| Project/Area Number |
22K18025
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 63010:Environmental dynamic analysis-related
|
|---|
| Research Institution | Tottori University (2023)
The University of Tokyo (2022) |
|---|
Principal Investigator |
武 靖 鳥取大学, 国際乾燥地研究教育機構, プロジェクト研究員 (20813405)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | 枯れ草量 / 被覆率 / 風食 / Soil Tillage Index / NDVI / 臨界風速 / ダスト / 衛星観測 / 乾燥地 / 枯れ草 |
|---|
| Outline of Research at the Start |
地球の陸地面積の41%を占める乾燥地は、風食の被害を受けやすい。乾燥地の10～20%が砂漠化していると報告されているが推定方法が主観的であることから、風食リスクを客観的に評価する手法の確立が求められている。枯れ草は風食発生を大きく抑制するが、枯れ草量の推定は難しいため、風食発生の予測精度は低い。本研究では、衛星データによる枯れ草指数を使用して、風食リスクを評価する効果的な新方法を開発する。具体的には、①枯れ草測定結果に基づいた枯れ草量推定手法の開発、②枯れ草量推定法の検証、③枯れ草量と風食発生の関係を定量的解明することにより、枯れ草の風食抑制効果をモデル化し、風食予測モデルの精度を向上させる。
|
| Outline of Annual Research Achievements |
ゴビ砂漠ツォクトオボー（TsO）の地表面条件の異なる地点において、2021年と2022年3月～9月の月ごとに取得した植生写真データの解析を行った。地表面写真データはAIを搭載した画像解析ソフトMIPARを使用しているが、AIの学習を進め、植被/非植被ピクセルの識別精度を高めることで、作業効率を向上させた。MIPARソフトウェアにより植生写真データから植生の被覆率を算出した。これらの解析結果と衛星データ得られる植生指標MODIS NDVI、MODIS STI(Soil Tillage Index)、NDVIとSTIの組み合わせを比較し、衛星データから広域植被率（枯れ草を含む）を推定する手法を開発している。
2023年4月～5月、8月～9月に、TsOにおいて飛砂と気象観測サイトを含める9地点で植生調査を行った。従来のデジタルカメラによる地表面の写真撮影に加え、RGBカメラおよびマルチスペクトルカメラを搭載したドローンを用いた新しい手法による調査を行った。このUAVを使用することで、広域調査および緑色植物量の指標として一般的に用いられるNDVIの測定が可能になった。
これまでの成果については、国際会議ICAR XI (Las Cruces, USA 2023年7月10-14日)において発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年はコロナ禍のためモンゴルゴビ砂漠現地での植生調査はできなかったが、2023年の春季（4-5月）と夏季（8-9月）に地表面条件の異なる9箇所で植生現地観測を実施した。枯れ草量の推定手法を改良するために、引き続き植生写真データが取得した。それに加え、ドローンを用いて広域の植生写真データとNDVIデータの取得が可能になった。画像解析ディープラーニングモデルを開発したことで、枯れ草量の衛星観測法手法の改良を進め、植被率の季節変動を推定する手法の確立が望まれる。
TsO周辺において、窪地（谷底）および斜面に気象及び飛砂の常時観測を行っている3ヶ所、臨時観測の5箇所において、3高度の風速、風向、気温、飛砂量を測定した。これで、各地点の粗度長と臨界風速を見積もることが可能になった。
|
| Strategy for Future Research Activity |
春季と夏季の植生現地調査、風食が激しい時期（春季）のみの飛砂量観測を実施する。植生調査の手法には、デジタルカメラとドローン測量を引き続き測定する上で、小型の近赤外線カメラを同時に使用する。これによって、解像度の高いNDVIデータを取得し、ドローン測量および衛星観測による取得するNDVIデータを比較し、植被率の推定手法の開発と改良を引き続きしていく。
春季の観測地点において、粗度長と臨界風速を見積もって、衛星データから算出される枯れ草と比較することで、開発した枯れ草量推定手法の妥当性を引き続き検証する。これで、精度を数値で示すことができる衛星データによる枯れ草量広域データの作成が可能になる。
衛星枯れ草量広域データを臨界風速補正関数f(λ)（Shao 2008）に代入することで、枯れ草の風食抑制効果を数値モデルNHM-Chemに組み込み、枯れ草効果によって広域風食リスク予測モデルの精度を確認していく。
|
