2019 Fiscal Year Research-status Report
多バンドリモートセンシング画像を用いた耕作放棄地の抽出
| Project/Area Number |
19K06307
|
|---|
| Research Institution | Ibaraki University |
|---|
Principal Investigator |
木下 嗣基 茨城大学, 農学部, 教授 (10313008)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | リモートセンシング / 土地被覆分類 / 耕作放棄地 / ラフ集合 |
|---|
| Outline of Annual Research Achievements |
1年目の研究として、リモートセンシングを利用した耕作放棄地の抽出方法の検討と、ラフ集合理論に基づいた土地被覆分類手法の開発を行った。
まず、リモートセンシングを用いた耕作放棄地の抽出方法の検討であるが、マルチスペクトルカメラによる耕作放棄地の抽出を検討した。その結果、一時期のマルチスペクトル画像と、4バンド程度の画像では分類精度に大きな差はないことが判明した。むしろ、多時期のNDVI画像を疑似マルチスペクトル画像として扱い、閾値を設定する方法により高い精度が得られる可能性が示唆された。そのため、複数の衛星による多時期の画像を用いた分類を行い、一定の精度を得ることができた。この成果は40th Asian Conference of Remote Sensing において発表を行った。それと同時に、複数衛星の画像を利用することの問題点も明らかとなった。この点についても、耕作放棄地の抽出に適した正規化手法の検討を行い耕作放棄地の抽出精度の向上が確認された。この成果については発表予定であったが、学会の大会が中止になったため行っていない。
併せて、抽出の分類に用いるラフ集合理論に基づいた土地被覆分類方法の開発を行った。ラフ集合理論はカテゴリカルデータを扱う手法であるが、それを数値データに拡張する手法を発展させ適用した。その結果、計算時間が大きいという問題点はあるものの、一般的に用いられる既存の分類方法（例えばMLCやSVM）などと比較して精度は同等もしくはそれ以上であり、分類のロバスト性が高い方法であることが確認された。この成果は、IEEE Geoscience and Remote Sensing Lettersにて論文として公表された。 また、ハイパースペクトル画像に対応する改良を行い発表予定であったが、学会の大会が中止になったため行っていない。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画では衛星によるハイパースペクトル画像を利用した耕作放棄の抽出を行うことを想定していた。しかし、現在入手可能な衛星画像のノイズや解像度の関係で十分な精度が得られないことが判明した。また観測頻度から適切な時期の画像が得られにくいことから、2年目に実施する予定であった複数時期の衛星画像を用いた耕作放棄地の抽出を中心に研究を実施した。この結果は概ね2年目の成果の半分程度が達成できている。1年目の成果として順調ではないところもあったが2年目も含めての進捗状況を考慮すれば順調に進展していると考えられる。
もう一方のラフ集合による土地被覆分類方法の開発であるが、こちらは順調に開発が行われた。カテゴリカルデータを扱うラフ集合の問題点を克服したGrade-added Rough Setsの開発を行ったとともに、その方法を数十から数百のバンドに対応できるように改良を行った手法も開発を完了し、十分に目標を達成できたと考える。
|
| Strategy for Future Research Activity |
耕作放棄地の抽出方法の開発を引き続き行う。まず、NDVIを用いた耕作放棄地の抽出方法が有効であることが確認されたが、複数衛星の画像を用いることの問題点も併せて判明したため、正規化の手法を開発したが、その正規化について十分な検証を行うほか、現地のデータも取り入れた正規化の手法について検討を行う。また、データの補間方法についても検討を行い、最も適切な方法を見出す。これらをもとに、NDVIの変化も取り入れ、また1年目に用いた閾値を設定する方法ではない、ラフ集合理論を含む機械学習を用いた耕作放棄地の抽出方法を検討する。この機械学習の検討の段階でバンド抽出を行い、どの時期のデータが重要であるかの検討も併せて行う。当初計画では、ピクセルベースではない方法を用いた分類についても取り組む予定であったが、今回の対象となる日本では、農地の地図は精度が非常に高いことが調査の結果確認された。そのため、既存の地図を用いたうえでの耕作放棄地抽出を行うことが適切と考え、その方向で研究を推進する。
ラフ集合理論に基づいた土地被覆分類手法の開発においてもノイズを含む画像において精度が十分ではないという問題が判明した。これは耕作放棄地の抽出精度に少なからぬ影響を与えることが予想される。そこで、この問題点を克服した新たなラフ集合理論に基づいた土地被覆分類手法の開発を行う。
これらの成果をもとに、高頻度観測の画像を用いた疑似ハイパースペクトルデータのラフ集合理論に基づいた分類方法による耕作放棄の抽出方法の提案を行う。
|
