AAAA----22222222 愛知県豊田市における詳細土地被覆情報の取得と熱環境解析への適用に関する研究愛知県豊田市における詳細土地被覆情報の取得と熱環境解析への適用に関する研究愛知県豊田市における詳細土地被覆情報の取得と熱環境解析への適用に関する研究愛知県豊田市における詳細土地被覆情報の取得と熱環境解析への適用に関する研究

Study on obtaining of fine land cover information and its application to the heat environment analysis in Toyota city, Aichi prefectureStudy on obtaining of fine land cover information and its application to the heat environment analysis in Toyota city, Aichi prefecture

大西 暁生1

・ 森杉 雅史2

・ 村松 由博3

・ 井村 秀文1

・ 林 良嗣1

1名古屋大学大学院環境学研究科、2名城大学都市情報学部、3中央コンサルタンツ株式会社

高分解能衛星

従来の衛星近年、高分解能衛星データが利用可能

都市内部での複雑な地表面状態が把握可能都市内部での複雑な地表面状態が把握可能

解像度数ｍ程度

解像度数十ｍ

地方都市では中心市街地の活性化を目的とし

た再開発に伴い、生活環境の向上を図ること

が求められ、その１つの取り組みとして熱環境

の改善が行われている

地方都市では中心市街地の活性化を目的とし

た再開発に伴い、生活環境の向上を図ること

が求められ、その１つの取り組みとして熱環境

の改善が行われている

はじめにはじめに

ヒートアイランド現象

地表面人工構造物の増加

冷暖房などによる排熱の影響

水・緑などの自然物の減少

土地利用、土地被覆に大きく影響される

リモートセンシング技術の利用

衛星画像によるリモートセンシング技術を利用し、

土地被覆の温度への影響を把握・検証

既存研究の問題点と課題：

広域的な土地利用や地表面温度分

布などの推定は可能であるが、複

雑な土地被覆である都市内部の詳

細な情報は、衛星の解像度が低い

ことから、その情報を取得すること

は難しい

高分解能衛星画像を利用した

都市内部の熱環境の様子を把握

IKONOSから得られる詳細土地被覆情報とLANDSAT ETM+より得られる地表面輝度温度との関係を考察

高分解能衛星画像の自動分類は、その解像度が高

い(情報量が多い)ことから課題が残されていた

誤分類の除去、統合方法誤分類の除去、統合方法

適合分類と誤分類個所の分光特性の違いにより誤分類を分割

分類A+誤分類B 分類A条件

誤分類B

詳細土地被覆情報の取得詳細土地被覆情報の取得

分

類

項

目

の

設

定

分

類

項

目

の

設

定

分

類

画

像

分

類

画

像

反射率による閾値の設定

バンド間演算による閾値の設定

反射率による閾値の設定

バンド間演算による閾値の設定

エキスパート分類エキスパート分類

詳

細

土

地

被

覆

分

類

詳

細

土

地

被

覆

分

類

19

分

類

4Band

+NDVI

トレーニングデータの取得トレーニングデータの取得

教師付き分類教師付き分類

分

割

し

た

も

の

の

集

約

詳細土地被覆分類のフロー

熱環境に影響を与えると考えられる材質を中心に分類項目を設定熱環境に影響を与えると考えられる材質を中心に分類項目を設定

分類項目より

誤分類を分離

分離されたもの

を結合

草

地

枯

・

草

地

樹

木

土

壌

(濃)

土

壌

(淡)

土

壌

(緑) 川

プ

│

ル 影

金

属

(灰)

金

属

(青)

金

属

(緑)

金

属

(赤)

瓦

(灰)

瓦

(青)

瓦

(赤)

レ

ン

ガ

コ

ン

ク

リ

│

ト

ア

ス

フ

ァ

ル

ト

草地 〇

枯・草地 ○ 〇 〇

樹木

土壌（濃） ◎ 〇

土壌（淡） ◎ ◎

土壌（緑） 〇 〇 〇

川 ○ ◎ 〇 〇 ○

プール 〇 ◎

影 ◎ 〇 ◎

金属（灰） 〇 ◎ 〇 ○

金属（青） ◎ ◎

金属（緑） ○ ○

金属（赤） ◎ ◎

瓦（灰）

瓦（青） ○

瓦（赤） 〇 〇

レンガ

コンクリート ○ ◎ 〇 〇 〇 ○ ○ ◎

アスファルト ◎ ○ ◎

誤

分

類

被覆状況

①特定のBandのDN値により閾値を設ける

②バンド間演算（グラフの傾き等）の結果をもとに閾値を設ける

エキスパート分類を行うことで高分解能衛星

画像の自動分類が可能となり、得られた土地

被覆分類の結果が向上すると考えられる!!!

NN全体図

向上前 向上後

プール

枯草地 樹木 土壌（淡色） 土壌（濃色） コンクリート

アスファルト

金属（赤色）

金属（青色）金属（緑色）

瓦（赤色）瓦（灰色）

影

土壌（緑色）

瓦（青色）

草地

川 金属（灰色）

レンガ

32℃24℃

LANDSAT ETM+の熱赤外バンドから得られる地表面輝度温度

NN

回帰分析ー全土地被覆項目による重回帰分析

（コンクリート系として統合）

回帰分析ー全土地被覆項目による重回帰分析

（コンクリート系として統合）

自由度修正済みR２＝0.644

説明変数に面積割合を使用

→ 必ず合計１となり、説明変数間に強い相関

回帰分析ー各土地被覆項目による単回帰分析回帰分析ー各土地被覆項目による単回帰分析

非説明変数を地表面輝度温度、説明変数

を各土地被覆の面積割合として単回帰分析

を行った

低減要因低減要因

上昇要因上昇要因

川、樹木、草地の順

コンクリート系

単回帰分析、重回帰分析により温度

低減要因・上昇要因を推定

結論結論

IKONOS画像を用いて詳細土地被覆情報の取得を行い、その各土地被覆情報と輝度温度との関係を考察した

さらに、緑化整備のシミュレーションを行うことで2002年8月晴天日の午前10時頃における60×60m格子内の平均輝度温度の変化を分析した

分類手法の

改善と開発

上表で、縦の項目が実際の土地被覆状況を、横の項目が誤分類の項目を表す。例えば、行

が草地、列が樹木のものは、実際には草地であるものが樹木に誤分類されていることを表す。

双方向の誤分類とは、例えば川に対して影、影に対して川が混在している状況を示し、対応

表に対称的に存在しているものを指す。

多重共線性→変数選択

詳細土地被覆情報と輝度温度との関係詳細土地被覆情報と輝度温度との関係

28.168**

(726.958)

6.111**

(37.549)

0.356アスファルト

28.249**

(636.995)

9.012**

(28.977)

0.248コンクリート

29.221**

(879.342)

7.238*

(2.391)

0.002レンガ

28.974**

(801.682)

32.792**

(14.752)

0.078瓦（赤）

29.036**

(804.890)

37.894**

(11.870)

0.052瓦（青）

28.850**

(692.765)

12.437**

(14.160)

0.073瓦（灰）

29.215**

(872.342)

8.950**

(2.772)

0.003金属（赤）

29.119**

(800.145)

11.535*

(2.143)

0.001金属（緑）

28.951**

(763.939)

12.297**

(13.647)

0.068金属（青）

29.014**

(728.572)

3.779**

(9.422)

0.033金属（灰）

29.234**

(886.025)

- 4.330

(-0.711)

0.0002プール

29.559**

(864.525)

- 5.909**

(-20.923)

0.146川

28.995**

(800.151)

14.730**

(13.652)

0.068土壌（緑）

29.145**

(775.858)

1.373**

(4.792)

0.009土壌（淡）

29.169**

(705.418)

0.864*

(2.528)

0.002土壌（濃）

29.969**

(801.115)

- 5.806

(-30.076)

0.262樹木

29.125**

(574.601)

1.316**

(2.775)

0.003枯草地

30.009**

(787.747)

- 4.638**

(-30.341)

0.265草地

定数項偏回帰係数

回帰式

R2

土地被覆分類

0.139

28.566**

（204.934）

定数項

0.3920.188

2.842**

（15.137）

コンクリート系

0.1390.613

6.378**

（10.405）

瓦（灰）

0.0433.441

11.690**

（3.398）

金属（緑）

0.0560.622

2.617**

（4.203）

金属（青）

-0.2910.226

-4.474**

（-19.792）

川

0.0510.755

2.900**

（3.841）

土壌（緑）

0.1660.271

2.862**

（10.571）

土壌（濃）

-0.2020.196

-2.286**

（-11.693）

樹木

0.0820.354

1.956**

（5.527）

枯草地

-0.2000.178

-1.799**

（-10.099）

草地

標準偏回帰係数標準誤差偏回帰係数説明変数名

括弧内の値はt値を示す。 *、**は、それぞれ5%、1%有意を示す。

サンプル数は2550である。

緑化シミュレーション緑化シミュレーション

シナリオ①とシナリオ③を行う街路樹の植栽＋屋上緑化2シナリオ⑤

シナリオ①とシナリオ②を行う街路樹の植栽＋屋上緑化1シナリオ④

詳細土地被覆情報で取得したコンクリート表面

を木（樹木）で覆う

屋上緑化2シナリオ③

詳細土地被覆情報で取得したコンクリート表面

を草（草地）で覆う

屋上緑化1シナリオ②

詳細土地被覆情報で取得したアスファルト表

面を街路樹（樹木）で覆う

街路樹の植栽シナリオ①

シナリオ設定シナリオ想定

緑化シナリオ設定とその想定緑化シナリオ設定とその想定

・緑化シナリオでは、現状から徐々に緑化面積を増やし、最終的には100%まで緑化する。例：シナリオ①の場合、アス

ファルト面積を徐々に樹木面積に転換し、最終的にはアスファルト面積すべてを樹木面積に置き変える。

・詳細土地被覆情報におけるコンクリートの大半は、ビルや住宅などの屋上表面を表す。

樹木 草地 コンクリート アスファルト

NNNN NNNN NNNN NNNN

24

25

26

27

28

29

30

31

32現状

24

25

26

27

28

29

30

31

32

③屋上緑化後（樹木）

24

25

26

27

28

29

30

31

32

①街路樹植栽後（樹木）

②屋上緑化後（草地）

24

25

26

27

28

29

30

31

32

100%緑化した緑化した緑化した緑化した

場合場合場合場合？？？？

④街路樹植栽後（樹木）

及び屋上緑化後（草地）

24

25

26

27

28

29

30

31

32

NNNN

NNNN NNNN

NNNN

NNNN

⑤街路樹植栽後（樹木）

及び屋上緑化後（樹木）

24

25

26

27

28

29

30

31

32

℃ ℃

℃

℃

26.50

27.50

28.50

29.50

現状 10% 20% 30% 40% 50% 100%

℃

まとめ

NNNN

NN

℃ ℃