합성 훈련 방법론: 합성 데이터 생성에 전적으로 기반한 훈련 접근법으로, 새로운 지역이나 센서 유형에 적용될 때 재훈련이 필요 없는 공간적으로 독립적인 모델을 가능하게 합니다.
• 국가 규모 제품: 워크플로우의 유연성을 입증하는 0.73 m, 1 m, 3 m 공간 해상도의 독일용 세 가지 국가 규모 선형 목질 지물 지도 도출.
• 평가 프레임워크: 네 개 주 (바이에른, 브란덴부르크, 바덴뷔르템베르크, 노르트라인베스트팔렌) 의 독립 참조 데이터와 위상적 합의를 평가하기 위해 다양한 거리 임계값에 걸친 F1 점수의 AUC 를 사용하는 새로운 스키레톤 기반 지표를 활용한 포괄적인 평가로, 픽셀 단위 지표의 해상도 차이에 대한 민감성을 완화합니다.

결과
본 연구는 세 가지 도출된 지도를 참조 데이터와 두 가지 기존 데이터셋 (Huber-García 등, 2025; Muro 등, 2025) 과 비교 평가했습니다.

• 성능: 워크플로우는 모든 평가 사이트에서 경쟁력 있는 결과를 산출했습니다. BKG 데이터 (1 m) 와 CHMv2(0.73 m) 에서 파생된 모델들은 위상적 정확도 측면에서 일반적으로 3 m 해상도 모델 (Liu 등 및 Muro 등) 보다 우수한 성능을 보였습니다.
• 해상도 영향: 고해상도 입력이 더 상세한 결과를 산출했지만, 스키레톤 기반 평가는 엄격한 픽셀 중첩보다는 위상적 정렬에 초점을 맞출 때 해상도 간 성능 격차가 덜 두드러짐을 보여주었습니다.
• 일반화 가능성: 합성 데이터로 훈련된 단일 모델이 재훈련 없이 세 가지 서로 다른 입력 소스를 성공적으로 처리하여 워크플로우의 이전성을 검증했습니다.
• 한계: DSM 에 의해 제약된 BKG 유래 마스크의 1 m 해상도는 저성장 선형 지물의 배제로 이어져 Huber-García 등의 20 cm 해상도 연구에 비해 성능 격차를 초래했습니다. 또한, 잎이 없는 조건에서 취득된 타일은 단순화된 처리 분기를 필요로 하여, 때로는 후처리 제거가 필요한 비식생 구조물 (예: 다리) 을 도입했습니다.

의의
본 논문은 제안된 워크플로우가 선형 목질 지물 매핑에서 공간적 이전성의 중요한 병목 현상을 해결한다고 주장합니다. 입력 데이터를 이진 마스크로 추상화하고 추출 작업을 합성 데이터로 훈련된 모델이 해결하는 일반화된 형태학적 분리 문제로 간주함으로써, 지역별 재훈련의 필요성을 제거합니다. 이 모듈성은 도메인 전문가가 이용 가능한 현지 데이터를 기반으로 식생 마스크 생성을 최적화할 수 있게 하고, 딥러닝 전문가는 분할 모델을 독립적으로 개선할 수 있게 합니다. 저자들은 이 설계가 표준화된 벤치마크 데이터셋이 향후 검증을 위해 마련된다면 기존 글로벌 수관 높이 제품을 사용하여 독일 너머의 유럽 또는 글로벌 규모로 확장 가능한 매핑의 기초를 제공한다고 봅니다.