JP5545700B2 - 特定装置、特定プログラム及び特定方法 - Google Patents
特定装置、特定プログラム及び特定方法 Download PDFInfo
- Publication number
- JP5545700B2 JP5545700B2 JP2009070925A JP2009070925A JP5545700B2 JP 5545700 B2 JP5545700 B2 JP 5545700B2 JP 2009070925 A JP2009070925 A JP 2009070925A JP 2009070925 A JP2009070925 A JP 2009070925A JP 5545700 B2 JP5545700 B2 JP 5545700B2
- Authority
- JP
- Japan
- Prior art keywords
- scattering component
- occurrence
- region
- area
- measurement data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 112
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 238000005259 measurement Methods 0.000 claims description 163
- 238000004364 calculation method Methods 0.000 claims description 60
- 230000010287 polarization Effects 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 27
- 238000013500 data storage Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 8
- 238000012876 topography Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000000711 polarimetry Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Emergency Alarm Devices (AREA)
- Radar Systems Or Details Thereof (AREA)
Description
本発明は、例えば、合成開口レーダ（ＳＡＲ：Ｓｙｎｔｈｅｔｉｃ・Ａｐｅｒｔｕｒｅ・Ｒａｄａｒ）の多偏波観測（ポラリメトリ観測）データにおける所定の散乱成分を用いて、災害等が発生した領域等を特定する技術に関する。
合成開口レーダの単偏波観測により河川や湖の氾濫等の水害（水没）を検出する試みが実施されている。しかし、単偏波観測により得られたグレースケール画像では、誤検出や検出漏れの可能性が非常に高い。
また、合成開口レーダの多偏波観測により得られたデータを用いて、土地の被覆分類を行う研究が進められている。この研究では、多偏波観測により得られたデータに対して、散乱成分や偏波エントロピーの解析を行い、土地の被覆分類を行っている。
特許文献１には、偏波解析により算出した表面散乱と２回散乱と、トルースデータから算出した値とを用いて湿地林における樹木と地面との分類を行うことについての記載がある。
特許文献２には、偏波解析により散乱分解を行い、都市部における土地の被覆分類を行うことについての記載がある。
特許文献１には、偏波解析により算出した表面散乱と２回散乱と、トルースデータから算出した値とを用いて湿地林における樹木と地面との分類を行うことについての記載がある。
特許文献２には、偏波解析により散乱分解を行い、都市部における土地の被覆分類を行うことについての記載がある。
山口芳雄著、「レーダポーラリメトリの基礎と応用−偏波を用いたレーダリモートセンシング−」、電子情報通信学会、２００７年１２月
従来の技術では、観測を行った時における土地の被覆状態をある程度解析することはできる。しかし、従来の技術では、ある１時点における測定データに基づき、土地の被覆状態を解析するため、土地の被覆に発生した変化を捉えることはできない。そのため、災害等の現象が発生した場合に、その現象が発生した領域を特定することはできない。
この発明は、例えば、災害等の現象が発生した領域を特定することを目的とする。
この発明は、例えば、災害等の現象が発生した領域を特定することを目的とする。
この発明に係る特定装置は、例えば、
所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力装置により入力する測定データ入力部と、
前記所定のエリアにおける所定の領域毎に、前記測定データ入力部が入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を処理装置により計算する散乱成分差計算部と、
前記所定のエリアのうち、前記散乱成分差計算部が計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として処理装置により特定する領域特定部と
を備えることを特徴とする。
所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力装置により入力する測定データ入力部と、
前記所定のエリアにおける所定の領域毎に、前記測定データ入力部が入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を処理装置により計算する散乱成分差計算部と、
前記所定のエリアのうち、前記散乱成分差計算部が計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として処理装置により特定する領域特定部と
を備えることを特徴とする。
前記特定装置は、さらに、
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データから抽出された発生前散乱成分と、発生後に測定した結果である発生後測定データから抽出された発生後散乱成分とを予め記憶装置に記憶する測定データ記憶部と、
前記領域特定部が特定した領域について、前記測定データ記憶部が記憶した前記発生前散乱成分に前記散乱成分Ａが近く、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定部と
を備えることを特徴とする。
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データから抽出された発生前散乱成分と、発生後に測定した結果である発生後測定データから抽出された発生後散乱成分とを予め記憶装置に記憶する測定データ記憶部と、
前記領域特定部が特定した領域について、前記測定データ記憶部が記憶した前記発生前散乱成分に前記散乱成分Ａが近く、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定部と
を備えることを特徴とする。
前記散乱成分差計算部は、前記測定データ入力部が前記散乱成分Ａと前記散乱成分Ｂとして、複数の種類の散乱成分を入力した場合に、前記散乱成分差を数１により計算する
ことを特徴とする。
ことを特徴とする。
前記特定装置は、さらに、
前記所定の領域毎の地形を判別可能な地形データを予め記憶装置に記憶する地形データ記憶部を備え、
前記領域特定部は、前記散乱成分差計算部が計算した散乱成分差が第１閾値よりも大きい領域であって、前記地形データ記憶部が記憶した地形データから判別される地形が所定の地形でない領域を、前記所定の現象が発生した領域として特定する
ことを特徴とする。
前記所定の領域毎の地形を判別可能な地形データを予め記憶装置に記憶する地形データ記憶部を備え、
前記領域特定部は、前記散乱成分差計算部が計算した散乱成分差が第１閾値よりも大きい領域であって、前記地形データ記憶部が記憶した地形データから判別される地形が所定の地形でない領域を、前記所定の現象が発生した領域として特定する
ことを特徴とする。
この発明に係る特定装置は、例えば、
所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力装置により入力する測定データ入力部と、
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データと、発生後に測定した結果である発生後測定データとから抽出された散乱成分の差を示す散乱成分差を予め記憶装置に記憶する測定データ記憶部と、
前記所定のエリアの所定の領域について、前記測定データ記憶部が記憶した前記発生前散乱成分に前記散乱成分Ａが近く、前記発生後散乱成分に前記散乱成分Ｂが近い種別を処理装置により検索して、その領域で発生した現象の種別を特定する種別特定部と
を備えることを特徴とする。
所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力装置により入力する測定データ入力部と、
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データと、発生後に測定した結果である発生後測定データとから抽出された散乱成分の差を示す散乱成分差を予め記憶装置に記憶する測定データ記憶部と、
前記所定のエリアの所定の領域について、前記測定データ記憶部が記憶した前記発生前散乱成分に前記散乱成分Ａが近く、前記発生後散乱成分に前記散乱成分Ｂが近い種別を処理装置により検索して、その領域で発生した現象の種別を特定する種別特定部と
を備えることを特徴とする。
この発明に係る特定プログラムは、例えば、
所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力する測定データ入力処理と、
前記所定のエリアにおける所定の領域毎に、前記測定データ入力処理で入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を計算する散乱成分差計算処理と、
前記所定のエリアのうち、前記散乱成分差計算処理で計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として特定する領域特定処理と
をコンピュータに実行させることを特徴とする。
所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力する測定データ入力処理と、
前記所定のエリアにおける所定の領域毎に、前記測定データ入力処理で入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を計算する散乱成分差計算処理と、
前記所定のエリアのうち、前記散乱成分差計算処理で計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として特定する領域特定処理と
をコンピュータに実行させることを特徴とする。
前記特定プログラムは、さらに、
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データから抽出された発生前散乱成分と、発生後に測定した結果である発生後測定データから抽出された発生後散乱成分とを予め記憶した記憶装置から、
前記領域特定処理で特定した領域について、前記発生前散乱成分に前記散乱成分Ａが近く、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定処理
をコンピュータに実行させることを特徴とする。
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データから抽出された発生前散乱成分と、発生後に測定した結果である発生後測定データから抽出された発生後散乱成分とを予め記憶した記憶装置から、
前記領域特定処理で特定した領域について、前記発生前散乱成分に前記散乱成分Ａが近く、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定処理
をコンピュータに実行させることを特徴とする。
前記散乱成分差計算処理では、前記測定データ入力処理で前記散乱成分Ａと前記散乱成分Ｂとして、複数の種類の散乱成分を入力した場合に、前記散乱成分差を数２により計算する
ことを特徴とする。
ことを特徴とする。
前記特定プログラムは、さらに、
前記領域特定処理では、前記散乱成分差計算処理で計算した散乱成分差が第１閾値よりも大きい領域であって、予め記憶装置に記憶した地形データから判別される地形が所定の地形でない領域を、前記所定の現象が発生した領域として特定する
ことを特徴とする。
前記領域特定処理では、前記散乱成分差計算処理で計算した散乱成分差が第１閾値よりも大きい領域であって、予め記憶装置に記憶した地形データから判別される地形が所定の地形でない領域を、前記所定の現象が発生した領域として特定する
ことを特徴とする。
この発明に係る特定プログラムは、例えば、
所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力する測定データ入力処理と、
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データと、発生後に測定した結果である発生後測定データとから抽出された散乱成分の差を示す散乱成分差を予め記憶した記憶装置から、
前記所定のエリアの所定の領域について、前記発生前散乱成分に前記散乱成分Ａが近く、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定処理と
をコンピュータに実行させることを特徴とする特定プログラム。
所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力する測定データ入力処理と、
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データと、発生後に測定した結果である発生後測定データとから抽出された散乱成分の差を示す散乱成分差を予め記憶した記憶装置から、
前記所定のエリアの所定の領域について、前記発生前散乱成分に前記散乱成分Ａが近く、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定処理と
をコンピュータに実行させることを特徴とする特定プログラム。
この発明に係る特定方法は、例えば、
入力装置が、所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力する測定データ入力ステップと、
処理装置が、前記所定のエリアにおける所定の領域毎に、前記測定データ入力ステップで入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を計算する散乱成分差計算ステップと、
処理装置が、前記所定のエリアのうち、前記散乱成分差計算ステップで計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として特定する領域特定ステップと
を備えることを特徴とする。
入力装置が、所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力する測定データ入力ステップと、
処理装置が、前記所定のエリアにおける所定の領域毎に、前記測定データ入力ステップで入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を計算する散乱成分差計算ステップと、
処理装置が、前記所定のエリアのうち、前記散乱成分差計算ステップで計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として特定する領域特定ステップと
を備えることを特徴とする。
この発明に係る特定装置は、２つの異なる時点における測定データを用いて、２つの異なる時点における散乱成分の差を計算することにより、所定の現象が発生した領域を特定することができる。
以下、図に基づき、この発明の実施の形態について説明する。
なお、以下の説明において、処理装置とは、後述するＣＰＵ９１１等である。また、記憶装置とは、後述するＲＯＭ９１３、ＲＡＭ９１４、磁気ディスク装置９２０等である。また、入力装置とは、後述するキーボード９０２、通信ボード９１５等である。
なお、以下の説明において、処理装置とは、後述するＣＰＵ９１１等である。また、記憶装置とは、後述するＲＯＭ９１３、ＲＡＭ９１４、磁気ディスク装置９２０等である。また、入力装置とは、後述するキーボード９０２、通信ボード９１５等である。
実施の形態１．
図１は、特定装置１００の機能を示す機能ブロック図である。
特定装置１００は、所定のエリアにおいて、所定の現象が発生した領域を特定する。また、特定した領域毎に、その領域で発生した現象の種別を特定する。ここでは、一例として、災害が発生した領域を特定するものとする。そして、特定した領域毎に、発生した災害の種別（例えば、土砂崩れや水害等）を特定するものとする。
特定装置１００は、測定データ入力部１１０、測定データ登録部１２０、災害データベース１３０（測定データ記憶部）、散乱成分差計算部１４０、領域特定部１５０、地形データ記憶部１６０、種別特定部１７０を備える。
図１は、特定装置１００の機能を示す機能ブロック図である。
特定装置１００は、所定のエリアにおいて、所定の現象が発生した領域を特定する。また、特定した領域毎に、その領域で発生した現象の種別を特定する。ここでは、一例として、災害が発生した領域を特定するものとする。そして、特定した領域毎に、発生した災害の種別（例えば、土砂崩れや水害等）を特定するものとする。
特定装置１００は、測定データ入力部１１０、測定データ登録部１２０、災害データベース１３０（測定データ記憶部）、散乱成分差計算部１４０、領域特定部１５０、地形データ記憶部１６０、種別特定部１７０を備える。
特定装置１００の動作は、２つのフェーズに分けられる。
第１フェーズは、災害の発生前と発生後との測定データを、実際に発生した災害との関係を対応付けて災害データベース１３０に記憶するデータベース整備フェーズである。
第２フェーズは、災害データベース１３０と、２つの異なる時点における測定データとに基づき、２つの異なる時点の間に災害が発生した領域を特定するとともに、発生した災害の種別を特定する災害特定フェーズである。
第１フェーズは、災害の発生前と発生後との測定データを、実際に発生した災害との関係を対応付けて災害データベース１３０に記憶するデータベース整備フェーズである。
第２フェーズは、災害データベース１３０と、２つの異なる時点における測定データとに基づき、２つの異なる時点の間に災害が発生した領域を特定するとともに、発生した災害の種別を特定する災害特定フェーズである。
なお、測定データとは、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果を、測定位置毎に示すデータである。ここでは、測定データは、合成開口レーダを用いたポラリメトリ（４偏波）観測の結果を示すデータである。
合成開口レーダは、上空を飛行する飛行体（人工衛星、航空機等）に搭載されており、水平偏波の電波と垂直偏波の電波との２つの電波を上空から観測エリアに向けて発射する。つまり、測定データは、合成開口レーダによって発射された水平偏波の電波が観測エリアの地表や人工物等で反射して得られる散乱波の水平偏波成分（ＨＨ成分）と垂直偏波成分（ＨＶ成分）との２種類の偏波成分を測定した結果、及び、同じく合成開口レーダによって発射された垂直偏波の電波が地表や人工物等で反射して得られる散乱波の水平偏波成分（ＶＨ成分）と垂直偏波成分（ＶＶ成分）との２種類の偏波成分を測定した結果（４種類の偏波成分を測定しているがＨＶ成分とＶＨ成分は同じになるので、実際には３種類の偏波成分を測定した結果）を示すデータである。
合成開口レーダは、上空を飛行する飛行体（人工衛星、航空機等）に搭載されており、水平偏波の電波と垂直偏波の電波との２つの電波を上空から観測エリアに向けて発射する。つまり、測定データは、合成開口レーダによって発射された水平偏波の電波が観測エリアの地表や人工物等で反射して得られる散乱波の水平偏波成分（ＨＨ成分）と垂直偏波成分（ＨＶ成分）との２種類の偏波成分を測定した結果、及び、同じく合成開口レーダによって発射された垂直偏波の電波が地表や人工物等で反射して得られる散乱波の水平偏波成分（ＶＨ成分）と垂直偏波成分（ＶＶ成分）との２種類の偏波成分を測定した結果（４種類の偏波成分を測定しているがＨＶ成分とＶＨ成分は同じになるので、実際には３種類の偏波成分を測定した結果）を示すデータである。
また、表面散乱成分、２回散乱成分、体積散乱成分、ヘリックス（Ｈｅｌｉｘ）散乱成分との４つの散乱成分が測定データから抽出できることが知られている（非特許文献１参照）。
それぞれの散乱成分について簡単に説明する。
（１）表面散乱成分は、地面、水面等の表面で引き起こされる１回（奇数回）反射の散乱成分である。つまり、人工物のない平地や、海、湖等においては、表面散乱成分が多く抽出される。
（２）２回散乱成分は、道路と建物の壁等の直角構造で引き起こされる２回（偶数回）反射の散乱成分である。つまり、人工物がある市街地や村落においては、２回散乱成分が多く抽出される。
（３）体積散乱成分は、絡み合った枝等、ランダムに向いた線状物体の集合から引き起こされる散乱成分である。つまり、森等においては、体積散乱成分が比較的多く抽出される。
（４）ヘリックス散乱成分は、人工物の表面から発生する、直線偏波を円偏波に変える散乱成分である。
なお、ここでは、表面散乱成分、２回散乱成分、体積散乱成分の３種類の散乱成分を用いるものとする。しかし、これに限らず、４種類の散乱成分のうちから選択した１つ以上の散乱成分を用いればよい。
それぞれの散乱成分について簡単に説明する。
（１）表面散乱成分は、地面、水面等の表面で引き起こされる１回（奇数回）反射の散乱成分である。つまり、人工物のない平地や、海、湖等においては、表面散乱成分が多く抽出される。
（２）２回散乱成分は、道路と建物の壁等の直角構造で引き起こされる２回（偶数回）反射の散乱成分である。つまり、人工物がある市街地や村落においては、２回散乱成分が多く抽出される。
（３）体積散乱成分は、絡み合った枝等、ランダムに向いた線状物体の集合から引き起こされる散乱成分である。つまり、森等においては、体積散乱成分が比較的多く抽出される。
（４）ヘリックス散乱成分は、人工物の表面から発生する、直線偏波を円偏波に変える散乱成分である。
なお、ここでは、表面散乱成分、２回散乱成分、体積散乱成分の３種類の散乱成分を用いるものとする。しかし、これに限らず、４種類の散乱成分のうちから選択した１つ以上の散乱成分を用いればよい。
図２は、第１フェーズ（データベース整備フェーズ）における特定装置１００の動作を示すフローチャートである。
（Ｓ１０１：測定データ取得処理）
測定データ入力部１１０は、外部のＳＡＲポラリメトリ測定データ格納装置から、観測エリアについての測定データをネットワークを介して取得する。
ここでは、測定データ入力部１１０は、災害が発生する前の測定データ（発生前測定データ）と、災害が発生した後の測定データ（発生後測定データ）とを取得する。
ここでは、測定データ入力部１１０は、例えば、過去（例えば、数ヶ月前や数年前等）に発生した災害であって、既に分析が終わっている災害の発生前と発生後との測定データを取得する。
測定データ入力部１１０は、外部のＳＡＲポラリメトリ測定データ格納装置から、観測エリアについての測定データをネットワークを介して取得する。
ここでは、測定データ入力部１１０は、災害が発生する前の測定データ（発生前測定データ）と、災害が発生した後の測定データ（発生後測定データ）とを取得する。
ここでは、測定データ入力部１１０は、例えば、過去（例えば、数ヶ月前や数年前等）に発生した災害であって、既に分析が終わっている災害の発生前と発生後との測定データを取得する。
（Ｓ１０２：散乱成分入力処理（測定データ入力処理））
測定データ入力部１１０は、取得した発生前測定データと発生後測定データとを散乱成分分解して、発生前測定データから発生前散乱成分１１を処理装置により抽出するとともに、発生後測定データから発生後散乱成分１２を処理装置により抽出する。そして、測定データ入力部１１０は、抽出した発生前散乱成分１１と発生後散乱成分１２とを入力装置により入力する。
上述したように、散乱成分としては、表面散乱成分、２回散乱成分、体積散乱成分の３種類の散乱成分を用いる。したがって、測定データ入力部１１０は、発生前散乱成分１１として、表面散乱成分、２回散乱成分、体積散乱成分を抽出する。同様に、測定データ入力部１１０は、発生後散乱成分１２として、表面散乱成分、２回散乱成分、体積散乱成分を抽出する。
測定データ入力部１１０は、取得した発生前測定データと発生後測定データとを散乱成分分解して、発生前測定データから発生前散乱成分１１を処理装置により抽出するとともに、発生後測定データから発生後散乱成分１２を処理装置により抽出する。そして、測定データ入力部１１０は、抽出した発生前散乱成分１１と発生後散乱成分１２とを入力装置により入力する。
上述したように、散乱成分としては、表面散乱成分、２回散乱成分、体積散乱成分の３種類の散乱成分を用いる。したがって、測定データ入力部１１０は、発生前散乱成分１１として、表面散乱成分、２回散乱成分、体積散乱成分を抽出する。同様に、測定データ入力部１１０は、発生後散乱成分１２として、表面散乱成分、２回散乱成分、体積散乱成分を抽出する。
（Ｓ１０３：測定データ登録処理）
測定データ登録部１２０は、測定データ入力部１１０が入力した発生前散乱成分１１と発生後散乱成分１２とを、発生した災害の種別毎、被災対象毎に分類して災害データベース１３０に登録する。
災害の種別とは、例えば、土砂崩れ、水害（浸水、冠水）等である。また、被災対象とは、家屋、道路、畑等である。
測定データ登録部１２０は、例えば、どの領域でどの種別の災害が発生し、被災対象は何かを示す地図データ（数値地図等）をネットワークを介して取得する。測定データ登録部１２０は、取得した地図データに基づき、観測エリアのどの領域でどの種別の災害が発生し、被災対象が何かを処理装置により特定する。そして、特定した災害の種別及び被災対象と、その領域の発生前散乱成分１１及び発生後散乱成分１２とを対応付けて災害データベース１３０に登録する。
測定データ登録部１２０は、測定データ入力部１１０が入力した発生前散乱成分１１と発生後散乱成分１２とを、発生した災害の種別毎、被災対象毎に分類して災害データベース１３０に登録する。
災害の種別とは、例えば、土砂崩れ、水害（浸水、冠水）等である。また、被災対象とは、家屋、道路、畑等である。
測定データ登録部１２０は、例えば、どの領域でどの種別の災害が発生し、被災対象は何かを示す地図データ（数値地図等）をネットワークを介して取得する。測定データ登録部１２０は、取得した地図データに基づき、観測エリアのどの領域でどの種別の災害が発生し、被災対象が何かを処理装置により特定する。そして、特定した災害の種別及び被災対象と、その領域の発生前散乱成分１１及び発生後散乱成分１２とを対応付けて災害データベース１３０に登録する。
なお、一般に、災害が発生した領域にはある程度の広さがあり、災害が発生した領域からは複数の測定位置から散乱波の偏波成分が測定される。
そこで、測定データ登録部１２０は、発生前散乱成分１１として、その領域の発生前散乱成分１１の平均値を用いる。同様に、測定データ登録部１２０は、発生後散乱成分１２として、その領域の発生後散乱成分１２の平均値を用いる。つまり、測定データ登録部１２０は、特定した災害の種別及び被災対象と、その領域の発生前散乱成分１１の平均値及びその領域の発生後散乱成分１２の平均値とを対応付けて災害データベース１３０に登録する。
なお、発生前散乱成分１１の平均値とは、表面散乱成分毎の強度の平均値と、２回散乱成分毎の強度の平均値と、体積散乱成分毎の強度の平均値との３つの値である。同様に、発生後散乱成分１２の平均値とは、表面散乱成分毎の強度の平均値と、２回散乱成分毎の強度の平均値と、体積散乱成分毎の強度の平均値との３つの値である。
例えば、発生前散乱成分１１ａと発生前散乱成分１１ｂとの平均値とは、発生前散乱成分１１ａの表面散乱成分の強度と発生前散乱成分１１ｂの表面散乱成分の強度との平均値、発生前散乱成分１１ａの２回散乱成分の強度と発生前散乱成分１１ｂの２回散乱成分の強度との平均値、発生前散乱成分１１ａの体積散乱成分の強度と発生前散乱成分１１ｂの体積散乱成分の強度との平均値との３つの値である。
そこで、測定データ登録部１２０は、発生前散乱成分１１として、その領域の発生前散乱成分１１の平均値を用いる。同様に、測定データ登録部１２０は、発生後散乱成分１２として、その領域の発生後散乱成分１２の平均値を用いる。つまり、測定データ登録部１２０は、特定した災害の種別及び被災対象と、その領域の発生前散乱成分１１の平均値及びその領域の発生後散乱成分１２の平均値とを対応付けて災害データベース１３０に登録する。
なお、発生前散乱成分１１の平均値とは、表面散乱成分毎の強度の平均値と、２回散乱成分毎の強度の平均値と、体積散乱成分毎の強度の平均値との３つの値である。同様に、発生後散乱成分１２の平均値とは、表面散乱成分毎の強度の平均値と、２回散乱成分毎の強度の平均値と、体積散乱成分毎の強度の平均値との３つの値である。
例えば、発生前散乱成分１１ａと発生前散乱成分１１ｂとの平均値とは、発生前散乱成分１１ａの表面散乱成分の強度と発生前散乱成分１１ｂの表面散乱成分の強度との平均値、発生前散乱成分１１ａの２回散乱成分の強度と発生前散乱成分１１ｂの２回散乱成分の強度との平均値、発生前散乱成分１１ａの体積散乱成分の強度と発生前散乱成分１１ｂの体積散乱成分の強度との平均値との３つの値である。
つまり、第１フェーズでは、既に分析の終わっている災害の発生前と発生後との測定データに基づき、災害データベース１３０を整備する。
特定装置１００は、数多くの事例に対して、図２に示す処理（第１フェーズ）を実行して、災害データベース１３０に登録されたデータを充実化する。
特定装置１００は、数多くの事例に対して、図２に示す処理（第１フェーズ）を実行して、災害データベース１３０に登録されたデータを充実化する。
図３は、発生前散乱成分１１の一例を示す図である。図４は、発生後散乱成分１２の一例を示す図である。
なお、図３，４では、散乱成分の強度を画素の輝度（濃淡）によって表す。また、図３と図４とは、同一のエリアを観測した測定データから抽出された散乱成分を示す。
つまり、図３，４は、（Ｓ１０１）で入力された発生前測定データと発生後測定データとから、（Ｓ１０２）で抽出された発生前散乱成分１１と発生後散乱成分１２とを示す。すると、（Ｓ１０３）では、次のように処理が実行される。
なお、図３，４では、散乱成分の強度を画素の輝度（濃淡）によって表す。また、図３と図４とは、同一のエリアを観測した測定データから抽出された散乱成分を示す。
つまり、図３，４は、（Ｓ１０１）で入力された発生前測定データと発生後測定データとから、（Ｓ１０２）で抽出された発生前散乱成分１１と発生後散乱成分１２とを示す。すると、（Ｓ１０３）では、次のように処理が実行される。
例えば、図４に示す領域３５は、土砂崩れが発生し、家屋が被災した領域であるとする。つまり、領域３５では、土砂崩れが発生し、家屋が被災したと地図データ等から特定されたとする。
この場合、測定データ登録部１２０は、領域３５における発生前散乱成分１１の平均値と発生後散乱成分１２の平均値とを、災害の種別「土砂崩れ」と被災対象「家屋」とに対応付けて、災害データベース１３０に登録する。
つまり、測定データ登録部１２０は、領域３５における災害発生前の表面散乱成分、２回散乱成分、体積散乱成分それぞれの強度の平均値と、領域３５における災害発生後の表面散乱成分、２回散乱成分、体積散乱成分それぞれの強度の平均値とを、災害の種別「土砂崩れ」と被災対象「家屋」とに対応付けて、災害データベース１３０に登録する。
この場合、測定データ登録部１２０は、領域３５における発生前散乱成分１１の平均値と発生後散乱成分１２の平均値とを、災害の種別「土砂崩れ」と被災対象「家屋」とに対応付けて、災害データベース１３０に登録する。
つまり、測定データ登録部１２０は、領域３５における災害発生前の表面散乱成分、２回散乱成分、体積散乱成分それぞれの強度の平均値と、領域３５における災害発生後の表面散乱成分、２回散乱成分、体積散乱成分それぞれの強度の平均値とを、災害の種別「土砂崩れ」と被災対象「家屋」とに対応付けて、災害データベース１３０に登録する。
ここで、図４における領域３５は、図３において２回散乱成分の強度が高かった領域３３の一部の領域である。図４では、領域３５は、２回散乱成分の強度が低くなり、表面散乱成分の強度が高くなっている。つまり、領域３５では、災害発生前は２回散乱成分の強度が高かったが、災害発生後は表面散乱成分の強度が高くなっている。この場合、２回散乱成分の強度が高く発生する家屋等の人工物が、土砂崩れにより土砂に覆われ表面散乱成分の強度が高くなったと考えられる。
また、例えば、図４に示す領域３６，３７，３８は、水害が発生した領域であるとする。つまり、図４に示す領域３６，３７，３８では、水害が発生したと地図データ等から特定されたとする。特に、図４に示す領域３６，３７では、水害が発生し、畑等が被災したとする。一方、図４に示す領域３８では、水害が発生し、家屋が被災したとする。
この場合、測定データ登録部１２０は、領域３６，３７における発生前散乱成分１１の平均値と発生後散乱成分１２の平均値とを、災害の種別「水害」と被災対象「畑等」とに対応付けて、災害データベース１３０に登録する。
つまり、測定データ登録部１２０は、領域３６，３７における災害発生前の表面散乱成分、２回散乱成分、体積散乱成分それぞれの強度の平均値と、領域３６，３７における災害発生後の表面散乱成分、２回散乱成分、体積散乱成分それぞれの強度の平均値とを、災害の種別「水害」と被災対象「畑等」とに対応付けて、災害データベース１３０に登録する。
また、測定データ登録部１２０は、領域３８における発生前散乱成分１１の平均値と発生後散乱成分１２の平均値とを、災害の種別「水害」と被災対象「家屋」とに対応付けて、災害データベース１３０に登録する。
つまり、測定データ登録部１２０は、領域３８における災害発生前の表面散乱成分、２回散乱成分、体積散乱成分それぞれの平均値と、領域３８における災害発生後の表面散乱成分、２回散乱成分、体積散乱成分それぞれの平均値とを、災害の種別「水害」と被災対象「家屋」とに対応付けて、災害データベース１３０に登録する。
この場合、測定データ登録部１２０は、領域３６，３７における発生前散乱成分１１の平均値と発生後散乱成分１２の平均値とを、災害の種別「水害」と被災対象「畑等」とに対応付けて、災害データベース１３０に登録する。
つまり、測定データ登録部１２０は、領域３６，３７における災害発生前の表面散乱成分、２回散乱成分、体積散乱成分それぞれの強度の平均値と、領域３６，３７における災害発生後の表面散乱成分、２回散乱成分、体積散乱成分それぞれの強度の平均値とを、災害の種別「水害」と被災対象「畑等」とに対応付けて、災害データベース１３０に登録する。
また、測定データ登録部１２０は、領域３８における発生前散乱成分１１の平均値と発生後散乱成分１２の平均値とを、災害の種別「水害」と被災対象「家屋」とに対応付けて、災害データベース１３０に登録する。
つまり、測定データ登録部１２０は、領域３８における災害発生前の表面散乱成分、２回散乱成分、体積散乱成分それぞれの平均値と、領域３８における災害発生後の表面散乱成分、２回散乱成分、体積散乱成分それぞれの平均値とを、災害の種別「水害」と被災対象「家屋」とに対応付けて、災害データベース１３０に登録する。
ここで、図４における領域３６，３７は、図３において表面散乱成分の強度がやや高く、体積散乱成分の強度もやや高い領域３１の一部の領域である。図４では、領域３６，３７は、体積散乱成分の強度が低くなり、表面散乱成分の強度がより高くなっている。つまり、領域３５では、災害発生前は表面散乱成分のやや強度が高く、体積散乱成分の強度もやや高いが、災害発生後は体積散乱成分の強度が低くなり表面散乱成分の強度がより高くなっている。この場合、災害発生前は表面散乱成分の強度がやや高く、体積散乱成分の強度もやや高い畑等が、水害により水没して体積散乱成分の強度が低くなり表面散乱成分の強度がより高くなったと考えられる。
また、図４における領域３８は、図３において２回散乱成分の強度が高い領域３３の一部の領域である。図４では、領域３８は、２回散乱成分の強度が低くなり、表面散乱成分の強度が高くなっている。つまり、領域３５では、災害発生前は２回散乱成分の強度が高かったが、災害発生後は表面散乱成分の強度が高くなっている。この場合、２回散乱成分の強度が高い家屋等の人工物が、水害により水没して表面散乱成分の強度が高くなったと考えられる。
また、図４における領域３８は、図３において２回散乱成分の強度が高い領域３３の一部の領域である。図４では、領域３８は、２回散乱成分の強度が低くなり、表面散乱成分の強度が高くなっている。つまり、領域３５では、災害発生前は２回散乱成分の強度が高かったが、災害発生後は表面散乱成分の強度が高くなっている。この場合、２回散乱成分の強度が高い家屋等の人工物が、水害により水没して表面散乱成分の強度が高くなったと考えられる。
図５は、第２フェーズ（災害特定フェーズ）における特定装置１００の動作を示すフローチャートである。
（Ｓ２０１：測定データ取得処理）
測定データ入力部１１０は、外部のＳＡＲポラリメトリ測定データ格納装置から、観測エリアについての測定データをネットワークを介して取得する。
ここでは、測定データ入力部１１０は、Ａ時点の測定データ（測定データＡ）と、Ａ時点よりも後の時点のＢ時点の測定データ（測定データＢ）とを取得する。
なお、Ａ時点とは、災害を引き起こす何らかの現象（例えば、台風の通過）等が起こる前の時点であり、Ｂ時点とは、その現象が起こった後の時点である。
ここでは、測定データ入力部１１０は、例えば、最近（例えば、数日前等）に発生した災害であって、分析が終わっていない災害の発生前と発生後との測定データを取得する。
測定データ入力部１１０は、外部のＳＡＲポラリメトリ測定データ格納装置から、観測エリアについての測定データをネットワークを介して取得する。
ここでは、測定データ入力部１１０は、Ａ時点の測定データ（測定データＡ）と、Ａ時点よりも後の時点のＢ時点の測定データ（測定データＢ）とを取得する。
なお、Ａ時点とは、災害を引き起こす何らかの現象（例えば、台風の通過）等が起こる前の時点であり、Ｂ時点とは、その現象が起こった後の時点である。
ここでは、測定データ入力部１１０は、例えば、最近（例えば、数日前等）に発生した災害であって、分析が終わっていない災害の発生前と発生後との測定データを取得する。
（Ｓ２０２：散乱成分分解処理（測定データ入力処理））
測定データ入力部１１０は、取得した測定データＡと測定データＢとを散乱成分分解して、測定データＡから散乱成分Ａ２１を処理装置により抽出するとともに、測定データＢから散乱成分Ｂ２２を処理装置により抽出する。そして、測定データ入力部１１０は、抽出した散乱成分Ａ２１と散乱成分Ｂ２２とを入力装置により入力する。
上述したように、散乱成分としては、表面散乱成分、２回散乱成分、体積散乱成分の３種類の散乱成分を用いる。したがって、測定データ入力部１１０は、散乱成分Ａ２１として、表面散乱成分、２回散乱成分、体積散乱成分を抽出する。同様に、測定データ入力部１１０は、散乱成分Ｂ２２として、表面散乱成分、２回散乱成分、体積散乱成分を抽出する。
測定データ入力部１１０は、取得した測定データＡと測定データＢとを散乱成分分解して、測定データＡから散乱成分Ａ２１を処理装置により抽出するとともに、測定データＢから散乱成分Ｂ２２を処理装置により抽出する。そして、測定データ入力部１１０は、抽出した散乱成分Ａ２１と散乱成分Ｂ２２とを入力装置により入力する。
上述したように、散乱成分としては、表面散乱成分、２回散乱成分、体積散乱成分の３種類の散乱成分を用いる。したがって、測定データ入力部１１０は、散乱成分Ａ２１として、表面散乱成分、２回散乱成分、体積散乱成分を抽出する。同様に、測定データ入力部１１０は、散乱成分Ｂ２２として、表面散乱成分、２回散乱成分、体積散乱成分を抽出する。
（Ｓ２０３：第１領域特定処理）
ここでは、観測エリアにおいて被災した可能性のある領域（被災対象領域）を特定する。
ここでは、観測エリアにおいて被災した可能性のある領域（被災対象領域）を特定する。
まず、散乱成分差計算部１４０は、観測エリアの所定の領域毎に、散乱成分Ａ２１と散乱成分Ｂ２２との差を示す散乱成分差を処理装置により計算する。
なお、所定の領域に存在する散乱成分Ａ２１と散乱成分Ｂ２２とが１つ（１画素）であれば、以下に説明する方法により単純に散乱成分差を計算する。一方、所定の領域に存在する散乱成分Ａ２１と散乱成分Ｂ２２とが複数（複数画素）であれば、その領域に存在する散乱成分Ａ２１の平均値と、散乱成分Ｂ２２の平均値との差を散乱成分差として計算する。散乱成分Ａ２１の平均値と散乱成分Ｂ２２の平均値との計算方法は、発生前散乱成分１１の平均値や発生後散乱成分１２の平均値の計算方法と同様である。
なお、所定の領域に存在する散乱成分Ａ２１と散乱成分Ｂ２２とが１つ（１画素）であれば、以下に説明する方法により単純に散乱成分差を計算する。一方、所定の領域に存在する散乱成分Ａ２１と散乱成分Ｂ２２とが複数（複数画素）であれば、その領域に存在する散乱成分Ａ２１の平均値と、散乱成分Ｂ２２の平均値との差を散乱成分差として計算する。散乱成分Ａ２１の平均値と散乱成分Ｂ２２の平均値との計算方法は、発生前散乱成分１１の平均値や発生後散乱成分１２の平均値の計算方法と同様である。
図６は、散乱成分差の計算処理の説明図である。
図６に示すように、散乱成分Ａ２１と散乱成分Ｂ２２とは、それぞれ表面散乱成分、２回散乱成分、体積散乱成分の３次元ベクトル値を持つとみなすことができる。つまり、散乱成分Ａ２１と散乱成分Ｂ２２とは、表面散乱成分、２回散乱成分、体積散乱成分をそれぞれ方向成分として持ち、表面散乱強度，２回散乱強度，体積散乱強度を各方向成分の大きさとして持つベクトルとして表すことができる。
すなわち、散乱成分Ａ２１と散乱成分Ｂ２２とは、ベクトルＶ（表面散乱強度，２回散乱強度，体積散乱強度）と表すことができる。例えば、ある散乱成分Ａ２１が、表面散乱強度がα、２回散乱強度がβ、体積散乱強度がγであれば、その散乱成分Ａ２１をベクトルＶ（α，β，γ）で表すことができる。
ここで、災害による散乱成分の変化が大きいほど、散乱成分Ａ２１を表すベクトルＶａと散乱成分Ｂ２２を表すベクトルＶｂとの差の絶対値｜ΔＶ｜（＝｜Ｖｂ−Ｖａ｜は、大きくなる。つまり、｜ΔＶ｜が大きいほど、被災した可能性が高いということができる。
そこで、散乱成分差計算部１４０は、散乱成分差として、｜ΔＶ｜を計算する。
なお、図６に示すように、ベクトルＶの各方向成分が直交するとした場合、｜ΔＶ｜は、数３により計算できる。
図６に示すように、散乱成分Ａ２１と散乱成分Ｂ２２とは、それぞれ表面散乱成分、２回散乱成分、体積散乱成分の３次元ベクトル値を持つとみなすことができる。つまり、散乱成分Ａ２１と散乱成分Ｂ２２とは、表面散乱成分、２回散乱成分、体積散乱成分をそれぞれ方向成分として持ち、表面散乱強度，２回散乱強度，体積散乱強度を各方向成分の大きさとして持つベクトルとして表すことができる。
すなわち、散乱成分Ａ２１と散乱成分Ｂ２２とは、ベクトルＶ（表面散乱強度，２回散乱強度，体積散乱強度）と表すことができる。例えば、ある散乱成分Ａ２１が、表面散乱強度がα、２回散乱強度がβ、体積散乱強度がγであれば、その散乱成分Ａ２１をベクトルＶ（α，β，γ）で表すことができる。
ここで、災害による散乱成分の変化が大きいほど、散乱成分Ａ２１を表すベクトルＶａと散乱成分Ｂ２２を表すベクトルＶｂとの差の絶対値｜ΔＶ｜（＝｜Ｖｂ−Ｖａ｜は、大きくなる。つまり、｜ΔＶ｜が大きいほど、被災した可能性が高いということができる。
そこで、散乱成分差計算部１４０は、散乱成分差として、｜ΔＶ｜を計算する。
なお、図６に示すように、ベクトルＶの各方向成分が直交するとした場合、｜ΔＶ｜は、数３により計算できる。
次に、領域特定部１５０は、散乱成分差計算部１４０が計算した散乱成分差が、予め設定した閾値（第１閾値）よりも大きいか否かを処理装置により判定する。そして、領域特定部１５０は、散乱成分差が閾値よりも大きい領域を被災対象領域として特定する。
なお、領域特定部１５０は、隣接する複数の領域が被災対象領域として特定された場合には、それらを１つの被災対象領域として処理を進める。
（Ｓ２０４：第２領域特定処理）
ここでは、（Ｓ２０３）で特定した被災対象領域のうち、被災した可能性が低い領域を特定する。そして、特定した領域を、被災対象領域から除外することにより、被災対象領域を絞り込む。
ここでは、（Ｓ２０３）で特定した被災対象領域のうち、被災した可能性が低い領域を特定する。そして、特定した領域を、被災対象領域から除外することにより、被災対象領域を絞り込む。
地形データ記憶部１６０は、観測エリア内の領域毎の地形データ（数値地図等）を予め記憶装置に記憶する。
領域特定部１５０は、地形データ記憶部１６０が記憶した地形データに基づき、被災する可能性が低い地形の領域を処理装置により特定する。被災する可能性が低い地形とは、例えば、地震が発生した場合における海や湖等である。つまり、地震が発生した場合において、海や湖では、建物の倒壊や土砂崩れ等が発生する可能性はなく、被災する可能性は低い。
そして、領域特定部１５０は、（Ｓ２０３）で特定した被災対象領域に、被災し得ない地形の領域を除外する。
領域特定部１５０は、地形データ記憶部１６０が記憶した地形データに基づき、被災する可能性が低い地形の領域を処理装置により特定する。被災する可能性が低い地形とは、例えば、地震が発生した場合における海や湖等である。つまり、地震が発生した場合において、海や湖では、建物の倒壊や土砂崩れ等が発生する可能性はなく、被災する可能性は低い。
そして、領域特定部１５０は、（Ｓ２０３）で特定した被災対象領域に、被災し得ない地形の領域を除外する。
なお、被災する可能性が低い地形は、災害を引き起こす現象の種類に応じて決定してもよい。
また、（Ｓ２０４）で１つの被災対象領域の一部が除外された場合に、１つの被災対象領域が２つ以上の被災対象領域に分割される場合もある。
また、（Ｓ２０４）で１つの被災対象領域の一部が除外された場合に、１つの被災対象領域が２つ以上の被災対象領域に分割される場合もある。
以上の（Ｓ２０３）と（Ｓ２０４）とにより、被災対象領域が特定される。
（Ｓ２０５：種別特定処理）
ここでは、特定した被災対象領域で発生した災害の種別を特定する。
ここでは、特定した被災対象領域で発生した災害の種別を特定する。
種別特定部１７０は、被災対象領域の「散乱成分Ａ２１」と、被災対象領域の「散乱成分Ｂ２２」と、「被災対象」とを検索キーとして、災害データベース１３０からレコードを処理装置により検索することにより、被災対象領域の災害の種別を特定する。
種別特定部１７０は、検索キーにおける「被災対象」が災害データベース１３０の「被災対象」と一致し、検索キーにおける「散乱成分Ａ２１」が災害データベース１３０の「発生前散乱成分１１」に近く、検索キーにおける「散乱成分Ｂ２２」が災害データベース１３０の「発生後散乱成分１２」に近いレコードを、災害データベース１３０から抽出する。そして、抽出したレコードの災害の種別を、その被災対象領域の災害種別として特定する。
なお、被災対象領域に存在する散乱成分Ａ２１と散乱成分Ｂ２２とが複数（複数画素）であれば、その領域に存在する散乱成分Ａ２１の平均値と、散乱成分Ｂ２２の平均値とを用いて、災害データベース１３０からレコードを検索する。
また、散乱成分Ａ２１の平均値とは、表面散乱成分毎の平均値と、２回散乱成分毎の平均値と、体積散乱成分毎の平均値との３つの値である。同様に、散乱成分Ｂ２２の平均値とは、表面散乱成分毎の平均値と、２回散乱成分毎の平均値と、体積散乱成分毎の平均値との３つの値である。
種別特定部１７０は、検索キーにおける「被災対象」が災害データベース１３０の「被災対象」と一致し、検索キーにおける「散乱成分Ａ２１」が災害データベース１３０の「発生前散乱成分１１」に近く、検索キーにおける「散乱成分Ｂ２２」が災害データベース１３０の「発生後散乱成分１２」に近いレコードを、災害データベース１３０から抽出する。そして、抽出したレコードの災害の種別を、その被災対象領域の災害種別として特定する。
なお、被災対象領域に存在する散乱成分Ａ２１と散乱成分Ｂ２２とが複数（複数画素）であれば、その領域に存在する散乱成分Ａ２１の平均値と、散乱成分Ｂ２２の平均値とを用いて、災害データベース１３０からレコードを検索する。
また、散乱成分Ａ２１の平均値とは、表面散乱成分毎の平均値と、２回散乱成分毎の平均値と、体積散乱成分毎の平均値との３つの値である。同様に、散乱成分Ｂ２２の平均値とは、表面散乱成分毎の平均値と、２回散乱成分毎の平均値と、体積散乱成分毎の平均値との３つの値である。
また、検索キーにおける「散乱成分Ａ２１」が災害データベース１３０の「発生前散乱成分１１」に近く、検索キーにおける「散乱成分Ｂ２２」が災害データベース１３０の「発生後散乱成分１２」に近いとは、例えば、散乱成分Ａ２１と発生前散乱成分１１との差と、散乱成分Ｂ２２と発生後散乱成分１２との差の合計が最も小さいという意味である。
また、例えば、散乱成分Ａ２１と発生前散乱成分１１との差と、散乱成分Ｂ２２と発生後散乱成分１２との差のうち、大きい方が最も小さいとしてもよい。
また、例えば、散乱成分Ａ２１と発生前散乱成分１１との差と、散乱成分Ｂ２２と発生後散乱成分１２との差のうち、小さい方が最も小さいとしてもよい。
なお、散乱成分Ａ２１と発生前散乱成分１１との差とは、（Ｓ２０３）で散乱成分差を計算した方法と同様の方法で計算できる。
また、例えば、散乱成分Ａ２１と発生前散乱成分１１との差と、散乱成分Ｂ２２と発生後散乱成分１２との差のうち、大きい方が最も小さいとしてもよい。
また、例えば、散乱成分Ａ２１と発生前散乱成分１１との差と、散乱成分Ｂ２２と発生後散乱成分１２との差のうち、小さい方が最も小さいとしてもよい。
なお、散乱成分Ａ２１と発生前散乱成分１１との差とは、（Ｓ２０３）で散乱成分差を計算した方法と同様の方法で計算できる。
また、種別特定部１７０は、被災対象領域が複数存在する場合には、被災対象領域毎に災害データベース１３０からレコードを検索して、被災対象領域毎に災害の種別を特定する。
つまり、第２フェーズでは、分析の終わっていない災害の発生前と発生後との測定データに基づき、被災した領域を特定するとともに、被災した領域における災害の種別を特定する。
図７は、散乱成分Ａ２１の一例を示す図である。図８は、散乱成分Ｂ２２の一例を示す図である。
なお、図７，８では、散乱成分の強度を画素の輝度（濃淡）によって表す。また、図７と図８とは、同一のエリアを観測した測定データから抽出された散乱成分を示す。
つまり、図７，８は、（Ｓ２０１）で入力された測定データＡと測定データＢとから、（Ｓ２０２）で抽出された散乱成分Ａ２１と散乱成分Ｂ２２とを示す。
なお、図７，８では、散乱成分の強度を画素の輝度（濃淡）によって表す。また、図７と図８とは、同一のエリアを観測した測定データから抽出された散乱成分を示す。
つまり、図７，８は、（Ｓ２０１）で入力された測定データＡと測定データＢとから、（Ｓ２０２）で抽出された散乱成分Ａ２１と散乱成分Ｂ２２とを示す。
図９は、地形データ記憶部１６０が記憶した地形データを示す図である。
図９では、領域４１は「平地」、領域４２は「海」、領域４３ａ，４３ｂ，４３ｃは「市街地」、領域４４は「山地」であることを示す。
図９では、領域４１は「平地」、領域４２は「海」、領域４３ａ，４３ｂ，４３ｃは「市街地」、領域４４は「山地」であることを示す。
すると、（Ｓ２０３）から（Ｓ２０５）では、次のように処理が実行される。
（Ｓ２０３：第１領域特定処理）
散乱成分差計算部１４０は、図７に示す散乱成分Ａ２１と、図８に示す散乱成分Ｂ２２との、散乱成分差を計算する。ここでは、散乱成分差計算部１４０は、所定の面積の小領域に観測エリアを分割して、矩形領域毎に、散乱成分差を処理装置により計算する。
そして、領域特定部１５０は、散乱成分差が閾値より大きい小領域を被災対象領域として特定する。なお、隣接する小領域が被災対象領域として特定された場合には、１つの被災対象領域として扱う。
ここでは、図８に示す領域４５（図７に示す領域４３ａの一部の領域）と、図８に示す領域４６（図７における領域４３ｃの一部の領域）と、図８に示す領域４７（図７に示す領域４２の一部の領域）とに含まれる全ての画素が被災対象領域として特定されたとする。
散乱成分差計算部１４０は、図７に示す散乱成分Ａ２１と、図８に示す散乱成分Ｂ２２との、散乱成分差を計算する。ここでは、散乱成分差計算部１４０は、所定の面積の小領域に観測エリアを分割して、矩形領域毎に、散乱成分差を処理装置により計算する。
そして、領域特定部１５０は、散乱成分差が閾値より大きい小領域を被災対象領域として特定する。なお、隣接する小領域が被災対象領域として特定された場合には、１つの被災対象領域として扱う。
ここでは、図８に示す領域４５（図７に示す領域４３ａの一部の領域）と、図８に示す領域４６（図７における領域４３ｃの一部の領域）と、図８に示す領域４７（図７に示す領域４２の一部の領域）とに含まれる全ての画素が被災対象領域として特定されたとする。
（Ｓ２０４：第２領域特定処理）
領域特定部１５０は、図９に示す地形データに基づき、被災対象領域を絞り込む。ここでは、海は被災対象領域から除外するものとする。すると、（Ｓ２０３）で被災対象領域として特定された領域のうち、領域４７の地形は海である。したがって、領域４７は被災対象領域から除外される。
その結果、領域４５と領域４６とが、最終的に被災対象領域として特定される。
領域特定部１５０は、図９に示す地形データに基づき、被災対象領域を絞り込む。ここでは、海は被災対象領域から除外するものとする。すると、（Ｓ２０３）で被災対象領域として特定された領域のうち、領域４７の地形は海である。したがって、領域４７は被災対象領域から除外される。
その結果、領域４５と領域４６とが、最終的に被災対象領域として特定される。
（Ｓ２０５：種別特定処理）
種別特定部１７０は、（Ｓ２０４）で最終的に特定された各被災対象領域（領域４５と領域４６）について、発生した災害の種別を特定する。
まず、種別特定部１７０は、領域４５について発生した災害の種別を特定する。種別特定部１７０は、図７に示す領域４５の散乱成分Ａ２１と、図８に示す領域４５の散乱成分Ｂ２２と、領域４５の被災対象とを検索キーとして、災害データベース１３０からレコードを検索する。
ここで、領域４５の被災対象は、領域４５の地形から特定することができる。領域４５の地形は市街地であるから、被災対象は家屋であると特定できる。
また、領域４５には、複数の散乱成分Ａ２１が存在する。そのため、領域４５に存在する散乱成分Ａ２１の平均値と、領域４５に存在する散乱成分Ｂ２２の平均値とを用いて、災害データベース１３０からレコードを検索する。
同様に、領域４６についても災害データベース１３０からレコードを検索する。
種別特定部１７０は、（Ｓ２０４）で最終的に特定された各被災対象領域（領域４５と領域４６）について、発生した災害の種別を特定する。
まず、種別特定部１７０は、領域４５について発生した災害の種別を特定する。種別特定部１７０は、図７に示す領域４５の散乱成分Ａ２１と、図８に示す領域４５の散乱成分Ｂ２２と、領域４５の被災対象とを検索キーとして、災害データベース１３０からレコードを検索する。
ここで、領域４５の被災対象は、領域４５の地形から特定することができる。領域４５の地形は市街地であるから、被災対象は家屋であると特定できる。
また、領域４５には、複数の散乱成分Ａ２１が存在する。そのため、領域４５に存在する散乱成分Ａ２１の平均値と、領域４５に存在する散乱成分Ｂ２２の平均値とを用いて、災害データベース１３０からレコードを検索する。
同様に、領域４６についても災害データベース１３０からレコードを検索する。
その結果、種別特定部１７０は、領域４５は「水害」であり、領域４６は「土砂崩れ」であると特定する。
以上のように、実施の形態１に係る特定装置１００は、２つの異なる時点における測定データを用いて、２つの異なる時点における散乱成分の差を計算することにより、災害が発生した領域を特定することができる。また、発生した災害の種別を特定することができる。
実施の形態２．
実施の形態２では、災害データベース１３０の登録方法について説明する。
実施の形態２では、災害データベース１３０の登録方法について説明する。
図１０は、ある災害（ここでは、災害の種別「土砂崩れ」、被災対象「家屋」とする）が発生した領域を示す図である。
図１０に示す領域では、災害が発生した領域に１から１６で示す１６個の散乱成分が含まれていることを示す。つまり、災害が発生した領域では、１から１６で示す１６箇所の測定位置から散乱波の偏波成分が測定されたことを示す。
図１０に示す領域では、災害が発生した領域に１から１６で示す１６個の散乱成分が含まれていることを示す。つまり、災害が発生した領域では、１から１６で示す１６箇所の測定位置から散乱波の偏波成分が測定されたことを示す。
（第１の登録方法）
第１の登録方法は、実施の形態１で説明した方法である。
実施の形態１では、測定データ登録部１２０は、災害の種別と被災対象と、その領域の発生前散乱成分１１の平均値と、その領域の発生後散乱成分１２の平均値とを対応付けて災害データベース１３０に登録すると説明した。
つまり、発生前散乱成分１１として、その領域に含まれる発生前散乱成分１１の平均値を登録するとした。同様に、発生後散乱成分１２として、その領域に含まれる発生後散乱成分１２の平均値を登録するとした。
したがって、図１０に示す例では、実施の形態１で説明した方法により災害データベース１３０に登録される発生前散乱成分１１と発生後散乱成分１２とは、１から１６の１６個の発生前散乱成分１１の平均値Ｘ１−１６と、１から１６の１６個の発生後散乱成分１２の平均値Ｙ１−１６である。
つまり、図１１に示すように、災害の種別「土砂崩れ」、被災対象「家屋」に対して、１件の発生前散乱成分１１と１件の発生後散乱成分１２とが登録される。
第１の登録方法は、実施の形態１で説明した方法である。
実施の形態１では、測定データ登録部１２０は、災害の種別と被災対象と、その領域の発生前散乱成分１１の平均値と、その領域の発生後散乱成分１２の平均値とを対応付けて災害データベース１３０に登録すると説明した。
つまり、発生前散乱成分１１として、その領域に含まれる発生前散乱成分１１の平均値を登録するとした。同様に、発生後散乱成分１２として、その領域に含まれる発生後散乱成分１２の平均値を登録するとした。
したがって、図１０に示す例では、実施の形態１で説明した方法により災害データベース１３０に登録される発生前散乱成分１１と発生後散乱成分１２とは、１から１６の１６個の発生前散乱成分１１の平均値Ｘ１−１６と、１から１６の１６個の発生後散乱成分１２の平均値Ｙ１−１６である。
つまり、図１１に示すように、災害の種別「土砂崩れ」、被災対象「家屋」に対して、１件の発生前散乱成分１１と１件の発生後散乱成分１２とが登録される。
（第２の登録方法）
第２の登録方法は、災害が発生した領域を所定の面積の小領域に分割して、小領域毎に１件の発生前散乱成分１１と１件の発生後散乱成分１２とを登録する方法である。
つまり、測定データ登録部１２０は、災害が発生した領域を所定の面積の小領域に分割して、小領域毎に、その小領域の発生前散乱成分１１の平均値と、その小領域の発生後散乱成分１２の平均値とを計算する。そして、測定データ登録部１２０は、各小領域の発生前散乱成分１１と発生後散乱成分１２とを、災害の種別と被災対象と対応付けて登録する。
図１０に示す例では、測定データ登録部１２０は、例えば、１から４までの散乱成分が含まれる小領域Ｒ１−４と、５から８までの散乱成分が含まれる小領域Ｒ５−８と、９から１２までの散乱成分が含まれる小領域Ｒ９−１２と、１３から１６までの散乱成分が含まれる小領域Ｒ１３−１６との４つの小領域に分割する。
測定データ登録部１２０は、４つの小領域それぞれについて、その小領域の発生前散乱成分１１の平均値（Ｘ１−４，Ｘ５−８，Ｘ９−１２，Ｘ１３−１６）と、その小領域の発生後散乱成分１２の平均値（Ｙ１−４，Ｙ５−８，Ｙ９−１２，Ｙ１３−１６）とを計算する。そして、測定データ登録部１２０は、各小領域について計算した発生前散乱成分１１の平均値と発生後散乱成分１２の平均値との組と、災害の種別と被災対象と対応付けて登録する。
つまり、図１２に示すように、災害の種別「土砂崩れ」、被災対象「家屋」に対して、４件の発生前散乱成分１１と４件の発生後散乱成分１２とが登録される。
小領域の面積は、発生した災害の種別に応じて変更してもよい。
第２の登録方法は、災害が発生した領域を所定の面積の小領域に分割して、小領域毎に１件の発生前散乱成分１１と１件の発生後散乱成分１２とを登録する方法である。
つまり、測定データ登録部１２０は、災害が発生した領域を所定の面積の小領域に分割して、小領域毎に、その小領域の発生前散乱成分１１の平均値と、その小領域の発生後散乱成分１２の平均値とを計算する。そして、測定データ登録部１２０は、各小領域の発生前散乱成分１１と発生後散乱成分１２とを、災害の種別と被災対象と対応付けて登録する。
図１０に示す例では、測定データ登録部１２０は、例えば、１から４までの散乱成分が含まれる小領域Ｒ１−４と、５から８までの散乱成分が含まれる小領域Ｒ５−８と、９から１２までの散乱成分が含まれる小領域Ｒ９−１２と、１３から１６までの散乱成分が含まれる小領域Ｒ１３−１６との４つの小領域に分割する。
測定データ登録部１２０は、４つの小領域それぞれについて、その小領域の発生前散乱成分１１の平均値（Ｘ１−４，Ｘ５−８，Ｘ９−１２，Ｘ１３−１６）と、その小領域の発生後散乱成分１２の平均値（Ｙ１−４，Ｙ５−８，Ｙ９−１２，Ｙ１３−１６）とを計算する。そして、測定データ登録部１２０は、各小領域について計算した発生前散乱成分１１の平均値と発生後散乱成分１２の平均値との組と、災害の種別と被災対象と対応付けて登録する。
つまり、図１２に示すように、災害の種別「土砂崩れ」、被災対象「家屋」に対して、４件の発生前散乱成分１１と４件の発生後散乱成分１２とが登録される。
小領域の面積は、発生した災害の種別に応じて変更してもよい。
（第３の登録方法）
第１の登録方法と第２の登録方法とでは、１つの発生前散乱成分１１と発生後散乱成分１２との組から得られるデータの登録方法について説明した。第３の登録方法では、複数の発生前散乱成分１１と発生後散乱成分１２との組から得られるデータの登録方法について説明する。
第１の登録方法と第２の登録方法とでは、１つの発生前散乱成分１１と発生後散乱成分１２との組から得られるデータの登録方法について説明した。第３の登録方法では、複数の発生前散乱成分１１と発生後散乱成分１２との組から得られるデータの登録方法について説明する。
実施の形態１で説明したように、数多くの事例に対して、第１フェーズを実行して、災害データベース１３０に登録されたデータを充実化する。
同一の災害かつ同一の被災対象について、複数の発生前散乱成分１１と発生後散乱成分１２との組が登録されることもある。この場合、各発生前散乱成分１１と発生後散乱成分１２との組をそのまま登録しておいてもよいし、発生前散乱成分１１の平均値と、発生後散乱成分１２の平均値とを登録するとしてもよい。
つまり、災害の種別「水害」、被災対象「市街地」について、発生前散乱成分１１ａと発生後散乱成分１２ａとの組Ａが既に登録されている場合に、発生前散乱成分１１ｂと発生後散乱成分１２ｂとの組Ｂが新たに登録される場合がある。この場合、次の（１）（２）のいずれの方法により災害データベース１３０に登録する。
（１）災害の種別「水害」、被災対象「市街地」について、組Ａと組Ｂとの両方を別々に登録する。
（２）災害の種別「水害」、被災対象「市街地」について、発生前散乱成分１１ａと発生前散乱成分１１ｂとの平均値と、発生後散乱成分１２ａと発生後散乱成分１２ｂとの平均値とを登録する。
同一の災害かつ同一の被災対象について、複数の発生前散乱成分１１と発生後散乱成分１２との組が登録されることもある。この場合、各発生前散乱成分１１と発生後散乱成分１２との組をそのまま登録しておいてもよいし、発生前散乱成分１１の平均値と、発生後散乱成分１２の平均値とを登録するとしてもよい。
つまり、災害の種別「水害」、被災対象「市街地」について、発生前散乱成分１１ａと発生後散乱成分１２ａとの組Ａが既に登録されている場合に、発生前散乱成分１１ｂと発生後散乱成分１２ｂとの組Ｂが新たに登録される場合がある。この場合、次の（１）（２）のいずれの方法により災害データベース１３０に登録する。
（１）災害の種別「水害」、被災対象「市街地」について、組Ａと組Ｂとの両方を別々に登録する。
（２）災害の種別「水害」、被災対象「市街地」について、発生前散乱成分１１ａと発生前散乱成分１１ｂとの平均値と、発生後散乱成分１２ａと発生後散乱成分１２ｂとの平均値とを登録する。
以上のように、災害データベース１３０への発生前散乱成分１１と発生後散乱成分１２との登録方法を変更することにより、災害の発生種別を特定する精度が変わる。状況に合わせて、災害データベース１３０への登録方法を変更することで、災害の発生種別を特定する精度を高くすることもできる。
例えば、発生した災害の種別毎に、災害データベース１３０への発生前散乱成分１１と発生後散乱成分１２との登録方法を変更するとしてもよい。
例えば、発生した災害の種別毎に、災害データベース１３０への発生前散乱成分１１と発生後散乱成分１２との登録方法を変更するとしてもよい。
実施の形態３．
実施の形態３では、散乱成分差の計算方法について説明する。
実施の形態３では、散乱成分差の計算方法について説明する。
（第１の計算方法）
第１の計算方法は、実施の形態１で説明した方法である。
実施の形態１では、散乱成分差計算部１４０は、散乱成分Ａ２１と散乱成分Ｂ２２とをベクトルＶ（表面散乱強度，２回散乱強度，体積散乱強度）と表し、｜ΔＶ｜を散乱成分差として計算した。
第１の計算方法は、実施の形態１で説明した方法である。
実施の形態１では、散乱成分差計算部１４０は、散乱成分Ａ２１と散乱成分Ｂ２２とをベクトルＶ（表面散乱強度，２回散乱強度，体積散乱強度）と表し、｜ΔＶ｜を散乱成分差として計算した。
（第２の計算方法）
第２の計算方法は、散乱成分毎に差を計算して、計算した差の和を散乱成分差とする方法である。
つまり、散乱成分差計算部１４０は、散乱成分Ａ２１の表面散乱成分と散乱成分Ｂ２２の表面散乱成分との差と、散乱成分Ａ２１の２回散乱成分と散乱成分Ｂ２２の２回散乱成分との差と、散乱成分Ａ２１の体積散乱成分と散乱成分Ｂ２２の体積散乱成分との差とを計算し、各差の和を散乱成分差とする。
第２の計算方法は、散乱成分毎に差を計算して、計算した差の和を散乱成分差とする方法である。
つまり、散乱成分差計算部１４０は、散乱成分Ａ２１の表面散乱成分と散乱成分Ｂ２２の表面散乱成分との差と、散乱成分Ａ２１の２回散乱成分と散乱成分Ｂ２２の２回散乱成分との差と、散乱成分Ａ２１の体積散乱成分と散乱成分Ｂ２２の体積散乱成分との差とを計算し、各差の和を散乱成分差とする。
また、各差の和ではなく、各差の積を散乱成分差としてもよい。
（第３の計算方法）
第３の計算方法は、重み付けした各平均値の和又は積を散乱成分差とする方法である。
つまり、散乱成分差計算部１４０は、表面散乱成分と２回散乱成分と体積散乱成分とに異なる重みを持たせ、それぞれの散乱成分の平均値を計算し、計算した平均値の和又は積を散乱成分差とする。
第３の計算方法は、重み付けした各平均値の和又は積を散乱成分差とする方法である。
つまり、散乱成分差計算部１４０は、表面散乱成分と２回散乱成分と体積散乱成分とに異なる重みを持たせ、それぞれの散乱成分の平均値を計算し、計算した平均値の和又は積を散乱成分差とする。
以上のように、災散乱成分差の計算方法を変更することにより、被災対象領域を特定する精度が変わる。状況に合わせて、散乱成分差の計算方法を変更することで、被災対象領域を特定する精度を高くすることもできる。
例えば、発生した災害を引き起こす現象（例えば、台風の通過や地震の発生）に応じて、上記第１の計算方法から第３の計算方法を使い分けしてもよい。
また、第３の計算方法を使用する場合には、発生した災害を引き起こす現象に応じて、各散乱成分に持たせる重みを変更してもよい。例えば、その現象によって発生する災害を識別し易い散乱成分に重い重みを持たせることが望ましい。
例えば、発生した災害を引き起こす現象（例えば、台風の通過や地震の発生）に応じて、上記第１の計算方法から第３の計算方法を使い分けしてもよい。
また、第３の計算方法を使用する場合には、発生した災害を引き起こす現象に応じて、各散乱成分に持たせる重みを変更してもよい。例えば、その現象によって発生する災害を識別し易い散乱成分に重い重みを持たせることが望ましい。
実施の形態４．
実施の形態４では、被災対象領域の特定方法について説明する。特に、ここでは、図５の（Ｓ２０３：第１領域特定処理）での被災対象領域の特定方法について説明する。
実施の形態４では、被災対象領域の特定方法について説明する。特に、ここでは、図５の（Ｓ２０３：第１領域特定処理）での被災対象領域の特定方法について説明する。
（第１の特定方法）
第１の特定方法は、実施の形態１で説明した方法である。
実施の形態１では、所定の領域毎に、散乱成分差を計算して、計算した散乱成分差が閾値よりも大きいか否かにより被災対象領域を特定した。
第１の特定方法は、実施の形態１で説明した方法である。
実施の形態１では、所定の領域毎に、散乱成分差を計算して、計算した散乱成分差が閾値よりも大きいか否かにより被災対象領域を特定した。
（第２の特定方法）
第２の特定方法は、２段階で被災対象領域を特定する方法である。
１段目では、計算速度を優先して、粗く被災対象領域を特定する。２段目では、１段目で被災対象領域として特定された領域について、精度を優先して、細かく被災対象領域を特定する。
第２の特定方法は、２段階で被災対象領域を特定する方法である。
１段目では、計算速度を優先して、粗く被災対象領域を特定する。２段目では、１段目で被災対象領域として特定された領域について、精度を優先して、細かく被災対象領域を特定する。
実施の形態１で説明したように、散乱成分差計算部１４０は、観測エリアの所定の領域毎に散乱成分差を計算する。そこで、散乱成分差を計算する領域の面積を変更することで、被災対象領域の特定精度を変更する。
つまり、１段目では、散乱成分差を計算する領域の面積を広く設定して、被災対象領域を特定する。２段目では、１段目よりも散乱成分差を計算する領域の面積を狭く設定して、１段目で特定された被災対象領域を絞り込む。
つまり、１段目では、散乱成分差を計算する領域の面積を広く設定して、被災対象領域を特定する。２段目では、１段目よりも散乱成分差を計算する領域の面積を狭く設定して、１段目で特定された被災対象領域を絞り込む。
図１３は、２段階で被災対象領域を特定する方法の処理の流れを示すフローチャートである。
（Ｓ３０１：散乱成分差計算処理（１段目））
散乱成分差計算部１４０は、散乱成分差を計算する領域の面積を第１の面積に設定して、散乱成分差を計算する。第１の面積は、比較的広い面積とする。
（Ｓ３０２：被災対象領域特定処理（１段目））
領域特定部１５０は、（Ｓ３０１）で計算された散乱成分差が閾値（第１の閾値Ａ）よりも大きい領域を、被災対象領域として特定する。
１段目では、第１の面積を比較的広くしたため、計算時間をかけずに観測エリア全体から被災対象領域を特定することができる。しかし、被災対象領域の特定精度は低くなる。つまり、被災していない領域も被災対象領域となる虞がある。なお、被災した領域が被災対象領域とならないことがないように、ここでは閾値（第１の閾値Ａ）を低くすることが望ましい。
（Ｓ３０３：散乱成分差計算処理（２段目））
散乱成分差計算部１４０は、散乱成分差を計算する領域の面積を第２の面積に設定して、（Ｓ３０２）で特定された被災対象領域についてのみ、散乱成分差を計算する。第２の面積は、第１の面積よりも狭い面積とする。
（Ｓ３０４：被災対象領域特定処理（２段目））
領域特定部１５０は、（Ｓ３０３）で計算された散乱成分差が閾値（第１の閾値Ｂ）よりも大きい領域を、被災対象領域として特定する。つまり、（Ｓ３０２）で特定した被災対象領域を絞り込む。１段目よりも精度を高くするため、第１の閾値Ｂは第１の閾値Ａと同じか、より高くすることが望ましい。
２段目では、第２の面積を第１の面積よりも狭くしたため、高精度に被災対象領域を特定することができる。しかし、第２の面積を第１の面積よりも狭くしたため、面積当たりの計算時間はかかる。但し、１段目で特定された被災対象領域のみを対象として処理を行っているため、観測エリア全体を同じ精度で処理するよりも効率的である。
（Ｓ３０１：散乱成分差計算処理（１段目））
散乱成分差計算部１４０は、散乱成分差を計算する領域の面積を第１の面積に設定して、散乱成分差を計算する。第１の面積は、比較的広い面積とする。
（Ｓ３０２：被災対象領域特定処理（１段目））
領域特定部１５０は、（Ｓ３０１）で計算された散乱成分差が閾値（第１の閾値Ａ）よりも大きい領域を、被災対象領域として特定する。
１段目では、第１の面積を比較的広くしたため、計算時間をかけずに観測エリア全体から被災対象領域を特定することができる。しかし、被災対象領域の特定精度は低くなる。つまり、被災していない領域も被災対象領域となる虞がある。なお、被災した領域が被災対象領域とならないことがないように、ここでは閾値（第１の閾値Ａ）を低くすることが望ましい。
（Ｓ３０３：散乱成分差計算処理（２段目））
散乱成分差計算部１４０は、散乱成分差を計算する領域の面積を第２の面積に設定して、（Ｓ３０２）で特定された被災対象領域についてのみ、散乱成分差を計算する。第２の面積は、第１の面積よりも狭い面積とする。
（Ｓ３０４：被災対象領域特定処理（２段目））
領域特定部１５０は、（Ｓ３０３）で計算された散乱成分差が閾値（第１の閾値Ｂ）よりも大きい領域を、被災対象領域として特定する。つまり、（Ｓ３０２）で特定した被災対象領域を絞り込む。１段目よりも精度を高くするため、第１の閾値Ｂは第１の閾値Ａと同じか、より高くすることが望ましい。
２段目では、第２の面積を第１の面積よりも狭くしたため、高精度に被災対象領域を特定することができる。しかし、第２の面積を第１の面積よりも狭くしたため、面積当たりの計算時間はかかる。但し、１段目で特定された被災対象領域のみを対象として処理を行っているため、観測エリア全体を同じ精度で処理するよりも効率的である。
（第３の特定方法）
第３の特定方法は、第２の特定方法と同様に、２段階で特定する方法である。
第３の特定方法では、１段目と２段目とで散乱成分差の計算方法を変更する。例えば、１段目では、第２の計算方法で散乱成分差を計算して、被災対象領域を特定する。２段目では、第１の計算方法で散乱成分差を計算して、１段目で特定された被災対象領域を絞り込む。
第３の特定方法は、第２の特定方法と同様に、２段階で特定する方法である。
第３の特定方法では、１段目と２段目とで散乱成分差の計算方法を変更する。例えば、１段目では、第２の計算方法で散乱成分差を計算して、被災対象領域を特定する。２段目では、第１の計算方法で散乱成分差を計算して、１段目で特定された被災対象領域を絞り込む。
図１３に従い、第３の特定方法について説明する。
（Ｓ３０１：散乱成分差計算処理（１段目））
散乱成分差計算部１４０は、第２の計算方法で散乱成分差を計算する。
（Ｓ３０２：被災対象領域特定処理（１段目））
領域特定部１５０は、（Ｓ３０１）で計算された散乱成分差が閾値（第１の閾値Ａ）よりも大きい領域を、被災対象領域として特定する。
（Ｓ３０３：散乱成分差計算処理（２段目））
散乱成分差計算部１４０は、第２の計算方法で、（Ｓ３０２）で特定された被災対象領域についてのみ、散乱成分差を計算する。
（Ｓ３０４：被災対象領域特定処理（２段目））
領域特定部１５０は、（Ｓ３０３）で計算された散乱成分差が閾値（第１の閾値Ｂ）よりも大きい領域を、被災対象領域として特定する。つまり、（Ｓ３０２）で特定した被災対象領域を絞り込む。
（Ｓ３０１：散乱成分差計算処理（１段目））
散乱成分差計算部１４０は、第２の計算方法で散乱成分差を計算する。
（Ｓ３０２：被災対象領域特定処理（１段目））
領域特定部１５０は、（Ｓ３０１）で計算された散乱成分差が閾値（第１の閾値Ａ）よりも大きい領域を、被災対象領域として特定する。
（Ｓ３０３：散乱成分差計算処理（２段目））
散乱成分差計算部１４０は、第２の計算方法で、（Ｓ３０２）で特定された被災対象領域についてのみ、散乱成分差を計算する。
（Ｓ３０４：被災対象領域特定処理（２段目））
領域特定部１５０は、（Ｓ３０３）で計算された散乱成分差が閾値（第１の閾値Ｂ）よりも大きい領域を、被災対象領域として特定する。つまり、（Ｓ３０２）で特定した被災対象領域を絞り込む。
なお、１段目と２段目とでの計算方法の組合せは、どのような組合せであってもよい。また、第２の特定方法と組合せ、１段目と２段目とでの計算方法を変えるとともに、散乱成分差を計算する領域の面積を変えてもよい。
（第４の特定方法）
第４の特定方法は、エッジ検出処理を用いて、散乱成分差を計算する領域を決定する方法である。
被災した領域は災害により表面の状態が変化しているため、被災した領域の散乱成分は、その周囲の領域の散乱成分と一定以上の差があると考えられる。そこで、散乱成分差計算部１４０は、測定データＢに対してエッジ検出を行い、検出されたエッジ線により、観測エリアを複数の小領域に分割する。そして、散乱成分差計算部１４０は、小領域毎に、散乱成分差を計算する。
領域特定部１５０は、散乱成分差計算部１４０が計算した散乱成分差が閾値よりも大きい領域を被災対象エリアとして特定する。
第４の特定方法は、エッジ検出処理を用いて、散乱成分差を計算する領域を決定する方法である。
被災した領域は災害により表面の状態が変化しているため、被災した領域の散乱成分は、その周囲の領域の散乱成分と一定以上の差があると考えられる。そこで、散乱成分差計算部１４０は、測定データＢに対してエッジ検出を行い、検出されたエッジ線により、観測エリアを複数の小領域に分割する。そして、散乱成分差計算部１４０は、小領域毎に、散乱成分差を計算する。
領域特定部１５０は、散乱成分差計算部１４０が計算した散乱成分差が閾値よりも大きい領域を被災対象エリアとして特定する。
以上のように、被災対象領域の特定方法を変更することにより、被災対象領域を特定する精度が変わる。状況に合わせて、被災対象領域の特定方法を変更することで、被災対象領域を特定する精度を高くすることもできる。
実施の形態５．
実施の形態５では、被災対象領域の災害の種別を特定する方法について説明する。
実施の形態５では、被災対象領域の災害の種別を特定する方法について説明する。
（第１の特定方法）
第１の特定方法は、実施の形態１で説明した方法である。
実施の形態１では、被災対象領域毎に災害の種別を特定するとした。
第１の特定方法は、実施の形態１で説明した方法である。
実施の形態１では、被災対象領域毎に災害の種別を特定するとした。
（第２の特定方法）
被災対象領域を複数の小領域に分割して、小領域毎に災害の種別を特定する方法である。
被災対象領域を複数の小領域に分割して、小領域毎に災害の種別を特定する方法である。
例えば、種別特定部１７０は、所定の面積毎に被災対象領域を分割する。そして、種別特定部１７０は、分割され生成された小領域毎に災害の種別を特定する。
また、種別特定部１７０は、エッジ検出処理を用いて、被災対象領域を分割してもよい。
１つの被災対象領域であっても、異なる種別の災害が発生した領域では、散乱成分に一定以上の差があると考えられる。そこで、特に、種別特定部１７０は、測定データＢに対してエッジ検出を行い、検出されたエッジ線により、被災対象領域を複数の小領域に分割する。そして、種別特定部１７０は、小領域毎に災害の種別を特定する。
１つの被災対象領域であっても、異なる種別の災害が発生した領域では、散乱成分に一定以上の差があると考えられる。そこで、特に、種別特定部１７０は、測定データＢに対してエッジ検出を行い、検出されたエッジ線により、被災対象領域を複数の小領域に分割する。そして、種別特定部１７０は、小領域毎に災害の種別を特定する。
以上のように、被災対象領域を分割して、災害の種別を特定することにより、災害の種別を特定する精度を高くすることができる。
実施の形態６．
以上の実施の形態では、特定装置１００は、災害が発生した領域を特定するとともに、特定した領域毎に、発生した災害の種別を特定するとした。しかし、特定装置１００が特定するものは、これに限らない。
実施の形態６では、特定装置１００が特定する他の例について説明する。
以上の実施の形態では、特定装置１００は、災害が発生した領域を特定するとともに、特定した領域毎に、発生した災害の種別を特定するとした。しかし、特定装置１００が特定するものは、これに限らない。
実施の形態６では、特定装置１００が特定する他の例について説明する。
例えば、特定装置１００は、人工物が作成された領域を特定するとしてもよい。
特定装置１００は、人工物の種別（例えば、家屋、道路等）毎に、作成前と作成後との散乱成分をデータベースに登録しておく。そして、特定装置１００は、Ａ時点に測定した観測エリアの測定データと、Ｂ時点に測定した観測エリアの測定データとからＡ時点からＢ時点までに人工物が作成された領域と、その領域に作成された人工物の種別とを特定する。
特定装置１００は、人工物の種別（例えば、家屋、道路等）毎に、作成前と作成後との散乱成分をデータベースに登録しておく。そして、特定装置１００は、Ａ時点に測定した観測エリアの測定データと、Ｂ時点に測定した観測エリアの測定データとからＡ時点からＢ時点までに人工物が作成された領域と、その領域に作成された人工物の種別とを特定する。
また、特定装置１００は、植生の分布や農作物の栽培分布等を特定するとしてもよい。
植生の分布を特定する場合であれば、特定装置１００は、植物毎に、季節毎の変化をデータベースに登録しておく。例えば、特定装置１００は、植物毎に、冬の散乱成分を発生前散乱成分１１とし、春の散乱成分を発生後散乱成分１２としてデータベースに登録しておく。他にも、夏の散乱成分を発生前散乱成分１１とし、秋の散乱成分を発生後散乱成分１２としてデータベースに登録しておいてもよい。そして、特定装置１００は、冬に測定した観測エリアの測定データと、春に測定した観測エリアの測定データとから、その観測エリアの植生の分布を特定する。
植生の分布を特定する場合であれば、特定装置１００は、植物毎に、季節毎の変化をデータベースに登録しておく。例えば、特定装置１００は、植物毎に、冬の散乱成分を発生前散乱成分１１とし、春の散乱成分を発生後散乱成分１２としてデータベースに登録しておく。他にも、夏の散乱成分を発生前散乱成分１１とし、秋の散乱成分を発生後散乱成分１２としてデータベースに登録しておいてもよい。そして、特定装置１００は、冬に測定した観測エリアの測定データと、春に測定した観測エリアの測定データとから、その観測エリアの植生の分布を特定する。
以上の実施の形態における特定装置１００のハードウェア構成について説明する。
図１４は、特定装置１００のハードウェア構成の一例を示す図である。
図１４に示すように、特定装置１００は、プログラムを実行するＣＰＵ９１１（Ｃｅｎｔｒａｌ・Ｐｒｏｃｅｓｓｉｎｇ・Ｕｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサともいう）を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、ＬＣＤ９０１（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、キーボード９０２（Ｋ／Ｂ）、通信ボード９１５、磁気ディスク装置９２０と接続され、これらのハードウェアデバイスを制御する。磁気ディスク装置９２０（固定ディスク装置）の代わりに、光ディスク装置、メモリカード読み書き装置などの記憶装置でもよい。磁気ディスク装置９２０は、所定の固定ディスクインタフェースを介して接続される。
図１４は、特定装置１００のハードウェア構成の一例を示す図である。
図１４に示すように、特定装置１００は、プログラムを実行するＣＰＵ９１１（Ｃｅｎｔｒａｌ・Ｐｒｏｃｅｓｓｉｎｇ・Ｕｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサともいう）を備えている。ＣＰＵ９１１は、バス９１２を介してＲＯＭ９１３、ＲＡＭ９１４、ＬＣＤ９０１（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、キーボード９０２（Ｋ／Ｂ）、通信ボード９１５、磁気ディスク装置９２０と接続され、これらのハードウェアデバイスを制御する。磁気ディスク装置９２０（固定ディスク装置）の代わりに、光ディスク装置、メモリカード読み書き装置などの記憶装置でもよい。磁気ディスク装置９２０は、所定の固定ディスクインタフェースを介して接続される。
磁気ディスク装置９２０又はＲＯＭ９１３などには、オペレーティングシステム９２１（ＯＳ）、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３のプログラムは、ＣＰＵ９１１、オペレーティングシステム９２１、ウィンドウシステム９２２により実行される。
プログラム群９２３には、上記の説明において「測定データ入力部１１０」、「測定データ登録部１２０」、「災害データベース１３０」、「散乱成分差計算部１４０」、「領域特定部１５０」、「地形データ記憶部１６０」、「種別特定部１７０」等として説明した機能を実行するソフトウェアやプログラムやその他のプログラムが記憶されている。プログラムは、ＣＰＵ９１１により読み出され実行される。
ファイル群９２４には、上記の説明において「災害の種別」、「被災対象」、「発生前散乱成分１１」、「発生後散乱成分１２」、「散乱成分Ａ２１」、「散乱成分Ｂ２２」等の情報やデータや信号値や変数値やパラメータが、「ファイル」や「データベース」の各項目として記憶される。「ファイル」や「データベース」は、ディスクやメモリなどの記録媒体に記憶される。ディスクやメモリなどの記憶媒体に記憶された情報やデータや信号値や変数値やパラメータは、読み書き回路を介してＣＰＵ９１１によりメインメモリやキャッシュメモリに読み出され、抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示などのＣＰＵ９１１の動作に用いられる。抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示のＣＰＵ９１１の動作の間、情報やデータや信号値や変数値やパラメータは、メインメモリやキャッシュメモリやバッファメモリに一時的に記憶される。
ファイル群９２４には、上記の説明において「災害の種別」、「被災対象」、「発生前散乱成分１１」、「発生後散乱成分１２」、「散乱成分Ａ２１」、「散乱成分Ｂ２２」等の情報やデータや信号値や変数値やパラメータが、「ファイル」や「データベース」の各項目として記憶される。「ファイル」や「データベース」は、ディスクやメモリなどの記録媒体に記憶される。ディスクやメモリなどの記憶媒体に記憶された情報やデータや信号値や変数値やパラメータは、読み書き回路を介してＣＰＵ９１１によりメインメモリやキャッシュメモリに読み出され、抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示などのＣＰＵ９１１の動作に用いられる。抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示のＣＰＵ９１１の動作の間、情報やデータや信号値や変数値やパラメータは、メインメモリやキャッシュメモリやバッファメモリに一時的に記憶される。
また、上記の説明におけるフローチャートの矢印の部分は主としてデータや信号の入出力を示し、データや信号値は、ＲＡＭ９１４のメモリ、その他光ディスク等の記録媒体やＩＣチップに記録される。また、データや信号は、バス９１２や信号線やケーブルその他の伝送媒体や電波によりオンライン伝送される。
また、上記の説明において「〜部」として説明するものは、「〜回路」、「〜装置」、「〜機器」、「〜手段」、「〜機能」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。また、「〜装置」として説明するものは、「〜回路」、「〜装置」、「〜機器」、「〜手段」、「〜機能」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。さらに、「〜処理」として説明するものは「〜ステップ」であっても構わない。すなわち、「〜部」として説明するものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェアのみ、或いは、素子・デバイス・基板・配線などのハードウェアのみ、或いは、ソフトウェアとハードウェアとの組み合わせ、さらには、ファームウェアとの組み合わせで実施されても構わない。ファームウェアとソフトウェアは、プログラムとして、ＲＯＭ９１３等の記録媒体に記憶される。プログラムはＣＰＵ９１１により読み出され、ＣＰＵ９１１により実行される。すなわち、プログラムは、上記で述べた「〜部」としてコンピュータ等を機能させるものである。あるいは、上記で述べた「〜部」の手順や方法をコンピュータ等に実行させるものである。
また、上記の説明において「〜部」として説明するものは、「〜回路」、「〜装置」、「〜機器」、「〜手段」、「〜機能」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。また、「〜装置」として説明するものは、「〜回路」、「〜装置」、「〜機器」、「〜手段」、「〜機能」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。さらに、「〜処理」として説明するものは「〜ステップ」であっても構わない。すなわち、「〜部」として説明するものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェアのみ、或いは、素子・デバイス・基板・配線などのハードウェアのみ、或いは、ソフトウェアとハードウェアとの組み合わせ、さらには、ファームウェアとの組み合わせで実施されても構わない。ファームウェアとソフトウェアは、プログラムとして、ＲＯＭ９１３等の記録媒体に記憶される。プログラムはＣＰＵ９１１により読み出され、ＣＰＵ９１１により実行される。すなわち、プログラムは、上記で述べた「〜部」としてコンピュータ等を機能させるものである。あるいは、上記で述べた「〜部」の手順や方法をコンピュータ等に実行させるものである。
１１ 発生前散乱成分、１２ 発生後散乱成分、２１ 散乱成分Ａ、２２ 散乱成分Ｂ、１００ 特定装置、１１０ 測定データ入力部、１２０ 測定データ登録部、１３０ 災害データベース、１４０ 散乱成分差計算部、１５０ 領域特定部、１６０ 地形データ記憶部、１７０ 種別特定部。
Claims (5)
- 所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力装置により入力する測定データ入力部と、
前記所定のエリアにおける所定の領域毎に、前記測定データ入力部が入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を処理装置により計算する散乱成分差計算部と、
前記所定のエリアのうち、前記散乱成分差計算部が計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として処理装置により特定する領域特定部と、
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データから抽出された発生前散乱成分と、発生後に測定した結果である発生後測定データから抽出された発生後散乱成分とを予め記憶装置に記憶する測定データ記憶部と、
前記領域特定部が特定した領域について、前記測定データ記憶部が記憶した前記発生前散乱成分に前記散乱成分Ａが近く、かつ、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定部と
を備えることを特徴とする特定装置。 - 前記特定装置は、さらに、
前記所定の領域毎の地形を判別可能な地形データを予め記憶装置に記憶する地形データ記憶部を備え、
前記領域特定部は、前記散乱成分差計算部が計算した散乱成分差が第１閾値よりも大きい領域であって、前記地形データ記憶部が記憶した地形データから判別される地形が所定の地形でない領域を、前記所定の現象が発生した領域として特定する
ことを特徴とする請求項１に記載の特定装置。 - 所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力する測定データ入力処理と、
前記所定のエリアにおける所定の領域毎に、前記測定データ入力処理で入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を計算する散乱成分差計算処理と、
前記所定のエリアのうち、前記散乱成分差計算処理で計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として特定する領域特定処理と、
前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データから抽出された発生前散乱成分と、発生後に測定した結果である発生後測定データから抽出された発生後散乱成分とを予め記憶した記憶装置から、前記領域特定処理で特定した領域について、前記発生前散乱成分に前記散乱成分Ａが近く、かつ、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定処理と
をコンピュータに実行させることを特徴とする特定プログラム。 - 前記特定プログラムは、さらに、
前記領域特定処理では、前記散乱成分差計算処理で計算した散乱成分差が第１閾値よりも大きい領域であって、予め記憶装置に記憶した地形データから判別される地形が所定の地形でない領域を、前記所定の現象が発生した領域として特定する
ことを特徴とする請求項３に記載の特定プログラム。 - 入力装置が、所定のエリアに対して、偏波特性の異なる複数の電波が反射して得られる散乱波の少なくとも２種類の偏波成分を測定した結果であって、Ａ時点において測定した結果である測定データＡと、前記Ａ時点と異なるＢ時点において測定した結果である測定データＢとから抽出された散乱成分を、それぞれ散乱成分Ａと散乱成分Ｂとして入力する測定データ入力ステップと、
処理装置が、前記所定のエリアにおける所定の領域毎に、前記測定データ入力ステップで入力した前記散乱成分Ａと前記散乱成分Ｂとの差を示す散乱成分差を計算する散乱成分差計算ステップと、
処理装置が、前記所定のエリアのうち、前記散乱成分差計算ステップで計算した散乱成分差が第１閾値よりも大きい領域を、所定の現象が発生した領域として特定する領域特定ステップと、
処理装置が、前記所定の現象を分類した種別毎に、その種別の現象が発生した領域に対して、前記偏波成分を測定した結果であって、その種別の現象の発生前に測定した結果である発生前測定データから抽出された発生前散乱成分と、発生後に測定した結果である発生後測定データから抽出された発生後散乱成分とを予め記憶した記憶装置から、前記領域特定ステップで特定した領域について、前記発生前散乱成分に前記散乱成分Ａが近く、かつ、前記発生後散乱成分に前記散乱成分Ｂが近い種別を検索して、その領域で発生した現象の種別を特定する種別特定ステップと
を備えることを特徴とする特定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009070925A JP5545700B2 (ja) | 2009-03-23 | 2009-03-23 | 特定装置、特定プログラム及び特定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009070925A JP5545700B2 (ja) | 2009-03-23 | 2009-03-23 | 特定装置、特定プログラム及び特定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2010223731A JP2010223731A (ja) | 2010-10-07 |
| JP5545700B2 true JP5545700B2 (ja) | 2014-07-09 |
Family
ID=43041081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009070925A Active JP5545700B2 (ja) | 2009-03-23 | 2009-03-23 | 特定装置、特定プログラム及び特定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5545700B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106120641A (zh) * | 2016-08-02 | 2016-11-16 | 上海蓝杰尔智能起重设备有限公司 | 一种基于蓝牙通信的防洪抗洪挡水装置定位系统 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6234707B2 (ja) * | 2013-05-22 | 2017-11-22 | 三菱スペース・ソフトウエア株式会社 | 水位計測装置、水位計測プログラム、水位計測方法およびレーダ観測方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4391622B2 (ja) * | 1999-06-10 | 2009-12-24 | 三菱スペース・ソフトウエア株式会社 | 衛星画像からの海面抽出処理方法 |
| JP3742882B2 (ja) * | 2003-11-06 | 2006-02-08 | 独立行政法人情報通信研究機構 | 偏波合成開口レーダ画像処理方法及び装置 |
| JP5438263B2 (ja) * | 2006-07-21 | 2014-03-12 | 株式会社パスコ | レーダ画像処理装置及びレーダ画像処理方法 |
| JPWO2008016153A1 (ja) * | 2006-08-03 | 2009-12-24 | 株式会社パスコ | 災害対策支援方法 |
-
2009
- 2009-03-23 JP JP2009070925A patent/JP5545700B2/ja active Active
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106120641A (zh) * | 2016-08-02 | 2016-11-16 | 上海蓝杰尔智能起重设备有限公司 | 一种基于蓝牙通信的防洪抗洪挡水装置定位系统 |
| CN106120641B (zh) * | 2016-08-02 | 2019-02-15 | 上海蓝杰尔智能起重设备有限公司 | 一种基于蓝牙通信的防洪抗洪挡水装置定位系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2010223731A (ja) | 2010-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bishop-Taylor et al. | Mapping Australia's dynamic coastline at mean sea level using three decades of Landsat imagery | |
| Zhong et al. | Landslide mapping with remote sensing: Challenges and opportunities | |
| Moya et al. | 3D gray level co-occurrence matrix and its application to identifying collapsed buildings | |
| Tong et al. | An approach for flood monitoring by the combined use of Landsat 8 optical imagery and COSMO-SkyMed radar imagery | |
| Pradhan et al. | Estimation of stress and its use in evaluation of landslide prone regions using remote sensing data | |
| Stramondo et al. | Satellite radar and optical remote sensing for earthquake damage detection: results from different case studies | |
| Pradhan et al. | An easy to use ArcMap based texture analysis program for extraction of flooded areas from TerraSAR-X satellite image | |
| Linhai Jing et al. | Principal component analysis with optimum order sample correlation coefficient for image enhancement | |
| Dumitru et al. | Data analytics for rapid mapping: Case study of a flooding event in Germany and the tsunami in Japan using very high resolution SAR images | |
| Wu et al. | Comparison of spatial and non-spatial logistic regression models for modeling the occurrence of cloud cover in north-eastern Puerto Rico | |
| Sisodia et al. | A comparative analysis of remote sensing image classification techniques | |
| Soliman et al. | Effects of vertical accuracy of digital elevation model (DEM) data on automatic lineaments extraction from shaded DEM | |
| Kamh et al. | Evaluating urban land cover change in the Hurghada area, Egypt, by using GIS and remote sensing | |
| US9159132B1 (en) | Process and system for identifying damage | |
| Zhang et al. | Analysis of ground subsidence at a coal-mining area in Huainan using time-series InSAR | |
| Yue et al. | Texture extraction for object-oriented classification of high spatial resolution remotely sensed images using a semivariogram | |
| Lucieer et al. | Analyzing uncertainty in multibeam bathymetric data and the impact on derived seafloor attributes | |
| Lemercier et al. | Multiscale evaluations of global, national and regional digital soil mapping products in France | |
| Spinosa et al. | Remote sensing-based automatic detection of shoreline position: A case study in apulia region | |
| Li et al. | Assessment of the updated Envisat ASAR ocean surface wave spectra with buoy and altimeter data | |
| Aydda et al. | Evolution of sand encroachment using supervised classification of Landsat data during the period 1987–2011 in a part of Laâyoune-Tarfaya basin of Morocco | |
| Fan et al. | Land cover classification of resources survey remote sensing images based on segmentation model | |
| Liu et al. | Environment monitoring of Shanghai Nanhui intertidal zone with dual-polarimetric SAR data based on deep learning | |
| Ikram et al. | Comparison of landslide susceptibility models and their robustness analysis: a case study from the NW Himalayas, Pakistan | |
| Weidner et al. | An algorithm for measuring landslide deformation in terrestrial lidar point clouds using trees |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120321 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130515 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130528 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130722 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140507 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140508 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5545700 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |