農業生態系研究におけるリモートセンシング利用の概論

高度先進技術研修
農業環境の情報把握と管理のためのR/S・GISの利用技術
No.1
農業生態系研究における
リモートセンシング利用の概論
岐阜大学 流域圏科学研究センター
秋山 侃
[email protected]
秋山研究室URL: http://www.green.gifu-u.ac.jp/-akiyama/
2006年11月6日
No.2
目 次
1. 分光反射特性
2. 概念と原理
3. 地球観測衛星の進歩
4. 衛星リモートセンシングの新たな展開
1. 概念と原理
（1） 時・空間を縮める科学
これまでの科学は，
遠くのものを近づけ，小さいものを拡大すること
で進歩を遂げてきた。
しかし，地球には大きすぎて見えないものがある。
動きがゆっくり過ぎて見えないものもある。
空間と時間を圧縮し，全容を見易くする科学，
それがリモートセンシングである。
No.3
（2）リモートセンシングとは（定義）
リモ－トセンシング（Remote Sensing）：
日本語では「遠隔測定」とか，略して「隔測」。
中国語では「遥感」。
離れた所から直接触れずに対象物を同定あるいは
計測し，また，その性質を分析する技術。
（日本リモ－トセンシング学会 1992）
No.4
リモートセンシングの原理模式図
（1）光源（太陽光），（2）光路，（3）対象物，（4）光路，（5）センサ
受動型センサ：（1）（2）（3）（4）（5），能動型センサ： （5）（4）（3）（4）（5）
No.5
2．分光反射特性
No.6
（1）リモートセンシングで使われる波長帯
可視域，赤外域，
マイクロ波域が中心
（日本リモートセンシング学会 1992，科学技術調査会1979より作成）
物体の波長別反射特性
No.7
物体はそれぞれ特有の反射特性を持っている
図. 土壌，水および緑色植物の分光反射パターン
（日本リモートセンシング学会 1992より作成）
No.8
主な地球観測衛星（光学センサ搭載）
人工衛星/センサ
打上げ年月・国 観測波長帯・数 *
現在運行中の地球観測衛星
Landsat-1-5
/MSS/TM
Landsat-7
/ETM +
1972.7USA
1999.4
USA
SPOT-4,5
/HRVIR
IRS 1D
/LISS-III
1998.3
France
1997.9
India
TERRA
/ASTER /VNIR
/MODIS (LCB)
/MODIS (LCP)
NOAA-17,18
/AVHRR
1999.12
USA
IKONOS 2
/Imaging sensor
QuickBird
/Imaging sensor
EO-1
/Hyperion
17号2002.6
18号2005.5
USA
1999.2
USA
2001.1
USA
2002.1
USA
空間分解能
Vis;2, NIR;2
80m
Vis3,NIR１, MIR2、TIR1
30m
TMと同
60m
Panchromatic;1
15m
Vis;2, NIR;1,MIR;1
20m
Panchrom;1
10m
Vis;2, NIR;1,
23.5m
MIR;1
70.5m
Panchromatic;1
5.8m
Vis;2, NIR;1
Vis;1, NIR;1
Vis;2, MIR;3
Vis;1, NIR;1,
MIR;1, TIR;2
15m
250m
500m
1.1km
1.1km
Vis;3, NIR;1
Panchromatic;1
Vis;3, NIR;1
Panchromatic;1
VNIR (0.357-1.0):60
SWIR (0.9-2.577):160
3.3-4.0m
0.82m
2.44m
0.61m
30m
30m
* Vis;Visible, NIR;Near Infra-red, MIR;Mid IR, TIR;Thermal IR
Panchromatic;Panchromatic mode Point;Pointing function
観測周期（日）
18d (16d)
16d
26d (Point)
25d (Point)
16d
(Point)
1d
1d
2-3d (Point)
1-3d(Point)
16d
No.9
（2） 衛星観測波長帯
波長 （µm）
0.4 0.5
紫外線
NOAA AVHRR
Landsat 7 ETM
0.9
可視光線
1
1 23
2 4
6 8 10
・・ 14 ・・
赤外線
2
4
3
5 7
4
5
6
パンクロマティック
MODIS
0.405µm ～ 14.385µm まで36バンド
3. 地球観測衛星の進歩
No.10
（1）衛星データの３つの分解能向上
空間分解能： どの程度細かいものまで
識別できるか（地上解像度）
波長分解能： 観測波長帯の数と間隔
時間分解能： 観測の頻度（回帰日数）
No.11
Landsat衛星を例として
Landsatの観測仕様
1972年～，Landsat1～7号，当初MSS，TMを経て現在ETM。
衛星／センサ
運用期間
Landsat1
1972.7.23～
MSS
1978.1.6
Landsat4
TM
1982.7.16～
2001.6.5
波長（ nm）
500-600,600-700
700-800,800-1100
空間分解能
観測幅
観測周期
80ｍ
185km
18日
30ｍ
185km
16日
30ｍ
15ｍ
185km
16日
同上（ MSS ） + （ＴＭ）
450-520,520-600
630-690,760-900
1550-1750,10.4-12.5μ
2080-2350
Landsat7
ETM
1999.4.5～
同上（ MSS ） + （ＴＭ）
+ （ PAN） 520-900
ALOS（高性能陸域観測衛星）
No.12
2006年1月打ち上げ、同年10月からデータ配信
地図作成、地域観測、災害把握、資源探査、技術開発
項目
PRISM
観測波長帯 0.52-0.77
AVNIR2
PALSAR
1.270 GHz
0.61-0.69, 0.76-0.89 （Lバンド）
（ミクロン）
地表分解能(m)
2.5
10
10
観測幅(km) 70（35）
70
70
特徴
3方向視 高頻度観測可 入射角可変
0.42-0.50, 0.52-0.60
No.13
Terra衛星
1999年12月打ち上げ、日・米･カナダでセンサ製作
CERES, MISR, MODIS, ASTER, MOPITT
項目
MODIS・AQUA
36波長
（2）, （5）, （29）
地表分解能(m) 250, 500, 1000
観測幅(km)
70
毎日2回観測
特徴
観測波長帯
ASTER
VNIR,SWIR,TIR
（4）, （6）, （5）
15, 30, 60
60
Pointing
NOAA,SPOT,Landat衛星の機能比較
No.14
数値データ：演算が可能
位置情報をもったデータ： 他の情報と重ね合わせが可能
Landsat
SPOT
2700km
185km
60km×2
毎日
16日
26日
不可視領域：
近赤外
近赤外･中赤外
近赤外
過去の画像：
1979年～
1972年～
（1984年～）
1986年～
特 徴
広域性：
反復性(周期)：
NOAA
（2）画像上にみる空間分解能の違い
116º
44º 00’
20’
117º 20’
43º 10’
NOAA AVHRR
（1,100 m）
TERRA MODIS
（250 m）
Landsat 7 ETM+
（30 m）
R:G:B = 1：2：1
R:G:B = 1：2：1
R:G:B = 5：4：2
図. 3種衛星による対象域の画素比較，部分拡大（31 X 37km2）
No.15
（3）波長分解能が高いと何が分かるか
No.16
Reflectance
Spectral characteristic
of scene
Measured
Reflectance
EO-1 Hyperion images
(Hyperspectral sensor)
Multispectral Imaging
Few bands
Band 4
Band 4
Band 3
Band 2
Band 1
Wavelength
Wavelength
(Pearlman et al. 2001)
Measured
Reflectance
Hyperspectral Imaging
Hundreds of bands
Wavelength
Takahashi et al.2003
（4）時間分解能（観測頻度）向上のメリット
No.17
JERS：44日，ERS：35日，SPOT：26日， Landsat：16日
NOAA：毎日，Terra/MODIS：毎日，ひまわり：１時間
観測間隔が短いと，変化を追跡しやすい。
植物の生長，気象・環境の変化や災害監視に役立つ。
頻度的に快晴データを取得できる確率が高い。
モザイク画像を作成して雲のない画像を合成できる。
例えば，NOAA画像から作成するMVC合成画像。
光学センサの泣き所 － 雲
No.18
Landsat 5号（光学センサ搭載）が17年間に撮った
16,540枚の日本各地の画像の雲量を調べたところ，
日本全国平均の快晴率は6.17％，すなわち16回に
１回程度の確率で雲の少ないデータ（雲量20%以
下）が撮れる。
Landsat の回帰日数は16日だから，平均すると
16×16＝256日に１度しか，快晴データを取得できない 。
日本各地の快晴日データ取得の
割合（Landsat 5号）
No.19
地域や季節により変動する。
日本で最も高いのは関東地方。
資料：秋山・川村 2003
No.20
世界の快晴日データ取得割合の比較
砂漠地帯は毎日快晴
:CCR0
:CCR20
CCR≦20
日本
1.27%
4.90%
6.17%
(a) 日本 全42シーン
WRS 105～113-28～42
80
オーストラリア
14.00
39.00
53.00
(b) 中国内蒙古草原
WRS 124-29, 124-30
(c) オーストラリア
WRS 96-82
（Graetz 1987改図）
沖縄
岐阜
60
60
40
90
北海道
30
20
0
JFMAMJJASOND JFMAMJJASOND JFMAMJJASOND
月
図表：日本，中国内蒙古，オーストラリアの比較（秋山・川村2003）
0
太陽高度(°)
データ取得率(%)
100
中国内蒙古
16.91
27.94
44.85
No.21
マイクロ波センサ搭載衛星
マイクロ波は天候に影響されない
表. 現在運行中のマイクロ波センサを積んだ地球観測衛星
衛星名
ERS-1， 2
運行年
1991～
波長
C
入射角
23°
欧州
JERS-1
日本
L
38.5°
カナダ
1992～98
1994～
C
欧州
2002～
C
可変
15-45°
偏波
VV
空間分解能
12.5m
回帰日数
35日
観測幅
100km
JERS-1
HH
18m
75km
RADARSAT1， 2
ENVISAT
HH
10-100m
44日
24日
100km
HH/VV
30m
35日
56-100km
RADARSAT1， 2
ENVISAT
衛星名
ERS-1， 2
国名
※波長：C（5.3GHz , 5.66cm），L（1.275GHz , 23.5cm）
No.22
JERS-1 SAR（左,マイクロ波）と
Landsat TM（右,光学センサ） 画像の比較
資料：RESTEC
4. 衛星リモートセンシングの新たな展開
No.23
地球観測衛星の仕事
人工衛星リモートセンシング
航空機リモートセンシング
雲の分布，水蒸気情報，降水情報
火山活動情報
鉱物資源地質
地形情報
海氷情報
海上ブイ
氷雪・水源情報
波・風等海面情
報
海面温度
情報
油・汚染情報
赤潮情報
沿岸災害情報
植生分布情報
植物生育情報
豊プランクトン海域情報
穀物生産予測情報
（リモート・センシング技術センター）
（1） 研究から実利用へ
No.24
環境分野：土地利用変化，開発地域の環境監視，海洋汚染監視，
水質モニタリング，植生調査，水涵養機能評価など
防災分野：火山噴火，土砂災害，地震被害など
農業分野：作物適地把握，収量予測，作付け面積推定，
食味マップ，気象被害推定，土壌図作成など
水産分野：表面水温分布，沿岸環境マップ，魚況予測図など
林業分野：森林管理簿，伐採地抽出，森林資源情報，
森林が固定するCO2量の推定など
地図作成：1/25,000地形図修正，道路地図作成など
海洋・気象分野：海氷速報，降雨量予測，オゾン層観測など
（2） 新たな研究領域の開発
No.25
衛星生態学への期待
空間
• 広域性，反復性
• 放牧圧の影響評価が困難
広域モニタリング
（リモートセンシング）
GPS/GIS・モデルの利用
実際の放牧地で草生産への
放牧の影響を定量的に評価
放牧試験区
（生態プロセス研
究）
時間
• 詳細な機能評価
• 広域スケールへの適用不可
No.26
地理的要因データの作成
DEM (Digital Elevation Model)
バッファ解析
■ Terra ASTERデータ(プロダクト4A01) ■ GIS上でバッファを発生
■ 空間分解能15 m
■ 畜舎，川からの距離の計算
◆ 標高(Elev)
◆ 傾斜(Grad)
◆ 方位(Asp)
◆ 家からの距離(disFarm)
◆ 川からの距離
(disRiber)
No.27
*BC: バイトカウンター(梅村ら 2003)
GPSとBCの取り付け
■ 羊5頭に取り付け (表1参照 )
■ 2004年6月1日～9月20日(112日間)
*GPS_Sは各月5日間
表1. GPSとBCの取り付け方法
No Age
Sex
GPS_T GPS_S
1
1
Female
2
2
Male
3
4
3
4
○
○
BC
○
Female
○
○
Female ○
○
5 4
Female
○
GPS_T: GPS首輪 (Televilt, Prosec Collar 600UD)
GPS_S: 携帯型GPS (Sony, HGR3S)
BC: バイトカウンター (梅村ら2003)
Male: 去勢雄羊
GISデータベースの作成
No.28
■ 空間の最小スケール：Terra MODISデータ (250 m×250 m)
Terra MODIS衛星
◆ 草量(GBM)
◆ CP含有率(CP)
GPS&BC
◆ 放牧強度(GI)
GIS: geographical information systems
ASTER/DEM, etc.
◆ 標高(Elev)
◆ 傾斜(Grad)
◆ 方位(Asp)
◆ 家からの距離
(disFarm)
◆ 川からの距離
(disRiver)
空間的分布の
季節変化(5~9月)
■ 草量
‡ 川の近く高い
■ 草質
‡ 川の近く低い
■ 放牧強度
‡ 家の近くが高い
‡ 5，9月に広い分布
地理的な影響
• 家からの距離
• 川からの距離
広域生態系監視の新たな手法
No.30
■ 地球環境変化や生態系の変動
広域的な情報を時系列的に反復し，
定量的に取得する必要。
従来の「点」による調査では状況を
把握できないため，「面」的調査を可能にする
新たな技術が要求されている。
■ リモートセンシング技術は有効な道具
地理情報システム（GIS）分野の発達も著しく，
リモートセンシングとの併用により，応用分野は格
段に拡大。