2023 Fiscal Year Final Research Report

Development and evaluation of data fusion method for vegetation big data products observed by earth observation sensors

Research Project

PDF

Project/Area Number	20K12259
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 64040:Social-ecological systems-related
Research Institution	Aichi Prefectural University
Principal Investigator	Obata Kenta 愛知県立大学, 情報科学部, 准教授 (80758201)
Co-Investigator(Kenkyū-buntansha)	吉岡博貴愛知県立大学, 情報科学部, 教授 (40332944)
Project Period (FY)	2020-04-01 – 2024-03-31
Keywords	地球観測 / リモートセンシング / 植生 / 反射率 / センサ調和 / 大気補正 / 放射量校正 / 植生指数
Outline of Final Research Achievements	This study developed and demonstrated algorithms for reducing systematic differences in vegetation indices (VIs) caused by the differences of sensors and product generation algorithms, aiming at accurate estimations for spatiotemporal variation of terrestrial vegetation using Earth observation satellites. First, we developed and demonstrated theories and algorithms for cross-sensor VI transformation, confirming that sufficient transformation accuracy was achieved. However, the transformation accuracy decreased when atmospheric correction level between sensors is not identical. To address this issue, we newly developed theories and algorithms for cross-sensor reflectance transformations. Subsequently, we conducted numerical experiments using actual data, confirming sufficient accuracy for the reflectance and VIs transformations between sensors, and identified factors contributing to uncertainties of the algorithm.
Free Research Field	衛星リモートセンシング
Academic Significance and Societal Importance of the Research Achievements	本研究で構築したアルゴリズムでは，モデル中の変数がすべて物理的な意味を持ち説明可能である。また，モデル中の変数は各センサデータから個別に計算できることから，いわゆる"学習"に必要なセンサデータのペアが不要である。これにより，通常の回帰や機械学習に比べて計算量の削減が期待できることが示唆される。現在，仕様や品質の異なる様々な人工衛星が運用されており，これら衛星データから均一な地表面反射率を導き出す取り組みは数多く報告されている。本研究で提案したアルゴリズムは，アルゴリズムの説明可能性，実用性，および計算量低減可能性という観点で当研究分野に一定の貢献を果たすものと考える。