合成開口レーダを利用した圃場情報の取得に関する研究

点击翻译按钮获取中文摘要

本年度は，次の3点の研究を実施した。1. XバンドおよびCバンドSARデータを併用した機械学習アルゴリズムによる作物分類の高精度化・効率化に関する検討　高精度な作付作物の分類を目指し，CバンドSARの2偏波データおよびXバンドSARの4偏波データから，機械学習アルゴリズムによる分類を実行した。Cバンドの9変数とXバンドの4変数を併用した結果，各5時期のデータで高い全体精度が得られ，各3時期のデータでも5時期と有意な差のない結果が得られた。この研究において有効となった時期をジニ係数減少量とバイオリンプロットから特定し，分類に使用するデータ時期の目安を提示した。また，誤分類の生じた圃場の特徴や原因の特定を行った。2. CバンドSARおよび光学センサを使用した水稲穂含水率の推定　CバンドSARの9変数と光学センサのNDVIから，ステップワイズの変数減少法による重回帰分析で，水稲の穂含水率を推定した。SARのモデルでは決定係数は高い精度を得られなかったが，衛星進行方向ごとや栽培形態ごとにモデルを分けることで決定係数が向上した。光学センサのモデルでは湛水している圃場で外れ値が見られたが，SARと光学センサを併用したモデルでは最も高い決定係数が得られた。SARのモデルについて，翌年のデータで検証を行った結果，全データによるモデルで最も小さいRMSEが得られた。3. CバンドSARおよびダミー変数を使用した水稲穂含水率の推定　Cバンドの9変数に，3種類のダミー変数（衛星進行方向，衛星入射角，栽培形態）を使用し，水稲の穂含水率を推定するモデルを作成した。その結果，ダミー変数により精度の向上がみられ，全データにダミー変数を加えたモデルで特に良好な結果が得られた。このモデルについて，5分割による交差検証を行った結果，モデル作成時のRMSEと同等のRMSEが得られ，有効性が確認できた。