2021 Fiscal Year Annual Research Report
Artificial intelligence techniques utilized for nationwide mapping and prediction modeling of spatio-temporal changes in plant communities
| Project/Area Number |
19H04320
|
|---|
| Research Institution | Tokyo University of Information Sciences |
|---|
Principal Investigator |
原 慶太郎 東京情報大学, 総合情報学部, 教授 (20208648)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
富田 瑞樹 東京情報大学, 総合情報学部, 教授 (00397093)
藤原 道郎 兵庫県立大学, 緑環境景観マネジメント研究科, 教授 (80250158)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 植生変化 / 植生図化 / 植生分布モデル / AI / リモートセンシング |
|---|
| Outline of Annual Research Achievements |
将来の気候変動下における植生分布の予測モデルを開発するためには、基盤情報となる植生分布の現況を正確に把握することが不可欠である。そして、現在の植生分布と気候条件とを統合的に解析することで、植生分布の適地条件を把握することができる。将来の気候条件を組み込んで解析することで植生分布の予測モデルが開発できる。前年度までの研究において、現況に基づく植生分布モデル開発を進めてきた。
本年度は、日本全国規模の植生分布モデルを構築し、日本全域を対象に、昨年度に定式化した群落優占種（属）-相観型（Dominant Genus-Physiognomy type：DG-P型）による現況植生分布を明らかにするとともに、気候予測データの収集を進めた。全国規模の植生分布モデルの構築に用いたDG-P区分は、現地調査や環境省1/2.5万植生図を基に、ソーラーパネルや農耕地（水田、畑、牧草地、果樹園）を含む100以上の分類型を整備した。AIによる植生分布モデルでは、2018年から2020年までの3年間のSentinel-2/MSIデータを深層学習による解析に供した。グランドトゥルースデータは、これまでに整備を進めてきた東北地方に対しては、現地調査とGoogle Earthにより最新の状況に更新し、未整備地域については独自に整備した。この結果、現況を表現する的確な植生分布モデルが構築できた。
気候予測データは、NASA Earth Exchangeが提供するGDDP（Global Daily Downscaled Projections）の収集と整備を進めた。空間分解能は25 kmグリッド、時間分解能は1950年から2100年までの間を1日単位である。今後は、本研究で開発した日本全国規模の植生分布モデルと、整備したGDPPを統合的に解析することで、将来の気候変動下における植生分布モデル構築を展開する。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
