JP6207967B2

JP6207967B2 - 林相解析装置、林相解析方法及びプログラム

Info

Publication number: JP6207967B2
Application number: JP2013222798A
Authority: JP
Inventors: 秀樹島村; スバスチャタクリ; 林朱
Original assignee: Pasco Corp
Current assignee: Pasco Corp
Priority date: 2013-10-25
Filing date: 2013-10-25
Publication date: 2017-10-04
Anticipated expiration: 2033-10-25
Also published as: JP2015084191A

Description

本発明は、航空レーザ計測データから森林の樹種を判別する林相解析装置、林相解析方法及びプログラムに関し、さらに詳しくは、森林の林相区画における樹種を判別する林相解析装置、林相解析方法及びプログラムに関する。

林相は樹種・樹齢、樹冠や木の生育状態などによる森林の様子・形態であり、林相区画は林相によって区分された森林領域である。一般に、林相区分図は林相区画における林相のタイプ（林相区分）を判別することで作成される。

ここで、航空機などによる上空からのリモートセンシングは、広範囲での地上の状況把握が可能であり、林相区分図の作成などの林相の解析に利用されている。具体的には、従来、林相の解析には主として航空写真等の上空からの高分解能画像データが利用されている。そして当該データを利用した林相区画の抽出や林相区分図の作成は基本的に人間が実体視鏡やデジタル図化機等を用いて目視判読で行っている。しかし、広範囲にわたる林相判読は膨大な労力・時間を要するため、自動的に林相解析を行う手法の研究が進められている。

他のリモートセンシング技術として航空レーザ計測がある。航空レーザ計測で取得した３次元点群データは森林の地形や樹高の計測、立木密度や材積の推定などに幅広く利用されているが、林相区画や林相区分図作成に関しては、航空写真等の画像データと併用することが多い。

なお、下記特許文献１には航空レーザ計測データのみを用いて植生図を作成する技術が示されているが、林相区画を単位としたレーザ計測データに対応する画素の特徴量を利用した林相区分図の作成は示されていない。

特開２０１３−５４６６０号公報

航空写真を用いた林相解析は、撮影の時期、撮影の方向・角度、及び太陽の方位角・高度角などにより画像が影響を受けるので精度が低下し得、またそれを避けようとすると撮影機会が制限されるという問題を有する。この点、航空レーザ計測は地物の３次元構造情報を直接計測によって取得し、またレーザを自ら照射する能動的なセンシングであるのでデータ収集時に関する条件が緩やかである。そのため、航空レーザ計測に基づく解析では、より安定かつ正確に林相区分図の作成などの林相解析が可能となる。

一方、航空レーザ計測データを用いた従来の林相解析の多くは、航空レーザ計測データに含まれ得る情報のうち高さや反射強度など単純な情報しか利用していない。それ故、航空レーザ計測データのみを用いた林相区分図の作成が難しく、上述のように航空写真と併用せざるを得ないといった問題が存在している。航空写真とレーザデータとを併用する解析手法は、航空写真を用いた解析の上述の問題を有する上、撮影やデータ処理のコストが増えるという問題を有する。

そこで本発明は、林相区分の判別を、画像データに頼らず航空レーザ計測データのみを利用して、かつ自動的に行うことを可能とする林相解析装置、林相解析方法及びプログラムを提供することを目的とする。

（１）本発明に係る林相解析装置は、森林を含む対象地域をスキャンして取得した航空レーザ計測データに基づき、予め定められた１又は複数種類の特徴量を求める特徴量抽出手段と、前記対象地域に設定された区画ごとの前記特徴量に基づいて、当該区画における林相を判別する林相判別手段と、を有する。

（２）上記（１）に記載する林相解析装置において、前記１又は複数種類の特徴量は、レーザの照射パルスに対する反射パルスの個数に応じて定まる各計測地点での反射パルス指標を含む構成とすることができる。

（３）上記（１）又は（２）に記載する林相解析装置において、前記１又は複数種類の特徴量はレーザの反射強度を含む構成とすることができる。

（４）上記（２）又は（３）に記載する林相解析装置において、前記特徴量はさらに樹高を含んでもよい。

（５）上記（２）から（４）に記載する林相解析装置において、前記特徴量はさらに、レーザの反射強度を画素値とした前記対象地域での画像を二値化したパターンから抽出されたテクスチャ特徴量を含んでもよい。

（６）本発明に係る林相解析方法は、森林を含む対象地域をスキャンして取得した航空レーザ計測データに基づき、予め定められた１又は複数種類の特徴量を求める特徴量抽出ステップと、前記対象地域に設定された区画ごとの前記特徴量に基づいて、当該区画における林相を判別する林相判別ステップと、を有する。

（７）本発明に係るプログラムは、コンピュータに林相解析を行わせるためのプログラムであって、当該コンピュータを、森林を含む対象地域をスキャンして取得した航空レーザ計測データに基づき、予め定められた１又は複数種類の特徴量を求める特徴量抽出手段、及び、前記対象地域に設定された区画ごとの前記特徴量に基づいて、当該区画における林相を判別する林相判別手段、として機能させる。

本発明によれば、林相区分の判別を、画像データに頼らず航空レーザ計測データのみを利用して、かつ自動的に行うことが可能となる。

本発明の実施形態である林相解析システムの概略の構成を示すブロック図である。本発明の実施形態である林相解析システムの概略のデータフロー図である。航空レーザ計測データから得られる特徴量の例を説明する模式図である。特徴量抽出部の概略の処理フロー図である。対象地域の空中写真画像（オルソ画像）の一例である。図５に示す対象地域のＦＰＲ画像の一例である。図５に示す対象地域のＩＰＲ画像の一例である。図５に示す対象地域のＲＩ画像の一例である。図５に示す対象地域のＢＲＩ画像の一例である。図５に示す対象地域のＤＣＨＭ画像の一例である。図３に示す特徴量に基づく林相分類の決定木の例を示す模式図である。対象地域の空中写真画像（オルソ画像）の一例である。図１２に示す対象地域での決定木手法による林相分類の途中結果を示す模式図である。図１２に示す対象地域での決定木手法による林相分類で作成された林相区分図である。図１２に示す対象地域での最近隣法による林相分類で作成された林相区分図である。

以下、本発明の実施の形態（以下実施形態という）について、図面に基づいて説明する。

図１は、実施形態である林相解析システム２の概略の構成を示すブロック図である。本システムは、演算処理装置４、記憶装置６、入力装置８及び出力装置１０を含んで構成される。演算処理装置４として、本システムの処理を行う専用のハードウェアを作ることも可能であるが、本実施形態では演算処理装置４は、コンピュータ及び、当該コンピュータ上で実行されるプログラムを用いて構築される。

演算処理装置４は、コンピュータのＣＰＵ（Central Processing Unit）からなり、後述する特徴量抽出部２０、林相区分決定部２２として機能する。

記憶装置６はＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等のメモリ装置である。記憶装置６は演算処理装置４にて実行される各種のプログラムや、本システムの処理に必要な各種データを記憶し、演算処理装置４との間でこれらの情報を入出力する。例えば、記憶装置６には、航空レーザ計測データ３０及び林相区画データ３２が予め格納される。

航空レーザ計測データ３０は、例えば、航空機やヘリコプターなどに搭載されたレーザ計測システムを用いて取得される。レーザ計測システムはレーザスキャナ及びＧＰＳ／ＩＭＵ（Global Positioning System/Inertial Measurement Unit）を含んで構成される。レーザスキャナは上空から地上へ向けてレーザパルスを掃射し、その反射パルスを受信する。航空レーザ計測データ３０の取得に用いるレーザスキャナは近赤外レーザパルスを照射し、また１つの照射パルスに対する所定数（例えば、４点とする装置が多い）の反射パルスを記録できるものを用いる。レーザスキャナによりレーザパルスの反射強度、レーザパルスの照射方向、パルスの発射から受信までの時間差が得られ、一方、ＧＰＳ／ＩＭＵにより航空機の位置・姿勢が得られ、これらのデータからレーザパルスの反射点の座標が算出される。航空レーザ計測データ３０には例えば、レーザパルスの反射強度、レーザパルスごとの各反射点の座標が含まれる。

林相区画データ３２は、森林を含む対象地域における林相区画を表すデータであり、本システムによる林相区分図の生成の前提として予め記憶装置６に格納される。林相区画データ３２は例えば、人間が航空写真等を目視判読して抽出したものを用いることができる。また、本システム又は他のシステムにて航空写真又は航空レーザ計測データ３０から林相区画データ３２を自動生成してもよい。

入力装置８は、キーボード、マウスなどであり、ユーザが本システムへの操作を行うために用いる。

出力装置１０は、ディスプレイ、プリンタなどであり、本システムにより生成された林相区分図を画面表示、印刷等によりユーザに示す等に用いられる。また、林相区分図のデータを他のシステムで利用できるよう、データとして出力してもよい。

図２は林相解析システム２における概略のデータフロー図である。特徴量抽出部２０は航空レーザ計測データ３０から特徴量を抽出する。本実施形態では特徴量抽出部２０は特徴量を抽出し特徴量画像（特徴量画像データ４０）を生成する。林相区分決定部２２は林相区画データ３２と特徴量画像データ４０とを入力され、各林相区画における林相を判読して林相区分図（林相区分図データ４２）を自動生成する。

特徴量抽出部２０は、航空レーザ計測データ３０に基づき、予め定められた１又は複数種類の特徴量を対象地域の各計測地点について求め、当該特徴量を画素値とする対象地域の特徴量画像を生成する。このとき、特徴量が取得される計測地点間にて内挿処理を行い、各画素での特徴量を定義する。

特徴量は航空レーザ計測データ３０に基づいて生成され、その値や値の分布範囲に林相に応じて差異が生じる量である。図３は特徴量の例を説明する模式図であり、森林を含む或る対象地域を秋に観測した例を示している。同図には複数の特徴量それぞれについて観測により得られた数値が示されており、例えば、“Ｄ”に対応する数値は広葉樹林での特徴量の値であり、同様に、“Ｈ”，“Ｓ”，“ＮＦ”の数値はヒノキ林、スギ林、非森林領域での値である。

ＮＤＳＭ（Normalized Digital Surface Model）は数値表層モデル（Digital Surface Model：ＤＳＭ）に含まれる数値標高モデル（Digital Terrain Model：ＤＴＭ）の影響を除去し正規化したＤＳＭである。ちなみに、航空レーザ計測データ３０からＤＳＭ及びＤＴＭを生成し、ＤＳＭからＤＴＭを減算してＮＤＳＭが生成される。ＮＤＳＭが森林から想定される或るしきい値（例えば、図３の例では１５ｃｍ程度）より低い場所は、水域、草地、更地などの非森林領域（ＮＦ）とすることができる。また、建物の領域ではＮＤＳＭから得られる高さが建物に想定されるしきい値以上で、高さの分散が森林に比べて小さくなる場合がある。よって、ＮＤＳＭは森林領域と非森林領域である建物領域とを区別し得る。

ＮＤＳＭは森林領域では樹高を反映する。森林地域ではレーザの反射パルスのうちファーストパルスに基づいてＤＳＭを生成し、ラストパルスに基づいてＤＴＭを生成し、ＤＳＭからＤＴＭを減算してデジタル樹冠高モデル（Digital Canopy Height Model：ＤＣＨＭ）が生成される。ＤＣＨＭは樹高を表すデータとして用いられる。図３には示していないが、樹高は森林の生育状況、樹齢といった林相情報を反映する。

レーザパルスの反射強度（Reflection Intensity：ＲＩ）は、樹木の反射断面積や吸収率を反映する。特に、近赤外領域の波長を有する光に対する反射率の相違は、従来より植生のリモートセンシングに利用されている。図３に示す観測結果では、ヒノキ林（Ｈ）及び広葉樹林（Ｄ）がスギ林（Ｓ）より高い値を示している。ちなみに反射強度はファーストパルスの強度に基づいて定義している。なお、計測に用いられるレーザスキャナの照射パルスの強度が一定であれば、反射強度は反射パルスの強度の絶対値で表すことができ、一方、照射パルスの強度が変わり得る場合には、反射強度は照射パルスの強度で規格化した相対値で表すのが好適である。

図３には、反射パルス指標の例として、トータルパルス（Total Pulse：ＴＰ）、ファーストパルス比（First Pulse Ratio：ＦＰＲ）、及び中間パルス比（Intermediate Pulse Ratio：ＩＰＲ）を示している。ここで、レーザの照射パルスに対する反射パルスの個数に応じて定まる値を反射パルス指標と総称している。その指標値は各計測地点にて定義される。マルチパルス機能を有したレーザスキャナにより取得した航空レーザ計測データに基づく反射パルス指標は森林の内部の構造情報を反映し得る。

ＴＰは各照射パルスに対する反射パルスの総数に基づく指標であり、例えば、地表の計測地点の単位面積当たりでの反射パルス数とすることができる。なお、上述のようにマルチパルス機能を有したレーザスキャナにより取得したＴＰは基本的に、単位面積の地表への照射パルス数とは必ずしも一致しない。

図３に示すように、ヒノキ林（Ｈ）、スギ林（Ｓ）及び広葉樹林（Ｄ）におけるＴＰは、広葉樹林、スギ林、ヒノキ林の順に小さくなる結果が観測された。

ＦＰＲは、計測地点の例えば単位面積からの反射パルス総数（つまりＴＰ）に対するファーストパルスの数の比の値である。ちなみにファーストパルスは照射パルスに対して最初に検知される反射パルスである。例えば、単位面積に２発のレーザパルスが照射され、１発に対しては２つの反射パルスが受信され、他の１発に対しては３つの反射パルスが受信された場合、ＴＰは５、ファーストパルスの数は２となるので、ＦＰＲは２／５、つまり４０％である。

ＩＰＲは、計測地点の例えば単位面積からの反射パルス総数（つまりＴＰ）に対する中間パルスの数の比の値である。ちなみに中間パルスは照射パルスに対する反射パルスのうち最初に検知されるファーストパルス及び最後に検知されるラストパルスを除いた残りのパルスであり、１つの照射パルスに対する反射パルスの数が１又は２の場合は中間パルスの数は０となる。例えば、単位面積に２発のレーザパルスが照射され、１発に対しては２つの反射パルスが受信され、他の１発に対しては３つの反射パルスが受信された場合、ＴＰは５、中間パルスの数は１となるので、ＩＰＲは１／５、つまり２０％である。

図３の観測結果においてＦＰＲは基本的にＴＰに反比例する傾向を示している。またＩＰＲは基本的にＴＰと正の相関を有するが、樹種間における差異の程度はＴＰとＩＰＲとで異なる。なお、ＦＰＲ、ＩＰＲは無次元量であり、レーザパルスの照射密度の影響を受けにくい。

図４は特徴量抽出部２０の概略の処理フロー図である。本実施形態では、特徴量抽出部２０は、特徴量として反射パルス指標、反射強度及び樹高を利用する。反射パルス指標に関してはＦＰＲ（又はＩＰＲ）を特徴量として利用する。また反射強度の二値化画像から得られるテクスチャ情報も特徴量として利用する。

すなわち、特徴量抽出部２０は航空レーザ計測データ３０からＦＰＲ又はＩＰＲを算出し（Ｓ３０）、反射強度を取得し（Ｓ３２）、またＤＣＨＭを生成する（Ｓ３４）。

特徴量抽出部２０は特徴量として算出したＦＰＲ又はＩＰＲから特徴量画像であるＦＰＲ画像又はＩＰＲ画像を生成し（Ｓ４０）、また反射強度、ＤＣＨＭからそれぞれ特徴量画像であるＲＩ画像、ＤＣＨＭ画像を生成する（Ｓ４２，Ｓ４４）。さらに、特徴量抽出部２０はＲＩ画像を二値化処理してＢＲＩ（Binary Reflection Intensity）画像を生成する（Ｓ４６）。ここで、二値化のしきい値は大津の手法により決定することができる。

図５は対象地域の空中写真画像（オルソ画像）の一例である。図６〜図１０は図５に示す対象地域にて取得された航空レーザ計測データ３０に基づく特徴量画像の例であり、図６はＦＰＲ画像、図７はＩＰＲ画像、図８はＲＩ画像、図９はＢＲＩ画像、図１０はＤＣＨＭ画像である。

林相区分決定部２２は、対象地域に設定された区画ごとの特徴量に基づいて、当該区画における林相（林相区分）を判別する林相判別手段である。林相区分決定部２２は、林相区画データ３２から林相区画を取得し、当該林相区画の林相を判別する。例えば、林相区分決定部２２は、決定木手法、最近隣法、マッチング法などを用いて林相を判別する。以下、ここに例として挙げた各手法による林相判別処理を説明する。

（１）決定木手法
図１１は図３に示す特徴量のうちＮＤＳＭ（ＤＣＨＭ）、ＲＩ、ＦＰＲ及びＩＰＲを用いた決定木の例を示す模式図である。既に述べたようにＮＤＳＭが森林から想定される或るしきい値より低い場所は、水域、草地、更地などの非森林領域（ＮＦ）とすることができる。そこで決定木のルート５０では、ＤＣＨＭ画像の画素値の平均値がＴｈ１未満か否かを判断しＴｈ１未満の区画を非森林に分類する。例えば、しきい値Ｔｈ１は図３に示す観測値からは１５ｃｍに設定することができる。

一方、ノード５０にてしきい値以上であった区画はノード５２に分岐する。ノード５２では、ＲＩとＩＰＲとの比の値ＲＩ／ＩＰＲがしきい値Ｔｈ２より大きいか否かを判断する。ＲＩについてはヒノキ林（Ｈ）及び広葉樹林（Ｄ）がスギ林（Ｓ）より大きい値を示す。ＩＰＲについては、Ｈが最も小さい値を示し、Ｄが最も大きい値を示す。よって、ＨのＲＩ／ＩＰＲの値が最も大きくなり、ノード５２ではヒノキ林（Ｈ）が他の２つの樹種から弁別される。例えば、ＲＩ／ＩＰＲのしきい値Ｔｈ２は、図３に示す観測値に対しては１１に設定することができ、ＲＩ／ＩＰＲがＴｈ２を超える区画をヒノキ林（Ｈ）に分類する。なお、図３の観測値ではＩＰＲのみでＤ，Ｓ，Ｈを弁別し得るが、ＨとＳとは比較的近い値である。この点、ＲＩはＨとＳとを弁別可能である。よって、ＲＩとＩＰＲとを組み合わせたＲＩ／ＩＰＲではＨとＳとの差異が強調され、ＲＩ／ＩＰＲを用いたヒノキ林の弁別はＩＰＲのみを用いた判別より精度が向上する。

ノード５２にてしきい値以下であった区画はノード５４に分岐する。ノード５４では、ＲＩとＦＰＲとの比の値ＲＩ／ＦＰＲがしきい値Ｔｈ３より小さいか否かを判断する。ＲＩについてはＳがＤより小さい値を示す。ＦＰＲについては、ＳがＤより大きい値を示す。よって、スギ林のＲＩ／ＦＰＲの値は広葉樹林の値よりも大きくなり、ノード５４ではスギ林が広葉樹林から弁別される。例えば、ＲＩ／ＦＰＲのしきい値Ｔｈ３は、図３に示す観測値に対しては１．２５に設定することができ、ＲＩ／ＦＰＲがＴｈ３より小さい区画をスギ林に分類する。一方、ノード５４にてしきい値Ｔｈ３以上であった区画は広葉樹林に分類する。なお、ＲＩ及びＦＰＲそれぞれを単独に用いた場合よりもそれらを組み合わせたＲＩ／ＦＰＲではＳとＤとの差異が強調され弁別精度が向上する。

図１２は対象地域の空中写真画像（オルソ画像）の一例であり、図５の画像のほぼ中央から右側の部分に対応する。図１３及び図１４は図１２に示す対象地域にて決定木手法での分類結果を示す模式図である。図１３及び図１４には林相区画データ３２による林相区画の境界線が示されている。図１３は決定木手法による林相分類の途中結果を示している。具体的には図１３にはルート５０及びノード５２で分類された非森林区画６０及びヒノキ林区画６２が示されている。図１４は決定木手法による林相分類で作成された林相区分図であり、図１３に示した非森林区画６０及びヒノキ林区画６２に加え、ノード５４で分類されたスギ林区画６４及び広葉樹林区画６６が示されている。

（２）最近隣法
最近隣法は教師付き分類の１種であり、教師付き分類は教師データ（トレーニングデータ）と呼ばれる予め分類結果が定まっているデータを用いて未分類データを分類する。例えば、分類対象のオブジェクトは、教師データに基づいて定義されるクラスのうち、当該オブジェクトに最も近いオブジェクトを有するクラスに割り当てられる。

上述の決定木手法で見たようにＲＩ及び反射パルス指標（ＦＰＲ，ＩＰＲ）を用いて林相を弁別できることに対応して、林相区分決定部２２は例えば、ＲＩ及び反射パルス指標を含む複数種類の特徴量の組を予め定められた関係式で色空間における座標値に変換して画素値を定義したカラー画像を生成する。林相区分決定部２２は複数種類の特徴量から画素値として例えばＲＧＢ値を定義する。この場合、最近隣法におけるオブジェクト間の距離は色空間での距離で定義することができる。なお、例えば、ＲＧＢ値はそれぞれ次式で定義することができる。ＢＲＩはＢＲＩ画像に現れるパターンのテクスチャ特徴量で与えられ、例えばＢＲＩ画像の画素値の平均値などの統計量を用いることができる。

Ｒ＝１／３・ＲＩ＋１／３・ＦＰＲ＋１／３・ＢＲＩ

Ｇ＝ＲＩ

Ｂ＝１／４・ＲＩ＋１／４・ＦＰＲ

教師データはユーザにより与えられる。ユーザは例えば、林相区画データ３２で与えられる林相区画のうち林相を判読したものを教師データとして選択する。林相区分決定部２２は教師データを用いて、例えば図１２に示す対象地域の林相区画の林相を最近隣法により判別し、図１５に示す林相区分図を作成する。

（３）マッチング法
マッチング法はテンプレートと呼ばれる予め分類結果が定まっているデータを用いて未分類データを分類する。例えば、林相区分決定部２２は、上述の最近隣法で説明したような特徴量に基づくカラー画像を生成し、そのＲＧＢデータに基づいて分類対象のオブジェクトとテンプレートとの距離を定義する。そして、分類対象を距離が最も近いテンプレートの林相に分類する。

林相区分決定部２２は例えば、オブジェクト内の画素値に基づくヒストグラムを求め、オブジェクト間の距離を当該ヒストグラム間の距離で定義することができる。例えば、画素値を構成するＲＧＢ値の平均値、つまり（Ｒ＋Ｇ＋Ｂ）／３のヒストグラムを用いることができる。また、ヒストグラムの距離は例えば、Matsusita Distanceを用いて測ることができる。

以上、３つの手法を説明したが、これらは図３に示すような航空レーザ計測データ３０から得られる特徴量に基づく林相判別に用いることができる手法の例であり、これ以外の手法で当該特徴量に基づいて林相を判別することもできる。また、上述の各手法で説明した、林相判別に利用する特徴量及びその組み合わせ、カラー画像やヒストグラムの距離の定義などは一例であり、これに限定されない。例えば、上述のマッチング法の例では複数の特徴量をＲＧＢ値の平均値という形で１つの値にし、これについてのヒストグラムについてマッチングを行っているが、複数の特徴量それぞれを座標軸とした多次元空間でのヒストグラムについてマッチングを行うこともできる。

また、どの特徴量を用いるかに関しては、図３から理解されるように、反射パルス指標（ＴＰ，ＦＰＲ，ＩＰＲ）には３種類の樹種（ヒノキ林、スギ林及び広葉樹林）間に差が存在し、反射パルス指標のみで樹種の弁別は可能であるが、これにＲＩを組み合わせることで、３つの樹種がより正確に弁別される。これらにＤＣＨＭを加えて林相区分決定部２２による処理を行うことで、樹種の弁別に加え、樹高の弁別ができ、例えば、同じ樹種の樹齢が異なる林相を区別できる。よって、反射パルス指標、ＲＩ及びＤＣＨＭの全部の組み合わせは、それらのうちのいずれか２つの組み合わせ又は１つのみよりも好適な林相区分が可能である。

一方、反射パルス指標及びＲＩを併用しＤＣＨＭを利用しない場合に林相区分決定部２２により作成される林相区分図では、樹高は弁別されないものの、樹種の弁別は好適になされる。

また、上述したように、反射パルス指標のみで３種類の樹種の弁別は可能であるので、例えば、ＦＰＲのみを利用して林相区分図を作成することも可能である。さらに、反射パルス指標とＤＣＨＭとを組み合わせると、樹高の弁別がなされるので、反射パルス指標のみの場合より好適な林相区分が可能である。

ＲＩはスギ林を広葉樹林及びヒノキ林から区別できる。よって、ＲＩのみを用いてもスギ林と他の２つの樹種とが区分けされた林相区分図を作成することができる。

また、ＢＲＩを用いることにより、スギ林やヒノキ林など異なる針葉樹の違いを強調することができ、それらの弁別精度が向上する。

なお、どの特徴量を用いると好適な林相区分図が作成されるかは、林相の判別手法によっても異なり得る。

以上説明したように、本発明による林相解析システム２は航空レーザ計測データ３０のみを利用し林相区分図を自動生成する。

なお、本実施例では林相区画を対象として林相を判別しているが、必ずしもこれに限られず、例えば、ＢＲＩ画像を除く特徴量画像の画素を判別対象としてもよい。

２林相解析システム、４演算処理装置、６記憶装置、８入力装置、１０出力装置、２０特徴量抽出部、２２林相区分決定部、３０航空レーザ計測データ、３２林相区画データ、４０特徴量画像データ、４２林相区分図データ。

Claims

森林を含む対象地域をスキャンして取得した航空レーザ計測データに基づき、予め定められた１又は複数種類の特徴量を求める特徴量抽出手段と、
前記対象地域に設定された区画ごとの前記特徴量に基づいて、当該区画における林相を判別する林相判別手段と、
を有し、
前記１又は複数種類の特徴量は、レーザの照射パルスに対する反射パルスの個数に応じて定まる各計測地点での反射パルス指標として、前記計測地点の単位面積からの反射パルス総数に対するファーストパルスの数の比の値、及び前記計測地点の単位面積からの反射パルス総数に対する中間パルスの数の比の値の少なくとも一方を含むこと、
を特徴とする林相解析装置。
請求項１に記載の林相解析装置において、
前記１又は複数種類の特徴量はレーザの反射強度を含むこと、を特徴とする林相解析装置。
請求項１又は請求項２に記載の林相解析装置において、
前記特徴量はさらに樹高を含むこと、を特徴とする林相解析装置。
請求項１から請求項３のいずれか１つに記載の林相解析装置において、
前記特徴量はさらに、レーザの反射強度を画素値とした前記対象地域での画像を二値化したパターンから抽出されたテクスチャ特徴量を含むこと、を特徴とする林相解析装置。
森林を含む対象地域をスキャンして取得した航空レーザ計測データに基づき、予め定められた１又は複数種類の特徴量を求める特徴量抽出ステップと、
前記対象地域に設定された区画ごとの前記特徴量に基づいて、当該区画における林相を判別する林相判別ステップと、
を有し、
前記１又は複数種類の特徴量は、レーザの照射パルスに対する反射パルスの個数に応じて定まる各計測地点での反射パルス指標として、前記計測地点の単位面積からの反射パルス総数に対するファーストパルスの数の比の値、及び前記計測地点の単位面積からの反射パルス総数に対する中間パルスの数の比の値の少なくとも一方を含むこと、
を特徴とする林相解析方法。
コンピュータに林相解析を行わせるためのプログラムであって、当該コンピュータを、
森林を含む対象地域をスキャンして取得した航空レーザ計測データに基づき、予め定められた１又は複数種類の特徴量を求める特徴量抽出手段、及び、
前記対象地域に設定された区画ごとの前記特徴量に基づいて、当該区画における林相を判別する林相判別手段、
として機能させ、
前記１又は複数種類の特徴量は、レーザの照射パルスに対する反射パルスの個数に応じて定まる各計測地点での反射パルス指標として、前記計測地点の単位面積からの反射パルス総数に対するファーストパルスの数の比の値、及び前記計測地点の単位面積からの反射パルス総数に対する中間パルスの数の比の値の少なくとも一方を含むこと、
を特徴とするプログラム。