深層学習による衛星画像認識を活用した土地利用の推計結果について

Abstract

本稿は、2018年度に実施した「深層学習法による衛星画像認識技術を活用した土地利用面積の推計」に関する研究調査結果を取りまとめたものである。本研究調査では、まず、当面の課題となっていたGoogle Earth 画像を利用したドット標本調査法の準備調査段階の作業として手作業で実施している判読作業の効率化を図るために深層学習による衛星画像判定システム「畳み込みニューラルネットワークによるクラス識別器」を構築し、次いでこの構築したシステムの有効性を確認するため、日本全国から10の調査対象地域として指定した調査地点の土地属性を正しく判定し、各対象地域における耕地本地面積を正確に推定できるか否かの試行調査を行った。試行調査の結果は、いずれの調査対象地域においてもドット標本調査による推計値及び農林水産省の公式統計値に極めて近似し、信頼できる推計値であることが確認できた。更に、各標本調査地点における本深層学習法による判定結果とドット標本調査による目視調査結果との一致率は、87％であった。しかしながら、方法論的にみると、ドット標本調査法における目視判定方法が「指定した点地点における属性判定」であるのに対して、構築したシステムでは「指定した点地点を中心とする一定の大きさを持つ範囲における属性判定」にならざるを得ないという限界があること等から、当初の目的としたドット標本調査における準備調査を支援する手法としては限界があることを明らかにした。その上で、本研究が採用した画像からのクラス識別手法に対して、深層学習を用いた画像の領域分割（セマンティックセグメンテーション）も有効であると考えられることを、深層学習による判別手法の今後の課題として指摘した。