지면 관측은 원격 감지 과학 연구의 기초로서 양량적 원격 감지 모델의 구축, 원격 감지 정보의 정확하고 효과적인 회수, 진실성 검증을 위한 중요한 데이터 지원을 제공한다. 특히 인공 지능 시대에 들어서면서, 지면 관측을 원격 감지 데이터와 결합하여 투입된 깊은 학습의 모델은 일정한 수준에서 육지 표면 매개 파라미터 회수의 패러다임을 혁신했다. 그러나, 지면 관측과 원격 감지 픽셀 사이의 규모 차이 및 육지 표면 자체의 복잡한 공간 이변성으로 인해 지면 관측에는 대표성 오차가 있다. 픽셀 스케일 지면 진실값으로 직접 사용하면 후속 지면 관측 데이터와 원격 감지 데이터의 협력적 분석과 처리에 상당한 불확실성을 가져올 수 있다. 어떻게 과학적인 지면 관측을 통해 무한에 가까운 원격 감지 픽셀 스케일의 지면 진실값을 확보하는가는 현장 원격 감지 실험의 관심사다. 현재 픽셀 스케일 지면 진실값 획득 주위에서 표본 영역의 선택, 공간 이변성 평가, 최적의 지면 점 배치, 지면 관측, 스케일 변환을 통한 픽셀 스케일 "진실값" 획득 등의 연구가 체계적으로 이루어졌다. 각 단계에 대해 상당한 연구 작업이 수행되었지만, 각 단계에서 모호한 개념과 불충분한 이해로 인해 픽셀 스케일 지면 진실값 획득에 상당한 불확실성이 존재한다. 픽셀 스케일 지면 진실값 획득 과정의 불확실성을 제한하고 제어하여 픽셀 스케일 지면 "진실값"의 최소 불확실성을 확보하는 것은 현재 해결이 필요한 병목 문제다. 본 논문은 픽셀 스케일 지면 진실값 획득의 중요한 단계에 대한 도전과 가능한 해결 방안에 대해 논의하며, 픽셀 스케일 지면 진실값의 정확성과 정밀도를 향상시키는 데 일부 새로운 인식과 이론적 지침을 제공한다.

픽셀 스케일 진실값; 지면 관측; 스케일 차이; 공간 이변성; 대표성 오차; 불확실성; 진실성 검증; 품질 평가; 표본 구성