ALOS PALSAR data

Report
FR1.T09.5 - GIS and Agro-Geoinformatics Applications
Feature Analysis of Groundwater Discharge
Points in Coastal Regions around Mt.
Chokaisan, Japan by Using ALOS PALSAR
DATA
Yoichi KAGEYAMA, Hikaru SHIRAI,
and Makoto NISHIDA
Department of Computer Science and Engineering,
Graduate School of Engineering and Resource Science,
Akita University, JAPAN
Table of Contents
1. Motivation
2. Study area
3. Data analysis
4. Results and Discussion
5. Summary
2
Submarine groundwater discharge
Rain or Snow
Submarine groundwater
discharge
Sea
mountain
Groundwater flows
-A key role in linking land and sea water circulation
-Collecting water directly
-Water quality, amount of discharge, and discharge location
are quite different.
previously presented study
Use ALOS AVNIR-2 data
spreading of the
groundwater discharge
properties of the AVNIR-2 data acquired in different seasons
were well able to retrieval the sea surface information†1.
†1Y.
Kageyama, C. Shibata, and M. Nishida, “Feature Analysis of Groundwater
Discharge Points in Coastal Regions around Mt. Chokaisan by Using ALOS AVNIR-2
Data”, IEEJ Trans. EIS, Vol.131, No.10 (in press)
・ALOS AVNIR-2 (Advances Visible and Near Infrared
Radiometer type 2)are passive sensors
- the data will be affected by clouds
- the limited data are available.
・ALOS PALSAR (Phased Array type
L-band Synthetic Aperture Radar) are active sensor
- we use the data regardless of the weather conditions.
Purpose
Analyzes features of the groundwater
discharge points in coastal regions by using the
ALOS PALSAR data as well as the AVNIR-2 data
⇒ use of textures calculated from co-occurrence matrix
⇒ classification maps regarding the textures were obtained
with k-means.
⇒ comparison the PALSAR classification maps with the
AVNIR-2 ones.
Table of Contents
1. Motivation
2. Data used and study area
3. Data analysis
4. Results and Discussion
5. Summary
6
Study area
Coastal region in Japan Sea
Around the Mt.Chokaisan
Well known as the origin of
Crassostrea nippona
⇒ Groundwater discharge can
affect the Its growth
Groundwater discharge at Kamaiso
(Aug. 3, 2010)
ALOS PALSAR data
Autumn data
(Oct. 7, 2009)
Winter data
(Jan. 30, 2010)
1270 MHz(L-band)
ALOS AVNIR-2
Winter data
Autumn data
(Sep. 20, 2009) (Feb. 25, 2010)
(R,G,B:band3,2,1)
Band 1
0.42~0.50 blue
Band 3 0.61~0.69 red
Band 2
0.52~0.60 green
Band 4 0.76~0.89 NIR
(μm)
Ground survey
Date: Aug 3, 2010
Survey points
・Kisakata beach(2 points)
・Fukuden(3points)
・Kosagawa beach(3points)
・Kosagawa fishing port (1point)
・Misaki(3points)
・Kamaiso(1point)
・Gakko River(2points)
Comparison of sea and spring water in each
water quality
Sea water
Spring water
pH
8.09
7.37
Dissolved oxygen
6.85mg/L
10.2mg/L
Electric
conductivity
4.21S/m
0.002S/m
Salinity
27.6%
0%
Total Dissolved
Solids
45.6g/L
0.1g/L
Sea water specific
1.023sg
gravity
1.002sg
Water
temperature
26.0℃
13.3℃
Turbidity
7.78NTU
5.05NTU
●:Sea Water
●:Spring water
●:Sea and spring water
Table of Contents
1. Motivation
2. Data used and study area
3. Data analysis
4. Results and Discussion
5. Summary
11
For PALSAR data
Preprosessing
-Geometric correction
-Masking
Grayscale conversion
-16,32,64,128,256,512
Geometric correction
- second order conformal
transformation
-cubic convolution
⇒average RMS error was
0.41
Textures computed from cooccurrence matrix
k-means algorithm to create
the resulting classification
吹浦
Autumn data
(Oct. 7, 2009)
Winter data
(Jan. 30, 2010)
For PALSAR data
Preprosessing
-Geometric correction
-Masking
Grayscale conversion
-16,32,64,128,256,512
Textures computed from cooccurrence matrix
k-means algorithm to create
the resulting classification
Masking
A hydrology expert’s comment
judged from the scale of Mt. Chokaisan,
the submarine groundwater discharge
exist ranging from land regions to 500
meters offing.
500m
+
Masked
images
Land area
-Various DNs
-DNs are larger
For PALSAR data
Preprosessing
-Geometric correction
-Masking
Grayscale conversion
-16,32,64,128,256,512
Textures computed from cooccurrence matrix
k-means algorithm to create
the resulting classification
Grayscale conversion
-Noise reduction
PALSAR data (2bytes)
⇒ 16,32,64,128,256,512
gray levels
16
32
64
128
256
512
For PALSAR data
Preprosessing
-Geometric correction
-Masking
Grayscale conversion
-16,32,64,128,256,512
Textures computed from cooccurrence matrix
k-means algorithm to create
the resulting classification
Textures computed from
co-occurrence matrix
Eight features
-Mean,
-Entropy,
小砂川
-Second moment,
-Variance,
-Contrast,
-Homogeneity,
-Dissimilarity,
-Correspond
吹浦
e.g., mean
Average the DNs of
points around
  iP (i, j )
n 1 n 1
δ
i0 j0
For PALSAR data
Preprosessing
-Geometric correction
-Masking
Grayscale conversion
-16,32,64,128,256,512
k-means
The processing was ended:
-the number of the maximum
repetition amounted小砂川
to 100 times,
-moved pixels between clusters
became 5% or less of the whole
pixels.
Textures computed from co- k was set from 2 to 20.
occurrence matrix
吹浦
k-means algorithm to create
the resulting classification
Table of Contents
1. Motivation
2. Data used and study area
3. Data analysis
4. Results and Discussion
5. Summary
17
Filter size (e.g., mean)
3×3
5×5
7×7
9×9
11×11
Select of feature
(a)mean
(b)entropy
(c)second
moment
(d)variance
Select of feature
(e)contrast
(f)homogeneity
(g)dissimilarity
(h)correlation
Autumn PALSAR results
The red clusters exist in Kosagawa, Misaki, Kamaiso.
The green and blue clusters are also formed
⇒a spread of spring water.
Kosagawa
large difference of
temperature between spring
water and air
Misaki
Weather information during the data
acquisition†1
air
Kamaiso
(16 gray levels; mean; K=7)
8.2 ℃
18.7℃
Wea water
About 21℃
Spring water About 10.5℃
†1http://www.jma.go.jp/jp/amedas/
Autumn and winter PLASAR results
the red clusters are
decreasing in winter
Kosagawa
Kosagawa
Misaki
Misaki
Kamaiso
Kamaiso
Autumn data
(16 gray levels; mean; K=7)
Winter data
(16 gray levels; mean; K=7)
In kosagawa, Amount of submarine groundwater
discharge has been reduced in January to March.
Autumn and winter PLASAR results
Kosagawa
Kosagawa
Misaki
Misaki
Kamaiso
Autumn data
Kamaiso
the difference of temperature
between Sea and spring water
in the winter data is smaller.
Winter data
(16 gray levels; mean; K=7)
Weather information at the data acquisition†1
Autumn data
air
Sea water
Spring water
Winter data
18.7℃ 10.5 ℃
2.4℃
About 21℃
About 12℃
About 10.5℃
About 10.5℃
†1http://www.jma.go.jp/jp/amedas/
1.5 ℃
PLASAR and AVNIR-2 results in Autumn
Kosagawa
Kosagawa
Misaki
Misaki
Kamaiso
PALSAR data
(16 gray levels; mean; K=7)
Kamaiso
AVNIR-2 data
(band1,2,3; k=7)
The red clusters exist in Kosagawa, Misaki, and Kamaiso as well as
the PALSAR classification results.
PLASAR and AVNIR-2 results in Winter
Kosagawa
Misaki
Kosagawa
Misaki
Compared with the autumn data,
the cluster of red is reduced
Kamaiso
PALSAR data
(16 gray levels, mean, K=7)
Kamaiso
AVNIR-2 data
(band1,2,3;k=7)
The conditions consistent with a decrease in the amount of
submarine groundwater discharge in winter
Summary
This study has analyzed the features regarding the groundwater
discharge points in the coastal regions around Mt. Chokaisan, Japan.
-The experimental results suggest that the Mean obtained from the
co-occurrence matrix was good in extraction of the features
of the groundwater discharge points from the ALOS PALSAR data.
-The ALOS PALSAR data has the possibility of extracting the
groundwater discharge points in the study area.
-The k-means clustering results in the PALSAR and AVNIR-2 data
agreed with the findings acquired by the ground survey.
Thank you for your attention!
テクスチャ特徴量
n 1 n 1
Mean(平均値)
  iP (i, j )
δ
i0 j0
n 1 n 1
Entropy(平均情報量)

 P ( i , j ) log P ( i , j )
i0 j0
n 1 n 1
Angular Second Moment(要素の密集具合)

P ( i , j )
2
i0 j0
n 1 n 1
Variance(分散)
2


i


P i , j 

x
i0 j0
n 1 n 1
Contrast(濃度変化の激しさ)
  (i 
j ) Px  y i , j 
2
i0 j0

1

  1  i  j  2
j0 
n 1 n 1
Homogeneity(均質性)

i0
n 1 n 1
Dissimilarity(相違性)
 i

 P i , j 


j P i , j 
i0 j0
n 1 n 1
  ijP ( i , j )  
Correlation(相関性)
i0 j0
 x  y
x
y
(a)mean
(b)entropy
(c)second
moment
32 gray levels; 9×9
(d)variance
(e)contrast
(f)homogeneity
(g)dissimilarity
32 gray levels; 9×9
(h)correlation
3×3
5×5
7×7
Mean; 32 gray levels; k=15
9×9
11×11
31
階調変換
16
512
33
使用データ取得時の気象データ
秋季PALSARデータ
(2009/10/7)
10/1:0mm
2:21.0mm
3:2.0mm
4:2.0mm
5:0mm
6:0mm
7:0mm
秋季AVNIR-2データ
(2009/9/20)
9/14:0mm
15:21.0mm
16:2.0mm
17:2.0mm
18:0mm
19:0mm
20:0mm
冬季PALSARデータ
(2010/1/30)
1/24:0mm
25:12.0mm
26:0mm
27:0.5mm
28:4.0mm
29:1.0mm
30:2.0mm
冬季AVNIR-2データ
(2010/2/25)
2/19:0.5mm
20:5.0mm
21:0mm
22:4.5mm
23:0mm
24:0mm
25:0mm
取得日時
前3時間に
は降雨なし
34
海水温度
平均海水温度(2006~2010)
30
平
均
海
水
温
度
25
20
15
(℃)
10
5
0
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
月
最も低いのは2,3月
最も高いのは8月
†気象庁
アメダス:http://www.jma.go.jp/jp/amedas/
温度差
大気温度-海水温度(2006~2010)
温
度
差
大気温度-湧水温度(2006~2010)
16
16
14
14
温
度
差
12
10
8
12
10
8
6
6
4
4
2
2
0
0
1
1
2
3
4
5
6
7
8
9
10
11
2
3
4
12
5
6
7
8
9
10
11
12
月
月
夏季は湧水地点に反応が出る
((大気-海水):小 (大気-湧水):大)
冬季は海水地点,湧水地点の反応に差異が見られない
((大気-海水):小 (大気-湧水):小)
†気象庁
アメダス:http://www.jma.go.jp/jp/amedas/
温度差
大気温度-海水温度(2006~2010)
温
度
差
大気温度-湧水温度(2006~2010)
16
16
14
14
温
度
差
12
10
8
12
10
8
6
6
4
4
2
2
0
0
1
1
2
3
4
5
6
7
8
9
10
11
2
3
4
5
6
12
7
8
9
10
11
12
月
月
10月において各差の差異がみられない
2010年 上旬(秋季PALSARデータ取得時期)
大気温度-海水温度 3.9
大気温度-湧水温度 8.6 差:4.7
†気象庁
アメダス:http://www.jma.go.jp/jp/amedas/
観測時刻の海水温度
秋季PALSARデータ
(2009年10月7日)
水温約21℃
冬季PALSARデータ
(2010年1月30日)
水温約12℃
気象庁 アメダス http://www.jma.go.jp/jp/amedas/より引用
対象地域の海流
対象地域は
北北東の海流
●:小砂川
第二管区海上保安本部海洋情報部
http://www1.kaiho.mlit.go.jp/KAN2/index.html/より引用
現地調査の使用器具
測定項目
多項目水質計
・pH
・溶存酸素
・電気伝導率
・塩分濃度
・全溶存固形物量
・海水比重
・温度
・濁度
測定項目
1.塩分濃度
水にとけている塩の量
塩化ナトリウムだけでなく硫酸マグネシウム、硫酸カルシウム、
炭酸水素塩等の塩類を含めていうことが多い
2.pH
物質の酸性、アルカリ性の度合いを示す数値
ただし、リモートセンシングデータに影響せず
3.溶存酸素量
水中に溶存する酸素の量
4.電気伝導率
物質の電気伝導のしやすさを表す値
単位はジーメンス毎メートル[S/m](ジーメンスはオーム(Ω)の逆数)
5.海水比重
1気圧、4℃での純粋な水と同体積の物質の重さとの比
6.温度
寒暖の度合いを数量で表したもの セルシウス温度
7.濁度
濁りの度合いを示す 単位はNTU(精製水1Lに1mgホルマジンを溶かした
時1NTU)
NTU・・・Nephelometric Turbidity Units
測定原理
pH
ガラス電極法
ガラス電極と比較電極の2本の電極を用い、この2つの電
極の間に生じた電圧(電位差)を知ることで、ある溶液の
pHを測定する方法。
ガラスの薄膜の内・外側にpHの異なる溶液があると、薄
膜部分に、pHの差に比例した起電力が生じる。この薄膜
を電極膜という。普通溶液が30℃の場合、2つの溶液の
pHの差が1違えば、約60mVの起電力を生じる。通常、ガ
ラス電極の内部にはpH7の液を用いるため、電極膜に生
じた起電力を測定しpHを求める。
測定原理
溶存酸素
隔膜式ガルバニ電池法
イオン化傾向の異なる2つの電極(貴金属、卑金属)
と隔膜、電解液で構成された電池の反応物質として
酸素を利用した時に生じる反応電流を測定する。
隔膜式ガルバニ電池法は、流速影響を受けにくく、
溶液中に溶け込んだ酸素量を長時間安定して
測定可能である。
飯島電子工業株式会社webページより
http://www.iijima-e.co.jp
測定原理
電気伝導率
交流4電極方式
測定液に電極を浸して溶液抵抗を測定して求める。
電極面における分極容量および分極抵抗の影響を避
けるために、交流電源を用いる。
2電極では0.1μS/cm~1mS/cmの範囲しか計測でき
ないが、4電極では1mS/cm~1000mS/cmの高電気
伝導率を測定可能。また、4電極方式は分極の激しい
高濃度溶液でも分極が起きない。
測定原理
塩分濃度
電気伝導率より換算
測定原理
全溶存固形物量
電気伝導率より換算
測定原理
海水比重
電気伝導率より換算
測定原理
温度
白金薄膜抵抗体
金属の電気抵抗が温度変化して変化する性質を利用す
る。白金は、温度特性が良好で経時変化が少ない。
低温では、電子が金属内をスムーズに流れることができる
が、高温になるにつれて金属分子運動が激しくなり電気抵
抗が上昇する。この原理を利用して、温度を測定する。
理化工業株式会社webページより
http://www.rkcinst.co.jp
測定原理
濁度
90度散乱光測定方式(赤外光)
照射された光は、懸濁物質の表面で
反射するものと、吸収されるものとで
分かれる。その光の量は、照射光の
波長と粒度分布で大きく変化する。
一定濃度までは比例して増加して、
それを超えると粒子による吸収や
干渉が起こり変化量は、減少する。
この散乱光のみを測定し、
その散乱の強さが水中の懸濁物質の
濃度に比例することを利用して、濁度を計測する方式。
株式会社東邦電探webページより
http://www.dentan.co.jp/index.html
解析結果(2/5)
(1)秋季データ
秋季PALSARデータと秋季AVNIR-2データとの比較
小砂川
<観測時刻の気象情報†1,†2>
海水温
湧水温
気温
約21℃
約11.1℃
18.7℃
三崎
釜磯
秋季データA
(16階調,
クラスタ数7)
海表面水温と大気温度の差が
大きいため,湧出地点に
反応が見られる
†1気象庁
アメダス
http://www.jma.go.jp/jp/amedas/
†2秋田県象潟海岸域における地下水の湧出特性
秋大地理,Vol.53,pp.17-20(2006)
現地調査における検討および考察 (3/4)
淡水における河川と湧水地点の各水質項目の比較
測定結果
項目
河川水
湧水地点
(平均値)
塩分濃度(%)
0.1
6.94
0.0
7.71
7.26
10.18
pH
溶存酸素量
(mg/L)
電気伝導率
(S/m)
0.030 0.018
海水比重(sg)
1.000 1.001
24.0
13.8
12.3
5.4
水温(℃)
濁度(NTU)
2009年9月20日取得
AVNIR-2データ(band1,2,3)の
分類結果
水温および濁度の差異を認めた
現地調査における検討および考察 (4/4)
月光川における7月・8月調査の各水質項目の比較
†
測定結果
項目
7月調査
8月調査
塩分濃度(%)
0.0
7.00
0.1
6.94
pH
溶存酸素量
(mg/L)
4.51
7.26
現地調査前の降水量
(観測地点:象潟;単位:mm)
7月調査
8月調査
調査日
0.0
0.0
1日前
2.0
0.0
電気伝導率
(S/m)
0.023 0.030
2日前
36.5
0.0
海水比重(sg)
1.000 1.000
20.4 24.0
15.6 12.3
3日前
0.0
0.5
4日前
5.5
6.0
水温(℃)
濁度(NTU)
†「気象庁:アメダス」 http://www.jma.go.jp/jp/amedas/
参照
降雨の影響を考慮した検討が必要
現地調査における検討 (2/4)
海水と淡水における各水質項目の比較
測定結果
項目
塩分濃度(%)
pH
溶存酸素量
(mg/L)
海水
(平均値)
淡水
(平均値)
26.6
8.10
0.0
7.52
7.03
9.45
電気伝導率
(S/m)
4.080 0.022
海水比重(sg)
1.021 1.001
25.4
16.4
8.5
7.1
水温(℃)
濁度(NTU)
海水
・象潟海水浴場
・小砂川海水浴場
・クツカケ広場
・釜磯海水浴場
淡水
・小砂川海水浴場
・クツカケ広場
・釜磯海水浴場
・月光川
24.0℃
塩分濃度および水温の差異を認めた
現地調査における検討 (3/4)
淡水における河川と湧水地点の各水質項目の比較
測定結果
項目
河川水
湧水地点
(平均値)
塩分濃度(%)
0.1
6.94
0.0
7.71
7.26
10.18
pH
溶存酸素量
(mg/L)
電気伝導率
(S/m)
0.030 0.018
海水比重(sg)
1.000 1.001
24.0
13.8
12.3
5.4
水温(℃)
濁度(NTU)
河川水
・月光川
湧水地点
・小砂川海水浴場
・クツカケ広場
・釜磯海水浴場
水温および濁度の差異を認めた
現地調査における検討 (1/5)
現地調査(2010年7月16日)
調査地点
・象潟海水浴場(2ヶ所)
・福田の泉(3ヶ所)
・小砂川海水浴場(3ヶ所)
・小砂川漁港(1ヶ所)
・釜磯海水浴場(1ヶ所)
・月光川(3ヶ所)
調査地点
現地調査における検討 (1/4)
K-means法による分類結果例
地下水および河川水におけるクラスタの相違
小砂川,吹浦の海域で
異なるクラスタの広がりが明らか
小砂川
象潟(海水),
釜磯(海底地下水湧出地点),
吹浦(複数の河川の合流地点)の
水質成分の比較
吹浦
濃度別判別色
低
高
2009年9月20日
取得データの分類結果
昨年度までの解析手法
対象:AVNIR-2データ
前処理
実験データの作成
小砂川
K-means法による分類処理
Landsat-7 ETM+データとの比較
地質図との比較
塩分濃度の算出
吹浦
2009年9月20日
取得データの分類結果
解析の流れ 1/7
前処理
幾何補正・対象地域の切り出し
マスク処理
海域の大気補正
8月データを基準とした
4月・5月・9月データの幾何補正(二次変換)
(RMS誤差:0.16(4月・5月),0.18(9月))
3次畳み込み内挿法によるリサンプリング
k-means法による分類処理
対象地域の切り出し
Landsat-7 ETM+データとの比較
地質図との比較
切り出し例
(4月データ, R,G,B:Band3,2,1)
塩分濃度の算出
解析の流れ 2/7
前処理
幾何補正・対象地域の切り出し
マスク処理
海域の大気補正
•陸域
•陸域から約500m以上沖合
k-means法による分類処理
Landsat-7 ETM+データとの比較
地質図との比較
塩分濃度の算出
原画像
マスク処理後画像
(R,G,B:Band3,2,1)
解析の流れ 3/7
前処理
幾何補正・対象地域の切り出し
マスク処理
• 可視域は大気の影響を受けやすい
海域の大気補正
• 海域における放射輝度値の
約90%が大気散乱光に起因
k-means法による分類処理
1回散乱近似による補正手法
Landsat-7 ETM+データとの比較
第4バンドデータの情報に基づき
第1・2・3バンドデータに大気補正
地質図との比較
塩分濃度の算出
解析の流れ 4/7
前処理
幾何補正・対象地域の切り出し
マスク処理
海域の大気補正
k-means法による分類処理
ランダムにk個の画素を選び
各グループの代表とする
他の画素を一つずつ選び
最も近いグループに配分
グループの平均値更新
更新されなくなるまで繰り返す
Landsat-7 ETM+データとの比較
地質図との比較
塩分濃度の算出
終了条件
最大反復回数:100回,
クラスタ間の移動画素が
全体の5%以下
クラスタ数
k=3~20の連続した値
解析の流れ 5/7
前処理
幾何補正・対象地域の切り出し
マスク処理
小砂川
海域の大気補正
三崎
k-means法による分類処理
釜磯
Landsat-7 ETM+データとの比較
吹浦
原画像
分類結果例
Landsat-7 ETM+データ†
地質図との比較
†
景山,柴田,西田,小玉:ランドサットETM+データを用いた
鳥海山沿岸海域における地下水湧出地点の検出;システム
制御情報学会論文誌,Vol.22,No.5,pp.169-176(2009)
塩分濃度の算出
解析の流れ 6/7
前処理
幾何補正・対象地域の切り出し
マスク処理
海域の大気補正
k-means法による分類処理
Landsat-7 ETM+データとの比較
対象地域の地質図*
地質図との比較
塩分濃度の算出
*地質図:地質調査所
(5万分の1地質図幅「鳥海山及び吹浦」(1992))
解析の流れ 7/7
前処理
幾何補正・対象地域の切り出し
湧水と海水の違い:
水温,塩分濃度,比重,透明度等
マスク処理
海域の大気補正
•AVNIR-2データによる報告事例
•現地調査による実測値
塩分濃度*に着目
k-means法による分類処理
塩分濃度
Landsat-7 ETM+データとの比較
地質図との比較
塩分濃度の算出
 a Log CDOM
  b
2
 B 
 B 
CDOM  m  1   n  1   l
 B2 
 B2 
有色溶存有機物
, B 2 :各月データのBand1,2
a  22 . 2 , b   17 . 3 ,
m  64 . 7 , n  59 . 3 , l  13 . 5
B1
the potential of remotely sensed
data for water quality monitoring of coastal and inland
waters」,高知工科大学紀要,Vol.5,No.1,pp.201-207(2008)
*塩分濃度:「Assessing
現地調査における検討 (4/5)
淡水における河川と湧水地点の各水質項目の比較
測定結果
項目
河川水
湧水地点
(平均値)
塩分濃度(%)
0.1
6.94
0.0
7.71
7.26
10.18
pH
溶存酸素量
(mg/L)
電気伝導率
(S/m)
0.030 0.018
海水比重(sg)
1.000 1.001
24.0
13.8
12.3
5.4
水温(℃)
濁度(NTU)
小砂川
河川水
・月光川
淡水
・小砂川海水浴場
・クツカケ広場
・釜磯海水浴場
吹浦
2009年9月20日取得
AVNIR-2データの
分類結果
水温および濁度の差異を認めた
テクスチャ
細かな模様パターンが一様に分布している状態。
テクスチャのきめ細かさにより風景の遠近感を得る
ことができる。自然界に存在するテクスチャは統計
的なものがほとんど。
テクスチャ解析
(1)統計的特徴量の抽出
(2)局所的幾何学的特徴による解析
(3)モデル当てはめによる解析
統計的特徴の抽出法
統計的にテクスチャ解析する方法は数多くある
・濃淡ヒストグラム
・同時生起行列
・差分統計量
・ランレングス行列
・パワースペクトル
リモートセンシングデータのテクスチャ解析に有効
(処理時間を考慮)である
同時生起行列を用いる
3次たたみ込み内挿法 (cubic convolution)(1/4)
3次補間法とも呼ばれ,内挿点の画像データを
その点の周囲16点の画像データを用いて求める
Pk
 1, l  1
Pk
 1, l
v
Pk
Pk, l  1
Pk, l
u
Pk
 1, l  1
Pk
 1, l
Pk
 2, l  1
Pk
 2, l
P(u,v)
Pk, l
 1
Pk
 1, l  1
Pk
 2, l  1
 1, l  1
:原画像の画素
:内挿したい画素
Pk
 1, l  2
Pk, l
 2
Pk
 1, l  2
Pk
 2, l  2
3次たたみ込み内挿法 (cubic convolution)(2/4)
内挿の一般式
3次たたみ込み内挿法
P

P
f l  2   v 
P

P
kk  11,, ll  11
P  f l  1   v 
f l  v  f l  1   v 
k  u 
l  v 
kk  11,, ll
P
kk ,, ll  11
P
kk ,, ll
P
kk  11,, ll  11
P
kk  11,, ll
P
kk  22 ,, ll  11
P
kk  22 ,, ll
kk  11,, ll  11
P
kk ,, ll  11
P
kk  11,, ll  11
P
kk  22 ,, ll  11
kk  11,, ll  22
P
kk ,, ll  22
P
kk  11,, ll  22
P
kk  22 ,, ll  22
  f  k  1   u  


f  k  u 


  f  k  1   u  


 f  k  2   u 
[ ]:ガウス記号
(u,vの少数部分を切り捨てて整数部分をk,lとする)
y
内挿関数
y
:観測点
‐1
0
x
+1
+2
x
:内挿点
3次たたみ込み内挿法 (cubic convolution)(3/4)
3次たたみ込み内挿法の重み関数 f t 
1 2t
f t  
2
 t
48t 5t
,0  t  1
3
2
 t
3
,1  t  2
,2  t
0
f(t)
:3次たたみ込み内挿法の重み関数
:  t   sin c  t  sin  t /  t
+2
‐1
0
+1
+2
t
3次たたみ込み内挿法 (cubic convolution)(4/4)
特徴
① 画像の平滑化と同時に鮮鋭化の効果
② オリジナルな画像データを壊してしまう
○間隔尺度(数値の差のみ)
×順序尺度(大小関係)
×名義尺度(区別するのみ)
③ 内挿点の値Pは16点の観測点の最小値より小さな値と
なる場合や,最大値より大きな値となる場合があるので
注意が必要(256レベルだと負数や255を超えることあり)
④ 画像の幅1画素の縁内に位置する画素に処理はできない
⑤ 処理アルゴリズムが複雑であり,処理時間がかかる
バンド
Lバンド 波長 約24cm
Cバンド 波長 約6cm
Xバンド 波長 約3cm
波長の短いバンド(C,Xバンド)で森林地帯を観測する
と、木の上のほうの葉っぱの部分で反射してしまい、
地面まで電波が到達しない。そのため、うまく干渉で
きない。これに対し、波長の長いLバンドの電波は植生
を透過する。そのため、森林地帯でも地面からの反射
波をとらえて干渉できる。
日本のように植生が多く、かつ山地が多くて地形が
険しい場所では、Lバンドが有利である。
現地調査時(1回目)の天気
2010年7月16日
降水量(mm)
0
(7/14に36.5mm,7/15に2.0mm)
気温(℃)
24.4
風速(m/s)
1.2
風向
南南東
日照時間(h)
6.2
気象庁より
http://www.jma.go.jp/jp/amedas/
現地調査時(2回目)の天気
2010年8月3日
降水量(mm)
0
(7/14に36.5mm,7/15に2.0mm)
気温(℃)
25.7
風速(m/s)
1.3
風向
北
日照時間(h)
1.2
気象庁より
http://www.jma.go.jp/jp/amedas/
データ取得時の天気(PALSARデータ)
2009年10月7日
降水量(mm)
0
(10/4に2.0mm)
気温(℃)
17.0
風速(m/s)
1.7
風向
北北東
日照時間(h)
3.6
気象庁より
http://www.jma.go.jp/jp/amedas/
データ取得時の天気(AVNIR-2データ)
2008年
4月6日
0
2008年
8月5日
0
2009年
5月5日
0
2009年
9月20日
0
(4/3に3.5mm)
(8/4に23mm)
(4/27に12mm)
(9/14に10mm)
気温(℃)
7.5
24.1
15.4
17.7
風速(m/s)
1.3
1.8
1.3
2.0
風向
西南西
北
北北西
北
日照時間(h)
11.2
12.4
11.2
9.5
降水量(mm)
気象庁より
http://www.jma.go.jp/jp/amedas/
データ取得時の天気(ETM+データ)
2001年3月23日
2002年9月2日
降水量(mm)
0
0
気温(℃)
7.5
27.1
風速(m/s)
3.1
2.0
風向
西北西
南南西
日照時間(h)
10.4
11.6
気象庁より
http://www.jma.go.jp/jp/amedas/
ALOS(だいち)
2006年1月に宇宙航空研究開発機構(JAXA)が打ち上げた
地球観測衛星
「陸域観測技術衛星(Advanced Land Observing Satellite)」
地球観測衛星の中では世界最大級
3つのセンサ搭載(PRISM・AVNIR-2・PALSAR)
だいちの主要性能
高度
691.65km
軌道
太陽同期準回帰軌道
サブサイクル
2日
周期
99分
回帰日数
46日
(財)リモート・センシング技術センターwebページより
http://www.restec.or.jp/
ALOS(だいち)
センサ
分解能 / 観測幅
特徴
利用分野
分解能:2.5m
観測幅:35km(3方向視モード)
70km(直下視のみ)
可視域の波長を用い
て,前方・直下・後方
の3方向視の画像を
同時に取得
地図作成,(地図作成の
ための)DSM作成,都市
計画,農業,森林監視,
沿岸監視,不法投棄監
視,洪水監視 etc.
可視・近赤外域の波
長を用いて,陸域や
沿岸域を中心に観測
広域地図作成,広域都市
計画,農業(作物調査),
森林監視,沿岸監視,港
湾汚染監視,植生監視,
広域洪水監視 etc.
Lバンドを用いた合成
開口レーダ。[高分解
能モード]に加えて,[
広域モード]での観測
も可能
DEM作成,インタフェロメ
トリによる地形変形の抽
出,バイオマス推定,森
林監視,農業,油流出監
視,土壌水分,船舶探査
etc.
PRISM
分解能:10m
観測幅:70km
AVNIR-2
分解能:10m(高分解モード)
100m(広域モード)
観測幅:70km(高分解モード)
250~350km(広域モード)
PALSAR
(財) リモート・センシング技術センターwebページより
http://www.restec.or.jp/
Landsat衛星
1972年7月,米国により世界で初めて打ち上げられた
地球観測衛星
現在,7号が主力として運用
TMセンサを改良したETM+(Enhanced Thematic Mapper
Plus)を搭載
Landsat-7号の主要性能
高度
705.3km
軌道
太陽同期準回帰軌道
周期
99分
回帰日数
16日
(財)リモート・センシング技術センターwebページより
http://www.restec.or.jp/
AVNIR-2データ(256階調)
日時
ピクセル数(横×縦) ポインティング角
2008/4/6
7142×7000
0.000°
2008/8/5
7129×7000
0.000°
2009/5/5
11396×7000
-34.300°
2009/9/20
11399×7000
-34.300°
PALSARデータ(65536階調)
日時
ピクセル数(横×縦) オフナディア角
2009/10/7
5600×4700
34.3°
オフナディア角:レーダ鉛直直下(ナディア)方向と観測方向とのなす角
ランドサット7号
打ち上げ日 1999.04.15
高度 705.3km
軌道 太陽同期準回帰軌道
周期 99分
回帰周期 16日
搭載センサ ETM+
1シーンの受信時間 24秒
地表分解能
30m(B1~5,7),
60m(B6),15m(Pan)
ETM+センサの観測波長帯および観測対象
バンド
観測波長帯
観測対象
B1
0.45~0.52
(可視:青)
沿岸域マッピング,土壌・植生
および針葉樹・落葉樹の区別
B2
0.52~0.60
健康な植生からの反射率測定
B3
0.63~0.69
B4
0.75~0.90
B5
1.55~1.75
B6
10.4~12.5
B7
2.09~2.35
Pan
0.52~0.90
(可視:緑)
(可視:赤)
(近赤外)
(中間赤外)
(熱赤外)
異なった植物種類のクロロフィ
ル吸収測定
バイオマス調査および水の状
況描写
植生の水分測定および雲と雪
の区別
植生のストレス解析,土壌水
分識別、熱マッピング
岩石種類識別、霞浸透
(中間赤外)
都市計画および地図作成、
(可視・近赤外) 30mバンドマルチスペクトラル
データによるマージ
(財) リモート・センシング技術センターwebページより
http://www.restec.or.jp/
太陽同期軌道
衛星と太陽の位置関係が常に等しい
地表への太陽光の入射角が一定
放射・反射量を正確に観測
準回帰軌道
衛星が地球を一周する度,観測
地域が少しずつずれ,数日後に
再び同じ場所の上空に戻る
同じ地域を一定の間隔で観測可能
宇宙航空研究開発機構 Webページより
AVNIR-2データの観測幅
観測幅:70km(直下)
ポインティング範囲:±44度
分解能:10m(直下視)
宇宙航空研究開発機構 Webページより
ETM+データの画像1シーンの大きさ
分解能
認識出来る最少の大きさ
30m(B1~5,7)
60m(B6)
15m(Pan)
宇宙航空研究開発機構 Webページより
淡水(河川や地下水)と海水の違い
•水温(地下水は一定,海水は季節や朝夕に
よって変化)
•塩分濃度(淡水の塩分濃度は低い)
•電気伝導度(海水の電気伝導度は高い)
•流速(淡水と海水の流速は異なる)
•透明度(地下水の方が透明度が高い)
•比重(地下水の方が比重が小さい)
海域の大気補正
1回散乱近似による補正手法
  m   oz 
I w  I r  I m  I a  t  exp  

,
 cos  
t
1
I w:海面放出放射輝度
 m :分子散乱による光学的厚さ
I r :大気上空における放射輝度
 oz :オゾン吸収による光学的厚さ
I m:分子散乱による放射輝度

:衛星天頂角
I a :エアロゾル散乱による放射輝度
高木,下田「新編 画像解析ハンドブック」より
海域の大気補正
大気上空における放射輝度(Ir)
 L max  L min 
Ir  
  DN  L min
255


L
max
:センサで検出可能な最大放射輝度
L
min
:センサで検出可能な最小放射輝度
DN
:画素値(データ値)
海域の大気補正
分子散乱による放射輝度(Im)
0
 1
1 

E0
 t  
 
Im 

 1  e    0    P    2
4    0 
d

1
 0  cos  0
  cos 
t  0 . 00879 
 4 . 09
(t:分子散乱での光学的厚さ)
P ( 0 ) 
3
4
1  cos
2
 0
(P:分子散乱の散乱光角度分布関数)
0

:太陽天頂角

:バンドの中心波長
:衛星天頂角
E 0 :太陽照度
d
:太陽と地球の距離
海域の大気補正
エアロゾル散乱による放射輝度(Ia)

1
1 
E s (  ) exp    oz (  )  
 
   0 

Ia (  )  Ia (  0 )

1
1 
E s (  0 ) exp    oz (  0 )  
 
   0 


:任意の波長
 0 :Iw(λ0)=0になる波長
Es
:太陽の分光放射照度
I a (  0 ) : 近赤外域付近(0.76~0.89)の海面反射は小さいので,
Iw(0.76~0.89)=0と仮定すると,最初の式より計算可
大気補正
1回散乱近似による補正手法
この方法はλ0=670nmにとり,NIMBUS-7/CZCS画像
データの大気補正に使用された
NIMBUS-7(米国)
打ち上げ日:1978.10.24
停止:1986.12
CZCS:沿岸域水色観測用機械走査型放射計
観測波長帯: B1
B2
B3
B4
B5
B6
0.433-0.453
0.510-0.530
0.540-0.560
0.660-0.680
0.700-0.800
10.5-12.5
地上分解能:0.825km
観測幅:1.566km
対象地域の海流
対象地域
上向きの海流
第二管区海上保安本部海洋情報部
「日本海北部海流観測報告書」(平成16年6月)より
岩牡蠣
伏流水に含まれるたくさんの栄養分で大きく成長
山に降り注いだ雨や雪が土の中に染み入り,
長い年月をかけて栄養を蓄え,外の世界に
出てくるもの
漁:素潜りで深さ10mの海底に張り付いた岩牡蠣を
「牡蠣おこし」という道具を使ってはがし取る
値段:約15cmの5~7年もので,600円ほど

similar documents