Comments
Description
Transcript
平成 25 年度 二国間クレジット制度（JCM） 実現可能性調査（FS）
平成 25 年度 環境省委託事業 平成 25 年度 二国間クレジット制度（JCM） 実現可能性調査（FS） 情報通信技術を活用した REDD+事業実施の効率化 （インドネシア） 報 告 書 平成 26 年 3 月 株式会社三菱総合研究所 1 目 次 1. 調査の背景（ホスト国の JCM に対する考え方） ............................................... 1 1.1. インドネシアにおける気候変動政策 ............................................................. 1 1.2. インドネシア政府における JCM に対する考え方 ........................................ 3 2. 調査対象プロジェクト .......................................................................................... 5 2.1. プロジェクトの概要 ....................................................................................... 5 2.2. 企画立案の背景 .............................................................................................. 6 2.3. ホスト国における状況 ................................................................................... 8 2.3.1. 中央政府における REDD+に関連する検討状況..................................... 8 2.3.2. 東カリマンタン州での検討状況 ............................................................ 13 2.4. プロジェクトの普及 ..................................................................................... 14 3. 調査の方法 .......................................................................................................... 15 3.1. 調査実施体制 ................................................................................................ 15 3.2. 調査課題 ....................................................................................................... 16 3.3. 調査内容 ....................................................................................................... 17 4. JCM 方法論に関する調査結果 ........................................................................... 19 4.1. JCM 方法論の概要....................................................................................... 19 4.1.1. 衛星画像解析手法の検討 ....................................................................... 20 4.1.2. 排出係数の設定...................................................................................... 21 4.1.3. 現地サンプリング調査の手法の検討..................................................... 21 4.2. 用語の定義.................................................................................................... 21 4.3. 適格性要件.................................................................................................... 22 4.4. 対象 GHG 及びその排出源 .......................................................................... 23 4.5. 算定のための情報・データ .......................................................................... 23 4.6. デフォルト値の設定 ..................................................................................... 24 4.6.1. 活動量（土地被覆区分ごとの面積変化） ............................................. 24 4.6.2. 排出係数（単位面積当たりの炭素蓄積量）.......................................... 24 4.7. 事前設定値の設定方法 ................................................................................. 25 4.8. リファレンス排出量の算定根拠................................................................... 26 4.8.1. リファレンスエリアの設定根拠 ............................................................ 26 4.8.2. リファレンス期間 .................................................................................. 29 4.8.3. 参照データ............................................................................................. 30 4.9. リファレンス排出量の算定方法................................................................... 32 4.9.1. 既存統計データ（林業省提供データ）を用いた算定方法.................... 33 4.9.2. 事業者独自の衛星画像データを用いた算定方法 .................................. 34 4.9.3. リファレンス排出量の算定結果 ............................................................ 38 4.10. プロジェクト排出量の算定根拠 ............................................................... 43 i 4.11. プロジェクト排出量の算定方法 ............................................................... 44 4.11.1. 一次林と二次林の定義 ....................................................................... 45 4.11.2. 使用した衛星データ........................................................................... 45 4.11.3. 分析方法 ............................................................................................. 46 4.11.4. 結果 .................................................................................................... 52 4.11.5. 今後の課題 ......................................................................................... 54 4.12. モニタリング手法 ..................................................................................... 55 4.12.1. 土地被覆調査...................................................................................... 56 4.12.2. 森林コドラート調査........................................................................... 59 4.12.3. 今後の課題 ......................................................................................... 64 4.13. プロジェクト対象地内外の GHG 排出量及びプロジェクト維持による GHG 排出削減量.................................................................................................... 65 5. JCM PDD 作成に係る調査結果 ......................................................................... 66 5.1. プロジェクト実施体制及びプロジェクト参加者 ......................................... 66 5.2. プロジェクト開始時期及び実施期間 ........................................................... 66 5.3. 方法論適格性要件との整合性確保 ............................................................... 66 5.4. プロジェクト排出源とモニタリングポイント............................................. 67 5.5. モニタリング計画......................................................................................... 69 5.5.1. 活動量（土地被覆区分ごとの面積変化量）.......................................... 69 5.5.2. 排出係数（単位面積当たりの炭素蓄積量）.......................................... 69 5.6. 環境影響評価 ................................................................................................ 69 5.6.1. 環境影響評価の法的根拠 ....................................................................... 69 5.6.2. セーフガードのガイドライン例 ............................................................ 70 5.6.3. 本プロジェクトで必要な検討項目 ........................................................ 71 5.7. 利害関係者のコメント ................................................................................. 71 5.7.1. 主要なステークホルダー ....................................................................... 71 5.7.2. 主要なステークホルダーの役割とコメント等 ...................................... 72 6. プロジェクト実現化に係る調査結果 .................................................................. 75 6.1. プロジェクト開発状況 ................................................................................. 75 6.2. 資金計画 ....................................................................................................... 75 6.3. MRV 体制 ..................................................................................................... 76 6.4. プロジェクトの許認可 ................................................................................. 76 6.5. 日本製技術の導入......................................................................................... 77 6.5.1. リモートセンシング技術の活用 ............................................................ 77 6.5.2. IT 端末の活用 ........................................................................................ 77 6.5.3. ビッグデータソリューションの活用..................................................... 77 6.6. ホスト国への貢献......................................................................................... 78 6.6.1. リモートセンシング技術の活用 ............................................................ 78 6.6.2. IT 端末の活用 ........................................................................................ 79 6.7. 環境十全性の確保......................................................................................... 81 ii 6.7.1. インドネシアにおける環境十全性に関わる概況 .................................. 81 6.7.2. 生物多様性の定量評価........................................................................... 82 6.7.3. ホスト国の持続可能な開発への寄与..................................................... 84 6.8. その他の間接影響......................................................................................... 84 6.9. 今後の見込み及び課題 ................................................................................. 85 6.9.1. 調査課題：............................................................................................. 86 6.9.2. 調査内容：............................................................................................. 86 iii 1. 調査の背景（ホスト国の JCM に対する考え方） 1.1. インドネシアにおける気候変動政策 インドネシア政府は、気候変動関連分野で積極的に取り組む姿勢を示している。同国 における主な気候変動政策の一覧を表 1-1 に示す。 インドネシア政府は、1994 年に国連気候変動枠組条約に批准し、2004 年 12 月に京都 議定書に批准した。その後、2009 年 9 月には、ピッツバーグで開催された G20 サミットに おいて具体的な削減目標を発表した。これにより、同国は、2020 年までに BAU 比で 26％削減し、さらに国際的な支援を受けて 41％削減するとした GHG 排出削減目標を公 表した。同年末、デンマークのコペンハーゲンで開催された第 15 回気候変動枠組条約 締約国会議（COP15）では、ユドヨノ大統領が当該 GHG 排出削減目標を発表し、翌年 1 月に文書で条約事務局へ正式に提出した。 インドネシアでは、この 2020 年時点における GHG 排出削減目標がその後の行動計画 等の起点となっており、最も重要な政策の一つとなっている。 表 1-1 インドネシアの主な気候変動政策 年次 概要 1994 年 08 月 国連気候変動枠組条約批准(署名:1992 年、 発効:1994 年) 2004 年 12 月 京都議定書批准(署名:1998 年、発効 2005 年) 2009 年 09 月 G20 ピッツバーグ・サミットにてインドネシア大統領 が GHG 排出削減目標を公表（自国による取り組みとし て 2020 年までに BAU 比 26％削減。さらに国際的な支 援を受けて 41％削減） 2009 年 12 月 COP15 にてインドネシア大統領が GHG 排出削減目標 を公表 2010 年 01 月 コペンハーゲン合意に基づき、インドネシア NAMAs に関する文書を UNFCCC 事務局へ提出 2012 年 12 月 国家行動計画(RAN-GRK)を策定 2013 年 8 月 26 日 日本－インドネシア政府間で JCM（二国間オフセッ ト・クレジット制度）に係る二国間文書に合意 2013 年 10 月 16-17 日 日本－インドネシア合同委員会（第 1 回）の開催 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」等の各種情報より作成 国家気候変動協議会（National Council for Climate Change; DNPI）の将来の GHG 排 出量に関するシミュレーション結果を図 1-1 に示す。これによれば、インドネシアの GHG 排出量は BAU シナリオで、2005 年の 20.6 億 tCO2e から、2020 年に 25.3 億 tCO2e、2030 年に 32.6 億 tCO2e になると予測されている。 土地利用・土地利用変化及び森林（LULUCF）及び泥炭における排出量が主要な排 1 出源となっている。時間の経過とともに、LULUCF は 37.5%、35.2%、29.8%、泥炭は 37.5%、35.2%、29.8%と排出量全体に占める割合は減少するが、2030 年時点においても、 GHG 排出量全体の半分以上を占めると予想されている。 インドネシアにおける LULUCF・泥炭からの排出量は、発電及び交通分野の排出量と並んで、将来にわたり排 出削減対策が必要な重要な排出源と認識されている。 図 1-1 インドネシアの GHG 排出量の見通し（2005～2030 年） 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」 また、インドネシアにおける 2030 年までに 23 億 tCO2e を削減するためのポテンシャル を分析した結果を図 1-2 に示す。この分析結果によれば、限界削減費用が 0～数米ドル /tCO2e という、比較的低コストのレベルの対策として、REDD+及び LULUCF 関連分野で の対策が挙げられている。削減ポテンシャルのうち 75％以上は LULUCF・泥炭の取り組 みによるものとされており、インドネシア特有の状況が表れている。 一般に、プランテーション活動は REDD+の活動としては不適切として除外される場合 もあるが、木材プランテーションによる対策も排出削減ポテンシャルとしてカウントされて おり、興味深い特徴となっている。 2 図 1-2 インドネシアにおける GHG 排出削減ポテンシャル分析 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」 1.2. インドネシア政府における JCM に対する考え方 インドネシア政府は、前述のとおり、2020 年までに BAU 比で 26％削減し、さらに国際 的な支援を受けて 41％削減するという GHG 排出削減目標を公表している。このコンセプ トを示したのが図 1-3 である。 将来の排出シナリオに基づく排出量（BAU 排出量）に対して、自国の削減努力分とし て BAU 排出量比 26%を削減し、さらに、国際的な支援を受けつつ、BAU 排出量比 15% を追加削減し、合計で 41%の削減を達成することを示している。 JCM で創出されるオフセットクレジットの取り扱いに関しては、正式にはまだ何も決定さ れていないが、制度の趣旨、NAMA クレジットの考え方、関係者へのヒアリング結果等々 を総合的に勘案すると、国際的な支援の下で BAU 排出量比 15%を追加で削減した場合 のクレジット（資金的支援を受けた NAMA）として認められる可能性が高いとの考え方が 主流となっている。 3 図 1-3 インドネシアの排出削減目標の考え方 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」 インドネシアにおける JCM の検討状況については、2013 年 8 月 26 日に日本－インド ネシアの両政府間において JCM に関する二国間合意文書が締結された。さらに、2013 年 10 月には、二国間合意後初となる合同委員会が開催され、運用ルール及びガイドライ ンが採択された。現地ヒアリングの調査結果によれば、インドネシア政府側から、一部、継 続協議が必要な点が指摘されたが、概ねこれまでのモンゴル等の国々で採択された内 容、文書等で合意する見通しが示された。 一方、JCM における REDD+の取り扱いについては「（インドネシア政府側の期待は大 きいものの）JCM の運用に関する検討は、エネルギー起源 CO2 関連案件が先行して検 討されており、REDD+関連案件は相対的に遅れてスタートする可能性が高い」との見方 が主流であり、現時点で具体的な開始時期等についてはまだ不透明な状況となってい た。 4 2. 調査対象プロジェクト 2.1. プロジェクトの概要 本プロジェクトは、森林保全活動を通じた CO2 排出削減を達成することを目的とした取 り組みである。プロジェクト対象エリア周辺の森林の多くでは、既に商業伐採用コンセッシ ョン（伐採権）が発行されており、今回のプロジェクト対象地もこうした周辺部からの伐採圧 力を強く受けている。そこで、伐採の対象となっている自然価値の高い森林を保護するこ とによって、炭素排出量の削減を目指す。 本調査では、こうしたプロジェクトエリアの周辺部において、どのような伐採圧力の脅威 が存在するかを調査するとともに、森林減少抑制に資する有効な対策について検討を進 める予定にしている。 プロジェクト対象地は図 2-1 に示すとおり。インドネシア東カリマンタン州にある天然林 （約 8 万 6000ha）で REDD+活動を展開する（図 2-1 右図の彩色部分）。ここでは生態系 回復事業権（ERC；Ecosystem Restoration Concession）を取得済みで、伐採が禁じられた 天然林を保全しつつ、保護した約 800 頭のオランウータンを森へ還すための事業の運営 管理を行う。なお、オランウータンのリリース事業はすでに開始されている。 図 2-1 プロジェクトの対象エリアの概要 5 2.2. 企画立案の背景 多くの途上国では、森林減少及び劣化が温室効果ガス（GHG）の主たる排出源の一つ となっている。図 2-2 に示すとおり、当該プロジェクト対象地が属するカリマンタン島にお ける森林減少率は高いとされる。このため、森林減少及び劣化を抑制して GHG 排出量を 減少させつつ、同時に現地地域社会の持続可能な発展に貢献することは、気候変動問 題における重要な課題であると認識されている。 図 2-2 カリマンタン島における森林減少の進展 現在、インドネシア、ベトナム等の主要途上国では、国際連合、開発銀行（世界銀行 等）、主要先進国等から種々の支援を受けながら、森林減少及び劣化の抑制に由来する GHG排出量の減少（REDD: Reduced Emissions from Deforestation and forest Degradation） の取り組みが進められている。 REDD+の取り組みの重要な要素の一つに、森林バイオマス量の定量評価がある。こ のプロセスでは、プロジェクト対象地におけるリファレンス排出量（＝過去のトレンドから推 計される将来の見込み排出量）と、プロジェクト排出量（＝プロジェクト実施後に推計され る実排出量）を特定することが求められる。すでに、こうした定量評価を行うための MRV 方法論が数多く開発または提案されており、通常、リモートセンシングによる衛星画像の 解析により算定される（土地被覆区分ごとの）面積変化量と、現地サンプリング調査等によ り特定される（土地被覆区分ごとの）排出係数（＝単位面積当たりの炭素蓄積量）の分析 結果を組み合わせて計算されることになっている。 一般に、REDD+の MRV 方法論では、森林バイオマス量の解析結果の精度が問題と なることが多い。これは、リモートセンシングによる画像データ（中解像度（30m 級分解能） の画像利用が中心）を使った解析の分類精度に不確実性が残るためとされる。さらに、排 出係数についても、サンプリング数の不足による数値の信頼性が疑問視されることが多 い。このため、精度高く森林バイオマス量を特定するには、衛星画像解析結果の検証・サ ンプリング作業への多大なリソース投入が必要となり、REDD+事業のモニタリングコストは 高くなる傾向にあり、モニタリングに係る費用効率を改善することが共通の課題となって いる。 6 本調査では、こうした REDD+事業のモニタリングに係る共通の課題を克服するため、 情報通信技術（ICT）を最大限に有効活用して、高精度の解析結果が得られる MRV 方法 論を検討する。具体的には、高分解能の衛星画像を用いて、テクスチャ解析等の手法を 適用すること等により、土地被覆区分ごとの面積変化量をより高精度で求めるための解析 手法を検討する。さらに、携帯型の通信端末（タブレット型 PC 等）を活用することにより、 現地サンプリングデータの収集等の効率化を支援したり、統合データベースを構築したり することで収集データを効率的に管理するための仕組みづくりについても検討する。 当該調査の提案者である三菱総合研究所は、これまでに多数の REDD+関連の実現 可能性調査（FS）の経験を有しており、ICT 関連の知見と、プロジェクトサイトにおける現 地ネットワークを有する NEC 及び NEC フィールディングらと協力して当該 FS 事業を実施 することに至った。 当該プロジェクトを実施する理由としては、以下のとおり、主に 3 つの点が考えられる。 （1） REDD+事業のモニタリングコストの低減に貢献 一般に、現在、検討または運用されている REDD+事業における従来型の MRV 方法 論では、衛星画像解析精度の検証や、排出係数の特定に必要となる現地調査等に多大 なコストがかかり、事業効率が低減してしまう傾向が高いとの指摘がある。高精度の画像 解析手法の開発/適用を通じて、現地調査の負荷を低減しつつ、精度の高い解析結果を 得られれば、REDD+事業の効率的な運用に貢献することができる。 現在、ホスト国のインドネシアでは、サブナショナルレベルの温室効果ガス排出削減計 画（RAD-GRK）が策定され、州ごとの REL（排出参照レベル）の策定のための検討が進 められている。当該 MRV 方法論は、こうした州政府の検討に対しても算定精度の向上に 貢献することができると考えられる。 （2） REDD+プロジェクトを通じた生物多様性保全の実現 当該 FS 事業のサブテーマとして、現地カウンターパートである Borneo Orangutan Survival Foundation （BOS 財団）が実践するオランウータンの保護活動を ICT 活用によ って効率化することを検討している。オランウータンを保護するための事業活動の環境を 整備するための一手段として、原生林を保全する活動を REDD+として認定し、クレジット の供給等を通じて、より安定的な運用が実現できるように支援する。 （3） 市場メカニズム等の他のインセンティブ施策との連携可能性の検討 一般に、森林保全由来のクレジットは、他のエネルギー削減由来のそれよりも市場価 格が高いと評価されている。気候変動の緩和策、生物多様性保全の両方を主目的に掲 げた本プロジェクトで創出されるオフセットクレジットの価値を最大限に有効活用するため の方策を検討する。このとき、現地インドネシア特有のオランウータンの保全活動に対す る社会的ニーズの価値にも着目して検討する方針とする。 7 2.3. ホスト国における状況 JCM の二国間合意を含め、インドネシア政府において気候変動関連では様々な検討 が進められている。以下では、REDD+関連の検討状況に焦点を当てて、中央政府と地 方政府（今回の調査対象地である東カリマンタン州政府）とそれぞれにおける最新の政 策動向を整理する。 2.3.1. 中央政府における REDD+に関連する検討状況 （1） インドネシア政府全体の実施体制 インドネシアにおける気候変動政策は、図 2-3 に示すとおり、大統領の下で 34 の省庁 が連携して検討を進めている。気候変動政策を所管する主要官庁は、環境省、エネルギ ー鉱物資源省、財務省、農業省、森林省、運輸省、公共事業省、開発企画庁等とされる。 とりわけ、開発企画庁（BAPPENAS）は、省庁間の調整、開発計画の策定等を担当し、気 候変動に関する国家目標の部門別政策への転換・監視・評価を担当している。また、国 家気候変動協議会(National Council on Climate Change; DNPI)は省庁間の政策調整を 担当している。日本－インドネシア政府間における二国間オフセットクレジット制度（JCM） についても、DNPI が日本政府のカウンターパートとなって検討・交渉等が実施されてい る。 さらに、別途、詳述するが、REDD+関連の制度設計等に関する検討については、 UKP4 が所管する REDD+タスクフォースが設置され、ここが MRV 方法論、資金メカニズ ム、ガバナンス等のテーマを検討することになっている。REDD+タスクフォースは、2013 年に正式にその活動を終了し、2014 年 1 月現在、REDD+移行チームとなって REDD+ 庁への移行に向けた準備作業を展開している。 8 図 2-3 インドネシア政府全体の REDD+実施体制 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」 （2） 主な REDD+関連政策 インドネシアでは、REDD+における削減対策は、削減ポテンシャルが高く、対策 が比較的抑えられると考えられている。ノルウェーをはじめとする先進国や、国連 （UN-REDD） 、世界銀行等の国際的な支援を受けながら、積極的に排出削減に向 取り組みを進めている。関連政策を 9 表 2-1 に示す。 10 年次 2009 年 5 月 2009 年 10 月 2010 年 5 月 2010 年 9 月 2011 年 5 月 2011 年 6 月 2011 年 6 月 2012 年 12 月 2013 年 9 月 表 2-1 インドネシアの主な REDD+関連政策 概要 世界銀行の森林炭素パートナーシップ基金(Forest Carbon Partnership Facility, FCPF) へ 準 備 提 案 書 (Readiness Preparation Proposals/ R-PP)を提出 インドネシア UN-REDD 国家共同プログラム開始 インドネシア・ノルウェーREDD+パートナーシップに関する意 思確認書(Letter of Intent/ LoI)へ署名 大統領開発管理調整ワーキングユニット(UKP4)が大統領令 (No.19)を受けて発足 大統領令(No.19)により、REDD＋タスクフォース設置 大統領がモラトリアム(新規森林コンセッション発給停止)に署名 森林炭素パートナーシップ基金準備提案評価書を踏まえ支援金 が承認される 国家 REDD+戦略策定予定 国家行動計画(RAN-GRK)を策定 大統領が REDD+庁の設置を承認 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」等の各種情報より作成 （3） RAN-GRK 温室効果ガス排出削減国家計画（RAN-GRK）は、インドネシアの GHG 排出削減目標 （自国による取り組みとして 2020 年までに BAU 比 26％削減。さらに国際的な支援を受け て 41％削減）を達成することを目的として、エネルギー、廃棄物、土地利用等の部門別の 具体的な排出削減対策を取りまとめた行動計画である。 実施プログラムは 70 からなり、下記の原則・基準に基づいて優先づけられる（表 2-2）。 また、それぞれのプログラムの進捗状況をモニタリングするためのガイドラインも策定され ており、今後も継続的に更新されていることになっている。 表 2-2 RAN-GRK の主な原則と優先基準 【主な原則】 緩和行動は経済成長を妨げず、公共の福祉(特に、エネルギー弾力性や食料安 全保障)を優先する。 持続可能な開発の枠組みにおいて、環境保全を含め、貧しく脆弱なコミュニ ティの保護を支援する。 【プログラムの優先基準】 直接排出削減につながり、測定・報告・検証可能である。 低コストで開発優先事項と一致する。 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」 11 2011 年末までに 33 州は、RAN-GRK の下で、地域の実情にあった緩和行動をとりまと めることになっ ていた。これは「温室効果ガス排出削減の地方（州別）行動計画 （RAD-GRK）」と呼ばれ、国レベルと州レベルとの間で政策調整を行い、国家目標の達 成に向けて整合性を確保するように配慮されている。最終的には、2012 年中に取りまと められたとされている。図 2-4 にインドネシアにおける GHG 排出削減行動計画の考え方 を示す。 また、その翌年の 2013 年の 10 月には、RAD-GRK の改定版の提出締切りだったが、 提出されたのは 9 州のみだった。RAD-GRK のモニタリング報告書は、関連予算の執行 状況をモニタリングするだけとなっており、予算執行（苗の購入等）の状況の確認はでき ても、その成果（苗が実際に植えられ、育てられているか）までは把握できていない。この 点は、RAN-GRK 事務局（BAPPENAS 所管）でも、今後の改善すべき課題と認識してい る。 図 2-4 インドネシアにおける GHG 排出削減行動計画の考え方 （国家レベル/州レベルでの連携） 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」 （4） ノルウェー政府による REDD+パートナーシップ 2010 年 5 月、インドネシア及びノルウェーの両政府は、表 2-3 に示す「REDD+パート ナーシップに関する意思確認書(Letter of Intent/ LoI)」に署名した。これにより、ノルウェ ー政府は、インドネシア政府に対して、森林減少・劣化及び泥炭地から排出される最大 10 億 US ドルを支援することが決まった。REDD+の活動を推進していくための国家戦略 の策定、測定・報告・検証等を担当する機関、パイロット州の取り組み支援、資金調達手 法の確立を支援することになっている。現時点では、インドネシアにおける REDD+政策 12 における具体的な支援施策として、大きな影響力を有している。 表 2-3 REDD+パートナーシップに関する意思確認書の内容 【負託事項(Mandate)】 国家 REDD+庁(National REDD+ Agency)設立準備 国家 REDD+戦略および国家 GHG 排出緩和行動計画の開発 資金調達手段の確保 独立した MRV システムの設置 パイロット州(pilot provinces)におけるプロジェクト実施の選定基準や戦略の策定 意思確認書(LoI)に準拠したその他の実施事項に関する準備および履行 【権限(Authority)】 関係省庁・関係政府機関・地方政府によるフォローアップの調整 戦略・政策・優先事項の策定、および履行状況の監視 法規制に応じた国際的な援助（資金やその他の支援も含めて）の受領・管理・使 用・調整 意思確認書(LoI)を履行するために第三者機関との協力関係を構築（コンサルタ ントや金融機関の任命を含む） 意思確認書(LoI)に準拠した省庁・政府機関・地方政府・その他の関係団体の情 報および技術的な支援の取得 【任期】 2010 年 12 月 31 日～2011 年 6 月 30 日 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」 （5） REDD+タスクフォースの設置と REDD 庁発足へ向けた準備活動 2010 年 9 月、前項のノルウェー政府の支援を受けながら、REDD+の取り組みを推進し ていくための組織として、REDD+タスクフォースが設置された。この REDD+タスクフォー スは、大統領令(No.19)を受けて発足した大統領開発管理調整ワーキングユニット (UKP4)のもとで設置された。図 2-5 に REDD+タスクフォースの組織概要を示す。 参加メンバーは、関連省庁や政府機関の高官で構成されており、各メンバーは 4～7 名の作業グループに分かれて活動し、UKP4 のスタッフが運営支援を行っている。タスク フォースの活動については、タスクフォースリーダー(UKP4 のリーダーを兼務)が、大統 領に直接報告を行うことになっている。 この REDD+タスクフォースは、2013 年秋に解消され、REDD 庁発足に向けての準備 作業を行うための移行チームとして、その活動が引き継がれている。 また、2013 年 9 月には、大統領が REDD+庁設置を承認した。当初は 2013 年末までに、 その組織体制も含め、REDD+庁が正式に発足すると予想されていた。しかしながら、 13 2014 年 1 月現在、REDD+庁はまだ発足しておらず、REDD+庁の長官を含む、組織体制 の検討が続いている。 図 2-5 REDD+タスクフォースの組織概要 出典：環境省（2013 年） 「新メカニズム情報プラットフォーム」 2014 年以降の主な動向としては、REDD+庁が正式に発足した後、REDD+のための基 金（FREDDI）による活動が本格化することが予想されている。例えば、今後、ノルウェー 政府からの資金を活用し、REDD+のプロジェクトファンディングを実施したり、クレジット 等の買取制度を展開したりすることが検討されている。 インドネシア政府との間で、JCM に関する交渉を進めていくためには、REDD+の議論 については、REDD+庁がどのような力を発揮していくかを注視していく必要がある。 2.3.2. 東カリマンタン州での検討状況 東カリマンタン州政府の気候変動政策は、州の DDPI（気候変動協議会）がその検討の 責務を負っている。DDPI が発行している気候変動緩和関連での重要な文書としては、 次の 4 つが挙げられる。 1) Low Carbon Growth Strategy (Sub-national) 2) RAD-GRK 3) SRAP (Strategy for REDD in KalTimur) 4) Green Kaltin 14 さらに、REDD+に関連する取り組みとしては、州独自の取り組みに加えて、GIZ、 WWF、ICRAF、TNC 等の国際的な支援機関による活動がある。具体的には、持続可能 な森林資源管理を実現するための森林モニタリング等の支援事業が実施されている。こ うした活動を通じて、今後、様々な排出係数データが収集される見込みとなっており、中 央政府の林業省からのデータを随時アップデートしていくことが期待されている。 当該FS事業においても、こうした既存の関連事業とも連携し、可能な限り、情報交換等 を行いつつ、東カリマンタン州政府の REDD+の準備活動を支援していくことが双方にと ってメリットが大きいと考えられる。 2.4. プロジェクトの普及 インドネシア政府は、気候変動関連分野の対策として、REDD+関連の取り組みを重視 している。前述のとおり、REDD+関連の取り組みには、ノルウェー政府等の国際的な資 金支援も存在することから、今後、具体的な取り組みが進展していく可能性が高い。 JCM においても、REDD+関連の方法論が整備され、具体的なプロジェクトが承認され れば、進展していく可能性はある。特に、次の観点から、普及していく可能性が高いと考 えられる。 森林減少抑制を対象とした、より一般的な方法論であり、その適用範囲が広く、他 地域でも同様に活用することができる。 排出係数のデフォルトデータ（政府等による公認データ）の活用を認めており、他 地域でも、現地サンプリング調査の負荷を低減することができる。 リモートセンシングデータによる解析を最大限に有効活用することにより、アクセス の困難な地域でも、炭素蓄積量の定量評価を高精度に実施することができる。 15 3. 調査の方法 3.1. 調査実施体制 本調査の実施体制図及び役割分担を図 3-1 及び表 3-1 に示す。株式会社三菱総合 研究所が中心となり、本調査の主要検討課題であるハイエンド型の MRV 方法論の構築 （含：画像データ解析業務等）を検討する。日本電気株式会社は、プロジェクトの運営方 針及び事業性評価の検討と、衛星/通信技術関連の分析を担当する。さらに、ＮＥＣフィ ールディングは、プロジェクトの運営方針の検討と、現地調査の統括を担当する。2012 年 4 月以降、「オランウータンが棲む森づくりプロジェクト」を通じて、BOS 財団の取り組みを 支援している（参照：参考資料３）。2ESolutions は、マレーシアに拠点を置くコンサルティ ング会社であり、現地調査、情報収集の活動を担当する。 現地カウンターパートである BOS 財団は、現地フィールド調査（検証用データ、政策情 報の収集等）を担当する。BOS 財団は、オランウータンの保護活動や森林保全活動につ いて豊富な実績を有しており、現地関係者（中央政府、東カリマンタン州政府等）との幅 広いネットワークを有している。BOS財団から、FS提案段階ですでに当該FS事業への参 加に関する意志表明（MOU：覚書）を受領しており、本調査の開始直後から、現地側の積 極的な協力が得ることができている。 表 3-1 当該 FS 事業の実施体制と役割分担 組織名 役割 株式会社三菱総合研究所（MRI） 方法論策定、解析業務、全体取りまとめ 等 日本電気株式会社（NEC） 運営企画、技術分析（衛星/通信技術関 連）等 NEC フ ィ ー ル デ ィ ン グ 株 式 会 社 運営企画、現地調査等 （NEC-F） Ecological Economic Solutions Sdn 現地調査、情報収集等 Bhd (2ESolutions) The Borneo Orangutan Survival 現地フィールド調査、情報収集等 Foundation （BOS 財団） 16 図 3-1 当該 FS 事業の実施体制 3.2. 調査課題 当該プロジェクトにおいては、高精度の MRV 方法論を構築することを主眼に据え、イ ンドネシア・東カリマンタン州での REDD+プロジェクトを実現するための検討を行った。 以下のとおり、主な調査課題を示す。 （1） MRV 方法論（衛星画像解析、現地サンプリング調査を含む）の構築にかかる検討 高解像度（Worldview2 等）の衛星画像データを利用して、テクスチャ解析等を適用し た解析を実施するために、当該エリアの土地被覆に適した区分を設定し、階層化を行う 必要がある。今回の調査では、現地の土地被覆区分の分布状況も勘案し、一次林及び 二次林の判別をより正確に行うための方法論を開発する方針とした。現地サンプリング調 査の結果を参照しつつ、森林における密度分布の階層化を検討した。 プロジェクトエリアはかなり奥地の山間地域に存在する森林地域であり、急峻な地形が 存在している。こうした地形では、森林の密度分布を分析する際に、衛星画像の補正処 理をうまく実施する必要があるため、その点にも配慮が必要であった。 （2） 現地サンプリング調査によるデータ収集（BOS 財団との連携） 現地カウンターパートである BOS 財団からは、現地サンプリング調査の実施について 支援を得られることが合意できている。BOS 財団による現地サンプリング調査の結果を取 りまとめ、衛星画像解析の検証データ、主な土地被覆区分ごとの排出係数データ等とし て活用できるように検討を取りまとめた。 17 （3） 既存データの精査及び活用（州政府との連携） 前述の現地サンプリング調査結果の活用とも関連するが、主な土地被覆区分ごとの面 積変化及び排出係数データ等については、デフォルトデータの活用も視野に入れて検 討を行った。具体的には、中央政府（林業省）及び東カリマンタン州政府が保有する関連 データがあれば、その活用を認める方向で検討する方針とした。 すでに、現地調査（第 1 回：2013 年8 月実施）を通じて、東カリマンタン州政府が作成し た RAD-GRK（第 1 版＝インドネシア語）を入手済みである。現地サンプリング調査でも、 土地被覆区分をこの RAD-GRK に一致させて実施する等、州政府の取り組みとも整合性 を確保できるように配慮した。 （4） 現地セミナー等を通じた普及啓発 現地カウンターパートである BOS 財団側から、当該 FS 事業の最終成果報告として現 地セミナー開催の要請があった。普及啓発、現地ネットワーク強化の観点からも有意義で あることから、東カリマンタン州のサマリンダで開催した。 現地セミナーの開催を通じて、東カリマンタン州政府の関係者及び同州における様々 な支援事業で活動を展開する国際機関（支援機関、NGO 等）とも情報交換等を行い、相 互理解を醸成するよい機会となった。 3.3. 調査内容 上記の調査課題を克服するため、以下のとおりの方針で調査を実施した。 （1） MRV 方法論の構築にかかる検討 高解像度の衛星画像データを利用したテクスチャ解析の具体的な解析手法について 検討するとともに、プロジェクトエリアでの急峻な地形を考慮して、これを補正するための 手段についても検討した。 具体的には、今年度のリファレンス排出量の算定には、Landsat 及びASTER のリモート センシングデータを活用して解析する方針とした。さらに、プロジェクト排出量の算定には、 これらのデータに加えて、Landsat 及び PRISM のリモートセンシングデータを活用して解 析する方針とした。 （2） 現地サンプリング調査によるデータ収集及び既存データの活用方策の検討 BOS 財団による現地サンプリング調査は 2013 年 10 月上旬～12 月中旬頃にかけて実 施した。ここで得られたデータをもとに、リファレンス排出量及びプロジェクト排出量の解 析作業を実施した。 （3） 現地セミナー等を通じた普及啓発 現地調査（第 3 回：2014 年 2 月実施）では、現地セミナーの開催を通じて当該 FS 事業 の最終成果物を現地関係者に発表した。この現地セミナーでは、当該 FS 事業の関係者 18 だけでなく、プロジェクト対象地である東カリマンタン州の政府関係者や、同州で支援事 業等を展開する支援機関の関係者（GIZ、WWF、ICRAF、TNC 等）にも参加してもらった。 当該 FS 事業の検討成果や今後の作業計画等に対して意見をもらうとともに、既存事業と の連携可能性等について議論した。 19 4. JCM 方法論に関する調査結果 4.1. JCM 方法論の概要 当該 FS 事業における方法論の検討については、REDD+の活動の実施を通じて達成 された削減量を定量的に評価するためのハイエンド型方法論を検討することに主眼をお いた。 このとき、次の既存 VCS 方法論を参照し、ハイエンド型の MRV 方法論の開発につい て検討した。いずれの VCS 方法論も、天然林保全の活動を包含しており、当該 FS 事業 の REDD+関連活動にも適用することが可能となっている。 【参照方法論】 VCM0010 “Methodology for Improved Forest Management: Conversion from Logged to Protected Forest, v1.2” VCM0007 “REDD Methodology Modules v1.3” 上記 2 つの方法論を参照しつつ、基本的な要素を組み立て、それに追加する形でハ イエンド型の MRV 方法論に必要な要素を検討した。 主要な検討項目は次のとおり。 （土地被覆/森林）階層区分の設定方法 衛星画像のスペック（高分解能データ等） 解析手法（テクスチャ分析等） 現地調査の前提条件（検証データの収集等、ミニマムスペックの要求事項） 等 JCM 方法論の策定ガイドラインに準拠して、表 4-1 の項目に沿って検討を行った。 表 4-1 当該 FS において検討した方法論の項目 Ａ．方法論タイトル Ｂ．用語の定義 Ｃ．方法論概要 Ｄ．適格性要件 Ｅ．GHG 排出源及び GHG 種類 Ｆ．リファレンス排出量の設定と算定 Ｇ．プロジェクト排出量の算定 Ｈ．排出削減量の算定 Ｉ．事前に確定したデータ及びパラメータ 方法論のタイトルは「森林保全活動の促進による森林減少及び劣化に伴う排出量の削 減」とし、各構成要素について検討を行った。以下ではその検討結果を整理する。 20 4.1.1. 衛星画像解析手法の検討 土地被覆区分ごとの面積変化解析には、ハイエンド型の衛星画像データの使用を検 討している。高分解能の衛星画像データを一部入手し、スペックや解析手法（テクスチャ 分析等）について検討した。 REDD 事業で森林バイオマス量の推定を実施する際、衛星データのスペクトル情報を 用いた分類を行うことが一般的であるが、本調査では高分解能の衛星画像データ等を活 用した追加的な解析データ（テクスチャ解析等）とスペクトルデータとのデータフュージョ ンを行い、さらにマシーンラーニングの手法を適用することで、土地被覆区分の分類精 度、面積変化データの算定精度を向上させる方針とした。 同時に、分類精度、算定精度が向上することによる現地サンプリング調査（含：検証デ ータの収集）のコスト削減の可能性についても検討した。 具体的な衛星データとしては、次のオプションから適切なものを組み合わせて解析す る方針とした。 スペクトル解析 （Landsat TM, ASTER, ALOS AVNIR2 等） テクスチャ解析 （ALOS PRISM, PALSAR 等） 検討の結果、本調査事業では、Rapid Eye, Landsat TM, PRIZM, ASTER の各データを 中心に解析を実施することとした。 さらに、中分解能/高分解能データの両方について、スペクトル解析及びテクスチャ解 析を組み合わせた分析を実施し、各々で得られた成果のメリット・デメリットを明確にした 上で、適切な MRV 方法論を検討する。その解析のコンセプトを図 4-1 に示す。 図 4-1 スペクトル解析及びテクスチャ解析を組み合わせた分析手法 21 4.1.2. 排出係数の設定 MRV 方法論を適用する場合の（土地被覆/森林）階層区分を東カリマンタン州政府が 発行した RAD-GRK に基づいて設定した。さらに、この階層区分ごとの排出係数は、 RAD-GRK に記載されている土地被覆ごとの排出係数デフォルト値を用いて設定した。 これにより、州政府レベル（サブナショナルレベル）での REDD+関連データ（例：REL 設 定等）と整合性を確保することができている。 4.1.3. 現地サンプリング調査の手法の検討 衛星画像解析の検証データの取得や、土地被覆区分ごとの排出係数（単位面積当た りの炭素蓄積量データ）の把握のための現地サンプリング調査の手法について検討し、 これをもとに実際の現地調査を実施した。 4.2. 用語の定義 方法論で活用する主な用語について、以下のとおり、定義を整理した。いずれの項目 についても、既存文献等を参照し、その内容を表 4-2 のように定義した。 表 4-2 用語の定義 項目 森林 プロジェクトエリア リファレンスエリア リファレンス期間 炭素蓄積量 内容 国連気候変動枠組み条約・京都議定書の下で、各国が自国 の森林を樹冠率（%）、最小森林面積（ha）、最低樹高（m） の閾値を使って定義している。 【インドネシアの森林の定義】 ・最低樹冠率 30% ・最小森林面積 0.25 ha ・最低樹高 5m. 森林減少の脅威にさらされており、プロジェクト実施者が プロジェクト活動を実施する予定をしている土地のこと をいう。 プロジェクトエリアの将来の森林炭素減少率を把握する ために参照する、プロジェクトエリアと類似した特性を持 つ地域のことをいう。 リファレンスエリアでの過去の森林炭素減少率を推定す るために参照する期間のことをいう。 炭素プールに蓄積されている、tCO2 で測定される炭素の 量のことをいう。 22 4.3. 適格性要件 当該方法論の適格性要件を検討し、表 4-3 のとおり、その結果を取りまとめた。現地調 査、文献調査等により、収集した関連情報をもとに分析を行い、プロジェクトの適格性を 判断するための条件として適切な設定となるように検討した。 表 4-3 当該方法論の適格性要件 項目 内容 条件１： 活動の対象とする森林が、ホスト国における森林の定義に REDD+のスコープ、 合致し、対象とする森林保全活動等が、同国における 定義 REDD+のスコープに準拠していることを確実にするこ と。 ＜インドネシアにおける森林の定義＞ 樹冠率：30％、最低樹高：５ｍ、最低森林面積：0.25ha ＜REDD+のスコープ（例）＞ （1） 森林減少からの排出の削減 （2） 森林劣化からの排出の削減 （3） 森林炭素蓄積の保全 （4） 持続可能な森林経営 （5） 森林炭素蓄積の強化 条件２： プロジェクト対象地において、土地の管理権限（コンセッ プロジェクト対象地 ション）を保有していること。 における管理権限の 保有 条件３： 衛星画像データの解像度、解析手法等について以下のスペ 衛星画像及び解析手 ックを満たしていること。 法のスペック プロジェクト実施期間の最新年における高解像度の リモートセンシングデータ（5m 解像度かそれ以上： ALOS、PRISM 等） 条件４： REDD+の活動を通じて、生物多様性の配慮等を含むセー セーフガードへの配 フガードを実施すること。ホスト国におけるセーフガード 慮 の活動に関する規定等がある場合は、それに準拠するもの とする。 当該プロジェクトにおいて、条件１～４について、すべて合致する見通しである。特に、 条件２のコンセッションについては、すでに現地カウンターパートである BOS 財団が「生 態系回復コンセッション（ERC：Ecosystem Restoration Concession）」を取得しており、オラ ンウータンの保護活動を実践しつつ、森林保全のための活動を展開できる状況となって いる。 また、衛星画像データの必要なスペックについては、高解像度の衛星画像データを入 23 手し、解析を開始した。現時点での利用可能なレベルと、将来的に想定されるレベルの 両方を検討した。 4.4. 対象 GHG 及びその排出源 当該 FS 事業で対象とする温室効果ガス及び排出源は表 4-4 のとおりとする。リファレ ンス排出量及びプロジェクト排出量ともに、①森林減少・劣化に伴う排出量、②新規植林/ 再植林及び植生回復による吸収量の総和である正味 GHG 排出量を対象とする。 このとき、森林減少対策に関連する活動で、エネルギー消費を伴う場合は、エネルギ ー起源 CO2 も対象に含めるものとする。さらに、プロジェクト排出量において、リーケージ 排出量（プロジェクト実施に伴い、排出削減対策を実施した結果、プロジェクトエリア外で 生じる GHG 排出量）が発生する場合は、これも算定対象に含める方針とする。 表 4-4 GHG 排出源及び GHG の種類 リファレンス排出量 GHG 排出源 リファレンスシナリオでの正味温室効果ガス排出量 （森林減少・劣化に伴う排出量及び新規植林/再植林と植生回復 による吸収量の現在トレンド） N/A プロジェクト排出量 GHG 排出源 プロジェクトシナリオでの正味温室効果ガス排出量 （森林減少・劣化に伴う排出量の抑制及び新規植林/再植林と植 生回復による吸収量の強化） リーケージによる正味排出量 N/A GHG 種類 CO2 N/A GHG 種類 CO2 N/A N/A 4.5. 算定のための情報・データ 本事業の実施段階では、ハイエンド型の衛星画像データの解析技術の開発が重要な 要素となる。既存研究成果を有効に活用し、検討を進める方針とした。 既存研究成果によれば、スペクトル情報に加え、テクスチャ情報もパラメータに加える ことで、より高精度の分類結果が得られる可能性があることが判っている。 具体的に参考とした研究成果は次のとおり。 T. Takayama, et al., "APPLICATION OF HYPERSPECTRAL DATA FOR ASSESSING PEATLAND FOREST CONDITION WITH SPECTRAL AND TEXTURE CLASSIFICATION", IGARSS 2013 （7 月開催予定、投稿済） 24 K. Yoshida, et al., “A Methodology of Forest Monitoring From Hyperspectral Images With Sparse Regularization”, IGARSS 2011 T. Ohki, et al,, ”Hyperspectral data application for peat forest monitoring in Central Kalimantan, Indonesia” SPIE Asia-Pacific 2012 （参照：参考資料２） 大木孝ほか「中部カリマンタン地域における森林タイプの分類と特徴」北方森林学会. 2012 4.6. デフォルト値の設定 REDD+分野の方法論において、土地被覆変化に伴う CO2 排出量は、基本的には、活 動量（土地被覆区分の面積変化）×排出係数（単位面積当たりの炭素蓄積量）で求める ことができる。したがって、デフォルト値については、活動量または排出係数で設定が可 能かどうかの検討を行った。 4.6.1. 活動量（土地被覆区分ごとの面積変化） 現地インタビュー調査の結果を通じて、土地被覆区分の面積変化については、東カリ マンタン州政府が RAD-GRK の検討プロセスにおいて、中央政府（林業省）からの提供 データを活用していることが判明した。具体的には、2006、2009、2011 年の土地被覆区 分の面積変化のデータを保有していることが分かった。 しかしながら、その土地被覆区分ごとの面積変化のデータの精度については、信頼性 が低いとの指摘があるため、実際には、州政府が独自にデータを整備し、活動量の分析 を行っているとのことだった。したがって、現時点では、林業省からの提供データをその ままデフォルト値として活用しているが、州政府が RAD-GRK の検討のために独自に策 定しているデータを活用することができれば、土地被覆区分ごとの面積変化データに関 して州政府と共有することにより、整合性を確保することができ、現地サンプリング調査等 にかかるコストを低減することができる。 4.6.2. 排出係数（単位面積当たりの炭素蓄積量） 東カリマンタン州政府は、RAD-GRK の検討プロセスにおいて、排出係数（単位面積 当たりの炭素蓄積量）についても、中央政府（林業省）からデータの提供を受けていると のことだった。具体的には、直近年にあたる排出係数のデータを保有しており、これを活 用して土地被覆変化に伴う CO2 排出量の算定を行っていた（排出係数のデータセットの 一覧は次項で示す）。 当該排出係数のデータセットも、活動量（土地被覆区分の面積変化）のデータセットと 同様に、その精度の観点から信頼性を欠くとの指摘がある。しかしながら、これが現時点 での最善のデータセットであるとの認識から、東カリマンタン州政府の公式データとして RAD-GRK の検討の中で採用されているとのことだった。 将来的には、東カリマンタン州での排出係数に関するデータ整備が進展すれば、更新 されていく可能性があり、JCM 方法論側でも、随時、最新データを活用する方針としてお けば、排出係数のデータセットで整合性を確保することが可能となる。 25 4.7. 事前設定値の設定方法 当該方法論において、プロジェクトを実施する前に設定できるデータセットとしては、東 カリマンタン州政府が発行している RAD-GRK（州の排出削減計画）の中で規定している 排出係数のデータがある。表 4-5 に示したとおり、22 種類の土地被覆区分が提示されて おり、それぞれの区分について排出係数が提案されている。 当該方法論においては、簡素化のために、いくつかの区分を統合して適用することを 検討した。具体的には、赤色で示した森林に分類される 2 つの区分と、緑色で示した非 森林に分類される 6 つの区分を中心に適用することを検討した。 一方で、この林業省から提供された排出係数（単位面積当たりの炭素蓄積量 ［tCO2/ha］）のデータは、現地の実測データとの乖離があるとの指摘があり、信頼性は低 いとされる。しかしながら、排出係数の公式データとしてはこれしか存在しないため、現時 点ではこのデータを活用する方針としている。 将来的には、東カリマンタン州政府とも連携しながら、より適切な排出係数のデータを 適用する方針とする。 表 4-5 東カリマンタン州政府の RAD-GRK における土地被覆区分ごとの排出係数 （提案炭素蓄積量） No. Land Cover Proposed carbon stock [t/ha] 1 Primary dry land forest 195.4 2 Secondary/former logged dryland forest 169.7 3 Primary mangrove forest 170 4 Primary swamp forest 196 5 Plantation forest 64 6 Bush 15 7 Plantation/garden 63 8 Settlement 1 9 Open land 0 10 Grass 4.5 11 Water area 0 12 Secondary/former logged mangrove forest 120 13 Secondary/former logged swamp forest 155 14 Swamp bush 15 15 Dryland agriculture 8 16 Mixed dryland agriculture shrubs/garden 10 17 Field 5 18 Embankment 0 19 Airport/port 5 20 Transmigration 10 21 Mining 0 26 22 Swamp 0 Source: Provincial Government of East Kalimantan "Local Action Plan for Greenhouse Gas Emission Reduction East Kalimantan Province" 4.8. リファレンス排出量の算定根拠 リファレンス排出量の算定に際しては、森林保全活動等のプロジェクト活動が実施され なかった場合（リファレンスシナリオ）を想定し、このリファレンスシナリオの下で、将来、プ ロジェクトエリアでどのくらいの森林減少・劣化に伴う排出が生じるかを想定した。 このとき、①現地政府等が所有する既存統計データをもとに算定する方法と、②事業 者自らがデータを収集・分析をして算定する方法の２種類を検討する方針とした。 具体的には、①については、中央政府（林業省）からの提供された、過去の土地被覆 変化図と、最新の排出係数のデータを用いて計算を行った。一方、②については、 LANDSAT と ASTER GDEM の過去の衛星画像データを用いて、過去の土地被覆変化 データを解析し、これに最新の排出係数のデータを用いて計算を行った。 リファレンス排出量を算定するに際しては、次の項目について検討する必要がある。 リファレンス排出量の設定 リファレンス期間の設定 参照データの特定 以下では、それぞれの項目について検討した結果を示す。 4.8.1. リファレンスエリアの設定根拠 リファレンスエリアは、プロジェクトエリアにおける将来の排出量を予測するために設定 する。このため、既存方法論（VCS 等）では、リファレンスエリアは、誤差を生じないように 一定の面積を確保する（定量評価）とともに、プロジェクトエリアと類似する特徴を持つ地 域を選定する必要がある（定性評価）とされている。そこで、リファレンスエリアは、次の面 積及びその他の特性に関する条件を満たすように設定すると規定した。 VCS 方法論では、リファレンスエリアに必要な最小面積（MREF）を次式によって定め ている。プロジェクトエリアの面積（PA）が大きくなればなるほど、RAF が小さくなるように 設定されている。 面積の設定基準 MREF = RAF * PA RAF = 7500 * PA -0.7 If RAF is <1, RAF shall be made equal to 1 27 今回、プロジェクトサイトの面積は PA=86,450［ha］であるので、上式に基づくと、必要な リファレンスエリアの最低面積は、227,034［ha］となった。 PA = 86,450［ha］ RAF = 2.62619 MREF = 227,034［ha］ また、リファレンスエリアを設定するための定性的な基準として、主に次の項目が挙げ られている。 いずれの項目も、森林減少の要因（ドライバー）と関連性が高いものが設定されている。 VCS 方法論では、プロジェクトエリアとリファレンスエリアにおいて、各項目の傾向が類似 していることを確認することにより、リファレンスエリアの過去の傾向をもって、プロジェクト エリアの将来の排出量の予測することの妥当性を確保しようと考えられている。 その他の特性の基準 次の点で、PA との類似することを示す必要がある。 Main agent(s) of deforestation（森林減少要因） Landscape factors（地形的要因） Transportation networks and human infrastructure（交通ネットワーク・インフラ） Social factors（社会的要因） Policies and regulations（法規制） 上述の基準に基づき、次の条件でプロジェクトエリアとの類似性を満たすように、リファ レンスエリアを設定した。検討を行った特性と、判断基準を表 4-6 に示す。今回、リファレ ンスエリアはプロジェクトエリアを包含する形で設定を行っており、どの項目についても概 ね類似性を確保できている。 表 4-6 リファレンスエリアの特性と判断基準一覧表 特性 判断基準 Main agent(s) of 【定性評価】南東部側からの開発（森林伐採コンセッション の展開）の状況が類似している。 deforestation （森林減少要因） Landscape factors 【定量評価】 （地形的要因） ・土地被覆の区分構成：最も古い 2006 年時点における森林 面積比率が類似している（±20%程度）。 ・土壌の構成：森林減少の要因（agents）によって利用され ている土壌の構成比率が類似している（±20%程度）。 ・傾斜：区分「緩い（15%未満）」及び「急な（15%以上）」 の割合が類似している（±20%程度）。 ・標高：分類（500m 区分）における各区分の構成比率が類 28 似している（±20%程度）。 【定量評価】河川・道路等の分布・アクセス状況が類似して Transportation networks and いる。 ・航行可能な河川の分布密度［m/km2］が類似（±20%程度） human ・道路の分布密度［m/km2］が類似（±20%程度） infrastructure （交通ネットワー ・居住地域の分布密度［m/km2］が類似（±20%程度） ク・インフラ） 【定性評価】土地利用パターンに影響を与える社会的要因 Social factors （社会的要因） （地域住民による居住状況及び森林利用状況等）が類似して いる。 Policies and 【定性評価】土地利用パターンに影響を与える現地の法制度 （森林管理関連）が類似している。このとき、法制度の実効 regulations （法規制） 性についても考慮する。 本プロジェクトでは、プロジェクトサイトを含む範囲をリファレンスエリアとして設定した。 リファレンスエリアは、プロジェクトエリアの重心を中心座標とし、半径 34km の円形に設定 した。また、リファレンスエリアの西境は、県境に位置するため、県境界線に合わせた形 状とした。設定したリファレンスエリアを図 4-2 及び図 4-3 に示す。 図 4-2 東カリマンタン州中のリファレンスエリア 29 図 4-3 リファレンスエリアとプロジェクトエリアの関係 4.8.2. リファレンス期間 VCS 方法論の要求事項等を参照しつつ、次のとおり分析対象時期を設定した。① 既存統計データに基づく算定方法と、②事業者独自データに基づく算定方法で、それ ぞれについて、データの入手可能性を考慮して、次のとおり、リファレンス期間を設定 した。 林業省提供データを用いた場合のリファレンス期間 2006 年、2009 年、2011 年（東カリマンタン州の RAD-GRK のデータを参照） 衛星画像データを用いた場合のリファレンス期間 2000 年、2005 年、2013 年（事業者独自にデータを収集・解析を実施） VCS 方法論での最小要求事項 全区間を最長 12 年以内に 3 時点を確保し、各間隔が 3 年以下であること。 直近年は、プロジェクト開始時点から 2 年前以内であること。 直近年では、高解像度の解析を実施するか、直接現地フィールド調査の 結果を得て、森林・非森林の分類精度で 90%以上を確保すること。 VCS 方法論の規定にも示されているとおり、リファレンス期間については、4 時点以 上（3 区間以上）を設定することが望ましいが、今回の場合、データの入手可能性の関 係から 3 時点で設定することにした。リファレンス期間の設定期間数については、今後 も要検討事項である。 30 4.8.3. 参照データ リファレンス排出量を算定するための参照データについても、①既存統計データに基 づく算定方法と、②事業者独自データに基づく算定方法で、それぞれ異なるデータを用 いて計算を行った。それぞれ、活動量（土地被覆区分ごとの過去の面積変化）に関する データと、排出係数（土地被覆区分ごとの単位面積当たりの炭素蓄積量）に関するデー タとに分けて以下で紹介する。 （1） 活動量（土地被覆区分ごとの過去の面積変化） 東カリマンタン州政府は、インドネシア中央政府（林業省）が作成・提供した土地被覆 分類図を公式データとして承認し、州の温室効果ガス排出削減計画（RAD-GRK）の策定 等で活用している。そこで、①既存統計データに基づく算定方法では、現地調査を通じ て東カリマンタン州（Kutai Timur 県、Berau 県の 2 県）における土地被覆分類図（’06 年、’ 09 年、’11 年の 3 時点）のデータを入手し、これらを参照データとして活用した。 一方、②事業者独自データに基づく算定方法では、リモートセンシングによる衛星画 像の解析により土地被覆分類を行うために、’00 年、’05 年、’13 年の 3 時点の LANDSAT データと ASTER GDEM データを活用した。LANDSAT データを図 4-4 に 示す。 31 図 4-4 参照した LANDSAT データ （2） 排出係数（単位面積当たりの炭素蓄積量） リファレンス排出量は、活動量のデータに、排出係数を乗じることによって算定すること ができる。排出係数のデータについては、①既存統計データに基づく算定方法及び② 事業者独自データに基づく算定方法ともに、インドネシア中央政府（林業省）が作成・提 供した排出係数のデータを活用する方針とした。 排出係数のデータについては、事業者が独自にデータを収集することも考えられるが、 今回の場合、サンプル数を十分に確保できなかったことから、既存統計データを活用す る方針とした。 以下に、具体的に適用した排出係数のリストを示す。林業省から提示された 22 種 類の土地被覆区分から、プロジェクトエリア及びリファレンスエリアで該当するも のを絞り込み、評価対象の区分として抽出した。その抽出結果を表 4-7 に示す。 32 表 4-7 東カリマンタン州政府の RAD-GRK における土地被覆区分ごとの排出係数 （提案炭素蓄積量）（抜粋版） Proposed carbon stock No. Land Cover [t/ha] 1 Primary dry land forest 195.4 2 Secondary/former logged dryland forest 169.7 3 Bush 15 4 Plantation/garden 63 5 Settlement 1 6 Open land 0 7 Grass 4.5 8 Water area 0 9 Dryland agriculture 8 Source: Provincial Government of East Kalimantan "Local Action Plan for Greenhouse Gas Emission Reduction East Kalimantan Province"をもとに作成 4.9. リファレンス排出量の算定方法 リファレンス排出量及びプロジェクト排出量の算定における基本式は以下を想定してい る。リファレンスエリアにおける対象となる土地被覆区分ごとの過去の面積変化量に、単 位面積当たりの炭素蓄積量を乗じることによって算定することとした。 Ex = ∑ 𝐴𝑟𝑒𝑎𝑖 ∙ 𝐶𝑆𝑖 𝑖 Ex:対象地域の炭素蓄積量; Areai ：対象地域における区分 i の面積; CSi ：対象地域における区分 i の単位 ha あたりの排出量（炭素蓄積量） 上式に従う上で、対象地域の土地被覆区分（前述②で示した区分）に則って土地被覆 の分類を行うことが重要となる。なお、本方法論では、プロジェクト排出量の算定におい て、既存手法よりも高精度なモニタリングを可能とする解析手法を検討した。 使用するデータとしては、前述のとおり、①既存統計データに基づく算定方法では、林 業省から提供された統計データを、②事業者独自データに基づく算定方法では、 Landsat データを使用することとした。 ②事業者独自データに基づく算定方法における土地被覆分類については、今回の現 地サンプリング調査における地上計測データ等から、確実に土地被覆区分が特定できる エリアを教師ポイントとし、Supervised classification（Support vector machine を使用）を用い て土地被覆分類を実施した。ここで推定した各区分の面積を、多時期のデータを用いる ことで時系列的に把握し、リファレンス排出量を推定した。 33 以下では、①既存統計データに基づく算定方法と、②事業者独自データに基づく算 定方法とに分けて、算定結果について解説する。 4.9.1. 既存統計データ（林業省提供データ）を用いた算定方法 東カリマンタン州政府を通じて、林業省が作成・提供した土地被覆区分図のデータか ら、GIS ソフトウェアを用いて、リファレンスエリア中の土地被覆面積のデータを抽出し、 2006 年、2009 年、2011 年の森林面積等を算定した。 排出係数のデータは、東カリマンタン州政府は RAD-GRK の排出係数を公式データと して採用しているため、これを参照した。土地被覆分類結果を図 4-5 及び表 4-8 に示 す。 図 4-5 林業省提供データを用いた土地被覆分類結果 表 4-8 林業省提供データを用いた土地被覆分類結果（既存統計データ） [ha] 2006 年 2009 年 2011 年 78,245 218,653 218,653 一次林 201,419 59,030 59,022 二次林 0 26 26 農地 2,894 4,847 4,846 ブッシュ 462 461 463 水域 283,020 283,010 合計 283,017 34 土地被覆の分類結果から、リファレンスエリア内の 98％が森林であることが分かった。そ の他の領域は、ブッシュ、乾燥農地、水域の順に大きかった。2006 年の土地被覆分類結 果と、その他のデータを比較すると、1 次林と 2 次林の比率が大きく異なることが分かる。2 次林から1次林への森林区分変化は、3年間程度の期間では発生しないため、林業省提 供の土地被覆データは、1 次林・2 次林の区分に問題があることが想定される。このため、 このままのデータを使って、リファレンス排出量を算定することは難しいと判断した。 そこで、活動量データについては 1 次林と 2 次林の分類を合わせて、森林域としてまと めて土地被覆面積の変化量を整理した。他方、排出係数は、RADGRK にある Primary dryland forest と Secondary dryland forest の排出係数を平均した値（182.55[t/ha]）を用い た。 4.9.2. 事業者独自の衛星画像データを用いた算定方法 次に、事業者が独自に収集した衛星画像データ等を用いてリファレンス排出量を算定 する方法について記述する。ここでは、Landsat 等の中分解能の衛星データを用いて、土 地被覆分類を行うことを想定している。 手法のフローチャートを図 4-6 に示す。前処理として、補正データの作成を行った後、 多時期の画像を使用して土地被覆分類の解析を行う方針とした。 図 4-6 衛星画像データからの土地被覆分類フローチャート それぞれの実施項目の詳細についての説明を下記に示す。 ① 画像選定 衛星画像は、LANDSAT データと ASTER GDEM を用いて行った。衛星画像データ に雲域が写りこんだ場合、雲域の直下は土地被覆分類ができなくなるため、なるべく雲域 が少ない画像を選定した。また地上調査地点に雲域がかかった場合、教師データとして 利用できなくなるため、このような画像も除外する方針とした。 35 ② 輝度変換 衛星の観測値と、地上での観測値が一致しない。そこで、変換係数を用いて、 LANDSAT データに記録されているデジタルナンバー（DN 値）を地上観測値へ変換す る必要がある。今回は、大気上端反射率補正を行うことで、反射率へ変換した。 ③ 傾斜補正 リファレンスエリア周辺は、山間の地形であり、高低差が大きい。このような地形では、 反射率に変換した衛星画像データは、山の陰や斜面による地表反射率の違いなど地形 効果の影響を受けてしまう。そこで、ASTER GDEM の標高情報を用いて、反射率に変換 した LANDSAT 画像を補正した。 ④ 色調補正 衛星画像中には、多量の雲が写り込む場合がある。雲領域は、その直下の土地被覆 判別を困難にしてしまう。このような場合、単一の衛星画像からは、地表面が観測されて いないため、補正を行っても土地被覆は判別できない。そこで、近い時期に撮影された 同地点の衛星画像から、土地被覆分類を行い、雲直下の土地被覆を推定した。 撮影間隔が一年以内かつ雲領域の直下が判別できるような衛星画像を選定した。今 回は、2 枚の衛星画像から教師データを取得するために、それぞれの衛星画像の色調 補正を行った。色調補正に用いた式を下記に示す。 M I B (i, j ) ( I B (i, j ) M B ) A M A MB I B (i, j ) : 入力画像反射率 I B (i, j ) : 出力画像反射率 M A：比較対象画像の平均反射率値 M B：変換対象画像の平均反射率値 上記に沿って色調を補正した衛星画像を生成した。この生成された衛星画像は、比較 対象となる画像に近い反射率値の平均と分散を持つ画像となった。 ⑤ 土地被覆分類 土地被覆分類には、教師付き学習を用いる識別手法の一つであるサポートベクターマ シン（SVM）を用いた。Test site1、Test site2 それぞれの地上観測地点の土地被覆データ を教師データとして学習を行った。5 バンドの LANDSAT 画像を入力し、教師付き分類を 行い、土地被覆を分類した。 36 ⑥ 雲領域の除去 衛星画像中には、雲領域が含まれており、雲領域直下の土地被覆判定を困難にして いる。そこで、複数時期の衛星画像から土地被覆分類を行い、分類結果を統合すること で、雲領域直下の土地被覆を推定する方法を採った。ただし、使用した衛星画像は、1 年内に撮影された画像とした。 雲領域の補正処理を行った結果、単一の LANDSAT8 画像を用いた場合、全画素中 17%程度存在していた雲領域が、5%まで低減することができた。この結果、雲領域の少 ない土地被覆分類結果を得ることができた。 補正を行った画像に対して、土地被覆分類を行った結果を図 4-7 に示す。 図 4-7 複数時期の土地被覆分類を用いて雲領域直下を推定した結果 既存の方法論（VM0007）を参照したところ、衛星画像データ中に含まれる雲量は、 10%まで許容されるという記載があった。そこで、本方法論でも、衛星画像データの適格 性要件として、最大雲量が 10%以下となることを目指すことにした。 異なる 3 時期の土地被覆分類を行った結果を示す。事業者独自データに基づく算定 方法では、次の 7 つ土地被覆区分について解析を行った。なお、一次林、二次林の区別 は行わず、森林として一元化して評価を行った。 一次林（Primary Dryland Forest） 二次林（Secondary Dryland Forest） プランテーション（Plantation (Palm Oil) ） 37 ブッシュ（Bush） 草地（Grass） 住居（Settlement） 裸地（Open Land） また、雲領域の扱いについては、土地被覆分類が行えない地域と分類し、炭素排出量 の算定対象からは除外した。 今後、複数種類の衛星画像を組み合わせることで、雲領域を低減することができると考 えられる。安価に利用可能で、高頻度に撮影が行われている衛星画像が整備されれば、 今後の利用を検討していきたい。 次に衛星画像データによる土地被覆分類結果を図 4-8 及び 38 表 4-9 に示す。この結果、リファレンスエリア中の 95％以上の面積が、森林面積 と判定された。2000～2013 年までの結果を見ると、森林面積は減少傾向にあるこ とが分かった。 図 4-8 衛星画像データによる土地被覆分類結果 39 表 4-9 衛星画像データを用いた土地被覆分類結果（事業者独自データ） [ha] 2006 年 2009 年 2011 年 273,824 261,041 263,037 森林 0 182 990 ブッシュ 2,989 7,788 9 プランテーション 161 4,096 4 住居 673 396 3,940 裸地 142 0 1,431 草地 5,188 9,473 13,564 雲領域 282,976 282,976 282,976 合計 4.9.3. リファレンス排出量の算定結果 （1） 森林減少率の算定 林業省提供データを用いた場合と、衛星画像データを用いた場合で、2006 年及び 2000 年を基準として、森林減少率を計算した。算定結果を図 4-9 に示す。 林業省データを使用した場合と比較して、衛星画像データを使用した場合に炭素蓄積 量が低い値を取っているのは、衛星画像中に含まれる雲領域によって、森林領域と分類 される面積が除外されているためである。 図 4-9 リファレンスエリアにおける森林減少率の算定 算定結果から、 リファレンスエリアにおける過去の森林減少率は、表 4-10 のとおりと 40 なった。 表 4-10 リファレンスエリアにおける森林減少率の分析結果 使用データ 林業省 提供データ 衛星画像データ 内容 2006 年、2009 年、2011 の 3 か年データに基づき、 森林減少率を算出。近似式は 1 次線形式を適用。 ＜近似式＞ y = -729 x +271073 ただし、2000 年を x=1 とした。 2000 年、2005 年、2013 の 3 か年データに基づき、 森林減少率を算出。近似式は 1 次線形式を適用。 ＜近似式＞ y = -418 x + 282385 ただし、2000 年を x=1 とした。 森林減少率 -0.14%/年 -0.29%/年 本プロジェクトにおけるリファレンスエリア内の森林は、①既存統計データに基づく算 定方法と、②事業者独自データに基づく算定方法のいずれの場合も減少傾向にあること が示された。 （2） リファレンス排出量の算定結果 ①既存統計データに基づく算定方法と、②事業者独自データに基づく算定方法で求 めた、リファレンス排出量の算定結果を整理すると、表 4-11 のとおりとなる。 前述のとおり、既存統計データは、土地被覆分類精度に問題がある可能性が高い。こ のため、現時点では、事業者独自データでリファレンス排出量を算定する方針とした。 表 4-11 リファレンス排出量の算定結果 ① 存統計データに基づく ②事業者独自データに基づ 算定方法 く算定方法 リファレンス排出量 78,300[tCO2/year] 162,000[tCO2/year] （＠プロジェクトエリア） ※リファレンスエリアとプロジェクトエリアの面積で按分計算を行った。 （3） リファレンスエリアの精査 前項までで、事業者独自の土地被覆データを用いて、リファレンス排出量を算定する方 針とした。しかし、前述のリファレンス排出量は、既存方法論に基づき、リファレンスエリア を必要最小面積で設定した場合の算定結果だった。このため、リファレンスエリアの設定 が保守的過ぎるとの懸念もあった。そこで、本項では、前項までのリファレンスエリアを拡 張し、リファレンス排出量を再計算した結果を示す。 リファレンスエリア設定根拠に基づき、リファレンスエリアの拡張を検討した。前項まで は、ERC サイトの中心から半径 34km の円形にリファレンスエリアを設定していた（以降、リ 41 ファレンスエリア 1 と呼ぶ）。これを半径 50km まで拡張し、新しいリファレンスエリアとした （以降、リファレンスエリア 2 と呼ぶ）。リファレンスエリア 2 は、より森林が開発されている地 域を包含しており、将来、ERC サイトが受けるであろう開発リスクを含めて評価することが できる。 リファレンスエリア 1 及びリファレンスエリア 2 を図 4-10 に示す。 図 4-10 再設定したリファレンスエリア 衛星データからの土地被覆変化の算定及びリファレンス排出量の算定は、前項までの 算定方法と同様とした。 リファレンスエリア 2 内の土地被覆分類を行った結果を図 4-11 及び表 4-12 に示す。 42 図 4-11 リファレンスエリア 2 内の衛星データによる土地被覆分類結果 表 4-12 リファレンスエリア 2 を用いた衛星画像データによる 土地被覆分類結果（事業者独自データ） [ha] 2000 年 2005 年 2013 年 543,956 541,255 521,525 森林 0 7 0 ブッシュ 1,975 1,606 5,638 プランテーション 9 2 3 住居 1,657 2,021 3,909 裸地 0 0 11,731 草地 547,597 544,891 542,807 合計 この結果、リファレンスエリア 2 の森林減少率は、図 4-12 及び表 4-13 のようになった。 43 図 4-12 森林面積の減少 表 4-13 リファレンスエリア 2 における森林減少率の分析結果 使用データ 衛星画像データ 内容 2000 年、2005 年、2013 の 3 か年データに基づき、 森林減少率を算出。近似式は 1 次線形式を適用。 ＜近似式＞ y=-1.794x+548139 ただし、2000 年を x=1 とした。 森林減少率 0.32%/年 リファレンスエリア 2 内のリファレンス排出量算定結果を表 4-14 に示す。2 つのリファレ ンス排出量を比較したところ、リファレンスエリア 2 のほうが、10%強程度、リファレンス排出 量が多くなった。 表 4-14 リファレンスエリア 2 を用いたリファレンス排出量の算定結果 リファレンスエリア 1 リファレンスエリア 2 （半径 34km） （半径 50km） リファレンス排出量 162,000[tCO2/year] 180,000[tCO2/year] （＠プロジェクトエリア） 44 4.10. プロジェクト排出量の算定根拠 プロジェクトによる排出削減量の効果を算定するためには、リファレンス排出量算定結 果を用いた「プロジェクト未実施の場合の予測排出量」と、実際のモニタリングによる「プロ ジェクト実施による排出量」の両方を算定し、その差分から算出する必要がある。後者の 「プロジェクト排出量の算定」については、プロジェクトの効果を測ることが目的となるため、 数年毎にモニタリング結果を算出することとなるが、実際にフィールド調査を全域に行うこ とは、マンパワー及びコスト面で不可能に近い。従って、リモートセンシング画像を使用 することが現時点では最適であると考えられる。 インドネシアを含め排出量算定が実運用される段階を想定すると、以下の要素が必要 条件と考えられる。 国あるいは州（サブナショナル）レベルの範囲をモニタリングできること 排出量算定に用いる原単位（各土地被覆区分の炭素蓄積量[t/ha]）の区分に見合 う数の土地被覆分類が可能であること 十分な精度をもつこと 数年に 1 度モニタリングが可能なデータを収集すること リモートセンシング画像には、大きく分けて航空機撮像と衛星撮像の 2 種類に分けられ るが、一般的に航空機は衛星と比べ空間分解能と波長分解能が高いデータを取得でき る一方で、撮像範囲が狭いため、多くのフライトが必要となる。また、数年に 1 度のモニタ リングを行うためには、雲の影響等も考慮するとここでも複数回のフライトが必要となる。 従って、航空撮像では衛星利用よりもコストが大きくなる。排出量の算定において、国ごと にデータタイプや手法が異なると、横並びでの比較・評価ができず REDD+活動におい て大きな足枷となる。従って、途上国を含め世界的に共通の指標で排出量を算定するた めには全球のデータを取得できる衛星データの利用は不可欠である。 衛星データを用いた土地被覆区分は様々な研究が長年行われてきており、実運用に 近い例としては、INCAS1による技術移転の下で LAPAN（インドネシア国立航空宇宙研 究所）により行われているインドネシアにおける森林・非森林の分類に関する事例が挙げ られる2。この事例を含め、森林を含む土地被覆分類では、分類器（バンド間演算によるイ ンデックスや教師付き学習など）の作成において、かなりの部分で現地に知見のある人な ど人間による恣意的な調整が必要となる。 具体的には、分類器作成のための教師ポイントの選定や算出された画像から再度パラ メータを調整し直すなどの作業である。人間による調整が多いほど、算出されるデータの INCAS:2009 年に締結されたインドネシア・オーストラリアの CO2 排出に係るパートナーシ ップであり、オーストラリアからの技術移転が行われている 2 O. Roswintiarti, et al., “Indonesia’s National Carbon Accounting Remote Sensing Program - A National System for Monitoring Forest Changes”, IGARSS 2013 1 45 信頼性や精度のブレが起こり得る。従って、実運用を考慮した場合、できるだけ分類器の 作成において恣意性が含まれない手法が求められることとなる。今年度の検討では、分 類器の作成は恣意性を含まない統計的な手法により算出することを柱として検討を進め た。 また、現状のリモートセンシングの解析では、森林・非森林の区分は実績があるが、森 林のタイプ（伐採されていない森林か、伐採されていない天然林か）についての区分に ついての研究事例は多くない。一方で、東カリマンタン政府で作成されている RAD-GRK においては、森林の中で一次林、二次林の区分がなされている。これは、一次林、二次 林で炭素蓄積量が異なるためである。プロジェクト活動で想定されるものとして、植林や 伐採の抑制等が考えられるが、これは完全に伐採された非森林から森林への遷移だけ ではカバーできず、択伐や回復途上を示す二次林から一次林への遷移も考慮する必要 がある。 既存の研究では航空機ハイパースペクトルデータを用いてバイオマスを算定した事例 がある3。ここでは、スペクトルデータだけでなく、林冠の粗密の抽出をするためテクスチャ 情報も考慮した分類器の算出が行われている。但し、林冠の粗密を抽出するためには、 5m/pixel 程度の空間分解能が必要である。従って、本年度の検討では、5m/pixel 程度の マルチスペクトルセンサを用いて検討を行った。 以上の前提に則り、細分化・高信頼性を目指した土地被覆分類の具体的な手法・手順 について次項で説明する。 4.11. プロジェクト排出量の算定方法 当節では、プロジェクト排出量の算定方法について示す。当該方法論で示す方法論と しては、大別して、I. リファレンス排出量で示した手法、Ⅱ. 土地被覆分類の細分化・高 精度化に資する手法、の 2 種類がある。それぞれの算定方法の特徴について概括すると 次のとおりとなる。 I. リファレンス排出量で示した手法 データとしては、Landsat8 の使用を想定しており、手法は Supervised classification を 用いる。ただし、今後打ち上げ予定の Sentinel2 やその他商用マルチスペクトル衛星デ ータを使用することで、より空間分解能の高い分類が可能となる。 II. 土地被覆分類の細分化・高精度化に資する手法 既存の手法や前述の手法では、衛星画像の各画素におけるスペクトル変化に注目し た分類を行う手法であった。一方で、特に森林については、一次林や二次林で上空か ら見た場合の樹冠構造が異なるため、衛星画像上では空間的な粗密度、つまりテクス チャとして違いが表れる。従って、ここではスペクトルに対する解析に加えて、空間的な T. Takayama, et al., “Application of Hyperspectral Data for Assessing Peatland Forest Condition with Spectral and Texture Classification”, IGARSS 2013 3 46 テクスチャ解析をフュージョンすることにより、より高精度且つ分類をより細分化した土地 被覆分類手法の構築を試みた。今年度は手法自体の構築を主目的とし、解析対象地 域はプロジェクトエリアのうち、主に一次林と二次林を含む地域を対象とした。 以下では、「１．一次林と二次林の定義」、「２．使用したデータ」、「３．方法」、「４．結果 及び評価」、そして「５．今後の課題」について述べる。 4.11.1. 一次林と二次林の定義 今年度実施した地上調査の結果から、一次林の領域と二次林の領域は以下のように 定義した。 一次林：大径木が支配的であるため、高バイオマスエリアが比較的多い 二次林：攪乱・伐採を受けた後であり大径木が少ないため、低バイオマスエリアが 比較的多い 以上を模式的に示した図を図 4-13 に示す。 低バイオマスエリア 攪乱・伐採 高バイオマスエリア 回復 2次林のエリア 1次林のエリア 図 4-13 一次林の領域と二次林の領域の定義 4.11.2. 使用した衛星データ 本手法では、テクスチャ解析を行うために高分解能データが必要である一方、スペクト ル情報を抽出するために光学のマルチスペクトルセンサデータが必要であることから、そ の両方の要件を満たす RapidEye の画像を使用した。RapidEye の画像諸元を表 4-15 に 示す。 表 4-15 RapidEye の諸元 名称 RapidEye 画像取得時期 2013/6/19、2013/1/8 地上分解能 5m バンド数 5 バンド 47 Band 1: 440-510nm Band 2: 520-590nm Band 3: 630-680nm Band 4: 690-730nm Band 5: 760-850nm 今年度はプロジェクトエリアと現地調査地点を含む画像として、2013/6/19 及び 2013/1/8 に取得した合計 2 枚の画像を使用した。使用した RapidEye 画像の位置とプロジェクトエリ ア、及び地上調査地点の位置関係を図 4-14 に示す。 地上調査地点（毎木調査） 地上調査地点（概況調査） 図 4-14 使用した RapidEye 画像の位置とプロジェクトエリア及び地上調査地点の位置 4.11.3. 分析方法 分析の全体のフローとしては、衛星画像の選定、前処理、分類器の算出、土地被覆分 類マップの作成という流れとなる。ここでの前処理とは、反射率変換、モザイク処理、対象 地域の起伏が反射率に与える影響の緩和を示し、分析を行う上では必要な要素である。 全体フローを図 4-15 に示す。 48 前処理 画像の選定 • 反射率変換 • モザイク処理 • 対象地域の起 伏が反射率に 与える影響の 緩和 分類器の算 出・評価 土地被覆分 類図の作成 図 4-15 処理の全体フロー （1） 前処理 分類器の算出の前段階として、次に示すフローに従って前処理を行った。処理フロー を図 4-16 に示す。 DEM データ 地形効果補正 RapidEye RapidEye 反射率変換 補正済み 補正済み RapidEye RapidEye スペクトル補正 モザイク 前処理済み画像 図 4-16 前処理の処理フロー 今年度の調査対象エリアは山岳地帯であり、傾斜による陰影が解析結果に大きな影響 を与えることが既存の研究により指摘されている4。図 4-17 に起伏の影響が解析結果に 与える影響の例を示す。 B. Tan, et al.,” Improved forest change detection with terrain illumination corrected Landsat images,” Remote Sensing of Environment, 136, pp.469-483, 2013 4 49 (a) (b) (c) (d) 図 4-17 起伏が解析結果に与える影響の例 True Color 画像 (a)地形補正無し、(b)地形補正有り、 土地被覆分類結果 (c)地形補正無し、(d)地形補正有り 出典：B. Tan, et al.,” Improved forest change detection with terrain illumination corrected Landsat images” 起伏による影響を緩和するため、本検討では C-correction5を用いて補正を実施した。 補正のフロー及び結果の例を図 4-18 に示す。 P. M. Teillet, B. Guindon, and D. G. Goodenough. "On the slope-aspect correction of multispectral scanner data." Canadian Journal of Remote Sensing, 8(2), pp. 84-106, 1981. 5 50 地形効果補正 斜度算出 傾斜データ 標高データ 図 4-18 補正のフロー及び結果の例 （2） 分類器の算出・評価 土地被覆分類手法自体については、一般的には Landsat を用いた教師付き分類や決 定木等のパラメータによる分類が用いられる。しかし、炭素蓄積量をより精度よく算定する ためには、土地被覆分類をより高精度かつ高分解能で作成する必要があり、先に示した 手法では、一次林の領域と二次林の領域を分類するに足る分類精度は無く、また分解能 も粗い。MRV 実施の観点では、炭素蓄積量の推定は安全方向に見積もることが一般的 であるが、この分類精度向上と分解能向上を行うことで、適正な値を算出可能となり、結 果として、本手法が将来的に MRV のスタンダード手法となり得る。 本検討では、一次林と二次林は樹冠構造が異なり、上空からは粗密となって違いが現 れることに注目し、この情報を抽出するため高分解能画像を使用したテクスチャ解析を手 法の 1 要素として採用した。また、スペクトル成分、つまり衛星データの各バンドの反射率 も、樹種の違いや LAI(Leaf Area Index)の大小に反応することから、スペクトルデータも解 析に使用した。 現地調査の結果、前述のとおり、一次林であっても場所によっては、高バイオマスであ る場所もあり、その逆も存在することが分かり、結果としてピクセルベースで一次林エリア と二次林エリアを分類することは困難であった。従って、II-1 で示した定義の下でセグメン ト（領域）ベースで解釈を行う必要があるため、本検討では現地調査結果を元にバイオマ ス分布の推定マップを作成し、そのマップに対してセグメントベースで解析し一次林と二 次林、それぞれの領域を分類した。ここで示した本検討での解析手法と一般的な手法、 それぞれの処理フローを図 4-19 に示す。 51 (a) 中分解能センサ 反射率データ 中分解能 教師付き分類 or 決定木等のパラ メータによる分類 現地調査データ (b) RapidEye （高分解能センサ） 土地被覆分類図 衛星画像データ 前処理済みデータ 5m/pixel 5 band 反射率データ 5m/pixel 5 band 前処理 主成分分析 第１主成分 GLCM 画像 プロジェクトエリア 地上調査ポイント テクスチャデータ 5m/pixel 2種 全域 教師データ 地上調査ポイントにおける 衛星画像データ 現地調査データ （バイオマス） バイオマス 森林類型に従った一次林・二次林 領域分割 推定マップ 分類マップ バイオマス 推定モデル 図 4-19 処理フロー (a) 一般的な手法、(b)本検討での手法 テクスチャデータ算出においては、基本的な手法として、ある大きさのカーネル内にお ける平均値、分散、度数分布から得られる各種情報の単純統計量を算出する方法が挙 げられる。この手法は簡便であるが、空間的なパターンが無視されることなり、森林の樹 冠構造についての情報を十分に抽出できない。この空間的パターンを考慮したテクスチ ャ解析の手法として、同時生起行列（GLCM：Grey level co-occurrence matrices）6を本検 討では使用した。この手法は基本的なテクスチャ解析手法より複雑であるが、バイオマス 推定7や樹種分類8において実績がある。代表的な GLCM の指標を表 4-16 に示す。 6 R. M. Haralick, K. Shanmugam, and I. Dinstein, “Texture features for image classification,” IEEE Transactions on Systems, Man, and Cybernetics, 3, pp. 610−621, 1973. Sarker, Latifur Rahman, and Janet E. Nichol. "Improved forest biomass estimates using ALOS AVNIR-2 texture indices." Remote Sensing of Environment 115.4 (2011): 968-977. 8 Wijaya, Arief, et al. "Improved strategy for estimating stem volume and forest biomass using moderate resolution remote sensing data and GIS." Journal of Forestry Research 21.1 (2010): 1-12. 7 52 表 4-16 代表的な GLCM の指標 is a normalized co-occurrence matrix 本手法により計算したテクスチャデータとスペクトルデータに加えて、現地調査結果よ り算出した各調査地点におけるバイオマスを用いて、バイオマス推定モデルを作成した。 また、バイオマス推定マップを作成するためには、衛星データだけでなく現地調査デ ータも必要となる。今年度に実施した現地調査から、各コドラートにおけるバイオマスをア ロメトリ式により算出した。以上の高分解能テクスチャデータ、スペクトルデータ、そして現 地調査で得られた各コドラートのバイオマスデータを教師データとしてバイオマス推定モ デルを作成し、その推定式を用いてバイオマスマップを作成した。ここでのバイオマス推 定モデルは以下に示す線形回帰式を示す。 53 ŷ = ∑ 𝑤𝑖 𝑥𝑖 + ∑ 𝑤𝑗 𝑡𝑗 𝑖 𝑗 ここで、ŷはバイオマス推定値、𝑥𝑖 はバンド𝑖の反射率、𝑡𝑗 は GLCM 行列、𝑤は重み係数 である。一般的には、すべてのバンドを説明変数として用いて教師付き学習が行われる が、バイオマス推定において貢献しないバンドが入ることで精度が落ちることや、教師デ ータ数が少ない場合に過学習を起こしやすくなるという面がある。これらの問題を回避し、 より汎用性の高い推定モデルを構築するために、LASSO 回帰を本検討では使用した。こ の LASSO 回帰は、推定モデル構築における重み係数の設定において、以下のように罰 則項を加えるスパース正則化と呼ばれる手法であり、推定において重要度の低いバンド を自動的に取捨選択することができる9。 𝑤 ∗ = argmin[‖𝑦 − 𝑤𝑥‖2 + 𝜆‖𝑤‖] ここで、𝑤 ∗ は最適な重み係数、y は教師データ、𝑤は重み係数、𝑥は説明変数、𝜆は罰 則項を示す。 （3） 土地被覆分類図の作成 以上で得られた推定モデルを衛星データに適用することでバイオマス推定マップを作 成した。このマップに対して、現地調査結果を参考に設定した閾値の下で高バイオマス エリアと低バイオマスエリアを区分し、一定の領域内におけるそれぞれの存在確率を元 に一次林エリアと二次林エリアの分類を行った。 4.11.4. 結果 衛星データ及び地上調査データを教師データとして LASSO 回帰を適用した結果、以 下の推定式が得られた。尚、今年度使用した RapidEye 画像の Band1 はノイズが多かった ため使用していない。 ŷ = 371.54 × 𝑇𝑏2,𝐸𝑛𝑡𝑟𝑜𝑝𝑦 + 235.83 × 𝑅𝑏3 − 75.70 × 𝑇𝑏3,𝐸𝑛𝑡𝑟𝑜𝑝𝑦 + 14.66 × 𝑇𝑏3,𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 + 93.16 × 𝑇𝑏4,𝐶𝑜𝑛𝑡𝑟𝑎𝑠𝑡 + 0.59 × 𝑇𝑏4,𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 − 7.14 × 𝑅𝑏5 + 0.56 × 𝑇𝑏5,𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 − 23.48 × 𝑇𝑏5,𝐶𝑜𝑛𝑡𝑟𝑎𝑠𝑡 + 3.78 × 𝑇𝑏5,𝐶𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 − 1377.74 ここで、𝑇𝑏𝑖 はバンド i の GCLM の指標、𝑅𝑏𝑖 はバンド i の反射率を示す。この推定モデ ルを用いて推定した教師データポイントの推定値と実測値の関係を図 4-20 に示す。決 定係数は 0.83、RMSE は 54.6 [t/ha]であり、やや精度は高くないが、本検討ではバイオマ 9 R. Tibshirani, “Regression shrinkage and selection via the lasso,” J. Roy. Stat. Soc. Series B (Methodological), vol. 58, no. 1, pp. 267–288, 1996. 54 スの高精度の推定を目的にしているのではなく、高バイオマスエリアと低バイオマスエリ アの分類を目的としているため、この観点では概ね良好な結果と考えられる。 推定値 [t/ha] R2=0.832 実測値 [t/ha] 図 4-20 推定モデルの精度評価 図 推定モデルの精度評価 この推定モデルを用いて算出したバイオマス推定マップを図 4-21 に示す。 図 4-21 中の上部に高バイオマス、中央部に低バイオマスのエリアが集中している（赤 色が多く表示されているエリア）が、これは、現地調査から得られた情報と整合性が取れ る結果であった。 バイオマス 高 低 0 1 2 3 4 km 図 4-21 バイオマス推定マップ 55 このバイオマス推定マップと現地調査の結果から、一次林もしくは二次林と判明してい るエリアを元に領域の分割を行った。 具体的には、今回策定したバイオマス推定マップにおいて 250[t/ha]以下と推定された エリアを低バイオマスエリアと定義し、150m 四方の領域において、低バイオマスエリアが 20%以上含まれるピクセルを二次林であると仮定し、エリアの分割を試みた。結果を図 4-22 に示す。図 4-22 中の赤で示したエリアが二次林であり、緑色の部分が一次林と予 想される。 1次林 2次林 雲・川 0 1 2 3 4 km 図 4-22 一次林と二次林の区分結果 4.11.5. 今後の課題 森林の被覆区分の分類として、一次林、二次林の分類という、既存の一般的な手法よ りも高精度な分類を衛星画像データを適用して行った。今回、解析対象としたエリアにつ いては現地調査からの情報と整合性が取れており、概ね良好な結果であったといえる。 本年度の調査では回帰モデル作成のための教師データとして現地調査を 20地点実施し た。統計上、有意なモデルを作成するには 20 地点では十分とは言えず、今後更なる調 査地点の増加や調査地点のコドラートサイズの見直し・最適化により、さらに分類精度を 向上させることが可能である。また、本算定手法による分類精度の検証や適用可能な地 域の拡大を考慮すると、調査が比較的容易な地形高度が比較的低い地域、つまり現地 調査においてアクセスしやすい地域でより多くの調査・分析を行うことが、本手法の更な る精緻化に寄与するものと考えられる。 バイオマス推定モデルについては、空間分解能面では十分といえるデータを使用した が、波長分解能の面では、さらに多バンドのデータを使用することで精度を上げることが 期待できる。既存研究にはハイパースペクトルセンサを用いることで高精度なバイオマス 推定を行った事例も存在する10。今後の検討としては、現在運用中の Landsat8 に搭載さ 10 T. Takayama, et al., “Application of Hyperspectral Data for Assessing Peatland Forest 56 れている LDCM のデータを含めより多様なデータの使用を検討することが挙げられる。 また、将来的には、経済産業省が開発中の HISUI（衛星ハイパースペクトルセンサ）が 打ち上げられる予定であり、このデータを使用することで飛躍的に分類精度が向上すると 考えられる。ただし、ハイパースペクトルセンサデータは多バンドのデータを持つため、 その中からバイオマス推定や一次林、二次林の分類に有効なバンドを取捨選択しなけれ ば過学習を伴う推定モデルを構築するリスクが高い。通常、オブジェクトベースの分類な どでは推定に対する寄与度が高いバンドの取捨選択は行われないため過学習のリスク がある。一方、本手法で採用した LASSO 回帰は過学習のリスクを緩和するモデルであり、 ハイパースペクトルセンサを利用する近い将来を見越した場合、本手法は十分なポテン シャルを持つ。 また、次章に記載するモニタリングにおいて、現在は実際に現地調査を実施している が、より多くの現地調査ポイントの確保、そしてアクセスが困難な地域の状況把握を考慮 した場合、空間分解能が1m以下の超高空間分解能センサデータや UAV等、より幅広い センシング手段を検討することで、解析手法自体の多角化と、それに伴う精度向上につ なげることができると考えられる。 4.12. モニタリング手法 本調査では、モニタリング手法として 2 つの現地サンプリング調査を実施した。一つは、 リファレンス排出量算定に必要となる衛星画像解析による土地被覆分類のための教師デ ータ、検証データの取得を目的とした土地被覆調査、もう一つは、RADGRK の土地被覆 区分に対応した森林タイプ分類、具体的には一次林と二次林の分類のための教師デー タ、検証データと炭素蓄積量の取得を目的とした森林コドラート調査である。本節では、 各調査の方法と結果を示す。 図 4-23 に、現地サンプリング調査地域を示す。森林コドラート調査はプロジェクトサイ ト内の森林を対象とした。一方、土地被覆調査は、各種の土地被覆区分のデータを取得 すため、プロジェクトサイト外のエリアも対象とした。 Condition with Spectral and Texture Classification”, IGARSS 2013 57 図 4-23 現地サンプリング調査地域 4.12.1. 土地被覆調査 土地被覆調査は、現地に存在する代表的な土地被覆区分として以下の 7 区分を選定 し、各区分につき 3 地点の合計 21 地点にて実施した。 一次林（Primary Dryland Forest） 二次林（Secondary Dryland Forest） プランテーション（Plantation (Palm Oil) ） ブッシュ（Bush） 草地（Grass） 住居（Settlement） 裸地（Open Land） 具体的な調査内容としては、各地点において、位置情報と土地被覆の判定結果を記 録すると共に、現地の写真を撮影した。 調査対象地点の分布を図 4-24、各土地被覆の概況を図 4-25 に示す。 58 図 4-24 土地被覆調査地点 59 図 4-25 各土地被覆区分の概況 60 4.12.2. 森林コドラート調査 森林コドラート調査では、調査コドラートを設置し、コドラートに含まれる個体を対象に 調査を行った。 調査コドラートの形状を図 4-26 に示す。コドラートの大きさは、当該地域の樹高と調査 に要する時間を考慮し、30m 四方とした。さらにその内部に 15m 四方、7.5m 四方のサブ コドラートを設定し、各個体の情報を管理した。コドラートの位置情報として、30m 四方の 4 隅の緯度経度を GPS にて取得した。 図 4-26 コドラート 具体的な調査内容は、胸高直径、樹種、一次林／二次林の判定、写真撮影である。 調査方法を表 4-10 に示す。 61 表 4-17 森林コドラート調査内容及び方法 調査内容 調査方法 胸高直径 サブコドラート A1、B1、C1、D1 については DBH が 5cm 以 上、その他については DBH が 10cm 以上の個体を対象に、 輪尺により計測 樹種 胸高直径の計測対象個体について樹種を記録 一次林／二次林判定 過去の撹乱履歴から一次林／二次林を判定 写真撮影 森林の概況が分かる写真を複数枚撮影 森林コドラート調査は 19 地点にて実施した。調査対象地点を図 4-27 に示す。 図 4-27 森林コドラート調査地点 現地調査データの分析として、まず森林タイプの評価を行った。森林タイプは、コドラ ートごとの樹種別の個体数をもとに、植生群ごとに群落表を作成し、表操作を実施して区 分種を抽出し、群落区分を抽出した。図 4-28 に、表操作結果としての組成表を示す。組 成表における植物社会学的な観点から、調査対象地点を Croton argyratus-Macaranga pearsonii 群落、Ptychopyxis sp.-Baccaurea sp.群落の 2 つに区分できた。これを、森林コド ラート調査による一次林／二次林の判定結果と比較すると、Croton argyratus-Macaranga 62 pearsonii 群落は二次林、Ptychopyxis sp.-Baccaurea sp.群落は一次林に概ね該当すること が分かった。特に、Croton argyratus-Macaranga pearsonii、Macaranga pearsonii が多く存 在する地点は概ね二次林と判定することが可能と考えられる。 次に、図 4-29 に各コドラートの個体数、図 4-30 に種数、図 4-31 にバイオマスを示す。 バイオマスについては、胸高直径の計測結果から、Brown et al.(1989)のアロメトリ式を用 いて各個体のバイオマスを算出し、コドラートの個体の総和を得ることで、Ha 当りバイオ マスを算出した。なお、DBH が 5cm 以上 10cm 未満の個体は、4 つの 7.5m サブコドラー ト内のみ DBH の計測を行っていることから、調査した個体のバイオマスの合計を、面積 比率をもとにコドラート全体に拡張した。使用したアロメトリ式は次式である。 Biomass ＝ 13.2579 － 4.8945(DBH) ＋ 0.6713(DBH)2 個体数では一次林、二次林による傾向の違いは見られないが、種数については、一 次林は概ね 15 種以上であるものの、二次林はばらつきが大きい。バイオマスについては、 一次林、二次林ともばらつきが大きい結果となった。 63 図 4-28 表操作結果 64 図 4-29 各コドラートの個体数 図 4-30 各コドラートの種数 65 図 4-31 各コドラートのバイオマス 一次林は二次林と比較してバイオマスが大きいことが想定されるが、調査結果をみると、 地点ごとのばらつきが大きく、バイオマスによる一次林と二次林の定義づけは困難である。 一方、過去の撹乱履歴をもとに判定した一次林、二次林の判定結果と、表操作に基づく 樹種構成による森林タイプ分類結果は良く一致している。 マルチスペクトル衛星画像の解析により、樹種構成による森林タイプ分類は、一般に 精度面から困難であることを踏まえると、衛星画像解析による一次林、二次林の分類は、 一定エリアにおけるバイオマス量の分布を分析し、高バイオマス領域が多いエリアを一次 林、低バイオマス領域が多いエリアを二次林として評価することが適当と考えられる。 そこで、方法論上の現地サンプリング調査の位置づけとしては、バイオマス推定モデ ル構築のためのバイオマス量取得を目的とし、オプションとして、一次林・二次林の定義 づけが可能な樹種情報の取得を行うことが適当と考えられる。 4.12.3. 今後の課題 現地サンプリング調査について、今後検討すべき課題を以下に示す。 【土地被覆調査】 プロジェクトサイト周辺の土地被覆区分は概ね満たしている一方、各土地被覆区 分の調査地点数が 3 と少ないことから、特に森林以外の調査地点数を、現状の 2 倍程度以上に増加することが必要である（森林は、森林コドラート調査地点を利用 可能）。 【森林コドラート調査】 一次林、二次林それぞれの調査地点数を、現状の 2倍程度に増加することが必要 66 である。 一次林の調査地点について、今年度は二次林の隣接エリアが主体であったが、よ り広域の一次林エリアにおける調査が必要である。 調査コドラート内の一部の個体について樹高を測定し、調査コドラートサイズの妥 当性を確認すると共に、樹高を考慮したバイオマス算定の必要性を確認する必要 がある。 調査の必要人員、必要時間を見極め、調査コストを算定することが必要である。 4.13. GHG 排出削減量 プロジェクトによる排出削減量の算定には、プロジェクト対象地におけるリファレンス排 出量（＝過去のトレンドから推計される将来の見込み排出量）と、プロジェクト排出量（＝ プロジェクト実施後に推計される実排出量）を特定することが必要となる。 リファレンス排出量及びプロジェクト排出量は、リモートセンシングによる衛星画像の解 析により算定される活動量（土地被覆区分ごとの面積変化量）と、現地サンプリング調査 等によって特定される（土地被覆区分ごとの）排出係数（単位面積当たりの炭素蓄積量） を掛け合わせて計算することができる。 リファレンス排出量の計算結果は表 4-18 のとおりとなった。 表 4-18 リファレンス排出量の算定結果 リファレンスエリア 1 リファレンスエリア 2 （半径 34km） （半径 50km） リファレンス排出量 （＠プロジェクトエリア） 162,000[tCO2/year] 180,000[tCO2/year] プロジェクト排出量の事前見通しについては、さらなる精査が必要だが、現状で、プロ ジェクトエリアにおける過去の森林炭素蓄積量の減少率が-0.14%/年ないし-0.29%/年との 算定結果を得た。 これを森林パトロール、植生回復、植林等のプロジェクト活動を通じて、森林炭素蓄積 量の減少率を 0%に止めることができると仮定すると、最大で 180,000 [tCO2/年]となった。 さらに、プロジェクト実施期間を 20 年間と仮定すると、総 GHG 排出削減量は 3.6 [MtCO2] となることが分かった。 67 5. JCM PDD 作成に係る調査結果 当該プロジェクトの PDD を作成する上で調査が必要となる事項について、JCM プロジ ェクトの PDD の要記載項目に沿って以下のとおり示す。 5.1. プロジェクト実施体制及びプロジェクト参加者 当該プロジェクト対象国であるインドネシア側と、プロジェクト実施者側である日本側の 参加者を表 5-1 のとおり示す。 表 5-1 プロジェクト実施体制及び参加者一覧表 国 参加者 インドネシア 日本 BOS 財団 NEC フィールディング株式会社 日本電気株式会社 株式会社三菱総合研究所 Ecological Economic Solutions Sdn. Bhd. 5.2. プロジェクト開始時期及び実施期間 当該プロジェクトの開始年及び実施期間について、表 5-2 のとおり示す。 表 5-2 プロジェクト開始年と実施期間 プロジェクト開始年 2016 年 4 月 1 日 プロジェクト実施期間 20 年間 5.3. 方法論適格性要件との整合性確保 当該方法論については、表 5-3 のとおり、検討を行い、その結果を取りまとめている。 いずれの項目も適合できる見通しが立っており、当該方法論が承認されれば、即座にプ ロジェクトを開始できる状況にある。 表 5-3 方法論の適格性要件とその適合見通し等 項目 内容 適合見通し等 条件１： 活動の対象とする森林が、ホスト国にお 森林減少・劣化の抑制に関 ける森林の定義に合致し、対象とする森 す る 活 動 が 主 で あ り 、 REDD+ の ス コ ー 林保全活動等が、同国における REDD+ REDD+のスコープに合致 プ、定義 のスコープに準拠していることを確実 する。 にすること。 ＜インドネシアにおける森林の定義＞ 樹冠率：30％、最低樹高：５ｍ、最低森 68 林面積：0.25ha ＜REDD+のスコープ（例）＞ （1） 森林減少からの排出の削減 （2） 森林劣化からの排出の削減 （3） 森林炭素蓄積の保全 （4） 持続可能な森林経営 （5） 森林炭素蓄積の強化 条件２： プロジェクト対象地において、土地の管 現地カウンターパートの プ ロ ジ ェ 理権限（コンセッション）を保有してい BOS 財団が「生態系回復コ ク ト 対 象 ること。 ン セ ッ シ ョ ン （ ERC ： 地におけ Ecosystem Restoration る管理権 Concession）」を取得済み。 限の保有 条件３： 衛星画像データの解像度、解析手法等に 高解像度のリモートセンシ 衛 星 画 像 ついて以下のスペックを満たしている ング画像を使用して解析作 及 び 解 析 こと。 業を行っており、条件に合 手 法 の ス プロジェクト実施期間の最新年に 致する。 ペック おける高解像度のリモートセンシ ングデータ（5m 解像度かそれ以 上：ALOS、PRISM 等） 条件４： REDD+の活動を通じて、生物多様性の BOS 財団はもともとオラ セ ー フ ガ 配慮等を含むセーフガードを実施する ンウータンの保護活動を実 ー ド へ の こと。ホスト国におけるセーフガードの 践している組織であり、森 配慮 活動に関する規定等がある場合は、それ 林保全のための活動を展開 に準拠するものとする。 できる状況にある。 最後のセーフガードの配慮については、インドネシアの Indonesian REDD+ Task Force によって策定された「REDD+ National Strategy （2012 年 6 月）」（「Information system for REDD+ safeguards implementation (SIS-REDD+)」及び「Safeguard Committee」の検討状 況）等の動向をフォローしつつ、セーフガードに関する規定事項を把握し、これを遵守す る方向で検討を進めている。 当該プロジェクトは、プロジェクトエリアで残存する原生林・二次林を保全し、オランウ ータンの生活圏を確保するための取り組みを推進する活動であり、その趣旨に沿う形で のセーフガードの取り組みのあり方について検討を行った。 5.4. プロジェクト排出源とモニタリングポイント 当該 FS 事業で対象とする温室効果ガス及び排出源は表 5-4 のとおりと設定した。この とき、リファレンス排出量及びプロジェクト排出量ともに、①森林減少・劣化に伴う排出量、 69 ②新規植林/再植林及び植生回復による吸収量の総和である正味 GHG 排出量を対象と した。いずれも、活動量（土地被覆区分ごとの面積変化）と、排出係数（単位面積当たりの 炭素蓄積量）のデータから算出することができる。 上述の活動量及び排出係数のデータを準備するために、デフォルトデータ（州政府等 が整備する公式データ）を活用するか、独自のデータを収集するか、事業者が選択でき るものとする。一般に、デフォルトデータを活用することができれば、モニタリングコストを 低減することができ、プロジェクトの実施効率を向上することができる。現時点で、排出係 数のデータは、東カリマンタン州政府が中央政府（林業省）からの提供データを公式デ ータとして承認し、活用している。このため、当該方法論でもこのデータを参照する方針と した。 また、プロジェクトの森林減少対策に関連する活動において、エネルギー消費を伴う 場合は、エネルギー起源 CO2 も対象に含めるものとする。さらに、プロジェクト排出量に おいて、リーケージ排出量（プロジェクト実施に伴い、排出削減対策を実施した結果、プ ロジェクトエリア外で生じる GHG 排出量）が発生する場合は、これも算定対象に含める方 針とする。 表 5-4 GHG 排出源及び GHG の種類（再掲） リファレンス排出量 GHG 排出源 リファレンスシナリオでの正味温室効果ガス排出量 （森林減少・劣化に伴う排出量及び新規植林/再植林と植生回復 による吸収量の現在トレンド） N/A プロジェクト排出量 GHG 排出源 プロジェクトシナリオでの正味温室効果ガス排出量 （森林減少・劣化に伴う排出量の抑制及び新規植林/再植林と植 生回復による吸収量の強化） リーケージによる正味排出量 N/A GHG 種類 CO2 N/A GHG 種類 CO2 N/A N/A したがって、プロジェクト実施時におけるモニタリングポイントとしては、次の項目が該 当し、これらに関して最新データを収集することが重要となる。なお、リーケージの可能性 を判断するための指標については、方法論のパートで詳述する。 ＜モニタリングポイント＞ 活動量（土地被覆区分ごとの面積変化） 排出係数（単位面積当たりの炭素蓄積量） プロジェクト活動に伴う CO2 排出量（必要な場合のみ） 70 リーケージの可能性を判断するための各種指標（人口、経済、社会等の関連指標） 5.5. モニタリング計画 事業者が独自にデータを収集する場合、次のとおり、活動量及び排出係数について、 それぞれモニタリングを実施する方針とする。 5.5.1. 活動量（土地被覆区分ごとの面積変化量） 当該地域で正式に承認されている土地被覆区分（例：林業省設定の区分等）に基づき、 衛星画像解析を実施し、プロジェクト開始後の面積変化量を算定する。 原則的には 5 年程度の間隔で面積変化量を算定し、炭素蓄積変化量を特定する。将 来的には、衛星画像解析の実施間隔を増やし、数年程度の算定を行うことで排出削減量 （吸収増加量）の定量評価の頻度を増やす方針とする。 5.5.2. 排出係数（単位面積当たりの炭素蓄積量） オランウータンの保護活動を展開している BOS 財団に、REDD+の実施を目的とした現 地サンプリング調査を組み入れて実施する方針を検討している。具体的には、モニタリン グ手法で示した、土地被覆調査及びコドラート法を用いた炭素蓄積量調査を実施するこ とを想定している。 前述のとおり、数年ごとに、排出削減量（吸収増加量）の定量評価を実施する際に、排 出係数のデータを更新し、現地サンプリング調査を実施することを想定している。一方で、 BOS 財団の通常業務（オランウータンの保護活動等）で、効率的にデータ収集を実施す ることも合わせて検討する。 5.6. 環境影響評価 当該プロジェクトの実施による人間社会及び生態系に対して与える影響の緩和対策 （セーフガード）について検討した。プロジェクトエリアは、オランウータンの生息に適した 地域である。オランウータンのような大型の野生生物が生育していくためには、健全な天 然林が存続していることが必須となる。インドネシアでは、オランウータンの保護活動に対 する社会的なニーズ・認識が高いことから、プロジェクトエリア内においてオランウータン の保護活動と天然林の保全活動を両立させることは、森林生物多様性の観点からも重要 であり、取り組む意義が大きい。そこで、当該事業の意義を主張しつつ、炭素クレジットの 価値を高めるための方策について議論した。 さらに、今後、当該プロジェクトの実施時に従うべきセーフガードに関する義務条項を 確認し、その対応可能性等について検討を行う。また、現地政府・大学・国際機関等で、 環境影響対策に関する議論が行われているか調査をした。 5.6.1. 環境影響評価の法的根拠 インドネシアにおける環境関連法規は 1997 年に制定された環境管理法（1997 年 法 律 23 号）が基本となる。この中で、環境に重大な影響を及ぼす行為への影響評価を行う 71 ことが規定されている。インドネシアでは 1986 年に環境影響評価制度（AMDAL＝アム ダル：Analisis Mengenai Dampak Lingkungan. （Environment Impact Assessment））が導入 され、プロジェクト実施者が環境影響評価を行い、審査を受ける必要があると規定されて いる。 AMDAL の対象となる事業等の種類・規模については，環境担当国務大臣令 2006 年第 11 号によって定められている。この中に、森林管理に関する項目は無いため、本 プロジェクトでは環境影響評価を実施し、審査を受ける必要はない。しかし、環境影響評 価実施義務のない事業においても、プロジェクトによる環境影響への対策を講ずる必要 があると規定されている。 5.6.2. セーフガードのガイドライン例 本プロジェクトによる自然環境への影響や、地域住民への影響を検討するために、セ ーフガードの取り組みについて調査した。セーフガードとは、REDD+活動に伴う森林環 境・社会等への悪影響を防止する措置のことである。インドネシアでは、REDD+活動の セーフガードに関して、現時点で明確な基準や原則が制定されていない。そのため、最 新のセーフガードに関する原則・基準・指標やガイドラインを調査した。 セーフガードの国際的な枠組みとして、2011 年メキシコのカンクンで開催された COP19 にて、「カンクン合意」が採択された。カンクン合意の中で、セーフガードを促進し、 支援しなければならないと記載され、項目リストが示された。しかし、プロジェクトレベルの 具体的な実施内容に関しては、未だ国連気候変動枠組条約（UNFCCC）内では定めら れていない。そこで、今後プロジェクトレベルを対象としたセーフガードのガイドラインが 制定されることを想定し、下記 3 つのガイドラインを参照した。 ① Social and Environmental Principles and Criteria（UNREDD） ② Guidelines on Free, Prior and Informed Consent（UNREDD） ③ Note on Safeguard Policies and the UNFCCC REDD+ Safeguards (FCPF)（World Bank） 参照を行ったガイドラインの概要をそれぞれ下記に示す。 ① Social and Environmental Principles and Criteria UNFCCC に沿った国レベルのセーフガードの原則・基準として、UNREDD から Social and Environmental Principles and Criteria (SEPC)が開発されている。SEPC は、UNFCCC に沿った国レベルのセーフガード基準を開発することを支援している。 ② Guidelines on Free, Prior and Informed Consent 地域住民と自由意思による、事前の、十分な情報に基づく同意 Free, Prior and Informed Consent (FPIC)を得るためのガイドラインとして、Guidelines on Free, Prior and Informed Consent が作成されている。国及び事業者は、ガイドラインを参照することで、各 ステークホルダーの REDD+活動への関与を促進し、円滑な合意を得ることができる。 72 ③ Safeguard Policies (FCPF) UNFCCC のガイダンスを内包する形で、世界銀行からもセーフガードに関する原則が 出されている。世界銀行は、REDD+活動に対して森林クレジットを与えるために、2008年 6 月炭素基金 Forest Carbon Partnership Facility (FCPF)を設立した。FCPF からクレジットを 得るためには、REDD＋活動の審査を受ける必要がある。そこで FCPF は、10 の Safeguard Policies とガイドラインを提示し、プロジェクトの支援を行っている。 5.6.3. 本プロジェクトで必要な検討項目 検討の結果として、プロジェクトレベルでのセーフガードについて、具体的な実施事項 まで言及しているガイドラインはなかった。そこで、各ガイドラインから重要点を抽出し、プ ロジェクト実施に対して、検討が必要な事項を下記に示す。 土地保有権の明確化 先住民族・地域住民の利益と権利の保護 地域住民の環境に影響を与える意思決定プロセスへの参加 プロジェクト情報の適切な開示プロセス 地域社会の効果的な参画 天然林保護と生物多様性の保全 本プロジェクトは、BOS 財団によってコンセッションが取得済みの土地に対して行われ る。本プロジェクトの事業地は、地域住民の居住地から 30km 以上離れ、周囲を保護林や 商業伐採用コンセッション（伐採権）が発行された森林に囲まれている。そのため、本プロ ジェクトによる先住民や地域住民への影響は無い。 また、本プロジェクト事業地内には、樹木 405 種（内、オランウータンの餌になるものが 194 種）の他、哺乳類 45 種、鳥類 199 種、両性類 18 種、爬虫類⒑種等の生息が確認さ れている。哺乳類の中には、カリマンタン島固有種が⒑種、さらに IUCN レッドリストの絶 滅危惧種、準絶滅危惧種に登録されているものが 9 種いるなど、生物多様性の保全の観 点からも、当事業の意義は大きい。インドネシアでは、オランウータンの保護活動に対す る社会的なニーズ・認識が高いことから、当該事業の意義は大きい。 これらのプロジェクトを取り巻く状況から、プロジェクト実施による環境や社会に対する 悪影響は極めて小さいと考えられる。しかしながら、持続的なプロジェクト運営のために は、継続的なセーフガードの実施・監視を行うことが重要である。 5.7. 利害関係者のコメント 5.7.1. 主要なステークホルダー 現地調査（第 1 回）を通じて、下記のローカルステークホルダーが重要なカウンターパ ートであることが分かった。今後、各ステークホルダーに対して、継続的にヒアリング調査 73 等を通じて、方法論の構築及び PDD の作成等に必要な関連情報の収集、分析を実施す る。特に、現地ワークショップ（2014 年 2 月実施予定）では、ステークホルダーとの意見交 換を通じて、関連情報を集約できるようにする。表 5-5 に主要なステークホルダーを示 す。 区分 中央 地方 表 5-5 当該 REDD+事業における主要なステークホルダー 組織名 協議事項等 インドネシア林業省 REDD+ Taskforce（中央政府） RAN-GRK（国家 GHG 排出削減計画） 事務局 イ ン ド ネ シ ア の CTC (Climate Change Technology REDD+の動向等 政府 Center) ICCC (Indonesia Climate Change Center) REDD+の衛星データ インドネシア技術評価応用庁（BPPT） 利用動向等 RAD-GRK 等の検討状 東カリマンタン州政府 況等 政府 州レベルの REL 設定 REDD+ Taskforce（東カリマンタン） の検討状況等 REDD+、生物多様性に 研究機関 Mulawarman University 関する研究動向等 事業の実現可能性、資 BOS 財団 NGO 金調達手段等 5.7.2. 主要なステークホルダーの役割とコメント等 事前の文献調査及び現地ヒアリング調査等を通じて得られた、主要なステークホルダ ーの役割と得られたコメントと、それに対する対応方針等を以下に示す。 （1） 在インドネシア日本大使館 東カリマンタン州では積極的に REDD+に取り組んでおり、当該プロジェクトの実施を 歓迎する。 【対応方針等】 継続的に連携を図りつつ、プロジェクト活動等を効率的に実施する。特に、JCM の制 度設計の動向については情報を集約しているので、日本政府側の動向を把握するため にも、適宜、コンタクトすることが望ましい。 74 （2） インドネシア林業省 REDD+プロジェクトをインドネシアで実施するのであれば、林業省とうまく連携を図ら れたい。 【対応方針等】 継続的に連携を図りつつ、プロジェクト活動等を効率的に実施する。特に、REL を設 定する際に必要となる、土地被覆区分ごとの面積データを州政府に提供しており、 REDD+関連の活動を行うときには、情報・法規制等の両面から重要なカウンターパートと なる。 （3） インドネシア政府気候変動協議会（DNPI） REDD+プロジェクトを地方で実施する際、地方政府、地域住民等が過度の期待を抱 かないように留意されたい。 【対応方針等】 東カリマンタン州で検討作業等を行う際は、提供情報等について十分に留意する。 JCM の制度設計を行うインドネシア側のカウンターパートであり、REDD+についても積極 的に推進しようとしている。一方で、REDD+については、方法論、データ整備の両面でま だ課題が多いことも指摘しており、慎重な姿勢を見せる向きもあった。 （4） RAN-GRK（国家 GHG 排出削減計画）事務局 RAN-GRK のモニタリングガイドラインを策定し、排出削減対策の進捗状況をモニタリ ングしていく予定である。 【対応方針等】 森林及び土地利用分野に関するガイドラインの策定状況等を含め、連携を図る。州政 府のキャパビルについても関心を持っており、土地利用セクターの担当者は、今後、サ ブナショナルレベルでの制度設計を検討していく中で、役割が大きくなっていくことが予 想される。 （5） 技術評価応用庁(BPPT) 衛星データをはじめとする情報通信技術を REDD+の活動に積極的に活用する点に 興味をもっている 【対応方針等】 森林及び土地利用分野におけるリモートセンシングデータの活用等、技術的なテーマ で連携を図る。 （6） 東カリマンタン州政府気候変動協議会（DDPI） 東カリマンタン州の RAD-GRK（第一版）を 2012 年末に完成し、国に提出済み。内容面 で完成度が高くなく、今後改善が必要である。 【対応方針等】 RAD-GRK 改訂作業の支援も含めて、東カリマンタン州政府と連携しながら、方法論及 75 びモニタリング体制等を検討する。REDD+はもちろん、他セクターも含め、セクター横断 的な取り組みを行っている。 （7） ムラワルマン大学（UNMUL） 当該REDD事業も含め、東カリマンタン州では様々な森林関連プロジェクトが実施され ており、連携を図ることが望ましい。 【対応方針等】 既存の森林関連プロジェクトの関係者と連携を図りつつ、調査等を実施する。既存の 研究データ、統計データ等について明るく、方法論を検討する上で重要な現地カウンタ ーパートである。 （8） BOS 財団 当該 REDD+プロジェクトを歓迎する。現地サンプリング調査、既存資料等の情報収集 等で協力する。 【対応方針等】 現地ネットワークの活用も含め、BOS 財団と連携しながら調査を進める。ERC サイトで のオランウータンのリリース事業等を実施しており、最も詳しく現地を知り、最もよく地域住 民のこともよく理解している。今後、プロジェクトの実施局面に入ってくると、地方政府に加 え、地域住民等との対話が必須となってくる。そうした地域密着型の行動ができる集団で ある。 76 6. プロジェクト実現化に係る調査結果 6.1. プロジェクト開発状況 当該プロジェクトにおける、来年度以降の実施スケジュールを次に示す。現地カウンタ ーパートである BOS 財団は、事業会社である PT.RHOI 社を設立して、2011 年にプロジ ェクトサイトの生態系回復事業権（ERC）を取得し、2012 年から、オランウータンのリリース 活動を開始している。 現時点では、今年度を含め、直近の 3 年間程度を REDD+事業の準備期間とし、当該 FS 事業における方法論の開発や、PDD の作成、さらには現地での実施体制の構築、キ ャパシティビルディング等の活動を展開する予定である。 JCM の制度構築等の動向にもよるが、当該 REDD+プロジェクトの本格実施は、2016 年からを想定している。 2011 年 生態系回復事業権（ERC）取得（済） 2012 年 オラウータンのリリース活動開始（生態系回復事業開始）（継続中） 2013～15 年 REDD+事業活動の準備（含：当 JCM 実現可能性調査） 2016～45 年 REDD+事業活動の実施 6.2. 資金計画 従来型（VCS）の REDD 事業を想定した BOS 財団による現時点の試算値（除：オランウ ータンのリリース費用）をもとに、プロジェクトの準備段階における初期費用と、プロジェク トの運用段階における費用（30 年間総額）について推計した結果を表 6-1 及び表 6-2 の とおり示す。 表 6-1 プロジェクト準備段階における初期費用 内訳 金額 生態系回復権利権（ERC）の取得 1 億 2000 万円 FS 調査（方法論開発、ベースライン（リファレンス） 6000 万円 情報、衛星画像分析、航空機調査、セーフガード検討、 スタッフキャパシティビルディング） REDD 認証、登録 1000 万円 期間 費用 表 6-2 プロジェクト運用費用合計（REDD 事業期間 30 年間総額） 1-5 年目 6-10 総計 11-15 16-20 21-25 26-30 800 万 550 万 400 万 550 万 400 万 500 万 3200 万円 プロジェクトの実施に必要な経費は、初期費用として 1 億 9000 万円、30 年間の運営費 用として 3200 万円を想定している。初期費用のうち、生態系回復事業権（ERC）の取得に 77 かかる 1 億 2000 万円は、BOS 財団が、既に投資済みである。 これに加えて、当該事業において以下のとおり調査を実施し、資金計画につき、より具 体化を図ることを想定している。 生態系回復事業や REDD 事業に適用可能な、インドネシア国内の金融スキーム 等の内容について、文献や資料を収集し、整理する。 ERC 事業地内へのアクセスや、事業地内のパトロールにかかるコストについて、 PT.RHOI 社から聞き取る REDD 事業から発生するクレジット収益の分配にかかる法制度の最新情報を、関 連機関から収集する。 上記データと情報から、モニタリング頻度向上によるキャッシュフローの変化が与 える収益改善効果を試算する。 6.3. MRV 体制 REDD+事業の MRV については、大きく分けて、①衛星画像解析等による土地被覆区 分ごとの活動量（面積変化データ）の把握、及び②土地被覆区分ごとの排出係数（単位 面積当たりの炭素蓄積量）の特定の作業が必要となる。さらに、データの収集方法として、 (A)独自データを収集するのか、または、(B)既存統計データを活用するのか、といった観 点でも検討を行う必要がある。信頼できるデータが利用できる場合は、(B)による既存統 計データの利用が業務効率化につながる。本調査では、こうした既存統計データの利用 可能性についても検討する。 現時点での REDD+プロジェクトの MRV の実施体制案を表 6-3 に示す。 表 6-3 REDD+プロジェクトの MRV の実施体制案 区分 (A)独自データの収集 (B)既存統計データの活用 土地被覆区分ご プロジェクトエリアの衛星画 RAD-GRK 等に掲載されてい との活動量（面積 像データの解析 る REL 設定のための基礎デ 変化データ） 【MRI、NEC、NEC-F 等】 ータ（※利用可能性を要確認） 【東カリマンタン州政府等】 土地被覆区分ご 現地サンプリング調査に基づ RAD-GRK 等に掲載されてい との排出係数 く排出係数データの設定 る REL 設定のための基礎デ 【BOS-F 等】 ータ（※利用可能性を要確認） 【東カリマンタン州政府等】 6.4. プロジェクトの許認可 現地カウンターパートである BOS 財団がプロジェクトエリア全体をカバーする生態系回 復事業権（ERC）は、既に取得しており、プロジェクトの適格性条件（条件２）を満たしてい 78 る。 6.5. 日本製技術の導入 当該プロジェクトの実施を通じて期待される日本側の貢献を以下に示す。 6.5.1. リモートセンシング技術の活用 人工衛星による観測の特徴としては、衛星の移動速度が速いため、短時間で時間的 に均質なデータを取得できること、衛星の高度が高いため一度の観測範囲（刈り幅）が広 く空間的に取得できる、 長期間（数年単位）に及ぶ連続観測が可能である、撮影範囲に 関する制約（国境等）がない、などがあげられる。 また、わが国は数多くの地球観測衛星の開発・運用実績がある。現在運用中の地球観 測衛星としては第一期水循環変動観測衛星「しずく」（GCOM-W1）、温室効果ガス観測 技術衛星「いぶき」（GOSAT）があり、今後打ち上げられる予定の地球観測衛星としては、 高分解能光学観測衛星「ASNARO」、陸域観測技術衛星 2 号「だいち 2 号」(L バンド合 成開口レーダ）、高分解能レーダ観測衛星「ASNARO-2」、第一期気候変動観測衛星 「GCOM-C1」、ハイパースペクトルセンサ搭載衛星(名称未定)、などがある。 これらの衛星で得られた観測データを解析し、当該国に提供することにより本分野に おいても日本が多くの貢献を行なうことができると考えられる。 6.5.2. IT 端末の活用 IT 端末の利用を通して、現場における機動性の向上を目的としている。可能性のある 検討項目としては、GPS 機能、フィールドノート代用機能、デジタルカメラ等がある。 い ずれの機能についても、現地利用の際には IT 端末利用のための技術的なサポート、画 面内容に関する専門用語あるいは英語等の理解支援等が必要である。 6.5.3. ビッグデータソリューションの活用 本プロジェクトの中で収集された多種多様な情報に対しては、今後、ビッグデータソリ ューションを活用していくことが有効であろうと考えている。ビッグデータ活用の場面につ いては以下のような可能性が考えられる。 （9） 画像解析 IT 技術の日々の発展に伴い、データ量の多い高精細な情報を収集することができるよ うになってきている。 一方、その情報の処理技術も同様に IT の発展に伴い高度化して きている。双方の技術の発展を活用し、より高精細かつ正確な画像解析を実現できる可 能性がある。 （10） データマイニング スペクトル解析、テクスチャ解析、その他の解析技術の長所を相乗効果として活用して いくデータマイニング手法を活用する。 その結果、地形、植生、気候等の現場の情報と俯瞰的に見たリモートセンシング情報 79 を各々結びつけることで従来までには見いだされなかった特徴が発見される可能性があ る。 以上、記したように当該プロジェクトを通して、日本の IT 技術を活用できる場面は大い に存在し、活用機会を少しでも多くする、すなわち当該プロジェクトを成功させることで今 後 REDD 分野において日本の IT 事業機会を増加していくことができると期待している。 また、その際の事業に関する課題等については、6.6.2 に記した。 6.6. ホスト国への貢献 6.6.1. リモートセンシング技術の活用 （1） 対象地域での状況 インドネシア政府機関でも衛星リモートセンシングデータの活用は緒についたばかり だが推進する動きが出てきている。（政府環境カンファレンスへの米国 Digital Globe 社参 加、仏国 SPOT Infoterra 社の衛星データ利用、等） （2） 現地政府関係者へのヒアリング結果 インドネシア訪問の際に、中央政府関係者（林業省、RAN-GRK 事務局、BPPT 等）、 東カリマンタン州政府関係者（DDPI 等）、及び BOS 財団と本プロジェクトの全般的な協議 を行った。その際に、衛星リモートセンシングデータの利用に関して得たコメント内容は 下記のとおりである。 「対象地域の熱帯雨林の多くは原生林であり、また山間部もあることから急斜面となっ ている部分も少なくない。実地でのフィールド調査には限界があり、衛星リモートセンシン グデータの活用が不可欠な状況であることから、衛星リモートセンシングデータを活用し た新たな MRV 手法確立に大きな期待を寄せている。」 （3） 課題と可能性 今年度の IPCC 総会において、REDD+での衛星リモートセンシングデータの 活用推 進について提言されている。 （出典：http://www.gispri.or.jp/kankyo/ipcc/pdf/131028_ENB_IPCC37_Report_1.pdf） 上記のような要求があるものの、従来 REDD+における衛星リモートセンシングデータ 利用については、中分解能の LANDSAT の画像データが使用されるのが一般的である ため、精度の高いバイオマス測定を実施するためには技術的に多くの課題を抱えてい る。 今回の FS では高分解能衛星（5m/pixel）と中分解能衛星（30m/pixel）を併用しており、 さらに次年度以降、多様なセンサデータの組み合わせ（Data Fusion）により高精度化が 実現できることから既存の手法に対し差別化が図れると考えている。 80 6.6.2. IT 端末の活用 現場における IT 端末の利用を通して、フィールドワークの機動性向上を目指した。具 体的には、通常のフィールド調査で使用する GPS 機器とフィールドノート、デジタルカメラ を IT 端末でどこまで代用できるか検討した。現地 ERC サイトにて、NEC 社製タブレット 端末（LifeTouch B プラス）を持ち込み、その機能を現場で試用した。 （1） GPS 機能 LifeTouch の GPS 機能と他の GPS 機器を比較した（表 6-4）。また、フィールドでの移 動工程も確認した（図 6-1）。 表 6-4 地点 1 地点 2 GPS 機能の比較 北緯 東経 標高(m) Garmin Etrex 20J 1’24’49.69 116’16’38.30 575 LifeTouch 1’24’47.58 116’16’32.07 629 Garmin Etrex 20J 1’25’13.22 116’16’51.79 390 LifeTouch 1’25’10.74 116’16’43.90 372 Garmin 社の製品を基準として判断すると、位置関係についてほぼ同等の機能を 有すると思われたが、標高についてはかなり差がでていた。 81 図 6-1 現地での GPS 機能の確認 また、移動工程のトレースについても図 6-1 に示したように GPS 専用機と同等 の機能を発揮し、移動中の目標物の確認や、フィールド調査結果をまとめる確認作 業時にも役立った。 （2） フィールドノート（胸高直径の記録） LifeTouch に標準装備されている表計算アプリケーション11を使い、樹木の胸高 直径を記録してみたが、紙と筆記具での記録作業と比べると、時間がかかった。こ れは、画面タッチ入力に慣れていない調査員と、軍手を付けた状態や、汗で汚れた 指先での入力が難しかったことに起因するが、そもそも物理的なキーボードを持た ない現行タブレット型機器の限界とも言える。 （3） デジタルカメラ（現場状況の撮影記録機能） LifeTouch を成長量測定地点での概況、主な樹種の樹形、樹皮等の撮影に使用し た。このような通常の調査業務においては、何の問題もないことが確認できた。 11 Android 版 Quickoffice® 82 （4） 課題と可能性 本フィールド調査は、現地 BOS 財団に委託したが、調査員の一部には、IT リテ ラシーと英語読解力に難があった。本事業において IT 端末を本格的に導入する際 は、事前の十分な訓練や、アプリケーションの現地語対応が必要と考えている。 今回の調査では、作業の一部に LifeTouch を試用しただけで、大部分は、通常の GPS 機器、フィールドノート、デジタルカメラで作業した。結果のとりまとめでは、 フィールドノートに記録した、胸高直径や樹種の情報を、PC に再入力し、かつ、 GPS やデジカメ記録と、つなぎ合わせつつ、情報の整合性を確認した。これらの過 程で時間を費やしたのは、PC への再入力と、整合性の確認作業である。GPS の座 標等は PC 入力ミスも発生しており、その確認にも、さらに多くの時間をかけた。 これらとは別に、樹種名の確認にも図鑑の参照が必要だったり、多くの労力を割い たりすることになった。 既存のオフィス・アプリケーションをベースにしつつ、入力作業を簡易化するイ ンターフェース・アプリを導入、そして、調査地点ごとの胸高直径、GPS 位置記録、 現場画像を紐づけ、電子データとして一元管理できるパッケージを開発、さらに、 樹種の画像付データベースを実装できれば、上記の作業は大幅に効率化できる。何 より作業ミスが少なくなることで、情報全体の正確性と信憑性が格段に向上する。 IT 端末を導入することで、現場の生データを効率的に公開・公表できるような仕組 みになれば、MRV そのものの改善、排出削減制度全体の信頼性の向上に役立つ可 能性があると考えている。 6.7. 環境十全性の確保 6.7.1. インドネシアにおける環境十全性に関わる概況 ゴム、カカオ等のプランテーションによる森林開発は、インドネシアにおける経済発展 のための重要な手段の一つとなっている。こうした森林開発により、現地住民は雇用創出 や地域の経済発展等の恩恵を受けることができる一方、インドネシアの急速な森林減少 の主要因となっている。特に、今回、プロジェクト対象地となっているカリマンタン島では、 まだ主要な産業が発達しておらず、地域経済における森林開発の役割が重要になって いる。このため、今後も、高い水準で森林伐採の圧力が維持されると予想される 本プロジェクトにおける環境十全性への配慮としては、生物多様性の保全に注力する ことが必要と考える。事業地内には、熱帯雨林の動物のシンボルであるオランウータンの ほか、哺乳類 45 種、鳥類 199 種、両性類 18 種、爬虫類 10 種、樹木 405 種の生息が確 認されている。哺乳類の中には、カリマンタン島固有種が 10 種、さらに IUCN レッドリスト の絶滅危惧種、準絶滅危惧種に登録されているものが 9 種いるなど、本プロジェクト事業 地は、生物多様性の観点から貴重な場所になっている。 生物多様性は、REDD の中では事業の実施による社会・環境への悪影響を予防し、好 影響を増大させる「セーフガード」への取り組みの一つとして位置づけられている。 COP16 においては、生物多様性の保全や、生態系サービスの保護に対するインセンティ ブを付与する活動をセーフガードとして明文化している。 83 当該 REDD+プロジェクトで、中核的な役割を果たす BOS 財団は、森林開発の結果、 生活の場を奪われたオランウータンを保護し、天然林に還す活動を続けている。彼らの 取り組みは、森林開発による経済発展と、オランウータンの保護とその活動を通じた自然 保護とを同時に達成することを目的としている。当該 FS を通じて、この REDD 事業を円滑 に運用するための体制の構築を検討し、これを実現できれば、同国における持続的な森 林開発の実現に貢献することができる。 6.7.2. 生物多様性の定量評価 生物多様性の定量化には様々な手法が開発されており、国内外の制度下で活用され ているものもある（表 6-5）。本調査では米国で環境影響評価制度の中で採用されている HEP（Habitat Evaluation Procedure：生息地評価手続き）について注目した。その理由は、 生物種の数について膨大なフィールド調査を必要とする学術的な定量化手法が多い中、 HEP は対象地域の生態系を代表する特定の動植物に着目して、その動植物にとって生 息しやすいかどうかに絞り込んで定量化する手法だからである。 本プロジェクトを例に HEP の手順を説明すると、まず、オランウータンを地域の生態系 を代表する動物として位置付ける。そして、オランウータンの好む樹冠被度、あるいは住 処や食糧になる樹種がどのくらいあるか等を測って生息環境の質の指標（HSI、Habitat Suitability Index）をつくる（図 6-2 を参照）。これに保全されている面積を乗じて、その対 象地域全体の生息環境の価値（HU、Habitat Unit）として定量化する。さらに事業期間と いう時間軸を付け加えて、事業地内の生物多様性を評価する、といった手順になる。 このような手法ならば、従来から BOS 財団が実施しているオランウータンのモニタリン グ作業とも類似性が高く、現行のフィールドスタッフでも実施可能である。また、被度や特 定の樹種に絞るならば、更なる技術的な開発は必要なものの、現状 6 バンド程度のスペ クトル情報を 185 バンドに拡張できるハイパースペクトルセンサを使った観測、モニタリン グも将来的には可能になると考えている。 表 6-5 生物多様性の代表的な評価手法や認証制度 手法 / 制度名：シャノン・ウィナーの多様度指数 種数に固体数分布を加えた指標で、植物や昆虫、鳥類等、生態群内の多様性を示す。 種類が多いほど、かつ、各種の均等度が高いほど、高い数値になる。 = ∑ 𝑖 g2 𝑖 0 で計算され、S は種数。Pi は i 番目の種類の個体数が 全体に占める割合を示し、Pi=ni/N となる。生物種の数のみに着目した手法で、生物 学調査で多用される。 手法 / 制度名：シンプソンの多様度指数（D） 植生や昆虫、鳥類などの生物群集内の多様性を示す。調査で得られた個体すべての 中からランダムに選んだ二つの個体が違う確率を示す。 = 1 − ∑𝑖 𝑖 2 で計算され、多様性が高いほど、D が大きくなる。S は種数。Pi は i 番目の種類の個体数が全体に占める割合を示し、Pi=ni/N。生物種の数のみに着目し た手法で、生物学調査で多用される。 84 手法 / 制度名：IFIM /米国魚類野生生物局 河川の HEP。河川の正常流量を検討・評価するために開発された。米国のダム開発等 で採用されている標準的な手法。 手法 / 制度名：BRAT; Benthic Resource Assessment Technique 魚類、鳥類の摂餌習慣から、餌となる底生物量を調べ、対象海底の摂餌供給量や生物 の利用価値を評価する。米軍の技術開発研究所（EDRC）でも実験を実施。 手法 / 制度名：アメーバ法 対象海域の生態系を構成する生物種の現存量をレーダーチャートで表し、自然の生態 系に近いシステムと比較する。日本でも干潟の評価に使われたことがある。 手法 / 制度名：JHEP 認証制度 日本生態系協会による認証制度で、簡易型の HEP 手法を用いている。工事受注者が 申請する CHEP 認証と事業主が申請する JHEP 認証がある。評価結果を 5 段階にラン ク付けして認証を付与。2009 年より開始され、認証実績多数。 手法 / 制度名：フォレストック認証制度 フォレストック協会による、森林の生物多様性評価に基づいた森林経営事業の評価制 度。6 項目の定量指標と 13 項目の定性指標を 100 点満点で評価。国内で約 30 の森林 事業が認証取得済。 1.0 0.8 樹 0.6 冠 被 度 0.4 0.2 0.0 0% 50% 100% 生息環境の質（HSI) 図 6-2 オランウータンの生息環境（HSI）の指標化イメージ どのような定量化手法を使い、どのように事業へ適用していくかについては、引き続き 検討が必要だが、定量化することで REDD 事業として受けることのできる便益がいくつか 考えられる。 まず、数値化することで生物多様性の保全状態がわかり易くなり、事業運営の健全性 85 の指標になること。この数値を公開することで、ステークホルダーの深い理解も得られるこ と。その結果、他の REDD 事業との差別化が図られ、より多くの投資や支援が得られるよ うになり、制度によっては、生物多様性プレミアムとして CO2 クレジット価格に反映させる といったことも十分期待できること。特に、オランウータンの保護活動に対する社会的なニ ーズ・関心の高いインドネシアにおいては、オランウータンを中心に生物多様性を定量 化できれば、事業価値そのものを高めることにつながると考えている。 6.7.3. ホスト国の持続可能な開発への寄与 本 REDD+プロジェクト事業で、中核的な役割を果たす BOS 財団は、プランテーション や石炭採掘による森林開発の結果、生活の場を奪われたオランウータンを保護し、天然 林に還す活動を続けている。彼らの取り組みは、森林開発による経済発展と、オランウー タンの保護とその活動を通じた自然保護とを同時に達成することを目的としている。 本調査で注目した HEP は、米国等いくつかの国で公共事業など自然を開発する事業 の環境アセスメントの手続きとして活用されている。事業によって悪影響を受ける生体系 を、HEP を通じて定量化し、事業者はその悪影響を回避、最小化や、代償する施策を提 案することが制度として義務づけられ、その実施までが求められている。例えば、森林伐 採が避けられない事業の場合、失った森林生体系と同量を、他の場所で新たに作り、補 償することが事業実施の条件になるといったことである。 本プロジェクトを通じて、オランウータンを中心とした HEP の標準化が進み、それがイ ンドネシアの森林開発事業のアセスメント手続きのなかに取り込まれる。本プロジェクトは、 そのような形で持続可能な開発の仕組みづくりに貢献できればと考えている。 6.8. その他の間接影響 REDD+プロジェクトを実施する際、前述のとおり、森林保全・管理活動等により、環境 的な配慮が重要となるとともに、地域住民等への社会的な配慮も重要な事項と認識され ている。一般に「セーフガード」と呼ばれるが、REDD+プロジェクトに対する地域住民等 の利害関係者の理解を醸成するには重要な活動である。 現地カウンターパートである BOS 財団と、その関連会社である RHOI社は、この点を重 視しており、自らのオランウータン保全活動に関して、地域住民へのインタビュー調査を すでに実施している。こうした地域住民に対する調査の結果は、REDD+プロジェクトに対 する住民意識を把握する上で参考となる重要な情報源となる。 以下のとおり、当該意識調査の結果概要を以下に示す。 背景：RHOI 社は、オランウータンの保全活動のために、プロジェクトエリアを利用するた めに、コンセッションを取得したが、周辺住民は当該森林を生活の糧としているだけでな く、文化的にも強く依存している。このため、地域住民に対するインタビュー調査、フィー ルド調査、グループディスカッション等を通じて、村落の社会・経済的な構造を理解に必 要な情報を収集した。 86 結果：当該地域において、現状で生じている社会・経済的な重要な変化は次のとおりと分 かった。 天然資源 ・天然林の消失 ・河川の水質低下 ・土壌の肥沃度の低下 人的資源 ・教育／健康の重要性の認識向上 ・保健機関/サービスの向上 社会的資源 ・集落どうしの社会的つながりの強化 ・集落自治体との社会的つながりの低下 ・飲酒／売春の問題の増加 物理的資源 ・教育機関の改善 ・適切な設備の導入 経済/資金的資源 ・オイルパームプランテーション ・購買力の向上 ・マイクロクレジットの導入 ・就職/起業の機会の増加 出典：RHOI ”Restorasi Habitat Orangutan Indonesia – Final Report (May 12-23, 2011)” REDD+プロジェクトを実施する際にも、こうした社会・経済的な調査を事前に実施し、 当該地域における重要な課題を整理し、予め解決策等を検討しておくことが望ましい。こ うした調査を実施することにより、地域住民の理解醸成を図れるとともに、地域のネットワ ーク構築に役立つと考えられる。 6.9. 今後の見込み及び課題 本調査において、さらなる取り組みが必要となる課題と、それを解決するための調査項 87 目について検討し、以下のとおり、整理した。 6.9.1. 調査課題： 本調査における今後、さらなる取り組みが必要となる課題について以下のとおり示す。 （1） 方法論の開発 当初、衛星画像の入手に時間がかかったため、解析作業の着手に遅れが生じてしま った。特に、高精度の衛星画像データを活用するプロジェクト排出量の算定手法につい ては、引き続き、検討する予定としている。 仮報告書の提出時点では、リファレンス排出量/プロジェクト排出量のうち、プロジェクト 排出量については暫定版の検討結果を提示した。プロジェクト排出量の解析手法につい ては、さらなる検討を行う必要がある。 また、委員会（第１回）で出された、次の指摘を考慮しつつ、今後、最終報告書へ向け て改善作業を実施する。 斜面の影響を補正すると、反射輝度が滑らかになり、本来なら分類できたものが、 逆に分類できないことが懸念される。斜面補正による悪影響も考慮すべき。 オブジェクトベースでの解析方法と差別化すべき点は何か。 等 （2） 現地サンプリング調査方法 今年度調査において、現地サンプリング調査により、土地被覆区分の教師データの取 得等を行った。プロジェクトサイト周辺の土地被覆区分は概ね満たしているが、各土地被 覆区分の調査地点数が少なく、十分な教師データを確保することができなかった。このた め、特に森林以外の土地被覆区分の調査地点数を、現状の 2 倍程度には増加すること が必要となる。 さらに、現地サンプリング調査に必要となる人員、時間数等を見極め、調査に必要とな るコストを精査することが必要である。 （3） 現地セミナーの開催/現地カウンターパートとの連携 本 FS 調査の成果を普及し、現地関係者とは、常に情報共有を図り、プロジェクト実施 時に向けて、さらに高い信頼関係を構築しておく必要がある。プロジェクトメンバーでもあ る BOS 財団は、これまでの経緯もあり、日本側のプロジェクトチームのメンバーと意思疎 通が円滑に図ることができている。 今後は、すでに東カリマンタン州政府とも連携しつつ、同州で森林関連の支援事業を 行っている国際機関等とも情報交換を行い、より効果的な取り組みとなるように検討を進 めていくことが重要となる。 6.9.2. 調査内容： 前項で挙げた調査課題に対して、次の項目について調査することにより、解決策等を 検討する。 88 （1） 方法論の開発に関する検討 リファレンス排出量/プロジェクト排出量の解析（含：改善作業）を進め、定量評価を取り まとめる。特に、高精度の衛星画像データの解析を実施するプロジェクト排出量の算定 方法を重点におき、バイオマスマップの作成方法、その結果を活用しての一次林/二次林 の区分の手法についてさらに検討を進める。 具体的には、バイオマス推定モデルについては、今回、空間分解能では高解像度の データを使用したが、波長分解能では、さらに多バンドのデータを使用し、精度を上げる ことができる。既存研究では、ハイパースペクトルセンサを用いて高精度なバイオマス推 定を行った事例も存在し、今後の検討として、現在運用中の Landsat8 に搭載されている LDCM のデータを使用することが挙げられる。 （2） 現地サンプリング調査方法の設計・検討 前項でも指摘した通り、衛星画像解析を行うためには、さらなる教師データの取得が必 要となる。来年度、さらに追加で現地サンプリング調査を実施する際のデータを収集する 地理的範囲、対象とする土地被覆区分、サンプリング地点数等について、あらかじめそ の詳細を設計しておくことが重要となる。 さらに、バイオマス調査についても、現状の 30m 四方でのコドラート法について、改良 の必要性についても検討するものとする。 （3） 現地ワークショップの開催 REDD+のプロジェクトを持続的な形で運用していくためには、現地関係者との連携が 重要となる。特に、プロジェクトサイトが位置する東カリマンタン州の州政府関係者とは意 思疎通をしっかりと図ることが重要となる。 すでに、インタビュー調査を通じて、同州の気候変動協議会（DDPI）の議長である Dody Ruhiyat 教授からは「東カリマンタン州の既存プロジェクト関係者とも連携し、ぜひよ い成果を上げてもらいたい」とのコメントをもらっている。 そこで、当該 REDD+事業を現地関係者に周知するとともに、東カリマンタン州で実施 されている既存プロジェクトについても紹介してもらうため、現地ワークショップを開催す る。現時点（1/14 火）での開催要項（案）を以下のとおり示す。参加者としては、学識経験 者のほか、東カリマンタン州で活動する国際的な支援機関の関係者を招聘する予定とし ている。現地ワークショップのアジェンダ案を表 6-6 に示す。 89 表 6-6 現地ワークショップ・アジェンダ（案） Friday, February 14th 2014 08:30-09:00 Registration 09:00-09:20 Opening Session: 09:20-10:15 Opening speech by Professor Dody Ruhiyat (DDPI, Chair) Welcoming speech by Dr. Jamartin Sihite (BOS-F, President) Self-introduction by everyone Presentation - Bapedda on REDD (20min) Presentation --- BOSF Activities on Carbon Credit Projects Dr. Jamartin Shihite “TBD” (20min) Discussion (15min) 10:15-10:30 Coffee Break (15 min) 10:30-11:45 Presentation --- Project Introduction: NEC “Japanese private sector’s perspective on the REDD+ project in East Kalimantan” (15min) MRI “Joint Crediting Mechanism (JCM) and Proposed MRV Methodologies” (15min) MRI “Results of Calculating Reference Emission Levels and Emissions Reduction” (30min) Discussion (15min) 11:45-13:00 Lunch Break 13:00-15:00 Presentation --- Exchange of Views & Perspectives on Forest Conservation Activities in East Kalimantan: GIZ “Forest Related Activities in East Kalimantan (TBD)” (20min) TNC “Forest Related Activities in East Kalimantan (TBD)” (20min) WWF “Forest Related Activities in East Kalimantan (TBD)” (20min) ICRAF “Forest Related Activities in East Kalimantan (TBD)” (20min) Discussion (40min) 15:00-15:15 Coffee Break (15 min) 90 15:15-16:05 Presentation --- Future Collaboration of REDD+ Activities in East Kalimantan Professor Dody Ruhiyat (DDPI, Chair) “Current Status on RAD-GRK and REDD+ Related Activities in East Kalimantan” (20min) Discussion (30min) 16:05-16:15 Improvement of MRV methodologies (incl. Data on Land-Cover-Area Changes and Emission Factors) Consideration on Provincial MRV Systems and Implementation Body Other Potential Collaborative Works Wrap-up & Closing Remarks 91 参考資料 Appendix A プロジェクトサイト全体像 Appendix B プロジェクトサイト周辺のコンセッション発給状況 92 Appendix C 現地調査地点図 Appendix D テストサイト 2 周辺の土地被覆区分 93