JP2006085517A - 衛星データによる森林地域の植生分類方法 - Google Patents
衛星データによる森林地域の植生分類方法 Download PDFInfo
- Publication number
- JP2006085517A JP2006085517A JP2004270782A JP2004270782A JP2006085517A JP 2006085517 A JP2006085517 A JP 2006085517A JP 2004270782 A JP2004270782 A JP 2004270782A JP 2004270782 A JP2004270782 A JP 2004270782A JP 2006085517 A JP2006085517 A JP 2006085517A
- Authority
- JP
- Japan
- Prior art keywords
- cedar
- pine
- area
- vegetation
- distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Spectrometry And Color Measurement (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
【課題】調査対象地域のバンドデータの季節変化を利用して、森林簿に沿って区分された調査対象樹種を抽出し、かつ、その分布領域を求めることにより広域的な植生図の作成をおこなうための衛星データによる森林地域の植生分類方法を提供する。
【解決手段】処理手順として、(1)調査対象樹種の解析適期を設定し、調査対象地域の一又は複数のバンドデータを取得する。(2)それぞれのバンドデータの輝度値に対し、樹種に応じた上下限値又は閾値を設定し、樹種数分の樹種対象抽出マップを作成する。
(3)調査対象地域の正規化植生指標を作成する。(4)上記(2)の樹種対象抽出マップについて、上記(3)の植生指標を用いてマスク処理を施すことにより、山林部又は樹種分布を特徴抽出する。(5)上記(2)又は上記(4)により作成した樹種対象抽出マップを段階的に組み合わせて比較又は合成することにより樹種ごとの純林分布を求める。【選択図】 図10
【解決手段】処理手順として、(1)調査対象樹種の解析適期を設定し、調査対象地域の一又は複数のバンドデータを取得する。(2)それぞれのバンドデータの輝度値に対し、樹種に応じた上下限値又は閾値を設定し、樹種数分の樹種対象抽出マップを作成する。
(3)調査対象地域の正規化植生指標を作成する。(4)上記(2)の樹種対象抽出マップについて、上記(3)の植生指標を用いてマスク処理を施すことにより、山林部又は樹種分布を特徴抽出する。(5)上記(2)又は上記(4)により作成した樹種対象抽出マップを段階的に組み合わせて比較又は合成することにより樹種ごとの純林分布を求める。【選択図】 図10
Description
本発明は、調査対象地域のバンドデータの季節変化を利用して、森林簿に沿って区分された調査対象樹種を抽出し、かつ、その分布領域を求めることにより広域的な植生図の作成をおこなうための衛星データによる森林地域の植生分類方法に関する。ここで、調査対象樹種は、少なくともマツ、スギ及びヒノキである。
従来より、森林植生調査分野においては、航空写真による目視判読や衛星画像解析による植生分類が行われてきた。
しかし、航空写真による目視判読には多くの専門家の養成が不可欠であり、省力的な衛星画像解析処理への移行を目指して研究開発が行われてきた。
現在、一般的に行われている衛星画像解析処理方法は、農業分野で確立された最尤法と呼ばれる統計処理手法であるが、地形条件や植生条件の異なる林地には不向きな手法であり、林地での適合度は局所的であり、広域には拡大できなかった。
こうしたなかで、航空カラー写真や衛星カラー画像をコンピュータに入力し、コンピュータ画像処理により森林地域の樹冠形状画像を求め、この樹冠形状画像と元のカラー画像から求めた樹木の色彩及び輝度等とから森林地域全体の樹木植生の調査・評価を行おうとる提案があった。(例えば、特許文献1を参照。)
特開2001−357380号公報
しかしながら、この評価方法の特徴は画像データをコンピュータ処理することにより解像度を上げ、かつ、ノイズを排除して単木ごとに樹種を求める点にあり、局所的に精度を高めたといえるが、本発明に関し森林地域の調査対象樹種を抽出し、かつ、その分布領域を求めるる点、すなわち行政上の要請に叶う町村全域をカバーする広域的な植生図を作成するという点で技術解決課題に隔たりがある。
技術解決課題は、衛星リモートセンシングを利用して行政上の要請に叶う町村全域をカバーする広域的な植生図(森林簿データ)を作成する点にあり、調査対象樹種を抽出し、かつ、その分布領域を求めようとするものである。
本発明はこのような事情に鑑みなされたものであって、上記課題を解消し、調査対象地域のバンドデータの季節変化を利用して、調査対象樹種を抽出し、かつ、その分布領域を求めることにより広域的な植生図を作成するための衛星データによる森林地域の植生分類方法を提供するものである。
課題を解決するために本発明は、調査対象地域のバンドデータの季節変化を利用しておこなう衛星データによる森林地域の植生分類方法であって、調査対象樹種の広域的な植生図の作成するために、以下の処理手順を包含することを特徴とするものである。
(1)調査対象樹種の解析適期を設定し、調査対象地域の一又は複数のバンドデータを取得する。
(2)それぞれのバンドデータの輝度値に対し、樹種に応じた上下限値又は閾値を設定し、樹種数分の樹種対象抽出マップを作成する。
(3)調査対象地域の正規化植生指標を作成する。
(4)上記(2)の樹種対象抽出マップのなかで、市街地その他の森林地域以外の領域が混同抽出されたものについて、上記(3)の植生指標を用いてマスク処理を施すことにより、山林部又は樹種分布を特徴抽出する。
(5)上記(2)又は上記(4)により作成した樹種対象抽出マップを段階的に組み合わせて比較又は合成することにより樹種ごとの純林分布を求める。
(1)調査対象樹種の解析適期を設定し、調査対象地域の一又は複数のバンドデータを取得する。
(2)それぞれのバンドデータの輝度値に対し、樹種に応じた上下限値又は閾値を設定し、樹種数分の樹種対象抽出マップを作成する。
(3)調査対象地域の正規化植生指標を作成する。
(4)上記(2)の樹種対象抽出マップのなかで、市街地その他の森林地域以外の領域が混同抽出されたものについて、上記(3)の植生指標を用いてマスク処理を施すことにより、山林部又は樹種分布を特徴抽出する。
(5)上記(2)又は上記(4)により作成した樹種対象抽出マップを段階的に組み合わせて比較又は合成することにより樹種ごとの純林分布を求める。
本発明は、単バンドごとのデータによる迅速な処理と、調査対象樹種に最適な時期(解析適期)のデータを使用して、それぞれの処理結果を組み合わせることにより、少なくともスギ及びヒノキの分布に係る高精度な抽出が可能である。
本発明の実施の最良形態は、上記構成の評価方法において、調査対象樹種がマツ(A)、スギ(C)及びヒノキ(D)である。理解を助けるために、後述の実施例記載に用いた符号を付記した。
まず、マツ(A)を調査対象樹種とする解析適期が夏至の前後1月間であって、可視光線の緑及び赤と近赤外線の3バンドデータを取得し、かつ、それらの上下限値を設定して特徴抽出することによりマツ(A)の分布領域からなるマツ対象抽出マップ(A)を作成するものである。
つぎに、スギ(C)を調査対象とする解析適期が夏至の前後1月間であって、近赤外線の単バンドデータを取得し、かつ、その閾値を設定して特徴抽出することによりスギ(C)とマツ(A)と市街地等(E)の混同分布領域からなるスギ対象抽出マップ(CAE)を作成するものである。
つぎに、ヒノキ(D)を調査対象とする解析適期が芽吹き前(冬季)であって、可視光線の赤の単バンドデータを取得し、かつ、その閾値を設定して特徴抽出することによりヒノキ(D)とスギ(C)の混同分布領域からなるヒノキ対象抽出マップ(DC)を作成するものである。
そして、スギ対象抽出マップ(CAE)に対して、植生指標を用いたマスク処理を施して市街地等(E)を排除し、かつ、前記マツ対象抽出マップ(A)を合成して重複部分を排除することによりスギ(C)の分布領域を求めるものである。
また、ヒノキ対象抽出マップ(DC)に対して、前記スギ(C)の分布領域を排除することによりヒノキ(D)の分布領域を求めるものである。
本発明の一実施例について以下詳細説明する。理解を助けるために具体的な調査対象地域を挙げるが、本発明方法は、これに限定されるものではない。
調査対象地域は、マツの純林が分布している点を考慮して、図1に示す広島県山県郡芸北町を選定した。解析にはアスター画像 [Terra ASTER(日本ERSDAC)]を使用した。
解析に使用した季節と観測日を表1に示す。
調査方法は、予め現地を巡検し、眺望良好な場所から、スギ林,ヒノキ林を大まかに把握し、地図上の位置を確認した。この調査結果を元に、衛星データとの照合(グランドトゥルース)を行い、スギ林,ヒノキ林を正確に表現している衛星データを選定した。また、現地調査を補完するために、航空写真を使用した。
表2に抽出処理と解析適期と樹種の関係を説明する一覧表を示す。理解を助けるために、本発明方法に対応する手順についても欄外に略記した。
植生分類方法の処理手順は以下のとおりである。なお、符号の「#」はnot(排除)の意である。
<1>マツの抽出処理〔A〕→表2の処理イ
マツの解析適期は初夏(夏至の前後1月間)であり、この時期の3バンド画像(可視光線の緑G 及び赤R と近赤外線IR)を用いると、マツの純林分布を抽出できることが判明している。
マツの解析適期は初夏(夏至の前後1月間)であり、この時期の3バンド画像(可視光線の緑G 及び赤R と近赤外線IR)を用いると、マツの純林分布を抽出できることが判明している。
そこで、夏至の前後1月間に解析適期を設定し、可視光線の緑G 及び赤R と近赤外線IRの3バンドデータを取得し、かつ、各データの輝度値(の相関)に対して少なくともマツ(A)を特徴抽出するための上下限値をそれぞれ設定し、マツ(A)の布領域からなるマツ対象抽出マップ(A)を作成する。
図2に初夏の各バンドの輝度値の相関を示す(a)IR/G相関グラフ、(b)IR/R相関グラフ、及び図3にマツ対象抽出マップ(A)を示す。図3中、紙面右側の水平ハッチング部はデータ欠落領域(以下のマップについて同じ。)である。
<2>スギ・マツ・市街地等の抽出処理〔CAE〕→表2の処理ロ
スギの解析適期は初夏(夏至の前後1月間)であり、この時期の近赤外バンド画像を用いると、マツ(A)及び市街地等(E)をノイズとして許容するスギ(C)の分布を抽出できることが判明している。より詳しくは、この時期の近赤外バンド画像では、スギ林の分布を反映する輝度(値)が周辺のヒノキ林やマツ混交林(B)及び広葉樹林に比べて低く(暗く)なることが判明している。
スギの解析適期は初夏(夏至の前後1月間)であり、この時期の近赤外バンド画像を用いると、マツ(A)及び市街地等(E)をノイズとして許容するスギ(C)の分布を抽出できることが判明している。より詳しくは、この時期の近赤外バンド画像では、スギ林の分布を反映する輝度(値)が周辺のヒノキ林やマツ混交林(B)及び広葉樹林に比べて低く(暗く)なることが判明している。
そこで、夏至の前後1月間に解析適期を設定し、近赤外線IRの単バンドデータを取得し、かつ、該データの輝度値に対して少なくともスギ(C)を特徴抽出するための閾値を設定し、マツ(A)及び市街地等(E)をノイズとして許容するスギ(C)とマツ(A)と市街地等(E)の混同分布領域(CAE)を求める。
図4に初夏の近赤外バンド(IR)の輝度値を示すグラフ、図5に抽出後のスギ・マツ・市街地等の混同分布領域(CAE)を示す。
<3>植生の有無の抽出処理〔#E〕→表2の処理ハ
調査対象地域の正規化植生指標 [NDVI:Normalized Difference VegetationIndex] を作成する。
調査対象地域の正規化植生指標 [NDVI:Normalized Difference VegetationIndex] を作成する。
正規化植生指標の作成は公知手法であり、近赤外バンドの反射率(IR)と赤バンドの反射率(R)を用いて、NDVI=(IR−R)/(IR+R)により求める。地表上での植物の葉が多い程、NDVIの値は高くなるので、山林部(植生有り)と市街地等(植生無し)を区分することができる。
図6に調査対象地域の正規化植生指標の作成図(#E)を示す。
<4>スギ・マツの抽出処理〔CA=CAE#E〕
上記<2>のスギとマツと市街地等の混同分布領域(CAE)に対して、上記<3>の植生指標を用いたマスク処理を施して市街地等(E)を排除し、マツ(A)をノイズとして許容するスギ(C)とマツ(A)の混合分布領域からなるスギ対象抽出マップ(CA)を作成する。
上記<2>のスギとマツと市街地等の混同分布領域(CAE)に対して、上記<3>の植生指標を用いたマスク処理を施して市街地等(E)を排除し、マツ(A)をノイズとして許容するスギ(C)とマツ(A)の混合分布領域からなるスギ対象抽出マップ(CA)を作成する。
図7にスギ対象抽出マップ(CA)を示す。
<5>スギの抽出処理〔C=CA#A〕
上記<4>のスギ対象抽出マップ(CA)に対して、上記<1>のマツ対象抽出マップ(AD)を合成して重複部分を排除することによりスギ(C)の分布領域を求める。
上記<4>のスギ対象抽出マップ(CA)に対して、上記<1>のマツ対象抽出マップ(AD)を合成して重複部分を排除することによりスギ(C)の分布領域を求める。
後述の図10のマツ・スギ・ヒノキの植生図における凡例のスギを参照。
<6>ヒノキ・スギの抽出処理〔DC〕→表2の処理ニ
ヒノキの解析適期は冬季(芽吹き前)である。この時期の赤バンド画像を用いると、スギをノイズとして許容するヒノキ(D)の分布が抽出できることが判明している。より詳しくは、この時期の赤バンド画像では、ヒノキの分布を反映する輝度(値)が周辺のマツ林や広葉樹林に比べて低く(暗く)なることが判明している。
ヒノキの解析適期は冬季(芽吹き前)である。この時期の赤バンド画像を用いると、スギをノイズとして許容するヒノキ(D)の分布が抽出できることが判明している。より詳しくは、この時期の赤バンド画像では、ヒノキの分布を反映する輝度(値)が周辺のマツ林や広葉樹林に比べて低く(暗く)なることが判明している。
そこで、芽吹き前(冬季)に解析適期を設定し、可視光線の赤R の単バンドデータを取得し、かつ、該データに対して少なくともヒノキ(D)を特徴抽出するための閾値を設定し、スギ(C)をノイズとして許容するヒノキ(D)とスギ(C)の混同分布領域からなるヒノキ対象抽出マップ(DC)を作成する。
図8に冬季の赤バンド(R) の輝度値を示すグラフ、及び図9にヒノキ対象抽出マップ(DC)を示す。
<7>ヒノキの抽出処理〔D=DC#C〕
上記<6>のヒノキ対象抽出マップ(DC)に対して、上記<5>のスギ(C)の分布領域を排除して、ヒノキ(D)の分布領域を求める。
上記<6>のヒノキ対象抽出マップ(DC)に対して、上記<5>のスギ(C)の分布領域を排除して、ヒノキ(D)の分布領域を求める。
後述の図10のマツ・スギ・ヒノキの植生図における凡例のヒノキを参照。
図10にマツ・スギ・ヒノキの植生図を示す。ここで、凡例のマツを参照。
上記処理手順において、例えばマツ対象抽出マップの作成が不能である場合があったとしても、調査としては有意味である。調査対象地域にマツの純林分布がないと評価されるからである。
なお、ランドサットやJERS-1、ADEOS などの異なる衛星データからも同様の結果が得られており、本発明の汎用性を支持するものであった。
本発明は、樹種ごとに解析適期を定めて衛星データによる植生区分の判読に有効な「旬のデータ」を扱う効果的な植生分類方法(抽出技術)を開発した点で、革新的であり、林務行政上の活用を含み産業上の利用可能性を有する。
また、「旬のデータ」の存在は、近赤外線を反射する葉中の葉緑素の量が季節により変動している可能性を示唆するものであり、年間の葉緑素量変化を指標とする新たな解析技術の開発が期待できる。
A マツ純林〔マツ〕
B マツ混交林
C スギ純林〔スギ〕
D ヒノキ純林〔ヒノキ〕
E 市街地等
B マツ混交林
C スギ純林〔スギ〕
D ヒノキ純林〔ヒノキ〕
E 市街地等
Claims (3)
- 調査対象地域のバンドデータの季節変化を利用しておこなう衛星データによる森林地域の植生分類方法であって、
調査対象樹種の広域的な植生図を作成するために、以下の処理手順を包含することを特徴とする衛星データによる森林地域の植生分類方法。
(1)調査対象樹種の解析適期を設定し、調査対象地域の一又は複数のバンドデータを取得する。
(2)それぞれのバンドデータの輝度値に対し、樹種に応じた上下限値又は閾値を設定し、樹種数分の樹種対象抽出マップを作成する。
(3)調査対象地域の正規化植生指標を作成する。
(4)上記(2)の樹種対象抽出マップのなかで、市街地その他の森林地域以外の領域が混同抽出されたものについて、上記(3)の植生指標を用いてマスク処理を施すことにより、森林地域又は樹種分布を特徴抽出する。
(5)上記(2)又は上記(4)により作成した樹種対象抽出マップを段階的に組み合わせて比較又は合成することにより樹種ごとの純林分布を求める。 - 請求項1記載の衛星データによる森林地域の植生分類方法において、
調査対象樹種がマツ(A)、スギ(C)及びヒノキ(D)であり、
マツ(A)を調査対象樹種とする解析適期が夏至の前後1月間であって、可視光線の緑及び赤と近赤外線の3バンドデータを取得し、かつ、それらの上下限値を設定して特徴抽出することによりマツ(A)分布領域からなるマツ対象抽出マップ(A)を作成するものであり、
スギ(C)を調査対象とする解析適期が夏至の前後1月間であって、近赤外線の単バンドデータを取得し、かつ、その閾値を設定して特徴抽出することによりスギ(C)とマツ(A)と市街地等(E)の混同分布領域からなるスギ対象抽出マップ(CAE)を作成するものであり、
ヒノキ(D)を調査対象とする解析適期が芽吹き前(冬季)であって、可視光線の赤の単バンドデータを取得し、かつ、その閾値を設定して特徴抽出することによりヒノキ(D)とスギ(C)の混同分布領域からなるヒノキ対象抽出マップ(DC)を作成するものであり、
前記スギ対象抽出マップ(CAE)に対して、植生指標を用いたマスク処理を施して市街地等(E)を排除し、かつ、前記マツ対象抽出マップ(A)を合成して重複部分を排除することによりスギ(C)の分布領域を求めるものであり、
前記ヒノキ対象抽出マップ(DC)に対して、前記スギ(C)の分布領域を排除することによりヒノキ(D)の分布領域を求めるものである
ことを特徴とする衛星データによる森林地域の植生分類方法。 - 調査対象地域のバンドデータの季節変化を利用しておこなう衛星データによる森林地域の植生分類方法であって、
少なくともマツ(A)、スギ(C)及びヒノキ(D)を調査対象樹種とする広域的な植生図を作成するために、以下の処理手順を包含することを特徴とする衛星データによる森林地域の植生分類方法。
<1>マツの抽出処理〔A〕;
夏至の前後1月間に解析適期を設定し、可視光線の緑及び赤と近赤外線の3バンドデータを取得し、かつ、各データの輝度値に対して少なくともマツ(A)を特徴抽出するための上下限値をそれぞれ設定し、ヒノキ(D)をノイズとして許容するマツ(A)の分布領域からなるマツ対象抽出マップ(A)を作成する。
<2>スギ・マツ・市街地等の抽出処理〔CAE〕;
夏至の前後1月間に解析適期を設定し、近赤外線の単バンドデータを取得し、かつ 、該データの輝度値に対して少なくともスギ(C)を特徴抽出するための閾値を設定し、マツ(A)及び市街地等(E)をノイズとして許容するスギ(C)とマツ(A)と市街地等(E)の混同分布領域(CAE)を求める。
<3>植生の有無の抽出処理;調査対象地域の正規化植生指標を作成する。〔#E〕
<4>スギ・マツの抽出処理〔CA=CAE#E〕;
上記<2>のスギとマツと市街地等の混同分布領域(CAE)に対して、上記<3>の植生指標を用いたマスク処理を施して市街地等(E)を排除し、マツ(A)をノイズとして許容するスギ(C)とマツ(A)の混合分布領域からなるスギ対象抽出マップ(CA)を作成する。
<5>スギの抽出処理〔C=CA#A〕;
上記<4>のスギ対象抽出マップ(CA)に対して、上記<1>のマツ対象抽出マップ(A)を合成して重複部分を排除することによりスギ(C)の分布領域を求める。
<6>ヒノキ・スギの抽出処理〔DC〕;
芽吹き前(冬季)に解析適期を設定し、可視光線の赤の単バンドデータを取得し、かつ、該データに対して少なくともヒノキ(D)を特徴抽出するための閾値を設定し、スギ(C)をノイズとして許容するヒノキ(D)とスギ(C)の混同分布領域からなるヒノキ対象抽出マップ(DC)を作成する。
<7>ヒノキの抽出処理〔D=DC#C〕;
上記<6>のヒノキ対象抽出マップ(DC)に対して、上記<5>のスギ(C)の分布領域を排除して、ヒノキ(D)の分布領域を求める。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004270782A JP2006085517A (ja) | 2004-09-17 | 2004-09-17 | 衛星データによる森林地域の植生分類方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004270782A JP2006085517A (ja) | 2004-09-17 | 2004-09-17 | 衛星データによる森林地域の植生分類方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006085517A true JP2006085517A (ja) | 2006-03-30 |
Family
ID=36163961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004270782A Pending JP2006085517A (ja) | 2004-09-17 | 2004-09-17 | 衛星データによる森林地域の植生分類方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006085517A (ja) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010067206A (ja) * | 2008-09-12 | 2010-03-25 | Secom Co Ltd | 画像センサ |
JP2010068719A (ja) * | 2008-09-16 | 2010-04-02 | Hitachi Software Eng Co Ltd | 緑地監視システム及び緑地監視配信方法 |
JP2012196167A (ja) * | 2011-03-20 | 2012-10-18 | Fujitsu Ltd | 植物種識別方法 |
WO2013002349A1 (ja) | 2011-06-29 | 2013-01-03 | 富士通株式会社 | 植物種識別装置、方法およびプログラム |
KR101407366B1 (ko) * | 2012-09-25 | 2014-06-19 | 건국대학교 산학협력단 | 토지피복과 산림특성 정보를 이용한 식생기능유형 데이터베이스 맵 생성 시스템 |
CN107657207A (zh) * | 2016-12-30 | 2018-02-02 | 航天星图科技(北京)有限公司 | 一种基于遥感影像的林地分类方法 |
CN108647568A (zh) * | 2018-03-30 | 2018-10-12 | 电子科技大学 | 基于全卷积神经网络的草地退化自动提取方法 |
WO2019003400A1 (ja) * | 2017-06-29 | 2019-01-03 | 日本電気株式会社 | 係数算出装置、係数算出方法、及び、係数算出プログラムが記録された記録媒体 |
CN109614942A (zh) * | 2018-12-14 | 2019-04-12 | 中国科学院遥感与数字地球研究所 | 一种基于云计算平台的森林扰动长时间序列监测方法 |
WO2019082519A1 (ja) | 2017-10-26 | 2019-05-02 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム、情報処理システム |
JPWO2018173577A1 (ja) * | 2017-03-23 | 2019-11-07 | 日本電気株式会社 | 植生指標算出装置、植生指標算出方法、及びプログラム |
CN111858818A (zh) * | 2020-07-23 | 2020-10-30 | 生态环境部南京环境科学研究所 | 一种县域物种分布数据栅格化方法和系统 |
US11010608B2 (en) | 2018-05-25 | 2021-05-18 | Bayer Cropscience Lp | System and method for vegetation management risk assessment and resolution |
CN115439759A (zh) * | 2022-11-09 | 2022-12-06 | 航天宏图信息技术股份有限公司 | 遥感影像中植被的提取方法、装置、电子设备及介质 |
-
2004
- 2004-09-17 JP JP2004270782A patent/JP2006085517A/ja active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010067206A (ja) * | 2008-09-12 | 2010-03-25 | Secom Co Ltd | 画像センサ |
JP2010068719A (ja) * | 2008-09-16 | 2010-04-02 | Hitachi Software Eng Co Ltd | 緑地監視システム及び緑地監視配信方法 |
JP2012196167A (ja) * | 2011-03-20 | 2012-10-18 | Fujitsu Ltd | 植物種識別方法 |
WO2013002349A1 (ja) | 2011-06-29 | 2013-01-03 | 富士通株式会社 | 植物種識別装置、方法およびプログラム |
CN103620381A (zh) * | 2011-06-29 | 2014-03-05 | 富士通株式会社 | 植物种类识别装置、方法以及程序 |
CN103620381B (zh) * | 2011-06-29 | 2015-09-30 | 富士通株式会社 | 植物种类识别装置以及方法 |
US9230170B2 (en) | 2011-06-29 | 2016-01-05 | Fujitsu Limited | Plant species identification apparatus and method |
KR101407366B1 (ko) * | 2012-09-25 | 2014-06-19 | 건국대학교 산학협력단 | 토지피복과 산림특성 정보를 이용한 식생기능유형 데이터베이스 맵 생성 시스템 |
CN107657207A (zh) * | 2016-12-30 | 2018-02-02 | 航天星图科技(北京)有限公司 | 一种基于遥感影像的林地分类方法 |
JPWO2018173577A1 (ja) * | 2017-03-23 | 2019-11-07 | 日本電気株式会社 | 植生指標算出装置、植生指標算出方法、及びプログラム |
US11417089B2 (en) | 2017-03-23 | 2022-08-16 | Nec Corporation | Vegetation index calculation apparatus, vegetation index calculation method, and computer readable recording medium |
WO2019003400A1 (ja) * | 2017-06-29 | 2019-01-03 | 日本電気株式会社 | 係数算出装置、係数算出方法、及び、係数算出プログラムが記録された記録媒体 |
WO2019082519A1 (ja) | 2017-10-26 | 2019-05-02 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム、情報処理システム |
JPWO2019082519A1 (ja) * | 2017-10-26 | 2020-11-19 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム、情報処理システム |
US11823447B2 (en) | 2017-10-26 | 2023-11-21 | Sony Group Corporation | Information processing apparatus, information processing method, program, and information processing system |
CN108647568A (zh) * | 2018-03-30 | 2018-10-12 | 电子科技大学 | 基于全卷积神经网络的草地退化自动提取方法 |
US11010608B2 (en) | 2018-05-25 | 2021-05-18 | Bayer Cropscience Lp | System and method for vegetation management risk assessment and resolution |
CN109614942A (zh) * | 2018-12-14 | 2019-04-12 | 中国科学院遥感与数字地球研究所 | 一种基于云计算平台的森林扰动长时间序列监测方法 |
CN109614942B (zh) * | 2018-12-14 | 2023-04-25 | 中国科学院遥感与数字地球研究所 | 一种基于云计算平台的森林扰动长时间序列监测方法 |
CN111858818A (zh) * | 2020-07-23 | 2020-10-30 | 生态环境部南京环境科学研究所 | 一种县域物种分布数据栅格化方法和系统 |
CN115439759A (zh) * | 2022-11-09 | 2022-12-06 | 航天宏图信息技术股份有限公司 | 遥感影像中植被的提取方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A simple and effective radiometric correction method to improve landscape change detection across sensors and across time | |
Bunting et al. | The delineation of tree crowns in Australian mixed species forests using hyperspectral Compact Airborne Spectrographic Imager (CASI) data | |
Pasher et al. | Multivariate forest structure modelling and mapping using high resolution airborne imagery and topographic information | |
Fassnacht et al. | Estimating the leaf area index of north central Wisconsin forests using the Landsat Thematic Mapper | |
Lucas et al. | Classification of Australian forest communities using aerial photography, CASI and HyMap data | |
Dechka et al. | Classification of wetland habitat and vegetation communities using multi-temporal Ikonos imagery in southern Saskatchewan | |
JP2006085517A (ja) | 衛星データによる森林地域の植生分類方法 | |
Veraverbeke et al. | Spectral mixture analysis to assess post-fire vegetation regeneration using Landsat Thematic Mapper imagery: Accounting for soil brightness variation | |
Adelabu et al. | Employing ground and satellite-based QuickBird data and random forest to discriminate five tree species in a Southern African Woodland | |
Lu et al. | Detection of urban expansion in an urban-rural landscape with multitemporal QuickBird images | |
Hussin et al. | Evaluation of object-based image analysis techniques on very high-resolution satellite image for biomass estimation in a watershed of hilly forest of Nepal | |
Pu | Mapping urban forest tree species using IKONOS imagery: preliminary results | |
Chen et al. | Object-based assessment of burn severity in diseased forests using high-spatial and high-spectral resolution MASTER airborne imagery | |
Degerickx et al. | Mapping functional urban green types using hyperspectral remote sensing | |
US20150186727A1 (en) | Method and apparatus for distinguishing between types of vegetation using near infrared color photos | |
Etteieb et al. | Mediterranean forest mapping using hyper-spectral satellite imagery | |
Whiteside et al. | Extraction of tree crowns from high resolution imagery over Eucalypt dominant tropical savannas | |
Schmitt et al. | From RGB camera to hyperspectral imaging: a breakthrough in Neolithic rock painting analysis | |
Cho et al. | Mapping savanna tree species using Carnegie Airborne Observatory hyperspectral data resampled to WorldView-2 multispectral configuration | |
Gong et al. | Vineyard identification in an oak woodland landscape with airborne digital camera imagery | |
CN116385842A (zh) | 一种融合可见光-红外-雷达影像多特征的机器学习水体提取方法 | |
Canham et al. | SHARE 2012: Large edge targets for hyperspectral imaging applications | |
ES2481348B1 (es) | Procedimiento para la normalización automática de imágenes remotas multitemporales en base a usos de suelo pseudo-invariantes vegetales. | |
CN111783625A (zh) | 一种平原河网区不透水面信息快速提取方法 | |
Heath | The detection of mountain pine beetle green attacked lodgepole pine using Compact Airborne Spectrographic Imager (CASI) data |