위성 탑재 라이다 데이터의 공간 희소성 문제를 해결하기 위해 본 논문에서는 특성 보간에 기반한 다중 소스 데이터 융합 방법을 제안하여 지역 규모의 산림 지상 바이오매스(Aboveground Biomass, AGB) 지도 제작을 실현하였다. 먼저, GEDI L2A/L2B 및 ICESat‑2/ATL08에서 광점 규모의 3차원 구조 파라미터를 추출하고 Sentinel-2의 스펙트럼 특성 변수 및 지형 인자를 결합하여 광점 규모 특성 변수 데이터셋을 구축하였다. 다음으로, 상관성 분석을 통해 고공선성 특성 변수를 제거하고 CatBoost(범주형 특성 그라디언트 부스팅), RF(랜덤 포레스트), LightGBM(라이트 그라디언트 부스팅 머신) 세 가지 회귀 알고리즘을 비교하여 최적 모델을 선정하였다. 그 후, CatBoost의 특성 중요도와 SHAP(Shapley Additive exPlanations) 해석을 기반으로 주요 특성 변수를 추가로 선별하였다. 마지막으로, 라이다 주요 특성 변수를 보간하여 연속적인 래스터 특성을 얻고 최적 회귀 모델을 통해 산림 AGB 공간 지도를 완성하였다. 검증 결과, 광점 규모 모델링에서 CatBoost가 가장 우수한 성능을 보였으며(R²=0.88, RMSE=78.74 Mg/ha, rRMSE=20.93%), 특성 보간 및 다중 소스 데이터 융합을 기반으로 한 공간 지도 제작 정확도는 R²=0.82, RMSE=60.90 Mg/ha, rRMSE=36.54%로 나타났으며, 광학 원격 탐사 영상만을 사용한 지도 제작에 비해 rRMSE가 약 34.7% 감소하였다. 특성 보간 전략을 활용하여 라이다 광점의 주요 구조 변수를 공간적으로 연속화하고 고해상도 광학 및 지형 정보와 융합함으로써 광점의 공간 분포 희소성과 광학 영상의 수직 구조 정보 부족 문제를 효과적으로 보완할 수 있으며, 이는 대규모 산림 탄소 저장량 평가 및 생태계 모니터링에 방법적 참고를 제공할 수 있다.

전 지구 생태계 동태 조사; 빙구 및 육지 고도 위성; 라이다; 광학 원격탐사 영상; 특성 보간; 지상 바이오매스 지도 제작