칭짱 고원의 지표 반사율은 자연 자원 모니터링, 생태 환경 보호 및 지구 과학 연구 등 분야에서 중요한 응용을 가지고 있습니다. MOD09A1 반사율 데이터는 구름 등의 영향으로 인해 많은 이상 화소가 발생하여 데이터에 정보 손실과 불완전성 문제가 존재합니다. 인접 시계열 원격 감지 영상 간 높은 상관성을 고려하고, 동종 지물의 스펙트럼이 높은 유사성을 가지는 점을 바탕으로, 본 논문은 칭짱 고원 지역을 대상으로 결손 다시계열 데이터 및 지표 피복 분류 정보를 기반으로 한 지표 반사율 딥러닝 복원 방법을 제안합니다. 먼저, 다시계열 MOD09A1 반사율 데이터와 MCD12Q1 지표 피복 분류 데이터를 기초로 이상 화소 제거, 유효 층 추출, 투영 변환 및 이어붙이기를 통해 대상 영역의 기초 반사율 영상 및 보조 데이터를 얻습니다; 둘째, 잔차 네트워크 기본 원리에 따라 다중 시계열 데이터와 지표 피복 분류 정보 융합 기반 딥러닝 네트워크 모델을 구축합니다; 그리고 나서 MOD09A1 데이터 완전 영역 절단된 구름 마스크 샘플과 지표 피복 분류 및 K-평균 군집 알고리즘 기반 증강 샘플을 이용해 모델을 학습시킵니다; 마지막으로 학습된 모델을 사용해 결손 데이터 영역의 지표 반사율을 복원합니다. 두 그룹의 비교 실험 결과 본 방법이 다중 시계열 보조 영상 데이터 양과 완전성 요구를 낮추었으며, 다중 시계열 데이터 결손 상황에서 지표 피복 분류 정보를 결합하여 칭짱 고원의 광범위 지표 반사율 수복 및 복원이 가능함을 보여줍니다.

지표 반사율;칭짱 고원;딥러닝;MODIS 데이터;결손 데이터 복원