2020 Fiscal Year Annual Research Report
Development of SAV Classification Method using Satellite Remote Sensing
| Project/Area Number |
18H01569
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
山敷 庸亮 京都大学, 総合生存学館, 教授 (20335201)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
辰己 賢一 東京農工大学, (連合)農学研究科(研究院), 准教授 (40505781)
石川 可奈子 滋賀県琵琶湖環境科学研究センター, 総合解析部門, 専門研究員 (80393180)
須崎 純一 京都大学, 工学研究科, 教授 (90327221)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 沈水植物 / GCOM-C / 深層強化学習 / 水中生物 / 自動判別 |
|---|
| Outline of Annual Research Achievements |
最終年度である令和２年度は、琵琶湖における２回の調査、田辺湾における潜水調査のほか、屋久島や八重山諸島での調査も行った。琵琶湖においては、水草の成長状況は例年よりは少ないが初年度に比較して確認することができ、これを利用しての、GCOM-Cを用いた予想モデルの作成を行った。同時に、昨年度から開始した、田辺湾海底における軟体サンゴであるオオトゲトサカ類の、深層学習を用いた判別アルゴリズムを作成し、水中画像による判別実験を開始し、その成果を日本海洋学会などで発表した。結果、GCOM-Cを用いた沈水植物の分布量評価においては、琵琶湖環境科学研究センターによる観測結果をある程度反映したものとなった。ただし、沈水植物の判別に重要な近赤外成分が、GCOM-Cの公開データにおいて十分にその判別が困難であることが判明し、その他のSGLIセンサの波長を利用した。また深層強化学習を用いた水中画像の判別においては、これは人工衛星観測では無理な特に赤系の沈水植生や水中生物の判別に威力を発揮することがわかり、特に空からの判別においてどれだけの項目が確認可能であるかを検証し、補完的に観測を行ってゆくための一つの大きな方向性となった。また、沿岸域において、湖底・海底の底質の色によって判別効率が大きく異なることが分かったが、今回の研究においては、底質の分類までは至らなかった。深層強化学習による画像判別は沈水植物だけではなく水中生物に応用可能なため、魚類を含む水中生物の判別や海域の特性把握において威力を発揮する可能性があり、現在そのデータベース化を進めている。ただし、これらの調査において、ある程度の調査を行うことができたものの、コロナ禍によって中止となった観測も多く、本研究目的の達成のためにさらなる追加調査と追加解析が必要で、別財源を用いた研究を含めた継続を行っている。
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
-
[Journal Article] Community capability building for environmental conservation in Lake Biwa (Japan) through an adaptive and abductive approach2021
Author(s)
Yasuhisa Kondo, Eiichi Fujisawa, Kanako Ishikawa, Satoe Nakahara, Kyohei Matsushita, Satoshi Asano, Kaoru Kamatani, Satoko Suetsugu, Kei Kano, Terukazu Kumazawa, Kenichi Sato, Noboru Okuda
-
Journal Title
Socio-Ecological Practice Research
Volume: online only
Pages: online only
DOI
Peer Reviewed / Open Access
-
-
-
-
-
-
