深層学習による衛星データの機械学習と土砂崩壊地の自動抽出

利用深度学习对卫星数据进行机器学习并自动提取滑坡区域

基本信息

批准号：
20K05054
负责人：
小西智久
金额：
$ 2.75万
依托单位：
Hiroshima Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

災害発生時の被災状況の早期把握のため、天候や昼夜によらず地表面の状態を観測可能な人工衛星搭載の合成開口レーダ(Synthetic Aperture Radar: SAR)データの活用が期待されている。本研究では、画像認識で成果を上げている深層学習を用いて災害前後のSARデータから土砂崩壊地を抽出することを目的とする。さらに、波長や観測方向および観測モードの異なるSARデータを用いることで土砂崩壊地抽出に適した手法を確立する。2022年度は2021年度に引き続きSARデータにCNN（Convolutional Neural Network）を適用して土砂崩壊地を抽出するための学習・検証用データを作成する方法について検討を行った。一般的にSARデータよりも光学衛星データの方が土地被覆状態の把握に適していることから、光学衛星データにCNNを適用して土砂崩壊地の教師データを作成する。北海道胆振東部地震の発生前後に観測されたSPOTデータに全層畳み込みニューラルネットワークの一つであるU-Netを適用して土砂崩壊地抽出を行った。この抽出における学習・検証用データは国土地理院が公開している斜面崩壊・堆積分布図のGeoJSONデータから作成した。CNNモデルへの入力は災害後のみのデータと災害前後のデータを使用して、それぞれの抽出精度の比較を行った。学習に使用していないテストデータを用いて検証した結果、災害前後のデータを使用した方がF値は高いが、災害後データのみでも高いF値を示した。これにより、光学衛星データにCNNを適用した土砂崩壊地抽出において、災害前後データを用いた方がF値はやや高くなるが災害後データのみの入力でもほぼ同等のF値が得られることが分かった。

为了在灾害发生时快速了解受灾情况，预计将使用安装在人造卫星上的合成孔径雷达（SAR）数据，无论天气、白天还是黑夜，都可以观察地表状况。这项研究的目的是利用在图像识别方面取得成功的深度学习，从灾害前后的 SAR 数据中提取滑坡区域。此外，我们将建立一种适合利用不同波长、观测方向和观测模式的SAR数据识别滑坡区域的方法。继2021财年之后，我们在2022财年考虑了一种将CNN（卷积神经网络）应用于SAR数据的方法，以创建用于提取滑坡区域的学习和验证数据。光学卫星数据通常比 SAR 数据更适合了解土地覆盖状况，因此将 CNN 应用于光学卫星数据来创建滑坡区域的训练数据。通过对北海道胆振东部地震前后观测到的 SPOT 数据应用全层卷积神经网络 U-Net 来提取滑坡区域。本次提取中用于学习和验证的数据是根据日本地理空间信息管理局发布的斜坡失稳和沉积物分布图的 GeoJSON 数据创建的。我们使用灾后数据以及灾前和灾后数据作为CNN模型的输入，并比较各自的提取精度。使用未用于学习的测试数据进行验证的结果是，使用灾前和灾后数据时的F值较高，但即使仅灾后数据也显示出较高的F值。这表明，将CNN应用于光学卫星数据提取滑坡区域时，使用灾前和灾后数据时F值略高，但仅输入灾后数据可以获得几乎相同的F值。塔。