Submit Search
Upload
高解像度リモートセンシングデータを用いた森林被害検出手法の開発
•
1 like
•
1,049 views
Hitoshi Taguchi
Follow
2006年2月1日の修士論文最終発表会のスライドです。
Read less
Read more
Technology
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 19
Recommended
SSII2020 [O3-01] Extreme 3D センシング
SSII2020 [O3-01] Extreme 3D センシング
SSII
数式からみるWord2Vec
数式からみるWord2Vec
Okamoto Laboratory, The University of Electro-Communications
[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況
Deep Learning JP
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
Hirokatsu Kataoka
多変量解析の一般化
多変量解析の一般化
Akisato Kimura
ぷよぷよ AI 人類打倒に向けて
ぷよぷよ AI 人類打倒に向けて
mayahjp
最近思った機械学習(PyTorch)のベストプラクティス
最近思った機械学習(PyTorch)のベストプラクティス
Masato Fujitake
Recommended
SSII2020 [O3-01] Extreme 3D センシング
SSII2020 [O3-01] Extreme 3D センシング
SSII
数式からみるWord2Vec
数式からみるWord2Vec
Okamoto Laboratory, The University of Electro-Communications
[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況
Deep Learning JP
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
Hirokatsu Kataoka
多変量解析の一般化
多変量解析の一般化
Akisato Kimura
ぷよぷよ AI 人類打倒に向けて
ぷよぷよ AI 人類打倒に向けて
mayahjp
最近思った機械学習(PyTorch)のベストプラクティス
最近思った機械学習(PyTorch)のベストプラクティス
Masato Fujitake
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
Deep Learning Lab(ディープラーニング・ラボ)
観察データを用いた因果推論に共変量選択
観察データを用いた因果推論に共変量選択
Jaehyun Song
IROS2020 survey
IROS2020 survey
robotpaperchallenge
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Fujimoto Keisuke
Deep Q-Network 論文輪読会
Deep Q-Network 論文輪読会
Kotaro Tanahashi
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
Akira Asano
クラシックな機械学習の入門 3. 線形回帰および識別
クラシックな機械学習の入門 3. 線形回帰および識別
Hiroshi Nakagawa
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
Teruyuki Sakaue
反応性と解釈可能性の評価
反応性と解釈可能性の評価
Senshu University
深層学習の数理
深層学習の数理
Taiji Suzuki
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
[DL輪読会]Monaural Audio Source Separationusing Variational Autoencoders
[DL輪読会]Monaural Audio Source Separationusing Variational Autoencoders
Deep Learning JP
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
Deep Learning JP
最新の異常検知手法(NIPS 2018)
最新の異常検知手法(NIPS 2018)
ぱんいち すみもと
2015年12月PRMU研究会 対応点探索のための特徴量表現
2015年12月PRMU研究会 対応点探索のための特徴量表現
Mitsuru Ambai
詳説word2vec
詳説word2vec
Haruka Oikawa
非参照型メトリクスを用いた放射線動画の評価
非参照型メトリクスを用いた放射線動画の評価
Yutaka KATAYAMA
関東CV勉強会20140802(Face Alignment at 3000fps)
関東CV勉強会20140802(Face Alignment at 3000fps)
tackson5
帰納バイアスが成立する条件
帰納バイアスが成立する条件
Shinobu KINJO
森林の3次元構造リモートセンシングと生態系プロセスモデルとの統合に関する研究
森林の3次元構造リモートセンシングと生態系プロセスモデルとの統合に関する研究
Hitoshi Taguchi
北海道地理空間フォーラムin札幌2018-07-19_第6分科会 「林業」講演2「北海道立林業試験場のおける森林GIS・リモートセンシング技術の取り組み」
北海道地理空間フォーラムin札幌2018-07-19_第6分科会 「林業」講演2「北海道立林業試験場のおける森林GIS・リモートセンシング技術の取り組み」
hsgk
More Related Content
What's hot
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
Deep Learning Lab(ディープラーニング・ラボ)
観察データを用いた因果推論に共変量選択
観察データを用いた因果推論に共変量選択
Jaehyun Song
IROS2020 survey
IROS2020 survey
robotpaperchallenge
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Fujimoto Keisuke
Deep Q-Network 論文輪読会
Deep Q-Network 論文輪読会
Kotaro Tanahashi
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
Akira Asano
クラシックな機械学習の入門 3. 線形回帰および識別
クラシックな機械学習の入門 3. 線形回帰および識別
Hiroshi Nakagawa
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
Teruyuki Sakaue
反応性と解釈可能性の評価
反応性と解釈可能性の評価
Senshu University
深層学習の数理
深層学習の数理
Taiji Suzuki
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
[DL輪読会]Monaural Audio Source Separationusing Variational Autoencoders
[DL輪読会]Monaural Audio Source Separationusing Variational Autoencoders
Deep Learning JP
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
Deep Learning JP
最新の異常検知手法(NIPS 2018)
最新の異常検知手法(NIPS 2018)
ぱんいち すみもと
2015年12月PRMU研究会 対応点探索のための特徴量表現
2015年12月PRMU研究会 対応点探索のための特徴量表現
Mitsuru Ambai
詳説word2vec
詳説word2vec
Haruka Oikawa
非参照型メトリクスを用いた放射線動画の評価
非参照型メトリクスを用いた放射線動画の評価
Yutaka KATAYAMA
関東CV勉強会20140802(Face Alignment at 3000fps)
関東CV勉強会20140802(Face Alignment at 3000fps)
tackson5
帰納バイアスが成立する条件
帰納バイアスが成立する条件
Shinobu KINJO
What's hot
(20)
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
観察データを用いた因果推論に共変量選択
観察データを用いた因果推論に共変量選択
IROS2020 survey
IROS2020 survey
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Sliced Wasserstein Distance for Learning Gaussian Mixture Models
Deep Q-Network 論文輪読会
Deep Q-Network 論文輪読会
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
クラシックな機械学習の入門 3. 線形回帰および識別
クラシックな機械学習の入門 3. 線形回帰および識別
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
流行りの分散表現を用いた文書分類について Netadashi Meetup 7
反応性と解釈可能性の評価
反応性と解釈可能性の評価
深層学習の数理
深層学習の数理
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
[DL輪読会]Monaural Audio Source Separationusing Variational Autoencoders
[DL輪読会]Monaural Audio Source Separationusing Variational Autoencoders
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
最新の異常検知手法(NIPS 2018)
最新の異常検知手法(NIPS 2018)
2015年12月PRMU研究会 対応点探索のための特徴量表現
2015年12月PRMU研究会 対応点探索のための特徴量表現
詳説word2vec
詳説word2vec
非参照型メトリクスを用いた放射線動画の評価
非参照型メトリクスを用いた放射線動画の評価
関東CV勉強会20140802(Face Alignment at 3000fps)
関東CV勉強会20140802(Face Alignment at 3000fps)
帰納バイアスが成立する条件
帰納バイアスが成立する条件
Similar to 高解像度リモートセンシングデータを用いた森林被害検出手法の開発
森林の3次元構造リモートセンシングと生態系プロセスモデルとの統合に関する研究
森林の3次元構造リモートセンシングと生態系プロセスモデルとの統合に関する研究
Hitoshi Taguchi
北海道地理空間フォーラムin札幌2018-07-19_第6分科会 「林業」講演2「北海道立林業試験場のおける森林GIS・リモートセンシング技術の取り組み」
北海道地理空間フォーラムin札幌2018-07-19_第6分科会 「林業」講演2「北海道立林業試験場のおける森林GIS・リモートセンシング技術の取り組み」
hsgk
「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー
「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー
Koichi Hamada
Earthquake visualization - ABC2012 Tohuku
Earthquake visualization - ABC2012 Tohuku
Kenichi Kurimoto
Rによるデータサイエンス13「樹木モデル」
Rによるデータサイエンス13「樹木モデル」
Takeshi Mikami
CVPR2011 Festival PDF
CVPR2011 Festival PDF
Masafumi Noda
低価格・高信頼見守りシステム(MIMAMORIシステム)のためのハードウェア開発
低価格・高信頼見守りシステム(MIMAMORIシステム)のためのハードウェア開発
Nara Institute of Science and Technology
Earthquake Damage Risk Evaluation by Micro Geo Data マイクロジオデータベースによる 地震災害リス...
Earthquake Damage Risk Evaluation by Micro Geo Data マイクロジオデータベースによる 地震災害リス...
Yuki Akiyama
Similar to 高解像度リモートセンシングデータを用いた森林被害検出手法の開発
(8)
森林の3次元構造リモートセンシングと生態系プロセスモデルとの統合に関する研究
森林の3次元構造リモートセンシングと生態系プロセスモデルとの統合に関する研究
北海道地理空間フォーラムin札幌2018-07-19_第6分科会 「林業」講演2「北海道立林業試験場のおける森林GIS・リモートセンシング技術の取り組み」
北海道地理空間フォーラムin札幌2018-07-19_第6分科会 「林業」講演2「北海道立林業試験場のおける森林GIS・リモートセンシング技術の取り組み」
「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー
「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー
Earthquake visualization - ABC2012 Tohuku
Earthquake visualization - ABC2012 Tohuku
Rによるデータサイエンス13「樹木モデル」
Rによるデータサイエンス13「樹木モデル」
CVPR2011 Festival PDF
CVPR2011 Festival PDF
低価格・高信頼見守りシステム(MIMAMORIシステム)のためのハードウェア開発
低価格・高信頼見守りシステム(MIMAMORIシステム)のためのハードウェア開発
Earthquake Damage Risk Evaluation by Micro Geo Data マイクロジオデータベースによる 地震災害リス...
Earthquake Damage Risk Evaluation by Micro Geo Data マイクロジオデータベースによる 地震災害リス...
Recently uploaded
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
Recently uploaded
(8)
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
高解像度リモートセンシングデータを用いた森林被害検出手法の開発
1.
修士研究 最終試験 高解像度リモートセンシングデータを用いた
森林被害検出手法の開発 発表内容 1. 序論(背景・目的・対象地・データ) 2. 森林被害検出のアプローチ 3. 3 手法開発 4. 検出結果の評価・考察 5. まとめ,今後の課題・展望 学籍番号 80425061 EG(旧GI) EG(旧GI) 田口 仁 #1
2.
背景,目的 背景 近年,管理放棄された森林で, 森林被害が多発
森林被害とは通常の範囲をこ えて衰退や枯死が発生した状 態のこと 現状の被害調査は現地踏査 マツ枯れ 冠雪害 近年,空間解像度の高い,高解像度リモートセンシング データが登場し,森林分野で注目を集めている 森林被害調査手段の1つとして,このデータを用いた手法を 開発できる可能性がある 目的 高解像度リモートセンシングデータを用いて森林被害を 検出する手法を開発すること #2
3.
高解像度リモートセンシングデータ LiDARデータ
光学センサ画像 飛行機から電磁波のパルス 太陽から発する電磁波が地面 を照射し、センサーまでの反 を反射し,センサまで戻ってくる 射時間をもとに高さを計測 電磁波の強さ観測 フィルタリング処理でDSMと 最近のデータは、空間解像度 DEMを作成可能 が数メートル • Digital Surface Model (DSM) =地盤高+構造物の高さ 従来の解像度 高解像度 数10m 数m パルス密度 1m2~2m2に1点 • Digital Elevation Model (DEM) =地盤高 #3
4.
研究対象地,使用データ 研究対象地
使用データ 岐阜県郡上市美並町 光学センサ画像 2002年1月上旬に 高解像度衛星画像 IKONOS 冠雪害発生 LiDARデータ マツ枯れも多数ある 岐阜県 IKONOS LiDAR (2003年5月撮影) 2003年 (2004年春取得) 2004年春取得) 0 450 900 1,800 m #4
5.
統合処理(フュージョン)の有効性 森林被害の形態は,枯損と倒木の2種類に類型化が可能 2つのデータには2つの被害検出に得意,不得意がある ①
光学センサ画像 光学 サ画像 ② LiDARデータ 枯損or倒木の検出 →○ 倒木の検出 →○ 枯損と倒木の分離 →× 枯損の検出 →× DSM ギャップ 枯損木 無被害 枯損木 無被害 倒木 倒木 DEM 枯損 倒木 無被害 2つのデータを統合処理 ① 光学センサ すると,不得意を補って, ② LiDAR 枯損と倒木の分離した検 ①+② 出が可能となる #5
6.
本研究の新規性・意義
従来の研究 本研究 解像度が数十メートルの 高解像度のデータを利用, 新規性 光学センサ画像 高さデータ(LiDAR)の導入 光学センサのみで, 高解像度RSデータを統合処理し, 枯損と倒木は事例毎に検出 枯損と倒木が分離検出される 被害面積,被害の分布傾向の把握が効率的に可能となる 意義 森林管理システム内の被害検出システムとして貢献できる 高解像度リモートセンシング 森林被害マップ 倒木被害 枯損被害 人工林 森林管理主体 天然林 森林 無被害 現地 調査 • 行政(自治体等), 森林組合 倒木 枯損 情報提供 土地所有者 データ公開 未然防止 復旧対策,計画 • 森林GIS 県有,民有,国有 ・森林病虫害等駆除法 ・森林国営保険 • 統合型GIS • Digital Earth (病虫害の枯損) (風倒害,冠雪害の倒木 ・激甚災害法の指定 干害,凍害などの枯損) ・農林水産業被害報告とりまとめ要綱 #6
7.
被害検出手法の概要 被害と判読できる箇所から教師データを取得しモデルを構築 ⇒
その構築したモデルを全体へ適用 高解像度RS 高解像度RS 統合処理が可能なモデルの構築 ① データ 説明変数作成 ② ③ 波長帯選択 IKONOS ・赤色系(バンド3) 教師 被害検出 ・近赤外系(バンド4) データ モデルの LiDAR ギャップ抽出 設定 構築 手法開発1 手法開発2 ⑤ ④ 森林被害マップ 検出 画像全体 枯損被害 モデルの 倒木被害 適用 評価 #7
8.
手法開発1 ギャップ抽出手法の開発 LiDARデータから作成されるDSM(地盤高に構造物の高さ を含めたデータ)とDEM(地盤高のデータ)から,倒木域を表
すギャップ抽出手法を開発 DSM DEM DSM DEM 高 ① DSM-DEM ≦ 3m の画素を抽出 低 ② 近傍画素をグループ化 傾斜度 ③ 境界付近の 画像 平均傾斜角度の算出 ④ 平均傾斜角度≦70度を抽出 ギャップ抽出結果 ギャップ抽出結果 空中写真 #8
9.
手法開発2 Multinomial Logit Modelの導入
観測値(データ)に基づき,効用関数→選択確率が計算され, 最も高い選択確率のカテゴリに分類される 効用関数 Uin = β1 x1in + β2 x2in + L + βk xkin + ε in 枯損 : Yin = 1 倒木 : Yin = 2 = Vin + ε in ε in : 確率項 無被害 : Yin = 0 Vin : 確定項 β : パラメータ Vin P(yin) = 選択確率 e (eV = 1 ) 0 x : 観測値 eV +eV +eV 0 1 2 モデルの評価は,教師データ内での精度評価,決定係数 (R2),Wald統計量 被説明変数は「枯損」 「倒木」 ,「無被害」 「枯損」,「倒木」 「無被害」 「枯損」 「無被害」とする 2値化データであるギャップ抽出結果と,連続量の光学センサ 画像の併用が可能 → 統合処理が容易 今後,他の空間データを説明変数して取り込むことで,被害の 種類判定へつながる可能性がある #9
10.
説明変数作成,教師データ設定 ① 説明変数 3つ
光学センサ画像(IKONOS) バンド3:倒木や枯損域は赤色系波長帯の反射が強まる バンド4:植生が減退するため,近赤外波長帯の反射が弱まる ンド4:植生が減退するため,近赤外波長帯の反射が弱まる ギャップ抽出結果 ② 空中写真から教師データを選定し,被害の判別を行った 136°55'30"E 136°56'30"E 136°57'30"E IKONOS拡大 選択結果 35°39'30"N 枯損 C 無被害 倒木 枯損 倒木 0 20 40 80 120 m #10
11.
被害検出モデルの構築 ③ モデル構築のためにパラメータを推定
推定パラメータ 枯損 倒木 被害クラス 切片 バンド3 バンド4 ギャップ 枯損 -68.303 303.070 -31.103 -4.346 (Wald統計量のカイ2乗) (384 7※) (384.7 (442 8※) (361 4※) (15 41※) (442.8 (361.4 (15.41 教師 -49.514 240.399 -32.915 2.355 データ 倒木 (Wald統計量のカイ2乗) (155.2※) (223.9※) (238.3※) (48.8※) ※ 0.01%水準で有意 決定係数 R2=0.812 ④ 構築したモデルの評価 倒木被害に隣接した画素で枯損とな 推定 るエラーを無被害へ 結果 この推定モデルとエラー除去手法を 全体へ適用 0 20 40 80 120 無被害 枯損 倒木 教師データ内精度評価 m 推定結果 枯損 倒木 無被害 合計 的中率 教 枯損 283 1 94 378 74.8% 推定 師 デ 倒木 36 132 48 216 61.1% 結果 ー タ無被害 54 13 2595 2662 97.5% 2 合計 373 146 2737 3256 全体的中率:92.4% #11
12.
被害検出結果 ⑤
136°55'30"E 136°56'0"E 136°56'30"E 136°57'0"E 136°57'30"E 0"N 3次元表示(黒線は林小班) 35°40'0 35°39'30"N 35°39'0"N 凡例 無被害 枯損 0 250 500 1,000 1,500 m 倒木 #12
13.
検出結果の詳細1
検出結果 ■枯損 ■倒木 空中写真 IKONOS ギャップ抽出結果 1 ● 枯損と倒木の被害がまとまって発生した箇所 2 ● 枯損が分散して発生した箇所 #13
14.
検出結果の詳細2
検出結果 ■枯損 ■倒木 空中写真 IKONOS ギャップ抽出結果 3 ● 冠雪害(倒木)によるまとまった被害 4 ● 枯損によるまとまった被害 #14
15.
統合処理の有効性 ギャップ抽出結果
IKONOS画像 被害検出結果 ギャップとして抽出さ れても,IKONOS画 像では無被害の樹木 統合処理した結果で は,倒木として検出さ れなかった 0 25 50 100 150 m 無被害 枯損 倒木 検出結果 ギャップ 被害検出結果 IKONOS画像のみで (IKONOSのみで検出) 抽出結果 (IKONOS+ギャップ) IKONOS+ギャップ) 検出した場合,倒木 箇所でも枯損が混在 してしまう 統合処理した結果で は,枯損と判別される エラーが除去された 0 25 50 100 150 m 無被害 枯損 倒木 統合処理の有効性を確認 #15
16.
検出精度の検証1 空振りの検証
検証ポイント取得箇所 検出した画素が的中し 136°55'30"E 136°56'30"E 136°57'30"E ているかを判別 的中率 35°40'0"N 枯損:39/ 枯損:39/50 (78%) 78%) 倒木:41/ 倒木:41/50 (82%) 82%) 35°39'30"N 見逃しの検証 任意に選んだ被害箇所 0"N が,検出されているかを が 検出されているかを 35°39'0 判別 的中率 枯損:37/50 (74%) 空振り検証(倒木) 空振り検証(枯損) 倒木:42/50 (84%) 0 255 510 1,020 1,530 見逃し検証(倒木) m 見逃し検証(枯損) #16
17.
検出精度の検証2 まとまった被害箇所の検証
それぞれの被害で2箇所ずつ,空中写真から検証データを面的に作成し, 検出結果と比較 検証データ 検出結果 的中率 検証データ 検出結果 的中率 228 198 枯損 346 倒木 292 1 1 65.9% 67.8% 86 178 162 278 枯損 倒木 2 2 53.1% 64.0% 枯損 倒木 誤差に関する考察 無被害と被害の境界部に近い画素で,的中率が低下 2つのデータの解像度の相違,データの位置精度 施業(間伐,伐採)の誤検出 ⇒ 施業履歴を参照して除外可能 #17
18.
被害検出手法の考察 検出結果の考察 データの均質性に強みがあることから,本手法を適用する ことで,現地踏査や空中写真判読等の人間による把握では
十分に認識しきれない森林被害について,把握可能となる 十分に認識しきれない森林被害について 把握可能となる 岐阜県の森林行政関係者 「精度が7~8割あれば,実用上十分」 実用性の観点からの考察 森林GISにおける情報の1つとして 合理的な復旧対策および計画に貢献可能 森林WebGIS等で情報公開 → 土地所有者への周知 GPS搭載PDA等の利用 → 現場での情報の活用 被害の発生要因解明に寄与 → 被害の未然防止に繋がる 可能性がある #18
19.
結論,今後の課題・展望 結論 1.
森林被害を枯損と倒木に類型化し,2つのリモートセンシングデータ を統合処理し,枯損と倒木に分離して検出するアプローチを提示した。 2. LiDARデ タから抽出されたギャップ抽出結果と,光学センサ画像を LiDARデータから抽出されたギャップ抽出結果と,光学センサ画像を 説明変数として,Multinomial Logit Modelを用いた統合処理を行 う被害検出手法を開発した。 3. 対象地に適用し,まとまった被害および分散した被害について,枯損 と倒木が検出されていることを確認し,本手法の有効性が明らかと なった。 また,検出精度は7割前後だった。 4. 本研究で開発した手法は,森林被害を把握する手段の1つとして,今 後活用される可能性 ある 後活用される可能性があることを示した。を示した。 今後の課題・展望 被害の発生要因解明や被害の種類判定を可能とする手法の開発 他の高解像度リモートセンシングデータへの適用 統合処理手法の改良 #19