2020 Fiscal Year Research-status Report
| Project/Area Number |
20K06149
|
|---|
| Research Institution | Tokyo Denki University |
|---|
Principal Investigator |
渡邉 学 東京電機大学, 理工学部, 研究員 (10371147)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
KOYAMA CHRISTIAN 東京電機大学, 理工学部, 研究員 (40704961)
島田 政信 東京電機大学, 理工学部, 教授 (90358721)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 森林伐採 / 人工知能 / SAR / 地球温暖化 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、昼夜天候に関係なく高頻度で観測可能な衛星搭載合成開口レーダ(PALSAR-2)を使い、”日本域で定期的な”伐採監視を行うための手法を明らかにする事にある。目的を達成するために、以下の3つの課題を設定した。
１）衛星観測モード：SAR衛星データを用いた熱帯林での森林変化検出のためのアルゴリズムは、JAXAとJICAが行っているJJ-FASTで申請者によって開発されている。しかし、日本域は異なる観測モードで定常的に観測しているため、同じ手法が使えない
２）空間分解能：JJ-FASTでは空間分解能50ｍのデータを用いて、最低検出サイズ2haを実現しているが、日本域は3m分解能で観測されている。また狭い範囲での伐採が多い事から、本研究では最低検出サイズを0.8haに設定した。
３）森林の季節変化：SAR時系列データが、熱帯林とは異なる季節変化を示すことに対応する必要がある。
上記の課題を克服するために、時系列ＳＡＲデータを入力画像とした、畳み込みニューラルネットワークによる森林変化域検出のモデルを開発した。光学衛星（Sentinel-2)画像を用いて、埼玉県と宮城県で森林変化場所の検証データを集め、モデルのトレーニングを行った。開発したモデルに対して、埼玉県と宮城県の1時期データで精度評価を行ったところ、検出精度は70-80%を達成した。しかし未検出の場所が50%程度見られたことから、現在、未検出場所が検出できるようにパラメータ調整、訓練データを増やす等の作業を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初、テクスチャとその閾値を用いたアルゴリズム開発を考えていたが、時系列ＳＡＲデータを入力画像とした、畳み込みニューラルネットワークを採用したことにより、研究実績の概要で示した課題1), 2), 3)を全て解決できる目途がついた。特に分解能は当初0.8haとしていたが、現在0.25haでも70-80%の検出精度が出せる可能性がある事が分かってきたことから、”当初の計画以上に新手印している”の区分とした。
|
| Strategy for Future Research Activity |
検出精度は埼玉県と宮城県の1時期データで、検出精度70-80%が出せる目途は立った。今後、異なる季節でも適用可能か、日本の他の地域でも適用可能かを検討する。また、未検出場所を示す精度がまだ50％と高くないため、今後、１）未検出場所が検出できるようにパラメータ調整する、２）人工知能で利用する検証データを増やす、事で未検出場所を減らす試みを行う。
|
| Causes of Carryover |
コロナの影響で、検証のための現地調査ができなかった。
今年度も検証調査ができない可能性が高いが、研究支援者を雇って、光学衛星画像をつかって検証を行うことでカバーする。
|
