研究課題/領域番号 |
19K22929
|
研究機関 | 京都大学 |
研究代表者 |
大庭 ゆりか 京都大学, 森里海連環学教育研究ユニット, 特定助教 (30816921)
|
研究分担者 |
伊勢 武史 京都大学, フィールド科学教育研究センター, 准教授 (00518318)
|
研究期間 (年度) |
2019-06-28 – 2023-03-31
|
キーワード | 深層学習 / 放射線災害 / リモートセンシング / 森林生態系 / 環境保全 |
研究実績の概要 |
人工衛星画像データから除染実施区域を抽出するための自動識別モデル開発に必要な教師画像データの取得および整備を行った。構築した教師画像データベースをもとに、まずは低解像度の無償人工衛星画像データを用いて、複数の深層学習フレームワークで除染実施区域を識別するモデルを開発し、それらモデルの精度を比較した。その結果、教師画像データベースの再整備の必要性が浮上したため、追加の教師画像データの取得およびデータ処理を進めている。 また、これら開発されたモデルを軸とした高解像度の有償人工衛星画像データに適用可能なモデル開発のための準備も同時に行っており、高解像度の人工衛星画像データを解析するために必要な環境構築およびデータ処理プロトコルの検討および開発を進めている。 自動識別モデルを適用した人工衛星画像から対象とする除染実区域を抽出し、その範囲に存在する森林データを抽出するために必要な画像処理技術を実装するための環境構築および整備を行った。 公開されている除染実施地域の情報(除染実施時期や空間線量)の収集を行い、除染範囲や作業実施からの経過時間ごとの効果を評価した。さらに、当該地域の森林生態系や気象条件などの環境要因の時系列データの収集を行い、除染実施前と後での比較および評価を行った。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
新型コロナウイルス感染拡大のため、予定していたフィールド調査実施を延期せざるを得なかったため。
|
今後の研究の推進方策 |
再整備した教師画像データベースを使用して画像識別モデルの開発を行い、データベース間でのモデル精度を検証する。また、公開されている除染実施地域の情報およびフィールド調査の結果をもとにサイト選定を行い、その地域の高精細な有償人工衛星画像データを取得し自動識別モデルを適用して、そのモデル精度を検証する。さらに、モデルを使用して抽出した地域の森林データを解析し、森林生態系への除染の影響を推定する。
|
次年度使用額が生じた理由 |
昨年度は、新型コロナウイルスの感染状況を鑑みて調査計画を延期したため、フィールド調査やその結果をもとに行う予定であった有償の人工衛星画像データの取得が困難であった。2022年度は、延期していたフィールド調査を実施する予定であるが、新型コロナウイルス感染状況に応じて臨機応変に研究計画を進めていく予定である。
|