본 논문은 기후 변화의 주요 원인인 메탄 감지를 위해 위성 탑재 머신 러닝(ML)을 활용하는 새로운 접근 방식을 제시합니다. 기존의 이미지 처리 단계(기하학적 왜곡 보정, 매칭 필터 등)를 거치지 않는 "비정사 보정(UnorthoDOS)" 데이터를 사용하여 ML 모델을 학습시키고, 정사 보정 데이터를 사용한 모델과 비교하여 유사한 성능을 달성함을 보입니다. 또한, 정사 보정 데이터로 학습된 모델이 매칭 필터 기반의 기존 방식보다 우수한 성능을 낼 수 있음을 입증합니다. 연구에서는 모델 체크포인트와 함께 EMIT 센서의 정사 보정 및 비정사 보정 하이퍼스펙트럴 이미지로 구성된 두 개의 ML-ready 데이터 세트를 공개합니다.
