본 연구는 광학위성 초해상화에서 센서의 물리적 특성을 유지하는 전방 모델을 구성하고, 이를 기반으로 학습 및 검증 단계에서 관측 일관성을 확보하는 것을 목표로 한다. 전방 모델은 광학계 PSF에 의한 공간 확산과 센서 샘플링을 분리하여 정의하였다. 전방 모델 파이프라인은 OTF → PSF → 합성곱 → 열화 순으로 구성하였으며, PSF 모델은 원형 개구를 갖는 회절 한계 광학계를 가정하였다. PSF는 실측 센서 PSF 재현이 아니라 SR 학습 및 검증에서 관측 일관성을 부여하기 위한 sensor-consistent 전방 모델 구성 요소로 사용된다. SR 배율 3배 조건에서 Sentinel-2 SWIR 11번 밴드 학습 패치의 원본, bicubic 열화, MTF？PSF 기반 열화의 픽셀 값 히스토그램 분포를 비교한 결과, Bicubic 열화는 평균이 3,870.0에서 3,835.5로 감소하고 분산이 81351.1에서 24,638.9로 크게 축소되어, 분포 폭이 과도하게 좁아지는 경향을 보였다. 반면 PSF 기반 열화는 평균이 3,863.7(Airy), 3,867.6(Gaussian)으로 원본 평균에 더 가깝고, 분산62,713.0(Airy),74,669.3(Gaussian)으로 원본 분포의 spread를 상대적으로 유지하였다. 이 결과는 단순 보간 기반 열화가 영상 분포의 spread 및 tail을 과도하게 억제하여 관측 분포와 괴리를 유발할 수 있음을 시사하며, 전방모델을 광학·샘플링 관점에서 정의하고 검증할 필요성을 뒷받침한다. Airy 기반 열화는 Gaussian 대비 분산 감소가 더 크게 나타나, 보다 강한 저역통과 특성을 갖는 것으로 관찰되었다. 이는 cutoff를 갖는 Airy PSF가 스케일과 대역에 따라 열화 강도를 조절하는
제어 변수로 활용될 수 있다. 향후, 탑재체 밴드별 MTF-PSF 정교화, 방사 노이즈 모델과 결합, 학습 파이프라인 통합을 통해 SISR 모델로 발전시킬 예정이다.