중국 서화사범대학(China West Normal University)의 하이잉 왕(Haiying Wang)과 밍중 우(Mingzhong Wu) 연구원은 2026년 5월 24일 사이언티픽 리포트(Scientific Reports)를 통해 산악 지역의 도시 변화 탐지를 위한 딥러닝 접근 방식을 발표했다. 본 연구는 복잡한 지형과 산재한 건물로 인해 지속 가능한 도시 개발에 어려움을 겪는 중국 쓰촨성 난충시를 대상으로 진행됐다.

연구는 크게 세 단계로 이루어졌다. 먼저 연구진은 건물 및 도로 의미론적 분할 데이터셋(BR_Data_NC)과 변화 탐지 데이터셋(CD_Data_NC) 등 두 가지 지역 특화 데이터셋을 구축했다. 이는 산악 지형의 일반적인 중해상도 원격 탐사 이미지를 딥러닝 모델이 해석하도록 설계되었다.

다음으로 연구팀은 딥러닝 모델을 적용해 기존 도시 요소의 의미론적 분할을 수행하고, 구축된 데이터셋을 통해 시간 흐름에 따른 변화를 탐지했다. 실험 결과, 딥러닝 방식은 산악 도시 지역의 분석을 어렵게 만드는 분광 혼합 특성과 경관 파편화 문제를 효과적으로 해결했다.

마지막으로 연구진은 탐지된 도시 변화를 활용해 확장 패턴을 분석하고 도시 공간 형태의 진화 추세를 확인했다. 연구 결과는 딥러닝이 동적 모니터링을 위한 신뢰할 수 있는 도구임을 보여주며, 향후 중국 서부 산악 도시의 토지 이용 효율 최적화와 지속 가능한 공간 계획 수립에 기여할 것으로 기대된다. 해당 연구는 서화사범대학 박사 창업 기금 프로젝트(과제 번호 23KE007)의 지원을 받아 수행되었으며, 2026년 1월 31일 접수되어 5월 14일 승인되었다.

중국 서화사범대학(China West Normal University)의 하이잉 왕(Haiying Wang)과 밍중 우(Mingzhong Wu) 연구원은 2026년 5월 24일 사이언티픽 리포트(Scientific Reports)를 통해 산악 지역의 도시 변화 탐지를 위한 딥러닝 접근 방식을 발표했다. 본 연구는 복잡한 지형과 산재한 건물로 인해 지속 가능한 도시 개발에 어려움을 겪는 중국 쓰촨성 난충시를 대상으로 진행됐다.

연구는 크게 세 단계로 이루어졌다. 먼저 연구진은 건물 및 도로 의미론적 분할 데이터셋(BR_Data_NC)과 변화 탐지 데이터셋(CD_Data_NC) 등 두 가지 지역 특화 데이터셋을 구축했다. 이는 산악 지형의 일반적인 중해상도 원격 탐사 이미지를 딥러닝 모델이 해석하도록 설계되었다.

다음으로 연구팀은 딥러닝 모델을 적용해 기존 도시 요소의 의미론적 분할을 수행하고, 구축된 데이터셋을 통해 시간 흐름에 따른 변화를 탐지했다. 실험 결과, 딥러닝 방식은 산악 도시 지역의 분석을 어렵게 만드는 분광 혼합 특성과 경관 파편화 문제를 효과적으로 해결했다.

마지막으로 연구진은 탐지된 도시 변화를 활용해 확장 패턴을 분석하고 도시 공간 형태의 진화 추세를 확인했다. 연구 결과는 딥러닝이 동적 모니터링을 위한 신뢰할 수 있는 도구임을 보여주며, 향후 중국 서부 산악 도시의 토지 이용 효율 최적화와 지속 가능한 공간 계획 수립에 기여할 것으로 기대된다. 해당 연구는 서화사범대학 박사 창업 기금 프로젝트(과제 번호 23KE007)의 지원을 받아 수행되었으며, 2026년 1월 31일 접수되어 5월 14일 승인되었다.