研究課題
高分解能衛星データに対して画像分類処理による土砂災害の被災領域抽出と衛星データによる土砂災害被災情報の提供手法の開発を実施した。土砂災害の被災領域抽出では、複数時期の衛星データに対してランダムフォレストおよび畳み込みニューラルネットワークの機械学習アルゴリズムを用いた画像分類を行った。2016年の熊本地震に伴う土砂崩壊地の解析では、合成開口レーダであるALOS-2/PALSAR-2のフル偏波データを用いてエントロピー、α角、アニソトロピーの三成分の固有値解析、四成分散乱モデル電力分解、偏波間コヒーレンス解析を行った。これらの解析から土砂崩壊地の抽出に有効なパラメータを求めた。そして、そのパラメータに対してランダムフォレストを用いた画像分類を行った。学習に使用していないテストデータでの検証の結果、災害前後のα角が土砂崩壊地の抽出に有効であることを示した。北海道胆振東部地震に伴う土砂崩壊地の解析では、光学センサであるSentinel-2/MSIデータから算出した正規化差植生指数（NDVI）と傾斜角データに対して8層の畳み込みニューラルネットワークを用いた画像分類を行った。テストデータでの検証の結果、災害前後のNDVIが土砂崩壊地の抽出に有効であることを確認した。衛星データによる土砂災害被災情報の提供手法の開発では、Webを通じて被災情報を提供するためオープンソースライブラリであるLeafletを用いてJavascriptにより試作を行った。そして、大学内にWebサーバを設置し、国土地理院の地理院地図を背景データとして、災害前後の地球観測衛星データと防災に関連するGIS情報を統合化して提供する仕組みを試行することができた。
すべて 2018 その他
すべて 国際共同研究 (1件) 雑誌論文 (1件) 学会発表 (2件) (うち国際学会 1件)
Proc. SPIE Remote Sensing 2018, Active and Passive Microwave Remote Sensing for Environmental Monitoring
巻: 10788 ページ: －
10.1117/12.2324030
