权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Developing forest distribution model for better understanding of climate change impacts on forest

开发森林分布模型以更好地了解气候变化对森林的影响

基本信息

批准号：
17F17109
负责人：
原慶太郎
金额：
$ 1.47万
依托单位：
Tokyo University of Information Sciences
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2017
资助国家：
日本
起止时间：
2017-04-26 至 2019-03-31
项目状态：
已结题

项目摘要

2018年度は、ディープニューラルネットワーク（以下、DNN）を用いた、日本における主要な森林植生タイプ（群落）ごとの森林分布図を作成した。グランドトゥルースの整備のため、北海道佐呂間町と宮崎県綾町の植物群落について現地調査を実施した。まず、複数の観測衛星による日本全域にわたるデータ（Landsat 8/OLI、Sentinel-1/C-SAR、Sentinel-2/MSI）を収集し、グラフィックスプロセッシングユニット（以下、GPU）を用いたソフトウェアを実装し、DNNによるデータの統合をした。DNNによる衛星データの統合では、異なる衛星データから、観測日が近いデータを用いることで、個別の衛星で観測が欠落している日のデータを補完することができ、高空間分解能でありながら、非常に高い時間分解能をもつ衛星データセットが生成できた。さらに、DNNによる解析の際、地形的・地質学的な特徴量を解析データに加えることで、植生分類およびモニタリングに向けた高空間分解能分布図が作成できた。複数の衛星データ、グランドトゥルースデータ、地形的・地質学的な特徴量を合わせると、非常に多量なデータ群となり、従来の手法では適切な解析が困難であった。一方、本研究でディープラーニング技術をGPUプログラミングにより実装し解析したことで、DNNは多量な特徴量の解析に適しており、さらには、群落レベルまでの植生分類に応用可能であることを示した。また、研究を通じ、Landsat 8/OLIとSentinel-1/C-SARデータを組み合わせて森林被覆の可視化と抽出のための新手法として、Enhanced Forest Cover Composite（EFCC）を開発した。さらに、双方向反射データは、広域を対象とした植生タイプの分類精度の改善に有効なデータであることを明らかにした。加えて、異なる気候変動シナリオにおける、森林群落分布の将来予測に関するモデル研究を進めた。

In 2018, the main forest vegetation (community) and forest distribution in Japan were established. Field survey of plant communities in Saroma Town and Miyazaki Town, Hokkaido In addition, a number of satellites (Landsat 8/OLI, Sentinel-1/C-SAR, Sentinel-2/MSI) were collected and integrated into the whole of Japan. DNN satellite data integration, satellite data integration, satellite data acquisition, satellite data acquisition, satellite data acquisition, In addition, the spatial decomposition energy distribution of vegetation classification is generated. Complex satellite data, terrain, geological features, extremely large data, and methods are difficult to analyze. In this study, the GPU-based classification technology was used to analyze and analyze the characteristics of DNN, and the application possibility of community classification was demonstrated. A new method for visualization and extraction of Forest Cover was developed by Landsat 8/OLI and Sentinel-1/C-SAR. The classification accuracy of the two-way reflection image is improved. As time goes by, changes in weather conditions will occur, and research on the future prediction of forest community distribution will be advanced.