2023 Fiscal Year Annual Research Report
Estimation of post-harvest vegetation recovery based on forest structural attributes using time series of satellite data
| Project/Area Number |
21K14883
|
|---|
| Research Institution | Forest Research and Management Organization |
|---|
Principal Investigator |
志水 克人 国立研究開発法人森林研究・整備機構, 森林総合研究所, 研究員 (30868170)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 衛星画像 / リモートセンシング / 植生回復 / 伐採 |
|---|
| Outline of Annual Research Achievements |
本研究課題では、時系列的に取得された衛星画像を利用して伐採後の植生の林分構造を表現する指標を検討し、植生回復状況を推定する手法を明らかにすることを目的とした。まず、1984年から2022年までの時系列Landsat画像を用いて30m解像度で日本全体の毎年の伐採箇所をマッピングした。この際、機械学習アルゴリズムのRandom Forestを利用し、伐採だけでなく、その他の森林撹乱（土砂崩壊、風倒害、土地転用）を区別して予測するモデルを作成し精度を評価した。伐採クラスのProducer’s精度は80.7%、User’s精度は95.9%と推定され、植生回復の解析をするにあたって十分な精度を有していた。マッピングした伐採箇所について、既存の研究で用いられる植生回復指標（Y2R）を衛星画像から計算して植生回復を評価した後、林分構造（林冠高や樹冠被覆率、林分材積）の予測モデルをLandsat画像から抽出した予測変数と日本各地で取得された航空機レーザ計測データによって作成し、その予測結果を植生回復の評価と比較した。予測モデルの作成には深層学習モデルの一種であるU-netを用いた。また、予測モデルを伐採後の衛星画像に当てはめ、広域のマッピングに利用した。これらの結果から、既存の手法では伐採後に回復した/回復しなかったかのみを推定していたが、本研究の手法で林冠高や樹冠被覆率などの林分構造を予測することで、林分成長の把握に役立てることができた。
|
