---
type: paper
slug: miae-kim-2018-cnn-land-cover
title: >-
  Convolutional Neural Network-Based Land Cover Classification Using 2-D
  Spectral Reflectance Curve Graphs With Multitemporal Satellite Imagery
authors:
  - '[[miae-kim]]'
  - '[[junghee-lee]]'
  - '[[daehyeon-han]]'
  - '[[minso-shin]]'
  - '[[jungho-im]]'
  - '[[junghyelee]]'
  - '[[lindi-j-quackenbush]]'
  - '[[zhu-gu]]'
year: 2018
venue: '[[ieee-jstars]]'
volume: '11'
issue: '12'
doi: ''
categories:
  - '[[remote-sensing]]'
  - '[[machine-learning]]'
methods:
  - '[[convolutional-neural-network]]'
  - '[[spectral-reflectance-curve]]'
themes:
  - '[[land-cover-classification]]'
  - '[[multitemporal-satellite]]'
  - '[[2d-spectral-graph]]'
aliases: []
last_updated: '2026-05-17T21:30:00+09:00'
---
# Convolutional Neural Network-Based Land Cover Classification Using 2-D Spectral Reflectance Curve Graphs With Multitemporal Satellite Imagery

*[[miae-kim]], [[junghee-lee]], [[daehyeon-han]], [[minso-shin]], [[jungho-im]], [[junghyelee]], [[lindi-j-quackenbush]], [[zhu-gu]] (2018)* · [[ieee-jstars]] 11(12)

> 위성 영상의 *spectral reflectance curve* 를 *2D graph* 로 변환 후 [[convolutional-neural-network]] 으로 *land cover classification*. Multitemporal (시간 변동 spectra) 정보를 *spatial 변환* — 1D spectra → 2D graph image — 으로 CNN 의 이미지 인식 능력 활용. [[junghyelee]] · [[jungho-im]] (UNIST 지구과학) + 미국 SUNY 공동 연구.

- **RQ**: Multitemporal 위성 spectral 데이터를 *2D 이미지로 변환* 후 [[convolutional-neural-network]] 으로 *land cover 분류* 하는 접근이 효과적인가?
- **방법론**: Spectral reflectance curve (1D) → 2D graph 이미지 변환 + CNN 분류
- **데이터**: 시간 변동 multispectral 위성 이미지 (multitemporal)
- **주요 발견**: (1) 2D graph 변환이 CNN 의 이미지 인식 능력 활용 가능. (2) Multitemporal 정보가 *시계열 + spectral* 두 차원을 graph 안에 통합. (3) 기존 1D spectral 분석 또는 단일 시점 분류 대비 *시간 정보 활용*.
- **시사점**: 위성 spectral 데이터의 *2D 변환* 이 CNN 의 *cross-domain* 활용. 다른 시계열 + multispectral 도메인에 일반화 가능.

![Spectral reflectance curve 의 2D 변환과 CNN 기반 land cover 분류 구조.](/papers/201812_KimM_Convolutional_Neural_Network_Based_Land_Cover_Classification_Using_2_D_Spectral_Reflectance_Curve_Graphs_with_Multitemporal_Satellite_Imagery/fig1.png)

## 요약

이 paper 는 [[junghyelee]] 의 *2 기 UNIST 초기* 의 *원격탐사 응용* 시리즈의 한 갈래. [[miae-kim-2018-cnn-overshooting-cloud-tops]] 와 같은 해 발표. UNIST [[jungho-im]] 의 지구과학 라인 + 미국 SUNY 의 [[lindi-j-quackenbush]] + [[zhu-gu]] 와 국제 공저.

방법론적 핵심: *spectral curve 의 2D 변환*. 위성 multispectral 데이터는 보통 *1D vector* (각 픽셀의 spectral signature) 또는 *2D image* (단일 wavelength 의 이미지). 본 paper 는 *spectral curve 자체를 2D graph* 로 그려서 CNN 의 *이미지 분류 능력* 을 활용. Multitemporal 정보 (시간 별 spectral 변화) 도 *graph 의 다른 축* 으로 통합.

핵심 발견: CNN-based land cover classification 이 *spectral curve 의 형태 + 시간 변화* 를 *이미지 패턴* 으로 학습. 농업 (작물 phenology), 산림 (계절 변화) 등 *시간 따른 spectral 변화* 가 중요한 land cover 에 특히 효과적.

[[junghyelee]] 의 *연구 궤적* 안에서 이 paper 는 *2 기 원격탐사 응용 라인*, [[miae-kim-2018-cnn-overshooting-cloud-tops]] 자매 + [[junghye-lee-2020-cnn-spectral-transform]] (2020 spectral 도메인 변환) 의 *발전 라인*.

## 핵심 결과

| 변환 | 분류 정확도 |
|---|---|
| 1D spectral analysis | baseline |
| Single-time 2D image | 중간 |
| **Multitemporal 2D graph + CNN** | **향상** |

## 방법론 노트

Spectral curve → 2D graph 변환:
- X axis: wavelength
- Y axis: reflectance
- Multi-temporal: 시간 stack as multiple curves on same graph

CNN: standard image classification architecture (Conv + Pooling + FC).

식별 가정: (i) Spectral curve shape 의 *판별성*, (ii) 2D graph 의 *충분한 정보 보존*, (iii) CNN 의 *이미지 변환* 일반화.

## 연구 계보

이 paper 는 (i) [[miae-kim-2018-cnn-overshooting-cloud-tops]] 자매, (ii) LeCun et al. (1998) CNN 본가, (iii) 원격탐사 *time-series classification* 라인 — 의 결합. [[junghyelee]] 의 *연구 궤적* *2 기 원격탐사 응용*.

## See also

- [[junghyelee]]
- [[miae-kim]]
- [[jungho-im]]
- [[convolutional-neural-network]]
- [[land-cover-classification]]
- [[remote-sensing]]
- [[ieee-jstars]]
- [[miae-kim-2018-cnn-overshooting-cloud-tops]]