2023 Fiscal Year Annual Research Report
深層学習による衛星データの機械学習と土砂崩壊地の自動抽出
| Project/Area Number |
20K05054
|
|---|
| Research Institution | Hiroshima Institute of Technology |
|---|
Principal Investigator |
小西 智久 広島工業大学, 環境学部, 准教授 (40559960)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 畳み込みニューラルネットワーク / 深層学習 / 合成開口レーダ |
|---|
| Outline of Annual Research Achievements |
災害発生時における被災状況の早期把握のため、天候や昼夜によらず地表面の状態を観測可能な人工衛星搭載の合成開口レーダデータの活用が期待されている。本研究では、画像認識で成果を上げている深層学習を用いて衛星データから土砂崩壊地の抽出を行った。
2018年に発生した北海道胆振東部地震の発生前後のCOSMO-SkyMed（Xバンド）およびALOS-2/PLASAR-2（Lバンド）データにCNN（Convolutional Neural Network）を適用して土砂崩壊地抽出を行った。土砂崩壊地抽出には全層畳み込みニューラルネットワークの一つであるU-Netを使用した。ミニバッチサイズやストライドのサイズを複数準備して、学習に使用していないテストデータを用いて土砂崩壊地抽出におけるパラメータの最適値を求めた。COSMO-SkyMedデータおよびALOS-2/PALSAR-2データを使用したU-Netを用いた土砂崩壊地抽出をF値で評価した結果、XバンドおよびLバンドSARデータに対して有効であることが確認できた。
SARデータによる土砂崩壊地抽出の有効性を確認するため、光学衛星データにU-Netを適用して土砂崩壊地抽出を行った。SPOT-7の観測バンドから異なる組み合わせを4種類作成し、U-Netに入力した。学習に使用していないテストデータを用いて比較を行った結果、SPOT-7の可視青、可視緑およびNDVIを入力データとした場合にF値の最高値が得られた。これにより光学衛星データにCNNを適用する土砂崩壊地抽出に適した観測バンドを明らかにすることができた。また、SPOT-7データにCNNを適用した土砂崩壊地抽出において、災害前後データを用いた方がF値はやや高くなるが災害後データのみの入力でもほぼ同等のF値が得られることが分かった。
|
