An Issue of Post Classification Comparison for Land Cover Land Use Change Detection

地域・農村計画策定に向けた環境把握,環境アセスメ ント実施のための環境評価,さらには近年注目されてい る生態系サービス評価 や生物多様性評価 のため, 土地被覆・土地利用(Land Cover Land Use, LCLU) 分類図の作成と土地被覆・土地利用変化(Land Cover Land Use Change. LCLUC)抽出のための方法論の確立 が求められている。LCLU分類図,LCLUC は様々な応 用研究や環境政策に活用されており,基盤となる空間情 報として極めて高精度のプロダクトが期待されている。 数多くの LCLU 分類図が公的機関,大学,研究所を通 じて公開されているが,必ずしも入手可能な LCLU 分 類図が高精度であるとは限らない。たとえば Zhao and Tsutsumidaは複数の全球 LCLU 分類図から一地域を 切り出してその利用を試みたが,その地域では LCLU が正しく分類されていなかったため,独自で LCLU 分 類図の作成が求められた。また,クラス数やクラス定義 は個々の事例に応じて対応する必要があるため,そのよ うな場合,LCLU分類図を自ら作成せざるを得ない。 LCLU分類図の作成にはリモートセンシングデータの 活用が一般的である 。衛星や航空機に備わるセンサー を用いると,一度の撮影で広域情報を入手することがで きる利点がある。光学センサーにより撮影されたデータ であれば複数の観測スペクトルの幅(観測バンド)を, 合成開口レーダーより撮影されたデータであれば地表面 からの複数の反射信号を記録している。オルソ化や大気 補正などのいくつかの処理が必要な場合があるが ,位 置情報のついた画像はピクセル単位で地表面の状況の理 解に利用することができる。空間解像度(ピクセルのサ イズ)はリモートセンシングデータの特徴の一つであ る。例えば Landsat 8 の可視域データは空間解像度がお よそ 30 m,Sentinel-2 の可視域データは約 10 mである。 すなわち,Sentinel-2 であれば約 10 × 10 m = 100 m のピクセルを単位として地表面の情報が記録されてい る。この情報から教師つき分類・教師なし分類などによ り LCLU分類図を作成する。上記のような性質により, LCLU分類図はピクセル単位で精度を評価されることが 一般的である。なお,LCLU分類はピクセルベースの分 類のほかにオブジェクトベースの分類法も存在する 。 オブジェクトベース分類は画像から均一的なエリアをセ グメントとして予め抽出し,それらに対して教師つき分 類や教師なし分類を適用するものである。以降,話を単 純化するために,ここではピクセルベース分類による LCLU分類図とその変化に着目する。 LCLUC の抽出は二時期の LCLU 分類図を比較する 分類結果比較法(Post Classifi cation Comparison, PCC) によって多く実施されてきた。PCCは,例えば時点 tの LCLU 分類図(It)と時点 t+ 1の分類図(It+1)を作成 し,この 2つの分類図をピクセルごとに比較することで LCLUが変化したか否かを分析する手法である。このよ うに PCCは非常に簡便な手法であるが,It,It+1 が正し く分類されているという前提を見過ごすことができない という課題がある 。分類器を通じて作成された LCLU 分類図は,分類誤差を免れることがほぼ不可能である し,手作業で LCLU 分類図を作成できたとしても位置 誤差やヒューマンエラーが発生する可能性を考慮すべき である。そのため,どのような LCLU 分類図において もすべてのピクセルにおいて正しく分類されているとは 想定しづらい。そこで本稿では,LCLU分類図の分類誤 差が,PCC による LCLUC の抽出にどの程度影響を及 ぼすかについて,簡単なシミュレーションを通じて示し てみたい。