LiDARとQuickbirdのデータを用いた森林植生タイプの分類:-高山市大八賀川流域の事例-  [in Japanese] Classification of forest vegetation types using LiDAR data and Quickbird images:- Case study of the Daihachiga River Basin in Takayama city -  [in Japanese]

Access this Article

Search this Article

Author(s)

Abstract

本研究では、大八賀川流域における森林植生タイプの分類精度向上を目的として、フェノロジーの観点から多時期Quickbird(QB)画像の利用と、樹冠高の観点からLiDARデータの有効性を検討した。QB画像は、2007年4月12日と5月23日を取得し、それぞれ幾何補正と地形補正を行った。樹冠高データはLiDARデータ(岐阜県、2003年)から作成した。研究方法は、対象地の森林をLiDARデータとQB画像を併用して分類し、その分類結果を4月QB画像による分類結果と5月QB画像による分類結果と比較した。はじめに4月QB画像と5月QB画像を最尤法で分類した。次に、LiDARデータとQB画像による分類について、1) 森林を、樹冠高3 m以上かつ正規化植生指数(NDVI、5月QB画像から作成)の値が0.001以上のエリアとして分類した。2) 森林のエリアを、地盤高データ(岐阜県)によって標高1,200 m未満(MapA)と標高1,200 m以上(MapB)に分けた。各エリアを4月QB画像によって最尤法で落葉樹林と常緑針葉樹林に分類した。標高1,200 m以上の落葉樹林のみ、5月QB画像によって最尤法でカラマツ林と落葉広葉樹林に分類した。最後に、MapAとMapBを統合して、流域の森林植生タイプ分類図を作成した。3) 検証用画素をランダムサンプリングで選び、分類総合精度とKHATを算出した。その結果、非森林と森林の分類では、LiDARデータとQB画像を併用した分類総合精度は96 %(KHAT 0.90)と高く、次いで5月QB画像による非森林・森林の分類総合精度は94.5 %と高かった。LiDARデータとQB画像を併用した分類では、LiDARデータによって非森林の森林への誤分類を回避できたと考えられる。森林領域内における森林植生タイプの分類では、4月QB画像によって常緑針葉樹林を高い精度(0.96)で分類できた。分類総合精度は4月QB画像では66.8 %(KHAT 0.54)、5月QB画像では68.8 %(KHAT 0.50)であったのに対して、LiDARデータとQB画像による分類総合精度は93 %(KHAT 0.91)となり、多時期QB画像とLiDARデータの複合利用によって森林植生タイプの大幅な分類精度の向上が認められた。

This study aimed to improve the accuracies of forest vegetation type classification in Daihachiga River Basin and examined the possibility in using multi-seasonal Quickbird (QB) images from phenology viewpoint and in using LiDAR data from tree canopy height viewpoint. QB images were acquired on April 12th and May 23rd 2007 and corrected geographically and topographically. Digital Canopy Height Model (DCHM) was developed using LiDAR data (Gifu prefecture, 2003). The forest was classified using QB images and LiDAR data and the classification results were compared to those of April and May QB images. First, it was classified based on April and May QB images using maximum likelihood method (MLM). Second, it was classified based on QB images and LiDAR data and the methods are as follows: 1) The area in which DCHM was higher than or equal to 3 m and Normalized Difference Vegetation Index (computed using May QB image) was greater than or equal to 0.001 was classified as forest area. 2) The forest area was divided into a forest area at altitudes less than 1,200 m (MapA) and a forest area at altitudes over 1,200 m (MapB) using Digital Terrain Model (Gifu prefecture) and each of the two areas was classified into deciduous and evergreen forest with April QB image using MLM. Deciduous forest area at altitudes over 1,200 m was classified into larch and deciduous broadleaf forest with May QB image using MLM. Finally, a forest vegetation type map was made up by combining Map A and B. 3) Classification accuracies were evaluated by selecting validation pixels using random point sampling and overall accuracies and KHAT were computed using the pixels. The results showed overall accuracy of forest and non forest classification based on QB images and LiDAR data was 96 % (KHAT: 0.90) and which was followed by the overall accuracy of forest and non forest classification based on May QB images .We suggest that the higher accuracy was achieved by avoiding misclassification between forest and non forest using LiDAR data. The overall accuracy of forest vegetation type within forest area based on QB images and LiDAR data was 93.8 % (KHAT:0.91) and evergreen forests could be classified with high accuracy(0.96), while the overall accuracy of forest vegetation type classification based on April and May QB images are 66.8 % (KHAT:0.91) and 68.8 %(KHAT:0.50). Thus, use of multi-seasonal QB images and LiDAR data improved the accuracies of forest vegetation type classification greatly.

Journal

  • Journal of the Japanese Agricultural Systems Society

    Journal of the Japanese Agricultural Systems Society 28(4), 115-122, 2012

    The Japanese Agricultural Systems Society

Codes

  • NII Article ID (NAID)
    130005074405
  • NII NACSIS-CAT ID (NCID)
    AN10164125
  • Text Lang
    JPN
  • ISSN
    0913-7548
  • NDL Article ID
    024039677
  • NDL Call No.
    Z18-1989
  • Data Source
    NDL  J-STAGE 
Page Top