| 研究実績の概要 |
リモートセンシングは生態圏機能の把握のために有用だが、観測精度やコストなど改善が望まれることも多い。本研究は、従来は別々に発展してきたリモートセンシング研究とAI画像解析を融合し、これまで取得できていなかった情報を最大限抽出する点が独創的である。AI画像解析はターゲット周辺の多数のピクセル情報を明示的に解析に含めることが特徴だが、従来のリモートセンシングではこの考え方の活用が遅れていた。ピクセルを個別に解析するのでは、周囲との関係性という貴重な情報が失われ、またノイズの影響が大きくなってしまう。本研究では、近傍の多数のピクセル（データ空間x,y方向）を合わせて対象物の形状やテクスチャを識別する。これにより、環境条件によって散乱が異なる場合でも対象物をロバストに識別することが可能になる（デジカメの顔認識が、直射日光下でも白熱電球の灯りでも動作するのと同様の仕組み）。
近年、LiDAR（地上・UAV・航空機・人工衛 星）によるバイオマス推定は徐々に普及しているが、コストの高さがネックとなっている。 また、LiDARは幹バイオマスや立木密度の推定には威力を発揮するものの、葉はレーザー光 を透過してしまうため、葉バイオマスの推定や植生タイプ判別、枯死や病虫害の発見がむず かしい。本研究は、これらのボトルネックを解決するため、安価で一般的な民生用ドローン を活用した研究と、既存の空中写真など新たなコストをかけずに入手可能なデータを使った研究を提案した。これにより、経済的に不安定な地域でも安価で継続的な観測を行うことが可能になるなど、デジタルバイオスフェアの確立に寄与した。
|
