マングローブ

Global Mangrove Watch プラットフォームは、世界規模でのマングローブ範囲の最も完全で最新の地図へのアクセスを提供します。リモートセンシングデータからこのマップを作成するために使用される方法論を以下に要約します。完全な説明については、バンティング等。 2018年.

オーストラリア、オルフェウス島のマングローブの木。クレジット: Matt Curnock/Ocean Image Bank

マングローブを探す

マングローブをマッピングするための最初のステップは、マングローブが発生する可能性のある地域のみを対象にすることです。マングローブ生息地の特性を利用して、非沿岸および非熱帯地域の多くを除去することができます。メソッドの組み合わせが使用されます。

既存のマングローブマップに基づいて、マングローブが存在すると予想されるエリアをターゲットにします
NASA シャトルレーダー地形ミッション (SRTM) の標高データを使用して、低地の沿岸地帯より上のエリアを除外し、マングローブ生息地レイヤーを作成します。
沿岸水マスクを使用して、乾燥地を除外します。

リモートセンシング画像の取得

対象エリアがフレーミングされると、チームは 5 つの異なるセンサーからリモートセンシング画像を取得します。Landsat 7 / Landsat 2009 からの光学衛星画像と ALOS PALSAR Radar からのレーダー衛星画像です。雲量、季節による植生の違い、その他の自然の変化により、2011 年から XNUMX 年の間で異なる時期に撮影された複数の画像が同じ領域に使用され、補正され、ギャップが埋められ、相互に補完されます。

LandsatバンドとALOSPALSARバンドのさまざまなバンドの組み合わせを使用して視覚化されたガボンのデルタの画像。これらの色の組み合わせは、浸水した地域とマングローブを識別するために使用されました。出典：Aldousetal。 2021年

画像の処理

画像を選択すると、画像を処理してトレーニングデータを生成する準備が整います。 Global Mangrove Watch のマングローブ範囲マップでは、128 億 XNUMX 万のサンプルがトレーニングデータとして使用されました。

画像分類

訓練データが生成されると、画像分類が実行されます。マングローブ範囲マップの場合、分類はレーダーデータと光学データの両方に基づいており、各ピクセルにはマングローブクラスまたはマングローブ以外のクラスの属性が与えられます。

検証

結果として得られるマングローブ範囲のマップは、エラーがないかチェックされます。これは、分類をマングローブの存在または不在の既知の領域と比較する検証プロセスであり、通常はトレーニングデータとは異なります。

マングローブ範囲の年次更新の作成

毎年マングローブ範囲の新しいマップを作成するために、グローバルマングローブウォッチチームは、2010年のマングローブ範囲マップに対する変更を特定するプロセスを作成しました。このマップから画像への変化の検出方法が使用されるのは、新しいマップを作成するのに十分な画像が毎年利用できることはめったになく、データ処理の量を減らすことで、チームははるかに少ない計算入力でより高速な製品を生成できるためです。