JP6544582B2 - 松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置 - Google Patents
松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置 Download PDFInfo
- Publication number
- JP6544582B2 JP6544582B2 JP2016054551A JP2016054551A JP6544582B2 JP 6544582 B2 JP6544582 B2 JP 6544582B2 JP 2016054551 A JP2016054551 A JP 2016054551A JP 2016054551 A JP2016054551 A JP 2016054551A JP 6544582 B2 JP6544582 B2 JP 6544582B2
- Authority
- JP
- Japan
- Prior art keywords
- tree
- damage
- image data
- pine
- crown
- 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
- 235000008331 Pinus X rigitaeda Nutrition 0.000 title claims description 131
- 235000011613 Pinus brutia Nutrition 0.000 title claims description 131
- 241000018646 Pinus brutia Species 0.000 title claims description 131
- 238000004364 calculation method Methods 0.000 title claims description 97
- 241000065698 Teredo navalis Species 0.000 title 2
- 235000018782 Dacrydium cupressinum Nutrition 0.000 claims description 215
- 235000013697 Pinus resinosa Nutrition 0.000 claims description 215
- 241000261585 Hadrobregmus pertinax Species 0.000 claims description 81
- 230000003595 spectral effect Effects 0.000 claims description 46
- 235000000405 Pinus densiflora Nutrition 0.000 claims description 45
- 240000008670 Pinus densiflora Species 0.000 claims description 45
- 241000238631 Hexapoda Species 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 14
- 241000894007 species Species 0.000 claims description 11
- 241001491790 Bupalus piniaria Species 0.000 claims description 10
- 239000006187 pill Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 206010000496 acne Diseases 0.000 claims description 3
- 241000534656 Pinus resinosa Species 0.000 claims 57
- 241000700647 Variola virus Species 0.000 claims 2
- 241001271990 Tomicus piniperda Species 0.000 claims 1
- 240000005020 Acaciella glauca Species 0.000 description 159
- 239000002023 wood Substances 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 241001237160 Kallima inachus Species 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 241000243771 Bursaphelenchus xylophilus Species 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000254173 Coleoptera Species 0.000 description 1
- 241000218631 Coniferophyta Species 0.000 description 1
- 244000141359 Malus pumila Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241000244206 Nematoda Species 0.000 description 1
- 235000008582 Pinus sylvestris Nutrition 0.000 description 1
- 241000121220 Tricholoma matsutake Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003958 fumigation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
本発明は、松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置に関する。
松くい虫の被害は我が国最大の森林病虫害被害である。全国の松くい虫被害量は昭和５４年をピークに減少傾向にあるが、高緯度・高標高地域にある長野県や東北地方においては被害量が増加し、森林被害が深刻化している。被害のまん延により、森林所有者の林業意欲とマツタケ生産の減退、枯れ木・倒木による危険性、道路法面の防災機能の低下、地域の松林や社寺林及び公園や環境林などの公益的機能の低下など、その対策は極めて重要な課題である。
松くい虫の被害と樹葉の変化は、マツノザイセンチュウという線虫が付着したマツノマダラカミキリが春に羽化して、健全なマツ（アカマツとする。）の若枝を食べる時にマツノザイセンチュウが樹体内に入り、夏に増殖し、秋から冬に感染した松が衰弱し、葉が黄緑から赤褐色に変色し枯損する。翌年の夏以降、色が薄れて茶色になり、やがて落葉する。マツノマダラカミキリは産卵するために枯損木を利用し、４〜６月にカミキリが蛹になると、マツノザイセンチュウは蛹の体に付着し、羽化の際に共生して移動することで別の健全なアカマツへと他力運搬され、被害が拡大していく。
松くい虫対策については、林野庁から提案されている（例えば、非特許文献１参照。）。非特許文献１によれば、公益的機能の高い松林を「保全すべき松林」、その周辺に位置する松林を「周辺松林」として都道府県知事等が定め、これらのマツ林を対象として重点的かつ総合的に対策を実施することとしている。また、現地での対策として、被害の状況を踏まえ、保全すべき松林において、薬剤等による「予防対策」や被害木の伐倒燻蒸等の「駆除対策」等を実施するとともに周辺松林では被害区分転換を推進することとすることとしている。
上記した対策は、地上調査で調査員が被害の様子を見て行う必要があるが、松くい虫による森林被害対策を進めている都道府県や市町村においては、予算的にも人的にも対応しきれず、保全すべきマツ林と周辺マツ林のみの限定的な防除処理（薬剤散布と伐倒燻蒸処理）に留まっており、被害の進行に対応できず、被害のまん延が進んでいる。被害の最前線で対応する市町村は職員が少人数であり、しかも、専門の技術職員が配置されていないことが多いため、広域の森林域や道から離れた被害森林の様子を把握することは困難である。
その一方で、市町村単位で松くい虫被害の詳細な被害分布をつかむこと、被害の拡大を防ぐために、虫くいの被害を受けている感染木及び枯損木の集団をとらえて的確に防除することが望まれている。しかし、予算などが限られた状況においては、住宅近接地や道路沿いの松林などの狭い範囲での対策に限定されており、市町村単位での広域を対象とした的確な防除と対策ができていないという問題がある。
調査委員などによる調査に頼らずに、感染木や枯損木の集団をとらえて的確に防除するためには、調査対象となるアカマツ林の現況を情報処理技術によって把握して、当該アカマツ林における松くい虫の被害状況を視覚的に容易に理解できる資料の作成を行えるようにすることが必要となる。なお、「感染木」というのは、当年生被害木であって、葉が黄緑に変色し元気のないアカマツを指しており、また、「枯損木」というのは、前年度被害木であって、葉が茶色になって枯れたアカマツを指している。
一方、調査対象となるアカマツ林の所定範囲の森林地域の現況を情報処理技術によって把握する技術として、森林地域を上空から撮影して得られた撮影画像データに基づいて取得した森林画像情報から、森林の現況を把握するための技術が提案されている（例えば、特許文献１参照。）。
特許文献１は、アカマツ林に限られるものではなく調査対象となる森林を含む地域を上空から撮影して得られた撮影画像データと森林の地理的情報とに基づいて抽出された森林域に関する森林域画像データに基づいて樹頂点に関するデータを抽出して、樹木の本数を高い精度で算定するものである。
林野庁 松くい虫被害、松くい虫対策について、[平成２８年２月６日検索]、インターネット＜ＵＲＬ：<http://www.rinya.maff.go.jp/j/hogo/higai/matukui.html>＞
上述の非特許文献１に記載の松くい虫対策では、調査員が調査対象となるアカマツ林を歩いて被害の様子を実際に見て回ることによって松くい虫の被害状況を把握して、調査員が被害状況を示す資料の作成を行う必要があり、人件費などの多くの費用を要するとともに調査に多くの時間を要するといった課題がある。また、特許文献１に記載の樹木本数算定方法では、情報処理技術によって、樹木の本数を高い精度で算定することは可能であるが、調査対象となるアカマツ林における松くい虫の被害状況を示す資料の作成はできない。
そこで本発明は、アカマツ林における松くい虫の被害状況を示す資料の作成を安価な費用で短時間にかつ高精度に実現可能とする松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置を提供することを目的とする。
本発明の発明者は、実在するアカマツ林において虫くいの被害を受けている感染木、枯損木及び虫くいの被害を受けていない健全なアカマツ（健全木という。）の各樹冠から感染葉、枯損葉、健全葉を採取して、人工衛星や航空機センサと同じ観測波長を計測できる分光反射計で計測したところ、感染葉、枯損葉及び健全葉の分光反射特性に違いがあることから、被害区分（感染木、枯損木及び健全木）を抽出することができることを発見した。本発明の発明者は、この点に着目して、鋭意研究を行うことにより本発明を完成させた。本発明は、以下の要素からなる。
[１]本発明の松くい虫の被害区分算定方法は、調査対象となるアカマツ林を含む地域を上空から撮影して得られた撮影画像データに含まれる樹種の分光反射特性に基づいて作成されたアカマツ林画像データを用いて、前記アカマツ林に含まれるアカマツの本数を被害区分別に算定する松くい虫の被害区分算定方法であって、前記アカマツ林画像データに基づいて、前記アカマツの各樹頂点を抽出し、前記各樹頂点に関するアカマツ林樹頂点画像データを作成するアカマツ林樹頂点画像データ作成ステップと、前記アカマツ林画像データに基づいて、前記アカマツの各樹冠を抽出し、前記各樹冠に関するアカマツ林樹冠画像データを作成するアカマツ林樹冠画像データ作成ステップと、前記アカマツ林樹冠画像データと、松くい虫の被害を受けているアカマツから採取された被害葉及び健全なアカマツから採取された健全葉の各分光反射特性とに基づいて、前記各樹冠の領域における感染木、枯損木及び健全木の分光反射特性を作成し、作成した感染木、枯損木及び健全木の分光反射特性に基づいて樹冠別の被害区分を特定して、樹冠別被害区分画像データを作成する樹冠別被害区分画像データ作成ステップと、前記樹冠別被害区分画像データと前記アカマツ林樹頂点画像データとに基づいて、樹頂点別に前記被害区分を特定して、樹頂点別被害区分画像データを作成する樹頂点別被害区分画像データ作成ステップと、前記樹頂点別被害区分画像データと地理的情報とに基づいて、前記アカマツ林の全領域又は任意の領域に含まれるアカマツの本数を前記被害区分ごとに算定する被害区分本数算定ステップと、前記被害区分本数算定結果に基づいて、当該アカマツ林の全領域又は任意の領域に含まれる感染木と枯損木とを合計した被害木本数を、当該アカマツ林の全領域又は任意の領域に含まれるアカマツの全体本数で除することで得られる被害率を計算して被害率区分図を作成する被害率区分図作成ステップと、を有すること特徴とする。
本発明においては、調査対象となる森林を含む地域を上空から撮影して得られた撮影画像データに含まれる樹種の分光反射特性に基づいて抽出されたアカマツ林に関するアカマツ林画像データを用いて、上記した各ステップを実施することによって、実在のアカマツ林における松くい虫の被害区分を算定して、被害率区分図の作成を可能としている。なお、当該被害率区分図は、松くい虫の被害状況を示す資料として使用することができる。このように、本発明によれば、調査対象となるアカマツ林の現況を情報処理技術によって把握することができるため、アカマツ林における松くい虫の被害状況を示す資料の作成を安価な費用で短時間にかつ高精度に実現できる。
また、本発明において作成される被害率区分図は、被害率の凡例を色分けすることもできるので、被害が生じている区域を一目で把握できる。当該被害率区分図は、松くい虫による森林被害対策を進めている都道府県や市町村が求めている出力図である。市町村単位で松くい虫被害の詳細な被害分布をつかむことにおいて有効であるとともに、被害の拡大を防ぐため最前線の感染木や枯損木の集団をとらえ、的確に防除する上での計画立案や森林管理に有効な機能を有している。
なお、この明細書において、「樹冠」というのは、森林を構成する各樹木を上空からほぼ垂直方向に見た場合に、各樹木の枝と葉で構成される部分を指しており、周囲に他の樹木がない場合には、一本の樹木の枝と葉が１つの樹冠として抽出される場合もあるが、複数の樹木が近接して存在する場合には、複数の樹木の枝と葉が重なり合うため、複数の樹木の枝と葉で構成される広い範囲が１つの樹冠として抽出される（後述する図８参照。）。また、「樹頂点」というのは、樹冠内で尖った先端部分であり、これは、各樹木の頂点の部分に対応する（後述する図８参照。）。
[２]本発明の松くい虫の被害区分算定方法においては、前記撮影画像データに含まれる前記樹種の分光反射特性に基づいて、前記撮影画像データからアカマツ林を抽出することによってアカマツ林画像データを作成するアカマツ林画像データ作成ステップをさらに有し、当該アカマツ林画像データ作成ステップを実施した後に、前記アカマツ林ごとに、前記アカマツ林樹頂点画像データ作成ステップと、前記アカマツ林樹冠画像データ作成ステップと、前記被害区分画像データ作成ステップと、前記樹頂点別被害区分画像データ作成ステップと、前記被害区分本数算定ステップと、前記被害率区分図作成ステップとを実施することが好ましい。
これにより、アカマツ林画像データを作成することができ、作成された当該アカマツ林画像データを用いて、上記各ステップを実施することができる。なお、アカマツ林画像データ作成ステップは、調査対象となるアカマツ林を含む地域を上空から撮影して得られた撮影画像データに含まれる反射輝度値が統計的に近似のものをクラス分けして行うものであり、公知の最尤法による土地被覆分類を用いて自動的に抽出することができる。
[３]本発明の松くい虫の被害区分算定方法においては、前記撮影画像データは、秋から冬に撮影された画像データを用いることが好ましい。
このように、秋から冬に撮影された画像データを用いることで、調査対象となるアカマツ林に落葉樹が混在している場合に、当該落葉樹は落葉しているため、被害区分すなわち感染木、枯損木及び健全木の区分がし易くなり、被害区分が高い精度で可能となる。
[４]本発明の松くい虫の被害区分算定方法においては、前記感染木、枯損木及び健全木のうちの前記感染木と前記枯損木との区分は、前記松くい虫の被害を受けているアカマツから採取された被害葉と健全なアカマツから採取された健全葉の各分光反射特性に基づいて行い、前記感染木は、可視光の赤色域において前記枯損木及び前記健全木に比べて反射率が高いことで、前記枯損木及び前記健全木と区分し、前記枯損木は、近赤外域において前記感染木及び前記健全木に比べて反射率が低いことで、前記感染木及び前記健全木と区分する、ことが好ましい。
このように、感染木、枯損木及び健全木の区分を、被害葉及び健全葉の各分光反射特性に基づいて行うことにより、感染木と枯損木と健全木との区分を高精度に行うことができ、特に、感染木と枯損木との区分を高精度に行うことができる。なお、「被害葉」というのは、感染木から採取された感染葉と枯損木から採取された枯損葉の両方を指すものである。
[５]本発明の松くい虫の被害区分算定方法においては、前記アカマツ林樹頂点画像データ作成ステップは、輝度値が極大値を持つ点を自動抽出する局所最大値フィルターを用いてアカマツの樹頂点を抽出することが好ましい。
これにより、アカマツの樹頂点を精度良く抽出できる。なお、アカマツの樹頂点は、太陽光を強く反射する樹冠の尖った部分であり、前記アカマツ林画像データにおいて、反射値が最大になることから、局所最大値フィルター処理で自動的に抽出することができる。また、このような処理を行うことにより、全森林域から様々な樹冠の樹頂点を精度良く抽出できる。
[６]本発明の松くい虫の被害区分算定方法においては、前記アカマツ林樹冠画像データ作成ステップは、樹冠の縁部が樹冠部分よりも暗いことを利用して樹冠を抽出することが好ましい。
これにより、樹冠（アカマツ樹冠）を精度良く抽出できる。なお、樹冠の抽出は、前記アカマツ林画像データにおいて、樹冠の縁部(樹冠縁ともいう)が樹冠部分よりも暗いことを利用して行うものであり、これは、ブァレイフォローイング・アルゴリズム(Va11ey fo11owing a1gorithm)と自動マスク処理で自動的に抽出することにより、アカマツ林画像データから樹冠を精度良く抽出できる。なお、「樹冠の縁部」及び「樹冠部分」については後述の図８において説明する。
[７]本発明の松くい虫の被害区分算定方法においては、前記樹冠別被害区分画像データ作成ステップは、前記被害区分を感染木、枯損木及び健全木の３種類として、前記アカマツの各樹冠から感染木、枯損木及び健全木が抽出された場合、前記各樹冠から抽出された感染木、枯損木及び健全木のそれぞれの占有面積を算出し、算出された感染木、枯損木及び健全木の各占有面積のうち、占有面積が大きい被害区分を当該樹冠の被害区分とみなすことが好ましい。
これにより、１つの樹冠を１つの被害区分として区分することができる。例えば、ある樹冠において、感染木、枯損木及び健全木の各占有面積を算出した結果、当該樹冠においては、感染木の占有面積が枯損木及び健全木の各占有面積よりも大きい場合には、当該樹冠の被害区分は「感染木」とみなすということである。このように、１つの樹冠が１つの被害区分として区分されることにより、広域かつ詳細に、市町村ごとに１本単位で感染木の早期把握と、守るべき松林と防除エリアの選定を行うことができる。
[８]本発明の松くい虫の被害区分算定方法においては、前記樹頂点別被害区分画像データ作成ステップは、前記地理的情報に基づいて、前記アカマツ林樹頂点画像データを前記樹冠別被害区分画像データに重ねることによって、樹頂点ごとに、前記被害区分を特定することが好ましい。
このように、各樹頂点の被害区分を特定することで、個々の樹木ごとに被害区分を特定することができる。また、調査対象地域を上空から撮影して得られた撮影画像に被害区分を色分けした個々の樹木位置の分布画像を作成できるため、森林被害の様子をビジュアルに把握できる。なお、被害区分は感染木、枯損木及び健全木を指している。
[９]本発明の松くい虫の被害区分算定方法においては、前記被害区分本数算定ステップは、前記樹頂点別被害区分画像データに基づいて、前記アカマツ林の全領域又は任意の領域において前記地理的情報により小班と定義される森林所有者の境界データから小班区画を抽出し、抽出された小班において前記被害区分ごとに樹木の本数を算定することが好ましい。
これにより、各小班区画において、被害区分すなわち感染木、枯損木及び健全木ごとに樹木の本数を算定することができる。
[１０]本発明の松くい虫の被害区分算定装置は、調査対象となるアカマツ林を含む地域を上空から撮影して得られた撮影画像データに含まれる樹種の分光反射特性に基づいて作成されたアカマツ林画像データを用いて、前記アカマツ林に含まれるアカマツの本数を被害区分別に算定する松くい虫の被害区分算定装置であって、前記アカマツ林画像データに基づいて、前記アカマツの各樹頂点を抽出し、前記各樹頂点に関するアカマツ林樹頂点画像データを作成するアカマツ林樹頂点画像データ作成部と、前記アカマツ林画像データに基づいて、前記アカマツの各樹冠を抽出し、前記各樹冠に関するアカマツ林樹冠画像データを作成するアカマツ林樹冠画像データ作成部と、前記アカマツ林樹冠画像データと、松くい虫の被害を受けているアカマツから採取された被害葉及び健全なアカマツから採取された健全葉の各分光反射特性とに基づいて、前記各樹冠の領域における感染木、枯損木及び健全木の分光反射特性を作成し、作成した感染木、枯損木及び健全木の分光反射特性に基づいて樹冠別の被害区分を特定して、樹冠別被害区分画像データを作成する樹冠別被害区分画像データ作成部と、前記樹冠別被害区分画像データと前記アカマツ林樹頂点画像データとに基づいて、樹頂点別に前記被害区分を特定して、樹頂点別被害区分画像データを作成する樹頂点別被害区分画像データ作成部と、前記樹頂点別被害区分画像データと地理的情報とに基づいて、前記アカマツ林の全領域又は任意の領域に含まれるアカマツの本数を前記被害区分ごとに算定する被害区分本数算定部と、前記被害区分本数算定結果に基づいて、当該アカマツ林の全領域又は任意の領域に含まれる感染木と枯損木とを合計した被害木本数を、当該アカマツ林の全領域又は任意の領域に含まれるアカマツの全体本数で除することで得られる被害率を計算して被害率区分図を作成する被害率区分図作成部と、
を有すること特徴とする。
を有すること特徴とする。
本発明によれば、上記[１]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
[１１]本発明の松くい虫の被害区分算定装置においては、前記樹種の分光反射特性に基づいて前記撮影画像データからアカマツ林を抽出することによってアカマツ林画像データを作成するアカマツ林画像データ作成部をさらに有し、当該アカマツ林画像データ作成部によってアカマツ林画像データの作成を実施した後に、前記アカマツ林ごとに、前記アカマツ林樹頂点画像データ作成部による前記アカマツ林樹頂点画像データの作成と、前記アカマツ林樹冠画像データ作成部による前記アカマツ林樹冠画像データの作成と、前記樹冠別被害区分画像データ作成部による前記樹冠別被害区分画像データの作成と、前記樹頂点別被害区分画像データ作成部による前記樹頂点別被害区分画像データ作成と、前記被害区分本数算定部による前記被害区分本数算定と、前記被害率区分図作成部による前記被害率区分図の作成とを実施することが好ましい。
これにより、上記[２]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
[１２]本発明の松くい虫の被害区分算定装置においては、前記撮影画像データは、秋から冬に撮影された画像データを用いることが好ましい。
これにより、上記[３]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
[１３]本発明の松くい虫の被害区分算定装置においては、前記感染木、枯損木及び健全木のうちの前記感染木と前記枯損木との区分は、前記松くい虫の被害を受けているアカマツから採取された被害葉と健全なアカマツから採取された健全葉の各分光反射特性に基づいて行い、前記感染木は、可視光の赤色域において前記枯損木及び前記健全木に比べて反射率が高いことで、前記枯損木及び前記健全木と区分し、前記枯損木は、近赤外域において前記感染木及び前記健全木に比べて反射率が低いことで、前記感染木及び前記健全木と区分する、ことが好ましい。
これにより、上記[４]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
[１４]本発明の松くい虫の被害区分算定装置においては、前記アカマツ林樹頂点画像データ作成部は、輝度値が極大値を持つ点を自動抽出する局所最大値フィルターを用いて樹頂点を抽出することが好ましい。
これにより、上記[５]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
[１５]本発明の松くい虫の被害区分算定装置においては、前記アカマツ林樹冠画像データ作成部は、樹冠の縁部が樹冠部分よりも暗いことを利用して行うものであり、これは、ブァレイフォローイング・アルゴリズムと自動マスク処理で自動的に抽出することが好ましい。
これにより、上記[６]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
[１６]本発明の松くい虫の被害区分算定装置においては、前記樹冠別被害区分画像データ作成ステップは、前記被害区分を感染木、枯損木及び健全木の３種類として、前記アカマツの各樹冠から感染木、枯損木及び健全木が抽出された場合、前記各樹冠から抽出された感染木、枯損木及び健全木のそれぞれの占有面積を算出し、算出された感染木、枯損木及び健全木の各占有面積のうち、占有面積が大きい被害区分を当該樹冠の被害区分とみなすことが好ましい。
これにより、上記[７]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
[１７]本発明の松くい虫の被害区分算定装置においては、前記樹頂点別被害区分画像データ作成ステップは、前記地理的情報に基づいて、前記アカマツ林樹頂点画像データを前記樹冠別被害区分画像データに重ねることによって、樹頂点ごとに、前記被害区分を特定することが好ましい。
これにより、上記[８]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
[１８]本発明の松くい虫の被害区分算定装置においては、前記被害区分本数算定部は、前記樹頂点別被害区分画像データに基づいて、前記アカマツ林の全領域又は任意の領域において前記地理的情報により小班と定義される森林所有者の境界データから小班区画を抽出し、抽出された小班において前記被害区分ごとに樹木の本数を算定することが好ましい。
これにより、上記[９]に記載の松くい虫の被害区分算定方法と同様の効果が得られる。なお、本発明の松くい虫の被害区分算定装置は、当該松くい虫の被害区分算定装置に含まれる上記各構成要素が有する機能がコンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
以下、本発明の実施形態を図面に基づき記述する。
図１は、実施形態における松くい虫の被害区分算定装置１００の構成を示す図である。実施形態に係る松くい虫の被害区分算定装置１００は、図１に示すように、撮影画像データ入力部１０と、アカマツ林画像データ作成部２０と、アカマツ林樹頂点画像データ作成部３１と、アカマツ林樹冠画像データ作成部３２と、樹冠別被害区分画像データ作成部３３、樹頂点別被害区分画像データ作成部３４と、被害区分本数算定部４０と、被害率区分図作成部５０とを有している。なお、アカマツ林樹頂点画像データ作成部３１と、アカマツ林樹冠画像データ作成部３２と、樹冠別被害区分画像データ作成部３３と、樹頂点別被害区分画像データ作成部３４とによって、アカマツ林樹頂点別被害区分システム３０が構成される。
撮影画像データ入力部１０は、調査対象となるアカマツ林を含む地域（調査対象地域という。）を上空から撮影して得られた撮影画像データを入力する機能を有している。
アカマツ林画像データ作成部２０は、撮影画像データに含まれる樹種の分光反射特性に基づいて、撮影画像データからアカマツ林を抽出することによってアカマツ林画像データを作成する機能を有している。
アカマツ林樹頂点画像データ作成部３１は、アカマツ林画像データに基づいて、アカマツの各樹頂点を抽出し、各樹頂点に関するアカマツ林樹頂点画像データを作成する機能を有している。具体的には、アカマツ林樹頂点画像データ作成部３１は、輝度値が極大値を持つ点を自動抽出する局所最大値フィルターを用いてアカマツの樹頂点を抽出する。
アカマツ林樹冠画像データ作成部３２は、アカマツ林画像データに基づいて、アカマツの各樹冠を抽出し、各樹冠に関するアカマツ林樹冠画像データを作成する機能を有している。具体的には、アカマツ林樹冠画像データ作成部３２は、樹冠の縁部（樹冠縁）が樹冠部分よりも暗いことを利用して樹冠を抽出する。
樹冠別被害区分画像データ作成部３３は、アカマツ林樹冠画像データと、松くい虫の被害を受けているアカマツから採取された被害葉及び健全なアカマツから採取された健全葉の各分光反射特性とに基づいて、各樹冠の領域における感染木、枯損木及び健全木の分光反射特性を作成し、作成した感染木、枯損木及び健全木の分光反射特性に基づいて樹冠別の被害区分（感染木、枯損木及び健全木）を特定して、樹冠別被害区分画像データを作成する機能を有している。
具体的には、樹冠別被害区分画像データ作成部３３は、松くい虫の被害区分を感染木、枯損木及び健全木の３種類として、アカマツの各樹冠から感染木、枯損木及び健全木が抽出された場合、各樹冠から抽出された感染木、枯損木及び健全木のそれぞれの占有面積を算出し、算出された感染木、枯損木及び健全木の各占有面積のうち、占有面積が大きい被害区分を当該樹冠の被害区分とみなすことによって、樹冠別被害区分画像データを作成する。
樹頂点別被害区分画像データ作成部３４は、樹冠別被害区分画像データとアカマツ林樹頂点画像データとに基づいて、樹頂点別に被害区分（感染木、枯損木及び健全木）を特定して、樹頂点別被害区分画像データを作成する機能を有している。具体的には、樹頂点別被害区分画像データ作成部３４は、地理的情報に基づいて、アカマツ林樹頂点画像データを樹冠別被害区分画像デ−タに重ねることによって、樹頂点ごとに被害区分を特定して樹頂点別被害区分画像データを作成する。なお、地理情報というのは、この場合、都道府県などで整備されている森林の管理台帳などに登録されている森林域の全領域又は任意の領域を指す。当該地理情報は、図１に示す地理情報システム（ＧＩＳという。）６０に登録されている。
被害区分本数算定部４０は、樹頂点別被害区分画像データと地理的情報とに基づいて、アカマツ林の全領域又は任意の領域に含まれるアカマツの本数を被害区分（感染木、枯損木及び健全木）ごとに算定して被害区分本数の算定を行う機能を有している。具体的には、被害区分本数算定部は、松くい虫の被害区分を感染木、枯損木及び健全木の３種類として、各被害区分（感染木、枯損木及び健全木）ごとに、アカマツ林の全領域又は任意の領域において、小班と定義される森林所有者の境界データに基づいて小班区画を抽出し、抽出された小班に関する被害区分ごとに樹木の本数を算定する。
被害率区分図作成部５０は、被害区分本数算定結果に基づいて、アカマツ林の全領域又は任意の領域に含まれる感染木と枯損木とを合計した被害木本数を、当該アカマツ林の全領域又は任意の領域に含まれるアカマツの全体本数で除することで得られる被害率を計算して被害率区分図を作成する機能を有している。
なお、被害率区分図を作成する際においては、被害区分本数算定部４０で算定された被害区分（感染木、枯損木及び健全木）のそれぞれの本数、感染木と枯損木とを合計した被害木本数、全体本数（合計）及び被害率などをデータベース化し、当該データベース化した内容に基づいて、作表したり、森林調査簿データベース（この場合、都道府県などで整備されている森林の管理台帳などのデータベース：例えば図１４参照。）又は地理情報システム（Ｇ１Ｓ）に登録したりする。そして、当該作表した内容や、森林調査簿データベース又はＧ１Ｓに登録した内容に基づいて被害率区分図を作成する。
また、図１に示した松くい虫の被害区分算定装置１００は、当該松くい虫の被害区分算定装置１００に含まれる上記各構成要素が有する機能が、コンピュータのプログラムとしてインストールされており、上記各構成要素に所定のデータを与えることによって、それぞれの構成要素が持つ機能がコンピュータのソフトウエア上で実行されるものである。
図２は、実施形態に係る松くい虫の被害区分算定方法における松くい虫の被害区分算定処理を説明するフローチャートである。松くい虫の被害区分算定処理の手順は、図２に示すように、調査対象となるアカマツ林を含む地域を上空から撮影して得られた撮影画像データに対応する撮影画像（カラー画像）の表示を行う（ステップＳ１０）。また、撮影画像データに含まれる樹種の分光反射特性に基づいて抽出されたアカマツ林に関するアカマツ林画像データを作成する（ステップＳ２０）。そして、アカマツ林画像データに基づいて、アカマツの各樹頂点を抽出し、各樹頂点に関するアカマツ林樹頂点画像データを作成する（ステップＳ３１）とともに、アカマツ林画像データに基づいて、前記アカマツの各樹冠を抽出し、各樹冠に関するアカマツ林樹冠画像データを作成する（ステップＳ３２）。
その後、アカマツ林樹冠画像データと、松くい虫の被害を受けているアカマツから採取された被害葉及び健全なアカマツから採取された健全葉の各分光反射特性とに基づいて、各樹冠の領域における感染木、枯損木及び健全木の分光反射特性を作成し、樹冠別に被害区分（感染木、枯損木及び健全木）を特定して樹冠別被害区分画像データを作成する（ステップＳ３３）。
そして、樹冠別被害区分画像データとアカマツ林樹頂点画像データとに基づいて、樹頂点別に被害区分（感染木、枯損木及び健全木）を特定して樹頂点別被害区分画像データを作成する(ステップＳ３４)。その後、樹頂点別被害区分画像データと地理的情報とに基づいて、アカマツ林の全領域又は任意の領域に含まれるアカマツの本数を被害区分（感染木、枯損木及び健全木）ごとに算定して被害区分本数算定データを作成する（ステップＳ４０）。
その後、被害区分本数算定データに基づいて、当該アカマツ林の全領域又は任意の領域に含まれる感染木と枯損木とを合計した被害木本数を、当該アカマツ林の全領域又は任意の領域に含まれるアカマツの全体本数で除することで得られる被害率を計算して被害率区分図を作成する（ステップＳ５０）。
図３は、松くい虫被害林における感染木の集団と枯損木の集団とを示す図である。図３において、領域１は感染木の集団を示しており、領域２は枯損木の集団を示している。なお、図３はモノクロ画像であるため、図３からは、感染木の集団（領域１）及び枯損木の集団（領域２）は色別として読み取ることは困難であるが、実際には、図３の元となるカラー画像上では、感染木の集団（領域１）は、くすんだ緑から茶色に変わりつつある色で示され、枯損木の集団（領域２）は全体が茶色で示されているため、ディスプレイ上において表示される撮影画像（カラー画像）上では、感染木の集団（領域１）及び枯損木の集団（領域２）を容易に読み取ることができる。
図４は、分光反射計による健全葉、感染葉、枯損葉の測定を行う際に使用する機材及び測定対象葉の一例を示す図である。測定を行う際に使用する機材としては、図４に示すように、分光反射計３、標準白色版４を用いる。また、図４において、測定対象葉としては健全葉５が示されているが、感染葉及び枯損葉(これらの図示は省略する。)も測定対処葉として用いる。分光反射特性は太陽から放射される電磁波の可視域から近赤外域までの波長ごとの反射の強さを表すもので、標準白色版４の反射の強さを１００として、その比を分光反射率とする。なお、健全葉とは健全木から採取された葉であり、感染葉は感染木から採取された葉であり、枯損葉とは採取された葉である。なお、図４はモノクロ画像であるため、図４からは、アカマツの健全葉が緑色であることを読み取ることは困難であるが、実際には、健全葉は濃い緑色となっている。
図５は、松くい虫の被害葉と健全葉の分光反射特性を示す図である。なお、松くい虫の被害葉というのは、感染葉と枯損葉を指している。松くい虫の被害葉と健全葉の分光反射特性は、実在する地域のアカマツの被害林分から感染木（当年生被害木：葉が黄緑に変色し元気のない松）、枯損木（前年度被害木：葉が茶色になって枯れた松）、健全木の各樹冠から感染葉、枯損葉、健全葉を採取して、図４に示すように人工衛星や航空機センサと同じ観測波長を計測できる分光反射計３で計測した結果、図５に示すような分光反射特性が得られた。
図５において、太い実線で示す曲線Ｌ１は健全葉の分光反射特性を示し、破線で示す曲線Ｌ２は枯損葉の分光反射特性を示し、白抜きの実践で示す曲線Ｌ３は感染葉の分光反射特性を示している。分光反射特性は太陽から放射される電磁波の可視域から近赤外域までの波長ごとの反射の強さを表すもので、標準白色版を１００として、その比を反射率とする。
図５に示すように、３種の葉（感染葉、枯損葉及び健全葉）の分光反射特性に違いがあることから、感染葉、枯損葉及び健全葉の区分ができることを発見した。すなわち、図５に示すように、枯損葉の分光反射特性（曲線Ｌ２）によれば、枯損葉は近赤外域（７７０ｎｍ〜８３０ｎｍ）７で反射率が極めて低いことで、感染葉及び健全葉と容易に区分できる。一方、感染葉の分光反射特性（曲線Ｌ３）によれば、感染葉は可視光の赤色域（６７０ｎｍ〜７１０ｎｍ）６でクロロフィルと水分の減少により光合成能力が劣り電磁波の吸収が減少することにより、反射率が健全葉及枯損葉より高くなる。このため、感染葉は枯損葉及び健全葉と区分できる。
この結果は、図５に示すように、通常の人工衛星の観測波長（可視域の青・緑・赤、近赤外域）における４チャンネル（ｃｈ）の近赤外域で枯損葉を感染葉及び健全葉に対して区分でき、最新型の８チャンネル人工衛星では、図５に示すように、可視域の赤色域においては３チャンネルと多波長であることから、感染葉を枯損葉及健全葉に対して、高精度に区分できることを示している。
このように、３種の葉（感染葉、枯損葉及び健全葉）の分光反射特性に違いによって、感染葉、枯損葉及び健全葉の区分を行うことにより、感染木、枯損木及び健全木の区分を高精度に行うことができる。特に、感染木と枯損木との区分についても高精度に行うことができる。
図６は、ディスプレイ上に表示された撮影画像を示す図である。図６に示す撮影画像は、調査対象となるアカマツ林を含む地域を上空から撮影して得られた撮影画像データに対応する画像である。当該撮影画像において、全体的に黒色で示されている領域は森林域であり、白色で示されている領域は、集落及び田畑などである。また、森林域においても、アカマツ林の領域とその他の樹木の領域とが存在する。
なお、図６はモノクロ画像であるため、図６からは、アカマツ林の領域と、その他の樹木の領域とは色別として読み取ることは困難であるが、実際には、図６の元となるカラー画像上では、アカマツ林は紫色で示され、その他の樹木による森林域は緑色で示されているため、ディスプレイ上において表示される撮影画像（カラー画像）上では、アカマツ林とその他の樹木とを容易に区別することができる。
図７は、ディスプレイ上に表示されたアカマツ林画像を示す図である。図７に示すアカマツ林画像は、アカマツ林画像データ作成部２０によって作成されたアカマツ林画像データに対応する画像である。当該アカマツ林画像は、図６に示す撮影画像においてアカマツ林の領域を抽出するために、アカマツ林の領域を特定の色（橙色とする。）で表したものである。なお、図７はモノクロ画像であるため、図７からは、アカマツ林を橙色として読み取ることは困難であるが、実際には、図７の元となるカラー画像上では、アカマツ林は橙色で示されているため、ディスプレイ上において表示される撮影画像（カラー画像）上では、アカマツ林を容易に読み取ることができる。
図８は、樹木の樹頂点と樹冠を説明する図である。図８（ａ）は森林を地上の横（ほぼ水平方向）から見た場合を模式的に示す図であり、図８（ｂ）は森林を上空からほぼ垂直方向に見た場合を模式的に示す図である。図８において、樹頂点を「Ｐｅ」で表し、樹冠を「Ｔｉ」で表している。複数の樹木が近接して存在するような場合、上空からみると、樹冠が３つの樹木の各樹冠が重なり合うため、図８（ｂ）に示すように、１つの樹冠（図８（ｂ）における実線で示す）ように撮影される。なお、個々の樹冠Ｔｉにおいて当該樹冠Ｔｉの輪郭線ＴｉＬを「樹冠の縁部（樹冠縁）」とし、輪郭線ＴｉＬの内部（輪郭線ＴｉＬで囲まれている部分）を「樹冠部分」とする。また、樹冠の縁部及び樹冠の内部を総称して「樹冠の領域」という。
図９は、ディスプレイ上に表示されたアカマツ林画像から抽出したアカマツ林樹頂点画像を示す図である。図９に示すアカマツ林樹頂点画像は、アカマツ林樹頂点画像データ作成部３１によって作成されたアカマツ林樹頂点画像データに対応する画像である。当該アカマツ林樹頂点画像は、図７において説明したような処理（アカマツ林を抽出するための処理）を施した画像から、太陽光を強く反射し、アカマツ林樹冠内で最大値の各樹頂点を局所最大値フィルター処理で自動的に抽出することによって得ることができる。このような処理を施すことによって、肉眼判読では困難な樹頂点を、精度良く抽出することができる。なお、図９は図７に示す画像の所定の領域を拡大して示すものである。
図９はモノクロ画像であるため、図９においては、アカマツ林は黒色で示され、各アカマツの樹頂点は白い点で示されている。このため、図９からは、アカマツ林の領域及びその他の樹木による領域を色別として読み取ることは困難であるが、実際には、図９の元となるカラー画像上では、アカマツ林は特定の色（図９においては図７と異なり紫色）で示され、その他の樹木による森林域は緑色で示されているため、ディスプレイ上において表示される撮影画像（カラー画像）上では、アカマツ林とその他の樹木とを容易に区別することができる。
図１０は、ディスプレイ上に表示されたアカマツ林樹冠画像を示す図である。図１０に示すアカマツ林樹冠画像は、アカマツ林樹冠画像データ作成部３２によって作成されたアカマツ林樹冠画像データに対応する画像である。図１０に示すアカマツ林樹冠画像は、図９に示すアカマツ林樹頂点画像と同様に、アカマツ林は黒色で示されており、白抜きで囲まれた小領域が各々の樹冠を表している。
なお、図１０はモノクロ画像であるため、図１０からは、アカマツ林の領域とその他の樹木による領域は色別として読み取ることは困難であるが、実際には、図１０の元となるカラー画像上では、アカマツ林は図９と同様に、紫色で示され、その他の樹木による森林域は緑色で示されているため、ディスプレイ上において表示される撮影画像（カラー画像）上では、アカマツ林とその他の樹木とを容易に区別することができる。
ところで、樹冠の抽出は、樹冠の縁部が樹冠部分よりも暗いことを利用して行うものであり、このように樹冠を抽出する技術は、公知のブァレイフォローイング・アルゴリズムと自動マスク処理によって可能となるものであり、例えば、下記の公知文献１が知られている。公知文献１は、ブァレイフォローイング・アルゴリズムを用いて、樹冠の抽出を求めるものである。
公知文献１：Masato Katoh、Francois Gougeon、Don Leckie “Application of high-resolution airborne data using individual tree crowns in Japanese conifer plantations“、Journal of Forestry Research １４（１）、２００９年、Ｐ、１０〜１９
図１１は、ディスプレイ上に表示された樹冠別被害区分画像を示す図である。図１１に示す被害区分画像は、樹冠別被害区分画像データ作成部３３によって作成された樹冠別被害区分画像データに対応する画像である。
なお、図１１に示す樹冠別被害区分画像においては、感染木の集団が存在する領域８と枯損木の集団が存在する領域９とがそれぞれ複数箇所ずつ存在するが、図１１はモノクロ画像であるため、図１１からは、感染木の集団が存在する領域８、枯損木の集団が存在する領域９を色別として読み取ることは困難である。しかし、実際には、図１１の元となるカラー画像上では、感染木の集団が存在する領域８と枯損木の集団が存在する領域９とを色別として読み取ることは容易である。この場合、図１１の元となるカラー画像上では、感染木の集団が存在する領域８は明るい茶色で示され、枯損木の集団が存在する領域９は濃い茶色で示されているため、ディスプレイ上において表示される撮影画像（カラー画像）上では、感染木の集団が存在する領域８と枯損木の集団が存在する領域９とを容易に読み取ることができる。
図１２は、ディスプレイ上に表示された樹頂点別被害区分画像を示す図である。図１２に示す樹頂点別被害区分画像は、樹頂点別被害区分画像データ作成部３４によって作成された樹頂点別被害区分画像データに対応する画像である。
図１２において、各樹木（アカマツ）の樹頂点は、個々のアカマツごとに位置情報のＸ、Ｙ座標を有している。このため、ＧＰＳ（Global Positioning System）によって感染木、枯損木及び健全木の現地確認ができる。
なお、図１２はモノクロ画像であるため、感染木は樹頂点が灰色で示され、枯損木は樹頂点が黒色で示され、健全木は樹頂点が白色で示されている。このため、図１２からは感染木、枯損木及び健全木を明確に区別することは困難である。しかし、図１２の元となるカラー画像上では、感染木、枯損木及び健全木を読み取ることは容易である。この場合、図１２の元となるカラー画像上では、感染木は樹頂点が明るい茶色で示され、枯損木は樹頂点が赤色で示され、健全木は樹頂点が白色で示されているため、ディスプレイ上において表示される撮影画像（カラー画像）上では、感染木、枯損木及び健全木を容易に読み取ることができる。
図１３は、ディスプレイ上に表示された松くい虫の被害区分本数算定画像を示す図である。なお、図１３は図１２に示されている森林域よりも広い範囲の森林域が示されている。被害区分本数算定部４０は、図１３に示す被害区分本数算定画像に基づいて被害区分本数を算定する。
被害区分本数算定部４０は、上記したように、樹頂点別被害区分画像データと地理的情報とに基づいて、アカマツ林の全領域又は任意の領域に含まれるアカマツの本数を被害区分（感染木、枯損木及び健全木）ごとに算定する。図１３においては、小班と定義される森林所有者の境界データに基づいて小班区画（図１３において白抜きの線で囲まれた区画）を抽出し、抽出された小班区画に関する被害区分ごとに樹木の本数を算定する。
なお、図１３はモノクロ画像であるため、図１３からは、感染木、枯損木及び健全木を色別として読み取ることは困難であるが、実際には、図１３の元となるカラー画像上では、感染木、枯損木及び健全木を読み取ることは容易である。この場合、図１３の元となるカラー画像上では、感染木は明るい茶色で示され、枯損木は赤色で示され、健全木は白色で示されているため、ディスプレイ上において表示される撮影画像（カラー画像）上では、感染木、枯損木及び健全木を容易に読み取ることができる。
図１４は、ディスプレイ上に表示された被害状況データベースの一例を示す図である。例えば、被害区分本数算定部４０で算定された感染木、枯損木及び健全木のそれぞれの本数、感染木と枯損木とを合計した被害木本数、合計（全体本数）、被害率などを、各林班の各小班に対応付けて記録する。なお、被害率は、各小班における被感染木と枯損木の合計した被害木本数を全体本数（合計）で除することで得られる。
そして、図１４に示すような被害状況データベースの内容に基づいて、作表したり、森林調査簿データベース（この場合、都道府県などで整備されている森林の管理台帳などのデータベース）又は地理情報システム（Ｇ１Ｓ）に登録したりする。これにより、アカマツ林の全領域又は任意の領域である小班における被害区分別の樹木本数を把握できるため、被害状況の診断と報告に有効である。
図１５は、ディスプレイ上に表示された被害率区分図を示す図である。当該被害率区分図は、松くい虫による森林被害対策を進めている都道府県や市町村で求められている出力図である。当該被害率区分図は、アカマツ林における松くい虫の被害状況を視覚的に容易に理解できる資料として用いることができる。なお、図１５において、被害率を示す凡例は被害率を５〜１０パーセントごとに色分けし、どこの森林域や小班で被害があるのか一目で把握でき、松くい虫被害の対策に生かすことができる。
なお、図１５はモノクロ画像であるため、図１５からは、被害率を色別として読み取ることは困難であるが、実際には、図１５の元となるカラー画像上では、被害率を色別として読み取ることは容易である。一例を挙げると、濃い緑色で示されている領域は被害率が０％、黄緑色で示されている領域は被害率が６％〜１０％であり、濃い赤色で示されている範囲は被害率が３１％〜６２％である。
このような被害率区分図をアカマツ林における松くい虫の被害状況を示す資料として用いることにより、森林管理者や技術者などが市町村単位で松くい虫被害の詳細な被害分布をつかむことができ、被害の拡大を防ぐため最前線の感染木や枯損木の集団をとらえ、的確に防除する上での計画立案や森林管理に有効となる。従って、従来のように、調査員が森林を歩いて被害の様子を実際に見て回ることによって、松くい虫の被害状況などを把握する必要がなくなるため、調査に必要な人件費を削減することができるとともに調査に必要な時間も短縮することができ、松くい虫の被害区分の算定を高精度にかつ安価な費用で短時間に実現可能となる。
１・・・感染木の集団が存在する領域、２・・・枯損木の集団が存在する領域、３・・・分校放射計、４・・・標準白色板、５・・・測定対象となる葉（健全葉）、１０・・・撮影画像データ入力部、２０・・・アカマツ林画像データ作成部、３０・・・アカマツ林樹頂点別被害区分システム、３１・・・アカマツ林樹頂点画像データ作成部、３２・・・アカマツ林樹冠画像データ作成部、３３・・・樹冠別被害区分画像データ作成部、３４・・・樹頂点別被害区分画像データ作成部、４０・・・被害区分本数算定部、５０・・・被害率区分図作成部、６０・・・地理情報システム（ＧＩＳ）、Ｐｅ・・・樹頂点、Ｔi・・・樹冠
Claims (18)
- 調査対象となるアカマツ林を含む地域を上空から撮影して得られた撮影画像データに含まれる樹種の分光反射特性に基づいて作成されたアカマツ林画像データを用いて、前記アカマツ林に含まれるアカマツの本数を被害区分別に算定する松くい虫の被害区分算定方法であって、
前記アカマツ林画像データに基づいて、前記アカマツの各樹頂点を抽出し、前記各樹頂点に関するアカマツ林樹頂点画像データを作成するアカマツ林樹頂点画像データ作成ステップと、
前記アカマツ林画像データに基づいて、前記アカマツの各樹冠を抽出し、前記各樹冠に関するアカマツ林樹冠画像データを作成するアカマツ林樹冠画像データ作成ステップと、
前記アカマツ林樹冠画像データと、松くい虫の被害を受けているアカマツから採取された被害葉及び健全なアカマツから採取された健全葉の各分光反射特性とに基づいて、前記各樹冠の領域における感染木、枯損木及び健全木の分光反射特性を作成し、作成した感染木、枯損木及び健全木の分光反射特性に基づいて樹冠別の被害区分を特定して、樹冠別被害区分画像データを作成する樹冠別被害区分画像データ作成ステップと、
前記樹冠別被害区分画像データと前記アカマツ林樹頂点画像データとに基づいて、樹頂点別に前記被害区分を特定して、樹頂点別被害区分画像データを作成する樹頂点別被害区分画像データ作成ステップと、
前記樹頂点別被害区分画像データと地理的情報とに基づいて、前記アカマツ林の全領域又は任意の領域に含まれるアカマツの本数を前記被害区分ごとに算定する被害区分本数算定ステップと、
前記被害区分本数算定結果に基づいて、当該アカマツ林の全領域又は任意の領域に含まれる感染木と枯損木とを合計した被害木本数を、当該アカマツ林の全領域又は任意の領域に含まれるアカマツの全体本数で除することで得られる被害率を計算して被害率区分図を作成する被害率区分図作成ステップと、
を有すること特徴とする松くい虫の被害区分算定方法。 - 請求項１に記載の松くい虫の被害区分算定方法において、
前記撮影画像データに含まれる前記樹種の分光反射特性に基づいて、前記撮影画像データからアカマツ林を抽出することによってアカマツ林画像データを作成するアカマツ林画像データ作成ステップをさらに有し、当該アカマツ林画像データ作成ステップを実施した後に、前記アカマツ林ごとに、前記アカマツ林樹頂点画像データ作成ステップと、前記アカマツ林樹冠画像データ作成ステップと、前記被害区分画像データ作成ステップと、前記樹頂点別被害区分画像データ作成ステップと、前記被害区分本数算定ステップと、前記被害率区分図作成ステップと、を実施すること特徴とする松くい虫の被害区分算定方法。 - 請求項１又は２に記載の松くい虫の被害区分算定方法において、
前記撮影画像データは、秋から冬に撮影された画像データを用いることを特徴とする松くい虫の被害区分算定方法。 - 請求項１〜３のいずれかに記載の松くい虫の被害区分算定方法において、
前記感染木、枯損木及び健全木のうちの前記感染木と前記枯損木との区分は、前記松くい虫の被害を受けているアカマツから採取された被害葉と健全なアカマツから採取された健全葉の各分光反射特性に基づいて行い、
前記感染木は、可視光の赤色域において前記枯損木及び前記健全木に比べて反射率が高いことで、前記枯損木及び前記健全木と区分し、
前記枯損木は、近赤外域において前記感染木及び前記健全木に比べて反射率が低いことで、前記感染木及び前記健全木と区分する、
ことを特徴とする松くい虫の被害区分算定方法。 - 請求項１〜４のいずれかに記載の松くい虫の被害区分算定方法において、
前記アカマツ林樹頂点画像データ作成ステップは、輝度値が極大値を持つ点を自動抽出する局所最大値フィルターを用いてアカマツの樹頂点を抽出することを特徴とする松くい虫の被害区分算定方法。 - 請求項１〜５のいずれかに記載の松くい虫の被害区分算定方法において、
前記アカマツ林樹冠画像データ作成ステップは、樹冠の縁部が樹冠部分よりも暗いことを利用して樹冠を抽出することを特徴とする松くい虫の被害区分算定方法。 - 請求項１〜６のいずれかに記載の松くい虫の被害区分算定方法において、
前記樹冠別被害区分画像データ作成ステップは、前記被害区分を感染木、枯損木及び健全木の３種類として、前記アカマツの各樹冠から感染木、枯損木及び健全木が抽出された場合、前記各樹冠から抽出された感染木、枯損木及び健全木のそれぞれの占有面積を算出し、算出された感染木、枯損木及び健全木の各占有面積のうち、占有面積が大きい被害区分を当該樹冠の被害区分とみなすことを特徴とする松くい虫の被害区分算定方法。 - 請求項１〜７のいずれかに記載の松くい虫の被害区分算定方法において、
前記樹頂点別被害区分画像データ作成ステップは、前記地理的情報に基づいて、前記アカマツ林樹頂点画像データを前記樹冠別被害区分画像データに重ねることによって、樹頂点ごとに、前記被害区分を特定することを特徴とする松くい虫の被害区分算定方法。 - 請求項１〜８のいずれかに記載の松くい虫の被害区分算定方法において、
前記被害区分本数算定ステップは、前記樹頂点別被害区分画像データに基づいて、前記アカマツ林の全領域又は任意の領域において前記地理的情報により小班と定義される森林所有者の境界データから小班区画を抽出し、抽出された小班において前記被害区分ごとに樹木の本数を算定することを特徴とする松くい虫の被害区分算定方法。 - 調査対象となるアカマツ林を含む地域を上空から撮影して得られた撮影画像データに含まれる樹種の分光反射特性に基づいて作成されたアカマツ林画像データを用いて、前記アカマツ林に含まれるアカマツの本数を被害区分別に算定する松くい虫の被害区分算定装置であって、
前記アカマツ林画像データに基づいて、前記アカマツの各樹頂点を抽出し、前記各樹頂点に関するアカマツ林樹頂点画像データを作成するアカマツ林樹頂点画像データ作成部と、
前記アカマツ林画像データに基づいて、前記アカマツの各樹冠を抽出し、前記各樹冠に関するアカマツ林樹冠画像データを作成するアカマツ林樹冠画像データ作成部と、
前記アカマツ林樹冠画像データと、松くい虫の被害を受けているアカマツから採取された被害葉及び健全なアカマツから採取された健全葉の各分光反射特性とに基づいて、前記各樹冠の領域における感染木、枯損木及び健全木の分光反射特性を作成し、作成した感染木、枯損木及び健全木の分光反射特性に基づいて樹冠別の被害区分を特定して、樹冠別被害区分画像データを作成する樹冠別被害区分画像データ作成部と、
前記樹冠別被害区分画像データと前記アカマツ林樹頂点画像データとに基づいて、樹頂点別に前記被害区分を特定して、樹頂点別被害区分画像データを作成する樹頂点別被害区分画像データ作成部と、
前記樹頂点別被害区分画像データと地理的情報とに基づいて、前記アカマツ林の全領域又は任意の領域に含まれるアカマツの本数を前記被害区分ごとに算定する被害区分本数算定部と、
前記被害区分本数算定結果に基づいて、当該アカマツ林の全領域又は任意の領域に含まれる感染木と枯損木とを合計した被害木本数を、当該アカマツ林の全領域又は任意の領域に含まれるアカマツの全体本数で除することで得られる被害率を計算して被害率区分図を作成する被害率区分図作成部と、
を有すること特徴とする松くい虫の被害区分算定装置。 - 請求項１０に記載の松くい虫の被害区分算定装置において、
前記樹種の分光反射特性に基づいて前記撮影画像データからアカマツ林を抽出することによってアカマツ林画像データを作成するアカマツ林画像データ作成部をさらに有し、当該アカマツ林画像データ作成部によってアカマツ林画像データの作成を実施した後に、
前記アカマツ林ごとに、前記アカマツ林樹頂点画像データ作成部による前記アカマツ林樹頂点画像データの作成と、前記アカマツ林樹冠画像データ作成部による前記アカマツ林樹冠画像データの作成と、前記樹冠別被害区分画像データ作成部による前記樹冠別被害区分画像データの作成と、前記樹頂点別被害区分画像データ作成部による前記樹頂点別被害区分画像データ作成と、前記被害区分本数算定部による前記被害区分本数算定と、前記被害率区分図作成部による前記被害率区分図の作成とを実施することを特徴とする松くい虫の被害区分算定装置。 - 請求項１０又は１１に記載の松くい虫の被害区分算定装置において、
前記撮影画像データは、秋から冬に撮影された画像データを用いることを特徴とする松くい虫の被害区分算定装置。 - 請求項１０〜１２のいずれかに記載の松くい虫の被害区分算定装置において、
前記感染木、枯損木及び健全木のうちの前記感染木と前記枯損木との区分は、前記松くい虫の被害を受けているアカマツから採取された被害葉と健全なアカマツから採取された健全葉の各分光反射特性に基づいて行い、
前記感染木は、可視光の赤色域において前記枯損木及び前記健全木に比べて反射率が高いことで、前記枯損木及び前記健全木と区分し、
前記枯損木は、近赤外域において前記感染木及び前記健全木に比べて反射率が低いことで、前記感染木及び前記健全木と区分する、
ことを特徴とする松くい虫の被害区分算定装置。 - 請求項１０〜１３のいずれかに記載の松くい虫の被害区分算定装置において、
前記アカマツ林樹頂点画像データ作成部は、輝度値が極大値を持つ点を自動抽出する局所最大値フィルターを用いて樹頂点を抽出することを特徴とする松くい虫の被害区分算定装置。 - 請求項１０〜１４のいずれかに記載の松くい虫の被害区分算定装置において、
前記アカマツ林樹冠画像データ作成部は、樹冠の縁部が樹冠部分よりも暗いことを利用して樹冠を抽出することを特徴とする松くい虫の被害区分算定装置。 - 請求項１０〜１５のいずれかに記載の松くい虫の被害区分算定装置において、
前記樹冠別被害区分画像データ作成ステップは、前記被害区分を感染木、枯損木及び健全木の３種類として、前記アカマツの各樹冠から感染木、枯損木及び健全木が抽出された場合、前記各樹冠から抽出された感染木、枯損木及び健全木のそれぞれの占有面積を算出し、算出された感染木、枯損木及び健全木の各占有面積のうち、占有面積が大きい被害区分を当該樹冠の被害区分とみなすことを特徴とする松くい虫の被害区分算定装置。 - 請求項１０〜１６のいずれかに記載の松くい虫の被害区分算定装置において、
前記樹頂点別被害区分画像データ作成ステップは、前記地理的情報に基づいて、前記アカマツ林樹頂点画像データを前記樹冠別被害区分画像データに重ねることによって、樹頂点ごとに、前記被害区分を特定することを特徴とする松くい虫の被害区分算定装置。 - 請求項１０〜１７のいずれかに記載の松くい虫の被害区分算定装置において、
前記被害区分本数算定部は、前記樹頂点別被害区分画像データに基づいて、前記アカマツ林の全領域又は任意の領域において前記地理的情報により小班と定義される森林所有者の境界データから小班区画を抽出し、抽出された小班において前記被害区分ごとに樹木の本数を算定することを特徴とする松くい虫の被害区分算定装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016054551A JP6544582B2 (ja) | 2016-03-17 | 2016-03-17 | 松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016054551A JP6544582B2 (ja) | 2016-03-17 | 2016-03-17 | 松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017163934A JP2017163934A (ja) | 2017-09-21 |
| JP6544582B2 true JP6544582B2 (ja) | 2019-07-17 |
Family
ID=59908548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016054551A Active JP6544582B2 (ja) | 2016-03-17 | 2016-03-17 | 松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6544582B2 (ja) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109360376A (zh) * | 2018-09-13 | 2019-02-19 | 航天信德智图（北京）科技有限公司 | 感染松材线虫病枯死马尾松卫星监测空间数据库 |
| JP2021145557A (ja) * | 2020-03-16 | 2021-09-27 | 株式会社電通国際情報サービス | 罹病木診断システム、罹病木診断方法、及び罹病木診断プログラム |
| CN114051853B (zh) * | 2020-07-31 | 2023-01-10 | 华南农业大学 | 一种离体春梢快速鉴定高感松材线虫病马尾松的方法及其应用 |
| CN112577907B (zh) * | 2020-11-18 | 2023-03-31 | 上海市园林科学规划研究院 | 城市绿地树木树冠缺损率计算方法 |
| CN112753456B (zh) * | 2020-12-30 | 2021-12-21 | 山东农业大学 | 一种基于时空规律的松材线虫病精准防控方法及系统 |
| KR102646217B1 (ko) * | 2022-03-04 | 2024-03-08 | 충남대학교산학협력단 | 재선충병 감염증상 기반의 침엽수 생리 활력도 평가 방법 및 그 장치 |
| CN116824200B (zh) * | 2022-11-24 | 2024-08-06 | 陕西兆康林业科技有限公司 | 基于目标检测技术的林业害虫智能识别检测方法 |
| CN116977865B (zh) * | 2023-09-22 | 2024-02-06 | 北京林业大学 | 基于单木尺度的松材线虫病感病风险预测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4858793B2 (ja) * | 2009-11-12 | 2012-01-18 | 国立大学法人信州大学 | 樹木本数算定方法及び樹木本数算定装置 |
-
2016
- 2016-03-17 JP JP2016054551A patent/JP6544582B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017163934A (ja) | 2017-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6544582B2 (ja) | 松くい虫の被害区分算定方法及び松くい虫の被害区分算定装置 | |
| JP4900356B2 (ja) | 樹種分類方法及び樹種分類システム、森林現況情報の作成方法及び森林現況情報の作成システム、間伐対象区域の選定方法及び間伐対象区域の選定システム | |
| Lucas et al. | Classification of Australian forest communities using aerial photography, CASI and HyMap data | |
| Kim et al. | Distinguishing between live and dead standing tree biomass on the North Rim of Grand Canyon National Park, USA using small-footprint lidar data | |
| Coops et al. | Assessment of QuickBird high spatial resolution imagery to detect red attack damage due to mountain pine beetle infestation | |
| Mucher et al. | Land cover characterization and change detection for environmental monitoring of pan-Europe | |
| Ismail et al. | Satellite data classification accuracy assessment based from reference dataset | |
| JP4858793B2 (ja) | 樹木本数算定方法及び樹木本数算定装置 | |
| Lasaponara et al. | Remotely sensed characterization of forest fuel types by using satellite ASTER data | |
| Shouse et al. | Identification of understory invasive exotic plants with remote sensing in urban forests | |
| Aliero et al. | The usefulness of unmanned airborne vehicle (UAV) imagery for automated palm oil tree counting | |
| Gómez‐Sapiens et al. | Improving the efficiency and accuracy of evaluating aridland riparian habitat restoration using unmanned aerial vehicles | |
| Punalekar et al. | National scale mapping of larch plantations for Wales using the Sentinel-2 data archive | |
| Mustafa et al. | Object based technique for delineating and mapping 15 tree species using VHR WorldView-2 imagery | |
| Whiteside et al. | Extraction of tree crowns from high resolution imagery over Eucalypt dominant tropical savannas | |
| Jusoff | Sustainable management of a matured oil palm plantation in UPM Campus, Malaysia using airborne remote sensing | |
| Stone et al. | Integrating plantation health surveillance and wood resource inventory systems using remote sensing | |
| Jaya et al. | Spatial analysis of vegetation density classification in determining environmental impacts using uav imagery | |
| ES2245250A1 (es) | Procedimiento para la discriminacion de usos de suelo y la cuantificacion de cubierta vegetal mediante teledeteccion con fotografia aerea. | |
| Greene et al. | Use of Aerial Remote Sensing to Detect Pre-Coning Wilding Conifers in a Dry Grassland Environment | |
| Johenneken et al. | Towards multi-class forest floor analysis | |
| Burke | Shelterbelt density dynamics and their driving forces in Grand Forks County, North Dakota, 1962 to 2014 | |
| Barlow | A comparative study of raster and vector based approaches in vegetation mapping on Five Islands off the coast of Port Kembla. | |
| Steinberg | Assessment of hazard tree/snag detection using drone-based, multi-spectral sensors | |
| Mikwa et al. | Forest degradation, a methodological approach using remote sensing techniques: A review |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181226 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181228 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20181227 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190404 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190405 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190409 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20190409 |
|
| TRDD | Decision of grant or rejection written | ||
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190409 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190514 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190605 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6544582 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |