Developing a land cover classification system for users
| Project/Area Number |
20K20005
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 64040:Social-ecological systems-related
|
|---|
| Research Institution | Saitama University |
|---|
Principal Investigator |
堤田 成政 埼玉大学, 理工学研究科, 准教授 (20650352)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | LCCS3 / オープンデータ / Mapillary / 土地被覆 / ディープラーニング / Planet / 地理情報 / ユーザー定義 / リモートセンシング |
|---|
| Outline of Research at the Start |
広域の陸域環境を記す土地利用・土地被覆( 以下、 LULC)情報は様々な環境研究に不可欠である。だが、既存のLULCデータのクラス分類は製作者の意図した定義を反映しているため、様々な利用者の多様な使用目的には即していない。本研究では、データ利用者の目的に応じた「多様な記述」を実現し、地図化するための理論とシステムの提案を目的とする。具体的には、データ利用者の意図が反映できるよう、階層構造をもった分類クラスを定義し、その組み合わせからのもと、オープンジオビッグデータを迅速に分析し、LULC 主題図を作成するシステムを開発に取り組む。
|
| Outline of Annual Research Achievements |
2022年度に実施した研究の進捗は下記のとおりである。
[III. 参照データの作成モデルの開発] 現地写真より土地被覆を推定する画像認識モデルの開発した。現時点では対象とする13分類クラスに対し、 Mapillary APIを通じて入手した位置情報付き地上写真から土地被覆付識別する深層学習モデルを開発した。本成果は現在国際誌へ査読付き論文として投稿中である。また、上記分類結果と衛星画像からのセグメントを紐付ける技術開発に着手している。本技術が実現すれば、半自動的に地上参照データを構築するシステムが可能となる。
[IV. オープンジオビッグデータ分析による土地被覆分類]地上参照データが十分に収集できると見越し、本年度は衛星画像からの分類方法の検討に着手した。具体的には衛星観測データに加え、Dynamic WorldというConvolutional Neural Networkによる分類確率マップを入力する機械学習モデルを構築することで、分類結果のノイズが軽減することが明らかになった。さらに、本アプローチは、ユーザーが独自に設定した分類カテゴリー数に応じてフレキシブルに対応可能であることが見込まれる。
また、これらの分類結果を評価する必要があるが、組成データの分類精度評価手法の開発に英国リーズ大学Comber教授と共同開発を実施した。空間解像度10 mでの土地被覆分類を実施するが、各グリッド内の土地被覆が均一的であるとは限らない。そのため、複数土地被覆クラスが混合する組成データとして表現することができる。このようなデータを空間的に評価するための分類精度評価手法を地理的加重法を基盤として開発を進める。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
データ分析を順調にすすめることができており、参照データ作成システムの基礎となる深層学習モデルの作成に目処がたった。また、衛星画像からの土地被覆分類に適用するための機械学習モデルの検討も進めることができているため、おおむね順調に進展しているといえる。
|
| Strategy for Future Research Activity |
参照データ収集に対する半自動的システムの作成に着手する。コアとなる深層学習分類モデルは目処がたったため、本モデルから参照データを作成するための技術開発を進める。撮影位置と撮影向き、撮影時期が地上写真では得られているため、これら情報と推定された土地被覆クラスをどのように参照データ化するかについて、検討を進める。
参照データが作成されれば、分類確率マップと衛星観測データを入力する機械学習モデルに適用することで、土地被覆分類図が作成される。また、本システムにより、分類クラスを柔軟に設計することが可能と考えており、その検証も進める。さらに、2022年度より着手した組成データを空間的に評価するための分類精度評価手法を引き続き進める。
|
Report
(3 results)
Research Products
(17 results)
