JP2008027180A - Method, program, and system for estimating position of hunting field of forest raptor - Google Patents
Method, program, and system for estimating position of hunting field of forest raptor Download PDFInfo
- Publication number
- JP2008027180A JP2008027180A JP2006198870A JP2006198870A JP2008027180A JP 2008027180 A JP2008027180 A JP 2008027180A JP 2006198870 A JP2006198870 A JP 2006198870A JP 2006198870 A JP2006198870 A JP 2006198870A JP 2008027180 A JP2008027180 A JP 2008027180A
- Authority
- JP
- Japan
- Prior art keywords
- hunting
- mesh
- forest
- probability
- estimating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000007613 environmental effect Effects 0.000 claims abstract description 28
- 238000007477 logistic regression Methods 0.000 claims abstract description 8
- 230000002431 foraging effect Effects 0.000 claims abstract description 6
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 230000006399 behavior Effects 0.000 description 27
- 241000272184 Falconiformes Species 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000218645 Cedrus Species 0.000 description 1
- 241000218691 Cupressaceae Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は森林性猛禽類の狩り場の位置の推定方法、プログラム及びシステムに係り、より詳細には、開発行為が森林性猛禽類の狩り場に与える影響を評価する場合に有用な森林性猛禽類の狩り場の位置の推定方法、プログラム及びシステムに関するものである。 The present invention relates to a method, program and system for estimating the location of a forest raptor hunting ground. More particularly, the present invention relates to forest raptor hunting ground useful for evaluating the impact of development activities on a forest raptor hunting ground. The present invention relates to a method for estimating the position of a hunting ground, a program, and a system.
森林性猛禽類の一種であり、希少性の高い貴重種であるクマタカは近年、個体数が減少傾向にあることから種の保存法に基づく国内希少野生動物種に指定され、保護の対象とされている。
従って、ダム事業などの開発行為をする際には、クマタカの生息環境に悪影響を及ぼさないよう、開発地域からクマタカの狩り場を外すことが要望されている。
而して、クマタカは起伏の激しい山地帯を生息環境とするため、広大な調査対象地域において、狩り場の位置を実際に一つ一つ確認していくことは難しい。また、調査時点では狩りに関する行動が観察されていない場所であっても、狩り場として利用される可能性はある。
そのため、クマタカを観察できなかった場所や調査時点では狩りに関する行動の有無を確認できなかった場所を含めた調査地域全域において、クマタカの狩り場の位置（厳密には、現在狩り場となっている位置および狩り場となる蓋然性の高い位置）を信頼性高く推定できる方法が求められている。
The bear hawk, a kind of forest raptor and a rare rare species, has recently been designated as a domestic rare wildlife species based on the species conservation method due to its declining population. ing.
Therefore, when conducting development activities such as dam projects, it is desired to remove the hawk hunting ground from the development area so as not to adversely affect the habitat of the bear hawk.
Therefore, bear hawks are inhabited by undulating mountainous areas, so it is difficult to actually check the location of hunting grounds in a vast area. Moreover, even if it is a place where hunting behavior is not observed at the time of the survey, it may be used as a hunting ground.
Therefore, the location of the hunting ground for bear hawks (strictly speaking, the location of the current hunting ground and the location where the bear hawk could not be observed, or where the presence or absence of hunting behavior could not be confirmed at the time of the survey). There is a need for a method that can reliably estimate a position that is likely to be a hunting ground.
現在提案されている推定方法には以下のものがある。
先ず、一つ目の推定方法として、クマタカの狩りに関する行動を実際に確認できた事実を利用して狩り場の位置を推定していく方法がある。しかしながら、上記したようにクマタカは起伏の激しい山地帯を生息環境とするため、観察できる範囲が限られる。従って、クマタカの狩りに関する行動を実際に確認できた事実だけを利用して狩り場の位置を推定すると、観察の容易さにより狩り場の分布が左右されるので、クマタカを観察できなかった領域での推定結果の信頼性が低くなる。
また、２つ目の推定方法として、植生などの環境要素に基づいて狩り場の位置を推定していく方法がある。しかしながら、この方法も観察できる範囲や観察時間のデータが考慮されていないので、信頼性が低い。
The estimation methods currently proposed include the following.
First, as a first estimation method, there is a method of estimating the position of the hunting ground using the fact that the behavior related to the hunting of the bear hawk was actually confirmed. However, as described above, bear hawks have a rugged mountain area as their habitat, so the range that can be observed is limited. Therefore, if the position of the hunting ground is estimated using only the fact that the behavior related to the hunting of the bear hawks was actually confirmed, the distribution of the hunting grounds depends on the ease of observation, so the estimation in the area where the bear hawks could not be observed. The result is less reliable.
As a second estimation method, there is a method of estimating the position of the hunting ground based on environmental factors such as vegetation. However, this method also has low reliability because it does not take into account the range of observation and observation time data.
そこで、現在狩り場となっている位置および狩り場となる蓋然性の高い位置）を信頼性高く推定できる新たな方法が模索されている。
上記した課題は、クマタカに限らず、森林性猛禽類に共通するものである。
それ故、本発明は上記課題を解決するために、森林性猛禽類の狩り場の位置を信頼性高く推定できる方法と、その方法をコンピュータに実行させるためのプログラムと、その方法を実施するシステム（装置）を提供することを目的とする。
Therefore, a new method is being sought that can reliably estimate the current hunting position and the highly probable hunting position.
The above-mentioned problems are not limited to bear hawks but are common to forested raptors.
Therefore, in order to solve the above-mentioned problems, the present invention can reliably estimate the position of a hunting ground for forest raptors, a program for causing a computer to execute the method, and a system for implementing the method ( The object is to provide a device.
本発明者らは、鋭意研究の結果、実際の観察可能な領域での観察結果と植生などの環境要素を変数としてロジスティック回帰分析を行うことにより、狩りに関する行動の存在確率を精度高く算出できる確率式を作成できることを見出し、本発明を案出するに至った。 As a result of diligent research, the present inventors have conducted a logistic regression analysis using observation results in an actually observable region and environmental elements such as vegetation as variables, and the probability of accurately calculating the existence probability of hunting behavior. The inventors have found that a formula can be created and have come up with the present invention.
請求項１の発明は、森林性猛禽類の狩り場の位置の推定方法において、調査対象地域をメッシュ分割する、メッシュ分割ステップと、メッシュ毎に狩りに関する行動であるハンティング、探餌止まりおよび林への出入りの有無を含む観察データと、環境要素のデータとが付与されたメッシュデータを作成するメッシュデータ作成ステップと、メッシュ毎に、狩りに関する行動の有無を目的変数とし、環境要素を説明変数としてロジスティック回帰分析を行って、環境要素に基づいて狩りに関する行動の発生確率を算出するための確率式を作成する確率式作成ステップと、前記確率式に対象メッシュの環境要素を代入することにより、そのメッシュの領域における狩りに関する行動の発生確率を算出する確率算出ステップと、を含み、算出された確率値に基づいて、狩り場の位置を推定することを特徴とする推定方法である。 The invention of claim 1 is a method for estimating a position of a forest raptor hunting ground, in which the area to be surveyed is mesh-divided, and a mesh-dividing step; A mesh data creation step that creates mesh data with observation data including the presence / absence of entry / exit and environmental element data, and for each mesh, the presence / absence of hunting behavior is the objective variable, and the environmental element is the explanatory variable. Probability formula creation step of performing regression analysis and creating a probability formula for calculating the occurrence probability of hunting based on the environmental element, and substituting the environmental element of the target mesh into the probability formula, the mesh A probability calculating step of calculating an occurrence probability of an action related to hunting in the area of Based on a probability value, which is the estimated method and estimates the position of the hunting grounds.
請求項２の発明は、請求項１に記載した森林性猛禽類の狩り場の位置の推定方法において、確率式作成ステップでは、ハンティング以外の探餌止まりおよび林への出入りの行動が有ったために目的変数とする狩りに関する行動が有ったと区分されたメッシュから所定距離内のメッシュは、狩りに関する行動が有ったと区分されたものを除き、確率式の作成には利用しないことを特徴とする推定方法である。 The invention according to claim 2 is the method for estimating the position of the forest raptor hunting ground according to claim 1, in the stochastic formula creation step, because there was an action of stopping foraging and entering / exiting the forest other than hunting A mesh within a predetermined distance from a mesh classified as having an action related to hunting as an objective variable is not used to create a probability formula except for a mesh classified as having an action related to hunting. This is an estimation method.
請求項３の発明は、請求項１または２に記載した森林性猛禽類の狩り場の位置の推定方法において、確率式作成ステップでは、メッシュ毎の累積観察時間を所定時間単位で区分し、その区分された数だけ同じ環境要素のメッシュが存在するとして、それらのメッシュを、確率式の作成に利用することを特徴とする推定方法である。 According to a third aspect of the present invention, in the method for estimating the position of a hunting ground for forested raptors according to the first or second aspect, in the probability formula creating step, the cumulative observation time for each mesh is divided into predetermined time units, and the division This is an estimation method characterized in that there are as many meshes of the same environmental elements as those created, and these meshes are used to create a probability formula.
請求項４の発明は、請求項１から３のいずれかに記載した森林性猛禽類の狩り場の位置の推定方法において、環境要素は地形情報や植生情報から選択されたものであることを特徴とする推定方法である。 The invention of claim 4 is the method for estimating the position of a forest raptor hunting ground according to any one of claims 1 to 3, wherein the environmental element is selected from topographic information and vegetation information. This is an estimation method.
請求項５の発明は、請求項１から４のいずれかに記載した森林性猛禽類の狩り場の位置の推定方法において、さらに、メッシュ毎に算出された狩り場の存在する確率の値に基づいて色分け表示し、地図画像と合成表示する表示ステップを含むことを特徴とする推定方法である。 According to a fifth aspect of the present invention, in the method for estimating the position of a forest raptor hunting ground according to any one of the first to fourth aspects, the color coding is further performed based on the value of the probability of the existence of the hunting ground calculated for each mesh. An estimation method comprising a display step of displaying and compositing with a map image.
請求項６の発明は、請求項１から５のいずれかに記載した森林性猛禽類の狩り場の位置の推定方法の各ステップをコンピュータに実行させるための森林性猛禽類の狩り場の位置の推定プログラムである。 According to a sixth aspect of the present invention, there is provided a program for estimating the position of a forest raptor hunting ground for causing a computer to execute each step of the method for estimating the position of a hunting ground for a forest raptor according to any one of claims 1 to 5. It is.
請求項７の発明は、一つまたはネットワークで結ばれた二つ以上のコンピュータを具備し、請求項１から５のいずれかに記載の森林性猛禽類の狩り場の位置の推定方法を実施することを特徴とする森林性猛禽類の狩り場の位置の推定システムである。 The invention of claim 7 comprises one or two or more computers connected by a network, and implements the method for estimating the position of a hunting ground for forest raptors according to any one of claims 1 to 5. This is a system for estimating the location of a hunting ground for forest raptors.
本発明の方法によれば、実際の観察可能な領域での観察結果に基づいて、観察できなかった領域や調査時点では狩りに関する行動が確認できなかった場所を含む調査対象地域全域において、森林性猛禽類の狩り場の位置を信頼性高く推定できる。
また、本発明のプログラム及びシステムによれば、既存のコンピュータやその周辺機器を利用して効率良く森林性猛禽類の狩り場の存在確率を算出できる。
According to the method of the present invention, based on the observation result in the actual observable area, the forest property is observed in the entire survey target area including the area that cannot be observed and the place where the behavior related to hunting cannot be confirmed at the time of the survey. The position of the raptor hunting ground can be estimated with high reliability.
Further, according to the program and system of the present invention, the existence probability of a forest raptor hunting ground can be calculated efficiently using an existing computer and its peripheral devices.
以下、本発明を実施するための最良の形態を説明する。
図１は森林性猛禽類としてのクマタカの狩り場の位置の推定方法をコンピュータにより実行させるための推定システム１の論理構成図である。
符号３はメッシュ分割手段を示し、このメッシュ分割手段３は国土地理院刊行の「数値地図５０ｍメッシュ（標高）」に従って、調査地域内を約５０ｍ四方にメッシュ分割して、メッシュデータファイル５を作成する。ここで、「約５０ｍメッシュ」とは、「標準地域メッシュ」の「第２次地域区画」を経度方向及び緯度方向に２００等分し、格子間隔は南北方向で１．５秒、東西方向で２．２５秒としたものである。
符号７はメッシュデータ作成手段を示し、このメッシュデータ作成手段７は、環境要素データと観察条件データと観察データを収集し、必要な加工を施した上で、メッシュ毎にデータを付与してメッシュデータを作成し、メッシュデータファイル５に格納する。
環境要素データは地形データと植生データとからなり、地形データに関しては、国土地理院刊行の数値地図（５０ｍ×５０ｍ、標高）と２万５千分の１の地図を利用して、植生データに関しては現地調査に基づいて作成した植生図を利用して収集する。
Hereinafter, the best mode for carrying out the present invention will be described.
FIG. 1 is a logical configuration diagram of an estimation system 1 for causing a computer to execute a method for estimating a position of a hunting ground for bear hawks as forest raptors.
Reference numeral 3 indicates a mesh dividing means. This mesh dividing means 3 divides the survey area into approximately 50 m squares according to “Numerical Map 50 m Mesh (Elevation)” published by the Geospatial Information Authority of Japan, and creates a mesh data file 5. To do. Here, “about 50 m mesh” means that the “second area block” of the “standard area mesh” is equally divided into 200 in the longitude and latitude directions, and the grid interval is 1.5 seconds in the north-south direction and in the east-west direction. 2.25 seconds.
Reference numeral 7 denotes mesh data creation means. The mesh data creation means 7 collects environmental element data, observation condition data, and observation data, performs necessary processing, and assigns data to each mesh. Data is created and stored in the mesh data file 5.
Environmental element data consists of terrain data and vegetation data. For terrain data, the numerical map (50m x 50m, altitude) published by the Geospatial Information Authority of Japan and a map of 1/25 thousand are used. Collects using vegetation map created based on field survey.
符号９は狩りに関する行動の発生の確率を算出するための確率式を作成する確率式作成手段を示し、メッシュデータを利用して確率式を作成し、確率式データファイル１１に格納する。
符号１３は狩りに関する行動の発生確率を算出する確率算出手段を示し、この算出手段は対象メッシュの環境要素のデータを受け付けると、そのメッシュの領域における狩りに関する行動の発生確率を算出する。
符号１５は表示条件設定手段を示し、この表示条件設定手段１５はシステムの備える入力操作部（キーボード、マウス）を利用した作業者による入力・設定により、地図画像上に存在確率のメッシュデータを合成表示する際の合成表示条件を設定し、表示条件設定ファイル１７に格納する。
符号１９は表示手段を示し、ディスプレイ上に地図画像と確率値のメッシュデータとを合成表示する。
Reference numeral 9 denotes a probability formula creation means for creating a probability formula for calculating the probability of occurrence of an action related to hunting. A probability formula is created using mesh data and stored in the probability formula data file 11.
Reference numeral 13 denotes a probability calculating means for calculating an occurrence probability of an action related to hunting. When this calculating means accepts data of an environmental element of the target mesh, it calculates an occurrence probability of an action related to hunting in the area of the mesh.
Reference numeral 15 denotes display condition setting means. This display condition setting means 15 synthesizes the mesh data of the existence probability on the map image by input / setting by the operator using the input operation unit (keyboard, mouse) provided in the system. A composite display condition for display is set and stored in the display condition setting file 17.
Reference numeral 19 denotes a display means for synthesizing and displaying the map image and the mesh data of probability values on the display.
このシステムは、中央処理装置（ＣＰＵ）と、プログラムやデータが格納されたＲＯＭやプログラム実行のためのワークエリアや一時記憶エリアとして機能するＲＡＭと、外部記憶装置と、キーボード等の入力操作部と、ディスプレイと、プリンタと、中央処理装置が外部記憶装置等との間でデータの送受信を行うための入出力インターフェースを備えたコンピュータと、外部記憶装置に格納されているプログラム（狩り場の推定プログラム）およびＯＳとを備えたハード構成を利用して各手段からなる論理構成が構築されており、中央処理装置が該プログラムに従って各種データファイルやデータベースを読み出して各ステップを実行させるとプログラムが機能として実現されたことになる。
このプログラムでは各設定手段と表示手段は市販のＧＩＳ（地理情報システム）アプリケーションプログラムとＯＳを利用して構成されており、所定の入力を促す画面が作成・表示され、作業者が入力操作部を利用して入力・設定すると、所定のファイル等に格納される構成になっている。また、算出手段はＣＰＵが動作主体となっている。
This system includes a central processing unit (CPU), a ROM that stores programs and data, a RAM that functions as a work area for program execution and a temporary storage area, an external storage device, and an input operation unit such as a keyboard. , A display, a printer, a computer having an input / output interface for the central processing unit to exchange data with an external storage device, etc., and a program stored in the external storage device (hunting ground estimation program) A logical configuration consisting of each means is constructed using a hardware configuration equipped with an OS, and the program is realized as a function when the central processing unit reads various data files and databases according to the program and executes each step. It will be done.
In this program, each setting means and display means are configured using a commercially available GIS (Geographic Information System) application program and an OS, and a screen for prompting a predetermined input is created and displayed. When it is input and set using, it is stored in a predetermined file or the like. The calculation means is mainly operated by a CPU.
以下に、クマタカを調査対象とし、上記した推定システム（プログラムインストール済み）１を用いて、調査対象地域の狩り場の位置を推定する方法を適用した事例を、図２のフローチャートに示されたステップ順に説明する。
なお、調査対象地域は某地方の１２ｋｍ×１５ｋｍの範囲内とした。
（予備作業）
（１）衛星画像の判読により調査地域の植生予察図を作成し、さらに、その図に基づいて現地を踏査して詳細な植生図を作成した。
（２）事前の現地調査により、調査対象地域に生息する７つがいの巣の位置を確認しておいた。そして、狩りに関する行動の観察のために、広範囲を見渡せる地点や各谷部が観察できる地点（合計１０５地点）を観察定点として、合計３７７日間行い、狩りに関する行動の観察データ（視野範囲や観察時間を含む）を収集した。各調査員は各観察定点に一人ずつ配置し、倍率７〜８倍の双眼鏡及び倍率２０〜６０倍の望遠鏡を用いて８：００〜１６：００まで約８時間の定点観察調査を行った。但し、一部においては早朝時間帯にも調査を行った。
Below, an example of applying the method of estimating the position of the hunting ground in the investigation target area using the estimation system (program installed) 1 described above for the bear hawk is shown in the order of steps shown in the flowchart of FIG. explain.
The survey area was 12 km x 15 km in the Sakai region.
(Preliminary work)
(1) A preliminary vegetation map of the survey area was created by interpreting the satellite images, and a detailed vegetation map was prepared by conducting a site survey based on the map.
(2) The location of the seven nests inhabiting the survey area was confirmed by a prior field survey. Then, for observation of behavior related to hunting, observations of behavior related to hunting (field of view range and observation time) are performed for a total of 377 days with a point over which a wide range can be observed and a point where each valley can be observed (total of 105 points). Collected). Each investigator placed one person at each observation fixed point, and conducted a fixed point observation survey for about 8 hours from 8:00 to 16:00 using binoculars with a magnification of 7 to 8 times and a telescope with a magnification of 20 to 60 times. However, some surveys were conducted during the early morning hours.
（メッシュ分割ステップ）
メッシュ分割手段３が動作して、調査対象地域を約５０ｍ四方にメッシュ分割してメッシュデータファイル５を作成した。
(Mesh division step)
The mesh dividing means 3 was operated, and the area to be surveyed was divided into approximately 50 m squares to create a mesh data file 5.
（メッシュデータ作成ステップ）
先ず、メッシュデータ作成手段７が動作して、以下のデータを収集して所定の基準に従ってメッシュ毎に付与した。データの収集には電子データの読み込みによるものや作業者の入力作業によるものが含まれる。
Ａ．環境要素
ここで環境要素とは、少なくとも後述するロジスティック回帰分析において説明変数として採用されるものである。環境要素データとして、餌動物の生息環境に係る可能性がある環境要素及び／またはクマタカの狩り場に係る可能性がある環境要素のうち、以下の６つの要素が選択されている。
(Mesh data creation step)
First, the mesh data creation means 7 was operated, and the following data was collected and applied to each mesh according to a predetermined standard. Data collection includes those by reading electronic data and those input by workers.
A. Environmental element Here, the environmental element is employed as an explanatory variable at least in logistic regression analysis described later. As environmental element data, the following six elements are selected from among environmental elements that may be related to the habitat of the prey and / or environmental elements that may be related to the bear hunting ground.
（１）傾斜角度（度）
傾斜角度は、対象メッシュの中心点と隣接するメッシュの中心点との距離と標高差から求めた。
傾斜角度の算出方法は、「傾斜量図の作成とその応用」（神谷 他、情報地質、Ｖｏｌ．１０、Ｎｏ．２、ｐｐ．７６−７９、１９９９）による。
（２）斜面方向
斜面方向は、対象メッシュの中心点とそのメッシュに隣接するメッシュの中心点との位置関係から求め、８方位に区分した。
斜面方向の算出方法は、「傾斜量図の作成とその応用」（神谷 他、情報地質、Ｖｏｌ．１０、Ｎｏ．２、ｐｐ．７６−７９、１９９９）による。
（３）植生
植生図中の植生データを、スギ・ヒノキ植林、常緑広葉樹林・落葉広葉樹林、伐採・崩落裸地、その他の４つの類型に区分し、対象メッシュの中心点の植生をそのメッシュの植生とした。
（４）最も近いクマタカの巣からの距離（ｍ）
対象メッシュの中心点から、つがいに関係なく、現地調査により発見された最も近い巣までの水平方向の最短距離とした。
なお、本地域での隣接つがいとの巣間距離は平均で４，０５２ｍ（７つがいで巣の数は１５）であることから、事実上、最も近いクマタカの巣からの距離とは自分の巣からの距離に該当する。
（５）川からの距離（ｍ）
川からの距離は、国土地理院刊行の２万５千分の１の地図を利用し、対象メッシュの中心点から、川の凡例表示がある最も近い川までの水平方向の最短距離とした。
なお、標高も餌動物の生息環境に係る可能性のある環境要素であるが、川からの距離が離れるほど尾根に近いという一般的な相関関係があるため、ここでは標高は説明変数として利用する環境要素としては採用していない。
（６）１ｈａ以上の人工構造物または道路からの距離（ｍ）
人工構造物などからの距離は、国土地理院刊行の２万５千分の１の地図を利用し、対象メッシュの中心点から、人工構造物などの凡例表示がある場所までの水平方向の最短距離とした。
(1) Inclination angle (degree)
The inclination angle was obtained from the distance between the center point of the target mesh and the center point of the adjacent mesh and the elevation difference.
The calculation method of the inclination angle is based on “Creation of an inclination amount map and its application” (Kamiya et al., Information Geology, Vol. 10, No. 2, pp. 76-79, 1999).
(2) Slope direction The slope direction was obtained from the positional relationship between the center point of the target mesh and the center point of the mesh adjacent to the target mesh, and was divided into 8 directions.
The calculation method of the slope direction is according to “Preparation of slope map and its application” (Kamiya et al., Information Geology, Vol. 10, No. 2, pp. 76-79, 1999).
(3) Vegetation Divide the vegetation data in the vegetation map into four types, including cedar and cypress plantations, evergreen broad-leaved forests and deciduous broad-leaved forests, felled and collapsed bare land, and other types of vegetation. Vegetation.
(4) Distance from the nearest bear hawk's nest (m)
The shortest horizontal distance from the center point of the target mesh to the nearest nest found by the field survey, regardless of the pairing.
The distance between adjacent nests in this region is 4,052m on average (7 pairs and 15 nests), so the distance from the nearest bear hawk nest is actually your own nest. It corresponds to the distance from.
(5) Distance from river (m)
The distance from the river was set to the shortest horizontal distance from the center point of the target mesh to the nearest river with the legend of the river, using a 15,000th map published by the Geospatial Information Authority of Japan.
Note that altitude is also an environmental element that may affect the habitat of prey animals, but since there is a general correlation that the distance from the river increases, the altitude is used as an explanatory variable. It is not adopted as an environmental element.
(6) Distance from artificial structure or road over 1ha (m)
The distance from the artificial structure is the shortest in the horizontal direction from the center point of the target mesh to the place with the legend display of the artificial structure, etc., using a map of 1 / 25,000 published by the Geospatial Information Authority of Japan. The distance.
Ｂ．視野範囲
調査員の立つ観察定点を中心として所定距離内の全視野（３６０°）が視野範囲となる。この事例では、発見すべきクマタカの狩りに関する行動のうち探餌止まりが最も発見しにくいことから、探餌止まりを十分な精度で発見できる距離限界を考慮して、図３に示すように、観察定点から１ｋｍ以内に中心点があるか否かでメッシュを区分した。
B. Field of view The entire field of view (360 °) within a predetermined distance around the observation fixed point where the investigator stands is the field of view. In this case, it is the hardest to detect the foraging stop among the activities related to the hunting of the bear hawk that should be detected. Therefore, as shown in FIG. The mesh was divided depending on whether the center point is within 1 km from the fixed point.
Ｃ．見え方
狩りに関する行動（ハンティング、探餌止まり、林への出入り）を確認するためには、山肌まで見えることが前提となる。従って、図３に示すように、山肌まで見えるか否かでメッシュを区分した。
C. Visibility To confirm hunting behavior (hunting, stopping foraging, entering and exiting the forest), it is assumed that the mountain surface is visible. Therefore, as shown in FIG. 3, the mesh was divided depending on whether or not the mountain surface was visible.
Ｄ．累積観察時間
観察時間を合計し、累積観察時間を算出した。
なお、各観察定点に対応する視野範囲に重複範囲がある場合には、図４に示すように重ねて処理している。（注意：図４では表示上の便宜のため、視野範囲は全範囲とはしていない。）２地点以上の視野範囲が重なるときは、その場所を見た時間の最大値（その範囲を見ている始めの観察時間から終わりの観察時間まで）をとる。
上記Ｂ、Ｃ、Ｄは観察条件のデータである。
D. Cumulative observation time The observation time was totaled to calculate the cumulative observation time.
When there is an overlapping range in the visual field range corresponding to each observation fixed point, the overlapping processing is performed as shown in FIG. (Note: In FIG. 4, for the convenience of display, the visual field range is not the entire range.) When two or more visual field ranges overlap, the maximum time of viewing the place (see the range). Take from the first observation time to the last observation time).
B, C, and D are observation condition data.
Ｅ．狩りに関する行動の観察
ここで狩りに関する行動とは、少なくとも後述するロジスティック回帰分析において目的変数として採用されるものである。具体的には、狩りに関する行動とは、「獲物に向かって急降下した行動（以下、「ハンティング」と記載。）」、「木などに止まりながら地表方向の獲物を探している、または一転を凝視する行動（以下、「探餌止まり」と記載。）」、「林への出入り」（但し、巣への出入りなど明らかに狩りに関する行動でないと見なされる場合を除く）」の３種類の行動を指す。林への出入り行動は直接的に狩りを指標する行動ではないが、テレメトリー調査の結果から林の中での狩りは林に飛び込んだ地点の周辺域で行われることが多いことから、この事例では狩りに関する行動に含まれている。
行動の観察結果は行動の種類毎に区分した。また、一羽一回の観察に対し、一番初めに観察された狩りに関する行動を１データとして採用した。
E. Observation of Hunting Behavior Here, hunting behavior is adopted as an objective variable at least in logistic regression analysis described later. Specifically, actions related to hunting are “behavior descent toward prey” (hereinafter referred to as “hunting”), “looking for prey in the ground direction while staying on a tree, etc., or staring at a turn. 3 types of actions: “to enter and exit the forest” (except for cases where it is clearly not considered to be hunting, such as entering or leaving the nest). Point to. Although entering and exiting the forest is not an action that directly indicates hunting, the results of telemetry surveys indicate that hunting in the forest is often performed in the area around the point where it jumped into the forest. Included in actions related to hunting.
The observation results of behavior were classified according to the type of behavior. In addition, for each observation, the first observed behavior regarding hunting was adopted as one data.
（確率式の作成ステップ）
上記メッシュデータを用いてロジスティック回帰分析を行い、確率式を作成した。
但し、調査対象地域の全てのメッシュではなく、先ず、以下に該当するメッシュのみを確率式の作成に利用した。
・視野範囲に含まれるもの
・山肌まで見えるもの
・累積観察時間が1時間以上のもの
(Probability formula creation step)
Logistic regression analysis was performed using the mesh data, and a probability formula was created.
However, instead of all the meshes in the survey area, first, only the meshes corresponding to the following were used to create the probability formula.
・ Things included in the field of view ・ Those visible to the mountain surface ・ Those with a cumulative observation time of 1 hour or more
また、狩りに関する行動のうちハンティングを除く探餌止まりおよび林への出入りの行動が有ったメッシュから所定距離内、具体的には中心点が２００ｍ以内にあるメッシュは利用しなかった。但し、実際に、狩りに関する行動が有ったメッシュは利用した。
ロジスティック回帰分析は目的変数である事象が「有った」または「無かった」というように二値応答を示す場合に用いられるため、全てのメッシュを最終的には狩りに関する行動が「有った」か「無かった」かのいずれかに区分する必要がある。従って、上記したように、「ハンティング」か「探餌止まり」か「林への出入り」かの種類を問わず、これらの行動が確認されたメッシュは「狩りに関する行動が有った」と区分されることになる。
しかしながら、「探餌止まり」が確認された場所から２００ｍ以内の範囲は餌を探す蓋然性が高い。また、「林への出入り」に関しても、その行動が確認された場所から２００ｍ以内の範囲はハンティングをする蓋然性が高い。従って、これらの行動が有った場所から２００ｍ以内のメッシュは、「有った」方に区分したいが、実際に「狩りに関する行動」が確認されなければ、統計的には「無かった」方に区分されてしまう。そこで、上記２００ｍ以内のメッシュは確率式の作成には利用しなかった。
In addition, meshes with a predetermined distance from the mesh that had the behavior of stopping hunting except hunting and entering and exiting the forest among the actions related to hunting, specifically, the center point within 200 m was not used. However, the mesh that actually had hunting behavior was used.
Logistic regression analysis is used when the objective variable event shows a binary response, such as “Yes” or “No”, so all meshes eventually had “hunting behavior” ”Or“ None ”. Therefore, as described above, regardless of the type of “hunting”, “stop feeding”, or “entering / exiting the forest”, the mesh in which these behaviors are confirmed is classified as “having behavior related to hunting”. Will be.
However, there is a high probability of searching for food within a range of 200 m from the place where “stop feeding” is confirmed. In addition, regarding “in / out of the forest”, there is a high probability of hunting within a range of 200 m from the place where the action was confirmed. Therefore, if you want to classify meshes within 200m from the place where these actions were made, you would like to classify them as "has", but if you did not actually confirm "behavior related to hunting" It will be divided into. Therefore, the mesh within 200 m was not used for creating the probability formula.
さらに、各メッシュを狩りに関する行動を「有った」か「無かった」に区分すると、累積観察時間の違いやメッシュの利用頻度の違いが反映されない。
従って、累積観察時間は所定の時間単位、具体的には１００時間単位で区分し、その区分した数だけ同じ条件のメッシュが存在するとして、上記違いを反映させることとした。従って、あるメッシュの累積観察時間が５００時間で狩りに関する行動が「有った」回数が３回であれば、狩りに関する行動が「有った」メッシュが３個、「無かった」メッシュが２個存在するとして取り扱われることになった。
Furthermore, if each mesh is classified as “having” or “having not” the behavior related to hunting, the difference in the cumulative observation time and the difference in the use frequency of the mesh are not reflected.
Therefore, the cumulative observation time is divided into predetermined time units, specifically, 100 hour units, and the above difference is reflected on the assumption that there are meshes with the same conditions as the divided number. Therefore, if the cumulative observation time of a certain mesh is 500 hours and the number of actions “having” is 3 times, 3 meshes “having” the action related to hunting and 2 meshes “having no action” are 2 It will be treated as existing.
推定モデル（確率式）は以下の通りとした。
上記の確率式の作成では、目的変数としての狩りに関する行動が発生する（作成ステップでは、厳密には「した」）確率は、行動の種類は問わず、有無で区分し、「有った」メッシュは“１”とし、「無かった」メッシュは“０”とした。
また、説明変数は、上記した６つの環境要素のデータを採用した。
In the creation of the probability formula above, the probability of hunting behavior as an objective variable occurs (strictly, in the creation step), the probability is categorized by presence / absence, regardless of the type of behavior. The mesh was “1” and the “none” mesh was “0”.
As the explanatory variables, the data of the six environmental elements described above are adopted.
狩りに関する行動の延べの発生回数は、ハンティング：１４回（２．４％）、探餌止まり：２４７回（４１．６％）、林への出入り：３３３回（５６．１％）の合計５９４回であった。
調査対象地域の合計のメッシュ数は５４，５２３個であり、そのうち、視野範囲に含まれるもの、山肌まで見えるもの、累積観察時間が1時間以上の全てに該当するメッシュ数は１８，０７９個であった。上記１８，０７９個のメッシュ中、狩りに関する行動が確認できたメッシュ数は３２３個、確認できなかったメッシュ数は１７，７５６個であった。
一方、確率式の作成に利用したメッシュ数は４７，０５９個であり、そのうち上記した狩りに関する行動が確認できたメッシュ数は３９４個、確認できなかったメッシュ数は４６，６５５個であった。
The total number of actions related to hunting is 594: hunting: 14 times (2.4%), stopping foraging: 247 times (41.6%), entering and leaving the forest: 333 times (56.1%). It was times.
The total number of meshes in the survey area is 54,523. Among them, the number of meshes that fall within the field of view, the one that can be seen up to the mountain surface, and the cumulative observation time of 1 hour or more is 18,079. there were. Of the 18,079 meshes, the number of meshes that could confirm hunting behavior was 323, and the number of meshes that could not be confirmed was 17,756.
On the other hand, the number of meshes used to create the probability formula was 47,059, of which 394 were able to confirm the above-mentioned hunting behavior, and 46,655 were unable to be confirmed.
作成された確率式は以下の通りであった。
係数等の一覧は、表１に示す通りであった。
得られた確率式の適合度（Ｒｕ2）を、論文「ロジスティック回帰分析におけるモデルの適合度指数に関する考察と提案」（内田 他、東京情報大学研究論集、Ｖｏｌ．８、Ｎｏ．１：９−１４）に記載の算出された確率と実際に狩りに関する行動が確認された割合の相関係数の二乗値を適合度の指標とする手法により算出したところ、Ｒｕ2＝０．９６と高かった。 The goodness of fit (Ru 2 ) of the obtained probability formula is described in the paper “Discussion and Proposal on Goodness-of-fit Index of Model in Logistic Regression Analysis” (Uchida et al., Tokyo University of Information Studies, Vol.8, No.1: 9- 14) When the calculated probability and the square value of the correlation coefficient of the rate at which the action related to hunting was actually confirmed were calculated by the technique using the index of the fitness, Ru 2 = 0.96 was high.
（確率算出ステップ）
調査対象地域の全てのメッシュのデータを、上記確率式に当てはめて狩りに関する行動の発生確率を算出した。
次に、上記で算出された発生確率値を用いて、クマタカの一日の活動時間を１０時間と仮定し、１年間の活動時間（約３，６００時間）における対象メッシュの利用確率を、以下の式に従って算出した。
The probability of occurrence of actions related to hunting was calculated by applying all the mesh data in the survey area to the probability formula.
Next, using the occurrence probability value calculated above, assuming that the daily activity time of the bear hawk is 10 hours, the use probability of the target mesh in the activity time of one year (about 3,600 hours) is as follows: It calculated according to the formula of
調査対象地域の全メッシュを利用確率毎に区分すると、以下の通りであった。
８０％以上 ： ３，７７８個（ ６．９％）
６０〜８０％： ３，０２２個（ ５．５％）
４０〜６０％： ３，７３３個（ ６．８％）
２０〜４０％： ５，８９４個（１０．８％）
２０％未満 ： ３８，０９６個（６９．９％）
It was as follows when all the meshes of the survey area were classified according to the use probability.
80% or more: 3,778 (6.9%)
60-80%: 3,022 (5.5%)
40-60%: 3,733 pieces (6.8%)
20-40%: 5,894 (10.8%)
Less than 20%: 38,096 (69.9%)
（表示ステップ）
表示条件設定手段１５の動作により設定された条件（色分け条件、８０％以上、６０〜８０％、４０〜６０％、２０〜４０％、２０％未満）に従って、ディスプレイ上に、地図と利用確率のメッシュデータを合成表示すると、図５に示す通りであった。
(Display step)
According to the conditions set by the operation of the display condition setting means 15 (color classification conditions, 80% or more, 60 to 80%, 40 to 60%, 20 to 40%, less than 20%), the map and the usage probability are displayed on the display. When the mesh data is synthesized and displayed, it is as shown in FIG.
本発明の方法の検証のために、他の８地域においても同様にして確率式を算出したところ、算出された係数や確率式は当然地域毎に異なっていたが、いずれの地域でも適合度（Ｒｕ2）は高かった。 For the verification of the method of the present invention, probability formulas were similarly calculated in the other eight regions. The calculated coefficients and probability formulas were naturally different for each region, but the fitness ( Ru 2 ) was high.
本発明の方法をコンピュータに実行させるためのプログラムは、既存のＧＩＳ（地理情報システム）アプリケーションを利用する形態に設計できる。また、コンピュータやその周辺機器は既存のものをそのまま利用できる。 A program for causing a computer to execute the method of the present invention can be designed to use an existing GIS (Geographic Information System) application. Existing computers and peripheral devices can be used as they are.
１‥‥森林性猛禽類の狩り場の位置の推定システム
３‥‥メッシュ分割手段 ５‥‥メッシュデータファイル
７‥‥メッシュデータ作成手段 ９‥‥確率式作成手段
１１‥‥確率式データファイル １３‥‥確率算出手段
１５‥‥表示条件設定手段 １７‥‥表示条件設定ファイル
１９‥‥表示手段
1 ... Forest raptor location estimation system 3 ... Mesh division means 5 ... Mesh data file 7 ... Mesh data creation means 9 ... Probability expression creation means 11 ... Probability expression data file 13 ... Probability calculation means 15 ... display condition setting means 17 ... display condition setting file 19 ... display means
Claims (7)
調査対象地域をメッシュ分割する、メッシュ分割ステップと、
メッシュ毎に狩りに関する行動であるハンティング、探餌止まりおよび林への出入りの有無を含む観察データと、環境要素のデータとが付与されたメッシュデータを作成するメッシュデータ作成ステップと、
メッシュ毎に、狩りに関する行動の有無を目的変数とし、環境要素を説明変数としてロジスティック回帰分析を行って、環境要素に基づいて狩りに関する行動の発生確率を算出するための確率式を作成する確率式作成ステップと、
前記確率式に対象メッシュの環境要素を代入することにより、そのメッシュの領域における狩りに関する行動の発生確率を算出する確率算出ステップと、
を含み、算出された確率値に基づいて、狩り場の位置を推定することを特徴とする推定方法。 In the method of estimating the location of the hunting ground for forest raptors,
A mesh division step for dividing the survey area into meshes;
A mesh data creation step for creating mesh data to which observation data including hunting, hunting stoppage, and presence / absence of entering / exiting forests, and environmental element data, which are actions related to hunting for each mesh,
A probability formula that creates a probability formula for calculating the occurrence probability of hunting behavior based on the environmental element by performing logistic regression analysis with the presence or absence of hunting behavior as the objective variable and the environmental element as the explanatory variable for each mesh Creation steps,
A probability calculating step of calculating an occurrence probability of an action related to hunting in a region of the mesh by substituting an environmental element of the target mesh into the probability formula;
And estimating the position of the hunting ground based on the calculated probability value.
A forest raptor characterized by comprising the forest raptor hunting position estimation method according to any one of claims 1 to 5, comprising one or two or more computers connected by a network. A system for estimating the location of hunting grounds.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006198870A JP2008027180A (en) | 2006-07-21 | 2006-07-21 | Method, program, and system for estimating position of hunting field of forest raptor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006198870A JP2008027180A (en) | 2006-07-21 | 2006-07-21 | Method, program, and system for estimating position of hunting field of forest raptor |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2008027180A true JP2008027180A (en) | 2008-02-07 |
Family
ID=39117748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006198870A Pending JP2008027180A (en) | 2006-07-21 | 2006-07-21 | Method, program, and system for estimating position of hunting field of forest raptor |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2008027180A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015023842A (en) * | 2013-07-26 | 2015-02-05 | 富士通株式会社 | Evaluation device, evaluation program, and evaluation method |
| JP2019120968A (en) * | 2017-12-28 | 2019-07-22 | 富士通株式会社 | Protection area estimation program, protection area estimation method and protection area estimation device |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000289812A (en) * | 1999-04-02 | 2000-10-17 | Murata Mach Ltd | Transfer system and capacity evaluation method thereof |
| JP2002342690A (en) * | 2001-05-14 | 2002-11-29 | Prec Institute Inc | Analyzing method of biometrics information of wild creatures |
| JP2002366709A (en) * | 2001-06-12 | 2002-12-20 | Kansai Electric Power Co Inc:The | Nesting ground searching program, computer-readable recording medium with the program recorded thereon and device/method for searching nesting ground |
| JP2003274789A (en) * | 2002-03-25 | 2003-09-30 | Taisei Corp | Method for determining conservation area of raptorial bird |
-
2006
- 2006-07-21 JP JP2006198870A patent/JP2008027180A/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000289812A (en) * | 1999-04-02 | 2000-10-17 | Murata Mach Ltd | Transfer system and capacity evaluation method thereof |
| JP2002342690A (en) * | 2001-05-14 | 2002-11-29 | Prec Institute Inc | Analyzing method of biometrics information of wild creatures |
| JP2002366709A (en) * | 2001-06-12 | 2002-12-20 | Kansai Electric Power Co Inc:The | Nesting ground searching program, computer-readable recording medium with the program recorded thereon and device/method for searching nesting ground |
| JP2003274789A (en) * | 2002-03-25 | 2003-09-30 | Taisei Corp | Method for determining conservation area of raptorial bird |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015023842A (en) * | 2013-07-26 | 2015-02-05 | 富士通株式会社 | Evaluation device, evaluation program, and evaluation method |
| JP2019120968A (en) * | 2017-12-28 | 2019-07-22 | 富士通株式会社 | Protection area estimation program, protection area estimation method and protection area estimation device |
| JP7095281B2 (en) | 2017-12-28 | 2022-07-05 | 富士通株式会社 | Conservation area estimation program, conservation area estimation method and conservation area estimation device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Thaxter et al. | Bird and bat species' global vulnerability to collision mortality at wind farms revealed through a trait-based assessment | |
| Kaiser et al. | The application of geographic information systems and global positioning systems in humanitarian emergencies: lessons learned, programme implications and future research | |
| Finney et al. | A simulation of probabilistic wildfire risk components for the continental United States | |
| Palaiologou et al. | Using transboundary wildfire exposure assessments to improve fire management programs: a case study in Greece | |
| Moreno et al. | Landscape variables influencing forest fires in central Spain | |
| Maleki et al. | Human and climate effects on the Hamoun wetlands | |
| Orenstein et al. | Methodology matters: Measuring urban spatial development using alternative methods | |
| Albanese et al. | Spatiotemporal scaling of North American continental interior wetlands: implications for shorebird conservation | |
| Morelli et al. | Testing bird response to roads on a rural environment: a case study from Central Italy | |
| Anguiano et al. | Effects of fragmentation on the spatial ecology of the California kingsnake (Lampropeltis californiae) | |
| McDonald et al. | Utility of owl pellets for monitoring threatened mammal communities: an Australian case study | |
| Whitman et al. | A framework for modeling habitat quality in disturbance‐prone areas demonstrated with woodland caribou and wildfire | |
| Seng et al. | Geostatistical modelling, analysis and mapping of epidemiology of dengue fever in Johor State, Malaysia | |
| Fisher-Phelps et al. | Protecting bias: across time and ecology, open-source bat locality data are heavily biased by distance to protected area | |
| Zong et al. | Estimating fine-scale visibility in a temperate forest landscape using airborne laser scanning | |
| Bonne et al. | A new approach to assess long‐term lava flow hazard and risk using GIS and low‐cost remote sensing: the case of Mount Cameroon, West Africa | |
| Beltrán-Marcos et al. | Wildland-urban interface typologies prone to high severity fires in Spain | |
| Mishra et al. | Spatial analysis and machine learning prediction of forest fire susceptibility: a comprehensive approach for effective management and mitigation | |
| Olson et al. | Predicting above-ground density and distribution of small mammal prey species at large spatial scales | |
| Lozano et al. | Does fire regime affect both temporal patterns and drivers of vegetation recovery in a resilient Mediterranean landscape? A remote sensing approach at two observation levels | |
| JP2008027180A (en) | Method, program, and system for estimating position of hunting field of forest raptor | |
| Mathieu et al. | Predicting the distribution of raptors using remote sensing techniques and Geographic Information Systems: a case study with the Eastern New Zealand falcon (Falco novaeseelandiae) | |
| Troy et al. | Habitat suitability modeling for the Newell's Shearwater on Kauai | |
| Vogeler et al. | Mapping Suitable Lewis's Woodpecker Nesting Habitat in a Post-Fire Landscape | |
| Thelander et al. | Bird Risk Behaviors and Fatalities at the Altamont Pass Wind Resource Area: Period of Performance, March 1998--December 2000 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090617 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110805 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120116 |