Landsat 8/9 및 Sentinel-2 A/B 영상을 활용한 U-Net과 Siamese U-Net 기반 산불 피해지 탐지 성능 비교: 캘리포니아 사례를 중심으로

전 세계적으로 산불 피해 면적이 증가함에 따라 산불 피해지 모니터링은 생태 회복을 위한 필수적인 과정으로 인식된다. 최근 피해 지역을 신속하고 정확하게 탐지하기 위해 위성 원격탐사와 딥러닝 기법이 활용되고 있다.
위성 영상 중 Landsat 8/9와 Sentinel-2 A/B는 짧은 관측 주기와 넓은 관측폭, 피해지 탐지에 핵심적인 밴드 구성을 갖추고 있어 모니터링에 적합한 센서로 평가된다. 딥러닝 기법으로는 단일 시점 영상을 활용하는 Semantic Segmentation과 시계열 영상을 활용하는 Change Detection이 주로 사용되며, 이는 산불 이전 영상의 활용 여부에 따라 구분된다.
본 연구에서는 동일 산불 사례를 대상으로 위성 센서(Landsat 8/9 vs Sentinel-2 A/B)와 딥러닝 기법(U-Net vs Siamese U-Net)을 교차 적용한 네 가지 실험을 구성하고 각 조합 간 산불 피해지 탐지 성능 차이를 정량적으로 비교·분석하고자 한다.