Project/Area Number |
19K22929
|
Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
Allocation Type | Multi-year Fund |
Review Section |
Medium-sized Section 64:Environmental conservation measure and related fields
|
Research Institution | Kyoto University |
Principal Investigator |
大庭 ゆりか 京都大学, 情報学研究科, 研究員 (30816921)
|
Co-Investigator(Kenkyū-buntansha) |
伊勢 武史 京都大学, フィールド科学教育研究センター, 准教授 (00518318)
|
Project Period (FY) |
2019-06-28 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2020: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2019: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
|
Keywords | 深層学習 / 放射線災害 / リモートセンシング / 森林生態系 / 環境保全 |
Outline of Research at the Start |
原発事故が自然にもたらしたものは放射性物質だけではない。本研究では、これまで見過ごされてきた「除染」という人間活動が森林生態系に及ぼす影響を、情報学の新技術を適用して評価する。高精細な人工衛星画像データの解析が可能なモデルを開発し、その技術を搭載した自動識別モデルを広域適用に耐えうるものへと発展させる。この技術を用いれば、汚染の影響評価時に、除染という二次的な影響も考慮することができ、より精度の高い環境評価が可能となる。本研究は学術の発展に寄与するだけではなく、現地の森林管理と環境モニタリングを革新する可能性を秘めている。長期にわたると予測される森林再生計画の現実的な運用への貢献を目指す。
|
Outline of Annual Research Achievements |
今年度は、昨年度に再整備した低解像度の無償人工衛星データから構成される教師画像データベースの再点検を実施し、更新・変更が必要なデータの探索および抽出を行い、データベースを更新した。これに伴って、更新後の教師画像データベースを用いて構築する画像識別モデルをベースとした高解像度の有償人工衛星画像データへの適用が可能なモデル開発のための準備を行い、さらに高解像度人工衛星画像データを解析するために必要な環境構築やデータ処理プロトコルの開発を進めた。また、公開されている除染実施区域についての追加の情報収集を行い、その情報をもとに新たなフィールド調査のサイト選定や現地で取得するデータのリストアップおよび作業内容の検討等、フィールド調査の準備を行った。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
新型コロナウイルス感染症流行のため、予定していたフィールド調査を延期せざるを得なかったため。
|
Strategy for Future Research Activity |
2024年度は、2023年度に予定していたフィールド調査を実施する。併せて高精細な有償の人工衛星画像データを取得して、それらのデータに除染区域自動識別モデルを適用し、モデル精度の検証を行う。検証結果に応じて、必要なモデルの再構築を行い、モデル精度の向上を目指す。さらに、モデルを使用して抽出した地域の森林データの解析を行い、森林生態系への除染の影響を評価する。
|