WO2023223483A1 - 地滑り災害領域検出装置、及び地滑り災害領域検出方法 - Google Patents

地滑り災害領域検出装置、及び地滑り災害領域検出方法 Download PDF

Info

Publication number
WO2023223483A1
WO2023223483A1 PCT/JP2022/020755 JP2022020755W WO2023223483A1 WO 2023223483 A1 WO2023223483 A1 WO 2023223483A1 JP 2022020755 W JP2022020755 W JP 2022020755W WO 2023223483 A1 WO2023223483 A1 WO 2023223483A1
Authority
WO
WIPO (PCT)
Prior art keywords
area
landslide disaster
unit
landslide
vegetation
Prior art date
Application number
PCT/JP2022/020755
Other languages
English (en)
French (fr)
Inventor
将敬 鈴木
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to PCT/JP2022/020755 priority Critical patent/WO2023223483A1/ja
Priority to JP2024500139A priority patent/JPWO2023223483A1/ja
Publication of WO2023223483A1 publication Critical patent/WO2023223483A1/ja

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
    • E02D17/00—Excavations; Bordering of excavations; Making embankments
    • E02D17/20—Securing of slopes or inclines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for

Definitions

  • the present disclosure relates to a landslide disaster area detection device and a landslide disaster area detection method.
  • Non-Patent Document 1 which detects disasters caused by the movement of earth and sand such as landslides, landslides, and debris flows (hereinafter referred to as "landslide disasters")
  • landslide disasters when a landslide occurs, the distribution of vegetation is Taking advantage of the characteristic that changes occur, it is possible to estimate damage caused by landslides based on changes in the vegetation index (NDVI: Normalized Difference Vegetation Index), for example, reflection spectrum characteristics, on optical images before and after the occurrence of a landslide disaster. Detect the area.
  • NDVI Normalized Difference Vegetation Index
  • An object of the present disclosure is to provide a landslide disaster area detection device that is capable of detecting landslide disaster areas in urban areas with the same accuracy as detecting landslide disaster areas in mountainous areas.
  • a landslide disaster area detection device includes a first acquisition unit that acquires remote sensing images before and after the occurrence of a landslide disaster, and a first acquisition unit that detects a vegetation area from the remote sensing images. a detection unit, a second acquisition unit that acquires a digital elevation model of the area where the landslide disaster occurred, a first calculation unit that calculates the slope angle of the target point from the digital elevation model, and a target point in the remote sensing image.
  • a first determination unit that determines that the area is a landslide disaster area in a mountainous area; a third acquisition unit that acquires SAR images before and after the occurrence of a landslide disaster; and a third acquisition unit that calculates variations in backscattering coefficients in a local area from the SAR images.
  • a generation unit that generates disaster area distribution.
  • the landslide disaster area detection device According to the landslide disaster area detection device according to the present disclosure, it is possible to detect landslide disaster areas in urban areas with the same accuracy as that for detecting landslide disaster areas in mountainous areas.
  • FIG. 2 is a functional block diagram of the landslide disaster area detection device CK according to the first embodiment.
  • 1 shows a hardware configuration of a landslide disaster area detection device CK according to the first embodiment.
  • 2 is a flowchart (part 1) showing the operation of the landslide disaster area detection device CK of the first embodiment.
  • 2 is a flowchart (part 2) showing the operation of the landslide disaster area detection device CK of the first embodiment.
  • 1 shows the vicinity of the mountainous landslide disaster area SAJ in Embodiment 1.
  • FIG. 6A shows the relationship (part 1) among the vegetation point SC, the difference evaluation value HCs, the threshold evaluation value HCth, and the landslide disaster area SIJ in the urban area according to the first embodiment.
  • FIG. 1 shows a hardware configuration of a landslide disaster area detection device CK according to the first embodiment.
  • 2 is a flowchart (part 1) showing the operation of the landslide disaster area detection device CK of the
  • FIG. 6B shows the relationship (part 2) among the vegetation point SC, the difference evaluation value HCs, the threshold evaluation value HCth, and the urban landslide disaster area SIJ of the first embodiment.
  • FIG. 6C shows the relationship (part 3) among the vegetation point SC, the difference evaluation value HCs, the threshold evaluation value HCth, and the urban landslide disaster area SIJ in the first embodiment.
  • FIG. 6D shows the relationship (part 4) among the vegetation point SC, the difference evaluation value HCs, the threshold evaluation value HCth, and the urban landslide disaster area SIJ of the first embodiment.
  • FIG. 2 is a functional block diagram of a landslide disaster area detection device CK according to a second embodiment.
  • 3 is a flowchart (part 1) showing the operation of the landslide disaster area detection device CK of the second embodiment.
  • 3 is a flowchart (part 2) showing the operation of the landslide disaster area detection device CK of the second embodiment.
  • Morphological transformation (part 1) will be shown using the kernel KN created from the slope angle KK obtained from the digital elevation model SHM of the second embodiment.
  • Morphological transformation (Part 2) will be shown using the kernel KN created from the slope angle KK obtained from the digital elevation model SHM of the second embodiment.
  • Embodiment 1 The landslide disaster area detection device CK of Embodiment 1 will be explained.
  • FIG. 1 is a functional block diagram of the landslide disaster area detection device CK according to the first embodiment. The functions of the landslide disaster area detection device CK of the first embodiment will be explained with reference to FIG. 1.
  • the landslide disaster area detection device CK of the first embodiment uses synthetic aperture radar (SAR) images to detect landslide disaster areas, which are areas where landslide disasters have occurred, in both mountainous areas and urban areas. To perform this, as shown in FIG. 1, it includes an acquisition section SH, a detection section KE, a calculation section SA, a determination section HA, and a generation section SE.
  • SAR synthetic aperture radar
  • Urban area does not mean only urban areas in a narrow sense, but in a broader sense, it refers to all areas where artificial buildings are gathered, such as urban areas, residential areas, and industrial areas.
  • the acquisition unit SH corresponds to a “first acquisition unit”, a “second acquisition unit”, and a “third acquisition unit”.
  • the detection unit KE corresponds to a “detection unit”.
  • the calculation unit SA corresponds to a “first calculation unit”, a “second calculation unit”, and a “third calculation unit”.
  • the determining unit HA corresponds to a “first determining unit,” a “second determining unit,” and a third determining unit.
  • the generation unit SE corresponds to a “generation unit”.
  • the acquisition unit SH has the following functions. - The first acquisition unit acquires a remote sensing image RG1 before the landslide disaster occurs and a remote sensing image RG2 after the landslide disaster occurs. - As a second acquisition part, acquire the digital elevation model SHM of the area where the landslide disaster occurred. - As a third acquisition unit, acquire the SAR image SG1 before the occurrence of the landslide disaster and the SAR image SG2 after the occurrence of the landslide disaster.
  • Both the remote sensing image RG and the SAR image SG are images obtained by measuring the target from a position away from the target without touching the target.
  • the detection unit KE has the following functions. - Detecting the vegetation area SR from the remote sensing images RG1 and RG2.
  • Calculation unit SA has the following functions. - As a first calculation unit, calculate the slope angle KK of the target point TC from the digital elevation model SHM. - As a second calculation unit, calculate the dispersion of the backscattering coefficient in the local region KR from the SAR images SG1 and SG2. ⁇ Calculate the difference in the variation BA before and after the landslide disaster occurs.
  • the determination unit HA has the following functions. - As a first determination unit, determine whether or not the SAJ is a landslide disaster area in a mountainous area. - The second determination area should be limited to the area around the landslide disaster area SAJ in mountainous areas. - As a third determination unit, it is determined whether or not the area is a landslide disaster area SIJ in an urban area.
  • the generation unit SE has the following functions. - Generate landslide disaster area distribution JB. ⁇ Hardware configuration of embodiment 1> FIG. 2 shows the hardware configuration of the landslide disaster area detection device CK of the first embodiment.
  • the landslide disaster area detection device CK of the first embodiment includes a processor PR, a memory ME, and a storage medium KI, as shown in FIG. It further includes NY and an output section SY.
  • the processor PR is the core of a well-known computer that operates the hardware according to the software.
  • the memory ME includes, for example, DRAM (Dynamic Random Access Memory) and SRAM (Static Random Access Memory).
  • the storage medium KI includes, for example, a hard disk drive (HDD), a solid state drive (SSD), and a ROM (Read Only Memory).
  • the storage medium KI stores the program PRG.
  • the program PRG is a group of instructions that defines the content of processing to be executed by the processor PR.
  • the input unit NY and the output unit SY are, for example, input interfaces and output interfaces for exchanging input signals NS and output signals SS related to the operation of the processor PR with the outside of the landslide disaster area detection device CK. configured.
  • the processor PR executes the program PRG stored in the storage medium KI using the memory ME, and also executes the program as necessary.
  • the functions of each section from the acquisition section SH to the generation section SE are realized.
  • FIG. 3 is a flowchart (part 1) showing the operation of the landslide disaster area detection device CK of the first embodiment.
  • FIG. 4 is a flowchart (part 2) showing the operation of the landslide disaster area detection device CK of the first embodiment.
  • Step ST11 The acquisition unit SH (shown in FIG. 1) acquires a remote sensing image RG1 before the landslide disaster occurs and a remote sensing image RG2 after the landslide disaster occurs.
  • Step ST12 The detection unit KE (shown in FIG. 1) determines whether each pixel in the remote sensing images RG1, RG2 indicates a vegetation area, and determines whether each pixel in the remote sensing images RG1, RG2 indicates a vegetation area SR (not shown). Detect coordinates.
  • Land cover classification is the classification of each pixel in the remote sensing images RG1 and RG2 captured from the sky to the ground.
  • Each pixel in the remote sensing images RG1 and RG2 aligned on the map has information as to which point on the earth it is. It is possible to investigate from the remote sensing images RG1 and RG2 what kind of object (for example, vegetation, earth and sand, asphalt) the surface of that point is covered with.
  • object for example, vegetation, earth and sand, asphalt
  • the reflectance characteristics obtained from the multispectral image are used to detect the NDVI (Normalized Difference Vegetation Index) shown in equation (1). indicators) can be used.
  • NIR Spectral reflectance in the near-infrared region
  • Red Spectral reflectance in the red region
  • a multispectral image is one in which the reflection spectrum characteristics, which have a continuous distribution with respect to wavelength, are decomposed into several wavelength bands, and image data is acquired for each wavelength band.
  • image data is acquired for each wavelength band.
  • RVI Radar thin-Vegetation Index
  • the subscript represents the polarization direction of the transmitted and received radio waves
  • H indicates the horizontal direction
  • V indicates the vertical direction.
  • ⁇ HV is a backscattering coefficient when a vertically polarized radio wave is received relative to a horizontally polarized transmitted radio wave.
  • a multi-polarized SAR image is an SAR image obtained when several polarized signals are acquired simultaneously.
  • Step ST13 The acquisition unit SH acquires the digital elevation model SHM of the area where the landslide disaster occurred.
  • Step ST14 The calculation unit SA (shown in FIG. 1) calculates the slope angle KK of the target point TC (not shown) using the digital elevation model SHM.
  • Landslide disasters are disasters in which earth and sand flow from high places to low places, so they occur at locations where the terrain is sloping.
  • the magnitude of the slope of the terrain is used as one of the criteria for determining whether a location is a location where a landslide disaster has occurred.
  • Step ST15 Determination unit HA (shown in FIG. 1) From the result of the determination of the vegetation area SR in step ST12, it is determined that the target point TC captured in the remote sensing images RG1 and RG2 is located in the vegetation area before the landslide disaster occurs. There is a possibility that this is a point that was an SR and is no longer a vegetation area SR after the occurrence of a landslide disaster, that is, it is a point that is no longer a vegetation area SR due to the occurrence of a landslide disaster. Determine whether or not.
  • Step ST16 The determination unit HA determines whether the tilt angle KK of the target point TC captured in the remote sensing images RG1 and RG2 exceeds a predetermined tilt angle threshold KKth based on the tilt angle KK calculated in step ST14. Determine whether or not.
  • Step ST17 In step ST15, the determination unit HA determines that the target point TC is likely to be a point that is no longer in the vegetation area SR due to the occurrence of a landslide disaster, and in step ST16, the target point TC When it is determined that the inclination angle KK of the TC exceeds the inclination angle threshold value KKth, the target point TC is determined to be a landslide disaster area in a mountainous area.
  • Step ST18 In contrast to step ST17, the determination unit HA determines that the target point TC described above is not a landslide disaster area in a mountainous area.
  • Step ST19 The acquisition unit SH acquires the SAR image SG1 before the landslide disaster occurs and the SAR image SG2 after the landslide disaster occurs.
  • the points photographed in the SAR images SG1 and SG2 and the times when the images were photographed are the same as the points photographed and the times when the images were photographed in the remote sensing images RG1 and RG2 (obtained in step ST11).
  • Step ST20 The calculation unit SA calculates the variation BA (not shown) of the backscattering coefficient (antilog number) in the local region KR (not shown) based on the SAR images SG1 and SG2.
  • Variation in a local area in an image refers to the non-uniformity of pixel values obtained from all pixel values when an area of M vertical pixels x horizontal N pixels is extracted (quantitatively, it refers to the variance, standard deviation, and standard deviation). It is expressed by various indicators that evaluate statistical dispersion called error.)
  • the calculation unit SA calculates the variation BA over the entire SAR images SG1 and SG2.
  • the value of the variation BA in the local region KR at the coordinates (i, j) in the image is determined from the pixel values of M pixels vertically by N pixels horizontally including the coordinates (i, j).
  • the backscattering coefficient is a backscattering coefficient expressed as a real number of 0 or more.
  • the backscattering coefficient (antilog number) is generally expressed in decibels (dB) or a real number greater than or equal to zero.
  • Step ST21 The calculation unit SA calculates the difference between before and after the occurrence of a disaster at the same point, that is, the evaluation value of the variation BA after the occurrence of a landslide disaster, with respect to the evaluation value of the variation BA of the backscattering coefficient before and after the occurrence of the landslide disaster. Calculate the difference by subtracting the evaluation value of the variation BA.
  • the contrast of the SAR images SG1 and SG2 that is, the spatial distribution of backscattering coefficients, increases.
  • the pixel values vary sharply due to differences in pixel positions. Therefore, by evaluating the variation BA within the local region KR, it is possible to determine whether the region has high contrast.
  • Step ST22 The determination unit HA determines that the difference evaluation value HCs (not shown), which is the difference between the evaluation values of the spatial variation BA of the backscattering coefficient before and after the occurrence of a landslide disaster, is a predetermined threshold evaluation value. It is determined whether or not it exceeds HCth (not shown).
  • Step ST23 The determination unit HA selects the landslides detected based on the remote sensing images RG1 and RG2 in step ST12 from the targets to be detected for the presence or absence of landslide disasters in urban areas using the SAR images SG1 and SG2 acquired in step ST19.
  • the vegetation area SR before and after the occurrence of the disaster is excluded.
  • the landslide disaster area which was the vegetation area SR before the occurrence of the landslide disaster, was detected based on the remote sensing images RG1 and RG2, and on the other hand, the vegetation area SR was This is because it is susceptible to change, which may cause false detection.
  • FIG. 5 shows the vicinity of a landslide disaster area in a mountainous area according to the first embodiment.
  • Step ST24 The determination unit HA uses a remote The area is limited to the surrounding area SYR of the mountainous landslide disaster area SAJ detected based on the sensing images RG1 and RG2.
  • the SAR images SG1 and SG2 are captured over a very wide area, and the local variation BA changes even with a slight change, for example, a change in the position of the vehicle. Therefore, as shown in FIG. 5, the target area for detecting the landslide disaster area SIJ in the urban area is limited to the surrounding area SYR of the landslide disaster area SAJ in the mountainous area.
  • a specific method for limiting the area to the surrounding area SYR is, for example, by applying smoothing processing to the image showing the landslide disaster area SAJ in the mountainous area, expanding it, and then expanding the image showing the landslide disaster area SAJ in the mountainous area.
  • Step ST25 The determining unit HA determines whether or not the vegetation point SC is before the landslide disaster occurs, and whether the vegetation site SC is not the vegetation site SC after the landslide disaster occurs.
  • Step ST26 In step ST25, the determination unit HA determines that the vegetation point is not SC before the landslide disaster occurs, and that it is not the vegetation spot SC after the landslide disaster occurs, and in step ST22, the difference evaluation value HCs is the threshold value evaluation. When it is determined that the value exceeds the value HCth, it is determined that the area is in the urban landslide disaster area SIJ.
  • Step ST27 In contrast to step ST26, the determining unit HA determines that the area is not an urban landslide disaster area SIJ.
  • FIG. 6 shows the relationship among the vegetation point SC, the difference evaluation value HCs, the threshold evaluation value HCth, and the urban landslide disaster area SIJ in the first embodiment.
  • FIG. 6A, FIG. 6B, FIG. 6C, and FIG. 6D are the vegetation point SC before the landslide disaster, the vegetation point SC after the landslide disaster, and the difference evaluation value HCs of the local variation BA of the radar backscatter coefficient, respectively. shows a point where the value has increased to an extent exceeding the above threshold evaluation value HCth, and a point determined to be a landslide disaster area SIJ in an urban area.
  • FIG. 6A shows, for example, that pixel (1, 6) was the vegetation point SC before the landslide disaster occurred.
  • FIG. 6B shows, for example, that pixel (4, 1) is the vegetation point SC after the landslide disaster occurs.
  • FIG. 6C shows, for example, that pixel (2, 1) is a point where the difference evaluation value HCs of the local variation BA of the radar backscattering coefficient has increased to the extent that it exceeds the threshold evaluation value HCth.
  • FIG. 6D shows, for example, that pixel (6, 2) is (1) not at the vegetation point SC before the landslide disaster (as illustrated in FIG. 6A), and (2) not at the vegetation point SC after the landslide disaster occurs (as shown in FIG. 6A). (Illustrated in FIG. 6B), (3) Local variation in radar backscattering coefficient Because this is the point where the difference evaluation value HCs of BA has increased to the extent that it exceeds the threshold evaluation value HCth (Illustrated in FIG. 6C), an urban area It is determined that the area is in the landslide disaster area SIJ.
  • Step ST28 (initial step ST23):
  • the generation unit SE (shown in FIG. 1) generates both the landslide disaster area SAJ in the mountainous area and the landslide disaster area SIJ in the urban area as the landslide disaster area distribution JB.
  • the landslide disaster area detection device CK of the first embodiment can detect the damaged area of the landslide disaster area SIJ in an urban area with the same accuracy as the accuracy of detecting the landslide disaster area SAJ in a mountainous area. It becomes possible to do so.
  • Embodiment 2 A landslide disaster area detection device CK according to a second embodiment will be described.
  • the landslide disaster area detection device CK of the second embodiment utilizes the characteristic that in a landslide disaster, earth and sand flows down from a high place to a low place along the slope direction. More specifically, the landslide disaster area detection device CK of the second embodiment detects landslide disaster areas SAJ in mountainous areas by performing morphological transformation using a kernel created from the slope angle KK obtained from the digital elevation model SHM. to reduce false positive detections.
  • FIG. 7 is a functional block diagram of the landslide disaster area detection device CK according to the second embodiment. The functions of the landslide disaster area detection device CK of the second embodiment will be explained with reference to FIG. 7.
  • the landslide disaster area detection device CK of the second embodiment includes an acquisition unit SH to a generation unit SE, similarly to the landslide disaster area detection device CK of the first embodiment (shown in FIG. 1). .
  • the landslide disaster area detection device CK of the second embodiment is different from the landslide disaster area detection device CK of the first embodiment, and further includes a conversion unit HE and a creation unit SS. .
  • the converter HE corresponds to a "first converter” and a "second converter”.
  • the creation section SS corresponds to the "creation section”.
  • the conversion unit HE has the following functions. - The first conversion unit converts the inclination angle at the target point TC into a tangent. - As a second conversion part, morphologically convert the landslide disaster area SAJ in the mountainous area.
  • the creation unit SS has the following functions. ⁇ Create a kernel for morphological transformation according to the magnitude of the tangent and the direction of the slope at the target point TC.
  • the hardware configuration of the landslide disaster area detection device CK of the second embodiment is the same as the hardware configuration of the landslide disaster area detection device CK of the first embodiment (shown in FIG. 2).
  • FIG. 8 is a flowchart (Part 1) showing the operation of the landslide disaster area detection device CK of the second embodiment.
  • FIG. 9 is a flowchart (part 2) showing the operation of the landslide disaster area detection device CK of the second embodiment.
  • FIGS. 8 and 9 showing the operation of the landslide disaster area detection device CK of the second embodiment
  • FIGS. 3 and 4 showing the operation of the landslide disaster area detection device CK of the first embodiment
  • the operation of the landslide disaster area detection device CK of the second embodiment is different from the operation of the landslide disaster area detection device CK of the first embodiment, and further includes steps ST51 to ST53.
  • FIG. 10 shows morphological transformation (part 1) using the kernel KN created from the slope angle KK obtained from the digital elevation model SHM of the second embodiment.
  • FIG. 11 shows the morphological transformation (part 2) using the kernel KN created from the slope angle KK obtained from the digital elevation model SHM of the second embodiment.
  • Step ST51 The conversion unit HE (shown in FIG. 7) converts the slope angle KK calculated from the digital elevation model (described in Embodiment 1) into a tangent.
  • the tilt angle KK is calculated for surrounding pixels.
  • the surrounding pixels for example, out of 3 pixels vertically x 3 pixels horizontally (9 pixels), the pixel of interest is the center pixel, and the surrounding pixels are the pixels excluding the center pixel. Refers to 8 pixels.
  • Step ST52 The creation section SS (shown in FIG. 7) is moved in the downward slope direction shown in FIG. 10 with a width proportional to the tangent of the inclination angle KK.
  • a kernel KN is created to perform image reduction processing and expansion processing (morphological transformation).
  • the above creation by the creation unit SS is based on the fact that when comparing two points, the potential energy of the earth and sand at a higher position increases in proportion to the tangent of the slope angle KK, so the outflow distance RK when the earth and sand flows out utilizes the property that KK increases according to the tangent of the inclination angle KK.
  • the direction in which the pixel value "1" is arranged as shown in FIG. 11 represents the direction in which the morphological transformation is to be performed on the plane.
  • the width of the kernel KN which indicates how many pixels apart from the center the pixel value "1" is located, represents the length of the conversion, which indicates how many pixels should be reduced or enlarged.
  • the altitude decreases downward, to the lower right, and to the right.
  • the kernel KN extends in the three directions described above.
  • Step ST53 The conversion unit HE performs morphological conversion on the mountainous landslide disaster area SAJ (determined in step ST37) using the morphological conversion kernel KN reflecting the above-mentioned slope angle KK.
  • morphological transformation is also used to remove noise. Specifically, in the shrinking process, an isolated pixel with no other adjacent pixels around it is removed by shrinking it to less than one pixel. On the other hand, in the dilation process, small detection omissions are removed by expanding and filling in the surrounding images.
  • the landslide disaster area detection device can be used to detect landslide disaster areas in urban areas with the same accuracy as that for detecting landslide disaster areas in mountainous areas.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • Paleontology (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Civil Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

地滑り災害領域検出装置（ＣＫ）は、地滑り災害の発生前後のリモートセンシング画像（ＲＧ）を取得する第１の取得部（ＳＨ）と、前記リモートセンシング画像（ＲＧ）から植生領域を検出する第１の検出部（ＫＥ）と、前記地滑り災害が発生した地域の数値標高モデル（ＳＨＭ）を取得する第２の取得部（ＳＨ）と、前記数値標高モデル（ＳＨＭ）から対象地点の傾斜角を算出する第１の算出部（ＳＡ）と、前記リモートセンシング画像（ＲＧ）中の前記対象地点が、前記地滑り災害の発生前に植生領域であった地点であり、前記地滑り災害の発生後に植生領域でなくなった地点であり、かつ、前記傾斜角が予め定められた傾斜角閾値を上回る地点であるとき、山間部の地滑り災害域（ＳＡＪ）であると判定する第１の判定部（ＨＡ）と、前記地滑り災害の発生前後のＳＡＲ画像（ＳＧ）を取得する第３の取得部（ＳＨ）と、前記ＳＡＲ画像（ＳＧ）から局所領域における後方散乱係数のばらつきを算出する第２の算出部（ＳＡ）と、前記地滑り災害の発生前後でのばらつきの差分を算出する第３の算出部（ＳＡ）と、前記山間部の地滑り災害域（ＳＡＪ）の周辺に限定する第２の判定部（ＨＡ）と、前記差分が予め定められた閾値を上回り、地滑り災害の発生前後に亘り植生領域でないとき、市街地の地滑り災害域（ＳＩＪ）であると判定する第３の判定部（ＨＡ）と、前記山間部の地滑り災害域（ＳＡＪ）及び前記市街地の地滑り災害域（ＳＩＪ）に基づき、地滑り災害域分布を生成する生成部（ＳＥ）と、を含む。

Description

地滑り災害領域検出装置、及び地滑り災害領域検出方法
　本開示は、地滑り災害領域検出装置、及び地滑り災害領域検出方法に関する。
　非特許文献１に記載された、地滑り、土砂崩れ、及び土石流など土砂の移動による災害（以下、「地滑り災害」という。）を検出する被害領域検出手法では、地滑り等のときに植生の分布に大きな変化が生じるという特徴を利用して、地滑り災害の発生の前後における、光学画像上での植生指標（NDVI：Normalized Difference Vegetation Index）、例えば、反射スペクトル特性の変化に基づき、地滑り等による被害を受けた領域を検出する。
Co-seismic landslide detection using ALOS satellite image in the Mianyuan River Basin, China, C. Denget. Et. Al., 2017 IEEE 9th ICCSN, May 2017.
　しかしながら、上記した手法では、地滑り災害の発生前に植生でなかった領域、例えば、建物及び道路等の多様な地物が存在する市街地については、上記した光学画像上での、地滑り災害の発生の前後における反射スペクトル特性の変化も多様となり、前記反射スペクトル特性の変化が一様である領域、例えば、山間部に比して、上記した検出の精度が低いとの課題があった。
　本開示の目的は、山間部における地滑り災害域を検出する精度と同様な精度で、市街地における地滑り災害域を検出することが可能である地滑り災害領域検出装置を提供することにある。
　上記した課題を解決すべく、本開示に係る地滑り災害領域検出装置は、地滑り災害の発生前後のリモートセンシング画像を取得する第１の取得部と、リモートセンシング画像から植生領域を検出する第１の検出部と、地滑り災害が発生した地域の数値標高モデルを取得する第２の取得部と、数値標高モデルから対象地点の傾斜角を算出する第１の算出部と、リモートセンシング画像中の対象地点が、地滑り災害の発生前に植生領域であった地点であり、地滑り災害の発生後に植生領域でなくなった地点であり、かつ、傾斜角が予め定められた傾斜角閾値を上回る地点であるとき、山間部の地滑り災害域であると判定する第１の判定部と、地滑り災害の発生前後のＳＡＲ画像を取得する第３の取得部と、ＳＡＲ画像から局所領域における後方散乱係数のばらつきを算出する第２の算出部と、地滑り災害の発生前後でのばらつきの差分を算出する第３の算出部と、山間部の地滑り災害域の周辺に限定する第２の判定部と、差分が予め定められた閾値を上回り、地滑り災害の発生前後に亘り植生領域でないとき、市街地の地滑り災害域であると判定する第３の判定部と、山間部の地滑り災害域及び市街地の地滑り災害域に基づき、地滑り災害域分布を生成する生成部と、を含む。
　本開示に係る地滑り災害領域検出装置によれば、山間部における地滑り災害域を検出する精度と同様な精度で、市街地における地滑り災害域を検出することが可能である。
実施形態１の地滑り災害領域検出装置ＣＫの機能ブロック図である。 実施形態１の地滑り災害領域検出装置ＣＫのハードウェア構成を示す。 実施形態１の地滑り災害領域検出装置ＣＫの動作を示すフローチャート（その１）である。 実施形態１の地滑り災害領域検出装置ＣＫの動作を示すフローチャート（その２）である。 実施形態１の山間部の地滑り災害域ＳＡＪの周辺を示す。 図６Ａは、実施形態１の植生地点ＳＣ、差分評価値ＨＣｓ、閾値評価値ＨＣｔｈ、及び市街地の地滑り災害域ＳＩＪの関係（その１）を示す。図６Ｂは、実施形態１の植生地点ＳＣ、差分評価値ＨＣｓ、閾値評価値ＨＣｔｈ、及び市街地の地滑り災害域ＳＩＪの関係（その２）を示す。図６Ｃは、実施形態１の植生地点ＳＣ、差分評価値ＨＣｓ、閾値評価値ＨＣｔｈ、及び市街地の地滑り災害域ＳＩＪの関係（その３）を示す。図６Ｄは、実施形態１の植生地点ＳＣ、差分評価値ＨＣｓ、閾値評価値ＨＣｔｈ、及び市街地の地滑り災害域ＳＩＪの関係（その４）を示す。 実施形態２の地滑り災害領域検出装置ＣＫの機能ブロック図である。 実施形態２の地滑り災害領域検出装置ＣＫの動作を示すフローチャート（その１）である。 実施形態２の地滑り災害領域検出装置ＣＫの動作を示すフローチャート（その２）である。 実施形態２の数値標高モデルＳＨＭから求めた傾斜角ＫＫから作成されたカーネルＫＮを用いてモルフォロジー変換（その１）を示す。 実施形態２の数値標高モデルＳＨＭから求めた傾斜角ＫＫから作成されたカーネルＫＮを用いてモルフォロジー変換（その２）を示す。
　本開示に係る地滑り災害領域検出装置の実施形態について説明する。
実施形態１．
〈実施形態１〉
　実施形態１の地滑り災害領域検出装置ＣＫについて説明する。
〈実施形態１の機能〉
　図１は、実施形態１の地滑り災害領域検出装置ＣＫの機能ブロック図である。実施形態１の地滑り災害領域検出装置ＣＫの機能について、図１を参照して説明する。
　実施形態１の地滑り災害領域検出装置ＣＫは、山間部及び市街地の両者における、地滑りの災害が発生した領域である地滑り災害域の検出を、合成開口レーダ（SAR:Synthetic Aperture Radar）画像を用いて行うべく、図１に示されるように、取得部ＳＨと、検出部ＫＥと、算出部ＳＡと、判定部ＨＡと、生成部ＳＥと、を含む。
　市街地とは、狭義に、市街地のみを意味するのではなく、広義に、市街地、住宅街、及び工業地等、人工的な建築物が集合する領域の全般を意味する。
　取得部ＳＨは、「第１の取得部」、「第２の取得部」、「第３の取得部」に対応する。
　検出部ＫＥは、「検出部」に対応する。
　算出部ＳＡは、「第１の算出部」、「第２の算出部」、「第３の算出部」に対応する。
　判定部ＨＡは、「第１の判定部」、「第２の判定部」、第３の判定部」に対応する。
　生成部ＳＥは、「生成部」に対応する。
　取得部ＳＨは、以下の機能を有する。
　・第１の取得部として、地滑り災害の発生前のリモートセンシング画像ＲＧ１、及び地滑り災害の発生後のリモートセンシング画像ＲＧ２を取得すること。
　・第２の取得部として、地滑り災害が発生した地域の数値標高モデルＳＨＭを取得すること。
　・第３の取得部として、地滑り災害の発生前のＳＡＲ画像ＳＧ１、及び地滑り災害の発生後のＳＡＲ画像ＳＧ２を取得すること。
　リモートセンシング画像ＲＧ及びＳＡＲ画像ＳＧの両者は、対象から離れた位置から、対象に触れることなく、対象を計測した画像である。
　検出部ＫＥは、以下の機能を有する。
　・リモートセンシング画像ＲＧ１、ＲＧ２から植生領域ＳＲを検出すること。
　算出部ＳＡは、以下の機能を有する。
　・第１の算出部として、数値標高モデルＳＨＭから対象地点ＴＣの傾斜角ＫＫを算出すること。
　・第２の算出部として、ＳＡＲ画像ＳＧ１、ＳＧ２から局所領域ＫＲにおける後方散乱係数のばらつきを算出すること。
　・地滑り災害の発生前後でのばらつきＢＡの差分を算出すること。
　判定部ＨＡは、以下の機能を有する。
　・第１の判定部として、山間部の地滑り災害域ＳＡＪであるか否かを判定すること。
　・第２の判定部として、山間部の地滑り災害域ＳＡＪの周辺に限定すること。
　・第３の判定部として、市街地の地滑り災害域ＳＩＪであるか否かを判定すること。
　生成部ＳＥは、以下の機能を有する。
　・地滑り災害域分布ＪＢを生成すること。
〈実施形態１のハードウェア構成〉
　図２は、実施形態１の地滑り災害領域検出装置ＣＫのハードウェア構成を示す。
　実施形態１の地滑り災害領域検出装置ＣＫは、上述した機能を果たすべく、図２に示されるように、プロセッサＰＲと、メモリＭＥと、記憶媒体ＫＩと、を含み、必要に応じて、入力部ＮＹと、出力部ＳＹと、更に含む。
　プロセッサＰＲは、ソフトウェアに従ってハードウェアを動作させる、よく知られたコンピュータの中核である。メモリＭＥは、例えば、ＤＲＡＭ（Ｄｙｎａｍｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）から構成される。記憶媒体ＫＩは、例えば、ハードディスクドライブ（ＨＤＤ：Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）、ソリッドステートドライブ（ＳＳＤ：Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）から構成される。記憶媒体ＫＩは、プログラムＰＲＧを記憶する。プログラムＰＲＧは、プロセッサＰＲが実行すべき処理の内容を規定する命令群である。
　入力部ＮＹ及び出力部ＳＹは、例えば、地滑り災害領域検出装置ＣＫの外部との間でプロセッサＰＲの動作に関連する入力信号ＮＳ及び出力信号ＳＳをやりとりするための入力用インターフェイス及び出力用インターフェイスから構成される。
　地滑り災害領域検出装置ＣＫにおける機能とハードウェア構成との関係については、ハードウェア上で、プロセッサＰＲが、記憶媒体ＫＩに記憶されたプログラムＰＲＧを、メモリＭＥを用いて実行すると共に、必要に応じて、入力部ＮＹ及び出力部ＳＹの動作を制御することにより、取得部ＳＨ～生成部ＳＥ（図１に図示。）の各部の機能を実現する。
〈実施形態１の動作〉
　図３は、実施形態１の地滑り災害領域検出装置ＣＫの動作を示すフローチャート（その１）である。
　図４は、実施形態１の地滑り災害領域検出装置ＣＫの動作を示すフローチャート（その２）である。
　実施形態１の地滑り災害領域検出装置ＣＫの動作について、図３、図４のフローチャートを参照して説明する。
〈山間部における地滑り災害域の検出〉
　ステップＳＴ１１：取得部ＳＨ（図１に図示。）は、地滑り災害の発生前のリモートセンシング画像ＲＧ１、及び地滑り災害の発生後のリモートセンシング画像ＲＧ２を取得する。
　ステップＳＴ１２：検出部ＫＥ（図１に図示。）は、リモートセンシング画像ＲＧ１、ＲＧ２中の各画素が植生領域を示すか否かを判定し、植生領域ＳＲ（図示せず。）を示す画素の座標を検出する。
　上空から地上を撮像したリモートセンシング画像ＲＧ１、ＲＧ２中の各画素を属性分けすることを土地被覆分類という。地図上へ位置合わせされたリモートセンシング画像ＲＧ１、ＲＧ２中の各画素は、地球上のどの地点であるかという情報を有する。その地点の表面がどのような物体（例えば、植生、土砂、アスファルト）により覆われているかをリモートセンシング画像ＲＧ１、ＲＧ２から調査することができる。
　上記した植生領域ＳＲの検出には、例えば、マルチスペクトル画像の場合には、マルチスペクトル画像から得られる反射率特性を用いて、式（１）に示されるＮＤＶＩ（Normalized Difference Vegetation Index、規格化植生指標）を利用することができる。

Figure JPOXMLDOC01-appb-I000001

　ＮＩＲ：近赤外領域の分光反射率
　Ｒｅｄ：赤色領域の分光反射率
　マルチスペクトル画像とは、波長に対して連続的な分布を持つ反射スペクトル特性をいくつかの波長帯に分解し、それぞれの波長帯に対して画像データを取得したものである。マルチスペクトル画像では、同一の被写体に対して複数の波長における反射率を面的に取得することができる。
　上記した植生領域ＳＲの検出には、また、例えば、多偏波ＳＡＲ画像の場合には、式（２）に示されるＲＶＩ（Radar thin-Vegetation Index）を利用することができる。

Figure JPOXMLDOC01-appb-I000002

　σ：後方散乱係数（真数）
　添え字は、送受信電波の偏波方向を表し、Ｈは、水平方向を示し、Ｖは、垂直方向を指す。例えば、σＨＶは、水平方向偏波の送信電波に対して垂直方向偏波の電波を受信したときの後方散乱係数である。
　多偏波ＳＡＲ画像とは、いくつかの偏波信号を同時に取得したときのＳＡＲ画像である。
　ステップＳＴ１３：取得部ＳＨは、地滑り災害が発生した地域の数値標高モデルＳＨＭを取得する。
　ステップＳＴ１４：算出部ＳＡ（図１に図示。）は、数値標高モデルＳＨＭを用いて、対象地点ＴＣ（図示無し。）の傾斜角ＫＫを算出する。
　地すべり災害は、高所から低所へ向かい土砂が流出する災害であることから、地形が傾いている地点で発生する。前記した理由から、地形の傾きの大きさを、地すべり災害が発生した地点であるか否かを判定するための基準の１つとして用いる。
　ステップＳＴ１５：判定部ＨＡ（図１に図示。）ステップＳＴ１２での植生領域ＳＲの判定の結果から、リモートセンシング画像ＲＧ１、ＲＧ２に撮像されている対象地点ＴＣが、地滑り災害の発生前に植生領域ＳＲであった地点であり、かつ、地滑り災害の発生後に植生領域ＳＲでなくなった地点である可能性、即ち、地滑り災害の発生に起因して植生領域ＳＲでなくなった地点である可能性があるか否かを判定する。
　ステップＳＴ１６：判定部ＨＡは、ステップＳＴ１４で算出された傾斜角ＫＫから、リモートセンシング画像ＲＧ１、ＲＧ２に撮像されている対象地点ＴＣの傾斜角ＫＫが、予め定められた傾斜角閾値ＫＫｔｈを上回るか否かを判定する。
　ステップＳＴ１７：判定部ＨＡは、ステップＳＴ１５で、対象地点ＴＣが、地滑り災害の発生に起因して植生領域ＳＲでなくなった地点である可能性があると判定され、かつ、ステップＳＴ１６で、対象地点ＴＣの傾斜角ＫＫが傾斜角閾値ＫＫｔｈを上回ると判定されたとき、前記対象地点ＴＣを山間部における地滑り災害域であると判定する。
　ステップＳＴ１８：判定部ＨＡは、ステップＳＴ１７と対照的に、上記した対象地点ＴＣを山間部における地滑り災害域でないと判定する。
〈市街地における地滑り災害域の検出〉
　ステップＳＴ１９：取得部ＳＨは、地すべり災害の発生前のＳＡＲ画像ＳＧ１、及び地すべり災害の発生後のＳＡＲ画像ＳＧ２を取得する。
　ＳＡＲ画像ＳＧ１、ＳＧ２に撮影されている地点、及び撮影された時刻は、リモートセンシング画像ＲＧ１、ＲＧ２（ステップＳＴ１１で取得。）に撮影されている地点、及び撮影された時刻と同一である。
　ステップＳＴ２０：算出部ＳＡは、ＳＡＲ画像ＳＧ１、ＳＧ２に基づき、局所領域ＫＲ（図示せず。）における後方散乱係数（真数）のばらつきＢＡ（図示せず。）を算出する。
　画像中の局所領域におけるばらつきとは、縦Ｍ画素×横Ｎ画素の領域を抜き出したときの全画素値から求めた画素値の不均一性（定量的には、分散、標準偏差、及び標準偏誤差という統計的ばらつきを評価する各種指標で表現される。）を意味する。算出部ＳＡは、ＳＡＲ画像ＳＧ１、ＳＧ２の全体に亘って、ばらつきＢＡを算出する。画像中の座標（ｉ、ｊ）の局所領域ＫＲにおけるばらつきＢＡの値は、座標（ｉ、ｊ）を含む縦Ｍ画素×横Ｎ画素の画素値から求められる。
　後方散乱係数（真数）は、後方散乱係数が０以上の実数で表現されたものである。後方散乱係数（真数）は、一般に、デシベル（ｄＢ）または０以上の実数で表現される。
　ステップＳＴ２１：算出部ＳＡは、後方散乱係数のばらつきＢＡの評価値について、同一の地点における災害の発生前後での差分、即ち、地滑り災害の発生後のばらつきＢＡの評価値から地滑り災害の発生前のばらつきＢＡの評価値を引いた差を算出する。
　地滑り災害の被害を受けた市街地では、ＳＡＲ画像ＳＧ１、ＳＧ２、即ち、後方散乱係数の空間分布のコントラストが、上昇する。ＳＡＲ画像ＳＧ１、ＳＧ２中での高コントラストである領域では、画素の位置が相違することによる画素値の変動が、急峻である。従って、局所領域ＫＲ内でのばらつきＢＡを評価することにより、高コントラストな領域であるか否かを判定することが可能である。
　地滑り災害の発生前後で取得されたＳＡＲ画像ＳＧ１、ＳＧ２のそれぞれで後方散乱係数の空間的なばらつきＢＡを評価し、ばらつきＢＡの評価値の大きさを比較することにより、市街地における地滑り災害の被害の有無を推定することができる。
　ステップＳＴ２２：判定部ＨＡは、地滑り災害の発生前後での後方散乱係数の空間的なばらつきＢＡの評価値の差分である差分評価値ＨＣｓ（図示せず。）が、予め定められた閾値評価値ＨＣｔｈ（図示せず。）を上回るか否かを判定する。
　ステップＳＴ２３：判定部ＨＡは、ステップＳＴ１９で取得されたＳＡＲ画像ＳＧ１、ＳＧ２を用いた市街地における地滑り災害の有無を検出すべき対象から、ステップＳＴ１２でリモートセンシング画像ＲＧ１、ＲＧ２に基づき検出された地滑り災害の発生前後に亘る植生領域ＳＲを除外する。
　上記した除外を行う理由は、地滑り災害の発生前に植生領域ＳＲであった地滑り災害域は、リモートセンシング画像ＲＧ１、ＲＧ２に基づき検出されており、他方で、前記植生領域ＳＲは、時間経過による変化を受け易いことから、誤検出の原因となり得るためである。
図５は、実施形態１の山間部の地滑り災害域の周辺を示す。
　ステップＳＴ２４：判定部ＨＡは、地滑り災害が発生した領域以外におけるＳＡＲ画像ＳＧ１、ＳＧ２のばらつきＢＡの評価値の変化（地表の様々な変化に起因して起こり得る変化）のみを判定すべく、リモートセンシング画像ＲＧ１、ＲＧ２に基づき検出された山間部の地滑り災害域ＳＡＪの周辺領域ＳＹＲに限定する。
　ＳＡＲ画像ＳＧ１、ＳＧ２は、非常に広域に撮像され、また、僅かな変化、例えば、車の位置の変化でも局所的なばらつきＢＡが変化する。そこで、図５に示されるように、市街地の地滑り災害域ＳＩＪを検出すべき対象の領域として、山間部の地滑り災害域ＳＡＪの周辺領域ＳＹＲに限定する。
　上記の周辺領域ＳＹＲに限定する具体的な方法としては、例えば、山間部の地滑り災害域ＳＡＪを示す画像に平滑化処理を施すことにより広がらせ、画素値が一定値を上回った画素（山間部の地滑り災害域ＳＡＪに近い地点ほど、上記した平滑化処理の後の画素値が高くなることから、予め定められた閾値を基準に、山間部の災害域から遠い地点を除外する。）を周辺領域ＳＹＲであると定める。また、例えば、山間部の地滑り災害域ＳＡＪの画像から一定の距離以内である領域を周辺領域ＳＹＲであると定める。
　ステップＳＴ２５：判定部ＨＡは、地滑り災害の発生前に植生地点ＳＣでないか否か、及び、地滑り災害の発生後に植生地点ＳＣでないか否かを判定する。
　ステップＳＴ２６：判定部ＨＡは、ステップＳＴ２５で、地滑り災害の発生前に植生地点ＳＣでなく、地滑り災害の発生後に植生地点ＳＣでないと判定され、かつ、ステップＳＴ２２で、差分評価値ＨＣｓが閾値評価値ＨＣｔｈを上回ると判定されたとき、市街地の地滑り災害域ＳＩＪであると判定する。
　ステップＳＴ２７：判定部ＨＡは、ステップＳＴ２６と対照的に、市街地の地滑り災害域ＳＩＪでないと判定する。
　図６は、実施形態１の植生地点ＳＣ、差分評価値ＨＣｓ、閾値評価値ＨＣｔｈ、及び市街地の地滑り災害域ＳＩＪの関係を示す。
　図６Ａ、図６Ｂ、図６Ｃ、図６Ｄは、それぞれ、地滑り災害の発生前の植生地点ＳＣ、地滑り災害の発生後の植生地点ＳＣ、レーダ後方散乱係数の局所的なばらつきＢＡの差分評価値ＨＣｓが上記した閾値評価値ＨＣｔｈを上回るほどに増加した地点、及び、市街地の地滑り災害域ＳＩＪであると判定された地点を示す。
　図６Ａは、例えば、画素（１、６）が、地滑り災害の発生前に植生地点ＳＣであったことを示す。
　図６Ｂは、例えば、画素（４、１）が、地滑り災害の発生後に植生地点ＳＣであることを示す。
　図６Ｃは、例えば、画素（２、１）が、レーダ後方散乱係数の局所的なばらつきＢＡの差分評価値ＨＣｓが閾値評価値ＨＣｔｈを上回るほどに増加した地点であることを示す。
　図６Ｄは、例えば、画素（６、２）が、（１）地滑り災害の発生前に植生地点ＳＣでなく（図６Ａに図示。）、（２）地滑り災害の発生後に植生地点ＳＣでなく（図６Ｂに図示。）、（３）レーダ後方散乱係数の局所的なばらつきＢＡの差分評価値ＨＣｓが閾値評価値ＨＣｔｈを上回るほどに増加した地点であることから（図６Ｃに図示。）、市街地の地滑り災害域ＳＩＪであると判定される。
　ステップＳＴ２８（当初のステップＳＴ２３）：生成部ＳＥ（図１に図示。）は、山間部での地滑り災害域ＳＡＪ、及び市街地での地滑り災害域ＳＩＪの両者を地滑り災害域分布ＪＢとして生成する。
〈実施形態１の効果〉
　上述したように、実施形態１の地滑り災害領域検出装置ＣＫでは、山間部での地滑り災害域ＳＡＪを検出する精度と同様な精度で、市街地での地滑り災害域ＳＩＪの被害を受けた領域を検出することが可能となる。
実施形態２．
〈実施形態２〉
　実施形態２の地滑り災害領域検出装置ＣＫについて説明する。
　実施形態２の地滑り災害領域検出装置ＣＫは、地滑り災害では、土砂は高所から低所へと斜面の傾斜方向に沿って流れ落ちるという特徴を利用する。実施形態２の地滑り災害領域検出装置ＣＫは、より詳しくは、数値標高モデルＳＨＭから得られた傾斜角ＫＫから作成されたカーネルを用いてモルフォロジー変換を行うことにより、山間部での地滑り災害域ＳＡＪを誤検出することを低減する。
〈実施形態２の機能〉
　図７は、実施形態２の地滑り災害領域検出装置ＣＫの機能ブロック図である。実施形態２の地滑り災害領域検出装置ＣＫの機能について、図７を参照して説明する。
　実施形態２の地滑り災害領域検出装置ＣＫは、図７に示されるように、実施形態１の地滑り災害領域検出装置ＣＫ（図１に図示。）と同様に、取得部ＳＨ～生成部ＳＥを含む。
　実施形態２の地滑り災害領域検出装置ＣＫは、他方で、図７に示されるように、実施形態１の地滑り災害領域検出装置ＣＫと相違し、変換部ＨＥと、作成部ＳＳと、を更に含む。
　変換部ＨＥは、「第１の変換部」、「第２の変換部」に対応する。
　作成部ＳＳは、「作成部」に対応する。
　変換部ＨＥは、以下の機能を有する。
　・第１の変換部として、対象地点ＴＣでの傾斜角を正接に変換すること。
　・第２の変換部として、山間部の地滑り災害域ＳＡＪをモルフォロジー変換すること。
　作成部ＳＳは、以下の機能を有する。
　・対象地点ＴＣでの正接の大きさと傾斜の向きに応じたモルフォロジー変換用カーネルを作成すること。
〈実施形態２のハードウェア構成〉
　実施形態２の地滑り災害領域検出装置ＣＫのハードウェア構成は、実施形態１の地滑り災害領域検出装置ＣＫのハードウェア構成（図２に図示。）と同様である。
〈実施形態２の動作〉
　図８は、実施形態２の地滑り災害領域検出装置ＣＫの動作を示すフローチャート（その１）である。
　図９は、実施形態２の地滑り災害領域検出装置ＣＫの動作を示すフローチャート（その２）である。
　実施形態２の地滑り災害領域検出装置ＣＫの動作について、図８、図９のフローチャートを参照して説明する。
　実施形態２の地滑り災害領域検出装置ＣＫの動作を示す図８、図９と、実施形態１の地滑り災害領域検出装置ＣＫの動作を示す図３、図４との比較から明らかであるように、実施形態２の地滑り災害領域検出装置ＣＫの動作は、実施形態１の地滑り災害領域検出装置ＣＫの動作と相違し、ステップＳＴ５１～ＳＴ５３を更に有する。
　以下、実施形態２の地滑り災害領域検出装置ＣＫのステップＳＴ５１～５３での動作を中心に説明する。
　図１０は、実施形態２の数値標高モデルＳＨＭから求めた傾斜角ＫＫから作成されたカーネルＫＮを用いてモルフォロジー変換（その１）を示す。
　図１１は、実施形態２の数値標高モデルＳＨＭから求めた傾斜角ＫＫから作成されたカーネルＫＮを用いてモルフォロジー変換（その２）を示す。
　ステップＳＴ５１：変換部ＨＥ（図７に図示。）は、数値標高モデル（実施形態１で説明。）から算出された傾斜角ＫＫを正接に変換する。
　傾斜角ＫＫは、周囲の画素について計算される。ここで、周囲の画素については、例えば、縦３画素×横３画素（９つの画素）のうち、着目する画素が、中心の１つの画素であり、周囲の画素とは、中心の画素を除く８つの画素を指す。
　ステップＳＴ５２：作成部ＳＳ（図７に図示。）は、傾斜角ＫＫの正接の大きさに比例した幅で、図１０に図示される下り坂となっている方向へと、図１１に図示される画像の縮小処理および膨張処理（モルフォロジー変換）を行うためのカーネルＫＮを作成する。
　作成部ＳＳによる上記の作成は、２つの地点を比較するとき、その傾斜角ＫＫの正接に比例してより高い位置における土砂の位置エネルギーが増加することから、土砂が流出したときの流出距離ＲＫは、傾斜角ＫＫの正接に応じて増加する、との性質を利用する。
　図１１に図示の画素値「１」の配置の方向は、平面上のどの方向へモルフォロジー変換を行うかという変換の向きを表す。中心から何画素分離れた位置まで画素値「１」が配置されているかというカーネルＫＮの幅は、何画素分の縮小及び拡大を行うかという変換の長さを表す。
　図１０に図示された画素（３、３）を基準に、下方向、右下方向、及び右方向へ高度が低下している。これにより、図１１に示されるように、カーネルＫＮは、上記した３方向へ伸びている。
　図１０で、画素（３、３）から右下方向へ高度が低下する度合いが大きいことから、即ち、正接の絶対値が大きいことから、図１１で、カーネルＫＮは、右下方向への幅が大きくなっている。
　ステップＳＴ５３：変換部ＨＥは、上記した傾斜角ＫＫを反映したモルフォロジー変換用カーネルＫＮを用いて、山間部の地滑り災害域ＳＡＪ（ステップＳＴ３７で判定。）について、モルフォロジー変換を実施する。
　モルフォロジー変換は、図形の変形に用いられることに加えて、ノイズの除去にも用いられる。具体的には、収縮処理では、隣接した他の画素が周囲に存在しないという孤立した画素を１画素より小さく収縮することにより除去する。他方で、膨張処理では、周囲の画像を膨張させることにより埋めることによって、微小な検出漏れを除去する。
〈実施形態２の効果〉
　上述したように、実施形態２の地滑り災害領域検出装置ＣＫでは、地滑り災害域を収縮させることにより、傾斜に沿った検出結果以外を除去する効果を得ることができ、他方で、その後に、全く同一のカーネルＫＮを用いて膨張処理を施すことにより、除去されずに残った、即ち、傾斜に沿った地滑り災害域を縮小前の状態に復元することが可能である。
　本開示の要旨を逸脱しない範囲で、上述した実施形態同士を組み合わせてもよく、また、各実施形態中の構成要素を適宜、削除し、変更し、または、他の構成要素を追加してもよい。
　本開示に係る地滑り災害領域検出装置は、山間部における地滑り災害域を検出する精度と同様な精度で、市街地における地滑り災害域を検出することに利用可能である。
１　ＣＫ　地滑り災害領域検出装置、ＨＡ　判定部、ＨＥ　変換部、ＪＢ　地滑り災害域分布、ＫＥ　検出部、ＲＧ　リモートセンシング画像、ＳＡ　算出部、ＳＡＪ　地滑り災害域、ＳＥ　生成部、ＳＧ　ＳＡＲ画像、ＳＨ　取得部、ＳＨＭ　数値標高モデル、ＳＩＪ　地滑り災害域、ＳＳ　作成部。

Claims (4)

  1. 　地滑り災害の発生前後のリモートセンシング画像を取得する第１の取得部と、
    　前記リモートセンシング画像から植生領域を検出する第１の検出部と、
    　前記地滑り災害が発生した地域の数値標高モデルを取得する第２の取得部と、
    　前記数値標高モデルから対象地点の傾斜角を算出する第１の算出部と、
    　前記リモートセンシング画像中の前記対象地点が、前記地滑り災害の発生前に植生領域であった地点であり、前記地滑り災害の発生後に植生領域でなくなった地点であり、かつ、前記傾斜角が予め定められた傾斜角閾値を上回る地点であるとき、山間部の地滑り災害域であると判定する第１の判定部と、
    　前記地滑り災害の発生前後のＳＡＲ画像を取得する第３の取得部と、
    　前記ＳＡＲ画像から局所領域における後方散乱係数のばらつきを算出する第２の算出部と、
    　前記地滑り災害の発生前後でのばらつきの差分を算出する第３の算出部と、
    　前記山間部の地滑り災害域の周辺に限定する第２の判定部と、
    　前記差分が予め定められた閾値を上回り、地滑り災害の発生前後に亘り植生領域でないとき、市街地の地滑り災害域であると判定する第３の判定部と、
    　前記山間部の地滑り災害域及び前記市街地の地滑り災害域に基づき、地滑り災害域分布を生成する生成部と、
    　を含む地滑り災害領域検出装置。
  2. 　前記対象地点での傾斜角を正接に変換する第１の変換部と、
    　前記対象地点での正接の大きさと傾斜の向きに応じたモルフォロジー変換用カーネルを作成する作成部と、
    　前記山間部の地滑り災害域をモルフォロジー変換する第２の変換部と、
    　を更に含む請求項１に記載の地滑り災害領域検出装置。
  3. 　第１の取得部は、地滑り災害の発生前後のリモートセンシング画像を取得し、
    　第１の検出部は、前記リモートセンシング画像から植生領域を検出し、
    　第２の取得部は、前記地滑り災害が発生した地域の数値標高モデルを取得し、
    　第１の算出部は、前記数値標高モデルから対象地点の傾斜角を算出し、
    　第１の判定部は、前記リモートセンシング画像中の前記対象地点が、前記地滑り災害の発生前に植生領域であった地点であり、前記地滑り災害の発生後に植生領域でなくなった地点であり、かつ、前記傾斜角が予め定められた傾斜角閾値を上回る地点であるとき、山間部の地滑り災害域であると判定し、
    　第３の取得部は、地滑り災害の発生前後のＳＡＲ画像を取得し、
    　第２の算出部は、前記ＳＡＲ画像から局所領域における後方散乱係数のばらつきを算出し、
    　第３の算出部は、前記地滑り災害の発生前後でのばらつきの差分を算出し、
    　第２の判定部は、前記山間部の地滑り災害域の周辺に限定し、
    　第３の判定部は、前記差分が予め定められた閾値を上回り、地滑り災害の発生前後に亘り植生領域でないとき、市街地の地滑り災害域であると判定し、
    　生成部は、前記山間部の地滑り災害域及び前記市街地の地滑り災害域に基づき、地滑り災害域分布を生成する
    　地滑り災害領域検出方法。
  4. 　第１の変換部は、前記対象地点での傾斜角を正接に変換し、
    　作成部は、前記対象地点での正接の大きさと傾斜の向きに応じたモルフォロジー変換用カーネルを作成し、
    　第２の変換部は、前記山間部の地滑り災害域をモルフォロジー変換し、
    　請求項３に記載の地滑り災害領域検出方法。
PCT/JP2022/020755 2022-05-19 2022-05-19 地滑り災害領域検出装置、及び地滑り災害領域検出方法 WO2023223483A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2022/020755 WO2023223483A1 (ja) 2022-05-19 2022-05-19 地滑り災害領域検出装置、及び地滑り災害領域検出方法
JP2024500139A JPWO2023223483A1 (ja) 2022-05-19 2022-05-19

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/020755 WO2023223483A1 (ja) 2022-05-19 2022-05-19 地滑り災害領域検出装置、及び地滑り災害領域検出方法

Publications (1)

Publication Number Publication Date
WO2023223483A1 true WO2023223483A1 (ja) 2023-11-23

Family

ID=88834908

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/020755 WO2023223483A1 (ja) 2022-05-19 2022-05-19 地滑り災害領域検出装置、及び地滑り災害領域検出方法

Country Status (2)

Country Link
JP (1) JPWO2023223483A1 (ja)
WO (1) WO2023223483A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118135408A (zh) * 2024-05-07 2024-06-04 四川省地质调查研究院 一种山区城镇地质灾害多维勘测集成方法及系统、介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013221886A (ja) * 2012-04-18 2013-10-28 Railway Technical Research Institute 斜面の不安定箇所の抽出方法
JP2021056008A (ja) * 2019-09-27 2021-04-08 株式会社パスコ 地すべり領域検出装置及びプログラム
CN113408547A (zh) * 2021-07-12 2021-09-17 西南交通大学 一种多时相多极化sar滑坡提取方法
CN114241333A (zh) * 2021-12-18 2022-03-25 哈尔滨工业大学 一种基于多源时序遥感影像精准识别新生滑坡区域的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013221886A (ja) * 2012-04-18 2013-10-28 Railway Technical Research Institute 斜面の不安定箇所の抽出方法
JP2021056008A (ja) * 2019-09-27 2021-04-08 株式会社パスコ 地すべり領域検出装置及びプログラム
CN113408547A (zh) * 2021-07-12 2021-09-17 西南交通大学 一种多时相多极化sar滑坡提取方法
CN114241333A (zh) * 2021-12-18 2022-03-25 哈尔滨工业大学 一种基于多源时序遥感影像精准识别新生滑坡区域的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118135408A (zh) * 2024-05-07 2024-06-04 四川省地质调查研究院 一种山区城镇地质灾害多维勘测集成方法及系统、介质

Also Published As

Publication number Publication date
JPWO2023223483A1 (ja) 2023-11-23

Similar Documents

Publication Publication Date Title
Huang et al. An automatic change detection method for monitoring newly constructed building areas using time-series multi-view high-resolution optical satellite images
Racoviteanu et al. Evaluating digital elevation models for glaciologic applications: An example from Nevado Coropuna, Peruvian Andes
Pipaud et al. Evaluation of TanDEM-X elevation data for geomorphological mapping and interpretation in high mountain environments—A case study from SE Tibet, China
Murray et al. Texture-based classification of sub-Antarctic vegetation communities on Heard Island
Tuominen et al. Performance of different spectral and textural aerial photograph features in multi-source forest inventory
Zhou et al. Object-based land cover classification of shaded areas in high spatial resolution imagery of urban areas: A comparison study
Rana et al. Evaluation of SAR speckle filter technique for inundation mapping
Zhao et al. UAV-based individual shrub aboveground biomass estimation calibrated against terrestrial LiDAR in a shrub-encroached grassland
Shirowzhan et al. Building classification from lidar data for spatio-temporal assessment of 3D urban developments
WO2023223483A1 (ja) 地滑り災害領域検出装置、及び地滑り災害領域検出方法
CN103871039A (zh) 一种sar图像变化检测差异图生成方法
Pan et al. Detection of short-term urban land use changes by combining SAR time series images and spectral angle mapping
Mehrabi Monitoring the Iran Pol-e-Dokhtar flood extent and detecting its induced ground displacement using sentinel 1 imagery techniques
Barnsley et al. Determining urban land use through an analysis of the spatial composition of buildings identified in LIDAR and multispectral image data
Yan Airborne LiDAR data artifacts: What we know thus far
Chung et al. Wildfire damage assessment using multi-temporal Sentinel-2 data
Daliakopoulos et al. A weather radar data processing module for storm analysis
Al-Sharif et al. Revisiting methods and potentials of SAR change detection
Wang et al. An improved SAR radiometric terrain correction method and its application in polarimetric SAR terrain effect reduction
Gamba et al. Anisotropic rotation invariant built-up presence index: Applications to SAR data
Cao et al. Detecting the number of buildings in a single high-resolution SAR image
Soille Morphological texture analysis: an introduction
Toutin et al. Stereo RADARSAT data for canopy height in Brazilian forests
Hölbling et al. Combined interpretation of optical and SAR data for landslide mapping
Soergel et al. Extraction of bridges over water in multi-aspect high-resolution InSAR data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22942688

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2024500139

Country of ref document: JP

Kind code of ref document: A