航空写真と航空レーザをいた倒被害地抽出法の

⽬次
1 はじめに
航空写真と航空レーザを⽤いた
⾵倒被害地抽出⼿法の検討
2 ⽅法
3 結果
⼭本拓也（信⼤農学部）
加藤正⼈（信⼤⼭岳科学研究所）
4 考察・おわりに
2
背景
はじめに
⾃然災害による林況の変化が広域に起こる
⾼解像度データの蓄積
複数時期かつデータを組み合わせた事例が少ない
はじめに
リモートセンシングを⽤いた
広域かつ詳細な森林現況把握の必要性
3
⽬的
4
はじめに
航空写真と航空レーザのデータを組み合わせた
詳細な⾵倒被害地抽出⼿法の検討
⽅法
リモートセンシングによる
⾼精度な被害情報の把握
被害⾯積の把握
被害材積の推定
5
6
調査地概要
⽅法
場所 ︓⻑野県岡⾕市横川
被害⾯積抽出フロー
LiDARデータ（航空レーザ）
調査対象地
航空写真
（2009,2013）
⾵倒樹種︓ウラジロモミ
DSM
傾斜 ︓29°~42°
標⾼ ︓約1500ｍ
⽅法
（2012,2013)
DEM
①
2012:4バンド
2013:3バンド
DCHM(樹⾼)
岡⾕市
②
2013DCHM≦3ｍ
⾵倒時期︓2012年
③
教師付
ピクセルベース分類
④
DCHMの差
(2013-2009)
組み合わせによる
抽出
現地調査との⽐較・検証
7
被害材積推定フロー
⽅法
DCHM
2009年
樹⾼
DBH
各⼿法によって
抽出した被害⾯積
8
現地調査
計測項⽬
胸⾼直径
樹⾼
⽴⽊位置（XY⽅式）
樹冠幅（4⽅向）
単⽊ごとに
抽出・算出
単⽊ごとに算出した
被害材積の推定
⽅法
Plot2
Plot3
Plot1
現地調査との⽐較
m
9
被害⾯積抽出
⽅法
①航空写真を⽤いた⼿法
被害⾯積抽出
⽅法
LiDARを⽤いた⼿法
②⼀時期の
LiDARデータ
教師付ピクセルベース分類
倒⽊地，草地，モミ，カラマツ，広葉樹，影
4バンド画像(RGB・NIR, 2012)
10
3バンド画像(RGB, 2013)
2013年DCHM ≦３m（⽥⼝,2006）
③⼆時期の
LiDARデータ
2013年DCHM ー 2009年DCHM ＜０m
11
12
被害⾯積抽出
⽅法
④組み合わせによる抽出
被害材積の推定
樹⽊情報の抽出
Ⅰ.13年LiDAR×3バンド
Ⅱ.13年LiDAR×4バンド
Ⅲ.13－09年LiDAR×3バンド
4通りの組み合わせ
樹⾼
樹頂点︓Tree tops法
樹冠⾯積︓Watershed法
DCHM
4バンド航空写真
Watershed法
AND
13
被害材積の推定
抽出された被害地
胸⾼直径
算出
Ⅳ.13－09年LiDAR×4バンド
13－09年LiDAR
⽅法
⽅法
倒⽊前樹⽊情報
・梢端位置から⾼さ勾配に沿って
領域を拡⼤
・⾼さ勾配が反転した領域を分割
する⽅法
14
現地調査との⽐較
⽅法
被害地を三ヵ所設置
現地調査データ
※⻑野県平成27年度
⽔源林対策事業第1号⼯事
・樹⾼
・樹頂点
・樹冠⾯積
・胸⾼直径
重ね合わせて抽出
被害材積の推定
・被害材積
・被害⾯積
被害地ごとに抽出
⽐較・検証
15
16
被害地抽出
①航空写真4バンド
結果
①航空写真3バンド
結果
②13年DCHM
17
③13年DCHM－09年DCHM
18
被害地抽出
結果
④組み合わせ
ⅰ 13年LiDAR×3バンド航空写真
ⅱ 13年LiDAR×4バンド航空写真
被害⾯積抽出
被害地ごとの⾯積抽出精度
⼿法
LiDAR
航空写真
ⅲ13－09LiDAR×3バンド航空写真
結果
ⅳ 13－09LiDAR×4バンド航空写真
組み合わせ
被害地2(%)
被害地3(%)
⼀時期
62.9
76.3
⼆時期
114.5
113.5
4バンド
105.8
85.5
3バンド
62.1
15.9
⼀時期・4バンド
54.9
70.8
⼀時期・3バンド
52.8
69.9
⼆時期・4バンド
83.4
86.9
⼆時期・3バンド
95.4
91.9
精度 = RS/現地×100
被害地２︓0.3(ha)
被害地３︓2.0(ha)
19
被害材積の推定
20
結果
被害地ごとの材積推定精度
⼿法
LiDAR
航空写真
組み合わせ
被害地2(%)
被害地3(%)
⼀時期
20.7
52.0
⼆時期
36.2
64.7
4バンド
30.4
53.8
3バンド
14.2
13.9
⼀時期・4バンド
18.9
46.1
⼀時期・3バンド
18.1
44.0
⼆時期・4バンド
26.7
54.0
31.9
57.9
⼆時期・3バンド
考察・おわりに
精度 = RS/現地×100
被害地２︓0.3(ha)
被害地３︓2.0(ha)
21
考察
22
おわりに
 被害⾯積推定
樹⽊情報推定精度の向上
誤検出の軽減
データの組み合わせによる⾯積推定精度の向上
光学センサとLiDARデータの組合せは有効
 被害材積推定
推定精度は⾼くなかった
アルゴリズムの⾒直し
(watershed法，treetops法)
林分パラメータの追加
(林分密度，樹冠表⾯積…)
隣接する樹冠同⼠の結合
23
24
謝辞
RSと現地調査の⽐較
結果
各プロットの樹⽊情報
胸⾼直径と樹冠⾯積
胸⾼直径と樹⾼
ありがとうございました
y=5.313x+0.376
R²=0.743
謝辞データを提供してくださった
⻑野県諏訪地⽅事務所林務課
y=2.205x-12.161
R²=0.543
25
RSと現地調査の⽐較
結果
単⽊ごとの樹⽊情報
胸⾼直径と樹冠⾯積
y=2.807x+13.395
R²=0.436
26
RSと現地調査の⽐較
RSと現地調査の⽐較
胸⾼直径と樹⾼
推定胸⾼直径と現地調査胸⾼直径
推定材積と現地調査材積
y=1.2311x+10.242
R²=0.330
AE=2.50(cm)
RMSE=4.16(cm)
R²=0.698
27
スペクトルパターン
結果
結果
AE=0.019(m³)
RMES=0.023(m³)
R²=0.516
28
樹冠抽出
結果
航空写真
LiDAR
29
30
単⽊ごとの樹⽊情報
結果
単⽊ごとの被害材積
算出材積の⽐較
推定胸⾼直径の⽐較
AE=0.818
RSME=1.463
R²=0.594
AE=2.224
RSME=4.378
R²=0.573
結果
AE=0.818
RSME=1.463
R²=0.594
31
AE=0.818
RSME=1.463
R²=0.594
32
⼿法
DCHM
LiDARと3バンドの組合せについて
単⽊ごとの樹⽊情報の⽐較
⽴⽊地
DSM
⾵倒被害地
DCHM
DEM
33
時系列
2009
LiDAR
3バンド
2009年
2012年8⽉4⽇
4バンド
⾵倒被害
2013
LiDAR
3バンド
2016年
35
34
SkySat-2衛星と航空レーザデータを⽤いた
松本市四賀地区の松枯れ被害の把握
背景・⽬的
⽵中悠輝・Deng Songqiu・加藤正⼈
（信州⼤学農学部）
1
2
背景
⽬的
• 松本市北東部で松枯れ被害が拡⼤
• 四賀地区の松枯れ被害状況を把握する
• 技術連携を結んでいる松本市から
四賀地区の松枯れ被害状況把握の要請
• マツクイムシ被害研究に対する衛星画像の
有⽤性を明らかにする
• 衛星画像を利⽤したマツクイムシ被害の
研究は少ない
• 衛星画像の撮影頻度、分解能向上
3
4
使⽤データ
• SkySat-2衛星データ(2015年5⽉30⽇撮影)
使⽤データ・ソフト・機器
⽩⿊画像
(1バンド分解能0.8m)
5
マルチスペクトル画像
(4バンド分解能2.0m)
6
使⽤データ
使⽤ソフト・使⽤機器
• 航空レーザデータ(2013年撮影(最低4点/㎡))
• Arc GIS 10.0(ESRI,USA)
• IMAGINE 8.6(ERDAS,USA)
• Geomatica 9.1.8(PCI,Canada)
• ENVI LiDAR 5.3(Exelis,USA)
• 携⾏分光放射計 MS-720(英弘精機,⽇本)
DSM(分解能0.5m)
DEM(分解能0.5m)
DCHM(分解能0.5m)
7
8
研究の流れ
現地調査
SkySat-2衛星
調査地概要
航空レーザ
アカマツ林抽出
分光反射
測定
回帰式
作成
樹冠抽出
被害区分図
松本市
DCHM
樹頂点抽出
データの統合
利⽤検証
精度検証
被害材積
区分図
9
⻑野県全体
調査地全体
10
現地調査プロット作成
現地調査
• プロット作成(8⽉)
• 分光反射測定(8⽉)
• 利⽤検証(12⽉)
プロット周辺拡⼤図
⽴⽊位置図
調査地東側道路沿いに30mｘ38mのプロットを8⽉末に
1つ設置
11
⽴⽊位置・胸⾼直径・被害の進⾏度・伐根の位置を測定
12
松枯れ被害葉の分光反射特性
枯損葉
(nm)
70
60
50
DBH(cm)
950
900
1050
1000
850
800
750
700
650
600
感染葉平均
近赤外
550
Y=7.4678e0.0623x
R2=0.5915
枯損葉平均
赤
500
健全葉平均
緑
45
40
35
30
25
20
15
10
5
0
青
450
感染葉
対白色板比(%)
健全葉
400
調査地内2ヶ所で測定した81本のアカマツの
樹⾼とDBHから回帰式を作成
平均波⻑の分光反射
45
40
35
30
25
20
15
10
5
0
350
対白色板比(%)
スペクトルパターン
樹⾼とDBHの回帰式作成
健全葉・枯損葉(茶)・感染葉(⻩)
で分光反射特性が異なる
40
30
20
10
0
0
5
10
15
20
25
30
35
樹高(m)
13
14
被害区分図作成
教師付きピクセルベース分類で
健全⽊と被害⽊に分類
画像解析
⽩⿊画像
教師付きピクセルベース分類イメージ図
低い輝度値を結ぶ
樹冠
Valley Following法イメージ図
15
被害区分図作成
16
樹頂点抽出
Tree Tops法を⽤いてDCHMから樹頂点抽出
調査地全体の被害区分図
樹頂点画像
17
18
データの統合
被害材積区分図作成
DCHMから
得られた樹⾼
回帰式から
求めたDBH
⽴⽊幹材積表
林⼩班図を
統合
m
m
被害区分図と樹頂点画像の統合
各樹頂点とDCHMの統合
被害材積
区分図
被害材積区分図
19
20
分類精度検証
0.1haプロットを利⽤した現地調査結果と
リモートセンシング結果の⽐較
結果・考察
現地調査上層⽊結果
本数
平均樹⾼
健全⽊
45
21.6
被害⽊
14
22.5
合計
59
21.8
RS結果
平均樹⾼
本数
精度
精度
39
19.8
92%
87％
8
19.7
88%
57％
47
19.8
91%
80％
※DBH26cm以上を上層⽊
※現地調査の全⽴⽊合計は137本
21
被害区分図の利⽤検証
22
考察
12⽉14⽇に松本市役所耕地林務課職員と
被害区分図を利⽤した⽬視による踏査を実施
• 被害葉の状態によって異なる
分光スペクトルパターンを⽰す
• SkySat-2衛星データを使⽤して
健全⽊と被害⽊に分類することは可能
• SkySat-2衛星データを使⽤して被害⽊を
枯損⽊と感染⽊に分類することは困難
利⽤検証対象地域
23
24
今後の展望
謝辞
• 樹冠抽出精度の向上
• 松本市役所
• ⾼分解能な衛星データの利⽤
• ⻑野県林務部
• 幾何補正の改善
• ⼤気補正を⾏う
以上の⽅々ありがとうございました
• バンド数が多い衛星データの利⽤
25
26
本研究の目的
航空機LiDARによる
単木レベルでの
樹種分類精度の検討
名古屋大学農学部
森林環境資源学研究分野
中武修一
対象地
航空機LiDARを用いた
単木レベルでの樹種分類を行い、
その応用可能性を検討する
1．分類に有効な指標の把握
2．分類において適正なデータ量の検討
対象地
対象地1
大台サイト(三重県津市多気郡大台町内の民有林)
対象地2
白山サイト(三重県津市白山町林業研究所実習林)
現地調査・・・なし
樹種の把握・・・植生図(県提供)および
航空写真((株)中日本航空提供)
現地調査・・・なし
樹種の把握・・・プロットデータ(県提供)
GIS上で樹種を確認・抽出
プロット内の立木をGIS上で抽出
対象樹種
スギ
ヒノキ
対象樹種立木本数(本) 凡例
484
スギ
892
ヒノキ
543
他針葉樹
839
広葉樹
凡例
立木本数
(本)
(プロット座標)
407
180
対象地
分類指標
対象地3
稲武サイト(豊田市稲武町名古屋大学附属の演習林)
現地調査・・・2015年6～10月
分類対象樹種のみで構成された
林分をGPSを用いて把握
樹種の把握・・・現地調査をもとに把握
GIS上で対象樹種を抽出
対象樹種立木本数(本) 凡例
216
スギ
209
ヒノキ
128
アカマツ
204
カラマツ
広葉樹
179
分類指標の特徴
本研究では7指標を分類に使用した
[1] 反射強度に関する指標 (2指標)
反射強度 → レーザー反射面の特性に影響
e.g. 葉の大きさ・形・樹冠密度
・反射強度の最大値 (Cw_intM)
・反射強度の平均値 (Cw_intA)
→ 単木ごとに算出し使用
※ Cw = crown (単木) int = intensity (反射強度)
反射強度
分類指標
解析の流れ
最適樹冠傾斜
分類指標の特徴
[2] 樹冠形状に関する指標 (5指標)
① 指標の特徴選択
分類に不要な指標の排除
10 mグリッドで・最適樹冠傾斜 (G_shp)
→ 山本ら (2015) の手法をもとに算出
樹冠形状を累乗式 (‫ ܡ‬ൌ ‫ ۯ‬ൈ ࢞࡮ ) で近似
単木ごとに
10 mグリッドで
② 使用する指標数を変化させての分類
‫ ܡ‬ൌ ‫ ۯ‬ൈ ࢞࡮
指標の分類への影響
・近似式の係数A (Cw_shpA)
・近似式の乗数B (Cw_shpB)
③ データ取得量を変化させての分類
・近似式の係数A (G_shpA)
・近似式の乗数B (G_shpB)
適切なデータ取得量の検討
※ Cw = crown (単木の値), G = grid (10 mグリッドの値)
int = intensity (反射強度に関係), shp = shape (樹冠形状に関係)
解析の流れ
方法
特徴選択
① 指標の特徴選択
分類に不要な指標の排除
② 使用する指標数を変化させての分類
指標の分類への影響
分類に有効な指標の選抜
・各サイト内の分類対象木について、抽出した分類指標を
対象に指標の特徴選択と重要度の算出を実施
・同時に指標間の相関係数を算出
→|R| > 0.7 を記録した指標間について、
2指標のうち重要度の低かった指標を取り除いた
分類に有効
③ データ取得量を変化させての分類
適切なデータ取得量の検討
特徴量
B
A
C
結果・考察
重要度順位
選択された指標と重要度
重要度
1
2
3
4
5
G_shpB Cw_intM G_shpA Cw_shpB Cw_shpA
白山 (スギ・ヒノキ)
稲武 (スギ・ヒノキ) G_shpB Cw_intM G_shpA Cw_shpB Cw_shpA
大台 (2樹種) Cw_intM G_shpB G_shpA Cw_shpB Cw_shpA
G_shpA Cw_shpB Cw_shpA
白山 (4樹種) Cw_intM G_shp
稲武 (5樹種) Cw_intM G_shpB G_shpA Cw_shpB Cw_shpA
E
A
C
D
D
相関係数・指標重要度
分類に不要
E
B
解析の流れ
① 指標の特徴選択
分類に不要な指標の排除
② 使用する指標数を変化させての分類
指標の分類への影響
分類指標として、各サイト5指標が選択された
・スギ、ヒノキ間はG_shpB (樹冠形状パラメータ) の使用が有効
・ Cw_intM (反射強度の最大値) → 対象地や樹種数の影響を受けにくい、有効な指標
・単木単位で形状パラメータを算出しても効果は小さい
③ データ取得量を変化させての分類
適切なデータ取得量の検討
方法
方法
分類対象木
分類の流れ
分類条件
100 %
分類条件は算出した重要度をもとに決定
各樹種を無作為に抽出
使用指標
抽出木
白山(2)
80 %
参照データ
学習データ
40 %
40 %
ランダムフォレスト
による樹種分類
分類モデル作成
稲武(2)
大台(2)
白山(4)
稲武(5)
指標数
G_shpB
G_shpB
Cw_intM
Cw_intM
Cw_intM
1
+ Cw_intM
+ Cw_intM
+ G_shpB
+ G_shp
+ G_shpB
2
+ G_shpA
+ G_shpA
+ G_shpA
+ G_shpA
+ G_shpA
3
+ Cw_shpB
+ Cw_shpB
+ Cw_shpB
+ Cw_shpB
+ Cw_shpB
4
+ Cw_shpA
+ Cw_shpA
+ Cw_shpA
+ Cw_shpA
+ Cw_shpA
5
※ () 内は分類対象樹種数, (2) の場合はスギ・ヒノキ間の分類
上記の流れを1サイクルとし、100サイクル実行
→100サイクルの平均分類精度を算出
結果・考察
各指標数での分類精度をサイトごとに算出
解析の流れ
分類指標の増加に伴う平均分類精度の変化
100
平均分類精度(%)
90
① 指標の特徴選択
80
白山サイト (スギ・ヒノキ)
稲武サイト (スギ・ヒノキ)
(2樹種)
(4樹種)
(5樹種)
70
60
50
分類に不要な指標の排除
② 使用する指標数を変化させての分類
40
1
2
3
使用した指標数
4
指標の分類への影響
5
・スギ、ヒノキのみだと90～100 %近い精度で分類が可能
→樹冠形状に関する指標の使用が有効
・稲武、白山では樹種の増加で分類精度が低下
③ データ取得量を変化させての分類
適切なデータ取得量の検討
分類対象樹種が増えることで誤分類も増加？
方法
結果・考察
分類対象木
分類の流れ
学習データ増加に伴う平均分類精度の変化
100
100 %
平均分類精度(%)
95
抽出木
80 %
学習データ
参照データ
40 %
40 %
90
85
80
(2樹種)
(4樹種)
(5樹種)
75
70
4%
使用するデータの割合を変化
(4 %, 8 %, ・・・, 40 %)
使用する指標数
大台・白山・稲武 → 3指標
(白山・稲武のスギ・ヒノキ → 1指標)
分類モデル作成
白山サイト (スギ・ヒノキ)
稲武サイト (スギ・ヒノキ)
分類
8%
12% 16% 20% 24% 28% 32% 36% 40%
全体に占める学習データの割合
・使用データの増加に伴い分類精度も向上
・スギ、ヒノキ間
→サイトによっては学習データが4 %でも 90 % 近い分類精度
スギ・ヒノキ間
少数の学習データ + 1指標で
高精度の分類が可能？
総合考察
総合考察
< 誤分類の例 (稲武サイトの一部) >
植生図
分類結果
<誤分類の傾向>
稲武
ヒノキ・カラマツ間, スギ・アカマツ間
白山
広葉樹・ヒノキ間, スギ・他針葉樹間
スギ・ヒノキ間に限定すれば90 %を超える分類精度
スギ・ヒノキ以外の樹種が加わることで
誤分類が増加する可能性
アカマツ
ヒノキ
カラマツ
① 他の指標 (e.g. レーザー透過率, LiDAR点群の垂直分布)
で分類精度が向上するか検討が必要
スギ
広葉樹
ヒノキ・カラマツ間、スギ・アカマツ間で誤分類の傾向
結論
航空機LiDARを用いた単木レベルでの樹種分類において
●分類に有効な指標
・スギ、ヒノキ間に限定すれば1指標で高精度の分類が可能
樹冠形状に関する指標が有効
・分類対象樹種の増加はサイト内の分類精度低下につながる
→異なる特徴量を併用して分類することで精度が向上
●最適な学習データ量の検討
・スギ、ヒノキ間の分類
少量の学習データで90 %近い分類精度
総合考察
<誤分類の傾向>
植生図
白山
分類結果
ヒノキ・カラマツ間の誤分類が多い傾向
葉の大きさや展開の傾向が影響？
② 分類対象地を増やし、結果の一般性を検証
研究背景
地上型LSとは
地上型レーザースキャナを用いた
森林計測の精度検証
レーザー光線を利用した
測距器
点群データから樹幹の形状、単木の直径・樹高、
点群データを
取得
立木位置を推定
：地上型LS
森林計画学研究室
：立木
川北憲利
研究対象地
研究方法
京都府立大学大野演習林26林班
樹種：スギ
林齢：100年生
傾斜：30～50°
美山町
26林班
使用データ
①地上型LSデータ
京都府南丹広域振興局より提供
大野
②現地データ
大野演習林
毎木調査により取得
京都府
研究方法
立木密度
392本/ha
平均直径
47.0cm
平均樹高
31.5m
研究方法
解析方法②精度検証
枯死木は除外
解析方法①位置合わせ
①本数抽出率の算出
ArcGISを用いて、地上型LS版樹木位置図を作成
本数抽出率＝（抽出本数/全立木本数）×100
②計測誤差の検証
地上型LS版樹木位置図を用いて、毎木調査の結果
と目視によりLSから推定した立木位置と現地の立木
を照合
地上型LSの計測値と実測値の相関の有無
RMSEの算出および誤差の検証
研究方法
結果
RMSE（平均二乗誤差平方根）とは…？
本数抽出率
大きいほど
精度評価指標の1つ
精度が悪い
計測値が実測値からどの程度乖離しているかを示す
1
ӯ
N:全対象数
: 計測値
ӯ : 実測値
大野
全立木
451
抽出本数
448
未抽出本数
3
凡例
未抽出
抽出立木
誤抽出
本数抽出率 99.3%
誤抽出
結果～胸高直径
1
結果～樹高
樹高
45
40
胸高直径
35
y = 0.8625x + 2.896
R² = 0.8939
80
70
地上型LS(cm)
地上型LS(m)
90
60
50
30
25
20
10
40
5
30
y = 0.2764x + 23.59
y = 0.2944x + 23.13
R² = 0.149
R² = 0.306
0
r=0.9454
P<0.001
20
r=0.3854
p<0.001
15
0 5 10 15 20 25 30 35 40 45
実測値(m)
10
0
実測値＞35m
地上型LSでは35m以下の
値で計測
0 10 20 30 40 50 60 70 80 90
実測値（cm）
結果
解析から除外
結果
胸高直径
誤差の
中央値
-2.9
1.8
RMSE
±5.3
±4.3
LS－実測値（m）
樹高
（m）
本数抽出率は99.3%と高かったが、胸高直径・樹高の
計測誤差は大きく、胸高直径・樹高の計測誤差に関し
ては、立地条件の違いが影響していると考えられる。
LS－実測値（cm）
胸高直径
（cm）
樹高
立木の
大きさ？
傾斜？
要因別に検証
LSからの
距離？
研究方法
要因解析
地上型LSからの
5mごとに誤差を区分
距離
：地上型LS
立木の大きさ
要因
傾斜角
胸高直径は10cmごと、
：立木
樹高は5mごとに誤差を
区分
2つ
5°ごとに誤差を区分
地上型LSから見て、
1つ
斜面上部・下部斜面上部・下部に位置する
誤差に区分
立木を見通せた立木を見通すことができた
地上型LSの数ごとに誤差を
地上型LSの数区分
研究方法
結果・考察
要因解析
地上型LSからの
距離
立木の大きさ
誤差
誤差
要因解析
地上型LSからの
距離
15m以内であれば
精度を保てる
胸高直径
有意差
なし
誤差
斜面上部・下部
立木を見通せた
地上型LSの数
誤差
誤差
0~5m ~10m ~15m ~20m 20m~
地上型LSからの距離
結果・考察
要因解析
立木の大きさ
b
bc cd
a
d
有意差
あり
樹高
b
c
LS－実測値（m）
10~20
~
~~30 ~~40 ~~50 ~~60 ~~70
胸高直径（cm）
70~
胸高直径
胸高直径
d
15~20
~
~~25
~~30
樹高（m）
~~35
c
0~5m ~10m ~15m ~20m 20m~
地上型LSからの距離
ab a
有意差
あるが、傾向
は見られず
樹高
ab a
b ab ab ab
LS－実測値（cm）
a
LS－実測値（cm）
a
有意差
あり
bc
要因解析
傾斜角
胸高直径
ab
LS－実測値（m）
傾斜角
a
a
a ab b
LS－実測値（m）
LS－実測値（m）
結果・考察
LS－実測値（cm）
a
誤差に最も影響してい
各要因と誤差に関係があるか
把握る要因を把握
クラスカル・ウォリス検定
重回帰分析
マン・ホイットニーのU検定
有意差
あり
樹高
10~15
~ ~35
~ ~~40 ~45
~ ~~50 50~
~ ~~20 ~~25 ~30
(°)
傾斜（°）
15~20
~ ~25
~ ~~30 ~~35 ~~40 ~~45 ~~50 50~
(°)
傾斜（°）
結果・考察
結果・考察
要因解析
要因解析
立木を見通せた
地上型LSの数
斜面上部・下部
胸高直径
樹高
有意差
なし
1本当たりの胸高断面積
が大きく、レーザーが
遮られやすい
少ないと誤差
大
20
15
LS－実測値（cm）
LS－実測値（m）
LS－実測値（cm）
有意差
なし
胸高直径
25
10
5
0
‐5
‐10
‐15
‐20
‐25
上部
下部
結果・考察
上部
下部
結果・考察
要因解析
胸高直径
樹高
樹高
標準偏回帰係数
少ないと誤差
大
15
要因解析
重回帰分析
立木を見通せた
地上型LSの数
20
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 18
立木を見通すことができた地上型LSの数
大きさ
直径の大きさ
LS－実測値（m）
誤差（m）
可視
地上型LSの数
10
傾斜
5
※R
上下
斜面上部・下部
0.2029
0
0
‐5
‐10
‐15
3
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
立木を見通すことができた地上型LSの数
4
結果・考察
0.2
0.3
0.4
0.5
まとめ
要因解析
重回帰分析
0.1
大野のような1本当たりの胸高断面積が大きい立木
が多く存在する森林で、地上型LSによる計測を行うと、
レーザーが立木に遮られやすく、計測誤差が顕著に
現れる可能性。
樹高
・大野のような1本当たりの胸高断面積が大きく、樹高が高
い立木が多く存在する森林で、地上型LSによる計測を行う
と、胸高直径・樹高の計測誤差が顕著に現れる可能性。
標準偏回帰係数
大きさ
樹高の大きさ
距離
・今回の結果だけでは、誤差との関係性を把握すること
ができなかった要因も存在
上下
斜面上部・下部
※R
可視
地上型LSの数
0
0.5252
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
大野のような樹高の高い立木が多く存在する森林
では、樹高が高い場合や、地上型LSから遠い立木
はレーザーが梢端部に届かず、誤差が大きくなる
可能性。
様々な林分条件の場所で計測し、更に要因を加えて、
誤差との傾向を把握することで、効果的な地上型LSの
利用法について吟味する必要
研究背景
Digital Forestとは
ご清聴ありがとうございました
Woodinfo社が提供する、膨大な点群データか
ら、立木位置、直径、樹高、材積の情報を作成す
本研究では、Digital Forestで解析されたデータの提供を
るソフトウェアツール
受け、このデータを基に地上型LSの精度検証を行った
日吉
LS－実測値（cm）
日吉
立木を見通すことができた地上型LSの数
立木密度（本/ha）
胸高断面積（cm2/本）
大野
392
1851
日吉
736
494
~
~
~
~
樹高（m）
~
ArcToolBoxの
「見通し線の構築」
ArcToolBoxの
「3Dレイヤ→マルチパッチフィーチャ」
見通し線
障害物
ArcToolBoxの「見通し」
見通し線を可視領域と
不可視領域に区別
背景
3Dカメラによる森林計測システム
ステレオ撮影した超高解像度パノラマ画像による
森林計測システムの開発
両レンズの歪み補正
テンプレートマッチングの利用
民生用デジタル3Dカメラ
『FinePix REAL 3D W3』
富士フィルム
特徴点の座標抽出の自動化
10m以内で高精度な推定
（2013,渡邊）
名古屋大学農学部
森林環境資源学研究分野
三谷綾香
【先行事例】
推定距離(m)
【同機種を用いた先行事例】
10m
実測距離(m)
【実測距離と推定距離の関係】
高精度な推定
10m以内に制限
ズーム無し
推定可能距離の拡張が必要
ズーム有り
（広角）
（望遠）
材料と方法①
目的
目的
調査地
目的
3Dカメラを用いた
簡易的な森林計測システムの開発
①望遠画像を用いた推定距離の拡張
②実用に向けたパノラマ撮影への応用
フローチャート
①望遠画像を用いた距離推定の拡張 ②実用に向けたパノラマ撮影への応用
名大附属フィールド科学教育センター
三重県林業研究所試験林
名称
稲武フィールド
＜三重研究林＞
＜稲武演習林＞
所在地
愛知県豊田市稲武町
三重県津市白山町
主な樹種
スギ
ヒノキ
調査時期
2015年7月
2015年11月
平均DBH(cm)
30.9
16.0
立木密度(本/ha）
1300
1400
既存立木位置図
無
有（0.23ha）
様子
フローチャート
作業の流れ
作業の流れ
樹木画像の取得
樹木画像の取得
同一の樹木に対して広角・望遠双方の取得を行った
目的①
同一の樹木に対して広角・望遠双方の取得を行った
目的①
テンプレートマッチングを用いた画像解析
テンプレートマッチングを用いた画像解析
 樹木検出
 距離推定
 樹木検出
 距離推定
検出成功率
推定精度
広角・望遠の比較
推定可能距離拡張の検証
目的②
自動化したパノラマ撮影による立木位置図の作成
検出成功率
推定精度
広角・望遠の比較
推定可能距離拡張の検証
目的②
自動化したパノラマ撮影による立木位置図の作成
材料と方法②
フローチャート
画像の取得
作業の流れ
樹木画像の取得
センタ－ライン
同一の樹木に対して広角・望遠双方の取得を行った
対象樹木
左画像
右画像
目的①
テンプレートマッチングを用いた画像解析
測距・撮影
 樹木検出
 距離推定
対象樹木の選定及び水平距離の実測[Leica
DISTOTMD810
検出成功率
推定精度
広角・望遠の比較
推定可能距離拡張の検証
touch]
実測距離 7.2 mから40.4 mの立木〔全25本〕を対象
対象樹木を水平に撮影 [FinePix REAL 3D W3]
解析対象となる画像の選別
目的②
①センターライン上に樹幹が存在
②他の樹木・下層植生等の影響がない
自動化したパノラマ撮影による立木位置図の作成
材料と方法③
材料と方法④
テンプレートマッチング
テンプレートマッチング
センターライン上でテンプレート画像をずらし、
同様に探査を繰り返す
テンプレートマッチング
画像の画素値から特徴点を探査する解析手法〔OpenCV ver.2.31〕
作業の効率化・測定者による精度への影響の軽減
左画像
右画像
参照画像
対象画像
材料と方法⑤
参照画像
100pixel
対象画像
対象画像中から
画素の類似した部分画像を探査
テンプレート画像
• 30×30 pixel
材料と方法⑥
検出方法
検出方法
対象画像
参照画像
対象画像
参照画像
同じ対象樹木上で一箇所以上テンプレートマッチング
樹木上から外れた場合
検出成功
検出失敗
材料と方法⑦
材料と方法⑧
検出成功率
距離推定
参照画像
対象画像
・樹木上とされるマッチング箇所を目視で抽出
・同じ樹木内の座標値から求められた推定距離の
平均値をその樹木の推定距離として利用
検出成功本数合計
検出成功率＝全画像の
解析対象本数合計
×100(%)
・カメラと樹木間の推定距離と実測距離の線形回帰から
推定精度の検証
距離推定精度
回帰分析の決定係数＝
結果①
結果②
検出成功率の比較
距離推定精度の比較
98%以上
＜線形回帰＞
実測距離(m)
望遠
50
40
誤差の増大40
30
30
推定距離(m)
推定距離 (m)
検出成功率(%)
広角
50
20
10
10
0
＜検出可能距離＞
望遠画像による
推定距離拡張の可能性
広角画像：～30 m
望遠画像：～45 m
フローチャート
高精度
0
0
（90％以上の検出成功率）
20
10
20
30
実測距離 (m)
40
50
(推定距離) = 0.450×(実測距離)＋6.213
R2 = 0.568 (p < 0.01)
0
10
20
30
実測距離(m)
40
50
(推定距離) = 0.920×(実測距離)
R2 = 0.993 (p < 0.01)
材料と方法⑨
作業の流れ
樹木画像の取得
同一の樹木に対して広角・望遠双方の取得を行った
目的①
テンプレートマッチングを用いた画像解析
 樹木検出
 距離推定
検出成功率
推定精度
広角・望遠の比較
推定可能距離拡張の検証
高検出成功率・高精度であった望遠を利用
目的②
自動化したパノラマ撮影による立木位置図の作成
自動回転雲台
＜自動回転雲台＞
 回転・シャッターの自動化
労力の削減・時間短縮
 低解像度画像を組み合わせ、
高解像度画像を合成
360°
 市場に安価に流通
簡易的測量への応用
＜本研究＞
民生用自動回転雲台
『GigaPan EPIC100』 GigaPan Systems
プッシャー
材料と方法⑩
結果④
立木位置図作成手法
360°
立木位置図
推定距離(m)
撮影点
撮影
【凡例】
実測立木位置
推定立木位置
[撮影点一箇所から撮影]
回転角度(°)
 最大38 mの検出
既知点
 画像からの推定距離・既知点を基点とした回転角度を元に
立木の位置を推定
 パノラマ撮影で取得された全画像で同様の位置推定を行った
 平面直角座標系に推定位置をプロットし、立木位置図とした
考察①
 未検出・誤検出の
立木が多数確認された
考察②
広角と望遠の比較
検出可能距離
（90%以上の検出成功率）
自動化パノラマ撮影への応用
広角
短
～30m
望遠
長
～45m
45m以上の可能性？
距離推定精度
（決定係数）
低
高
（0.57）
（0.99）
距離推定の面的な拡張
及び撮影の自動化が可能であることを示唆
未検出・誤検出が発生
未検出
画像1枚あたりの
推定可能本数
多
撮影点数や間隔etc.
少
誤検出
• 望遠を用いた高解像度な画像
林分内の立木によって不可視
撮影点の追加・配置方法の検討
10m以内において0.99（渡邊, 2013）
高い検出成功率・推定精度
テンプレートマッチングにおける特徴点抽出の精度向上
• 画角が異なり、画像1枚あたりの推定可能樹木本数は広角＞望遠
目的に応じた広角・望遠の使い分けが必要
結論
結論
 3Dカメラで望遠（ズーム有）画像を取得することで、
45mまで
・98%以上での対象木検出
・高精度(R2=0.99)な距離推定が可能
 パノラマ撮影による立木位置図作成の
可能性を示唆
⇔ ノイズ処理等の課題検討が必要
3Dカメラと自動回転雲台を併用したシステムの
簡易的な森林計測における活用可能性を示唆
視認されない下層植生・枝葉等のノイズの
影響から、樹木上でのマッチングが失敗
画像解析過程でのノイズ処理方法の検討
鉛直方向を参照したノイズ処理etc.
結果③
材料と方法（15‐3）
テンプレートのサイズによる影響
機材の仕様
15
15
15
y = 1.0651x
y = 1.0473x
10
推測値(m)
推測値(m)
推測値(m)
10
10
5
5
5
0
0
0
0
5
10
0
15
5
10
0
15
30pixel×30pixel
20pixel×20pixel
5
10
40pixel×40pixel
20pixel×20pixel
30pixel×30pixel
決定係数
0.990
0.993
0.989
平均絶対誤差率(%)
9.78
8.41
10.23
検出率(%)
60.71
＜
15
実測値(m)
実測値(m)
実測値(m)
カメラの仕様〈解析時〉
画像サイズ
L　4:3
有効画素数約1000万画素（3648×2736px）
CCDサイズ
1/2.3型
〈FinePix REAL 3D W3 使用説明書より〉
40pixel×40pixel
＜
83.33
カメラの仕様〈撮影時〉
撮影モード
A絞り優先モード
画質モード
NORMAL
ISO感度
200
露出モード
AUTO(F3.7～4.2)
ホワイトバランス
AUTO
FinePixカラー
スタンダード
オート視差調整
OFF
デジタルズーム
OFF
101.72
焦点距離・レンズの歪み・輻輳角に関する情報は非公開
30pixel×30pixelが最も高い精度で測定可能
キャリブレーションによる算出
対象地：名大人工林、テンプレートサイズ：30pixel×30pixel
材料と方法（ – 5）
材料と方法（ – 5）
キャリブレーション ③
キャリブレーション
 キャリブレーション
：輻輳角と歪補正係数の算出
広角
倍率１
放射方向歪補正係数
左レンズ
右レンズ
k1
k2
k1
k2
ω1
-0.28415 0.721996 -0.34364 0.830246
ψ1
κ1
ω2
ψ2
κ2
0 0.019024 -0.03526 0.003586 0.056261 -0.04215
L
＜キャリブレーションボード＞
 1.2cm 四方
 15×22 マス
望遠
倍率3
放射方向歪補正係数
左レンズ
右レンズ
k1
k2
k1
k2
ω1
0.079921 -0.95217
-0.055 0.410186
焦点距離ｆの算出
輻輳角
輻輳角
ψ1
κ1
ω2
ψ2
κ2
0 0.006285 0.209041 -0.00329 0.018668 0.200522
先行研究実験値との誤差が最小となる距離L
望遠・・・130cm
広角・・・60cm
材料と方法（15‐3）
材料と方法（ – 5）
キャリブレーション ②
 キャリブレーション
：放射方向歪補正係数と輻輳角の算出
＜キャリブレーションボード＞
 1.2cm 四方
 15×22 マス
L
機材の仕様
カメラの仕様〈撮影時〉
撮影モード
A絞り優先モード
画質モード
NORMAL
ISO感度
200
露出モード
AUTO(F3.7～4.2)
ホワイトバランス
AUTO
FinePixカラー
スタンダード
オート視差調整
OFF
デジタルズーム
OFF
カメラの仕様〈解析時〉
画像サイズ
L　4:3
有効画素数約1000万画素（3648×2736px）
CCDサイズ
1/2.3型
〈FinePix REAL 3D W3 使用説明書より〉
→ L は下限を利用
→ 最適化は輻輳角、
焦点距離・レンズの歪み・輻輳角に関する情報は非公開
焦点距離の順に行う
キャリブレーションによる算出
材料と方法（ – 5）
考察①
キャリブレーション ②
 キャリブレーション
,
写真測量の原理
,
′ , ′ , ′
＜キャリブレーションボード＞
 1.2cm 四方
 15×22 マス
：放射方向歪補正係数と輻輳角の算出
（中村ら,1968）
′ cos
′
′ sin
L
0,0,0
S1
, 0,0
sin
′ cos
→ L は下限を利用
→ 最適化は輻輳角、
焦点距離の順に行う
, ,
材料と方法①
材料と方法③
ズーム機能
広角
キャリブレーション
望遠
 キャリブレーションボードの撮影
広角
望遠
ｃ
焦点距離別の
パラメーターの取得
60 cm
130 cm
 格子サイズ実測値－推定値間の誤差総和
Excel のソルバー機能を用いて最適化
FinePix REAL 3D W1 実験値 [Fabio Menna ら, 2013]
内部構造の変化
・像が小さい
・広い範囲の撮影
 1.2cm 四方
 15×22 マス
L
焦点距離標準値
・像が大きい
・狭い範囲の撮影
[mm]
広角
望遠
焦点距離
6.3
18.9
左右レンズ焦点距離平均値
初期値
[mm]
7.3562
27.1269
輻輳角
歪み補正係数
考察②
立木位置図
広角
角度計算手法
望遠
＜計算手法＞
tan
cos
tan
固定された測点の
画像上での水平方向の軌跡
（河合ら, 2007)
tan
tan
tan
1
tan
tan tan
1
tan
1
1
スライド 31
S1
誤差⼆乗和の検討
Student, 2015/09/23
考察②
考察②
角度計算手法
推定可能範囲
広角
＜計算手法＞
望遠
tan
cos
tan
tan
固定された測点の
画像上での水平方向の軌跡
（河合ら, 2007)
tan
tan
1
tan
tan tan
1
tan
1
1
画像の回転前後の被写体の位置から
角度情報を算出
撮影の自動化により、望遠画像活用の可能性
フローチャート
フローチャート
発表の流れ
発表の流れ
樹木画像の取得
樹木画像の取得
広角・望遠双方の取得
広角・望遠双方の取得
広角
望遠
高検出率・高精度である
望遠
望遠を利用
テンプレートマッチングでの検出
検出率
・
距離推定
テンプレートマッチングでの検出
広角
検出率
の比較
望遠
推定精度
フローチャート
の比較
望遠
推定精度
自動化したパノラマ測距による立木位置図の作成
広角
・
距離推定
自動化したパノラマ測距による立木位置図の作成
背景③
発表の流れ
3Dカメラの利用
樹木画像の取得
広角・望遠双方の取得
自動回転雲台を用いた
雲台回転・シャッターの自動化
テンプレートマッチングでの検出
検出率
距離推定
推定精度
＜本研究＞
広角
・
＜３Dカメラによるステレオ写真測量＞
 レンズの高さが揃う
2枚のレンズを
内蔵
 同時にシャッターを切る
解析が容易
民生用デジタル3Dカメラ
の比較
望遠
自動化したパノラマ測距による立木位置図の作成
『FinePix REAL 3D W3』富士フィルム
レンズ
撮影ズーム倍率
焦点距離[mm]
光学式3倍ズームレンズ　×2
光学ズーム3倍
f = 6.3～18.9
背景
森林路網整備による
到達可能性向上効果の⽐較
森林施業において到達を可能にする路網が必要
・崩壊が⽣じやすい
・ネットワークの発達度合いが低く
代替路が少ない
信州⼤学農学部
森林施業・経営学研究室
福島⼤樹
既存の研究
信頼度を⽤いて到達可能性が評価可能（鈴⽊ら2010）
到達可能性の向上に効果的な計画か判断可能
どのような⽅法が到達可能性の
森林路網では⽬的地へ到達不能になりやすい
⽬的と⽅法
⽬的
森林路網における到達可能性の向上に
効果的な⽅法を検討
⽅法
向上に効果的かは不明
シミュレーションを⾏い
研究対象地
信頼度とは
信州⼤学⼿良沢⼭演習林
4~8林班
⾯積
161ha
路線延⻑
21km
路網密度
130m/ha
信頼度と費⽤により⽐較・評価
出発点から⽬的地への到達が可能である確率
∑
R必要な情報
：信頼度 n：2点間が連結しているネットワークの状態数
Pk：ネットワークの状態の生起確率
それぞれの道がどのようにつながっているか
*Σは和事象
∏
∏
分岐点から分岐点や端点までの通行できる確率
l：接続している路線数
m：切断している路線数
路線の通行確率
x：路線の通行確率
y：路線の切断確率
*∏は積事象
参考：小林正美（1980）「道路網・ネットワークシステムの信頼度解析法に関する研究」
信頼度とは
出発点から⽬的地への到達が可能である確率
必要な情報
それぞれの道がどのように接続しているか
分岐点から分岐点や端点までの通⾏可能な確率
路線の通⾏確率
路線の通⾏確率
路線が⻑くなる
路線が切断しやすくなる
通⾏確率
(1-P)分割点数
崩壊発⽣確率 P (10mごと)
P=(崩壊発⽣回数×10)/(路網総延⻑×巡視回数)
参考︓⼩林正美（1980）「道路網・ネットワークシステムの信頼度解析法に関する研究」
通⾏確率の計算
信頼度による評価
巡視回数
出発点 ︓ 演習林事務所
⼤⾬（10mm/時or40mm/⽇）や
台⾵通過後に実施
崩壊発⽣回数
巡視記録より18回の
崩壊を確認
シミュレーション
現状での各⽬的地の信頼度
⽬的地 ︓ 各⼩班
⽬的地全てに
⾏ける確率
信頼度の積
現状での信頼度
20
16
15
⽬的地数
2011~2015年の17回
8
10
新規路線の異なる接続位置による違い
5
0
1
0
2
2
0
1
路線開設と擁壁施⼯の費⽤対効果⽐較
信頼度
2
1
2
現状での信頼度
シミュレーション
路線の通⾏確率に
関わりなく
枝線上の⽬的地は
現状で到達可能性の低い場所はどこか
新規路線の異なる接続位置による違い
到達可能性が低い
路線開設と擁壁施⼯の費⽤対効果⽐較
路線開設箇所の決定
⼟⼯量計算
縦断勾配を30%以下に抑える
地⼭傾斜︓
横断⽅向の標⾼差
30%
4.24
m
14.14
m
10.00
m
3.00
m
⽔平距離
10.0m
10.00
m
14.14
m
⼟⼯量:
20.0m
標高差が一定以下の
グリッドに道を通せる
平均断⾯積×⽔平距離
進行方向
横断方向
作設単価
通過箇所の平均地⼭傾斜で単価を決定
傾斜区分
開設単価
15度未満 1,010/m
15度以上
2,080/m
25度未満
25度以上 2,683/m
参考：信州の森林づくり事業標準単価表
路線通過箇所の決定
選択基準
・縦断勾配 30%以下
傾斜区分
15度
未満
15度以上
25度未満
25度
以上
・⼟⼯量が最⼩
開設単価
(円/m)
1,010
2,080
2,683
1.5m
地⼭
路⾯および法⾯
参考︓「研修教材2010 森林作業道づくり」⼀般社団法⼈フォレストサーベイ
「平成27年度信州の森林づくり事業標準単価表」
伊藤要ら（2011）「栃⽊県⿅沼市私有林における地形を考慮した循環路網配置⼿法の検討」
接続パターン
枝線の端から路線を開設
循環路に
接続位置による違い
No.
①
枝線上の
⽬的地数
接続部分
多い
枝線の
先端付近
611,267
0.7568
449,035
0.5692
1,316,336
0.4225
枝線上の
No
⽬的地数
接続部分
②
多い
枝線の
根本付近
①
枝線の
先端付近
③
少ない
循環路
多い
②
多い
枝線の
根元付近
③
少ない
循環路
シミュレーション
開設費⽤
(円)
信頼度の積
0.3970
現状
⽬的地が多い枝線の先端付近への接続が効果的
擁壁の施⼯
1.5m
現状で到達可能性の低い場所はどこか
⾕側法⾯への施⼯
地⼭
擁壁
新規路線の異なる接続位置による違い
路線開設と擁壁施⼯の費⽤対効果⽐較
施⼯単価︓16,000円/m2
崩壊が発⽣した箇所に擁壁を施⼯
参考︓「中部森林管理局森林整備課 2014 林道標準図集」
Ichihara et al. (1996)
ʻThe Method for Designing the Profile of Forest Roads Supported by Genetic Algorithmʼ
擁壁施⼯箇所
擁壁施⼯時との⽐較
頻繁に通⾏する
路線を優先
信頼度の積
施⼯費⽤(円)
現状
路線開設後
擁壁施⼯後
0.3970
0.7568
0.4178
611,267
480,880
施⼯後の路線は
常に通⾏可能
擁壁の施⼯による効果は⼩さく，路線開設が有効
まとめ
謝辞
結論
⽬的地へより確実に到達可能な状態にするには
頻繁に利⽤する枝線を循環路にすることが有効
課題
本研究を進めるにあたり
信州⼤学農学部付属AFCのデータを
使わせていただきました。
演習林職員の⽅々に厚く御礼申し上げます。
道の中でも崩壊に強い箇所，弱い箇所が
あることを考慮することが望まれる
路線数
通⾏確率計算結果
9
8
7
6
5
4
3
2
1
0
信頼度の積
施工費用(円 )
現状
路線開設後
擁壁施工後
0.3970
0.7568
0.4178
611,267
480,880
通行確率
枝線
総路線数:37
差/施工費用
循環路
5.88613e-7 4.32540e-8
平均
値:0.9731
最大値:0.9994
最小
値:0.8837
開設結果
開設結果
信頼度の積
0.7591
信頼度の積
0.6952
開設コスト
1,106,654
開設コスト
860,409円
信頼度の積/円
0.0033
信頼度の積/円
0.0035
開設結果
開設結果
信頼度の積
0.4019
信頼度の積
0.6020
開設コスト
268,226円
開設コスト
489,593円
信頼度の積/円
0.0002
信頼度の積/円
0.0042
開設結果
開設結果
信頼度の積
0.4009
信頼度の積
0.4075
開設コスト
76,636円
開設コスト
610,834円
信頼度の積/円
0.0005
信頼度の積/円
0.0002
信頼度の計算
崩壊発⽣要因に関する研究
・路網の連結状態 (どの路線がつながっているか)
集⽔⾯積，地⼭傾斜
・路線の通⾏確率 (路線内で崩壊が起きない確率)
法⾯⾼，法⾯⻑，道路幅員など
地形や道の幾何構造が影響するのではないか
(近藤・神⾕1995,吉村ら1995，進藤ら2013)
地形や道の構造が崩壊発⽣に影響
崩壊発⽣要因
集水面積
DTMによる要因の計測
地山傾斜
各要因の値は
10mごとに計測
山側法面高
谷側法面高
各要因の値を
集水面積・地山傾斜
数値地形モデル(DTM)から計測
10mメッシュのDTMを使用
法⾯⾼
境界判定
曲率が最⼤の点を法⾯と地⼭の境界
谷側曲率
山側曲率
法面高＝境界と路面の標高差
信頼度計算結果
目的地数
各要因の影響
今回の方法で
P=0.879
P=0.699
崩壊発生確率の予測は困難
16
14
12
10
8
6
4
2
0
15
4
4
2
2
2
2
1
1
1
1
0.89~ 0.90~ 0.91~ 0.92~ 0.93~ 0.94~ 0.95~ 0.96~ 0.97~ 0.98~ 0.99~
信頼度
枝線
総目的地数:35
循環路
平均
値:0.9745
P=0.730
P=0.193
最大値:0.9995
値:0 8947
最小
信頼度算出⽅法(⼩林正美_1980)
信頼度算出⽅法(⼩林正美_1980)
l本の枝が取り得る接続状態を全て列挙
⽣起確率Pは接続枝には通導確率x
切断枝には1-xを与えて作るl個の確率の積
各状態における2点間の連結性判定
1
Ⅱ
Ⅰ
3
5
Ⅳ
1
2
3
4
5
2
Ⅲ
①
1
1
1
1
1
②
1
1
1
1
0
4
③
1
1
1
0
0
④
1
1
1
0
1
信頼度算出⽅法(⼩林正美_1980)
<連結状態の判定>
隣接⾏列+単位⾏列を(点数-1)乗する
Ⅱ
Ⅰ
Ⅰ
3
Ⅱ
Ⅲ
Ⅳ
Ⅰ
Ⅱ
Ⅲ
Ⅳ
1
0
0
Ⅰ
4
5
0
3
0
1
Ⅱ
4
6
0
4
0
Ⅲ
0
0
1
0
Ⅳ
3
5
0
4
Ⅱ
1
Ⅲ
0
0
Ⅳ
0
1
0
2
Ⅲ
5 Ⅳ 4
要素ijが0の時，到達できないと判定
Ⅰ
1
各接続状態の⽣起確率の総和が信頼度
Ⅱ
1
Ⅰ
2
Ⅲ
3
5 Ⅳ 4
1
x
2
3
4
5
0.5 0.6 0.7 0.8 0.9
P=0.5*(1-0.6)*(1-0.7)*(10.8)*0.9
目的
本研究では
四万十式高密度路網地において
実際の施業の採算性把握と共に、
GISのNetwork Analystを用いたシミュレーションによって
作業の生産性と施業コストを把握すること
路網
売上
？
路網
間伐
吉永生（京都府立大学）,田中和博・長島啓子（京都府立大学院）
林野庁,2014HPより
研究対象地
方法～研究の流れ～
京都府綾部市志賀郷町有林
人工林搬出間伐作業の生産性
人工林搬出間
伐作業撮影
作業日報
作業時間
材積
Network Analystを用いたシミュレーション
間伐
範囲
集材ライン・集材ポイント
搬出間伐可能な人工林
路網
森林簿
集材量
①各作業の生産性
作業時間
町有林全体
スギ・ヒノキ人工林面積
約160ha
人工林率：72.5％
林分構成：壮齢林43％
施業者：協栄建設株式会社
路網作設：四万十式路網
（路網密度230m/ha）
方法
固定費・変動費・人件費
路網開設費の算出
③人工林搬出間伐
作業コスト
売
上
比較
実際の作業
路網作設の撮影
作業の生産性
作業記録
固定費・変動費・
人件費
人工林搬出間伐作業の生産性
2015年6月志賀郷町有林の作業現場で各作業工程をビデオカメラで撮影
3人1班体制
①伐採
（チェーンソー）
売上
②集材・輸送シミュレーション
方法
※ハーベスター等の高性能林業機械は
用いていない（幅員2.5～3.0ｍのため）
③土場への輸送
（フォワーダ）
⑤森林施業全体の採算性
比較
実際の採算性
人工林搬出間伐作業の生産性
2015年6月志賀郷町有林の作業現場で各作業工程をビデオカメラで撮影
3人1班体制
②造材と集材
（チェーンソー・グラップル）
④路網開設費
1人で作業
⑥トラックへの積み込み
④土場での荷おろし
（グラップル）
（フォワーダ） ⑤材の仕分け
⑦市場への搬出
（4tトラック）
（グラップル）
方法
人工林搬出間伐作業の生産性
結果
人工林搬出間伐作業の生産性
• 各作業工程の撮影記録から作業時間を計測
• 作業日報から各作業工程の材積算出
作業工程
伐採
集材・造材
土場への往復輸送
各作業の作業時間と材積から
土場での荷下ろし
仕分け
トラックへの積み込み
市場への搬出
全7作業工程
生産性(m3/時)=材積/作業時間
～研究の流れ～
Network Analystを用いたシミュレーション
人工林搬出間伐作業の生産性
人工林搬出間
伐作業撮影
作業日報
作業時間
材積
Network Analystを用いたシミュレーション
間伐
範囲
集材ライン・集材ポイント
搬出間伐可能な人工林
路網
森林簿
集材量
①各作業の生産性
売上
作業時間
③人工林搬出間伐
作業コスト
売
上
比較
実際の作業
路網作設の撮影
作業の生産性
作業記録
固定費・変動費・
人件費
5.79
12.47
63.53
27.71
35.15
6.7
• 伐採の生産性は一般的な値
より高い
※ 3 m3/時機械化のマネジメント
9.6 m3 /時梅澤（2013）
• 集材・造材の生産性は最も
低い
Network Analystを用いたシミュレーション
方法
Network Analystとは・・・
最短経路検索や到達圏解析が可能なＧＩＳのツール
例）救急車が事故現場から
最短で到着出来る最寄の
病院やルートを検出する
②集材・輸送シミュレーション
固定費・変動費・人件費
路網開設費の算出
生産性
20.59
データ）道路網
現場・病院の位置
車両情報etc
質の高い交通ネットワーク解析
④路網開設費
⑤森林施業全体の採算性
比較
実際の採算性
Network Analystを用いたシミュレーション
方法
1）ネットワークデータの構築
・H26間伐範囲
・森林簿
・路網図
組み合わせ
→多種多様な条件を抱える森林施業のシミュレーション
に用いることで実情にあった解析を行うことが出来る
方法
2）シミュレーション
Network Analystを用いたシミュレーション
集材シミュレーション（配車ルート解析効率的な材の集め方）
輸送シミュレーション（最寄施設の検出解析最短経路を検索）
輸送ライン
集材ライン
①中間土場から本土場への輸送が必要な場合
搬出間伐可能な
人工林データ算出
集材ライン
②直接本土場へ向かう場合
集材ポイント
集材を行う場所
中間土場
材を一時的に置く場所
本土場
仕分け可能な場所
方法
Network Analystを用いたシミュレーション
シミュレーションデータの作成
2 m3
2 m3
4 m3
Network Analystを用いたシミュレーション
6 m3
・総ポイント数
・総集材量
6 m3
4 m3
2 m3
結果
・中間土場に集められた
集材量約420 m3
4 m3
4 m3
土場
集材シミュレーション
集材量
50ｍ
約350個
約745 m3
集材ライン（路網）
集材ポイント
① 50m間隔に発生させた各ポイント周囲25mの伐採木→収穫を想定
(平均樹高は約22mでウインチ付グラップルによる木寄せ考慮)
輸送シミュレーション
② 集材量をポイントの属性に加える
（スギ・ヒノキ別集材量=蓄積量×間伐率30％×歩留まり60％）
③フォワーダ走行速度、積載量の設定
～研究の流れ～
人工林搬出間伐作業の生産性
人工林搬出間
伐作業撮影
作業時間
Network Analystを用いたシミュレーション
③人工林搬出間伐作業コスト
方法
3）人工林搬出間伐作業コスト算出
間伐
範囲
集材ライン・集材ポイント
搬出間伐可能な人工林
路網
作業日報
材積
森林簿
集材量
①各作業の生産性
各作業時間
集材・輸送シミュレーションによる移動時間と
集材量(m3 ) ÷各作業の生産性(m3 /時)
売上
②集材・輸送シミュレーション
各作業にかかるコスト
作業時間
各作業時間と固定費・変動費・人件費
固定費・変動費・人件費
路網開設費の算出
③人工林搬出間伐
作業コスト
売
上
比較
実際の作業
路網作設の撮影
作業の生産性
作業記録
固定費・変動費・
人件費
人工林搬出間伐作業
にかかる総コスト
④路網開設費
⑤森林施業全体の採算性
比較
実際の採算性
③人工林搬出間伐作業コスト
結果
人工林搬出間伐作業コスト算出の結果
～研究の流れ～
人工林搬出間伐作業の生産性
人工林搬出間
伐作業撮影
作業日報
作業時間
材積
Network Analystを用いたシミュレーション
間伐
森林簿
範囲
集材ライン・集材ポイント
搬出間伐可能な人工林
路網
集材量
①各作業の生産性
売上
②集材・輸送シミュレーション
作業時間
固定費・変動費・人件費
m3当たりのコスト
4,913円/m3
実際のm3当たりのコスト
9,202円/m3
路網開設費の算出
③人工林搬出間伐
作業コスト
売
上
比較
実際の作業
路網作設の撮影
作業の生産性
作業記録
固定費・変動費・
人件費
④路網開設費
⑤森林施業全体の採算性
比較
実際の採算性
方法
路網開設費の算出
人工林搬出間伐作業の生産性算出と同様の方法
四万十式路網作設地において
撮影・計測
結果
路網開設費の算出の結果
前伐り・粗道
仕上げ
スイッチカーブ
洗い越し
路盤補強
生産性（作業記録）
各作業時間
各作業の生産性と路網作設総距離、作設日数
路網開設費の算出
生産性距離（m）・個数日数(日 ) コスト（円）
40.5ｍ/ｈ
7438m
30.61
1,588,610
61.37ｍ/ｈ
7438m
20.20
684,776
3.33ｈ/個
16個
8.88
460,872
5箇所
2.00
67,800
540ｍ
7.00
391,665
総コスト計
3,193,722
5m/h～34m/h
平林ら（2009）
各作業にかかるコスト
各作業時間と固定費・変動費・人件費
路網開設費
429円/m
実際の路網開設費
1,182円/m
路網開設総コスト
考察～シミュレーション～
人工林搬出間伐作業
考察～高密度路網地における施業～
人工林搬出間伐作業
シミュレーション
人工林
搬出間伐
作業
集材量（㎥）
売上（円）
総コスト（円）
㎥当たりのコスト（円/㎥）
実際の施業
745.34
6,606,949
3,661,552
4,913
850.291
7,338,672
7,824,650
9,202
約２分の1
路網開設
シミュレーション
路網開設
路網距離（ｍ）
総コスト（円）
路網開設単価（円/m）
実際の施業
7438
3,193,722
429
7245
8,562,150
1,182
約3分の1
シミュレーション
人工林
搬出間伐
作業
集材量（㎥）
売上（円）
総コスト（円）
㎥当たりのコスト（円/㎥）
実際の施業
745.34
6,606,949
3,661,552
4,913
850.291
7,338,672
7,824,650
9,202
林野庁(2009)
平均9,333円/m3
・高密度路網地→木寄せ作業の短縮からコスト安価になるとされ
ていた
・高性能林業機械を使用せず作業→集材・造材の時間・人件費
増加が作業コストに影響
路網開設
シミュレーション
シミュレーションの精度はどちらも悪かったといえる
→生産性の値が影響した
路網開設
異なる林分での人工林搬出間伐作業の生産性調査
土質や傾斜等の地形要因が異なる場所での路網開設の調査
路網距離（ｍ）
総コスト（円）
路網開設単価（円/m）
7438
3,193,722
429
実際の施業
7245
8,562,150
1,182
一般的
約1,000円/m
・耐久性が高いとされている四万十式は今後の維持費を含める
と低コストとなると考えられるが、長期的なモニタリングが必要
考察
施業全体
シミュレーション
売上（円）
総コスト（円）
施業全体
路網開設費込みの㎥当たりの
コスト（円/㎥）
採算性（路網開設費込）（円）
選木作業（円）
その他
線形調査（円）
コスト
災害復旧（円）
補助金(伐採)（円）
補助金(森林作業道)（円）
結果（純収益）（円）
6,606,949
6,855,274
実際の施業
7,338,672
16,386,800
9,198
19,272
-248,325
-9,048,128
420,000
164,000
85,500
6,538,000
16,553,000
13,373,372
6,538,000
16,553,000
22,825,805
赤字
ご清聴ありがとうございました
黒字
施業全体の採算性がマイナスとなる事態を回避するためには
路網開設に対する補助事業（森林環境保全整備事業による
補助金）が行われている間に路網を開設する必要性がある
資料を提供して下さった、協栄建設株式会社の皆様に厚く御礼申し上げます。
目的
“綾の照葉樹林プロジェクト”では
人工林を照葉樹林に復元する計画
人工林における下層植生の侵入
に関与する要因の解明
ー綾ユネスコエコパークにおける事例ー
人工林の広葉樹林化には
前生稚樹の侵入が必要
復元の適地を選定するために
 どのような条件の人工林に
常緑広葉樹が侵入しているかを明らかにする
岡本南・平井幹人・光田靖
その手段として
（宮崎大学農学部）
対象地
 空間情報の活用が有効であることを示す
宮崎県東諸県郡綾町国有林
対象地
宮崎県東諸県郡綾町国有林
広葉樹林
●人工林20林分
■若齢林（～30年）
■壮齢林（～80年）
■老齢林（80年～）
●
●
●
●
●●
●
●
●
●
●
●●
●
●
●
●●
●●
説明変数
方法
林分条件
空間情報
林齢
密度
樹冠投影面積
列状間伐の残存列
上層木樹高
目的変数
常緑広葉樹の個体数
現地調査
と
立地条件
標高
傾斜角
広葉樹との距離
川との距離
林縁との距離
土地利用履歴
の関係を解析する
目的変数
常緑広葉樹の個体数
幅4mのベルトトランセクトで
出現個体の出現位置と種名を記録
10mごとに分割し、解析単位に
合計126セクション
イヌガシ、カゴノキ、クスノキ、サカキ、シロダモ、
タブノキ、ナナミノキ、バリバリノキ、ヒメユズリハ、
ホソバタブ、ミミズバイ、ヤブニッケイ、ヤマモガシ、
ユズリハ、カンザブロウノキ、クロキ、シイモチ、
シロバイ、トキワガキ、ハイノキ、ヒサカキ、
モチノキ、ヤマビワ、アオキ、イズセンリョウ、
ネズミモチ、マンリョウ、ミヤマトベラ、ルリミノキ
今回は動物によって種子が散布される
被食型の種を解析の対象とした
説明変数
林分条件
林齢
密度
樹冠投影面積
列状間伐の残存列
上層木樹高
立地条件
標高
傾斜角
広葉樹との距離
川との距離
林縁との距離
土地利用履歴
 林分条件
 林分条件
解析単位
10m×10m
林齢
データソース
宮崎県撮影
平成25年航空写真のオルソ画像
森林計画図から
●
●
●
●
●●
国土地理院10mDEM
●
森林計画図
●
●
米軍撮影
昭和22年航空写真のオルソ画像
密度
●●
●
 林分条件
●
●●
●
●
●
●●
樹冠投影面積
目視で樹頂点をマーク
セクションごとに
密度を計算
樹冠を○で囲む
 林分条件
列状間伐の残存列
目視で列状間伐の有無を判読
あり
なし
 林分条件
セクション内の樹冠投影面積
の合計を計算
上層木樹高
 もりったいで航空写真を立体視
地表面高と上層木樹頂の高さを計測し、
樹高を求めようと試みた
対象林分では地表面が見えるところが少なく、
地表面高を計測することができなかった
 国土地理院の10mDEMから標高を読み込み
地表面高とし、樹高を求めようと試みた
整合性がとれず、正確に樹高を計測できなかった
 立地条件
標高傾斜角
 立地条件
広葉樹林との距離
セクションの中心と
国土地理院
10mDEM
■若齢林（～30年）
■壮齢林（～80年）
■老齢林（80年～）
●
●
●
●
●●
●
●
●
 立地条件
壮齢林
との距離を
計測
●
●●
●
●
●
●●
●●
●
若齢林
老齢林
標高が高く
尾根に遮断されない
広葉樹林が対象
 土地利用履歴
川・林縁との距離
セクションの中心と川、林縁との距離を計測
川
林道
森林計画図の林齢
を参考にしながら、
目視で
●
●
 人工林
 壮齢林（30～80年）
 老齢林（80年～）
●
●
●
●
●
●
●
●
を判読
米軍撮影昭和22年航空写真のオルソ画像
説明変数
林分条件
空間情報
林齢
密度
樹冠投影面積
列状間伐の残存列
目的変数
常緑広葉樹の個体数
被食型
現地調査
と
立地条件
標高
傾斜角
広葉樹との距離
川との距離
林縁との距離
結果：一般化線形モデル
被食型＝樹冠投影面積＋土地利用履歴＋広葉樹林との近さ＋傾斜角
（－）
人工林（ 0 ）
壮齢林（＋）
（－）
壮齢林（＋）
老齢林（＋）
個体数
壮齢林被食型
壮齢林から
近い
種子供給源からの
動物による散布
埋土
種子
光環境
が良好
樹冠投影面積が
小さい
過去の土地利用が
広葉樹林
土地利用履歴
の関係を一般化線形モデルで示す
 空間情報の活用で前生稚樹の侵入要因を
有効に示せることがわかった
課題
土地利用履歴が老齢林であった林分のデータが
少なかったので追加調査をする
条件による出現傾向を、種ごとに解析する
列状間伐の方位や時期、列状以外の間伐の施業履歴
を確認する
空間情報から上層木樹高を計測する方法の検討
はじめに
文化的機能
クロマツ林
津波防災機能
宮崎市における海岸松林保全政策
に資する基礎的解析
飛砂防備機能
潮害防備機能
宮崎大学農学部森林緑地環境科学科
防風機能
宮原史浩
防霧機能
はじめに
・文化的機能の評価
文化的機能
クロマツ林
クロマツ林
文化的機能
津波防災機能
美しい景観美
防除・補植
白砂青松
膨大な管理費用
マツ枯れ
広葉樹林化
海岸林管理への支援情報
研究の目的
空間情報
出典：敦賀観光案内サイト
クロマツ林の空間分布変化の把握
・文化的機能の評価
・文化的機能の評価
抽出した昭和22年のマツ林
航空写真をオルソ化
「ERDAS IMAGINE」を使用
目視判読
GCPの平均誤差：3m
オルソ化
広葉樹林
S.22 米軍撮影
現在の土地利用区分
土地被覆分類(目視判読）
H.25 宮崎県撮影
目視判読
マツ林分を抽出
その他
マツ林
混交林
（ゴルフ場、建物など）
・文化的機能の評価
・文化的機能の評価
昭和22年クロマツ林
983ha
昭和22年クロマツ林
平成25年
983ha
分布変化
平成25年
分布変化
マツ林
マツ林
マツ林
538ha
538ha
538ha
広葉樹
29ha
文化的機能の低下の懸念
混交林
混交林
164ha
その他
その他
252ha
252ha
・海岸マツ林と広葉樹林の減衰効果の違い
昭和22年クロマツ林
平成25年
分布変化
マツ林
津波防災機能
クロマツ林
538ha
防除・補植
広葉樹
広葉樹
29ha
津波に対しての減衰効果は期待できるか
膨大な管理費用
マツ枯れ
広葉樹林化
混交林
164ha
その他
252ha
・海岸マツ林と広葉樹林の減衰効果の違い
研究の目的
・クロマツ林と広葉樹林での減衰効果の比較
・海岸マツ林と広葉樹林の減衰効果の違い
・林分の写真(130枚)
個体の配置
場所
大きさ
空間情報
29ha
164ha
・文化的機能の評価
983ha
広葉樹
マツ林と広葉樹林
20ｍ*20ｍのプロットを設置
3D化(photo scan)
・海岸マツ林と広葉樹林の減衰効果の違い
・海岸マツ林と広葉樹林の減衰効果の違い
３Dモデル
10.0 m/s
クロマツ林
10.0 m/s
Flowsquareによる
流体シミュレーション
広葉樹林
楕円として個体を認識
m/s
1.5mの高さで
点群データを
切り出し
障害物(不動）として
シミュレーション
考察・まとめ
983ha
その他
252ha
混交林
164ha
広葉樹
29ha
マツ林
538ha  昭和22年と比較してマツ林は538ha
しか残っておらず文化的機能の低下
が懸念される
 クロマツ林と広葉樹林の津波に対
する減衰効果の大きな違いは見受
けられない
 しかしながら、データは一つの林分
のものということと、シミュレーション
の解析は２次元なので考える必要
がある
これらの結果が宮崎市一ツ葉海岸域の海岸林管理において海岸松
林保全政策へ空間情報が提供できる。
m/s
クロマツ林と広葉樹林の
津波に対する防災機能に差はない
目的
方法
結果と考察
研究目的
航空レーザデータに適用するためのArcGISを用いた
航空レーザデータを用いた
Valley-following法による単木抽出手法の開発
―ArcGISを用いた単木抽出手法の開発―
目的① Valley-following法による単木抽出手法の開発
比較・検討
LMF法
Watershed法
目視判読
目的② 本法の有効性を考察
安達太郎・田中和博・長島啓子（京府大院）
目的
方法
結果と考察
Valley-following法
樹冠と樹冠の間にできる谷を辿っていくことで樹冠を抽出する方法（古家，2014）
DCHM断面
※DCHM (Digital Canopy Height Model)
地面からの樹冠の高さ
情報を表すデータ
研究方法①
ArcGISを用いたValley-following法の開発
局所の最小値
=
樹冠と樹冠の境界
樹冠と樹冠の境界を表す、DCHM断面の局所の最小値を抽出して、
抽出した値で閉じることにより樹冠領域を抽出できる
目的
方法
結果と考察
目的
局所の最小値を抽出するDCHM断面のイメージ
縦
4方向のDCHM断面のそれぞれの局所の最小値（樹冠境界）を抽出
横
向
き
縦
向
き
最小値抽出結果
フィルター断面図
最小値抽出結果
の形状
の方向
左斜め
下向き
右斜め下
フィルター断面図
の形状
の方向
右斜め
下向き
横
左斜め下
結果と考察
フォーカル統計ツールによる4方向からの樹冠境界抽出
メッシュデータ上で考えられる
すべての断面
樹冠
方法
フォーカル統計（最小値抽出）ツールを使うことにより、それぞれの方
向の局所の最小値（樹冠境界）を抽出
目的
方法
結果と考察
フォーカル統計ツールによる4方向からの樹冠境界抽出
目的
方法
結果と考察
フォーカルフローツールを利用した値補間
フォーカルフロー
樹冠を囲みきれていない
樹冠境界
値補間
値補間した樹冠境界の例
囲み切れていない樹冠境界に値を補間する必要
目的
方法
メッシュ1つ分空いた樹冠境界で、自然な形で樹冠境界が線とし
てつながる箇所に値を補間
結果と考察
樹冠境界データから樹冠領域ポリゴン作成、梢端抽出
樹冠境界データ
樹冠境界をライン化
樹冠境界ライン
研究方法②
Valley-following法と既往単木抽出法の比較・検討
ラインで閉じられた範囲をポリゴン化
樹冠領域ポリゴン
ポリゴン内のDCHMの最大値を梢端として抽出
抽出梢端
ArcGISを用いたValley-following法による
単木抽出手法の開発
目的
方法
解析の流れ
結果と考察
※4点/㎡で取得された点群データから作成
目的
フィルターの大きさにより抽出される梢端の数が変わる
LMF法 Watershed法目視判読 Valley-following法
樹冠領域抽出
樹冠領域内のDCHMの最大値を抽出
梢端抽出（立木位置算出）
抽出梢端位置のDCHM値を抽出
推定樹高
①単木抽出精度
現地立木位置
結果と考察
LMF法
DCHM（0.5mメッシュ）
比較・検討
方法
②樹高推定精度
現地樹高
22
22
22
22
22
22
22
22
22
22
22
24
23
23
22
22
24
23
23
22
22
24
25
23
22
22
24
25
23
22
22
24
23
24
22
22
24
23
24
22
22
22
22
22
22
22
22
22
22
22
22
22
22
22
22
22
22
22
22
22
22
24
23
23
22
22
24
23
23
22
22
24
25
23
22
22
24
25
23
22
22
24
23
24
22
22
24
23
24
22
22
22
22
22
22
22
22
22
22
22
DCHM
ある大きさのフィルター内にある最大値を
梢端として抽出する単木抽出法
目的
Watershed法
DCHM断面図
方法
目的
結果と考察
DCHMのスムージング処理の程度
により抽出される領域の数が変わる
方法
結果と考察
目視判読
樹冠部分
反転
手作業で行う必要があり、個人差がある
反転DCHM断面図
反転DCHM3D表示
DCHMを反転させることにより、樹冠が梢端を底としたお椀型になり、
水を流した時にたまる領域を樹冠領域として抽出する方法
目的
方法
DCHMの高さ情報の色合いから目視で樹冠領域を決定する方法
結果と考察
調査地および調査データ
目的
方法
結果と考察
精度検証
①単木抽出精度
現地立木本数
航空レーザデータからどれだけ現地立木を抽出できたか
A + B
抽出梢端数
全体抽出精度＝
A + C
本数のみの比較
C
A
B
A
正答抽出精度＝
A + C
現地立木がどれだけ対応できたか
全体精度＝
対応なし対応あり対応なし
出典：林野庁近畿中国森林管理局
京都大阪森林管理事務所より
京都市北区にある神山国有林内の
林齢98年のヒノキ人工林
• 調査項目・・・樹高、DBH、立木位置
※現地立木と抽出梢端の対応について
調査結果
プロット面積（ha）
立木本数（本）
立木密度（本/ha）
平均樹高（m）
平均DBH（cm）
0.64
331
519
21.6
30.2
A
A + B + C
全体数のうちどれだけ対応できたか
抽出梢端との対応は、現地立木位置から2m以内かつ最短距離に位
置する梢端とした
②樹高推定精度
航空レーザデータからどの程度、現地樹高を推定できたか
対応できた立木の推定樹高と現地樹高の相関をグラフで表示
目的
方法
結果と考察
①単木抽出精度
項目
LMF法
watershed法
目視判読
Valley-following法
結果と考察
全体抽出精度（%）
67.98
66.77
69.79
101.51
正答抽出精度（%）
57.10
58.91
62.24
64.35
全体精度（%）
51.50
54.62
57.87
46.92
Valley-following法について
• 全体抽出精度、正答抽出精度が他の手法よりも高い精度
• 一方で、全体精度は他の手法よりも低い精度
Valley-following法は過剰抽出となる可能性があるが、既
往の手法では抽出できなかった立木の抽出が可能
値補間方法の改善で全体精度の向上の可能性
目的
方法
結果と考察
②樹高推定精度
Valleyfollowing法
現地樹高（m）
• それぞれの手法におい
て弱い正の相関関係が
見られた
• 決定係数が低かった
←樹高の低い現地立木の
誤対応が原因
• 一方で、Valley‐following
法は既往の手法と比べ
て樹高の低い立木と対
応できていた
LMF法
30
30
20
20
10
10
y = 0.6863x + 6.8076
R² = 0.1829
0
0
10
20
y = 0.8834x + 2.3244
R² = 0.2232
0
30
0
10
20
※RMSEは3.47m
30
※RMSEは2.77m
目視判読
Watershed法
30
30
20
20
10
10
y = 0.8793x + 2.4933
R² = 0.2467
0
0
10
20
y = 0.8526x + 3.0777
R² = 0.2151
0
0
30
※RMSEは2.71m
目的
方法
結果と考察
結論
10
20
30
※RMSEは2.83m
抽出梢端の樹高（m）
Valley‐following法は、
周囲の立木と比べて
樹高が低い立木の抽
出が可能
目的
方法
①単木抽出精度
②樹高推定精度
値補間作業についての
課題が残るものの、
Valley‐following法は、周囲の立木と比
べて樹高が低い立木の抽出が可能
ArcGISを用いた
Valley-following法は
有効な単木抽出手法
立木密度の高い林分での単木抽出に有効である可能性
結果と考察
今後の課題
ArcGISを用いたValley-folowing法について・・・
• 閉じきれていない樹冠境界の値の補間方法の改善
ご清聴ありがとうございました
• 他のメッシュサイズでの適用（本研究では0.5 mメッシュで解析）
• 異なる林分条件（樹種、林齢、立木密度）での適用
背景
目的
方法
結果と考察
研究背景
背景
目的
方法
結果と考察
研究背景
森林の公益的機能の発揮
近年
単木レベルの
解析
広域
持続可能な森林管理
高密度レーザ照射による
樹種
材積
航空レーザ計測
森林情報の取得と更新
立木本数
胸高直径
樹高
現地調査による広域の森林情報の取得には労力とコストがかかる
代替としてリモートセンシング技術を活用
単木抽出
樹高推定
材積推定
背景
目的
方法
結果と考察
航空レーザ計測のシステム
IMU
目的
方法
結果と考察
航空レーザ計測で取得されるデータ
GPS衛星
GNSS
点群の標高値（m）
背景
DCHM
ファースト
リターン
位置、加速度、角速度
DSM － DTM
260.42
レーザ測距装置
地上基準点
レーザ照射、距離測定
計測コース
174.02
DSM ・・・地物の表面のデータ
高精度な3次元位置情報を持つレーザ点群データを得ることができる
ラスト
リターン
DTM ・・・地表面のデータ
レーザ計測点
本研究では、計測密度1点/0.5m2で取得された点群データを使用
地面からの樹冠の高さ情報を表すデータ
図：横尾（2014）より引用
背景
目的
方法
結果と考察
DCHMについて
対応できない（抽出できない）原因
DCHM
メッシュ（セル）
13
16
18
19
19
17
14
19
21
22
22
21
21
18
20
22
23
23
22
21
19
？
LMF法
①LMF法②Watershed法③目視による樹冠領域の決定
画像データ上の樹冠
DCHM上の樹冠
18
21
23
23
21
21
18
18
20
21
22
21
18
16
17
20
20
21
20
15
15
17
15
16
18
18
18
18
目視
樹冠が大きい
抽出不可対応できない立木
複数の樹冠
がマージ
優勢木に隠れるような被圧木はDCHMの性質上
単木抽出法で抽出できない
単木抽出はこのDCHM（またはDSM）の高さ情報を用いている
第2段階(4通り)
値補間作業について
152
値補間の基準
選択セルから見て上下左右
のいずれかのセルが樹冠境
界であること
第1段階
17
選択セル
68
50
98
200
38
140
91
72
36
132
57
228
第3段階（4通り）
137
35
樹冠境界
145
70
第4段階（4通り）
144
19
76
49
196
25
100
153
102
51
204
樹冠境界付近で過剰に領域が分割されているところがあった
18
第5段階（4通り）
9
値補間による過剰分割が原因
Valley-following法
立木密度が高い
メッシュごとに高さ
情報が入力
過剰抽出の原因
Watershed法抽出可能
枠
33
第6段階（4通り）
（14通り）
全34通り
147
78
背景
目的
方法
結果と考察
フォーカルフローツールを利用した値補間（詳しい版）
32
32
64 128
16
0
0
0
10
00
11
16
8
タでの単木抽出法である
1
4
2
1
8
4
2
周囲のセルに割り当てられた累乗値
周囲のセルに割り当てられた累乗値
フォーカルフロー
フォーカルフロー
データ
17
値補間をしたい樹冠境界の位置関係を表すフォーカルフ
1+16＝17
137
00 00 01
ロー値を抽出すれば値補間ができる
値補間したい
1
0
0
樹冠境界の例
フォーカルフロー
樹冠境界
選択セル
1+8+128＝137
選択セル
閉じきれていない樹冠
Valley-following法
• LMF法やWatershed法も含めて、もともとは高分解能衛星画像デー
64 128
• 樹冠と樹冠の間の低い部分（谷）を辿っていくことで樹冠を抽出する
方法
• 梢端部分の抽出を行わないことから先の尖った針葉樹以外の林分
への適用が可能
• 樹冠を閉じるのにWatershed法よりも多くのメッシュを要する。
• 樹冠と樹冠の間にできる谷を辿ることから、疎林への適用は難しい
値を抽出して補間
フォーカルフロー値は、選択セルと周囲の値の高低の位置関係を表し
境界の値補間
ている。
LiDAR
航空レーザ計測用語
• LiDAR（Light Detection And Ranging、レーザ画像検出と測距）
• GNSS（Global Navigation Satellite System:全地球航法衛星システ
LiDARは、①位置情報（緯度、経度、標高）を持つ航空機などから地
上に向けて多数のレーザを発射し、②レーザが対象物に当たり跳ね
返ってくるまでの時間から対象物までの距離を計算し、③レーザを発
射した時の位置座標と求めた距離から対象物の位置座標（緯度、経
度、標高）を直接的に取得する、測量技術である（Lefsky et al．，
2002）。
• 地上レーザ・・・定点設置したセンサを上下に振りながら360°水平方
向に回転させて放射状に照射する
• 車搭載型レーザ・・・車両に搭載したレーザから進行方向に対して上
下にセンサを振りながら側方照射する
航空レーザ計測の利用
• 国内の公共測量の分野では、航空レーザ計測による地形計測が
全国で進められており、その範囲は2010年末に国土の45%以上
に達し、現在もさらにその面積を広げつつある（向山，2012）。
• 佐賀県では、2011年に県全域の森林に対して航空レーザ測量が
実施され、森林簿データの更新が行われた（加藤，2014）。
• 長野県では2013年に県全域の森林に対して航空レーザ測量が実
施された（長野県，2014；日本測量調査技術協会，2015）。
• 最近では、航空レーザデータを用いたICT林業が提案されている
（アジア航測株式会社，2014）。
• 今後、航空レーザ計測による森林情報の取得がますます盛んに行
われると考えられる。
ム）・・・人工衛星から送信される電波情報を利用して地球上での位
置を測定（測位）する技術の総称。
• GPS（Global Positioning System：全地球測位システム）・・・GNSS
のひとつ。受信機の位置を24時間全天候下でリアルタイムに連続的
に単独で知ることができる。
航空レーザ計測では2つのGPS基準局（地上基準点、航空機）使用。
航空機の位置を、高精度に求めた既知点との距離（基線長）から推定
するRTK（Real Time Kinematic；連続キネマティック）測位を用いて、
航空機の位置を高頻度で（約1秒間隔）で推定している。
• IMU（Inertial Measurement Unit）ジャイロ加速度計を使用した慣性
計測装置。加速度計は移動体の3方向の加速度を検知、ジャイロは
IMU中心を原点とする3軸周りの角速度を検知する。加速度を時間積
分することにより速度と距離が得られ、角速度を積分すると角度が得
られる。GNSS/IMUを統合することにより、姿勢、測位計測精度を向
上させている。
航空レーザ計測のリターン取得の仕組み
DSM、DTM、DEM
取得された航空レーザデータの詳細
項目
使用航空機（回転翼）
使用レーザ計測機材
使用電子基準点
対地高度
飛行速度
レーザ発射頻度
スキャン頻度
スキャン角
計測点密度
計測コース数
コース間ラップ
取得パルスモード
垂直方向精度
• DSM（Digital Surface Model）は数値表層モデルとも呼称され、地
表面とその上に存在する植生や構造物などの全ての地物を含む
メッシュデータである。
• DEM(Digital Elevation Model）は数値標高モデルとも呼称される。
一般的には地盤を標高にしたモデルであるが、地物、構造物の一
部を含む場合や水面形状などの多彩な標高を含みモデルにしてい
る場合がある。
• DTM（Digital Terrain Model）は地形での形状であることを強調して
いる。一般的にはDEMよりも微細な地形データモデルである場合
に呼称する。
名称・仕様
ロビンソン44
HARRIER56（Trimble社製）
京都左京2
650 m
70 m/s
120 kHz
44.74 Hz
±30°
2
1点/0.5 m
16
50%以上
First and Last
Z≦10 cm
平成25年11月24日計測
費用
一般的な航空レーザ計測費用：4000円/ha
他のリモートセンシングだと、4000円/100ha
貴船山国有林外航空測量業務 31,605,000 円
DSM
DTM
値（m）
高: 260.42
値（m）
高: 245.164
低: 163.28
低: 163.298
LMF法のフローチャート
DCHM
フォーカル統計ツール
（最大値）抽出
フォーカル統計最大値抽出データ
LMF梢端位置データ
樹高データの挿入
（Maskで抽出ツール）
LMF梢端樹高データ
梢端のポイントデータ作成
（ラスタ→ポイントツール）
フォーカル統計最大値抽出デー
タ－DCHM（Minusツール）
LMF梢端ポイントデータ
差分データ
プロットのポリゴン内のポイン
トデータ抽出（Clipツール）
値0を抽出（属性で抽出ツール）
DCHM
値（m）
高: 28.2181
低: -0.357468
LMF梢端位置データ
プロット内の
LMF梢端ポイントデータ
梢端と推定される位置の抽出
推定位置にDCHMデータの入力とポイントデータの作成
プロット内の梢端ポイントデータの抽出
Watershed法のフローチャート
DCHM
目視判読
樹冠領域ポリゴン
フォーカル統計ツール
（平均値）抽出
0.5 mメッシュ：3×3
ゾーン統計ツール（最大値）抽出
ゾーン統計最大値抽出データ
DCHM（スムージング処理）
ゾーン統計最大値抽出データ
－DCHM（Minusツール）
100－DCHM（Minusツール）
差分データ
反転DCHM
値0を抽出（属性で抽出ツール）
流向ラスタのツール
Watershed 梢端位置データ
流向ラスタ
樹高データの挿入（Maskで抽出ツール）
流域ラスタの作成ツール
Watershed梢端樹高データ
梢端のポイントデータ作成
（ラスタ→ポイントツール）
Watershed 梢端ポイントデータ
流域ラスタ
ラスタ→ポリゴンツール
樹冠領域ポリゴン
（ノイズ除去）
0.5 mメッシュ：1 ㎡以下
プロットのポリゴン内のポイントデー
タ抽出（Clipツール）
プロット内の
Watershed 梢端ポイントデータ
樹冠領域の抽出
樹冠領域内の梢端抽出
DCHMを3D表示させ、目視で該当する範囲を平面上で囲んでいった。
プロット内の梢端ポイントデータの抽出
樹高が過大推定になった理由
現地データ詳細
プロット面積（ha）
林齢（年）
傾斜
傾斜方位
間伐年度（年）
立木本数（本）
立木密度（本/ha）
最大樹高（m）
最小樹高（m）
平均樹高（m）
最大DBH（cm）
最小DBH（cm）
平均DBH（cm）
①現地調査での測量誤差
②レーザデータの精度（±10cm）
③樹高の定義の問題
④誤対応による過大推定
樹高が高い立木や急傾斜にある立木は傾斜方向の谷側に傾く
このため、DCHMの樹高と現地での樹高に差が出る
単木抽出結果（本数別）と平均樹高誤差
項目
現地
LMF法
Watershed法
目視判読
Valley-following法
本数
331
225
221
231
336
0.64
98
緩
南東
2008
331
519
34.3
7.8
21.6
55.9
8.5
30.2
平成27年6月25日
平成27年7月31日
平成27年10月30日
現地立木根元位置
対応木(A)
梢端未対応(B)
現地未対応（C）
189
195
206
213
36
26
25
123
142
136
125
118
現地立木位置
項目
LMF法
Watershed法
目視判読
Valley-following法
平均樹高誤差
0.41
0.33
0.36
0.36
単木抽出結果（LMF法）
単木抽出結果（Watershed法）
抽出梢端
抽出樹冠
抽出梢端
単木抽出結果（目視判読）
単木抽出結果（Valley-following法）
抽出梢端
抽出梢端
抽出樹冠
抽出樹冠
Valley-following法（値補間なし）
モデルビルダーによる単木抽出法のツール作成
抽出樹冠
LMF法
Valleyfollowing法
あらかじめ使用するツールのモデルを作っておくと、簡便に単木抽出
を行うことができる
.
Purpose
USING LANDSAT-MODIS FUSION TO ASSESS
ECOLOGICAL EFFECTIVENESS OF THE GRAIN-FORGREEN PROJECT IN NINGXIA,CHINA
Apply spatial and temporal adaptive reflectance fusion model get high-frequency temporal and
high-spatial resolution imageries to analyze the vegetation change before and after Grain-forGreen Project.
StudySite Ningxia
ZhaoJinlong
ShimaneUniversity
Image from: www.baidu.com
MonitoringNDVImaximumchangebeforeandafterGrain‐for‐GreenProject
The vegetation change of whole area before and after Grain-forGreen Project in study area (Ningxia, china) are acknowledged from
MODIS imageries monitoring.
However, MODIS imagery has coarse resolution (250m/500m) that
the ecological effectiveness recover in characteristic site is difficult
for analyzing. On the other hand, Landsat imagery only has 1 or 2
scenes per year without cloud in characteristic site.
Therefor fusion MODIS and Landsat imageries to get high temporal
and fine resolution synthetic imageries is necessary.
SpatialandTemporalAdaptiveReflectanceFusionModel STARFM
Landsat
MODIS
L Xw/2,Yw/2,Tp
∑
∑
,
,
,
,
,
,
LandsatTp
LandsatLikeTk
• 30mSpatialResolution
• 16‐dayRevisitCycle
• OneorTwoRevisitPerDay
• 250m&500mSpatialResolution
MODISTp
MODISTk
Tp:LandsatAcquiredday,Tk:Requiredday
Method
Dataacquisition
MOD09GASR500m
NIRRED
LandsatSR30m
NIRRED
Reprojection
LandsatTM/OLISR30mresolution
MOD09GAdailySR500mresolution
Smooth
LandsatTM/OLI30m
Resampleto30m
Date
SubsettoStudySite
StarFM model
SyntheticNIRREDband30m
AccuracyCheck
NDVI
Path/Row
MOD09GA500m
Purpose
Date
Path/Row
2002/176129/34
Fusion
2005/152129/34
Fusion
2002/239129/34
2005/280129/34
AccuracyCheck
2005/157129/34
2011/153129/34
Fusion
2005/238129/34
2015/132129/34
Fusion
2005/283129/34
2011/165129/34
NIR‐RED / NIR RED
2011/239129/34
2015/138129/34
ComparisonwithMODISimageryoncharacteristicsite
2015/227129/34
Results
Fusion
R 0.859
MODIS
Theoreticrange 0.85，0.91
2002/239
2005/238
MODIS
Fusion
2011/239
MODIS
Purpose
2002/175129/34
Fusion
Fusion
2015/227
Fusion
Inconclusion
Bymeansofspatialandtemporaladaptivereflectance
fusionmodelitisfeasibletogethigh‐frequencytemporal
andhighspatialresolutionsyntheticimageriesfor
monitoringvegetationchangeoncharacteristicsitebefore
andafterGrain‐for‐GreenProjectinNingxia,China.
MODIS
ご清聴ありがとうございました！
Thank you !

Download Report