PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.20034v1cs.LG

스위스 5개 도시 사례 연구: 정밀 국소 기후 지대(LCZ) 매핑을 위한 AlphaEarth 및 TESSERA 임베딩의 잠재력 탐색

Exploring the potential of AlphaEarth and TESSERA embeddings for Fine-scale Local Climate Zone Mapping: A case study across five cities in Switzerland

도시 공간 형태를 이해하는 것은 기후 모델링, 위험 평가 및 지속 가능한 도시 설계에 매우 중요하며, 국소 기후 지대(LCZ) 매핑은 이를 위한 기본 프레임워크를 제공합니다. 그러나 많은 도시는 여전히 약 100m 해상도의 거친 LCZ 기록을 사용하며, 이는 정밀 도시 연구에 적합하지 않습니다. 본 연구에서는 스위스 5개 도시에서 TESSERA (Feng et al., 2025)와 AlphaEarth (Brown et al., 2025)의 사전 계산된 임베딩을 기존 Sentinel-1/2 (S1S2) 합성 데이터와 비교하여, 어텐션 기반 U-Net을 사용하여 거친 LCZ 지도를 10m 해상도로 업스케일링할 수 있는지 확인합니다. 세 가지 실험을 통해 다중 도시 전이 가능성, 더 높은 해상도의 참조 데이터 영향, 그리고 연도별 계절적 변화에 대한 시간적 견고성을 평가합니다. 그 결과, 모든 데이터셋이 첫 번째와 두 번째 실험에서 각각 0.59-0.69 및 0.77-0.82 범위의 테스트 데이터 교차합(IoU)을 기록하며 강력한 성능을 보였습니다. TESSERA는 두 가지 설정 모두에서 S1S2와 AlphaEarth를 일관되게 능가했습니다. 예상대로, 임베딩 기반 모델의 연도 간 전이는 여전히 해결해야 할 과제로 남아 있습니다. 전반적으로, 우리의 결과는 지구 관측(EO) 파운데이션 모델에서 파생된 임베딩이 시간 소모적인 전처리 및 수동 특징 엔지니어링 작업을 줄이고, 범용 심층 학습 기반 LCZ 매핑 워크플로우를 안내할 수 있는 유망한 잠재력을 보여줍니다. 간단한 위치 인식 어텐션 U-Net 아키텍처와 결합될 때, 임베딩은 지역 전이 가능성과 확장성을 향상시켜 글로벌 도시 기후 응용을 위한 포괄적이고 재현 가능한 정밀 LCZ 지도의 개발을 지원합니다. 참조 데이터 품질을 개선하는 것은 추가적인 정확도 향상을 위한 가장 강력한 수단으로 남아 있습니다.