노이즈가 많은 역사 지도에서 인공지능 기반의 주유목장 지도 생성: 말레이시아 및 인도네시아 (2020-2024)

From Noisy Historical Maps to Time-Series Oil Palm Mapping Without Annotation in Malaysia and Indonesia (2020-2024)

동남아시아에서 경제 발전과 환경 보존의 균형을 맞추기 위해서는 정확한 주유목장 모니터링이 매우 중요합니다. 그러나 기존의 주유목장 지도는 종종 낮은 공간 해상도와 최신 시점 정보 부족으로 인해 급격한 토지 이용 변화에 대한 효과적인 감시를 어렵게 합니다. 본 연구에서는 Sentinel-2 위성 이미지를 활용하여 새로운 수동 주석 없이 인도네시아와 말레이시아의 2020년부터 2024년까지의 10미터 해상도 주유목장 지도를 생성하는 딥러닝 프레임워크를 제안합니다. 100미터 해상도의 기존 레이블과 10미터 이미지 간의 해상도 불일치를 해결하기 위해, Determinant-based Mutual Information (DMI)으로 최적화된 U-Net 아키텍처를 사용했습니다. 이 접근 방식은 레이블 노이즈의 영향을 효과적으로 줄입니다. 제안하는 방법은 2,058개의 수동 검증 지점을 사용하여 검증되었으며, 2020년, 2022년, 2024년에 각각 70.64%, 63.53%, 60.06%의 전반적인 정확도를 달성했습니다. 종합적인 분석 결과, 해당 지역의 주유목장 면적은 2022년에 최고조에 달한 후 2024년에 감소했습니다. 또한, 토지 피복 전환 분석 결과, 전반적인 작물 종류와의 윤작 안정에도 불구하고 주유목장이 침수 식생 지역으로 확장되는 우려스러운 경향을 보였습니다. 본 연구에서 생성된 고해상도 지도는 해당 지역의 지속가능성 약속 준수 및 산림 파괴 동향을 모니터링하는 데 필수적인 데이터를 제공하며, 생성된 데이터셋은 다음 링크에서 공개적으로 이용 가능합니다: https://doi.org/10.5281/zenodo.17768444.

Accurate monitoring of oil palm plantations is critical for balancing economic development with environmental conservation in Southeast Asia. However, existing plantation maps often suffer from low spatial resolution and a lack of recent temporal coverage, impeding effective surveillance of rapid land-use changes. In this study, we propose a deep learning framework to generate 10-meter resolution oil palm plantation maps for Indonesia and Malaysia from 2020 to 2024, utilizing Sentinel-2 imagery without requiring new manual annotations. To address the resolution mismatch between coarse 100-meter historical labels and 10-meter imagery, we employ a U-Net architecture optimized with Determinant-based Mutual Information (DMI). This approach effectively mitigates the influence of label noise. We validated our method against 2,058 manually verified points, achieving overall accuracies of 70.64%, 63.53%, and 60.06% for the years 2020, 2022, and 2024, respectively. Our comprehensive analysis reveals that oil palm coverage in the region peaked in 2022 before experiencing a decline in 2024. Furthermore, land cover transition analysis highlights a concerning trajectory of plantation expansion into flooded vegetation areas, despite a general stabilization in rotations with other crop types. These high-resolution maps provide essential data for monitoring sustainability commitments and deforestation dynamics in the region, and the generated datasets are made publicly available at https://doi.org/10.5281/zenodo.17768444.