事例 > 衛星画像の活用(変化抽出)

活用法

衛星画像の活用(変化抽出)

 

画像判読の手法として Change Detection(日本語にすると「変化抽出」や「変化検出」)という、基本的なカラー合成を利用して 2 時期の変化を抽出する方法があります。2 時期の画像には、衛星から得られるマルチスペクトル画像や NDVI (正規化植生指数)画像のように既に演算された画像などを用い、その 2 時期の画像を重ねてカラー合成するという方法です。
ここでは、マルチスペクトル画像を利用した変化抽出をご紹介します。

今回利用した 2 時期の衛星画像は、どちらも無償で取得できる画像です。

1 時期目: JERS-1/VNIR 1997 年 7 月 5 日撮影 解像度 20m
JERS-1 (ふよう1号) は、1992 年 2 月から 1998 年 10 月まで活動していた衛星で、光学センサーと合成開口レーダーにて資源探査を目的に観測を行っていました。現在、JAXA 配信の G-Portal より無償でダウンロードすることができます。

2 時期目: Sentinel-2 2017 年 5 月 8 日撮影 解像度 20m
Sentinel-2 は、現役で陸域観測を行っている光学衛星で、以前のブログでもご紹介した無償で利用できる衛星画像の一つです。詳細は「衛星画像もオープンな時代に? ― Sentinel-2 on AWS から無償で衛星画像データをダウンロードできます!」をご参考ください。

~前処理~

A. JERS-1 画像は、G-Portal で提供されている専用のツールを用いて RGB 画像に変換します。JERS-1 の RGB 画像は、緑・赤・近赤外バンドの 3 バンドで構成されています。B. Sentinel-2 画像は、JERS-1 画像と同じ波長帯の 3 バンドを選択してコンポジットしておきます。C. 2 時期の画像で同じエリアを切り取ります。
※コンポジットとは、複数のバンドのラスターを重ねて一つのラスター データを作成する処理のことです。
※Sentinel-2 はバンドによって解像度が異なりますが、今回利用した近赤外バンドの解像度に合わせて、20m 解像度の画像を使用しています。また、両画像とも画像補正は位置補正しか行っておりません。

以下では、前処理後【Red・Green・Blue = 近赤外・赤・緑】の RGB カラー合成の組み合わせで表示した状態となります。およそ 20 年違うと画像を横に並べるだけでも変化している場所が分かりますね。

前処理後

変化抽出画像の作成

ここでは、FEATURE ANALYST という製品を使用して変化抽出画像を作成しました。
FEATURE ANALYST のツールに Before と After それぞれ 1997 年と 2017 年の画像を当てはめると 2 時期の画像をコンポジットした画像が作成できます。
※ ArcGIS の [コンポジット バンド] ジオプロセシング ツールやラスター関数のコンポジット バンド関数を使うと同じ画像を作成できます。
コンポジットされた画像は、Band 1 から 6 に Before → After の順でバンドが格納されています。
RGB カラー合成を【Red・Green・Blue = 2017 年・1997 年・2017 年】の組み合わせにすると以下のように紫色と緑色の擬似カラーの画像が表示できます。これが変化抽出画像となります。

変化抽出画像

変化抽出画像

カラー合成の仕組みは、右図にあるように光の三原色と同じで、Red と Blue に割り当てた 2017 年のバンドは紫色(マゼンタ)になり、Green に割り当てられた 1997 年のバンドはそのまま緑色で表示されます。上記のカラー合成画像では、RGB に各年の近赤外バンドを指定しているため、主に植生の変化を表現していることになります。

すなわち、紫色の場所は、2017 年の方が 1997 年よりも植生が高くなっていることを示し、緑色の場所は 1997 年の方が 2017 年よりも植生が高かったことを示します。または 2017 年は 1997 年よりも植生が減少し、開発が進んだとも言えるかもしれません。2 時期の画像に変化がない場所は、RGB に重ねた色がすべて混ざるため白色となります。黒色の場所は光がすべて吸収している影のような場所です。

変化抽出画像は、カラー合成によってどの場所が変化しているかを目視で判読することができる画像となりますが、FEATURE ANLAYST を利用すると、その変化した場所をフィーチャとして抽出することも可能です。

変化した場所の抽出

上記で作成した変化抽出画像から 2017 年までに変化した場所を抽出します。
FEATURE ANALYST の機能を利用して、変化した場所のサンプルデータを作成し、教師つき分類によるフィーチャ抽出を行います。
FEATURE ANALYST の教師付き分類の パラメーターには、目的のフィーチャに適したおおよその学習設定が規定されています。今回は、建物や植生といった特定のフィーチャ指定は行わず、土地被覆による抽出を行う パラメーターを指定しています。

フィーチャ抽出

羽田空港の滑走路や埋め立て処分場、豊洲、東京ディズニーリゾートの新しいエリアなどの新たに開発された場所をフィーチャとして抽出することができています。

羽田空港の滑走路や埋め立て処分場

浦安エリア

マルチスペクトル画像に格納されている波長の特長を利用すれば、水域や土壌、植生といった特定の領域間での違いを見つけることも可能です。現在、多くの衛星画像が無償で利用できるようになっており、過去の衛星画像を利用した変化抽出は、日本の歴史発見に役立つかもしれません。

※今回のように異なる衛星を利用するとピクセルの位置が必ずしも同じ位置にあるとは限らないため、ピクセルの位置のズレによって変化している箇所が多く発生する場合もあります。Change Detection を行う場合は、2 時期の画像を重ね合わせるため、同じピクセルサイズで、同じ位置にあることを推奨します。

関連業種

掲載種別

  • 活用法

掲載日

  • 2018年8月30日

Copyright© 2002-2018 Esri Japan Corporation. All rights reserved.
トップへ戻る