JP2004037339A - 森林のバイオマスの定量計測法 - Google Patents

Abstract

【課題】必要最小限の樹形計測で済み、大幅なコストの削減が得られる。広範囲の地域を迅速に計量し得る。樹形計測とリモートセンシングデータを組合わせることにより、高い精度の定量計測ができる。
【解決手段】樹種を代表する樹木に基づいて組立てたマイクロ波森林後方散乱モデルより、有り得る森林パラメータから森林の理論マイクロ波後方散乱ミュラー行列又はストークス行列のデータベースを構築する。構築したデータベースの行列とＬバンド全偏波ＳＡＲデータより算出された実測マイクロ波後方散乱ミュラー行列又はストークス行列とを比較し、一致しない場合はデータベースに戻り、実測行列と最も類似する理論行列を検出して一致であると認定する。比較結果が一致した時の森林パラメータをＳＡＲデータで実測された森林パラメータとして決定し、この森林パラメータに基づいて森林のバイオマスを定量的に求める。
【選択図】　図１

Description

【０００１】
【発明の属する技術分野】
本発明は、波長帯１５ｃｍ〜３０ｃｍのＬバンド全偏波ＳＡＲ（Ｐｏｌａｒｉｍｅｔｒｉｃ　Ｓｙｎｔｈｅｔｉｃ　Ａｐｅｒｔｕｒｅ　Ｒａｄａｒ）データより森林のバイオマスを定量的に求める森林のバイオマスの定量計測法に関する。更に詳しくは、森林による炭素吸収量を算定する基礎データとなる森林のバイオマスを定量的に求める森林のバイオマスの定量計測法に関するものである。
【０００２】
【従来の技術】
炭素吸収量の変化を算定する際に必要な基礎データとして森林のバイオマスの定量が挙げられる。ここで炭素吸収量とは、植生の生長に伴い吸い込んだ炭素が植生細胞に取り込まれ、大気中の二酸化炭素がバイオマスの一部になって植生にストックされる量をいう。従来この炭素吸収量の算定に必要な基礎データとなるバイオマスの定量は樹木を伐採し、標本調査によって統計的に計測されていた。
【０００３】
【発明が解決しようとする課題】
しかし、この上記従来の定量計測法では、▲１▼標本調査のために樹木を大量に伐採する必要がある、▲２▼標本調査に多大な労力とコストを要するために、広範囲の定量計測には適していない、▲３▼現場での手作業のために計測は短期間にできず、広範囲にわたる同一時点での計測結果を出せない、▲４▼計測結果は第三者による監査の実施が困難である等の諸問題があった。
【０００４】
一方、人工衛星や航空機などの飛翔体に搭載され昼夜間、全天候で観測が可能なマイクロ波合成開口レーダ（ＳＡＲ）を用い、リモートセンシング（ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ）することにより得られる全偏波ＳＡＲデータは、農林業分野や水資源分野に利用されている。農林業分野では、農作物の群落の構造差、植被率、バイオマス要素の調査、土壌の構造差（表面の粗度）、土壌水分（含水量）の測定調査のために、水資源分野では、雪質、積雪水量、積雪深などの測定調査のためにそれぞれ使用されている。
しかしながら、このマイクロ波合成開口レーダにより観測されたＳＡＲデータは、偏波特性を画像として表示するのみであった。
【０００５】
本発明の第１の目的は、必要最小限の樹形計測で済み、大幅なコスト削減が得られる森林のバイオマスの定量計測法を提供することにある。
本発明の第２の目的は、広範囲の地域に存在する森林のバイオマスを迅速に定量計測し得る森林のバイオマスの定量計測法を提供することにある。
本発明の第３の目的は、樹形計測とリモートセンシングデータを組合わせることにより、高い精度の定量計測ができる森林のバイオマスの定量計測法を提供することにある。
本発明の第４の目的は、リモートセンシングデータに基づいて第三者から容易に監査できる森林のバイオマスの定量計測法を提供することにある。
【０００６】
【課題を解決するための手段】
請求項１に係る発明は、図１に示すように、計測森林における樹種を代表する樹木に基づいて組立てたマイクロ波森林後方散乱モデルより、有り得る森林パラメータから森林の理論マイクロ波後方散乱ミュラー行列又はストークス行列のデータベースを構築する工程１７と、構築したデータベースの理論マイクロ波後方散乱ミュラー行列又はストークス行列と波長帯１５ｃｍ〜３０ｃｍのＬバンド全偏波ＳＡＲデータより算出された実測マイクロ波後方散乱ミュラー行列又はストークス行列とを比較し、一致しない場合はデータベースに戻り、実測マイクロ波後方散乱ミュラー行列又はストークス行列と最も類似する理論マイクロ波後方散乱ミュラー行列又はストークス行列を検出して一致であると認定する工程１９と、比較工程１９で一致したときの森林パラメータ又は一致であると認定したときの森林パラメータをＳＡＲセンサーで実測された森林パラメータとして決定し、決定した森林パラメータに基づいて森林のバイオマスを定量的に求める工程２０とを含む森林のバイオマスの定量計測法である。
請求項１に係る発明では、先ず代表樹木データから構築されたマイクロ波森林散乱モデルより、森林の理論マイクロ波後方散乱ミュラー行列又はストークス行列のデータベースを構築する（工程１７）。次いで構築したデータベースの理論マイクロ波後方散乱ミュラー行列又はストークス行列とＬバンド全偏波ＳＡＲデータから実測のマイクロ波後方散乱ミュラー行列又はストークス行列とを比較して、実測マイクロ波後方散乱ミュラー行列又はストークス行列と一致する理論マイクロ波後方散乱ミュラー行列又はストークス行列又は最も類似する理論マイクロ波後方散乱ミュラー行列又はストークス行列をデータベースから検出する（工程１９）。理論データベースから検出されたマイクロ波後方散乱ミュラー行列又はストークス行列の算出元に当る森林パラメータを実測された森林パラメータとして決定し、この森林パラメータより代表樹木のバイオマスを算出し（工程２０）、１画素と１画素のバイオマスを求める。このように上記工程１７、工程１９及び工程２０をそれぞれ行うことにより、最終的に１シーンＳＡＲセンサー画像の全画素に蓄えられた森林のバイオマスを定量的に求めることができる。
【０００７】
【発明の実施の形態】
本発明の森林のバイオマスとは、森林の乾重量を指す。
次に本発明の実施の形態について図１に基づいて説明する。
先ず、本発明の定量計測法を行う前に次の予備工程をそれぞれ行う。
飛翔体に搭載されたＬバンド全偏波（ＨＨ偏波、ＨＶ偏波、ＶＨ偏波及びＶＶ偏波）仕様を持つマイクロ波合成開口レーダを用いて被計測物である森林に飛行撮影を実施し、Ｌバンド全偏波ＳＡＲデータを取得する（工程１１）。
図２に示すように、飛翔体、例えば人工衛星に搭載されたマイクロ波合成開口レーダから波長領域が１５ｃｍから３０ｃｍまでにあるＬバンドのマイクロ波を所定のＨＨ偏波、ＨＶ偏波、ＶＨ偏波及びＶＶ偏波にて被計測物である森林に向かって放射する。合成開口レーダから放射されたマイクロ波は被計測物である森林に入射した時に進行方向が乱れあらゆる方向に反射される（散乱）。反射したマイクロ波の一部は入射した方向と逆の方向へ散乱（後方散乱）し、再び合成開口レーダで所定の偏波で受信されて受信信号となる。受信された受信信号は所定のレベルに増幅され、図示しない送信機によって合成開口レーダの観測信号として地上に伝送される。伝送された観測信号はＳＡＲデータとして取扱われ、様々な画像処理が行われて被計測物である森林の観測画像等が得られる。
【０００８】
Ｌバンドの合成開口レーダからの放射波長はマイクロ波森林後方散乱モデルが構築される領域である１５ｃｍ〜３０ｃｍのマイクロ波の波長領域である。３０ｃｍを越える波長帯は短波通信波長領域に含まれるため、日本、米国等では電波法によりこの波長領域の電波を放射するレーダの製造及び使用が禁止されている。１５ｃｍ未満の波長帯では、樹木の葉から跳ね返って来る信号が優勢であり、樹冠を貫く透過性が著しく低下し、レーダで捉えられる信号は樹冠に止まるため、本発明の定量計測法に適さない。Ｌバンド（波長１５ｃｍ〜３０ｃｍ）では樹木の葉を貫いて枝から跳ね返って来る信号と幹から跳ね返って来る信号が優勢である。
【０００９】
上記Ｌバンドの透過性と異なる偏波を用いることにより円盤状の葉と細長棒状の枝と立ち木の幹に対してそれぞれ異なる散乱信号を持つ性質（形状応答性）を利用することができる。従って、本発明の定量計測法にＬバンドの透過性と異なる偏波の形状応答性を備えたＬバンド全偏波ＳＡＲデータを用いることにより、森林パラメータの抽出、更なるバイオマスの算出ができる。なお、図２では飛翔体を人工衛星としたが、飛行機等でも良い。
【００１０】
オリジナルＳＡＲ画像には、レーダセンサー特有のスペックルノイズが点在する。そのため、エッジ情報を保存しながら、全偏波ＳＡＲデータに適用するスペックルノイズの軽減処理を実施する（工程１２）。
スペックルノイズを軽減した画像を用いて樹種別の植生分類を実施する（工程１３）。
樹種毎のバイオマス計測を行う為に、植生図或いは現地植生調査結果に基づいて、予めＳＡＲデータより樹種別の分類画像を作成する。
【００１１】
工程１１〜工程１３と平行して計測森林における樹種を代表する樹木に対して樹種毎の樹木データを測定して森林パラメータを作成する（工程１４）。
樹種毎に代表となる樹木を選定し、その枝振りや葉のサイズ等の樹形データ及び幹の直径や葉の密度等の密度データを測定して群落を代表する樹木を作成し、更に各樹種の代表樹木を併せて森林パラメータを作成する。
【００１２】
計測結果は、１本の木を葉、枝及び幹の３成分に分けて物理モデル化する。図３に各成分に物理モデル化された樹木を示す。各成分に分類するのは葉、枝及び幹によってそれぞれマイクロ波の散乱強度や特性が異なるためである。森林では樹冠部は葉と枝が混生しているため、層状として扱う。図４に森林の各層におけるマイクロ波の散乱を示す。物理モデル化した各成分より樹木の胸高直径、樹高及び単位面積当りの樹木の本数を含む基本データ、各次枝の長さと直径及び葉の厚さと面積を含む形状データ、各次枝と葉の方向確率分布関数を含む方位データ、及び各次枝及び葉の単位体積当りの数及び樹冠の厚さを含む密度データを含む森林パラメータを作成する。樹形計測は樹種が同じである場合、事前に樹種毎の計測を行って結果をデータベース化しておけば、その都度に現地の森林に行って樹形計測する作業量が減少する。表１に樹形計測により得られたカラマツ、トドマツ、アカマツ、広葉樹及び雑木或いは草の森林パラメータの一部をそれぞれ示す。
【００１３】
【表１】

【００１４】
次いで、工程１４で作成した森林パラメータに基づき被計測物である森林のマイクロ波後方散乱モデルを構築する（工程１５）。
この工程では、図３に示すように葉、枝及び幹の形状に基づいてそれぞれの後方散乱モデルを作り、また図４に示すように葉、枝及び幹の密度に基づいて放射伝達方程式を作り、更に地表面を考慮して被計測物になる森林のマイクロ波後方散乱モデルを組み立てる。この方法は「Ｆａｗｗａｚ　Ｔ．　Ｕｌａｂｙ，　Ｋａｍａｌ　Ｓａｒａｂａｎｄｉ，　Ｋｙｌｅ　ＭｃＤｏｎａｌｄ，　Ｍｉｃｈａｅｌ　Ｗｈｉｔｔ　ａｎｄ　Ｍ．　Ｃｒａｉｇ　Ｄｏｂｓｏｎ，　Ｍｉｃｈｉｇａｎ　ｍｉｃｒｏｗａｖｅ　ｃａｎｏｐｙ　ｓｃａｔｔｅｒｉｎｇ　ｍｏｄｅｌ．　ＩＮＴ．　Ｊ．　ＲＥＭＯＴＥ　ＳＥＮＳＩＮＧ，　１９９０，　ＶＯＬ．　１１，　ＮＯ．　７，　ｐ１２２３−１２５３．」に示される植生の電磁波散乱を計算する理論モデルの１つである。
【００１５】
この理論モデルは、樹冠層、樹幹層及び凹凸地表面境界より構成される樹木キャノピーの放射伝達方程式の一次解に基づいて作成される。この方程式において樹冠層は針葉及び枝を表現する誘電円柱体と葉を表現する円盤との散在にモデル化される。樹幹は均一の直径を持つ誘電円柱体として取扱う。この理論モデルでは法線から１０°以上の入射角での０．５〜１０ＧＨｚの範囲内のマイクロ波による応用が想定され、任意の送受信偏波配置の後方散乱係数が公式化される４×４のストークス行列に類似する変換行列として算出される。
【００１６】
上記予備工程１１、１２、１３、１４及び１５を経た後、本発明の定量計測法を行う。
先ず計測森林における樹種を代表する樹木に基づいて組立てたマイクロ波森林後方散乱モデルより、森林パラメータの有り得る変化を全てカバーするようにモデルシミュレーションを実施する（工程１６）。この工程１６では、モデルシミュレーションによりマイクロ波森林後方散乱ミュラー行列又はストークス行列を算出する。
【００１７】
偏波に着目する時に電磁波はストークスパラメータ（Ｓｔｏｋｅｓ　ｐａｒａｍｅｔｅｒ）によって表現される。ストークスパラメータは電界ベクトルの水平、垂直成分と結び付けられる。電磁波の散乱をストークスパラメータを用いて取扱うとき、入射波と散乱波のストークスパラメータ（ストークスベクトル）は４×４の実行列によって結び付けられる。その行列はストークス行列（Ｓｔｏｋｅｓ　ｍａｔｒｉｘ）或いはミュラー行列（Ｍｕｅｌｌｅｒ　ｍａｔｒｉｘ）と呼ばれる。ミュラー行列は、散乱行列と同様に、物体の散乱特性を完全に表現する。
【００１８】
このモデルシミュレーション結果から、森林の理論マイクロ波後方散乱ミュラー行列又はストークス行列のデータベースを構築する（工程１７）。
データベースの算出元は各森林パラメータの組合せとなる。データベースに登録されたデータは後方散乱の全ての偏波情報を表すミュラー行列又はストークス行列である。
【００１９】
次にＬバンド全偏波ＳＡＲデータから実測のマイクロ波後方散乱ミュラー行列又はストークス行列を算出する（工程１８）。
上記工程１８で算出された実測マイクロ波後方散乱ミュラー行列又はストークス行列と工程１７で理論データベースに登録されたマイクロ波後方散乱ミュラー行列又はストークス行列と比較し、一致しない場合は理論マイクロ波後方散乱ミュラー行列又はストークス行列のデータベースに戻り、実測マイクロ波後方散乱ミュラー行列又はストークス行列と最も類似する理論マイクロ波後方散乱ミュラー行列又はストークス行列を検出して一致であると認定する（工程１９）。
【００２０】
理論マイクロ波後方散乱ミュラー行列又はストークス行列と実測マイクロ波後方散乱ミュラー行列又はストークス行列との比較には複素数Ｗｉｓｈａｒｔ分布による最尤法を用いる。ＳＡＲデータの実測マイクロ波後方散乱ミュラー行列又はストークス行列とデータベースに登録された理論マイクロ波後方散乱ミュラー行列又はストークス行列の全メンバーとの間の尤度等価距離を求め、最短距離になるメンバーである理論マイクロ波後方散乱ミュラー行列又はストークス行列は最も類似するものと認定する。
【００２１】
比較結果が一致した時に、理論データベースから検出されたマイクロ波後方散乱ミュラー行列又はストークス行列の算出元に当る森林パラメータをＳＡＲセンサーで実測された森林パラメータとして決定し、この実測森林パラメータに基づいて森林のバイオマスを定量的に求める（工程２０）。
ＳＡＲセンサーの１画素の地表における面積に代表樹木の単位面積の本数を掛算して１画素当たりのバイオマスの量が求められる。同様の手法を用いて更に１シーンＳＡＲセンサー画像の全画素に対して計算することにより、１シーンＳＡＲセンサー画像に捉えられた広範囲の被計測森林のバイオマスが算出することができる。
【００２２】
【実施例】
次に本発明の実施例を説明する。
＜実施例＞
本発明の手法を用いて森林のバイオマスの定量計測及び広範囲にわたるバイオマス・マッピングを実施した。マッピング対象地域における計測面積は約２５ｋｍ^２（５．９ｋｍ×４．３ｋｍ）であった。この地域の植生はカラマツ林、トドマツ林、アカ・エゾマツ林及び広葉樹人工林生産群より構成されている。
先ず、航空機搭載合成開口レーダによりＬバンドの全偏波データを撮影した（工程１１）。オリジナルＳＡＲ画像にエッジ保存型スペックルノイズ軽減処理を施して画像中のノイズを低減した（工程１２）。このスペックルノイズ軽減画像を用いて樹種別の植生分類を実施した（工程１３）。
上記処理工程と平行して計測森林における樹種を代表する樹木に対して樹種毎の樹木データを測定した。カラマツ林（Ｌａｒｃｈ）、トドマツ林（Ｆｉｒ）、アカマツ林（Ｒｅｄ−ｐｉｎ）、広葉樹（Ｂｒｏａｄｌｅａｆ）及び雑木或いは草（Ｂｕｓｈ　ｏｒ　Ｇｒａｓｓ）の５樹種の森林パラメータを作成した（工程１４）。森林パラメータに基づいて図４に示したようなマイクロ波森林後方散乱モデルを構築した（工程１５）。
次いで、このマイクロ波森林後方散乱モデルより、バイオマスには寄与が一番高い樹冠層の厚さ、樹幹部の高さ及び樹幹の直径の３要素に関して変化させ、有り得る変化を全てカバーするようにモデルシミュレーションを実施した（工程１６）。森林の３変化要素に関する理論マイクロ波後方散乱ミュラー行列又はストークス行列のデータベースを構築した（工程１７）。
【００２３】
次にＬバンド全偏波ＳＡＲデータを用いて実測マイクロ波後方散乱ミュラー行列又はストークス行列を算出した（工程１８）。ＳＡＲデータから算出された実測マイクロ波後方散乱ミュラー行列又はストークス行列と森林３変化要素に関する理論データベースに登録されたマイクロ波後方散乱ミュラー行列又はストークス行列と比較した結果、最も類似するマイクロ波後方散乱ミュラー行列又はストークス行列を登録データベース中から検出した（工程１９）。検出されたマイクロ波後方散乱ミュラー行列又はストークス行列の算出元である該当樹種の森林パラメータをＳＡＲで実測された森林パラメータとして決定し、この実測森林パラメータに基づいて該当樹種の森林のバイオマスを算出した（工程２０）。上記処理は工程１３で得られた植生分類画像に基づいて、５樹種別で画素毎に実施し、ＳＡＲデータの画素毎のバイオマスを算出した。対象地域約２５ｋｍ^２における各樹種の幹、枝及び葉の合計バイオマス（乾重）算出結果は３８６，４６４トンであり、その平均値は１７．３ｋｇ／ｍ^２（１７０Ｍｇ／ｈａ）であった。
【００２４】
対象地域の中から一部分の区域について検証したところ、本発明の手法を用いた針葉樹の幹体積の算出値は３，１１１ｍ^３となった。なお、この区域における森林成長モデルによる材積見積値は２，８０８ｍ^３であった。森林成長モデルによる材積見積値は真の答ではないと考えられるが、現段階では比較可能な唯一の計算値である。本発明の定量計測法による算出値は材積見積値と近似しているため、本発明の幹体積の算出値はこの材積見積値に相当しているといえる。この結果から、従来行われていたような大がかりな計測を必要とせず、必要最小限の計測で広範囲の地域を迅速に計測できる。なお、本対象地域において、伐採による幹・枝・葉を含んだ森林バイオマスの真値の計量は行われていない。
【００２５】
【発明の効果】
以上述べたように、本発明の定量計測法によれば、複数種類からなる森林に各樹種毎の代表樹木データを計測し、この計測データをデータベース化することにより必要最小限の森林計測で済むため、大幅なコストの削減が得られる。マイクロ波合成開口レーダを用いてＳＡＲデータを得るので広範囲の地域を迅速に計測できる。ＳＡＲセンサーの実測マイクロ波後方散乱ミュラー行列又はストークス行列と理論データベースに登録されたマイクロ波後方散乱ミュラー行列又はストークス行列との比較から、代表樹木のバイオマスを算出できる。１画素と１画素のバイオマスを求め、最終的に１シーンＳＡＲセンサー画像の全画素に蓄えられた森林のバイオマスを定量的に求める。このように、樹木計測とリモートセンシングデータを組合わせることにより高精度が得られる。またリモートセンシングデータに基づいて第三者から容易に監査することができる。更に、ＳＡＲデータを順次に更新することにより、広範囲における森林炭素吸収量の変化及び森林の生育モニタリングにも利用することができる。
【図面の簡単な説明】
【図１】本実施の形態における森林のバイオマス定量計測法のフロー図
【図２】予備工程１１のマイクロ波合成開口レーダの観測を示す概略図。
【図３】物理モデル化された樹木のモデル図。
【図４】樹木の樹冠層と樹幹層における後方散乱を示す図。

Claims (1)

1. 計測森林における樹種を代表する樹木に基づいて組立てたマイクロ波森林後方散乱モデルより、有り得る森林パラメータから森林の理論マイクロ波後方散乱ミュラー行列又はストークス行列のデータベースを構築する工程（１７）と、
   前記構築したデータベースの理論マイクロ波後方散乱ミュラー行列又はストークス行列と波長帯１５ｃｍ〜３０ｃｍのＬバンド全偏波ＳＡＲデータより算出された実測マイクロ波後方散乱ミュラー行列又はストークス行列とを比較し、一致しない場合は前記データベースに戻り、前記実測マイクロ波後方散乱ミュラー行列又はストークス行列と最も類似する理論マイクロ波後方散乱ミュラー行列又はストークス行列を検出して一致であると認定する工程（１９）と、
   前記比較工程（１９）で一致したときの森林パラメータ又は一致であると認定したときの森林パラメータをＳＡＲセンサーで実測された森林パラメータとして決定し、前記決定した森林パラメータに基づいて森林のバイオマスを定量的に求める工程（２０）と
   を含む森林のバイオマスの定量計測法。

Images