Analysis of thermal physiological environment with remote sensing and big data: For urban design

点击翻译按钮获取中文摘要

関東西部を対象に複数の機械学習の方法を用い、精度の高い土地被覆の抽出を試みた。また、熱環境が悪化する地域塊（ホットスポット）とそうでない地域塊（コールドスポット）の空間的な特徴を、土地被覆との関係を踏まえ把握するとともに、対象地域における全域のデータと、ホットスポットとコールドスポットのみに絞ったデータを用い、熱環境と土地被覆の関係を統計的に把握した。地域的なこれら関係性をより明確にするため、最終的には、地理的加重回帰を用いて分析した。これにより、熱環境が悪化する空間的な特徴をより詳細に把握することができた。さらに、ここでは統計的な手法を用いて熱環境解析を行ったが、その実態をより深く理解するためには物理的な方法を検討することも必要である。加えて、東京都大田区を対象に、国土交通省が主導する3D都市モデルPLATEAUを利用して夏季の総日射量を推定するとともに、静止気象衛星HIMAWARIによって抽出された地表面温度との関係について評価を行った。両者について一定の関係性が見られたものの、これについても限定的な地域における解析であったため、今後は東京都区部全域に対象を拡大して評価を行うことが必要である。同時に、リモートセンシング分野における都市熱環境研究のミスリードについて事例解析を行った。近年では、都市熱環境や気象学、地理学などのバックグラウンドを持たないリモートセンシング分野の研究者による都市熱環境、ヒートアイランド研究の論文が急増しているが、重要なバッググラウンドの知識を欠いたまま分析を進めて書かれたと思われる残念な論文も散見されている。衛星リモートセンシングの分野で「新発見」のようにもてはやされうる話の中には、気象学の常識的知見との矛盾を克服できていないものが存在する。