国土地理院技術資料 D･1−No.483
地球観測衛星データによる
広域熱環境把握技術の開発作業
報
告
書
平成 18 年 3 月
国土地理院
− 目
次 −
1. 業務の概要................................................................................................................ 1-1
1-1 名
称 ..........................................................................................................................1-1
1-2 目
的 ..........................................................................................................................1-1
1-3 工
期 ..........................................................................................................................1-1
1-4 内
容 ..........................................................................................................................1-1
1-4-1 地理情報技術 WG の開催 ......................................................................................1-3
1-4-2 熱環境等に関する土地被覆分類手法の検討 ..........................................................1-3
1-4-3 ASTER データによる土地被覆分類データの作成..................................................1-3
1-4-4 MODIS データによる土地被覆分類データの作成 .................................................1-3
1-4-5 既存の地理情報を活用した土地被覆分類データの作成.........................................1-3
1-4-6 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作 .1-3
1-4-7 熱環境等に関する土地被覆分類手法のガイドライン（第 2 版）作成 ...................1-3
1-5 モデル地区 ...................................................................................................................1-3
1-6 作業実施体制................................................................................................................1-5
1-7 成果品等.......................................................................................................................1-5
1-7-1 成果品....................................................................................................................1-5
1-7-2 資料等....................................................................................................................1-5
2. 熱環境等に関する土地被覆分類手法の検討 .............................................................. 2-1
2-1 文献調査.......................................................................................................................2-1
2-1-1 先行研究の文献・資料調査 ...................................................................................2-1
2-1-2 資料調査の総括 .....................................................................................................2-2
2-2 熱環境等に関する土地被覆分類基準の検討及び作成 ...................................................2-7
3. ASTER データによる土地被覆分類データの作成...................................................... 3-1
3-1 土地被覆分類手法及びグランドトゥルースデータ作成手法の検討 .............................3-1
3-2 グランドトゥルースデータの作成 ...............................................................................3-6
3-3 土地被覆分類データの作成 ........................................................................................ 3-11
3-4 土地被覆分類データ及びグランドトゥルースデータの検証 ......................................3-18
3-4-1 定量的評価 ..........................................................................................................3-18
3-4-2 定性的評価 ..........................................................................................................3-21
3-5 まとめと今後の課題 ...................................................................................................3-26
3-5-1 まとめ..................................................................................................................3-26
3-5-2 今後の課題 ..........................................................................................................3-27
4. MODIS データによる土地被覆分類データの作成 ..................................................... 4-1
4-1 土地被覆分類手法の検討..............................................................................................4-1
4-2 土地被覆分類データの作成 ..........................................................................................4-9
4-2-1 クランドトゥルースによる特徴抽出 .....................................................................4-9
4-2-2 土地被覆分類データ作成 .....................................................................................4-13
4-3 土地被覆分類データの検証 ........................................................................................4-18
4-3-1 使用データ ..........................................................................................................4-18
4-3-2 比較結果 ..............................................................................................................4-20
4-4 まとめと今後の課題 ...................................................................................................4-21
5. 既存の地理情報を活用した土地被覆分類データの作成............................................. 5-1
5-1 既存の地理情報を活用した土地被覆分類データの作成手法の検討 .............................5-1
5-1-1 作業実施方針 .........................................................................................................5-1
5-2 既存の地理情報を活用した土地被覆分類データの作成 ...............................................5-4
5-2-1 空間データ基盤（道路）からの土地被覆成分の抽出 ............................................5-4
5-2-2 空間データ基盤（鉄道）からの土地被覆成分の抽出 ............................................5-5
5-2-3 空間データ基盤（水系）からの土地被覆成分の抽出 ............................................5-6
5-2-4 植生記号データからの土地被覆成分の抽出 ..........................................................5-8
5-2-5 建物データからの土地被覆成分の抽出..................................................................5-8
5-2-6 建物周辺の非植生空地の抽出 ................................................................................5-9
5-2-7 土地被覆成分データの重ね合わせ.........................................................................5-9
5-2-8 土地被覆成分の項目分類 .....................................................................................5-10
5-3 既存の地理情報を活用した土地被覆分類データの検証 .............................................5-14
5-3-1 既存地理情報からの植生・建物周辺非植生空地の抽出結果の検証.....................5-14
5-3-2 空間データ基盤および建物データからの土地被覆成分の抽出結果.....................5-17
5-4 土地被覆分類方法の再検討 ........................................................................................5-18
5-5 まとめと今後の課題 ...................................................................................................5-25
6. 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作...... 6-1
6-1 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の把握手法の
検討.....................................................................................................................................6-1
6-2 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作 ........6-2
6-3 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の検証 ......6-12
6-4 既存の地理情報を活用した土地被覆成分の把握 ........................................................6-15
6-5 まとめと今後の課題 ...................................................................................................6-20
7. 全体のまとめ ............................................................................................................ 7-1
7-1 まとめ ..........................................................................................................................7-1
7-2 今後の課題 ...................................................................................................................7-2
− 用語の定義 −
ASTER
（正式名称
Advanced Spaceborne Thermal Emission and Reflection Radiometer）
地球観測衛星 Terra に搭載されている光学センサの名称。
回帰日数：16 日
観測波長帯：可視∼熱赤外波長域
地上分解能：
15m(0.52 - 0.86μm、バンド 1-3)
30m(1.60 ‒ 2.43μm、バンド 4-9)
90m(8.3 ‒ 11.3μm、バンド 10-14)
MODIS
（正式名称
Moderate Resolution Imaging Spectroradiometer）
地球観測衛星 Terra 及び Aqua に搭載されている光学センサの名称。
回帰日数：16 日
観測波長帯：可視∼熱赤外波長域
地上分解能：
250m(0.620 - 0.876μm、バンド 1-2)
500m(0.459 - 2.155μm、バンド 3-7)
1000m(0.405 - 14.385μm、バンド 8-36)
NDVI
（正式名称
normalized difference vegetation index）
正規化植生指数。広域の植生の分布状況を表すのに用いられる指標で次式により表される。
NDVI = ( NIR − VIS ) /( NIR + VIS )
ここで、NIR＝近赤外域の観測値、VIS＝可視域の観測値である。森林では高く、都市では低
い値を示す。
グランドトゥルースデータ
（英文
ground truth）
リモートセンシングデータと観測対象物との対応関係を明らかにするために、地上の実態に
関する情報を観測・測定・収集したデータで、利用目的はセンサ設計、較正・検証、解析補
助に分けられる。
本報告書では、MODIS による土地被覆分類の教師として用いるために作成した ASTER の分
類結果を示す。
ディシジョンツリー
（英文
decision tree）
意思決定ポイントにおいて、その先の条件を分岐させて描き、その条件と結果までの経路を
示す図。
本報告書ではディシジョンツリーを利用した分類法（各画素の特徴量をあらかじめ設定され
た基準値と階層的に次々と比較することで分類する方法）として用いる。
フェノロジー
（英文
phenology）
生物季節（学）、花暦（学）。季節的におこる自然界の動植物が示す諸現象の時間的変化お
よびその気候あるいは気象との関連を研究する学問。
本報告書では植物の発芽、開芽（芽ぶき）、開花、紅葉、落葉などの時期の変化として用い
る。
ミクセル、ピュアピクセル
衛星や航空機に搭載されたセンサから地上を観測する際、地上の画像 1 画素に相当する範囲
の中に複数の物理的性質がことなる部分が混在してしまうことがある。この場合のように、
複数のカテゴリが混在した画素をミクスドピクセル（mixed pixel）またはミクセル（mixel）
と呼ぶ。反対に、単一のカテゴリで占められている画素をピュアピクセル（pure pixel）と呼
ぶ。
（財団法人資源・環境観測解析センター、2003、資源・環境リモートセンシング実用シリー
ズ③地球観測データからの情報抽出、p155）
最尤法
教師付き分類法の中で最も良く用いられる分類方法のひとつである。母集団の確率密度関数
から、対象点の各グループに対する尤度を求め、最も高い尤度のクラスｎ分類する。精度良
く分類するためには、データが正規分布していることが前提条件となる。
第 1 章 目次
1. 業務の概要 .......................................................................................................................................1-1
1-1 名 称 ..........................................................................................................................................1-1
1-2 目 的 ..........................................................................................................................................1-1
1-3 工 期 ..........................................................................................................................................1-1
1-4 内 容 ..........................................................................................................................................1-1
1-4-1 地理情報技術 WG の開催 .................................................................................................1-3
1-4-2 熱環境等に関する土地被覆分類手法の検討 ..................................................................1-3
1-4-3 ASTER データによる土地被覆分類データの作成..........................................................1-3
1-4-4 MODIS データによる土地被覆分類データの作成 .........................................................1-3
1-4-5 既存の地理情報を活用した土地被覆分類データの作成 ..............................................1-3
1-4-6 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作...1-3
1-4-7 熱環境等に関する土地被覆分類手法のガイドライン（第 2 版）作成 ......................1-3
1-5 モデル地区..................................................................................................................................1-3
1-6 作業実施体制..............................................................................................................................1-5
1-7 成果品等 .....................................................................................................................................1-5
1-7-1 成果品..................................................................................................................................1-5
1-7-2 資料等..................................................................................................................................1-5
1. 業務の概要
1-1 名
称
地球観測衛星データによる広域熱環境把握技術の開発作業
1-2 目
的
本作業は、平成 17 年度に引き続きヒートアイランド現象の要因となる土地被覆の分布等
を、短期間に広域を低分解能で観測する衛星データと狭い領域を高分解能で観測する衛星
データ等を相互に補完することで、都市圏の熱環境及び CO2 吸収源の把握（以下「熱環境
等」という。）に関する土地被覆分布を効率的に把握するための技術を開発することを目
的とする。
1-3 工
期
平成 17 年 8 月 25 日∼平成 18 年 3 月 16 日
1-4 内
容
本年度は、MODIS データを用いて熱環境等に関する土地被覆分類手法の検討を行うとと
もに、既存の地理情報を活用した土地被覆成分の把握手法、既存の地理情報と衛星データ
の効果的な組み合わせによる土地被覆分布の把握手法の検討を行い、熱環境等に関する土
地被覆分類手法のガイドラインの第 2 版を作成した。また、モデル地区を設定し、作成し
たガイドラインに準じてグランドトゥルースデータと土地被覆分類データを作成した。さ
らに、モデル地区の一部の範囲について既存の地理情報を使用した土地被覆分類データを
作成するととにもに、既存の地理情報と衛星データの組み合わせによる土地被覆分布デー
タと土地被覆成分データの試作を行った。図 1-1 に作業フローを示す。
1-1
1-4-1
地理情報技術 WG の開催
1-4-2
熱環境等に関する土地被覆分類手法の検討
文献調査
熱環境等に関する土地被覆分類基準の検討及び作成
1-4-3
ASTER データによる土地被覆分類データ
の作成
1-4-4
MODIS データによる土地被覆分類データ
の作成
土地被覆分類手法及びグランド
土地被覆分類手法の検討
トゥルースデータ作成手法の検討
土地被覆分類データの作成
グランドトゥルースデータの作成
土地被覆分類データの検証
土地被覆分類データの作成
1-4-6
既存の地理情報と衛星データの効果的な
組み合わせによる土地被覆分布の試作
土地被覆分類データ及びグランド
トゥルースデータの検証
既存の地理情報と衛星データの効果
的な組み合わせによる土地被覆分布
の把握手法の検討
1-4-5
既存の地理情報を活用した土地被覆分類
データの作成
既存の地理情報と衛星データの効果
的な組み合わせによる土地被覆分布
の試作
既存の地理情報を活用した土地被覆
分類データの作成手法の検討
既存の地理情報と衛星データの効果
的な組み合わせによる土地被覆分布
の検証
既存の地理情報を活用した土地被覆
分類データの作成
土地被覆成分の把握
1-4-7
熱環境等に関する土地被覆分類手法のガイドライン（第 2 版）作成
• グランドトゥルースデータ作成作業
• 土地被覆分類データ作成作業
• 既存の地理情報を活用した土地被覆分類データの作成作業
• 既存の地理情報と衛星データの効果的な組み合わせによる土
地被覆分布の作成作業
成果品
熱環境等に関する土地被覆分
地球観測衛星データによる広域熱環境
グランドトゥルースデータ
類手法のガイドライン（第 2 版）
把握技術の開発作業報告書及び概要版
土地被覆分類データ
図 1-1 作業フロー
1-2
本作業の実施内容は以下のとおりである。
1-4-1 地理情報技術 WG の開催
・専門家による検討会開催と運営（3 回）（議事録に記載）
1-4-2 熱環境等に関する土地被覆分類手法の検討
・文献調査
・熱環境等に関する土地被覆分類基準の検討及び作成
1-4-3 ASTER データによる土地被覆分類データの作成
・土地被覆分類手法及びグランドトゥルースデータ作成手法の検討
・グランドトゥルースデータの作成
・土地被覆分類データの作成
・土地被覆分類データ及びグランドトゥルースデータの検証
1-4-4 MODIS データによる土地被覆分類データの作成
・土地被覆分類手法の検討
・土地被覆分類データの作成
・土地被覆分類データの検証
1-4-5 既存の地理情報を活用した土地被覆分類データの作成
・既存の地理情報を活用した土地被覆分類データの作成手法の検討
・既存の地理情報を活用した土地被覆分類データの作成
1-4-6 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作
・既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の把握手法の
検討
・既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作
・既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の検証
・既存の地理情報を活用した土地被覆成分の把握
1-4-7 熱環境等に関する土地被覆分類手法のガイドライン（第 2 版）作成
別途記載（「熱環境等に関する土地被覆分類手法のガイドライン（第 2 版）」）
1-5 モデル地区
関東地域の以下の範囲である（図 1-2 参照）。
1-3
北緯 36°0′
北緯 36°0′
東経 139°0′
東経 139°30′
北緯 35°40′
東経 140°0′
北緯 35°20′
東経 140°0′
グランドトゥルースデータ・土地被覆分類データ及び
土地被覆分類データ（ASTER）を利用した土地被覆成分図作成範囲
既存の地理情報を活用した土地被覆分類データ及び
土地被覆成分図作成範囲
図 1-2 モデル地区
1-4
1-6 作業実施体制
本作業は以下の表 1-1 の体制により実施した。
表 1-1 実施体制表
作業地区別
又は工程
職務
主任技術者
氏名
斉藤
和也
測量士・補登録番号及び登録年月日
資格取得後の作業種
その他資格の合格番号等
別の実務経験年数
士 S62-1928
S62.10.29
１２年
技術士（応用地理学部門）№21894
全作業
作業班長
赤松
幸生
作業員
望月
貫一郎
〃
森
大
〃
沼田
洋一
〃
宮坂
聡
士 H2-1047
H2.6.4
１０年
1-7 成果品等
1-7-1 成果品
1）熱環境等に関する土地被覆分類手法のガイドライン（第 2 版）
10 冊
2）地球観測衛星データによる広域熱環境把握技術の開発作業報告書
10 冊
3）地球観測衛星データによる広域熱環境把握技術の開発作業報告書概要版
5部
4）熱環境等に関する土地被覆分類手法のガイドライン（第 2 版）、地球観測衛星データによ
る広域熱環境把握技術の開発作業報告書及び概要版電子ファイル（CD-ROM 700MB）1 式
5）グランドトゥルースデータ及び土地被覆分類データ
（CD-ROM 700MB）1 式
1-7-2 資料等
1）参考文献の複製
1式
2）議事録（第 1 回∼第 3 回）
1式
3）グランドトゥルースデータ及び現地調査結果（成果品 CD-ROM 内に格納）
1式
1-5
第 2 章 目次
2. 熱環境等に関する土地被覆分類手法の検討 ...............................................................................2-1
2-1 文献調査 .....................................................................................................................................2-1
2-1-1 先行研究の文献・資料調査 ..............................................................................................2-1
2-1-2 資料調査の総括..................................................................................................................2-2
2-2 熱環境等に関する土地被覆分類基準の検討及び作成 ..........................................................2-7
2. 熱環境等に関する土地被覆分類手法の検討
2-1 文献調査
2-1-1 先行研究の文献・資料調査
熱環境等に関する土地被覆分類手法の検討にあたり、先行研究の調査のために文献・資
料調査を実施した。調査した文献の中から主なものを表 2-1 にまとめた。
表 2-1 参考文献一覧
著者
小島 尚人, 大林
① 成行
②
③
河邑 眞，辻野和
彦，辻子裕二
佐野滋樹
Guangxing Wang
④ 他
タイトル
衛星マルチスペクトルデータを
用いた土地被覆変化箇所時系列
分析手法の一提案
高分解能衛星画像を用いたディ
シジョンツリー法に基づく樹種
分類法の開発
新しい細密数値情報データ整備
手法の開発
A Methodology for Spatial
Uncertainity Analysis of Remote
Sensing and GIS Products
2-1
出典
日本リモートセンシング学会誌,
vol. 22, No. 3, pp.306-317, 2002
写真測量とリモートセンシング，
Vol.44，No.2，pp.54-67，2005.
APA, No.77-6 (2000), pp.37-48
Photogrammetric Engineering &
Remote Sensing, Vol. 71, No. 12, pp.
1423-1432, 2005.
2-1-2 資料調査の総括
調査した文献の概要は①∼④に示すとおりであるが、いずれも土地被覆分類を行う上で
参考にとなるものであった。
ASTER データによる土地被覆分類データ作成では、多時期のデータを使用した土地被覆
分類を行う。文献①では衛星データを用いた土地被覆時系列分析手法として一般的に用い
られている以下 2 つの方法を挙げ、それぞれの問題点を指摘している。
(a) 各時期で最尤法等の分類手法等を用いて土地被覆分類図を作成し、横並びにして変
化箇所を分析する方法
(b) 多時期の衛星データを主成分分析等を用いて次元縮約し、変化箇所を分析する方法
文献によると、(a)の方法は観測時期別に作成される土地被覆分類図の精度の問題と予め
設定された分類クラス間の変化分析に限られるという問題があるのに対し、(b)の方法は衛
星データの観測時期別の比較といった時間スケールでの分析において限界があるという問
題がある。提案されている方法はこれらを解決する分析手法であるが、本業務では具体的
な分類図を作成する必要があるため、分類手法を決定するための参考とした。
MODIS による土地被覆分類手法の検討にあたって、既存の分類手法の最尤法とディシジ
ョンツリー法について比較検討を行ったが、文献②は、ディシジョンツリー法で得られた
結果と最尤法で得られた結果を比較している。使用したデータは高分解能衛星画像であり、
ディシジョンツリーによる分類基準も分光特性だけでなくテクスチャー等を用いており、
手法そのものを本業務に適用するのは困難であったが、分類基準の決定方法等については
参考にすることができた。また、最尤法による分類結果と比較してディシジョンツリー法
の結果の方が良い精度を得られていることも事例として参考にした。
既存地理情報を利用した土地被覆分類データの作成では、GIS を活用し既存地理情報か
ら土地被覆成分を抽出する。分類された結果は利用する既存地理情報の精度に依存する。
文献③は、既存地理情報を用いた土地利用分類手法の検討と検証を行っている。特に、道
路・水路・鉄道といった狭長な領域の土地利用区分を、中心線データをバッファリングし
ポリゴンデータを作成する手法の検証は、本業務における空間データ基盤からの土地被覆
成分の抽出作業の事例として参考にした。
リモートセンシングと GIS データの組み合わせ解析では、それぞれの調査方法に起因す
る計測誤差、及び、調査スケールの違いや属性定義の差異等データの意味的な不整合の問
題、さらには複数データの組み合わせによる誤差・不確かさの伝播や蓄積等、データの精
度・品質に関して複雑な問題がある。文献④はその分野の最近の研究事例で、リモートセ
ンシングデータと既往地理情報（デジタル標高モデル等）を併用した数値解析の誤差（及
び不確かさ）やその空間的分布の評価のための一手法を提案している。論文の手法で想定
している入力データと本検討のハイブリッドデータとは性質が異なることから提案手法を
本検討作業に直接応用できないが、ハイブリッド土地被覆分類データの品質評価・保証を
考えていく上で参考になる。
2-2
文献①
著者
小島尚人, 大林成行
タイトル
衛星マルチスペクトルデータを用いた土地被覆変化箇所時系列分析手法の一提案
年
2002
出典
日本リモートセンシング学会誌, vol. 22, No. 3, pp.306-317, 2002
目的
2 時期間の土地被覆変化箇所を評価する非類似度画像を作成・定義し、このアルゴリズムを
ベースとして、多時期観測の衛星データを用いて土地被覆変化箇所の時系列分析を支援す
る方策を提示する。
対象地域
茨城県牛久市
使用データ
1986 年∼1997 年の 7 種類の Landsat TM
概要
○手法
使用する 7 種類の衛星データの一対比較の組み合わせに対して片側 3 角形の 21 種類の土地
被覆変化箇所評価図を作成する。土地被覆変化箇所評価図は 2 時期の衛星データ間の非類
似性（分離度）をバンド２，３，４について計算し、これをそれぞれ青、緑、赤に割り当
てて作成した疑似カラー合成画像とする。白色系、青色系、緑色系、赤色系および黒色系
の 5 つの色系情報に大別して意味解釈する。次に、バンド２，３，４について非類似度画
像の平均値から構成される一対比較行列を作成するとともに衛星データの観測時期を数量
化理論の「アイテム」に対応させた上で数量化Ⅳ類を通してアイテムの散布図を作成し、
結果を分析する。この結果では類似性の大きいペアは近くに、類似性の小さいペアは遠く
になるようにユークリッド内に位置付けられるため、散布図から各ペアの類似性の高さが
把握できる。最後に土地被覆変化箇所評価図を整理した一対比較表と数量化Ⅳ類に基づく
分析結果を併用して分析する。
○結果
従来の研究では「変化箇所」と「変化クラス」の推定を同時に行おうとする点に限界があ
った。提案手法において、土地被覆変化箇所評価図を整理した一対比較表と数量化Ⅳ類に
基づく分析結果を併用することによって、時間スケール（月別、季節別、年度別）と空間
スケールの分析を同時にかつ効果的に実施できることを示した。
2-3
文献②
著者
河邑眞，辻野和彦，辻子裕二
タイトル
高分解能衛星画像を用いたディシジョンツリー法に基づく樹種分類法の開発
年
2005
出典
写真測量とリモートセンシング，Vol.44，No.2，pp.54-67，.
目的
高分解能衛星による樹種分類手法の開発
対象地域
岐阜県
使用データ
IKONOS
概要
○手法
高分解能衛星による樹種分類手法としてディシジョンツリーによる方法を開発し、従来手
法である最尤法の分類結果との比較を行った。
分類にあたっては、一度に多種の分類を行わず、判別しやすいものから徐々に行った。
分類基準としては、輝度だけではなく７×７フィルターを考え、その最大、最小、平均、
分散をテクスチャーとして定義し区分に用いた。
○結果
１０種類の樹種分類を行い、グランドトゥルースと比較した精度検証では、67.2％の精度
を得た。また、同一地域を最尤法で分類した結果は、53.8％であった。
2-4
文献③
著者
佐野
滋樹（玉野総合コンサルタント株式会社）
タイトル
新しい細密数値情報データ整備手法
年
2000
出典
ＡＰＡ, Vol.77-6 (2000), pp.37-48
目的
１．宅地利用動向調査における土地利用図の実用可能なベクタデータ作成手法の検討
２．GIS による情報処理技術を利用した新しい整備手法の開発
３．GIS 技術を利用した経年変化する土地利用情報の効率的な更新手法の開発
対象地域
東京区部・川越市・秦野市
使用データ
数値地図 2500、都市計画図 1/2500DM、基礎調査土地利用データ、住宅地図データ（Zmap）
概要
○手法１
数値地図 2500 からベクタ化し、空中写真等から土地利用変化部抽出しデータを編集する。
●結果１
利点：適切な参照する資料が入手できる。
難点：数値地図の精度に依存する。また資料判読に時間が必要。
○手法２
都市計画図および住宅地図データを利用し、敷地単位にポリゴンデータを作成する。
●結果２
利点：敷地単位に土地利用分類可能。
難点：敷地ポリゴンの整備に時間が掛かる。住宅地図データの利用は有償となる。
○手法３
都市計画 DM データを基礎調査土地利用データを利用して、GIS による自動処理を施す。
●結果３
利点：GIS による自動処理により、作業コストを軽減できる。
難点：基礎調査による土地利用分類が都道府県により統合されていない。
○手法４
基礎調査土地利用現況図と建物用途現況図から、必要な項目を統合する。
●結果４
利点：土地利用現況図を用いる為、工程を簡略できる。
難点：宅動調査の土地利用分類と異なる、また都道府県によって項目が不統一。
2-5
文献④
著者
タイトル
年
出典
Guangxing Wang, George Z. Gertner, Shoufan Fang, and Alan B. Anderson
A Methodology for Spatial Uncertainity Analysis of Remote Sensing and GIS
Products
2005
Photogrammetric Engineering & Remote Sensing, Vol. 71, No. 12, pp. 1423-1432.
リモートセンシングと GIS の解析処理過程では種々の誤差や不確かさが伝
播・蓄積されるが、これまでは総体的な誤差収支評価にとどまり、空間的分
目的
布も考慮する等より高度な影響評価の実用化が求められている。ここでは、
空間情報を用いたシミュレーション等で生じる誤差や不確定さの要因分析法
を提案し、土壌流出予測を例としたケーススタディの結果を示している。
対象地域
使用データ
ケーススタディの対象地域は米国テキサス州 Fort Hood にある、草地を主とす
る 87,890ha の地区
Landsat TM（バンド６を除く全バンド）、USGS10m グリッド数値標高モデル、
傾斜や土地被覆に関する現地サンプリング調査結果
概要
○手法
① 現地サンプリングによる地上調査データの作成と空間統計的な検討
② 地上調査データとリモートセンシングデータの地球統計学的な解析（sequential
Gaussian co-conditional simulation）によるメッシュ形式の推定値、その分散、共分
散の算出
③ 画素単位の誤差収支解析（入力データ別の寄与度の算出）
○結果
提案した誤差と不確かさの解析手法の有効性を、土壌浸食量の推定に多く用いられる
RUSLE（Revised Universal Soil Loss Equation）モデルの算出例を通して示した（RUSLE モデ
ルは、土壌浸食量（ton・ha-1・year-1）を LS（地形要因）、C（土地被覆要因）、K（侵食難
易要因）などの積として表すものである。それぞれの要因は、斜面長や傾斜量、植生被覆
度など、より原子的な基礎情報から求めておく）。
ケーススタディでは、現地サンプリングデータと Landsat TM データの地球統計学的推
定法で求めた５ｍメッシュの LS、C、K 等要因データを用いて RULSE に基づく土壌浸食
量予測図を作成するとともに、それぞれの要因の変動と土壌浸食量予測結果の関係を求め
た。さらに筆者らは、LS、C、K 等の要因を構成する基礎情報（例えば、LS を求めるため
に用いた斜面長や傾斜といった情報）が計算結果に与える誤差・不確かさの寄与度も求め
た。
ここで提案された誤差や不確かさの評価・把握手法は個々の要因の寄与度に加え、その
空間的な分布を推定することができるため、従来からの総体的な誤差や不確かさの推定・
評価に比べて、シミュレーションの精度改善に有用な情報を得られると期待される。今後
の課題として、シミュレーションの入力情報にカテゴリカルなデータを用いる場合への拡
張などが挙げられている。
2-6
2-2 熱環境等に関する土地被覆分類基準の検討及び作成
本業務は、はじめに述べたように都市圏の熱環境及び CO2 吸収源の把握に関する土地被
覆分布を効率的に把握するための技術を開発することを目的としている。このため、土地
被覆分類項目の設定やその基準もこれらの目的に合致することが求められる。
また、物理的な分類基準としては、少なくとも ASTER の分解能レベル(15ｍ)で把握され
うる項目を想定する必要もある。MODIS については、さらに低分解能であることから、分
類が不可能な項目があることも想定されるが、この点については作業を実施しながら検討
を行うこととした。
熱環境の把握のためには、蒸散と樹葉による緑陰の作用による気候の緩和効果を有して
おりクールスポットとなる植生域の分類が重要である。植生域でも落葉樹林と常緑樹林、
草地では季節変化の有無や蒸発散量の違いがあり、細分できることが望ましい。また、水
域に関しても、同じくクールスポットとしての効果があり重要な分類項目である。
一方、日射蓄熱量が大きく、ヒートアイランド効果を高めるアスファルトや、日射の蓄
熱が大きく夜間も表面温度が下がりにくいコンクリート建物の分類も重要である。
この他、水田は、分類項目の名称自体は土地利用に着目したものであるが、季節により
リサイクリックに変化する土地被覆のうち湛水時期の水面からの蒸発と植生の蒸散により
気候の緩和効果を有するので分類項目に加えるべきとの指摘がある。多時期のデータを用
いることで衛星データのみからでも分類は可能と判断されたため今回の分類項目に加える
こととした。
これらのことを考慮した上で、熱環境把握に必要な分類項目及び分類基準として表 2-2
に示す１１項目を設定した。ただし、ASTER や MODIS の衛星データは、建物、交通用地
などの土地利用区分は不可能であるため、不透水地として統合し９分類とした。
一方、CO2 吸収源としての側面からは、COP7（気候変動枠組条約第 7 回締約国会議）の
要請を受け、「土地利用、土地利用変化及び林業」セクターの温室効果ガスの吸収・排出
量算定に関わる報告・検証についての模範的手法として作成された LULUCF-GPG(（土地
利用、土地利用変化及び林業(Land Use , Land-Use Change and Forestry)に関する良好手法指
針（Good Practice Guidance））において各国が最低限分類すべき土地利用項目として、森
林、農地、草地、湿地、開発地、その他の土地の６区分が示されている。
本業務ではこれらの異なる目的に合わせた分類基準の作成が求められるが、
LULUCF-GPG の６区分は、厳密な定義の一致は別として概ね熱環境の１１区分に包括され
るので、CO2 吸収源としての目的への適用は、表 2-2 に示した対応項目を統合して用いる
ことができる。
なお、土地被覆分類作業を実施する過程で、解像度の粗い MODIS では、全域をこの９
項目で分類することが適切とは言えないことがわかった。そこで、新たに不透水地に植生
域が混在する、「不透水地（住宅地）」という項目を新たに設定した。詳細は「4.MODIS
による土地被覆分類データの作成」で述べる。
さらに、作成された土地被覆分類データの検証をそれぞれのデータごとに実施し各章に
2-7
記載した。手法やその考え方については、共通する部分があるのでこれを巻末資料として、
各章の検証はそれを引用した。
2-8
表 2-2 土地被覆分類項目とその定義
土地被覆分類
項目(案)
常緑樹林
森
林
落葉樹林
定義
年間を通して葉をつける木、すなわち常緑樹が樹高2m以
上で密生している森林。
ヒートアイランドの見地から見た土地被覆の特性
植生の蒸散と樹葉による緑陰の作用による気候の緩和効果を有しておりク (森林)
ールスポットとなる。常緑樹は冬季においても樹葉を保つため放射冷却が 国家GHG目録での森林の定義に整合する樹木植生を全て含む。管理/非管理及びIPCC
ガイドラインに特定された生態系にさらに分類される。現状では他の項目に分類さ
起きにくい。
一定の季節(通常冬)に一斉に葉を落とす木、すなわち落 植生の蒸散と樹葉による緑陰の作用による気候の緩和効果を有しておりク
葉樹が樹高2m以上で密生している森林。
(参考)LULUCF-GPG＊に示された土地利用カテゴリー
れるが今後森林に含まれるシステムも含む。
(京都議定書上の森林定義)最低0.05-1haの範囲の少なくとも10-30%の樹冠率を有
ールスポットとなる。落葉樹は冬季は常緑樹に比べ放射冷却が起きやすい。
し成熟時に少なくとも2-5m以上の高さを有する植生。
(草地)
草地
高さ2m以下の植生が卓越する土地。放牧地、牧草地、原 森林に比べて蒸散量は少ないため気候の緩和効果は比較的少ないと考えら 農地と認められない放牧地、牧草地。人的介入がなければ森林の定義に合致しない
野、レクレーション用地を含む。
れる。また夜間は森林に比べ放射冷却効果が大きい。
植生を含む。また原野、レクリーション用地、農業、森林-牧畜システムの全ての
草地を含み、国レベルでの定義に整合した管理の有無が分類される。
畑
水田
麦、陸稲、野菜等を栽培する土地。
れる。また夜間は森林に比べ放射冷却効果が大きい。
水稲、蓮等を栽培している土地、季節により畑作物を栽 5-9月にかけて湛水し、水面からの蒸発と植生の蒸散により気候の緩和効果
培する土地を含む。
道路と鉄道から構成される。道路は自動車等の交通のた
交通用地 めに設けた地上の通路。鉄道は車両の走行のため、レー
不
透
水
地
森林に比べて蒸散量は少ないため気候の緩和効果は比較的少ないと考えら
ルを設けた軌道及び索道。
を有する。秋冬は裸地となる。
居住その他の目的を持って構築された建築物
裸地
湿地
水
駐車場や建物周辺の植生を存しない空き地
ムであり、国レベルでの定義に整合する。
自動車、鉄道車両からの排熱はヒートアイランド効果を高める。
蓄熱が大きく、夜間も表面温度が下がりにくい。建物におけるエネルギー
消費は排熱の原因となる。
その他
耕地、鋤きこまれた土地、森林の定義外の植生を有するアグロフォレストリシステ
アスファルト道路は日射蓄熱量が大きく、ヒートアイランド効果を高める。
コンクリートといった熱容量の大きな建材が建物外側に使われると日射の
建物
(農地)
(開発地)
全ての開発された土地。他の項目に含まれない限り、運輸施設といかなる大きさの
居住地を含む。国レベルの定義と整合させるべき。
アスファルトやコンクリートで覆われている箇所は日射蓄熱量が大きくヒ
ートアイランド効果を高める。
植生が存在しないか、年間を通じて殆どない箇所のうち、
(その他の土地)
エネルギー消費が顕著に行われておらず人工排熱はないと考えられるが、
水域、非浸透地のいずれでもない土地。荒れ地、砂礫地、
他の5つの項目に分類されない裸地、岩、氷及び全ての非管理地。データが利用可
植生の有する気候緩和効果も有しない。
岩など。
能な場合、国土総面積と把握された面積の差分も含まれうる。
常に水を含み、土地が軟弱で湿地性の植生が生育してい 水の蒸発による気候の緩和効果と、植生の蒸散により気候の緩和効果を有 (湿地)
る土地
する。
陸地内に存在する水の部分及び海
水の蒸発による気候の緩和効果を有する。
通年また一部(例えば泥炭地)に水に覆われたもしくは飽和した土地であり、森林、
農地、草地、開発地に含まれないもの。国のレベルの定義に従い管理/非管理に下
位分類されうる。貯水池は管理地、自然河川や湖沼を非管理地に含む。
・LULUCF-GPG:土地利用、土地利用変化及び林業に関する良好手法指針
備考
・国土数値情報・平成14年2万５千分1地形図図式等を参 ・ヒートアイランドの対策と技術(森山正和編・学芸出版社)等を参考に作
考に作成。
成。
・トップカテゴリーとして示された項目でより詳細な定義は各国にゆだねられる。
・ 出典
http://www.ipcc-nggip.iges.or.jp/public/gpglulucf/gpglulucf_files/Chp
/Chp2_Land_Areas.pdf
2-9
第 3 章 目次
3. ASTER データによる土地被覆分類データの作成 ......................................................................3-1
3-1 土地被覆分類手法及びグランドトゥルースデータ作成手法の検討 ..................................3-1
3-2 グランドトゥルースデータの作成..........................................................................................3-6
3-3 土地被覆分類データの作成....................................................................................................3-11
3-4 土地被覆分類データ及びグランドトゥルースデータの検証 ............................................3-18
3-4-1 定量的評価........................................................................................................................3-18
3-4-2 定性的評価........................................................................................................................3-21
3-5 まとめと今後の課題................................................................................................................3-26
3-5-1 まとめ................................................................................................................................3-26
3-5-2 今後の課題........................................................................................................................3-27
3. ASTER データによる土地被覆分類データの作成
3-1 土地被覆分類手法及びグランドトゥルースデータ作成手法の検討
ASTER データによる土地被覆分類データ及びグランドトゥルースデータの作成につい
て、検討の結果得られた最終的なフローを以下に示す。
ASTER データ
（多時期使用）
■ 処理レベル 2B01
（地表面放射輝度画像）
R バンド等
分類フロー（基本フロー）
NDVI 作成
ASTER/VNIR
←NDVI 2 値化
非植生
グランドトゥルースデータ作成
←R 2 値化
（ディシジョンツリー法及び季節変化による土地
被覆分類）
水
←R 2 値化
非水域
ディシジョンツリー法による分類
■ 土地被覆分類項目の設定：森
林、草地、不透水地、裸地、
水の 5 項目
■ 使用するバンド：VNIR（15m
分解能）
■ NDVI, R バンド等による 2
値化
植生
森林
草地
←R 2 値化
不透水地等※
裸地等※
←R 2 値化
未分類
不透水地
（落葉樹林）
※ シ ーン に落 葉樹 林
や雪、雲が含まれない
場合はここで終了↓
←R 2 値化
裸地
未分類
（雪・雲）
シーン毎の土地被覆分類結果
シーン毎の分類結果の季節変化を利
用した土地被覆分類
■ 土地被覆分類項目の設定：常
緑樹林、落葉樹林、草地、畑、
水田、不透水地、裸地、湿地、
水の 9 項目
代表的な分類マトリックスイメージ
季節変化を
利用した分
類項目
常緑樹林
春
（4月）
森林
落葉樹林
非植生
※
草地
土地被覆分類データ作成
（季節変化による土地被覆分類結果の未分類
画素を最尤法分類の結果で補完）
土地被覆分類データ及びグランド
トゥルースデータの検証
※
畑
水田
※
非植生
草地／非草地の変化が2サイクル以上（ただし、水と
なる季節がない場合）
いずれかが水
草地
裸地
裸地
不透水地 不透水地 不透水地
裸地
裸地
裸地
草地と水が1回以上出現する（ただし、水田は除く）
水
水
・・・
未分類
※明確な分類は困難
水
・・・
その他
水
図 3-1 グランドトゥルースデータ及び土地被覆分類データ作成フロー
3-1
冬
（3月）
森林
4時期が草地、または草地／非草地の変化が1サイ
クル（ただし、水となる季節がない場合）
不透水地 不透水地
裸地
裸地
湿地
シーン毎の土地被覆分類項目
晩春
夏
秋
（6月） （8∼9月） （10∼11月）
森林
森林
森林or非
森林
植生
水
以下に結果の概要を示す。
(1) ASTER データの選定
まず、①∼③に示す季節の分類と検索期間、基準により春・夏・秋・冬の各時期につい
てそれぞれモデル地区をカバーするシーンを選定・収集した。さらに水田を分類するため
にモデル地区における稲の生育状況（表 3-2）に合わせて、春から夏の間で水田が湛水し
ている時期を春・夏とは区別して晩春と称して設けるとともに、夏については刈り取り前
の稲が繁茂している時期に注目してシーンを追加した。最終的に春・晩春・夏・秋・冬の
5 時期 33 シーン（同日撮影の南北撮影シーンを含む）とした（表 3-1）。④に水田の分類
を目的とした選定基準を示す。収集したシーンのうち④の基準を満たす良好なシーンを選
定して最終的に 29 シーンを処理対象とした。処理シーンを図 3-2 に示す。
① 季節の分類
春：4∼5 月、夏：6∼9 月、秋：10∼11 月、冬：12∼3 月
② 検索期間
2000 年 4 月∼2005 年 8 月
③ 基本的なデータの選定・収集基準
優先順位は高い順に 1)、2)、3)とする。
1） 植生のフェノロジー（同一季節内でもなるべく近い時期同士を選択するとともに、そ
れぞれ季節による植生の違いが出るようなシーンを選択）
2） データの新規性
3） MODIS データとの時期の一致（MODIS データの収集期間 2004 年 4 月∼2005 年 3 月）
④ 水田の分類を目的とした選定基準
1） 春から夏の間で水田が湛水している晩春の時期を加えて春・晩春・夏・秋・冬の 5
時期とする
2） 夏は特に刈取前の稲が繁茂している時期に限定する
入手した ASTER データの処理レベル等は以下のとおりである。
• 処理レベル
2B01（地表面放射輝度）
• ゲインモード
High（ヒストグラムをチェックし分類を行う上で問題がないことを
確認）
• ポインティング
あり（±8.589°以内）
また、前処理は以下のとおりとした。
3-2
• 大気補正
地表面放射輝度のデータを使用することで対応
• 幾何補正
処理対象の全シーンをオルソ化（緯度経度座標系／JGD2000、水平
解像度 0.59667″×0.48688″（地上解像度 14.81m×15.28m））
• モザイク処理
実施しない（原画像でのモザイクはせず、シーン毎にディシジョン
ツリー法により分類した後、分類結果を統合した）
表 3-1 ASTER データ収集リスト
季節
春
晩春
夏
秋
冬
パスの位
置
東
中央
西
東
西
東
東
中央
中央
西
東
中央
西
東
中央
西
観測日
2003年4月7日
2004年4月25日
2005年4月19日
2002年6月7日
2004年6月19日
2003年9月5日
2004年7月14日
2002年8月10日
2004年9月16日
2003年8月29日
2001年11月27日
2003年11月17日
2004年10月18日
2005年3月2日
2004年3月8日
2005年3月27日
合計
シーン数 ポインティン
グ角度
2
1.582
2
-2.829
3
5.729
2
0.027
3
5.729
2
8.586
2
0.022
2
-2.876
2
-2.87
2
-5.677
2
0.019
2
-2.837
2
-5.727
1
8.578
2
-2.867
2
-8.589
33
Band1
High
High
High
High
High
High
High
High
High
High
High
Normal
High
High
High
High
ゲインモード
Band2
High
High
High
High
High
High
High
High
High
High
High
Normal
High
High
High
High
備考
Band3
High
High
High
High
High
High
High
Normal
High
High
Normal
Normal
Normal
High
High
High
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
処理シーン
表 3-2 クロップカレンダーと処理シーンの撮影日（春∼夏）
4月
衛星画像の撮影時期
春（4/7∼4/25）
埼玉・東部
5月
6月
晩春（6/7∼6/19）
7月
8月
9月
10月
夏（8/10∼9/5）
田植え（4/30∼6/15）
刈取（8/26∼最盛期9/16）
埼玉・西部
田植え（5/11∼6/25）
刈取（9/6∼最盛期9/27）
東京
田植え（5/28∼6/17）
刈取（9/18∼最盛期10/6）
神奈川
田植え（5/23∼6/12）
刈取（9/17∼最盛期9/29）
※2004年関東農政資料より
3-3
春
晩春
0
10
20km
0
西：2005/04/19 中央：2004/04/25 東：2003/04/07
西：2004/06/19 東：2002/06/07
夏
秋
0
10
20km
0
西：2003/08/29 中央：2002/08/10 東：2003/09/05
10
20km
10
20km
西：2004/10/18 中央：2003/11/17 東：2001/11/27
冬
※
0
10
20km
色調を概略調整した上で中央のパスのシーンが
上位レイヤとなるように重ねて表示（モザイク処
理はしていない）
西：2005/03/27 中央：2004/03/08 東：2005/03/02
図 3-2 ASTER 処理シーン（フォールスカラー画像）
3-4
(2) グランドトゥルースデータの作成
まず、平成 16 年度に検討したディシジョンツリー法を使用して、シーン毎に森林、草地、
不透水地（平成 16 年度報告書では人工構造物）、裸地、水の 5 項目の土地被覆分類を行っ
た。ここで使用したディシジョンツリー法は NDVI（正規化植生指数）と R バンドを基本
的に使用した 2 値化による分類である（平成 16 年度報告書を参照）。例として春のシーン
を図 3-3 に示す。
次に、シーン毎の分類結果を使用して季節変化を利用した土地被覆分類を行った。5 時
期の分類結果を重ね合わせ、各シーンの分類項目の組み合わせによって常緑樹林、落葉樹
林、草地、畑、水田、不透水地、裸地、湿地、水の 9 項目に分類した。その際、不確定要
素となるデータ欠損領域や雲・雪などの画素、季節によって裸地・不透水地で変動する画
素を全て未分類として扱い MODIS データによる土地被覆分類のグランドトゥルースデー
タとして作成した。
(3) 土地被覆分類データ作成
上記の分類結果は未分類画素が多くそのままでは既存地理情報との組み合わせが困難で
ある。そのため、まず不確定要素を未分類としない分類規則を設定して未分類画素を最小
限とし、さらに、最尤法分類を行って未分類画素の補完を行った分類結果を既存地理情報
との組み合わせ用の土地被覆分類データとして作成した。
(4) 土地被覆分類データ及びグランドトゥルースデータの検証
上記の分類データについて定量・定性的評価を行い、使用目的を満たすことを確認した。
ASTER/VNIR
NDVI≦0.529
NDVI＞0.529
非植生
植生
R≦49
R＞49
水等
非水域
NIR≦83
NIR＞83
水
未分類
（落葉樹林）
R≦78
R≦33
R＞33
森林
草地
R＞78
裸地等
不透水地
R≦119
R＞119
裸地
未分類
（雪・雲）
図 3-3 春（2004/04/25）のシーンのディシジョンツリー法による分類の例
3-5
3-2 グランドトゥルースデータの作成
ディシジョンツリー法により各シーンの分類を行い、季節毎に中央のパスが上位レイヤ
ーとなるようにモザイクした（図 3-4）。その際、接合部において分類の不整合が生じて
いないことを確認した。
上記の分類結果を使用して、季節変化を利用した土地被覆分類を行った。その際、デー
タ欠損領域や雲・雪などの画素、季節によって裸地・不透水地で変動する画素を未分類と
して扱い、第 4 章で使用するグランドトゥルースデータ用として作成した。表 3-3 に分類
規則を、図 3-5 に適用した結果を示す。
季節変化を利用した分類の分類規則（グランドトゥルースデータ）
信頼性の高い分類結果とするため不確定要素は全て未分類として扱う。
1） データ欠損領域、雲・雪を未分類とする（表 3-3 の黄色で塗り潰した部分）
2） 「裸地」・「不透水地」で変動する画素を未分類とする（表 3-3 の表中には表され
ない）
分類の結果、シーン毎の分類について以下の傾向が見られた。
• 裸地と不透水地が分類できない場合がある
• 建物の影と水が分類できない場合があるため、主に都市域において未分類となる傾向が
ある
• 大規模建造物やコンクリートなどと裸地を分類できない場合があるため、建物が裸地に
分類される箇所がある
また、季節変化を利用した土地被覆分類については以下の傾向が見られた。
• 茶畑、梨園などの木本性の畑を分類できない場合がある
• 草地が優先的に分類される設定のため、本来畑の領域が草地に分類される場合がある
• 東部と西部の刈り取り時期がずれているため（東部では夏のシーンで刈り取り済み）、水
田の領域が湿地や裸地などに分類される場合がある
3-6
春
晩春
0
10
20km
0
西：2005/04/19 中央：2004/04/25 東：2003/04/07
西：2004/06/19 東：2002/06/07
夏
秋
0
10
20km
0
西：2003/08/29 中央：2002/08/10 東：2003/09/05
10
20km
10
20km
西：2004/10/18 中央：2003/11/17 東：2001/11/27
冬
0
10
20km
西：2005/03/27 中央：2004/03/08 東：2005/03/02
図 3-4 シーン毎の土地被覆分類結果（ディシジョンツリー法による分類）
3-7
表 3-3 季節変化を利用した分類の分類規則（グランドトゥルースデータ）
季節変化を利用し
た分類項目（大分
①
未分類
②
常緑樹林
③
草地
④
小分類
春
※1
夏
晩春
いずれかの季節が「雲・雪
秋
冬
※2
」、「データ欠損領域」の画素
上記以外で、夏・秋のいずれかと春・冬が「森林」の画素
芝生
草地
草地
草地
草地
不透水地
不透水地
不透水地
不透水地
不透水地
⑤
裸地
裸地
裸地
裸地
裸地
⑥
水
水
水
水
水
⑦
水田
上記以外で、春または晩春が「水」、夏が「草地」、秋・
冬が「裸地」の画素
⑧
水田
上記以外で、春が「裸地」、夏が「草地」、秋・冬が「裸
地」の画素
⑨
湿地
上記以外で、4時期のうち必ず「草地」と「水」の時期があ
り、残る時期は「草地」「水」「裸地」のいずれかの画素
⑩
草地
⑪
畑
上記以外で、いずれかの季節が「草地」、残る時期が「草
地」か「裸地」の画素
⑫
落葉樹林
上記以外で、夏・秋のいずれかが「森林」、春・冬のいずれ
※4
かが「落葉樹林 」の画素
⑬
未分類
※3
自然草地・
ゴルフ場
上記以外で、夏が「草地」、冬が「裸地」、残る時期が「草
地」か「裸地」の画素（草地／非草地の変化が1サイクル）
上記以外の画素
※1水田の分類時のみ使用する
※2シーン毎の分類において、雲・雪を分類
※3濁った湖や海域が分類できない場合があるため、シーン毎の分類結果で良好に分類された水域を適宜抽出して水
域マスクを作成
※4シーン毎の分類において、落葉樹林を分類
3-8
0
図 3-5 グランドトゥルースデータ
3-9
5
10km
0
図 3-6 「岩槻」におけるグランドトゥルースデータ
3-10
0.5
1km
3-3 土地被覆分類データの作成
上記の分類結果（グランドトゥルースデータ）は未分類画素が多くそのままでは既存地
理情報との組み合わせが困難である。そのため、まず季節変化を利用した土地被覆分類に
おいて不確定要素を未分類としない分類規則を設定して未分類画素を最小限とし、さらに、
最尤法分類を行って未分類画素の補完を行った分類結果を既存地理情報との組み合わせ用
の土地被覆分類データとして作成した。図 3-7 に土地被覆分類データの作成フローを示す。
グランドトゥルースデータの作成
土地被覆分類データの作成
シーン毎のディシジョンツリー法によ
る分類
季節変化を利用した土地被覆分類
不確定要素を未分類とする分類
不確定要素を未分類としない分類
（グランドトゥルースデータ）
（土地被覆分類用中間データ）
季節毎（5 季節）の最尤法による分類
トレーニングデータ
分類結果の統合
優先順位の設定
• 春∼冬それぞれの最尤法の分類結果を季
節変化を利用した分類結果（土地被覆分類
用中間データ）と比較して、全体の正解率が
高い順を求め、優先順位とする
→ 結果： 春、冬、秋、夏、晩春
未分類画素の割り当て
• 優先順位にしたがって未分類画素に最尤法
の分類結果を割り当てる
MODIS データによる土
既存の地理情報と衛星データの組
地被覆分類データへ
み合わせによる土地被覆分布へ
図 3-7 土地被覆分類データの作成フロー
3-11
まず、季節変化を利用した土地被覆分類において、データ欠損領域や雲・雪などの画素、
季節によって裸地・不透水地で変動する画素などの不確定要素に関して以下の分類規則を
適用した。表 3-4 に具体的な分類規則を示す。図 3-8 に適用した結果を示す。
季節変化を利用した分類の分類規則（土地被覆分類用中間データ）
以下の範囲内で未分類画素を最小限とする。
1） データ欠損領域、雲・雪の場合でも他の時期で判定可能な場合は未分類としない（表
3-4 のピンク色で塗り潰した部分）
2） 「裸地」・「不透水地」で変動する画素を未分類としない（表 3-4 の黄色で塗り潰
した部分）
次に、上記の分類結果の未分類画素を最尤法分類によって補完した。まず、グランドト
ゥルースデータからトレーニングデータを抽出し、春・晩春・夏・秋・冬 5 時期それぞれ
について最尤法分類を行った。次に、5 時期の最尤法分類の結果と、季節変化を利用した
分類結果（土地被覆分類用中間データ）を比較して全体の正解率が高い順を求め、5 時期
の優先順位を設定した。次に、優先順位にしたがって未分類画素を補完した。以上の結果
得られた土地被覆分類データを既存地理情報との組み合わせ用とした。図 3-10 に分類結果
を示す。
3-12
表 3-4 季節変化を利用した分類の分類規則（土地被覆分類用中間データ）
季節変化を利用し
た分類項目（大分
小分類
春
※1
晩春
夏
秋
冬
①
未分類
②
常緑樹林
③
草地
④
不透水地
⑤
裸地
⑥
水
⑦
水田
上記以外で、春または晩春が「水」、夏が「草地」、秋・
上記以外で、春または晩春が「水面」、夏が「草
地」、秋・冬が「裸地」の画素
冬が「裸地」または「不透水地」の画素
⑧
水田
※6
上記以外で、春または晩春が「水面」、夏が「草
上記以外で、春が「裸地」、夏が「草地」、秋・冬が
上記以外で、春が「裸地」 、夏が「草地」、秋・冬が
「裸地」の画素
地」、秋・冬が「裸地」の画素
「裸地」または「不透水地」の画素
⑨
湿地
上記以外で、4時期のうち必ず「草地」と「水」の時期
上記以外で、4時期のうち必ず「草地」と「水面」の時
期があり、残る時期は「草地」「水面」「裸地」のいずれ
があり、残る時期は「草地」「水」「裸地」「不透水地」の
いずれかの画素
⑩
草地
⑪
畑
上記以外で、いずれかの季節が「草地」、残る時期が
上記以外で、夏が「草地」、冬が「裸地」、残る時期が
上記以外で、4時期のうち必ず「草地」と「水面」の時
「草地」か「裸地」の画素
「草地」か「裸地」の画素（草地／非草地の変化が1サ
期があり、残る時期は「草地」「水面」「裸地」のいずれ
「草地」「裸地」「不透水地」のいずれかの画素
⑫
落葉樹林
上記以外で、夏・秋のいずれかが「森林」、春・冬のい
※4
ずれかが「落葉樹林 」の画素
⑬
未分類
夏・秋のいずれかが「森林」、春・冬のいずれか一方
※2
が「森林」、もう一方が「森林」「雲・雪 」「データ欠損
領域」のいずれかの画素
芝生
草地
草地
草地
草地
上記以外で、3時期が「不透水地」または「裸地」、残
る1時期が「不透水地」「裸地」「雲・雪」「データ欠損領
域」のいずれかの画素
上記以外で、3時期が「裸地」、残る1時期が「裸地」
※5
「雲・雪」「データ欠損領域」のいずれかの画素
※3
水
自然草地・
ゴルフ場
水
水
水
上記以外で、夏が「草地」、冬が「裸地」または「不透
上記以外で、夏が「草地」、冬が「裸地」、残る時期が
上記以外で、4時期のうち必ず「草地」と「水面」の時
「草地」か「裸地」の画素（草地／非草地の変化が1サ
期があり、残る時期は「草地」「水面」「裸地」のいずれ
水地」、残る時期が「草地」「裸地」「不透水地」のいず
れかの画素（草地／非草地の変化が1サイクル）
上記以外の画素
※1水田の分類時のみ使用する
※2シーン毎の分類において、雲・雪を分類
※3濁った湖や海域が分類できない場合があるため、シーン毎の分類結果で良好に分類された水域を適宜抽出して水
域マスクを作成
※4シーン毎の分類において、落葉樹林を分類
※5データ欠損領域、雲・雪の場合も分類
※6春も裸地または不透水地とすると水田以外の領域が大幅に水田に分類されるため、春は裸地のみとする
3-13
0
図 3-8 季節変化を利用した分類の分類結果（土地被覆分類用中間データ）
3-14
5
10km
0
図 3-9 「岩槻」における季節変化を利用した分類の分類結果（土地被覆分類用中間データ）
3-15
0.5
1km
0
図 3-10 土地被覆分類データ
3-16
5
10km
0
図 3-11 「岩槻」における土地被覆分類データ
3-17
0.5
1km
3-4 土地被覆分類データ及びグランドトゥルースデータの検証
3-4-1 定量的評価
巻末資料-1 の精度評価方針に従って、以下 3 タイプの分類データについて比較を行った。
比較方法はモデル地区内に配置された分類項目毎の複数の 150m 四方の検証エリア群につ
いて、検証データの土地被覆分類項目別に分類データの項目の面積（画素数）を集計して、
その比率を求めることで行った。表 3-5∼表 3-7 に分類データの土地被覆対応表を示す。
① 季節変化による土地被覆分類（グランドトゥルースデータ）
② 季節変化による土地被覆分類（土地被覆分類用中間データ）
③ 最尤法による補完データ（土地被覆分類データ）
表 3-5 グランドトゥルースデータの土地被覆対応表
検証データ
森林
森林
ー
分
類
デ
タ
草地
92.2% 12.3%
畑
水田
不透
水地
裸地
水
5.8%
0.2%
1.3%
9.7%
0.1%
草地
7.2% 67.1% 32.2%
1.6%
1.7% 13.4%
0.9%
畑
0.1% 10.7% 16.7%
0.9%
0.8%
0.6%
0.0%
0.2%
4.1%
0.1%
水田
0.6%
2.4% 18.6% 95.9%
不透
水地
0.0%
4.2% 26.1%
0.0% 74.0%
6.8%
1.4%
裸地
0.0%
3.3%
0.3%
1.0% 22.0% 63.4%
4.8%
湿地
0.0%
0.0%
0.3%
0.3%
0.0%
2.0%
0.3%
水
0.0%
0.0%
0.0%
0.0%
0.0%
0.0% 92.4%
3-18
表 3-6 土地被覆分類用中間データの土地被覆対応表
検証データ
森林
森林
草地
畑
ー
分
類
デ
タ
91.1%
草地
8.3%
畑
水田
0.9%
0.6%
裸地
水
5.1%
0.1%
8.1% 62.7% 38.6% 16.7%
8.2% 19.5%
6.2%
0.3% 10.2% 21.8%
2.1%
3.5%
2.7%
3.2%
9.9% 73.5%
1.0%
4.3%
0.4%
1.8%
1.2%
不透
水地
水田
0.5%
不透
水地
0.0% 13.2% 28.4%
4.8% 72.4% 29.2%
4.1%
裸地
0.0%
3.8%
0.1%
0.6% 14.3% 38.1%
5.1%
湿地
0.0%
0.0%
0.1%
1.5%
0.0%
1.1%
0.6%
水
0.0%
0.0%
0.0%
0.0%
0.0%
0.0% 80.2%
表 3-7 土地被覆分類データの土地被覆対応表
検証データ
森林
ー
分
類
デ
タ
草地
畑
水田
森林
85.4% 14.1% 10.5%
1.8%
草地
12.2% 60.1% 36.8% 18.6%
不透
水地
3.6%
裸地
水
6.1%
4.1%
8.4% 18.8%
6.7%
4.8%
5.4%
4.2%
3.3%
8.9% 65.0%
1.1%
5.2%
1.9%
畑
1.6%
8.3% 19.8%
水田
0.5%
2.0%
不透
水地
0.2% 12.5% 23.4%
7.9% 63.4% 29.2%
5.0%
裸地
0.0%
2.9%
0.6%
0.6% 18.0% 35.1%
4.6%
湿地
0.0%
0.0%
0.0%
1.2%
0.0%
1.0%
0.5%
水
0.0%
0.0%
0.0%
0.0%
0.0%
0.4% 73.9%
3-19
以上から、下記のことがわかった。なお、この結果は広い範囲で土地被覆が均一な領域
を対象に行われたものであり、ランダムサンプリングでなはない（恣意性が含まれる）。
そのため、厳密な検証とは異なっており、多少精度の良い方向に偏る可能性がある。
• 全体的に対応率（ここでは検証データのサンプル範囲内の土地被覆分類項目別面積率を
対応率と呼ぶ）は高く、またいずれの分類結果でも畑以外は検証データにおける筆頭項
目は同一項目になっており、妥当な結果となっている。
• 全体的にグランドトゥルースデータが最も対応率が高く、以下、土地被覆分類用中間デ
ータ、土地被覆分類データの順に多少対応率が低下する傾向がある。これは、後者ほど
あいまいさ
を許容していることから当然の結果である。
• グランドトゥルースデータで見ると、森林・水田・水など、分光特性が特徴的で分布面
積が比較的まとまったものは 90%以上の高い対応率が得られた。森林、水は面積がまと
まって分布していることから他の土地被覆との混在が少なく分光特性が保持され、シー
ン毎の分類が良好であったと考えられる。水田も同様に面積がまとまっているためシー
ン毎の水、草地、裸地の分類が良好であったと考えられる。
• 裸地と不透水地は分光特性が比較的類似していること、特に郊外ほど小さい面積となり、
かつ隣接して混在する傾向があることから、やや混在し対応率が低下する傾向がある。
• 畑に関しては草地との分類が困難な状況である。これは、一口に畑と言っても多様な植
生があることに加えて、概して耕作面積が小さく ASTER クラスではミクセル状態にな
ることが多いことなどが原因と考えられる。
3-20
3-4-2 定性的評価
前項で比較的対応率の低かった分類項目に関して、定性的な評価をおこなった。図 3-12、図
3-13 に、グランドトゥルースデータと土地被覆分類用中間データに妥当と思われる箇所の例を
同一色の円でいくつか示した。参考までに春、秋の ASTER データを図 3-14、図 3-15 に示す。
0
図 3-12 岩槻地区 グランドトゥルースデータ
3-21
200
400m
0
図 3-13 岩槻地区 土地被覆分類用中間データ
3-22
200
400m
0
図 3-14 岩槻地区 ASTER 画像(春：2004/4/25)
3-23
200
400m
0
図 3-15 岩槻地区 ASTER 画像(秋：2003/11/17)
3-24
200
400m
• 草地
図中右上の休耕田と思われる箇所（地図記号
荒地
）が、比較的まとまって草地に分
類されており、妥当である。また、元荒川沿いにも草地が見られる。現地調査では直接確
認はされていないが、周辺の状況から見て実際に草地であると予想される。
•畑
地図記号
畑・牧草地
がいくつか記載され、まとまった面積で畑があると推定される
箇所に、畑として分類された箇所があり、妥当である。
• 不透水地
図中左端の密集住宅地がほぼまとまって
央付近のやや散在した住宅地がまばらに
不透水地
不透水地
として分類されていること、図中
として分類されていることなど、妥
当な結果と言える。
• 裸地
図中 2 箇所は、地図記号としては 畑・牧草地 となっているが、ASTER 画像で見ると
いずれの季節でも非植生と認識できる色調であることから、裸地として分類されて妥当で
あると考えられる。
以上から、定量・定性的な評価により、グランドトゥルースデータは MODIS データに
よる土地被覆分類へ用いるデータとして妥当であると考えられる。また、他の 2 種類の分
類結果に関しても、グランドトゥルースデータと定性的に同様の傾向を示し、かつ大幅な
精度低下がないことから、既存地理情報との組み合わせのための土地被覆分類データとし
て妥当であると考えられる。
3-25
3-5 まとめと今後の課題
3-5-1 まとめ
(1) 土地被覆分類手法及びグランドトゥルースデータ作成手法の検討について
多時期の ASTER データを使用して土地被覆分類を行う手法を検討した。以下に検討結
果をまとめる。
① ASTER データについて
•
MODIS データとの時期の一致、データの新規性、植生のフェノロジーを基本的なデー
タの選定・収集基準として、春・夏・秋・冬に湛水が確実な晩春を加えた 5 時期を収
集した（ただし、夏は刈取前の稲が繁茂している時期とした）。
•
大気補正は地表面放射輝度の処理レベル 2B01 を使用することで対応し、幾何補正に
ついては全シーンをオルソ化した。
② 土地被覆分類データ及びグランドトゥルースデータの作成について
•
平成 16 年度検討のディシジョンツリー法を使用して、シーン毎に森林、草地、不透水
地、裸地、水の 5 項目の土地被覆分類を行った後、各シーンの分類項目の組み合わせ
によって常緑樹林、落葉樹林、草地、畑、水田、不透水地、裸地、湿地、水の 9 項目
に分類することとした。
•
信頼性の高い分類結果となるように分類基準を設定し、ディシジョンツリー法及び季
節変化による土地被覆分類によってグランドトゥルースデータを作成することとした。
•
未分類画素がなるべく含まれないように分類基準を設定し、ディシジョンツリー法及
び季節変化による土地被覆分類によって既存地理情報との組み合わせ用の土地被覆分
類データを作成することとした。
(2) グランドトゥルースデータの作成について
•
季節変化を利用した土地被覆分類について、データ欠損領域や雲・雪などの画素、季
節によって裸地・不透水地で変動する画素を未分類とした信頼性の高い分類結果を得
るための分類規則を検討した。
•
シーン毎の分類では裸地と不透水地が分類できない場合があることや、建物の影と水
が分類できない場合があるため、主に都市域において未分類となる傾向が見られた。
•
季節変化を利用した分類では木本性の畑を分類できない場合や、分類の優先順位のた
め畑の領域が草地に分類される場合、稲の刈り取り時期のずれのために水田が湿地や
裸地などに分類される場合があるなどの傾向が見られた。
(3) 土地被覆分類データの作成と検証について
•
既存地理情報との重ね合わせに用いるために、季節変化を利用した土地被覆分類につ
いて不確定要素を未分類としない分類規則を検討するとともに、5 時期の最尤法分類
の結果を使用した未分類画素の補完を検討した。
•
定量的評価では、検証データのサンプル範囲内の土地被覆分類項目別面積率（対応率）
を求めた結果、畑を除き全体的に対応率が高く（グランドトゥルースデータにおいて
3-26
63.4%∼95.9%）、対応率の高さがグランドトゥルースデータ、土地被覆分類用中間デ
ータ、土地被覆分類データの順となり
•
あいまいさ
を許容する順となった。
裸地と不透水地は隣接して混在する傾向があること、畑は草地との分類が困難である
ことから対応率が低下する傾向があった。
•
比較的対応率の低かった草地、畑、不透水地、裸地に関して岩槻地区において定性的
な評価を行った結果、1:25,000 地形図や現地調査の結果と一致すると判断できること
がわかった。
•
定量・定性的な評価により、グランドトゥルースデータは MODIS データによる土地
被覆分類へ用いるデータとして妥当であり、他の 2 種類の分類結果に関しても、グラ
ンドトゥルースデータと定性的に同様の傾向を示し、かつ大幅な精度低下がないこと
から、既存地理情報との組み合わせのための土地被覆分類データとして妥当であるこ
とが確認できた。
3-5-2 今後の課題
(1) シーンの選定基準について
本報告のモデル地区では東西の稲作状況において最大一ヶ月のずれがあり、水入れ、刈
り取りの時期のシーン選定が困難であった。水田を正しく分類するためにはこれらの時期
を複数揃えることが望ましいが、雲の影響により分類可能な範囲が狭まることや、分類規
則が複雑化するなどの問題も起こりうるため必要最小限の時期（今回は 5 時期とした）で
あることが望まれる。そこで、他の地域で分類を行う場合に本手法の適用が可能であるか、
時期の選択方法の汎用性・妥当性について検証する必要がある。
(2) 裸地と不透水地の分類について
シーン毎の分類における裸地と不透水地の分類精度が、季節変化による分類の裸地や不
透水地だけではなく草地や畑の分類にも影響を与える結果となった。シーン毎の分類にお
いて裸地と不透水地の分類が精度良く分類できれば、季節変化による分類において裸地や
草地、畑が不透水地へ誤分類される割合が改善されることが見込まれる。不透水地につい
ても、裸地への誤分類の改善が見込まれる。ASTER VNIR のバンドは緑、赤、近赤外の 3
種 類 で あ り 分 類 に 利 用 で き る バ ン ド に 限 界 が あ る た め 、 今 後 、 ASTER SWIR や
ALOS/AVNIR-2 の青∼近赤外域、PALSAR の後方散乱係数などの利用による精度向上の検
討が必要である。
(3) 畑の分類について
本報告では、木本性の畑は土地被覆上森林との区別がつけられないことから草本性の畑
のみを対象としたほか、同様に一年生の畑は草地との区別がつけられないことから、土地
被覆の変化が草地と裸地のサイクルを 2 度以上繰り返すものを畑として扱った。
そのため、
実際の畑との対応には限界がある。そのため、今後、例えば農林水産省や課税のデータな
ど行政情報を畑の情報源として扱って精度向上を図ることや、使用目的によっては畑を草
地に統合して扱うことなどが考えられる。
3-27
第 4 章 目次
4. MODIS データによる土地被覆分類データの作成 ......................................................................4-1
4-1 土地被覆分類手法の検討..........................................................................................................4-1
4-2 土地被覆分類データの作成......................................................................................................4-9
4-2-1 クランドトゥルースによる特徴抽出 ..............................................................................4-9
4-2-2 土地被覆分類データ作成 ................................................................................................4-13
4-3 土地被覆分類データの検証....................................................................................................4-18
4-3-1 使用データ........................................................................................................................4-18
4-3-2 比較結果............................................................................................................................4-20
4-4 まとめと今後の課題................................................................................................................4-21
4. MODIS データによる土地被覆分類データの作成
4-1 土地被覆分類手法の検討
（１） 使用データ
今回分類に使用する MODIS データは、国土地理院が作成した、１ヶ月毎、16 日毎、及
び８日毎のコンポジットデータである。使用バンドは、バンド 1（可視赤）、バンド 2（近
赤外）及びそれから作成された NDVI データで、解像度はいずれも 250m である。
ここで、NDVI とは以下の式にて与えられる正規化植生指数である。
NDVI =
NIR − R
NIR + R
NIR は近赤外域の観測値、R は可視域の赤色域の観測値を示し、ここではそれぞれバン
ド 1,バンド 2 にあたる。NDVI 値は−1 から 1 の間をとり、値が高いほど植生の活性度が
高いと言える。なお、本業務では、この間を０∼200 の値に変換したものを用いた。また、
データは 2004 年４月１日から 2005 年３月 31 日までの１年間のデータである。
１ヶ月コンポジットデータの NDVI 画像とバンド 1 とバンド 2 による合成画像を、それ
ぞれ図 4-1 と図 4-2 に示す。また、８日及び 16 日コンポジット画像の例として、１ヶ月
分の画像（６月）を図 4-3 に示す。
（２） コンポジット方法
今回使用した MODIS データのコンポジット方法は、最大値 NDVI 法である。この手法
は、コンポジット期間内で最大の NDVI 値を示す観測データを採用する手法であり、雲領
域では NDVI が非常に小さくなることを利用して雲の影響を除去している。この手法は、
可視と近赤外の２バンドだけで処理することができるため、最大の解像度 250m を損なわ
ずに処理を行える点で優れているが、NDVI が雲域より小さくなる水域等は逆に雲で置き
換えられてしまうと言う難点がある。従って、海面上等ではほとんどが雲のデータになっ
ている。
図 4-1∼図 4-3 を見ると、８日及び１６日コンポジット画像はまだ十分に雲の影響が除
去できていないが、１月コンポジット画像では、雲の影響はほとんど無いように見える。
4-1
図 4-1 使用したデータ MODIS１ヶ月コンポジット画像 NDVI
4-2
図 4-2 使用したデータ MODIS１ヶ月コンポジット画像 （R+B：バンド 1／G：バンド 2 の合成）
4-3
図 4-3 使用したデータ MODIS１ヶ月、１６日と８日コンポジット画像の比較 （R+B：バンド 1／G：バンド 2 の合成）
4-4
（３） 雲の影響評価
今年度の検討会おいて、雲の影響について、USGS ホームページでダウンロードした
MODIS コンポジットデータとの比較を試みたが、以下の問題点があり、直接比較するこ
とができなかった。
・ 入手できた８日コンポジットのプロダクト期間と、本業務で用いるプロダクトの
コンポジット期間が異なる。
・ 投影方法が異なる。
・ 雲領域の評価は、500m あるいは 1km 解像度のバンド情報を用いており解像度が
異なる。
そこで、今回は以下に示す要領で、バンド 1，バンド 2 の輝度値を利用した雲影響領域
の抽出を試み、その結果を基に雲の影響の評価を行った。
・ 使用データ
７月第一週の８日コンポジット画像（雲の影響大）のバンド 1，バンド 2
・ 作成方法
バンド 1，バンド 2 ヒストグラムを計測し、両者のレベルスライスにより雲マ
スクを作成。
・ ７月の１ヶ月コンポジット（雲の影響小）への適用
バンド 1，バンド 2 に対し、同じ閾値でマスクを作成
その結果、７月の１ヶ月コンポジット画像の所々に雲マスク領域が表れた。そこで、画
像を詳細に確認してみたところ、分布域は NDVI がもともと低い水域や都市域などに分布
し、面積も小さいため目立たなかったが、雲の影響であることが確認できた（図 4-4）。
ただし、雲の周辺部や薄い雲と思われる領域では、マスク精度が十分でなく、また、マ
スクを用いても、水域が雲で置き換えられることは修正できない等の問題は残っている。
雲領域を判定に用いない分類手順のなど検討が必要であるが、これは今後の課題として検
討したい。
4-5
MODIS コンポジット画像
MODIS コンポジット画像
合成期間 2004/7/1∼2004/7/8
合成期間 2004/7/1∼2004/7/31
R+B：バンド１／G：バンド２
R+B：バンド１／G：バンド２
図 4-4 雲領域の抽出
4-6
（４） グランドトゥルース
MODIS による土地被覆分類を行うにあたってのグランドトゥルースは、ASTER デー
タによる分類結果（「3. ASTER データによる土地被覆分類データの作成」参照）を用い
ることとした。
（５） 土地被覆分類手法の検討
土地被覆分類手法は、教師付き分類法と教師無し分類法に大別される。このうち、今
回の業務では、ASTER データによる土地被覆分類結果を教師とする分類を実施する方針
が示されている。
教師付き分類手法としては、最尤法やディシジョンツリー法等のいろいろな手法があ
るが、今回は分類手法を検討するにあたり、まず、多時期のデータによりどの程度の分
類が可能かを検討する意味で、多時期データによる教師無し分類を試みた。
分類は ISODATA 法を用い、入力データとして月ごとの NDVI 画像１２ヶ月分、出力
クラスの初期値として１２クラスを設定して行った。
その結果を図 4-5 に示すが、分類されたクラス数は９クラスとなった。結果からは、
都市及び都市周辺が３段階に分類されている他、水田もある程度分類されているように
見える。森林も地形（斜面方位）の影響が表れているようにも見えるが、いくつかのク
ラスに分類されていることがわかった。これらの結果から、多時期のデータをレイヤー
とする分類である程度の分類が可能であることが確かめられた。
次に、どの教師付き分類手法で行うのが良いのかについて、一般に普及している次の
２つの手法の比較を行った。
①
多時期データのレベルスライス基本としたディシジョンツリー分類
②
多時期データをレイヤーとする最尤法分類
最尤法については、昨年度の作業で ASTER の分類結果を教師とした最尤法による分
類が行われたが、この結果は、教師域での分類精度は高いがそれ以外ではばらつきが見
られるという傾向にあった。最尤法では、パラメータの設定に限界があり、教師域の状
態や分布状況により分類結果が左右されることがある。
一方、ディシジョンツリー法では、季節変化のパターンを利用して、レベルスライス
などでグランドトゥルースに則した分類が可能である。月別 NDVI 画像（図 4-1）を見
ると、土地被覆毎の季節変化がかなり明確に表れているように見えることから、今回は
①のディシジョンツリー分類を用いることにした。
4-7
ISODATA 法による自動分類画像
図 4-5 ISODATA 法による自動分類の試行
4-8
4-2 土地被覆分類データの作成
4-2-1 クランドトゥルースによる特徴抽出
(1) トレーニング領域の抽出
トレーニングデータとした ASTER の土地被覆分類結果を MODIS と比較するにあたり、
位置誤差やミクセルの影響を排除するために、次の手順でデータのリサンプリングや集計
を行ってトレーニングデータとした（図 4-6）
。
①ASTER データは解像度 15m であり、MODIS の 250m を割り切れないため、このまま
では、MODIS との比較が困難である。そこで 250m の 1/16 のサイズにニアレストネ
ーバー法でリサンプリングした。リサンプリングにより基のデータが多少損なわれる
ことがあるが、以後述べるように ASTER データは１画素単位で比較するのでなく、
集計結果を用いるので、大きな影響は無いと考えられる。
②次に、MODIS データの 250m サイズで純粋な領域を選択するため、上記で作成した
ASTER 分類結果を 250m サイズに対応する 16×16 メッシュ内の内訳を集計し、注目
する項目の含有率が 100%である画素を抽出した。しかし、針葉樹と広葉樹以外は抽
出できなかったため、以下 90%から 50%まで 10%刻みでも抽出した（表 4-1）。
③次に、位置ずれの影響を排除するため、周囲３×３（合計９）画素に、注目する項目
が含まれる割合を求め、基準値以上の個数が含まれるメッシュをトレーニングデータ
とした。
250m
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
15.6m
250m
図 4-6 リサンプリングの模式図
例：中央のピクセルは不透水地が多数を占めるため不透水地を代表する領域とする。さらに、同
様に求めた周辺の画素も不透水地が多いので、不透水地のトレーニング域として選定する。
4-9
トレーニングデータとする基準は全ての項目で同じにすることが望ましかったが、項目
により面積が大きく異なっており、小面積の項目はその他の項目と混在したいわゆるミク
セル状態になっている場合が多くなると考えられる。このため、表 4-1 に示すように、畑
や裸地など小面積で分布する項目では、占有率が高いピクセル数は非常に少なくなってい
る。
ただし、単純な面積比率ではなく、例えば、水田では占有率が高い画素が合計の面積が
多い不透水地や草、裸地より多くなっている。これは、水田が草地や裸地よりまとまった
面積で存在しているためであると考えられる。
このような理由から、今回は、全ての項目に同じ基準を設けてトレーニングデータとす
る事はせず、項目別に基準値を設けることとした。基準としては表 4-1 に色でハッチング
して示した項目とした。すなわち、占有率の高い落葉樹林と常緑樹林は、占有率 80%以上
でかつ近傍全てが同一項目を選んだ。また、その他の項目については、近傍に５画素以上
あり、抽出画素数が 100 画素程度以上となる抽出率の画素を基準としたが、畑はそれでも
基準に満たなかったため、ASTER の分類結果をもとに、比較的まとまった箇所を目視によ
り 20 カ所抽出しトレーニングデータとした。なお、湿地は面積が極端少ないため、トレー
ニングデータとして抽出できなかった。
表 4-1 メッシュ占有率及び近傍画素数の割合
50%
リサンプリング含有率
項目
常緑樹林
広葉樹林
草地
畑
水田
不透水地
裸地
湿地
水
合計
元
60%
元
5画素以上 合計9画素
70%
5画素以上 合計9画素
元
80%
5画素以上 合計9画素
元
90%
5画素以上 合計9画素
元
100%
5画素以上 合計9画素
元
5画素以上 合計9画素
16991
14084
5223
14289
11526
3593
11789
8992
2342
9006
6333
1266
6064
3675
508
1317
300
6
7539
5516
1219
5714
3956
716
4304
2753
392
3006
1748
197
1892
958
64
465
109
0
413
88
1
203
33
0
95
1
0
39
0
0
16
0
0
0
0
0
3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
982
496
33
608
236
4
348
78
0
156
15
0
48
1
0
0
0
0
5287
1284
26
1181
75
0
144
3
0
4
0
0
0
0
0
0
0
0
56
3
0
19
0
0
7
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
17662
16931
15071
17277
16662
14924
16926
16432
14752
16581
16155
14564
16229
15885
14176
15267
14967
12067
48933
38402
21573
39291
32488
19237
33613
28259
17486
28793
24251
16027
24249
20519
14748
17049
15376
12073
(2) グランドトゥルースから得られた土地被覆別季節変化の特徴
このようにして得られたトレーニングデータを基に、１ヶ月コンポジットデータから項
目別の季節変化の状況を調べた。結果を図 4-7 に示す。図中のエラーバーはそれぞれの分
布の標準偏差を表している。
エラーバーは、畑、裸地、水が、その他の項目に比べて非常に大きくなっている。これ
は、サンプル数が少ない割にバラツキが大きいためである。特に水域は、可視・近赤外の
レベル値から、雲の影響を受けている可能性が高い。また、畑はサンプル数が少なことに
加え、それらの季節変化の傾向も異なるためであると思われる。土地被覆項目毎の特徴を
表 4-2 にまとめた。
4-10
NDVI月別平均値
200
(NDVI+1)*100
180
160
140
120
2004/04
2004/05
2004/06
常緑樹林
2004/07
落葉樹林
2004/08
草地
2004/09 2004/10
年月
畑
2004/11
水田
不透水地
2004/12
裸地
2005/01
2005/02
2005/03
水(水ﾏｽｸ除)
バンド1（可視・赤）月別平均値
5000
4000
DN
3000
2000
1000
0
2004/04
2004/05
2004/06
常緑樹林
2004/07
2004/08
落葉樹林
草地
2004/09 2004/10
年月
畑
水田
2004/11
2004/12
不透水地
裸地
2004/11
2004/12
2005/01
2005/02
2005/03
水(水ﾏｽｸ除)
バンド2（近赤外）月別平均値
15000
14000
13000
12000
11000
10000
DN
9000
8000
7000
6000
5000
4000
3000
2000
2004/04
2004/05
2004/06
常緑樹林
2004/07
落葉樹林
2004/08
草地
2004/09 2004/10
年月
畑
水田
不透水地
裸地
2005/01
2005/02
2005/03
水(水ﾏｽｸ除)
図 4-7 グランドトゥルースによる土地被覆項目毎の季節変化
（上段：NDVI/中段：バンド 1/下段：バンド 2）
4-11
表 4-2 土地被覆項目毎の特徴
分類項目
NDVI
バンド 1（可視赤）
バンド 2（近赤外）
２月に最小、６月に最大と 最も値が低い。4,5 月がや 6 月が最も高く、12,1 月
常緑樹林
なるが、全体として高い値 や高い傾向を示す。
が最も低い季節変化が見
で変化も小さい。
られる。
1 月∼３月に最小、6 月に 常緑樹林と似たパターン 6 月は全項目の中で最大
落葉樹林
最大となる。季節変化は大 を示すが、3 月の値は常 となる。季節変化も最も
きく、夏期には常緑樹林よ 緑樹林より高い。
大きい。
り高い値を示す。
2 月に最小、6∼9 月に最大 2,3 月は比較的高い値を 落葉樹林と似た変化であ
草地
となる。落葉樹林とよく似 示す。全体としてはやや るが、変化量はやや小さ
た変化を示すが、季節変化 低い値を示す。
く冬でも比較的高い値で
やや小さい。
ある。
値は中程度で季節変化は 12 月が最も低く 6∼8 月 7,8 月が高く、12,1 月が最
やや小さい。9 月に最大値 で高い値を示すが、季節 低となる緩やかな季節変
畑
を示したが、バラツキはか 変化は大きくない。
化を示す。4 月にもピー
なり大きい。
クがある。
＊いろいろな営農パターンを平
均した結果と思われる。
最も大きな季節変化を示 3∼6 月と 9 月が高く 7,8 8 月が最も高く、１月が
し５月にやや下がったあ 月に谷がある。冬季は畑 最も低い。9 月から 10 月
水田
と、7,8 月にかけて急激に と似たパターンを示す。
急激に低下する。
上昇する。その後、9,10 月
に急激に低下する。
全体として最も値が小さ 植生項目より高い値を示 全体として低いが、夏に
不透水地
く、季節変化もほとんど無 す。夏は冬より高くなる。 高く冬に低い季節変化も
い。
見られる。
不透水地よりやや高い値 不透水地と似たパターン 不透水地よりやや高いが
裸地
であるが、値は低く変化も であるが、値は高い。
全体としては似たパター
小さい。
ンである。
年間を通じて最も小さな 非常に高くバラツキも大 値は中程度であるが、バ
水（マスク 値で変化もほとんど無い。 きい。
ラツキは非常に大きい。
以外）
＊雲の影響が除去できていな
＊雲の影響が除去できていな
いためと思われる。
いためと思われる。
湿地
抽出できなかったため不 抽出できなかったため不 抽出できなかったため不
明。
明。
4-12
明。
4-2-2 土地被覆分類データ作成
グランドトゥルースから得られた項目毎の季節変化の特徴から、ディシジョンツリーによ
り土地被覆分類を行った。分類手順を図 4-8 及び表 4-3 に示す。
分類は特徴が明確な項目を上位にして行った。特に水域については、雲の影響を大きく受
けているため、単一画像により水域を分類し抽出した。水域抽出は雲の影響が無い 2004 年 9
月 16 日の画像を用いて、バンド 1、バンド 2 および NDVI のレベルスライスを行い、全てで
低い値を示すものを水域として抽出した。これは都市域内が水域と誤分類されないためであ
り、レベルスライスの値は目視で調整した。
また、その他の分類項目については、図 4-7 で示したエラーバーを参考に閾値を決定した
が、畑や裸地などの面積の狭い項目ではエラーバーが大きくなり、エラーバーをそのまま参
考にして閾値を決定すると、畑や裸地の面積が ASTER 分類画像と比較して多くなりすぎる
結果となった。このため、畑、裸地については、エラーバーにとらわれず、抽出結果を見な
がら閾値を調整した。また、草地や水田についても、現地調査の状況などから閾値の微調整
を行った。
この他、分類過程で夏期に NDVI が草地や森林程ではないがある程度高く、植生がある程
度含まれると考えられるが、NDVI が冬季には上昇することがないので畑でもない地域が、
不透水地の周辺に広く分布することがわかった。このため、NDVI の変化状況と地域的分布
の特徴から、この地域を不透水地の中にある程度植生域が含まれる「不透水地（住宅地）」
として、新たに分類項目を設定して区分した。
なお、委員から水田の抽出精度向上のため、水田の湛水期にあたる６月上旬のコンポジッ
トデータも分類に使用してはどうかとの意見があったため、このデータを雲域を除いて水田
分類のアルゴリズムに加えたが、抽出領域は同じであった。これは、すでに５月と６月のコ
ンポジットデータを用いているため、６月上旬の低 NDVI 域がどちらかに含まれているため
であると考えられられる。従って、最終の分類手順には６月上旬のコンポジットデータ使用
は含めないこととした。
土地被覆分類結果を図 4-9 に示す。また参考のためこのうち 1/25,000 の岩槻図郭の拡大図
を図 4-10 に示す。
4-13
①水域区分
NO
②植生・非植生区分
YES
水マスクの範囲か
水
YES
NO
８月NDVI＞147
③畑の抽出
YES
８月以降NDVIが
増加するか
⑧草地抽出
YES
畑
年間NDVI最小値
＜137
NO
草地２
NO
④水田の抽出
⑨水域抽出2
YES
YES
5,6月と7,８月の
NDVI差が規定値以上
年間B2最小値
＜4000
水田
水２
NO
NO
⑩不透水地と
裸地の区分
⑤草地の抽出
YES
2,3月のB1が
規定値以上
草地
YES
夏期のB1,B2が
規定値以上
NO
⑥常緑樹林の抽出
NO
不透水地
YES
夏と冬のNDVI
変化が規定値以下
常緑樹林
NO
YES
⑦落葉樹林の抽出
夏と冬のNDVI
変化が規定値以下
落葉樹林
NO
不透水地（住宅地）
図 4-8 ディシジョンツリーによる土地被覆分類の流れ
4-14
裸地
表 4-3 ディシジョンツリーによる分類基準
分
①
類
水の区分
方
法
単時期の雲のない画像（2004.9.16）を用いて水マスクを作成した。マスクは NDVI,
バンド 1,バンド 2 のいずれでも値が低いものを水とした。
これは、NDVI だけだと都市域が誤分類されるためである。
②
③
植生域（森林及び
①で陸域とした地域において、図 4-7 で植生域と非植生域の差が最も大きく表れて
草地）とその他の
いる８月の NDVI を用いて、NDVI が高いものを植生域とし、低いものをその他（水
区分
以外）を区分した。
畑の抽出
畑の NDVI は図 4-7 でみると、植生地と非植生地の中間的な変化を示しているが、
この特性を利用すると、非常に誤分類が増えたため、検討会での知見により、②で
植生地とした領域の中で、冬季に NDVI が高くなる地域は人工的であり畑として分
類した。
④
水田の抽出
③で残った地域において、５月と６月の NDVI の最小値が規定値以下か、７月と８
月の NDVI の最大値が規定値以上で、且つ、前者と後者の差が規定値以上の項目を
水田とした。水田が田植え時期（５月）で低く NDVI が低く夏期（例えば８月）に
NDVI が高いことを利用した。
⑤
草地の抽出１
草地は落葉樹林と NDVI の変化パターンが似ているが、２月、３月のバンド 1 で落
葉樹林より輝度が高くなる（図 4-7）ことから、④で残った地域において、２，３
月のバンド 1 が規定値以上のものを草地として抽出した。
⑥
常緑樹林の抽出
常緑樹林は季節変化が小さく、夏期の NDVI が高いことから、⑤で残った地域から、
７月と８月の NDVI 最大値が規定値より高く、その値と２月の NDVI の差が規定値
以下のものを常緑樹林（常緑針葉樹・常緑広葉樹）として抽出した。
⑦
落葉樹林と不透
⑥で残った植生域のうち、７月または８月の NDVI が規定値以上のものは、植生が
水地（住宅）の分
密で季節変化も伴うことから常緑樹林として分類した。また、抽出されなかったも
類
のは、不透水地の中にある程度植生地が混在する住宅地であると判断して新たな分
類項目として設定した。
⑧
草地の抽出２
①で非植生地とした地域の中で、河川敷が多く含まれていたため、草地を再度抽出
した。基準は、年間の NDVI の最小値が規定値以上あるものを植生地と非植生地の
混在地と判断し草地に分類した
⑨
水の抽出２
水マスクでは、まだ完全に水域が抽出できなかったため、非植生地のなかでの、水
域の再抽出を試みた。図 4-7 では、水は不透水地や裸地より全般に輝度が高い。こ
れは、雲の影響であるかもしれないが、バンド 2 の最大値が規定値より小さいもの
を不透水地・裸地とし、それ以外を水域として区分した。
⑩
不透水地と裸地
⑨で抽出した地域を、裸地と不透水地に区分した。NDVI ではその差が小さく、バ
の区分
ンド 1 とバンド 2 では、夏期に裸地の輝度値が高い傾向にある（図 4-7）ため、こ
れを利用して、裸地と不透水地を分離した。
4-15
図 4-9
MODIS による土地被覆分類結果
4-16
図 4-10
MODIS による土地被覆分類結果（1:25,000 岩槻図郭を拡大。背景は同図郭の地形図）
4-17
4-3 土地被覆分類データの検証
4-3-1 使用データ
巻末資料-1 の精度評価方針に従って、ハイブリッドデータとの比較を行った。ミクセルや
位置ずれなどの影響を排除するために、なるべく広い範囲が均一な地域を抽出し比較するこ
とにした。ASTER の分類やハイブリッドデータは、解像度の１０×１０倍の広さの 150m 四
方で比較を行ったが、MODIS の場合は解像度の１０×１０倍（2.5km×2.5km 四方）にする
と広くなりすぎて均一な領域を抽出することができなかった。しかし、あまり小さくしても
位置誤差の影響が残る。例えば MODIS データが、仮に１ピクセルの位置誤差を含んでいる
とすると、図 4-11 でわかるように、５×５画素では最悪でも 16/25 で一致するが、３×３画
素とすると最悪の場合には一致する画素は 4/9 と半分以下になってしまう。このため、均一
な領域を確保するため解像度の５×５倍に当たる 1250m 四方で行うことにした。
比較には、1250m 四方のハイブリッドデータの分類結果を集計し、その領域内でハイブリ
ッドデータ分類項目の占有率が基準値以上に卓越する場合に、その領域全てをその項目の代
表地とする方法で、各分類項目の検証地域を自動的に抽出し、そこに含まれる MODSI 分類結
果の比率を求めた。
代表地域の抽出の基準としては 1250m 四方の範囲でできるだけ高い占有率を占める領域
の抽出を心がけたが、占有率を高くしすぎると抽出できなくなる項目もあり、その項目につ
いては、抽出する際の占有率基準を低く設定した。しかし、畑、裸地に関してはそれでも抽
出できなかったので、検証地域の面積をやむを得ず MODIS 解像度の３×３倍にあたる 750m
四方の範囲に狭めた。抽出した範囲を図 4-12 に示す。ポリゴンが抽出した範囲で、このポ
リゴン内の、全ての MODIS 分類結果を項目毎に集計し比較表を作成した。
図 4-11 評価地域の大きさによる位置誤差の影響
4-18
図 4-12 比較検討に用いたエリア（ポリゴン内：背景は MODIS 分類画像）
4-19
4-3-2 比較結果
比較結果を表 4-4 と図 4-13 に示す。結果は、常緑樹林、水田、不透水地については、い
ずれも 90%以上と高い正当率となった。特に水田は占有率 60%の地域を対象地域として選定
したにもかかわらず、非常に高い値となった。また、落葉樹林は、常緑樹林や草地と誤分類
があり、これよりやや低い 77.1%の正答率であった。
比較結果は、このように高い正当率になったが、比較地域を広い範囲で均一な領域とした
ため、ミクセルとなる地域がほとんど含まれていない。したがって正答率には高めのバイア
スが加わっていることに注意する必要がある。
一方、裸地と畑は、正答率がそれぞれ 6.7%及び 13.9%と非常に低くなった。裸地は不透水
地、畑は不透水地（住宅地）への誤分類が最も多く見られた。これらは、もともとの面積が
狭く散らばって分布しているため、低分解能の MODIS では抽出が難しい面がある。また、
トゥルースとした ASTER データの正答率もこの２項目に関しては低く、その影響もあると
思われる。
今回新たに設けた不透水地（住宅地）は、ハイブリッドデータの項目には無いため、直接
の比較はできていないが、畑や裸地に含まれる割合が多かった。不透水地（住宅地）の分布
状況をみると、河川敷と思われる地域の一部に明らかな誤分類があるが、鉄道の駅周辺に広
がるいわゆる中心市街地が「不透水地」と分類され、その周辺の少し建物密度が低くなった
地域に分布しているのがわかる。これは、交通用地や建物に加えて緑地がある程度含まれる、
いわゆる郊外の住宅地を想定した定義とほぼ一致する結果である。
100.0%
90.0%
80.0%
70.0%
常緑樹林
落葉樹林
草地
畑
水田
不透水地
裸地
水
不透水地（住宅地）
比率
60.0%
50.0%
40.0%
30.0%
20.0%
10.0%
0.0%
常緑樹林
落葉樹林
草地
畑
水田
ハイブリッド項目
不透水地
裸地
水
図 4-13 ハイブリッドデータを用いた MODIS 分類結果との比較
4-20
表 4-4 ハイブリッドデータと MODIS 分類結果との比較表
メッシュサイズ
占有率
メッシュ数
分類項目
常緑樹林
落葉樹林
草地
M
畑
O
水田
D
不透水地
I
裸地
S
湿地
水
不透水地（住宅地）
5×5
5×5
90%
90%
5275
1075
常緑樹林 落葉樹林
95.5%
8.8%
4.5%
77.1%
0.0%
13.9%
0.0%
0.0%
0.0%
0.0%
0.0%
0.2%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
0.0%
100.0%
100.0%
5×5
60%
200
草地
17.0%
12.0%
58.0%
0.5%
11.0%
0.0%
0.0%
0.0%
0.0%
1.5%
100.0%
3×3
40%
45
畑
13.3%
4.4%
20.0%
6.7%
6.7%
6.7%
0.0%
0.0%
0.0%
42.2%
100.0%
ハイブリッド
5×5
5×5
3×3
60%
90%
50%
375
1725
72
水田
不透水地 裸地
0.0%
0.0%
1.4%
0.0%
0.0%
1.4%
4.3%
0.3%
12.5%
0.0%
0.0%
0.0%
93.3%
0.0%
9.7%
0.0%
98.3%
44.4%
0.0%
0.1%
13.9%
0.0%
0.0%
0.0%
0.0%
0.0%
2.8%
2.4%
1.3%
13.9%
100.0% 100.0% 100.0%
該当無
湿地
0.0%
100
100%
528
水
0.0%
0.0%
0.0%
0.0%
0.0%
0.8%
0.0%
0.0%
99.1%
0.0%
100.0%
＊太字は正解項目を示す。水色、黄色のハッチは、ハイブリッドデータの分類項目別に比較したとき
最高及び２位の項目となった MODIS 分類項目を示す。すなわち太字と水色が一致しており数値が高いほ
ど精度が良いことになる。
4-4 まとめと今後の課題
MODIS の１年間分の１ヶ月コンポジットデータを用いて、ASTER データによる土地被
覆分類結果をトレーニングデータとした土地被覆分類をディシジョンツリー法で行った。
その結果を ASTER 分類と既存地理情報を合体させたハイブリッドな土地被覆分類結果と
比較したところ、MODIS の 250m 解像度では１画素としてまとまらないような、もともと
小さい単位面積で分布している畑や裸地の抽出率は低かったが、その他の項目では、非常
に高い割合で一致しているのが確認できた。
今後の課題としては、まず、抽出率の低かった裸地や畑の分類精度をいかにして高める
ことができるかという点がある。しかし、畑については土地被覆ではなく土地利用として
の性質もあるため、分類項目としてどのように考えるべきかと言った委員からの指摘もあ
り、これらを含めて検討する必要があると思われる。
次の課題は、MODIS のみの分類項目として設定した不透水地（住宅地）の位置づけであ
る。現在の定義はかなり定性的なものであるため、例えばハイブリッドデータのとの比較
により建物面積が○○∼○○％の領域などの定量的な定義ができれば良いのでは無いかと
思われる。
この他の課題として、「4-1」で挙げた雲領域の処理がある。日本の気候では、１ヶ月の
コンポジットを行っても、雲の影響が全くないデータを作成するのは困難であり、今後安
定した分類結果を得るためには、雲領域を正しく抽出する事が必要である。
雲領域の削除には、雲マスクを作成して除去する方法の他には、コンポジットの段階で
の改良も考えられる。これにはバンド 1,2 以外のデータを用いる方法もあり、熱バンドな
どを利用すると、内陸の水域を雲に置き換えられない等の効果も期待できる i)。
4-21
第 5 章 目次
5.
既存の地理情報を活用した土地被覆分類データの作成.........................................................5-1
5-1 既存の地理情報を活用した土地被覆分類データの作成手法の検討 ..................................5-1
5-1-1 作業実施方針......................................................................................................................5-1
5-2 既存の地理情報を活用した土地被覆分類データの作成 ......................................................5-4
5-2-1 空間データ基盤（道路）からの土地被覆成分の抽出 ..................................................5-4
5-2-2 空間データ基盤（鉄道）からの土地被覆成分の抽出 ..................................................5-5
5-2-3 空間データ基盤（水系）からの土地被覆成分の抽出 ..................................................5-6
5-2-4 植生記号データからの土地被覆成分の抽出 ..................................................................5-8
5-2-5 建物データからの土地被覆成分の抽出 ..........................................................................5-8
5-2-6 建物周辺の非植生空地の抽出 ..........................................................................................5-9
5-2-7 土地被覆成分データの重ね合わせ ..................................................................................5-9
5-2-8 土地被覆成分の項目分類 ................................................................................................5-10
5-3 既存の地理情報を活用した土地被覆分類データの検証 ....................................................5-14
5-3-1 既存地理情報からの植生・建物周辺非植生空地の抽出結果の検証 ........................5-14
5-3-2 空間データ基盤および建物データからの土地被覆成分の抽出結果 ........................5-17
5-4 土地被覆分類方法の再検討....................................................................................................5-18
5-5 まとめと今後の課題................................................................................................................5-25
5. 既存の地理情報を活用した土地被覆分類データの作成
衛星データと組み合わせた広域熱環境等の把握技術開発を目的としたマクロシミュレー
ションの使用条件を満たす土地被覆分類データを作成するために、既存の地理情報を活用し
た土地被覆成分の把握手法を検討する。本報告では既存地理情報と土地被覆項目が直接的に
関連するダイレクト分類について抽出手法の検討と分類データの作成を報告し、その後に項
を改めて、既存地理情報が存在しない領域から土地被覆成分を抽出するアナロジー分類につ
いては、巻末資料- 3「白部からの土地被覆成分のアナロジー分類の試み」にて報告する。
5-1 既存の地理情報を活用した土地被覆分類データの作成手法の検討
既存の地理情報を活用した土地被覆成分の把握手法を検討する。本作業で得られる土地
被覆分類データは、衛星データと組み合わせたハイブリッド土地被覆分類データの作成に
用いられる。
5-1-1 作業実施方針
既存の地理情報を活用した土地被覆分類データの作成手法の検討作業は、２０万分の１
図幅「東京」（１次メッシュ 5339、土地被覆図 1）全域を対象として作成する土地被覆分
類データと、東京−埼玉地区として、５万分の１図幅「大宮」および「東京東北部」を対
象範囲として作成する土地被覆分類データを対象とする。
２０万分の１図幅「東京」の範囲から抽出する土地被覆成分は「道路」「鉄道」および
「水系」である。これらに「建物」および「植生」を加えた土地被覆分類は、５万分の１
図幅「大宮」および「東京東北部」の範囲から抽出する。「道路」「鉄道」「水系」およ
び「建物」は地物の形状か、地物を示す中心線からバッファを作成したものであり、本来
の地物の形状をよく反映していると考えられる。これに対して植生は植生記号点から作成
した円形バッファの範囲を領域として設定しており、特に現況との検証が必要であると考
えられる。
表 5-1 に作業範囲と作業に用いる既存地理情報を示す。
表 5-1 作業範囲と既存地理情報の種類
作業範囲
１次メッシュ 5339
利用した既存地理情報の種類
数値地図 25000 空間データ基盤
２０万分の１図幅「東京」
東京−埼玉地区
（茨城・千葉・埼玉・東京・神奈川・山梨）
数値地図 25000 空間データ基盤
５万分の１図幅「大宮」
「東京東北部」
植生記号データ（国土地理院提供・ラスタ形式）
建物データ
（１）作業項目
本作業では次の項目を実施する。
１）土地被覆成分の抽出
①空間データ基盤からの土地被覆成分の抽出
5-1
（国土地理院提供・ラスタ形式）
②植生記号データからの土地被覆成分の抽出
③建物データからの土地被覆成分の抽出
④建物周辺の非植生空地の抽出
２）土地被覆成分の統合
①土地被覆成分の重ね合わせ
②土地被覆の項目分類
（２）土地被覆成分の抽出
空間データ基盤などの複数の既存地理情報から土地被覆成分を抽出する。表 5-2
に既
存地理情報データの内容と、各項目からの土地被覆成分抽出方法を示す。
表 5-2
既存地理情報
データ項目の土地被覆成分抽出方法
データ項目
土地被覆成分の抽出方法
道路
道路幅員区分毎に幅員幅を設定しバッファを作成
数値地図 25000
鉄道
一律の敷地幅を設定しバッファを作成
空間データ基盤
水系
一条河川
：一律の河川幅を設定しバッファを作成
二条河川・湖沼：水崖線を外形とするポリゴンを作成
植生記号データ
建物データ
植生
記号位置を中心にしたバッファを作成
建物
建物の形状を建物の範囲として適用
非植生空地
建物バッファを作成し、他の既存地理情報と重ならない
領域を抜き出す
（３）土地被覆成分の統合
複数の既存地理情報から異なる手法で抽出された土地被覆成分に対して、データ項目ご
とに重ね合わせ優先度を設定し単一のデータを作成する。重ね合わせた土地被覆成分デー
タは広域熱環境把握マクロシミュレーションの使用条件を満たすように、土地被覆項目を
統合する。
（４）成果
成果となる土地被覆分類データは、ハイブリッド土地被覆分類データの作成に用いるこ
とを前提として、衛星データに対して任意の画素サイズで組み合わせが可能となるように、
土地被覆項目を属性にもつポリゴンベクタデータとする。また、データのバッファ幅を地上
距離で表す平面座標系をデータ座標系とする。
a. データ形式 ：ポリゴンベクタデータ
b. 属性項目
：土地被覆項目
c. 座標系
：平面直角座標第９系（JGD2000）
5-2
図 5-1 に、本作業の作業フローを示す。
空間データ基盤からの
土地被覆成分の抽出
植生記号データからの
土地被覆成分の抽出
数値地図 25000
空間データ基盤
植生記号データ
（植生項目別に抽出済み）
道路・鉄道・水系の抽出
植生項目毎に
バッファ作成
幅の値による道
路と一条河川の
バッファ作成
建物データからの
土地被覆成分の抽出
建物データ
（建物項目別に抽出済み）
建物形状でバ
ッファ作成
二条河川及び
内水のポリゴ
ン作成
植生バッファデータと
空間データ基盤および
建物データとの
重ね合わせ
目視照合による形状修正
他の地理項目と重ならな
い植生バッファの抽出
建物周辺の
非植生空地の抽出
建物バッファデー
タと空間データ基
盤および植生デー
タとの重ね合わせ
他の地理項目と
重ならない建物バ
ッファの抽出
土地被覆成分の統合
重ね合わせ優先度に基づく土地被覆成分データの作成
土地被覆の項目分類
既存の地理情報を活用した
土地被覆分類データ
図 5-1 作業フロー
5-3
5-2 既存の地理情報を活用した土地被覆分類データの作成
空間データ基盤、植生記号および建物データから土地被覆分類データを作成した。空間
データ基盤から作成した道路、鉄道、水系の各項目の中心線を示すデータから、幅員幅や
河川幅などの幅の値を用いてバッファを作成し、各々の土地被覆を示すポリゴンデータを
作成した。また湖沼などの内水は外形を示す線データからポリゴンを作成している。植生
記号データからは円バッファを作成し、建物データの形状からはそのままポリゴンデータ
を形成した。バッファ幅の値はメートル単位であるので、緯度経度系座標の原データを平
面直角座標系に投影変換し平面座標を付与してバッファを作成している。
5-2-1 空間データ基盤（道路）からの土地被覆成分の抽出
道路中心線データの幅員値でバッファを作成した。幅員値は幅のある複数の区分で表現
されているため幅員区分ごとに代表値を設定する必要がある。本作業では、幅員の区分の
最大値を代表値として設定した。また、これらの幅員区分のうち最大値を明示していない
区分があり、これらは次のように設定した。
（１）幅員区分「１３ｍ以上」区分の扱い
幅員区分「１３ｍ以上」に相当する道路幅の区分は、国土地理院２万５千分１地形図図
式では「１３ｍ以上２５ｍ未満」とされている。したがってこの区分の幅員値を２５ｍに
設定した。
（２）幅員区分「真幅道路等」区分の扱い
幅員区分「真幅道路等」については、地形図図式では真幅道路は「２５ｍ以上の道路」
とされている。そこで「１３ｍ以上」および「真幅道路等」に区分される空間データ基盤・
道路データの位置を、数値地図画像 25000 と重ね目視で照合し真幅道路に適すると考えら
れる幅員を検証した。「真幅道路等」は工場内道路などの他に、高速バス停やインターチ
ェンジ等ごく少数の場所に分布していることが認められた。また、高速バス停前後の高速
道路区間は３車線ではあるが「１３ｍ以上」の区分であることを確認した。このことから
高速バス停付近の道路幅員は２５ｍ未満の幅員にバス停車車線と分離帯を加えた、３０ｍ
程度の幅員が妥当であると考えることができる。
高速バス停以外の道路形態は工場内道路や庭園内路など様々である。また、個々の幅員
値に大きく差があり高速バス停以外の道路幅員を代表値で示すことは難しい。しかし、道
路幅員が表す地上３０ｍの大きさは ASTER データの２画素に相当する。道路幅員が３０
ｍを超える区間では ASTER データでは２画素以上の大きさで表現され道路としての判別
しやすいこと意味する。したがって「真幅道路等」区分を既存地理情報だけで表現する必
要は低いと言える。
以上の理由から「真幅道路等」区分は高速バス停周辺の高速道路区間によって代表する
ものとし、「真幅道路等」区分の道路幅員は３０ｍとして設定した。
5-4
表 5-3 に、幅員区分ごとに設定する幅員値を示す。
表 5-3 道路データの幅員区分ごとに設定する幅員値
空間データ基盤中の道路幅員区分
設定する幅員値
1.5m 未満
1.5m
1.5m 以上 3.0m 未満
3.0m
3.0m 以上 5.5m 未満
5.5m
5.5m 以上 13.0m 未満
13.0m
13.0m 以上
25.0m
真幅道路等
30.0m
5-2-2 空間データ基盤（鉄道）からの土地被覆成分の抽出
鉄道種別ごとに検討した条件から設定したバッファ幅で鉄道線データからバッファを作
成した。鉄道種別毎にデータ作成基準を次のように設定した。
（１）普通鉄道（ＪＲ）および普通鉄道の扱い
首都圏の鉄道を対象とすることから域内の鉄道は主として複線鉄道敷の普通鉄道として
扱う。空間データ基盤では複々線は複数の線形状で表現されていることから、現況が複々
線である鉄道区間においても個々の線分は複線として扱う。
（２）路面電車の扱い
路面電車の道路共用区間はデータ上から判別できないが、共用区間はより幅員が広い道
路敷地に含まれると考えられるため、土地被覆から除外処理は不要と考えた。全てを専用
区間として取得する。
（３）地下区間の扱い
普通鉄道の地下区間はデータ上から判別できないが作業範囲中稀少であることから、全
て地上区間として取得の対象として扱うこととした。建物等の他の土地被覆項目と重なる
範囲は、後述するデータ統合の優先度に従った処理を行うことで解決する。
（４）地下式鉄道の扱い
地下式鉄道の地上区間はデータ上から判別できないが作業範囲中稀少であことから、地
下式鉄道は全区間で取得しない。
5-5
表 5-4 に、鉄道種別ごとに設定する敷地幅の扱いを示す。
表 5-4 鉄道データの種別ごとに設定する敷地幅の扱い
空間データ基盤中の鉄道種別
設定する敷地幅の扱い
普通鉄道（ＪＲ）
全て複線鉄道敷として扱い、敷地幅を 26.0ｍとする
普通鉄道
ＪＲと同じ扱いとする
路面電車
複線専用区間として扱い、ＪＲと同じに扱う
地下式鉄道
取得しない
その他
取得しない
5-2-3 空間データ基盤（水系）からの土地被覆成分の抽出
空間データ基盤の水系は、河川中心を示す「河川区間」データと内水形状を示す「水崖
線」データから構成される。一条河川は「河川区間」データからバッファを作成してポリ
ゴン化し、二条河川および湖沼等内水は「水崖線」データからポリゴンを形成した。
（１）一条河川の扱い
地形図図式では５ｍ未満の河川を一条河川として規定している。これに従い空間データ
基盤河川区間データから河川種別が一条河川に区分される線分から５ｍ幅のバッファを作
成し、一条河川ポリゴンデータとした。
（２）二条河川の扱い
二条河川は水崖線でポリゴンを形成することができるが空間データ基盤には水と陸部を
区別する情報は含まれていない。また、形成したポリゴンの全てを手作業で水と陸部を区
別するには作業量が大きい。本作業では、水崖線から形成したポリゴンに対して自動処理
を施し論理的に水陸を区分し、その後目視判読によって自動処理では正しく区分できなか
ったポリゴンの水陸区分を修正した。
１）河川ポリゴンの縦横比算出
河川ポリゴンの形状を判別要因にはポリゴンの縦横比によって河川となる水を判別した。
ポリゴンの縦横比の算出には、河川ポリゴンの形状は長方形であると仮定して次式を適用
した。
5-6
○算出式
A：面積
P：周長
A = X × Y,
X：縦
Y：横
とすると、
P = 2 ( X + Y ) という関係になる。
ここから
X = A / Y を代入して
Y = {P±(P2 - 16A)0.5} / 4
P = 2αとすると
Y = {α ± (α2 - 4A)} / 2
これから、 α = P / 2, β = (α2 -4A ) 0.5 とすると延長および河川幅が求められる。
延長
=( α + β )/2
河川幅 = ( α - β ) / 2
以上の過程で求められた河川延長と河川幅から、河川ポリゴンの縦横比を求めた。本作
業では縦横比が５：１以上のポリゴンを初期条件として河川に区分し、目視判読により修
正した。
（３）かれ川の扱い
空間データ基盤河川データでは、かれ川の種別が存在する。本作業ではかれ川は荒地と
して設定したが、作業範囲内に該当するデータは存在していない。
表 5-5 に、河川区分ごとに設定する河川幅の扱いを示す。
表 5-5
河川データの区分ごとに設定する河川幅の扱い
空間データ基盤の河川区分
設定する河川幅の扱い
一条河川
地形図図式より、一条河川幅は一律に 5.0m とした
二条河川
水崖線からポリゴン化する。河川中心線からは取得しない
一条かれ川
荒地として扱う
二条かれ川
荒地として扱う
湖沼域内中心線
取得しない
水崖線
二条河川および湖沼等内水ポリゴンの外形として用いる
5-7
5-2-4 植生記号データからの土地被覆成分の抽出
国土地理院より提供されたラスタ形式の植生記号データをベクタ形式のポイントデータ
に変換し、ポイント中心点として植生範囲を示す円ポリゴンデータを作成した。
地形図図式では、２万５千分の１地形図上で３ｍｍ×３ｍｍ（地上７５ｍ×７５ｍ）以
上の領域が地図記号として表現するとされる。７５ｍ×１．４１≒１００ｍとし、各植生
記号の位置を中心に直径１００ｍのバッファを作成した。バッファ範囲のうち他の土地被
覆成分（道路、建物および他の植生等）に分断もしくは重なり合わない領域を、植生記号
が示す植生の範囲として扱う。異なる植生区分同士が重なり合うバッファは、ティーセン
分割処理をした。植生記号データの植生区分には、提供された原データの区分を用いてい
る。
表 5-6 に、取得された植生記号の区分を示す。
表 5-6
植生記号の区分
植生記号区分
水田
畑
桑畑
茶畑
果樹園
その他の樹木畑
広葉樹林
針葉樹林
竹林
笹地
荒地
5-2-5 建物データからの土地被覆成分の抽出
国土地理院より提供されたラスタ形式の原データをベクタデータに変換し、ポリゴンを
建物の土地被覆成分データとして適用した。建物ポリゴンデータには、建物区分を面属性
にもつ。建物データの建物区分には、提供された原データの区分を用いた。
表 5-7 に、取得されている建物データの区分を示す。
表 5-7
建物データの区分
建物区分
独立建物
中高層建物
建物類似の構築物
総描建物（大）
中高層建物街
独立建物（小）・総描建物（小）
5-8
5-2-6 建物周辺の非植生空地の抽出
建物データからバッファを作成し、他の既存地理情報を重ならない範囲を建物周辺の非
植生の空地として抽出した。植生記号が示す植生範囲を地上半径５０ｍとしていることに
準じ、建物周辺の非植生空地は建物から５０ｍ以内に存在すると仮定した。本作業では建
物から５０ｍ以内の幅を持つバッファを作成し、他の土地被覆成分に分断もしくは重なり
合わない領域を、建物周辺の非植生空地の範囲とした。
5-2-7 土地被覆成分データの重ね合わせ
重ね合わせ優先度に従って土地被覆分類を重ね合わせて単一データに統合した。
①土地被覆成分データの重ね合わせ優先度
土地被覆成分データの重ね合わせ優先度は、既存地理情報から得られる土地被覆成分の
精度に応じて設定することとした。データの形状が現況地形を反映しているものを高く設
定し、バッファ作成などのデータ処理によって線データや点データから面データを形成し
たものは低く設定した。
表 5-8 に、この優先度の設定の考え方に基づいた重ね合わせ優先度を示す。
表 5-8
重ね合わせ優先度と設定理由
優先度
土地被覆
成分
１
建物
現況構造物の形状は現況を最もよく反映すると考えられる。
２
道路
道路幅員ごとに区分されておりバッファの幅が一律でなく、
他のバッファデータよりも形状が現況に近いと考えられる。
３
鉄道
４
水系
５
植生・裸地
６
非植生空地
優先度の設定理由
一条河川に比べて路線敷地幅を一般的な値に設定できると
考えられる。
一条河川には一律の幅の値を設定するので現況と一致しな
いと考えられる。また、実際の水はバッファ範囲の内側である
ことから優先度を低くした。
植生記号点からバッファを作成するので現況を最も反映し
ていないと考えられる
植生範囲確定後の白地を植生の無い空地として扱うため、植
生より低い優先度とする。
5-9
5-2-8 土地被覆成分の項目分類
空間データ基盤、建物データおよび植生記号データを重ね合わせた土地被覆成分データ
から土地被覆分類データを作成した。
①土地被覆成分の項目分類
２．熱環境等に関する土地被覆分類手法の検討の表 2-2（P2-8）を引用し、以下のように
整理した。
a. 森林の統合
：既存地理情報データからは常緑樹林と落葉樹林を区分できないため。
b. 湿地の除外
：既存地理情報データ中に湿地の分類が存在していないため。
c. かれ川の追加
：かれ川を「裸地」として扱う。
既存地理情報から取得した土地被覆分類項目を、表 5-9 に示す。
表 5-9
既存地理情報
植生記号データ
既存の地理情報の土地被覆分類と土地被覆項目の関係
土地被覆項目
既存の地理情報の土地被覆分類
１）森林
広葉樹林、針葉樹林、竹林、桑畑、
果樹園、その他の樹木畑
植生記号データ
２）草地
笹地、白部（建物周辺の非植生空地を除く）
植生記号データ
３）畑
畑、茶畑
植生記号データ
４）水田
水田
空間データ基盤
５）不透水地／交通用地
道路、鉄道
建物データ
６）不透水地／建物
建物
建物データ
７）不透水地／その他
建物周辺の非植生空地
植生記号データ
８）裸地
荒地、白部
空間データ基盤
空間データ基盤
-
一条かれ川、二条かれ川
９）水
一条河川、二条河川、湖沼
１０）湿地
既存地理情報データ中に対応項目無し
②土地被覆分類データの作成
土地被覆項目を分類したデータから本作業の成果データを作成した。衛星データと組み
合わせてハイブリッドな土地被覆分類データの作成に用いることを前提とし、任意の画素
サイズを設定して組み合わせが可能となるように土地被覆項目を属性にもつポリゴンベク
タデータとした。
表 5-10 から表 5-13 に作成した土地被覆分類データの内容を示す。
5-10
表 5-10 重ね合わせて作成した土地被覆データ（東京−埼玉地区）
データ名称：LUALL
データ形式：Arcinfo カバレッジ
地理座標系：平面直角座標第９系（JGD2000）
作成範囲
：５万分の１図幅「大宮」および「東京東北部」
属性項目
項目の内容
BLD_CLASS
建物分類 （別表参照）
BLD_ID
重ね合わせ前の建物データポリゴン ID
RD_CLASS
道路=1, 道路外=''
RD_ID
重ね合わせ前の道路データポリゴン ID
RL_CLASS
鉄道=1, 鉄道外=''
RL_ID
重ね合わせ前の鉄道データポリゴン ID
WT_CLASS
水部（湖沼・二条河川）=1, 水部外=''
WT_ID
重ね合わせ前の水部データポリゴン ID
RV_CLASS
河川（一条河川)=1, 河川外=''
RV_ID
重ね合わせ前の河川データポリゴン ID
VG_CLASS
植生分類（別表参照）
VG_ID
重ね合わせ前の植生データポリゴン ID
NOVG_CLASS
非植生空地=1, 非植生空地外='' （全て''）
NOVG_ID
重ね合わせ前の非植生空地データポリゴン ID
ALL_LU
土地被覆成分（表 5-12 参照）
LU_CODE
土地被覆項目（表 5-13 参照）
5-11
（全て 0 ）
表 5-11 重ね合わせて作成した土地被覆データ（１次メッシュ 5339）
データ名称：LU_ALL5339
データ形式：Arcinfo カバレッジ
地理座標系：平面直角座標第９系（JGD2000）
作成範囲
：２０万分の１図幅「東京」
属性項目
項目の内容
RD_CLASS
道路=1, 道路外=''
RD_ID
重ね合わせ前の道路データポリゴン ID
RL_CLASS
鉄道=1, 鉄道外=''
RL_ID
重ね合わせ前の鉄道データポリゴン ID
WT_CLASS
水部（湖沼・二条河川）=1, 水部外=''
WT_ID
重ね合わせ前の水部データポリゴン ID
RV_CLASS
河川（一条河川)=1, 河川外=''
RV_ID
重ね合わせ前の河川データポリゴン ID
ALL_LU
土地被覆成分（表 5-12 参照）
LU_CODE
土地被覆項目（表 5-13 参照）
表 5-12 土地被覆成分コード
土地被覆成分コード
土地被覆成分
（ALL_LU）
1
建物
2
道路
3
鉄道
4
水系
5
植生
6
非植生空地
5-12
表 5-13 土地被覆項目コード
土地被覆項目コード
土地被覆項目
（LU_CODE）
1
森林
2
草地
3
畑
4
水田
5
不透水地 / 交通用地
6
不透水地 / 建物
7
不透水地 / その他
8
裸地
9
水
5-13
5-3 既存の地理情報を活用した土地被覆分類データの検証
5-3-1 既存地理情報からの植生・建物周辺非植生空地の抽出結果の検証
既存地理情報から土地被覆成分を抽出する方法は表 5-2 に示すように設定している。こ
れらのうち「道路」「鉄道」「水系」および「建物」は地物の形状か、地物を示す中心線
からバッファを作成したものであり、本来の地物の形状をよく反映していると考えられる。
これに対し植生と非植生空地は、植生記号点もしくは建物ポリゴンから作成したバッファ
の範囲を領域として設定しており現況との検証が必要である。
以上の見地から、デジタルオルソ画像を検証用データとして用いて植生と非植生空地の
抽出結果の検証をした。
（１）抽出結果の検証
１）植生抽出結果の検証
植生被覆の抽出結果の検証は、図 5-2
のようにオルソ画像上に植生バッファデータを
表示して目視にて判読した。オルソ画像で現況の植生分布と抽出した植生データを比較す
ると、植生データの示す範囲には概ね現況植生の存在が判読された。逆に密生した現況植
生地であっても植生データは必ずしも存在しない。このような状況は平成１８年１月３１
日に実施した現地調査においても、岩槻地区および東京駅地区の双方の現況土地被覆から
も確認されている。
図 5-2 植生範囲検証
5-14
現地調査では現況植生と土地被覆が一致しない事例として、ビニルハウスの存在が確認
された。図 5-3 は岩槻地区のオルソ画像と植生記号から作成した植生の範囲である。植生
バッファが存在する位置にはオルソ画像では露地ではなく、構造物が認められる。これは
現地踏査によりビニルハウスと確認されている。また、一部のビニルハウスは建物として
も分類されている。このように植生記号から得られた植生範囲を現況と比較した場合、土
地利用としては畑として現況通りに分類されるが、土地被覆としては一致しないというこ
とができる。
図 5-3 畑に認められるビニルハウス（岩槻地区）
以上のことから、土地利用形態の変化が小さい地区では植生記号の位置は現況を反映し
ており、植生記号から作成したバッファの領域は現況の植生分布と調和すると考えること
ができる。しかしながら、植生の分布現況は植生バッファの範囲よりも広い分布が認めら
れ、また畑のビニルハウスの例が示す様に土地利用上の分類と土地被覆分類が一致しない
場合があることが確認されている。したがって植生記号から植生の情報を抽出するには、
バッファ領域外の植生を抽出する手法やビニルハウス等を扱う手法を検討する必要がある。
なおバッファ領域外の植生を抽出する試行作業は項を改めて後述する。
5-15
２）建物周辺の非植生空地の抽出結果の検証
オルソ画像に建物周辺の非植生空地（建物バッファ）を表示した例を、図 5-4 および図
5-5 に示す。植生記号に準じてバッファ幅を５０ｍ（同種同士の地図記号の間隔）とした
場合、建物の密度が高い東京駅周辺では、建物周辺の空地の大半が非植生空地として区分
され現況と調和的である。しかしながら、建物が点在する皇居内では非植生空地の領域は
現況を反映していない。これに対してバッファ幅を５m とした場合では、皇居内では現況
に調和的ということができるが、東京駅周辺では非植生地は５m の幅では不足と判断でき
る。
バッファ幅が大きい場合は建物が密集する地区において現況と調和的であるが、建物が
点在する地区では非植生の領域が現況よりも広くなる。またバッファ幅が小さい場合は建
物が密集する地区では、非植生空地が現況よりも狭く抽出される傾向が認められる。この
ことは駅前広場といった不透水の空地の抽出結果に影響することを意味する。
以上の様に、建物周辺の非植生空地を建物バッファで抽出するにはバッファの幅を建物
の密集率によって変化させる必要があり、建物バッファの幅と現況の非植生空地の相関を
認めることは困難である。したがって、既存地理情報から抽出した建物周辺の非植生空地
の精度は低く一律の幅の建物バッファからは抽出できない。よって既存地理情報から抽出
すべき土地被覆成分としては、建物バッファから作成する非植生空地は適当ではない結論
づけられる。
図 5-4 建物バッファによる非植生空地の抽出（皇居付近）
左：50m バッファ
右： 5m バッファ
5-16
図 5-5
建物バッファによる非植生空地の抽出（東京駅付近）
左：50m バッファ
右： 5m バッファ
5-3-2 空間データ基盤および建物データからの土地被覆成分の抽出結果
空間データ基盤および建物データから抽出する土地被覆成分（「道路」「鉄道」「水系」
および「建物」）は、原データが地物の形状か地物を示す中心線からバッファを作成した
ものであり、本来の地物の形状をよく反映していると考えられる。１月３１日の現地調査
では岩槻地区および東京駅地区何れの場合も、概ね既存地理情報は現況土地被覆を反映し
ていることが確認されている。（注：岩槻地区において道路被覆データの幅員が現況より
も大きいのではないかという指摘があったが、検証用道路データ作成手順に誤りがあるこ
とが判明した。幅員値を正しい値とすることで解決したと考えられる）
5-17
5-4 土地被覆分類方法の再検討
作成した土地被覆分類データの検証結果から、既存地理情報を活用した土地被覆分類デ
ータの作成手法を再検討した。建物データからバッファを作成し非植生地の領域を得る手
法では、「建物周辺の非植生地」の抽出精度に問題があることが認められた。建物周辺の
非植生地は表 5-8 に示したように、既存地理情報ごとに抽出した土地被覆成分の重ね合わ
せ優先度が最も低く、この項目を除外した場合も他の土地被覆分類項目に影響を与えない。
また、本作業の成果となる土地被覆分類データは衛星データと組み合わせハイブリッドな
データの作成に用いられることが目的であることもふまえ、「建物周辺の非植生地」は本
作業の成果となる土地被覆分類データには反映させないこととした。
以上の再検討した結果を踏まえ土地被覆成分の抽出方法を改めて表 5-14 に示すように
設定した。表 5-10∼表 5-13 で示した土地被覆分類データの属性項目には建物周辺の非植
生空地が存在するが、今後この有効的な土地被覆分類手法が確立した際に用いられること
を期待して属性項目定義は変更しない。
表 5-14 データ項目の土地被覆成分抽出方法
既存地理情報
データ項目
道路
土地被覆成分の抽出方針と適用結果
道路幅員区分毎に幅員幅を設定しバッファを作成する
→
下記の通りとした
空間データ基盤中の道路幅員区分
a) 空間データ基盤
鉄道
1.5m 未満
1.5m
1.5m 以上 3.0m 未満
3.0m
3.0m 以上 5.5m 未満
5.5m
5.5m 以上 13.0m 未満
13.0m
13.0m 以上
25.0m
真幅道路等
30.0m
一律の敷地幅を設定しバッファを作成する
→
水系
幅員値
一条河川
→
敷地幅を 26.0m で設定した
：一律の河川幅を設定しバッファを作成
地形図図式より、一条河川幅を 5.0m で設定した
二条河川・湖沼：水崖線を外形とするポリゴンを作成
b) 植生記号データ
植生
裸地
建物
c) 建物データ
建物周辺の
記号位置を中心にしたバッファを作成する
→
直径 100m のバッファ作成した
建物の形状を建物の範囲として適用する
既存地理情報からは抽出しない
非植生空地
5-18
再検した土地被覆分類の手法によって作成した、本作業の成果である土地被覆分類を下
記のように示す。
①土地被覆図 1：既存地理情報を活用した土地被覆分類データの作成範囲
作成範囲：２０万分の１図幅「東京」
分類項目：「道路」「鉄道」「水系」
②土地被覆図 2：現地調査地（岩槻地区）のオルソ画像と既存地理情報
③土地被覆図 3：現地調査地（東京駅地区）のオルソ画像と既存地理情報
④土地被覆図 4：既存地理情報から作成した土地被覆分類（大宮）
作成範囲：
５万分の１図幅「大宮」
分類項目：「道路」「鉄道」「水系」「植生」
⑤土地被覆図 5：既存地理情報から作成した土地被覆分類（東京東北部）
作成範囲：
５万分の１図幅「東京東北部」
分類項目：「道路」「鉄道」「水系」「植生」
5-19
土地被覆図 1 既存地理情報（道路・鉄道・水系）整備範囲
5-20
土地被覆図 2 オルソ画像上に表示した既存地理情報（岩槻地区）
5-21
土地被覆図 3 オルソ画像上に表示した既存地理情報（東京駅地区）
5-22
土地被覆図 4 既存地理情報から作成した土地被覆分類図（大宮図幅）
5-23
土地被覆図 5 既存地理情報から作成した土地被覆分類図（東京東北部図幅）
5-24
5-5 まとめと今後の課題
衛星データと組み合わせて用いることを前提として既存地理情報を活用した土地被覆分
類データの作成手法を検討した。成果として得られた土地被覆分類データは現状の地勢を
良く反映し、また衛星データとの組み合わせに適した土地被覆情報である。
利用した既存地理情報のうち空間データ基盤と建物データは、地物の形状か地物を示す
中心線データである。これらから抽出された「道路」「鉄道」「水系」および「建物」は
現況の地物の形状をよく反映している。これに対し植生は植生記号点から作成した円形バ
ッファの範囲を植生領域としており、現況の土地被覆の領域とは乖離が認められる。また
「建物周辺の非植生地」は最も既存地理情報からの抽出の精度が低く今後の手法の再検討
により向上する可能性はあるが、本作業の成果である既存地理情報を活用した土地被覆分
類項目からは除外することとした。最終的には衛星データと組み合わせてハイブリッドデ
ータを作成することを考慮すると、植生の分類精度が劣ることや建物周辺の非植生地の除
外は許容できると考えられる。
土地被覆分類データの精度を向上させるための課題としては、既存地理情報の作成時点
がある。一般に既存地理情報は衛星観測に比べてデータの取得時点が古く、現況と既存地
理情報間には相違があることを考慮する必要がある。特に都市郊外では農耕地が宅地や大
規模店舗に変化が著しく、既存地理情報が更新されていない可能性がある。この場合、既
存地理情報の重ね合わせ優先度を最も高く設定した建物の情報すら得ることができない。
本作業では表 5-1 に示したように、作業範囲全域を均質には土地被覆分類をせず、抽出
した土地被覆項目に地域によって偏りがある。広い地域を均質な基準で土地被覆分類結果
を得られる為には、用いる既存地理情報の精度と整備範囲を考慮し検討する必要がある。
これらの課題点を踏まえ原情報となる既存地理情報の検討をすることで、より既存地理
情報を利用する土地被覆分類データの精度が向上する。
なお、本報告では既存地理情報と土地被覆項目が直接的に関連するダイレクト分類につ
いて報告したが、既存地理情報が存在しない領域から土地被覆成分を抽出するアナロジー
分類については、巻末資料- 3「白部からの土地被覆成分のアナロジー分類の試み」にて報
告する。
5-25
第 6 章 目次
6. 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作................6-1
6-1 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の把握手法の検
討 ........................................................................................................................................................6-1
6-2 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作 ..........6-2
6-3 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の検証 ........6-12
6-4 既存の地理情報を活用した土地被覆成分の把握................................................................6-15
6-5 まとめと今後の課題................................................................................................................6-20
6. 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作
6-1 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の把握手法の
検討
ASTER データの土地被覆分類からは、その地上分解能（15m）に適合したスケールの
利用においてスペクトルデータに基づく客観性の高い情報の把握が期待できる。さらに、
衛星リモートセンシングの利点である観測の周期性を活かし、既存地理情報よりも鮮度
の高い情報を入手することが可能である。その一方で、建物や幅数ｍ程度の交通用地と
いった比較的小さなスケールの地被については、土地被覆境界の分離・抽出に分解能上
の限界がある。その点は、地上調査や空中写真判読・図化等の航空機レベルの調査に基
づく既存地理情報が優れている。ここでは、前章までに検討された ASTER 土地被覆分
類データと既存地理情報を相互補完的に組み合わせたハイブリッド型の土地被覆分類
データ（以降、ハイブリッドデータと呼ぶ）の作成を試みた（検討の流れを図 6-1 に示
す）。
ASTER 土地被覆分類データと既存地理情報の重ね合わせでは双方のデータを勘案し
て任意地点の土地被覆分類項目を決定する。その情報選択のルールを定めた重ね合わせ
マトリックスは、現地調査結果や委員会での指摘事項を踏まえて次のように策定した。
① 基本的な方針として、既存地理情報に対して ASTER 土地被覆分類を優先すること
とした。これは ASTER データの情報鮮度が既存地理情報よりも高いと期待できるこ
とと、都市熱環境の解析で求められている土地被覆情報を得るのに、土地利用的区分
の既存地理情報よりも適性が高いと判断したためである。
既存の地理情報を活用した
ASTER 土地被覆分類データ
土地被覆分類データ
重ね合わせマトリックスの検討
重ね合わせ処理
ハイブリッドデータ
高次加工データの試作
（各項目の土地被覆成分比率算出）
図 6-1 ハイブリッドデータ作成の流れ
6-1
精度の評価
② 重ね合わせマトリックスは、既存地理情報に「建物」データがある場合と無い場
合により 2 種類策定した。両者は「建物」の扱い以外は同一とした。
③
既存地理情報は衛星の空間分解能や地物判別能力の限界を補うことが期待され
る「交通用地」と「建物」及び中小河川や水路を含む「水」に限って重ね合わせる
こととした。既存地理情報の植生関連情報は本年度は使用しない。
④ 本検討で用いた ASTER 分類結果では常緑樹林と落葉樹林の分類が現地調査でも
良好であると確認されたため、既存地理情報に優先して重ね合わせに用いることと
した。また、草地も樹林と同様に既存地理情報に優先して重ね合わせることとした
⑤ 既存地理情報の「交通用地」と「建物」については、既存地理情報の信頼性が高
いと判断し、ASTER 土地被覆データに対して優先的に選択することとした。ただし、
ASTER 分類の「常緑樹林」、「落葉樹林」及び「草地」があれば、④の方針に沿っ
て既存地理情報の「交通用地」と「建物」よりも優先して選択し、宅地の植栽等の
状況を反映するように努めた。
⑥
ASTER データによる土地被覆分類と既存地理情報では規模の大きな「水」では
よく一致しており、両者をそのまま重ね合わせて問題ないと考えられた。一方、
ASTER 土地被覆分類では衛星データの地上分解能の限界から中小河川や水路が抽
出されない場合が多い。それらを勘案した結果、「水」に関しては中小河川や水路
を含む既存地理情報の活用性が高いと考えられたため、既存地理情報の「水」を優
先的に採用した。
⑦
ASTER 分類起源の「不透水地」と既存地理情報起源の不透水地（交通用地、建
物）は区別した。
以上の方針に沿って策定した重ね合わせマトリックスを表 6-1、6-2 に示す。ハイブリ
ッドデータ作成では、ある地点における ASTER 土地被覆分類データと既存地理情報の
属性をそれぞれ取り出し、重ね合わせマトリックスで該当する行と列の交点となるセル
の属性をハイブリッドデータに割り当てる。
6-2 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の試作
策定した重ね合わせマトリックスにしたがって、実際のデータを用いたハイブリッドデ
ータの試作を行った。
作成範囲等は次のとおりである。
① 既存地理情報に「建物」データが無い場合
作成範囲：20 万分の１地勢図「東京」の範囲（1 次メッシュ 5339）全域
既存地理情報から｢交通用地｣と「水」を加えるが、「建物」データは全域について提
供されていないため加えない。
6-2
表 6-1 既存地理情報に建物データがある場合のＡＳＴＥＲデータと地理情報の
重ね合わせマトリックス
ASTER データによる土地被覆分類
常緑
樹林
落葉
樹林
既存の地理情報
草地
畑
水田
森林
常緑
樹林
落葉
樹林
草地
畑
水田
草地
常緑
樹林
落葉
樹林
草地
畑
畑
常緑
樹林
落葉
樹林
草地
水田
常緑
樹林
落葉
樹林
常緑
樹林
常緑
樹林
常緑
樹林
落葉
樹林
落葉
樹林
落葉
樹林
水
水
交通用地
建物
裸地
水
不透
水地
裸地
湿地
水
不透
水地
裸地
湿地
水
水田
不透
水地
裸地
湿地
水
畑
水田
不透
水地
裸地
湿地
水
草地
畑
水田
不透
水地
裸地
湿地
水
草地
交通
用地
交通
用地
交通
用地
交通
用地
交通
用地
交通
用地
草地
建物
建物
建物
建物
建物
建物
草地
畑
水田
不透
水地
裸地
湿地
水
水
水
水
水
水
水
水
太字：ASTER 分類結果を優先した項目
表 6-2 既存地理情報に建物データが無い場合のＡＳＴＥＲデータと地理情報の
重ね合わせマトリックス
ASTER データによる土地被覆分類
常緑
樹林
落葉
樹林
既存の地理情報
草地
畑
水田
森林
常緑
樹林
落葉
樹林
草地
畑
水田
草地
常緑
樹林
落葉
樹林
草地
畑
畑
常緑
樹林
落葉
樹林
草地
水田
常緑
樹林
落葉
樹林
常緑
樹林
常緑
樹林
落葉
樹林
落葉
樹林
水
水
交通用地
裸地
水
不透
水地
裸地
湿地
水
不透
水地
裸地
湿地
水
水田
不透
水地
裸地
湿地
水
畑
水田
不透
水地
裸地
湿地
水
草地
畑
水田
不透
水地
裸地
湿地
水
草地
交通
用地
交通
用地
交通
用地
交通
用地
交通
用地
草地
畑
水田
交通
用地
不透
水地
裸地
湿地
水
水
水
水
水
水
水
水
太字：ASTER 分類結果を優先した項目
6-3
② 既存地理情報に「建物」データが有る場合
作成範囲：5 万分の１地形図「大宮」と「東京東北部」の範囲
既存地理情報から「交通用地」と「水」に加えて「建物」データも加える。
重ね合わせ処理の手順を図 6-2 に示す。
① 既存地理情報と ASTER データはともに情報量が多く、広域の重ね合わせ処理は計算機の
負荷が大きく実行が難しい場合がある。本検討では、まず両入力データを第 3 次地域区画
（3 次メッシュ）単位に分割した。
② ラスタ形式の ASTER 土地被覆分類データはラスタ・ベクタ変換処理を施しベクタデータ
とした。なお、本検討ではポリゴン境界の平滑化を行わないこととした。
③ ベクタ型地理情報システム上で既存地理情報とベクタ化した ASTER 土地被覆分類デー
タのオーバーレイ処理を 3 次メッシュ単位で実施した。この結果、既存地理情報と ASTER
土地被覆分類結果のポリゴン境界が合成され、新たなポリゴンデータが生成された。また、
これと同時に、既存地理情報と ASTER 分類データの属性が新たなポリゴンに移行した。
④ オーバーレイ処理結果で生成されたポリゴンの属性値をもとに、重ね合わせマトリック
スに沿って新たな土地被覆分類コードを付与し（属性計算処理）、ハイブリッドデータと
した。
既存地理情報
ASTER 土地被覆分類データ
データ分割
データ分割
ベクタ化
オーバーレイ処理
重ね合わせマトリックスに従った属性計算処理
ハイブリッドデータ
図 6-2 ハイブリッドデータの重ね合わせ処理手順
6-4
本年度は検討の過程で複数の重ね合わせを実施し、重ね合わせマトリックスを修正す
る等して最終的なハイブリッドデータを作成した。図 6-3 に異なる重ね合わせマトリッ
クスによるハイブリッド化の差異を示す。図 6-3 では、下段(a)の空中写真で示す範囲
について、(b)に示す、ASTER 分類の常緑・落葉樹林と草地を既存地理情報の交通用地と
建物に優先したものと、(c)に示す既存地理情報の交通用地と建物を ASTER 分類に優先
させたハイブリッドデータを比較している。そこから、最終的なハイブリッドデータの
特徴として以下のようなことが分かる。
① 密集市街地の緑被
図 6-3 下段の(a)、(b)、(c)上の点線で囲んだＡとＢの箇所を比較すると、ASTER 土
地被覆分類による常緑・落葉樹林と草地を既存地理情報に優先させた(b)のハイブリッド
データでは、密集市街地の中の緑が無視されずに抽出されていることが分かる。一方、
既存地理情報を優先した(c)のハイブリッドデータでは密集街区の中に点在する緑が抽
出されていない。都市熱環境を考える上で無視できない密集市街地の街路樹や植え込み、
住宅の緑、屋上緑化等を取り込むことができる点では、本年度検討で得た重ね合わせマ
トリックスは妥当なものと考えられる。
② 多層の土地被覆情報
図 6-3 下段の(a)、(b)、(c)上の点線で囲んだＣの箇所は、道路上を樹冠が覆ってい
る。既存地理情報では交通用地が目立つが、ASTER 土地被覆分類を加えることで、植生
被覆の実態がハイブリッドデータに反映されていることが分かる。このような多層の土
地被覆情報は応用分野に合わせた使い分けの可能性も示唆している。
なお、図 6-3 の範囲には、例えば運動場や裸地が畑に誤分類されている部分も見られ
るが、これは ASTER 土地被覆分類結果に起因している。今後は尤度の推定など重ね合わ
せマトリックスの改善や土地被覆分類区分の適正化（例えば、畑のような土地利用的区
分を草地と裸地のような土地被覆的区分に変更する等）を図ることも考えられる。
以上のような検討を経て本年度、試作したハイブリッドデータを図 6-4 ∼ 図 6-8 に
示す。
6-5
既存地理情報の「交通用地」と「建物」に対して ASTER 分類の
常緑・落葉樹林と草地を優先させた重ね合わせマトリックス
既存地理情報の「交通用地」と「建物」を ASTER 分類の常緑・
落葉樹林と草地に優先させた重ね合わせマトリックス
ASTER データによる土地被覆分類
落葉
樹林
落葉
樹林
落葉
樹林
常緑
樹林
落葉
樹林
常緑
樹林
常緑
樹林
常緑
樹林
落葉
樹林
落葉
樹林
落葉
樹林
草地
畑
水田
草地
交通
用地
交通
用地
不透
水地
交通
用地
草地
建物
建物
その他
常緑
樹林
落葉
樹林
草地
畑
裸地
常緑
樹林
落葉
樹林
草地
水
水
水
水
森林
草地
畑
既存の地理情報
５万分の１地形図「東京東北部」に水色の四角い
枠（左端）で示した範囲が下に示した地区
A
水田
交通
用地
建物
草地
畑
水田
裸地
湿地
水
森林
裸地
湿地
水
草地
不透
水地
裸地
湿地
水
裸地
湿地
水
交通
用地
交通
用地
交通
用地
建物
建物
建物
建物
水田
不透
水地
裸地
湿地
水
その他
畑
水田
不透
水地
裸地
湿地
水
水
水
水
水
水
水
草地
畑
水田
草地
畑
水田
草地
畑
水田
裸地
ASTER データによる土地被覆分類
不透
水地
不透
水地
不透
水地
湿地
水
常緑
落葉
樹林
樹林
常緑
落葉
樹林
樹林
常緑
落葉
樹林
樹林
常緑
樹林
落葉
樹林
常緑
落葉
樹林
樹林
交通
用地
交通
用地
建物
畑
水田
不透
裸地
湿地
水
裸地
湿地
水
裸地
湿地
水
裸地
湿地
水
裸地
湿地
水
水地
不透
畑
水田
草地
畑
水田
草地
畑
水田
草地
畑
水田
交通
用地
交通
用地
交通
用地
交通
用地
交通
用地
交通
用地
交通
用地
交通
用地
建物
建物
建物
建物
建物
建物
建物
建物
建物
常緑
落葉
樹林
樹林
草地
畑
水田
裸地
湿地
水
裸地
常緑
樹林
落葉
樹林
草地
畑
水田
不透
水地
裸地
湿地
水
水
水
水
水
水
水
水
水
水
水
水田
A
草地
草地
畑
既存の地理情報
常緑
樹林
常緑
樹林
常緑
樹林
水地
不透
水地
不透
水地
不透
水地
不透
水地
A
C
C
C
B
B
B
(a) 空中写真
（国土地理院 CKT972X コース C4B
番号 10 より一部抜粋）
(b) ASTER 分類の森林（常緑・落葉樹林）と草地を既存
地理情報の「交通用地」、
「建物」に優先させた結果
図 6-3 異なる重ね合わせマトリックスによるハイブリッド化の結果
6-6
(c) 既存地理情報の「交通用地」
、
「建物」を ASTER 分類
の森林（常緑・落葉樹林）と草地に優先させた結果
図 6-4 ハイブリッドデータ
既存地理情報に「建物」データが有る場合
6-7
（1／50.000 地形図 「大宮」の範囲）
水田
図 6-5 ハイブリッドデータ
既存地理情報に「建物」データが有る場合
6-8
（1／50.000 地形図 「東京東北部」の範囲）
0
図 6-6 ハイブリッドデータ
既存地理情報に「建物」データが無い場合
（１／200,000 地勢図 「東京」（1 次メッシュ 5339）の範囲）
6-9
Kilometers
5
10
15
図 6-7 ハイブリッドデータ
既存地理情報に「建物」データが有る場合
6-10
（1/25,000 地形図「岩槻」の範囲）
図 6-8 ハイブリッドデータ
既存地理情報に「建物」データが無い場合
6-11
（1/25,000 地形図「岩槻」の範囲）
6-3 既存の地理情報と衛星データの効果的な組み合わせによる土地被覆分布の検証
① 共通手法による ASTER 土地被覆分類の場合との比較
巻末資料１に示した ASTER 土地被覆分類の場合と共通な方法で、検証データとハイ
ブリッドデータの量的な対応を調べた。
検討は、ASTER 分類と同じ範囲（1 次メッシュ 5339）について、既存地理情報の「建
物」データが無い場合のハイブリッドデータを用いて実施した。検証データには 150ｍ
×150m の矩形領域のサンプル地点が複数含まれ、それぞれのサンプル地点には空中写
真判読等により土地被覆区分（森林、草地、畑、水田、不透水地、裸地、水）がされて
いた。評価対象範囲のハイブリッドデータに検証サンプル地点のポリゴンを重ね、ポリ
ゴン内に対応するハイブリッドデータの土地被覆分類別面積を集計した（表 6-3）。
表 6-3 の黄色で着色したセルは検証データと分類データの分類項目が同じもので、一
般的にはその部分の対応率（検証データのサンプル範囲における分類データの土地被覆
項目別面積率）が高いほど良い対応をしていると考えられる。また、表 6-3 と ASTER
分類の精度評価結果である表 3-7（3 章）を比較することでハイブリッド化の効果が分
かる。表 6-3 では、「森林」が ASTER 分類の高い分類精度を継承して良好な対応率を
示している。ただし、「森林」は ASTER 分類起源の情報のみから作成されたため、こ
の部分は表 3-7 と差異が無い。また、「水」も同様に高い一致を示している。一方、表
6-3 に緑で示したセルは既存地理情報の付加により ASTER 分類のみの場合に比べて顕
著な対応率の変化を示した部分である。表 6-3 では検証データが「水」でハイブリッド
データが「不透水地」の場合、3.3％となっているが、ASTER 分類のみの場合（表 3-7）
では対応する箇所が 5.0%であった。この変化は、既存地理情報により詳細な水部の情
報が付加されたことで、ASTER 分類で多めに抽出されていた「不透水地」が修正され
たと考えられる。また、検証データが「水田」でハイブリッドデータが「不透水地」の
組み合わせは 10.7%で、ASTER 分類結果の場合（表 3-7）の 7.9%に比べて増加している。
これは、ASTER の地上分解能では「水田」に含められて分類されていた農道等が詳細
な地理情報の付加により分離されたためと考えられる。以上の結果からは、今回のハイ
ブリッド化は、少なくとも水域の誤判別の修正や農地と農道の分離に効果があったと考
えられる。
② 既存地理情報による効果の評価
既存地理情報を加えたハイブリッド化の効果を量的に把握するため、2 万 5 千分の１
地形図「岩槻」の範囲について、ASTER 分類結果の各土地被覆分類項目が既存地理情
報の「交通用地」と「建物」データでどの程度、置き換えられたかを表 6-4 に集計した。
表 6-4 を見ると、既存地理情報の「交通用地」と「建物」は、郊外型の土地利用である
岩槻地区において、それぞれ 8.4％と 9.1％の面積を占め、ハイブリッド化により対象地
区の面積にして概ね 20%の範囲で既存地理情報によるデータの置き換えがなされたこ
6-12
とが分かる。その中で、ASTER 分類結果の「不透水地」のうち、面積で 13.9％と 14.8％
の部分がそれぞれ「交通用地」と「建物」に細分された。加えて、ASTER 分類の「裸
地」もその 8.5％と 18.6％がそれぞれ「交通用地」と「建物」に細分された。すなわち、
既存地理情報の効果は岩槻地区の約 20％に及び、既存地理情報の精度が極めて高いと考
えれば ASTER 分類結果の「不透水地」と「裸地」の約 30%が位置と属性の精度向上を
みたことになる。
③ 現地調査による定性的な評価
定量的な評価に加えて、岩槻地区と皇居周辺の現地調査による定性的な評価も実施し、
ハイブリッドデータの土地被覆分類が概ね妥当なものであるという結果を得た（現地調
査結果の詳細は別紙資料参照）。現地調査の結果、「畑」や「裸地」等の細かな誤分類
が見られたが、地域の総体的な傾向はよく捉えていた。樹木地についてはとくに良好な
分類結果となっていた。また、既存地理情報から「建物」と「交通用地」を加えたこと
で、複雑な土地利用箇所の分類結果も現地状況とよく対応していた。一方、現地調査の
時点では既存地理情報の「建物」を ASTER 分類の「森林」に優先させていたが、現地
調査の結果、密集市街地の緑が捕捉されていなかったため、ASTER 分類の樹木地を優
先するように重ね合わせマトリックスを変更して分類結果の改善を図った。
表 6-3 ハイブリッドデータと検証データとの対応表（単位 ％）
検
森林
草地
証
畑
デ ー タ
水田
不透水地
裸地
水
ハイブリッドデータ
森林
85.4
14.2
10.1
1.6
3.6
6.0
0.9
草地
12.2
56.3
36.9
18.9
8.5
18.4
6.0
畑
1.7
8.7
18.9
4.8
4.5
3.7
2.7
水田
0.5
1.9
8.8
61.7
0.8
4.9
2.1
不透水地
0.3
13.1
24.5
10.7
66.0
31.2
3.3
裸地
0.0
2.3
0.7
0.6
16.6
34.3
4.2
湿地
0.0
0.0
0.1
1.1
0.0
1.0
0.2
水
0.0
3.4
0.0
0.6
0.0
0.5
80.4
100.0
100.0
100.0
100.0
100.0
100.0
100.0
列の総和
注） 検証データの「不透水地」は「交通用地」と「建物」を合計したものである。一方、
ハイブリッドデータの「不透水地」は「不透水地」と「交通用地」を合計したものである。
双方の「交通用地」のみを取り出して比較した場合、一致したのは 26.0%であった。
6-13
表 6-4 既存地理情報の付加による土地被覆分類の面積変化
（集計対象：1/25,000 地形図「岩槻」の範囲 ｢建物｣データが有る場合）
ASTER
分類項目
ASTER 分類
(m2)
交通用地
(m2)
交通用地／
ASTER 分類
(%)
建物
(m2)
建物／
ASTER 分類
(%)
常緑樹林
1927068
0
0.0
0
0.0
落葉樹林
3705474
0
0.0
0
0.0
草地
20042989
0
0.0
0
0.0
畑
6046710
362719
6.0
375479
6.2
水田
13741306
627903
4.6
173311
1.3
不透水地
51264371
7149630
13.9
7605445
14.8
裸地
7107049
606821
8.5
1323064
18.6
湿地
52956
188
0.4
1995
3.8
水
358992
1341
0.4
18
0.0
合計
104246914
8748602
8.4
9479312
9.1
注）第 4 列と 6 列の比演算の分母は、該当する ASTER 分類土地被覆項目の面積である。
6-14
6-4
既存の地理情報を活用した土地被覆成分の把握
ハイブリッドデータの利用イメージとして、本検討ではハイブリッドデータの土地被
覆分類項目を適宜統合した上で単位メッシュ面積あたりの項目別面積比率を求め、その
結果を個々のメッシュの属性として持つ土地被覆成分比率データを試作した。
土地被覆成分比率データの作成手順は次のとおりである（図 6-9）。
① 分類項目の選択・統合
地理情報システム上で、成分比率算定の対象とする土地被覆項目のデータを選択・抽
出する。その際、必要に応じて土地被覆分類項目の統合も行う。
② データ分割
計算負荷が大きいため、必要に応じてハイブリッドデータを第 3 次地域区画（3 次メ
ッシュ）程度の領域に分割する。
③ メッシュ境界データの入力
任意のサイズのメッシュ境界データを用意する。
④ 面積比率の算出
ハイブリッドデータとメッシュデータを地理情報システム上で重ね合わせ、メッシュ
毎にその範囲に該当するハイブリッドデータの土地被覆分類項目別の面積を集計し、メ
ッシュデータの属性テーブルに面積率を記録する。
ここでは、メッシュの大きさを MODIS データと同様に約 250m 四方の大きさとし、
図 6-10 ∼図 6-13 に示すデータを作成した。
ハイブリッドデータ
分類項目の
選択・統合
メッシュ境界
データ
必要に応じてデータ分割
土地被覆分類項目別に個々のメッシュに占め
る面積比率を算出
土地被覆成分比率データ
図 6-9 土地被覆成分比率データ作成の流れ
6-15
図 6-10 既存地理情報「建物」データが有る場合の土地被覆成分比率データの例
（1/25,000 地形図「岩槻」の範囲）
6-16
「森林」（常緑樹林＋落葉樹林）の成分比率分布
背景の灰色の線は既存地理情報
の「交通用地」
土地被覆
分類図
畑
森林
水田
（常緑樹林＋
落葉樹林）
(水田＋湿地)
水
交通用地
不透水地
（交通用地以
外不透水地＋
裸地）
草地
図 6-11 既存地理情報「建物」データが有る場合の土地被覆成分比率データの例
6-17
建物
（1/25,000 地形図「岩槻」の範囲）
背景の灰色の線は土地被服分類
背景の灰色の線はハイブリッ
データの「水」
ドデータの「水」
図 6-12 既存地理情報「建物」データが無い場合の土地被覆成分比率データの例
「森林」（常緑樹林＋落葉樹林）の成分比率分布
6-18
（１／200,000 地勢図 「東京」（1 次メッシュ 5339）の範囲）
土地被覆
分類図
畑
水
水
森林
水田
（常緑樹林＋
落葉樹林）
書式変更: フォント : ＭＳ 明
pt
(水田＋
湿地)
朝, 10
交通用地
不透水地
（交通用地以
外不透水地＋
裸地）
草地
6-19
図 6-13 既存地理情報「建物」データが
無い場合の土地被覆成分比率データの例
（1 次メッシュ５３３９の範囲）
6-5 まとめと今後の課題
本検討では、ASTER データに基づく土地被覆情報と既存地理情報のハイブリッド化の方
法を検討し、それ基づいて実際のデータを用いたハイブリッドデータの試作を行った。そ
の結果を現地調査や検証データとの比較を通して評価し、土地被覆現況との対応が良好で
あることを確認した。さらに、ハイブリッドデータの活用イメージとして、メッシュ単位
の土地被覆項目別面積比率を属性とする土地被覆成分比率データの作成も試行した。
本年度の検討結果からは、ハイブリッド化の方法改善や品質保証に関する今後の課題と
して以下のような事項が挙げられる。
① 土地被覆分類精度の向上
本年度の重ね合わせマトリックスでは、既存地理情報に対して ASTER データを優先し
た土地被覆分類項目が多い。このため、ハイブリッドデータの分類精度は ASTER 土地被
覆分類の精度に大きく依存するものとなった（例えば、ASTER 分類で比較的低い「畑」の
分類精度はハイブリッドデータでもそのまま継承される等）。これに対して、重ね合わせ
のルールを改良して分類精度の向上を図ることも考えられる。例えば、本年度検討された
植生記号のバッファリングによる既存地理情報からの植生情報を利用する等して、植生記
号の有無や記号からの距離に応じた特定土地被覆区分項目の尤度を求めることもできよう。
具体的にどのような方法でハイブリッドデータの情報精度を改善するか、引き続き検討の
余地がある。
② ハイブリッドデータの品質保証
本年度は土地被覆分類精度の評価を概略的なものに留めた。これに対しては、今後、よ
り体系的な分類精度の検証を実施することが望まる。分類精度検証方法の改善としては、
適当な検証地域において空中写真の判読等による検証データを整備した上で、統計手法に
基づく精度検証を行うことが考えられる。
また、そのような精度検証の過程で、重ね合わせ解析にともなう誤差や不確かさの伝播・
蓄積の様子が把握できれば、衛星土地被覆分類と既存地理情報の重ね合わせによる情報の
統合方法を改良するにも有用である。
③ ハイブリッドデータの高次利用法の確立
本年度の検討では、都市熱環境シミュレーションでの活用を想定し、ハイブリッドデー
タから土地被覆成分比率データを作成した。今後、シミュレーションの入力データ仕様が
より詳細になれば、それに対応した加工の方法を体系化することが必要となる。その他、
ハイブリッドデータの応用が可能な事項があれば、それに対する高次加工の方法を検討し、
応用を進めていくことが必要である。
6-20
第 7 章 目次
7. 全体のまとめ .................................................................................................................. 7-1
7-1 まとめ...........................................................................................................................7-1
7-2 今後の課題....................................................................................................................7-2
7. 全体のまとめ
7-1 まとめ
都市圏の熱環境および CO２吸収源の把握に関する土地被覆分布を効率的に把握する技術を
開発することを目的として、土地被覆分類基準、ASTER データによるグランドトゥルースデ
ータ・土地被覆データ作成、MODIS データによる土地被覆分類データ作成、既存の地理情報
を活用した土地被覆分類データ作成、および既存地理情報と衛星データの組み合わせによる
効果的な土地被覆分布把握の各項目について検討をおこない、それを受けてデータ作成と検
証を実施した。以下に各項目の実施結果をまとめる。
①土地被覆分類基準
ASTER データや MODIS データの分解能、植生や水によるクールスポットの効果やアスフ
ァルト・コンクリート蓄熱効果、および衛星データにより判別できる項目といった複数の要
素を総合的に鑑みた上で、常緑樹林・落葉樹林・草地・畑・水田・不透水地・裸地・湿地・
水の９項目を土地被覆分類項目として設定した。
②ASTER データによるグランドトゥルースデータ・土地被覆データ作成
ASTER データとして、植生や水田の季節変化を端的に捉えるために、春夏秋冬の４時期に
水田の湛水が確実な晩春を加えた 5 時期のデータを選択した。
次に、季節ごとにディシジョンツリー方式で森林・草地・不透水地・裸地・水の５項目に
分類した後、各画素の季節変化を利用して最終的に①で設定した９項目に分類する手法を開
発した。その際、判断基準をもっとも厳しくしたものをグランドトゥルースデータ、あいま
いさを許容しさらに未分類箇所を別途最尤法による分類結果で埋めたものを既存地理情報と
組み合わせるための土地被覆分類データとして設定した。
作成された各分類データを現地調査結果や検証データと比較した結果、それぞれ目的に合
致したものであることがわかった。今後は、他地域での衛星データ選択方法や分類手法の汎
用性の検討、ASTER SWIR や ALOS AVNIR2、PALSAR など他の衛星・センサーの利用も
視野に入れた分類精度の向上、草地との区別が難しい畑の取り扱いの検討などが課題として
あげられる。
③MODIS データによる土地被覆分類データ作成
一ヶ月コンポジットデータを使用し、②で作成された ASTER データによるグランドトゥ
ルースデータをトレーニングデータとして、ディシジョンツリー方式で土地被覆分類をおこ
なう手法を開発した。
検証の結果、畑や裸地など個別面積が小さいものの抽出率は低かったが、それ以外の項目
はよく抽出できていることがわかった。今後は、裸地や畑の分類精度の向上や取り扱い方法
の検討、本項目で独自に設定した不透水地（住宅地）の位置づけの検討、熱バンドの利用な
どによる雲領域の正確なマスク手法の検討などが課題としてあげられる。
7-1
④既存の地理情報を活用した土地被覆分類データ作成
数値地図 25000（空間データ基盤）による道路・鉄道・水系データと、25000 地形図データ
起源の建物・植生データを活用して、土地被覆分類データを作成する手法を開発した。その
結果、数値地図 25000 による道路・鉄道・水系データや、25000 地形図データ起源の建物デ
ータから作成されたものは現況をよく表していた。一方、植生データによるものは記号点か
らの円形バッファにより作成したため、現実との乖離が認められた。しかし、最終的な衛星
データとの組み合わせの段階で、植生は ASTER 分類結果を優先することを考慮すれば、目
的には合致するものと考えられた。
⑤既存地理情報と衛星データの組み合わせによる効果的な土地被覆分布の把握
ASTER データに基づく土地被覆情報（②）と既存地理情報（④）の組み合わせによるハイ
ブリッド化の手法を開発した。組み合わせに際しては、基本的に ASTER データに基づく土
地被覆情報を優先し、ASTER データで抽出が困難な交通用地や建物、水（ASTER でもまと
まった面積の水は抽出可能）は既存地理情報を優先する（建物は既存地理情報のデータがあ
る場合のみ使用）ものとした。
現地調査や検証データとの比較をおこなったところ、土地被覆現況との対応が良好である
ことが確認された。さらに、本ハイブリッドデータの活用イメージとしてメッシュ単位の土
地被覆成分データも試作した。
今後、ASTER データによる分類で精度が低い畑などに関する重ね合わせルールの改良、品
質保証や高次利用手法の確立などが課題としてあげられる。
7-2 今後の課題
以上で開発された手法により、MODIS データによる土地被覆分類データ、既存地理情報と
衛星データを組み合わせたハイブリッドな土地被覆データが、おおむね的確に作成されるこ
とがわかった。作成過程における課題は前項でまとめた通りであるが、全体を通して、さら
に下記のような課題が今後に向けてあげられる。
①シミュレーションでの利用を考慮したデータ加工
今後、シミュレーションでの入力データ仕様が明らかになれば、それにしたがって下記に
例をあげるような事項を検討し、最終的なアウトプットデータの加工手法を確立することが
必要となる。
・分類項目の統合
畑と草地、裸地と不透水地などのように、衛星データでは判別することがやや困難な項目
に関しては分類精度向上も必要であるが、一方、後利用手法によっては統合して扱うことで
その課題を回避するような取り扱いも検討する必要がある。
・高次データ加工
例えば、土地利用としては道路であるが、樹林が覆いかぶさっているために衛星からは樹
7-2
林と判断されるケースなど、熱環境への影響を考慮したデータの層構造化が課題としてあげ
られる。その他、土地被覆成分比率データ作成手法の高度化、郊外における農地の大規模店
舗駐車場（アスファルト）化の抽出など、熱環境分野でのシミュレーションに有効活用する
ための分類データの高度利用手法の開発が必要である。
②他地域への展開手法の確立
今後、本手法を他地域に展開する場合、地域によって異なる植生や水田の季節変化を踏ま
えて衛星データを的確に選択する基準を検討し、整備していく必要がある。また既存地理情
報に関して、全国一律ではない整備状況を踏まえつつ、分類項目や分類手法を整理する必要
がある。
③品質保証手法の確立
最終的なアウトプットの提供に際しては、体系的な分類精度検証手法を確立し、その品質
を保証する必要がある。そのためには、適当な検証地域において空中写真の判読などによる
検証データを整備した上で、統計手法に基づく定量的な精度検証をおこなうことが考えられ
る。
7-3
参考文献
i) 竹内 渉，安岡善文、MODIS データを用いた合成画像作成手法の開発, 2004. 写真測量とリモートセンシング,
43(5), 36-48.
ii) 邑眞，辻野和彦，辻子裕二、高分解能衛星画像を用いたディシジョンツリー法に基づく樹種分類法の開発，
写真測量とリモートセンシング，Vol.44，No.2，pp.54-67，2005.
iii) 浦岡
竜治、「MODIS 画像における自動分類手法の検討」、高知大学社会システム工学 2002 年度卒業論文
（2002）
iv) 小島
尚人、大林
成行、
「衛星マルチスペクトルデータを用いた土地被覆変化箇所の評価方法について」、
日本リモートセンシング学会誌 Vol8、No.4（1998）、30-44
v) 坂本
利弘、芝山
道郎、大野
宏之、石塚
直樹、鳥谷
均、「MODIS-DATA 時系列解析による農耕地情報
の抽出」、MODIS ワークショップ発表（2004）
vi) 朴
鍾杰、原
真測量学会
vii) 朴
慶太郎、安田
嘉純、「MODIS データを用いた千葉県地域のランドスケープ分類」、日本写
平成 14 年度年次学術講演会発表論文集（2002）、41-44
鍾杰、安田
嘉純、原
慶太郎、朱
林、「MODIS による関東地域の植生分類に関する研究」、第 3
回水文過程のリモートセンシングとその応用に関するワークショップ（2002）、77-78
viii) 松岡
真如、早坂
忠裕、福嶌
義宏、本多
嘉明、「衛星データを用いた黄河流域の土地被覆とその変
化の解析」、「地球研黄河プロジェクト」＆「RP 黄河プロジェクト」合同研究集合報告書（2003）
ix) 国土交通省、「都市緑地調査における人工衛星技術の活用に関する研究」、国土交通省総合技術開発プロジ
ェクト「災害等に対応した人工衛星利用技術に関する研究」総合報告書
7-4
第Ⅳ編個別課題報告書 12（2003）

各種オープンソースCAEプロジェクトの紹介

ASTER画像からの影の抽出と都市密度の分類

広域災害・環境モニタリングのための 準リアルタイム地球観測衛星情報

上川地域農業新技術発表会

解説版PDF

地上カメラと衛星による離島火山の噴煙観測