본 논문은 지구 보호를 위한 의사 결정 및 정책 수립에 중요한 산림 지상 생물량(AGB) 정량화를 주제로 한다. 머신러닝(ML)과 원격 탐사(RS) 기법을 활용하여 이 작업을 보다 효과적으로 수행하고자 하며, 특히 산림 생태학적 특성을 고려하여 최신 ML 방법과 다양한 RS 소스의 조합에 대한 체계적인 검토가 부족하다는 점에 착안했다. 엄격한 포함 기준을 충족하는 25편의 논문을 체계적으로 분석하여 사용된 모든 ML 방법과 RS 데이터 조합을 식별했다. Random Forest가 가장 많이 사용되었고(88%), Extreme Gradient Boosting이 다른 방법과 비교했을 때 75%의 연구에서 우수한 성능을 보였다. Sentinel-1이 가장 많이 활용된 원격 탐사 소스로 나타났으며, multi-sensor 접근 방식(예: Sentinel-1, Sentinel-2, LiDAR)이 특히 효과적이었다. 본 연구 결과는 산림 AGB 추정을 위해 ML과 RS를 통합할 때 고려해야 할 센싱 소스, 변수 및 방법을 추천하는 근거를 제공한다.
