論 文

ALOS/AVNIR-2多時期データを用いた奈良県・京都府南部

における竹林の抽出

花木なるみ*1・村松加奈子*2・落合史生*3・曽山典子*4・醍醐元正*5・田殿武雄*6

Determination of Bamboo Distribution in Nara and Southern Kyoto Prefectures

Using Multitemporal ALOS/AVNIR-2 Data

Narumi HANAKI*1, Kanako MURAMATSU

*2, Fumio OCHIAI

*3, Noriko SOYAMA

*4,

Motomasa DAIGO*5

and Takeo TADONO*6

Abstract

From 1940 to 1953, red pine and weed-tree forests were converted to bamboo for the production of edible bamboo

shoots and mature culms for craft use. However, bamboo shoots are now imported, and mature culms are generally no

longer used for crafts. Bamboo forests have not been maintained and have expanded into semi-natural areas (satoyama)

near populated zones. Thus, it is important to determine their distribution.

We mapped the bamboo distribution using seasonal ALOS/AVNIR-2 data for Nara and southern Kyoto Prefectures. To

study seasonal variation in spectral reflectance, bamboo leaves were measured monthly using a spectral radiometer. Based

on these data, we investigated the seasonal changes in the bamboo leaf reflectance factor corresponding to the wavelengths

of the AVNIR-2 sensor, in three coefficients, and in a modified vegetation index (MVIUPD) based on the Universal

Pattern Decomposition Method (UPDM). Our results showed that the MVIUPD was lowest in May due to seasonal

variation in the bamboo leaf characteristics. We used spring (May) data for mapping bamboo forests using AVNIR-2 data,

and winter (Jan) data for classifying deciduous vegetation. We displayed training data for bamboo forests in a scatter plot

between Cv, the UPDM vegetation coefficient, and MVIUPD, resulting in a cluster with a gentle curve. We fit the

relationship between Cv and MVIUPD using a natural logarithm function and labeled bamboo pixels according to this

relationship. The results were verified using field survey data, and the Kappa coefficient was 0.75. Narrow or sparse

bamboo forest distributions caused misidentification. The mapping results were compared with the forest stand database of

Nara Prefecture and the vegetation survey dataset provided by the Ministry of the Environment of Japan. We investigated

land cover in the main areas where the results differed from these datasets. About 20% of the areas were misclassified, and

they included an evergreen broadleaf growing on an ancient tomb, a mixed deciduous broadleaf and red pine forest, and a

red pine forest. The results show that bamboo had not been detected during the 6thvegetation survey (2001) in northern

Nara Prefecture.

Thus, we conclude that AVNIR-2 data are useful for mapping bamboo forests on large spatial scales.

Keywords : ALOS/AVNIR-2, bamboo forest distribution, forest stand database, vegetation survey

©2015 RSSJ Journal of The Remote Sensing Society of Japan Vol. 35 No. 2 (2015) pp. 77-88

─ 77 ─

*1Department of Information and Computer Sciences, Nara Womenʼs

University, Kitauoyanishi-machi Nara Nara, 630-8506, Japan*2

Faculty, Division of Natural Sciences, Nara Womenʼ s University,

Kitauoyanishi-machi Nara Nara, 630-8506, Japan*3

KYOUSEI Science Center for Life and Nature, Nara Womenʼs Uni-

versity, Kitauoyanishi-machi Nara Nara, 630-8506, Japan*4

Faculty of Human Studies, Tenri University, 1050, Somanouchi Tenri

Nara, 632-8510, Japan*5

Faculty of Economics, Doshisha University, Karasuma Higashi-iru,

Imadegawa-dori Kamigyo-ku Kyoto, 602-8580, Japan*6

Earth Observation Research Center, Japan Aerospace Exploration

Agency, 2-1-1, Sengen, Tsukuba Ibaraki, 303-8505, Japan

（2014. 2. 1受付，2015. 2. 9改訂受理）*1 奈良女子大学大学院 情報科学専攻

〒630-8506 奈良県奈良市北魚屋西町*2 奈良女子大学 研究院自然科学系

〒630-8506 奈良県奈良市北魚屋西町*3 奈良女子大学 共生科学研究センター

〒630-8506 奈良県奈良市北魚屋西町*4 天理大学 人間学部

〒632-8510 奈良県天理市杣之内町 1050*5 同志社大学 経済学部

〒602-8580 京都市上京区今出川通り烏丸東入*6 宇宙航空研究開発機構 地球観測研究センター

〒305-8505 茨城県つくば市千現 2-1-1

1． は じ め に

タケノコや竹材生産のためにマツ林や雑木林が竹林に転

用されてきたが，近年では輸入タケノコの増加や竹の代用

品の普及により，手入れの行き届かない竹林が急激に増え

てきている。竹は地下茎により無性繁殖するため成長が速

く，他の既存樹林を侵食し，生態系の破壊などの問題が生

じている。竹林がどのように分布し，どのように増加して

いるかを知ることは，里山保全事業の一環として重要であ

る1）。

鳥居ら2）は地形図，土地利用図，航空写真を用いて，

1953年∼1986年の京都府南部の竹林の分布を調べ，1978

年以降都市化による減少があるものの，竹林が丘陵地にお

いて自然に拡大していることを報告している。また，鳥居

は異なる年の航空写真を用いて，滋賀県八幡山（1975年-

1982年），京都府男山地区（1974年-1987年）の竹林の拡大

速度が 2.89，1.78m/年3）であり，奈良県香久山（1979年-

1985年）では 2.9m/年であると推定した4）。また，前迫5）

による 2007年の香久山の現地調査において，さらに竹林

が侵入し続けていることが明らかになった。

航空写真は限定された地域を詳細に調査することには適

しているが，広域の竹林分布状況の調査のためには衛星

データが用いられることが多い。

西川ら6）は竹林の衛星データを用いた抽出にむけて，地

上測定データと衛星データ（LANDSAT/TMおよび SPOT/

HRV）の分光反射特性の季節変化を森林タイプ毎に詳細に

調べた。特にモウソウチクにおいては，4月∼6月に竹林

は他の樹種（広葉樹，ヒノキ人工林，スギ人工林）より赤

色の波長帯の反射が高いこと，年間を通じて竹林の短波長

赤外での反射率が他の樹種に比べて高いことを示した。

小泉ら7）は 4時期の LANDSAT/TMデータを用いて，京

都市西京区を解析対象域として竹林のマッピングを行い，

竹林の抽出には TMの近赤外と短波長赤外が有効であり，

季節としては 4月と 5月のデータが有効であることを示し

た。また，竹林の面積が広いほど竹林の抽出精度は高く，

TMの 5画素以下の広さの竹林ではその抽出は誤分類が多

いことを示した。張ら8）は LANDSAT/ETM +と SPOT/PAN

データを用いて，HIS変換後のスペクトル情報の含有率に

ついて調べ，I成分が空間情報であり，Hと S成分はスペ

クトル情報を含むことを明らかにした。I成分については

10m空間分解能の SPOT/PAN画像とおきかえ，竹冠の被

覆率の割合別に区分を行い，長良川下流域での竹林の面積

を求めた。

宇宙航空研究開発機構（JAXA：Japan Aerospace Explora-

tion Agency）によって 2006年 1月に打ち上げられた ALOS

衛星に搭載された AVNIR-2センサは，可視から近赤外の 4

つの波長帯を持ち，空間分解能 10∼15m で観測を行う。

ALOS/AVNIR-2センサのデータを用いた竹林に関する研

究では，以下のものがある。谷垣ら9）は東日本に多いマダ

ケ林とモウソウチク林の分類可能性を調べるため，

AVNIR-2データを用いてサンプリングを行い，その分光反

射率と植生指標 NDVI（Normalized Difference Vegetation

Index：正規化植生指標）の季節変化を詳細に調べた。その

結果から，両者の抽出には 2月と 5月の赤色と近赤外の

DN値が有効である可能性があることを示した。なお，こ

の研究では竹林のマッピングは行っていない。野々村10）

は ALOS/AVNIR-2，PRISMデータの夏のシーンを用いて

香川県高松市南部の竹林のマッピングを行なった。

PRISMデータから作成した数値表面モデル（DSM）を利用

し，水田と森林域を分類した上で竹林の抽出を行っている

が，水田と森林域の分類処理で誤分類が多かったことを報

告している。この手法は夏の 1シーンのデータしか入手で

きない場合には有効である。

中高空間分解能である ALOS/AVNIR-2の多時期の衛星

データを使用すれば，県全域程度の比較的広域エリアを対

象として安価な費用で竹林の分布を調べることが可能であ

ると考える。しかし，中高空間分解能の光学系の衛星デー

タを使用する場合，雲の影響などで使用できるデータが欠

測する場合があり，植生の分類を行うために必要な季節の

データを揃えられないことが多い。欠測したエリアについ

ては，可能な限り植生の特徴を抽出することができる時期

のデータを使用して補間する方法をとる必要があり，分光

反射率の季節変化を把握しておく必要がある。

一般的に植生の特徴を調べる際に使用する NDVIは赤と

近赤外の 2つの波長帯の値を使用する。一方，ユニバーサ

ルパターン展開法（UPDM：Universal Pattern Decomposition

Method）11）では，可視域（青，緑，赤）と近赤外の波長帯

全ての値を使い UPDM 係数を算出する。UPDM の水

（Cw），植生（Cv），土壌（Cs）の 3つの係数は，それぞれ，

水，植生，土壌の分光反射率の特徴を示している。また，

UPDM係数を使用して求める植生指標（MVIUPD：Modi-

fied Vegetation index based on UPDM）12）13）は，植生被覆度

や活性度が高い場合に飽和してしまう NDVIと異なり飽和

しにくい13）ので，植生被覆度や活性度が高い場合の特徴

を示すことが可能である。

本研究では AVNIR-2センサのデータを用い，奈良県と

京都府南部の比較的広領域を対象エリアとして，竹林分布

図を作成する方法を示す。竹林抽出に有効な時期を検討す

るため，1年を通して毎月竹の葉を採取し，分光放射計を

用いてその分光反射特性を調べた。衛星データによる竹林

抽出の精度を高めるために，対象地域内の竹林以外の植生

として，常緑樹林，落葉樹林，草地，茶畑を挙げ，衛星デー

タでの各植生と竹林の季節変化の特徴を UPDM 係数と

MVIUPDを使って調べた。その上で，竹林抽出のための関

係式を UPDM係数 Cvと MVIUPDを使用して求め，分類

を行った。

竹林分布図の検証には，これまでの研究や調査により竹

林の拡大が顕著だと指摘されたエリアの周辺地域と里山な

どから比較的容易にアクセスできる竹林で参照データを作

ALOS/AVNIR-2多時期データを用いた奈良県・京都府南部における竹林の抽出

─ 78 ─

成し，検証を行った。また，環境省の自然環境保全基礎調

査植生調査14）（以下，植生調査と呼ぶ），および奈良県の森

林簿15）と比較することにより考察を行った。

2． 方法と使用したデータ

2．1 方法の概要

本研究では，ALOS/AVNIR-2の多時期データを用いて竹

林抽出を行うため，竹の葉の分光反射率や植生指標の季節

変化を把握する必要がある。そこで，竹葉の 350 nm∼

2500 nmまでの分光反射率を地上にて測定し，そのデータ

から AVNIR-2 センサの観測波長帯の反射率，Universal

Pattern Decomposition Method（UPDM）による展開係数，お

よび植生指標（MVIUPD：Modified Vegetation index based on

UPDM）の季節変化の特徴を調べた。それらの特徴に基づ

き，使用する AVNIR-2センサの観測日の候補日を決めた。

AVNIR-2の各シーンの土地被覆項目毎の分光反射率や，

UPDMの係数・植生指標の特徴を調べ，決定木の閾値を決

めることにより竹林の抽出を行った。まず，植生域と非植

生域の分類を行い，植生域から竹林の抽出を行った。この

ため，分類に用いるパラメータの特徴について，竹林以外

にも，水域，市街域，芝地，常緑樹，落葉樹，茶畑につい

て調べた。その結果より，竹林の抽出のため閾値法による

決定木を決め分類を行った。

分類結果を現地調査による検証データと比較し，分類精

度を調べた。また竹林の抽出結果と奈良県の森林簿，環境

省による植生調査データとの比較を行ない，森林簿，植生

調査データと顕著に異なる竹林分布を示した 2つの地域に

ついて，現地調査による確認を行なった。

2．2 UPDMと植生指標MVIUPD

竹の葉の分光反射率と各土地被覆の特徴解析のために使

用した UPDMとその係数による植生指標MVIUPDの概要

は以下の通りである。

UPDMは，衛星の測定器のバンド数に依存しない解析方

法である。以下に UPDMとその係数による植生指標の概

要を示す。UPDMは nバンドの反射率（R1，…，Ri，…，Rn）

を水（Piw），土壌（Pis），植生（Piv）の 3つの基本パターン

の値とその展開係数 Cw，Cs，Cvを用いて，次の式で表す解

析方法である。

Ri=CwPiw+CvPiv+CsPis，（i=1，…，n） （1）

Cwが他の展開係数より大きければ，その地点は水域を

意味し，Csが大きければ裸地・市街地を，Cvが大きければ

植生域を意味する。

UPDMの係数から定義される植生指数である MVIUPD12）

は次の式で定義する。

MVIUPD=Cv−Cw−0.2×Cs

Cw+Cv+Cs

（2）

理論的には，Cwと Csの値がゼロで，Cvのみが値を持つ

場合，式（2）よりMVIUPDの値は 1となる。Cwと Csが値

を持つ場合は，MVIUPDの値は植生の被覆度や活性度に依

存する12）13）。一方，植生のタイプにより Cvの値は異なる。

例えば，常緑針葉樹のスギは，落葉広葉樹より低い Cv値

を持つ16）。

2．3 竹の葉の分光反射係数測定とそのデータ処理

京都府に近接する大阪府寝屋川市のモウソウチク林の竹

の葉を各月 5枚採取した。採取した葉は室内にて，各葉の

写真を撮り，葉の色について目視で記録をとった。次に，

ハロゲンランプ（EYE DICHRO-COOL，岩崎電機（株））を

光源として分光放射計（FieldSpecFR, ASD Inc.）を用いて，

350 nm∼2500 nmまでの完全拡散面に対する分光反射係数

を測定した。ランプを天頂角 20度に設定し，8度のレンズ

を用いて直下をフットプリントの直径 1 cmで測定を行っ

た。校正済白色拡散版（Spectralon Targets, Labspher Inc.）を

用いランプのデジタルカウント値を測定後，サンプルのデ

ジタルカウント値の測定を行なうことにより，分光反射係

数を測定した。各サンプル 3回の測定を行った。測定日は

2011年 1月 13日，2月 19日，3月 23日，4月 19日，5月

21日，6月 22日，7月 21日，8月 18日，9月 24日，10月

25日，11月 29日，12月 21日であった。

350 nm∼2500 nm の分光反射係数の値を図化し，測定

データの確認を行った後，ALOS/AVNIR-2センサの波長帯

をぬきだし，式（1）により水，植生，土壌の 3つの展開係

数と式（2）の植生指標MVIUPDの値を計算し，それらの季

節変化を調べた。

2．4 データ

2．4．1 使用した衛星データ

Table 1に奈良県と京都府南部の竹林抽出を行うために

使用した AVNIR-2 の 7 シーンのデータの詳細を示す。

Table. 1のデータは大気補正，オルソ補正された分光反射

率データとして提供されたものである。奈良県のほぼ全域

を含めるために，1月，5月，9月のそれぞれの 2シーンを

使用した。複数のシーンの AVNIR-2データを合わせて分

類に使用するために，タイポイントを取り，Affine変換を

用いて位置合わせを行った。11月のデータは他のデータ

とともに，分類条件の季節変動を確認するために使用した。

2．4．2 竹林の分類結果との比較に用いたデータ

現地調査による参照データは画素単位の点データである

ため，植生分布が面データとして入手可能なデータとの比

較を行った。比較に用いたデータは奈良県から提供された

森林簿データ15）と環境省の植生調査データ14）である。

森林簿は県が森林の位置，林種，樹種などの森林資源情

報を取りまとめた台帳であり，林班や小班を複数のポリゴ

ンに分けて，樹種，樹高などの情報が整理されている。森

林簿にも項目として竹林が存在するが，森林簿は森林とし

て管理している区域に関しての情報である。また森林簿の

更新はその土地の管理者による申告によることが多い。

植生調査データは航空写真および現地調査により現存植

生図が作成され，その後の経年変化を把握するために，調

日本リモートセンシング学会誌 Vol. 35 No. 2 （2015）

─ 79 ─

査では衛星データも利用されている。本研究に関わるすべ

ての対象領域に対して現地調査が行われているわけではな

い。本研究で使用したものは，第 6回（1999年度∼2004年

度）のものである。

2．5 現地調査

現地調査は，（1）竹林分類のための教師データのサンプ

リング場所の決定，（2）分類結果検証のための参照データ

作成，（3）奈良県の森林簿，環境省の植生調査データとの

比較結果の確認のために行った。森林簿，植生調査データ

との比較では，竹林の分布エリアが多い領域において，本

研究結果と竹林分布が異なる場所を現地調査で確認した。

現地調査は，AVNIR-2データの 1画素（10m×10m）以上

の面積でほぼ同一被覆物である場所について行った。現地

調査の緯度経度の取得には，携帯用 GPS受信機（GPSMAP

60CSx，GARMIN Inc.）を用いた。

（1）は前迫5）により報告されている香久山の麓にて現地

調査を行った。サンプリングエリアは，目視で竹林の分布

状況がわかる平坦な場所とした。竹林の抽出条件を確認す

るための比較データのサンプリングエリアは，鳥居ら2）に

報告されている京都府木津川市山城町とした。

（2）は竹林が広く分布しているエリア一帯で現地調査を

行い，竹林，竹林以外の植生，その他（市街地・水域）の

参照データを収集した。その地域は奈良県内では，茶筅の

産地として知られている生駒市，奈良市・天理市・宇陀市

から山添村・東吉野村・川上村の山沿いである。また鳥居

ら2）の論文に記載されている京都府南部の木津川市・井手

町・城陽市・宇治市にて調査を行った。なお木津川市山城

町では，比較データのサンプリングエリアとは異なる場所

にて調査を行った。

検証サイトの位置を決める方法は次のように行った。現

地調査で植生の分布状態を調べる際，対象エリア内に入る

ことが困難な場合には可能な限り近づき，エリアの両端で

緯度経度の測定を行い，分布の状況と緯度経度の観測場所

を地図上に記入した。その上で Google Earthを用いて同一

の対象物が分布しているエリアの中心の緯度経度を再計算

しなおした。

以上より作成した参照データは，竹林 126点，竹林以外

の植生 80点，その他 82点である。

（3）は本研究結果の竹林分布図と奈良県森林簿，植生調査

データを比較した結果から，これらの竹林分布に顕著な差

異があり，かつ竹林へのアクセスが比較的容易な領域を 2

つ選び，現地調査を行った。竹林の中に直接入れる場合は，

GPSを用いて，その場所の緯度経度を記録した。また竹林

の中に直接入れない場合は，参照データ作成時と同様に，

竹林にできるだけ近づき，竹林の両端やその周囲で緯度経

度の記録を行った。これらの地点の竹林の空間的な広がり

を Google Earthの画像で判読できる場合は，その調査地点

周辺も確認用データとして使用した。

3． 分類条件

3．1 竹の葉の季節変化の特徴

分光放射計で測定した竹の葉の分光反射係数から

AVNIR-2の各波長帯をぬきだし，分光反射係数の季節変化

を調べた。Fig. 1（a）は各月の全サンプルの分光反射係数

の平均値と標準偏差を波長帯毎に示しており，x軸は測定

した月日である。

1月から 3月の葉は濃緑色で ‘てかり’ があり，可視域全

体の反射係数は夏以降と比べると高めであった。 4月から

5月は古葉から新葉へ変わる時期である。採取した竹の葉

も黄色の葉が多くなり，葉による色の違いが大きかった。

分光反射係数の結果では，赤の波長帯の反射係数の値が高

く，赤と緑の波長帯の反射係数の偏差が他の月と比べて大

きかった。6月中旬から 8月の竹の葉は緑色で色の違いは

小さく，反射係数の偏差の値が小さかった。10月から 12

月は，部分的に黄色や茶色に変色しているが，濃い緑色の

葉が増え，可視域の反射係数は春と夏に比べて少し低くな

り，近赤外の反射係数も下がった。

Fig. 1（a）で示した 4バンドの反射係数を使って計算し

た UPDM展開係数を Fig. 1（b）に，MVIUPDを Fig. 1（c）

に示す。Fig. 1では，3月から 6月に各バンドの反射係数

（a），UPDM係数（b），MVIUPD（c）に季節変化が見られ

た。反射係数や UPDM係数よりMVIUPDが，季節変化の

特徴を顕著に示した。4 月から 5 月においては MVIUPD

の標準偏差が大きかった。この時期は葉が黄色化する時期

で，測定した竹の葉の色にもばらつきがあった。一方，夏

から冬の分光反射係数・展開係数・MVIUPDの値にはあま

り変化が見られなかった。

分光放射計で測定した結果から，竹林を抽出するために

使用する衛星データは MVIUPD値が最小値をとる 5月と

落葉性の植生との判別が可能な冬のデータが有効であると

考えた。

3．2 衛星データによる UPDM 係数 Cvと植生指標

MVIUPDの特徴

竹林の抽出精度を高くするために，対象エリア内の竹林

ALOS/AVNIR-2多時期データを用いた奈良県・京都府南部における竹林の抽出

─ 80 ─

Table 1 List of AVNIR-2 data used in this study

以外の植生の分類項目として，常緑樹，落葉樹，芝地，茶

畑を挙げ，非植生として市街地，水域を挙げ，竹林と同様

の方法で土地被覆状態が既知のサイトである次のエリアか

ら教師データを選択した。常緑樹は吉野郡のスギ・ヒノキ

林，落葉樹は桜井市の落葉樹を多く含む混交林，芝地は吉

野郡のゴルフ場，茶畑は京都府京田辺市と奈良市の茶畑，

市街域は奈良市と桜井市の市街地，水域（海）は大阪湾と

熊野灘，水域（川）は淀川と十津川である。

各分類項目の季節変化の特徴を調べるため，AVNIR-2の

データ 2010 年 1 月 27 日（冬），2010 年 5 月 21 日（春），

2010年 9月 19日（夏），2010年 11月 21日（秋）の位置合

わせを行った。次に，各分類項目の対象エリアから各バン

ドの反射率データをサンプリングし，式（1）を用いて

UPDMの係数を，式（2）を用いてMVIUPDを計算し，各季

節のMVIUPDと UPDM係数の特徴を調べた。Fig. 2は Cv

と MVIUPDの散布図を示しており，その配色は竹林が黒

色，常緑樹が緑色，落葉樹が橙色（△），芝地が赤色（▽），

茶畑が紫色，市街域が赤色（+），水域（海）が青色，水域

（川）が水色である。

MVIUPDと Cvのプロットは各項目で集まっている。Fig.

2の植生指標MVIUPDから各項目の特徴を以下にあげる。

非植生項目の市街地（city）と川（river）は 1月にMVIUPD

値が 0.5以下と低く，海域（sea）は 5月，9月，11月で 0.5

以下に分布している。通常水域での MVIUPD 値は Fig. 2

（b）から（d）に示すように 0.5以下の値である。

植生項目では，1月の芝地と 5月，9月の茶畑を除く項目

の MVIUPD値はすべての季節でほぼ 0.5以上である。芝

地は 5月と 9月では竹林と類似した値の分布をしている

が，1月と 11月の MVIUPD値は低い。特に 1月は 0.5未

満と低い。これは冬期に芝が枯れて地面が見えるためと考

えられる。竹林の MVIUPD値は 5月が他の月の値と比較

して低く，これは 3.1節で示した竹の葉の分光反射係数の

測定結果と同じ特徴を示している。竹林と MVIUPD値が

近い値の植生項目は，1月は茶畑と落葉樹，5月は茶畑，芝

地，常緑樹，9月は落葉樹，茶畑，芝地，11月は落葉樹，茶

畑であった。茶畑のMVIUPD値は 1月と 11月で 1に近い

値を示すものが多いが，5 月と 9 月ではばらつきが大き

かった。これは日射の強い季節に茶葉が日に焼けるのを防

ぐため黒いカバーをかける習慣があり，カバーを掛けた状

態では可視域の反射率が下がっているためと考えられる。

いずれの季節においても，竹林の MVIUPD値の範囲は

他の植生項目とは独立しないため，MVIUPDだけで竹林抽

出の条件を決めることは不可能である。一方，Fig. 2の各

項目の分布から，MVIUPD値が同じ範囲にある植生項目間

で Cv値の範囲が異なり，竹林は Cvと MVIUPDの散布図

上において緩やかな曲線上に分布した。2章で説明したよ

うに，Cvは反射スペクトルパターンが植生のパターンを

示している時に他の係数より高い値となる。また樹冠の密

度や葉の量や向き，活性度合いなどにより，特に近赤外の

反射率の差異が大きくなる。MVIUPDは Cvを Cw+Cv+

Csで除した波長帯全体の相対的な値になるため，この差異

が顕著に出ないが，Cvには差異の情報が含まれていると

考えられる。

MVIUPDと Cvの各月の散布図から竹林と分離性がよい

植生項目をみると，1月は常緑樹と芝地，5月は常緑樹と落

葉樹，9月は常緑樹，11月は常緑樹と芝地であった。茶畑

と竹林はその特徴が似通っているが，1月の竹林の Cv値

は茶畑より若干低めであった。

3．3 分類条件の決定

分類条件にはMVIUPDと UPDM係数を使用し，前述の

特徴を使って条件値を決定した。竹林データと重ならない

分布をしている項目は，1月では芝地，5月では常緑樹と落

葉樹であった。従って，使用する衛星データは，竹林と他

の植生の分離性がよい 1月と 5月を使用した。ただし，奈

良県東部は 5月のデータに含まれていないため，5月の代

わりに 9月のデータを使用した。

分類のフローを Fig. 3に示す。まず，MVIUPDを使い，

非植生（芝地を除く）の条件を「5月（あるいは 9月）と 1

月で 0.5より大きい」とした。次に以下説明する関係式で

竹林候補（竹林，茶畑，落葉樹）とそれ以外の植生に分類

し，最後にさらに条件を加えて，竹林候補から竹林を抽出

した。

前節で述べた通り，竹林は，Cvと MVIUPDの散布図上

において緩やかな曲線上に分布する。この分布の特徴を示

す関係式を決めるため，竹林教師データの CvとMVIUPD

を使った自然対数式を最小二乗法を使って求めた。1月は

式（3），5月は式（4），9月は式（5）となった。

MVIUPD=0.272 loge（Cv）+1.501 （3）

MVIUPD=0.500 loge（Cv）+1.847 （4）

MVIUPD=0.438 loge（Cv）+1.847 （5）

竹林候補の条件は各月の関係式から 3σ以内とした。3σ

の値は，1月は 0.128，5月は 0.074，9月は 0.093であった。

この竹林候補の抽出条件の適応性を確認するために，竹

林の教師データとは異なる場所の竹林データ（京都府木津

川市袋谷周辺）を「比較データ」（check bamboo）として加

え，CvとMVIUPDの散布図を作成した。Fig. 4（a）は 2010

年 1月 27日，（b）は 2010年 5月 21日の竹林の教師データ

（●）と比較データ（※）の散布図である。実線は竹林の教

師データでの自然対数による関係式を示し，点線は関係式

から 3σを示す曲線である。比較データは Fig. 4（a），（b）

ともに，関係式から 3σ以内にほぼ分布していた。なお，9

月は比較データのエリアが衛星データに含まれていないた

め，散布図は示さなかった。

関係式から抽出した竹林候補の中に竹林以外の植生を含

む可能性がある。それらを分離するために竹林の葉が黄色

化する 5月（5月に含まれていないエリアは 9月）の Cvの

値を用いて，Cvが 0.125（9月の場合は 0.14）以下であれば

竹林，それ以外は竹林以外の植生に分類した。さらに，1

日本リモートセンシング学会誌 Vol. 35 No. 2 （2015）

─ 81 ─

ALOS/AVNIR-2多時期データを用いた奈良県・京都府南部における竹林の抽出

─ 82 ─

(a) (b)

(c) (d)

Fig. 2 Scatter diagram of Cv vs. MVIUPD for samples of bamboo, evergreen trees, deciduous trees, lawn grass, tea plantation, city,

sea, and river on January 27, 2010 (a), May 21, 2010 (b), September 19, 2010 (c) and November 21, 2010 (d).

(a) (b)

(c)

Fig. 1 Spectral reflectance factor of Bamboo leaves based on spectrometer samples of three leaves each month : (a) mean and

standard deviation of reflectance for the wavelengths corresponding to the AVNIR-2 sensor ; (b) universal pattern

decomposition coefficients of water (Cw), vegetation (Cv), and soil (Cs), calculated from the AVNIR-2 spectral band

reflectance factor shown in (a) ; (c) modified vegetation index based on the universal pattern decomposition method

(MVIUPD) calculated from the UPDM coefficients shown in (b).

月の竹林候補の中に山影の常緑樹が含まれていたため，山

影の常緑樹の特徴を UPDM係数を使って調べ，山影の常

緑樹を除く条件を設定した。

Fig. 5に 2010年 1月 27日の Cw/（Cw+Cv+Cs）と Cs/（Cw

+Cv+Cs）の散布図を示す。以下，（Cw+Cv+Cs）を SUM

と表記する。1月の Cw/SUMと Cs/SUMの値は，植生項目

が非植生項目より低く，常緑樹（緑と灰色）は竹林・落葉

樹と比べて低かった。山影の常緑樹の Cw/SUMと Cs/SUM

はその他の常緑樹より値が大きかった。この特徴を使い，

竹林候補に含まれている山影の常緑樹を除くため，竹林の

条件を 1 月において Cw/SUM≧−0.05，かつ Cs/SUM≧

−10（Cw/SUM）−0.35とした。

非植生は水域と市街域（芝地を含む）に分類した。展開

係数の合計が水域では低くなるため，1月の SUMが 0.06

より小さく，かつ 5月の SUMが 0.08（9月は 0.03）より小

さければ水域とし，それ以外を市街域（芝地を含む）とした。

4． 竹林分布図の作成と検証

4．1 分布図の作成

3．3節で決定した分類条件を用いて，水域，市街地（芝地

を含む），竹林，竹林以外の植生の 4項目の分布図の作成を

行なった。分類条件は 5月と 1月の 2つのシーンを用い，

5月のデータがないエリアに関しては補間的に 9月のデー

日本リモートセンシング学会誌 Vol. 35 No. 2 （2015）

─ 83 ─

(a) (b)

Fig. 4 Scatter diagram of Cv vs. MVIUPD for bamboo woods, with the curves defined by the log function and three standard

deviations on January 27, 2010 (a) and May 21, 2010 (b).

Fig. 3 Classification flow.

タを用いた。作成した分布図に緯度と経度の情報を付加

し，ArcGISを用いてモザイキングを行なった。

Fig. 6 は奈良県全域と京都府南部の竹林の分布図であ

る。この地域の竹林は点在していることが多いため，他の

項目は色を付けずに竹林のみ赤で示した。実線は奈良県下

の市町村界を示す。奈良県北部と京都府南部に竹林の分布

が目立つが，奈良県南部の山岳地帯において竹林は顕著で

はない。

4．2 現地調査データによる検証

Table 2 は作成した分布図と現地調査で作成した参照

データとの比較結果を error matrix17）にまとめたものであ

る。分類項目は竹林，竹林以外の植生（芝地は除く），その

他（市街地と水域）の 3つである。Table 2は縦方向に分布

図の分類結果と Producerʼs Accuracyを示し，横方向に現地

調査の結果と Userʼs Accuracy，最後に Kappa Coefficient18）

を示す。Producerʼs Accuracyは竹林が 69.8%，竹林以外の

植生が 87.5%，その他が 100.0%であり，Userʼs Accuracyは

竹林が 89.8%，竹林以外の植生が 66.0%，その他が 97.6%

であり，Kappa Coefficientは 0.75であった。

竹林を竹林以外の植生とした誤分類が 28.5% あった。

この誤分類の場所は，竹が疎に生息している竹林や，竹林

が細長く分布しており，その短辺が AVNIR-2の 2画素程

度であった。一方，竹林以外の植生を竹林とした誤分類は

12.5%であった。この誤分類の場所は竹の葉の色に近い薄

い緑色の葉を持つ植生や混交林であった。

この結果をふまえ，本研究の竹林分布の空間的な広がり

の妥当性を確認するため，森林簿と植生調査データの竹林

分布に関する情報を使用し，竹林分布の差異が顕著な地域

を重点的に確認した。

5． 他のデータとの比較

5．1 奈良県における竹林分布の比較

Fig. 6の区域（A）は奈良市北西部，区域（B）は橿原市・

高取町・明日香村地区である。

森林簿では樹種の区別があるが，ここでは竹林と竹林以

外の植生のみに区別した。Fig. 7は奈良市北西部，Fig. 8は

橿原市・高取町・明日香村の結果を示したもので，（a）は本

研究で作成した分布図，（b）は森林簿データである。竹林

を赤色，その他の植生を緑色，市街地・芝地などは黄色，

水域を青色で示した。ただし，森林簿においてデータの存

在しない区域はすべてクリーム色で示した。図中の黒枠内

は植生調査データで竹林と登録されている区域である。

Fig. 7の青の実線は京都府と奈良県の県界を示しており，

Fig. 8の青の実線は市町村界を示している。

Fig. 7（a）において，植生調査データと本研究による分類

結果を比較すると，植生調査データで竹林と登録されてい

るほとんどの区域は本研究でも竹林と分類されていた。植

生調査データでは竹林と登録されていない箇所を本研究で

は竹林と分類している箇所が顕著であった。

Fig. 7（b）の奈良市北西部では，森林簿において竹林と

登録されている区域の多くは，植生調査データにおいても

ALOS/AVNIR-2多時期データを用いた奈良県・京都府南部における竹林の抽出

─ 84 ─

Fig. 5 Scatter diagram of Cw/(Cw+Cv+Cs) vs. Cs/(Cw+

Cv+Cs) for samples of bamboo, evergreen trees,

deciduous trees, lawn grass, tea plantation, city, sea,

and river on January 27, 2010.

Fig. 6 Results of mapping of bamboo forest shown as red

points using the AVNIR-2 image. Black curves are

the boundaries of municipalities in Nara prefecture.

(A) Nara city area in Nara prefecture, (B) Kashihara,

Takatori and Asuka area in Nara prefecture, and (C)

Yamashiro area in Kyoto prefecture.

竹林とされている。Fig. 7（b）のクリーム色は森林簿に情

報がない区域で，古墳，農地や市街地などである。この区

域の竹林の有無に関する情報は森林簿にはない。これを考

慮すると森林域における植生調査データと森林簿データは

ほぼ一致していると考えられる。

そこで，Fig. 7の区域における分類結果と植生調査デー

タの差異が顕著な場所を中心に竹林の有無の確認を現地に

て行なった。その調査場所を Fig. 7（a）内にピンク色の枠

で示す。ピンク色の実線（1, 2, 4, 5, 9, 10, 11, 15, 16, 17, 18,

19, 20, 21）は分類結果が竹林で現地調査の結果も竹林で

あった場所で，ピンク色の点線（3, 6, 7, 8, 12, 13, 14, 22, 23）

は分類結果が竹林で現地調査の結果は竹林でなかった場所

である。誤分類した場所は落葉広葉樹，常緑広葉樹，アカ

マツの混交林，またはアカマツ林であった。6, 7, 8, 12, 13,

14は古墳であり，古墳の常緑広葉樹を竹林とする傾向が

あった。

Fig. 8に示す橿原市・高取町・明日香村は，奈良市北西部

と比較して，植生調査データで竹林以外に登録されている

区域に森林簿で竹林と登録されている場所が多かった。

現地調査の場所は Fig. 7と同様でピンク色で示してい

る。誤分類した場所は 7で，この場所は混交林の中に竹林

がパッチ状に分布していた。

5．2 京都府南部における竹林分布の比較

Fig. 6の区域（C）は京都府南部の山城地区であり，鳥居

ら2）の報告で竹林の拡大が著しいことが指摘された場所

である。山城地区における鳥居ら2）の調査は，1985年の

航空写真を用いている。

鳥居らの 1985年の調査結果と 2001年の第 6回植生調査

データを比較すると，植生調査データが鳥居らの竹林とそ

の周辺に広がっていることがわかった。鳥居らはパッチ状

に広がる竹林の数とその面積を詳細に調べ，竹林パターン

の変化は竹林のパッチ数の増大と個々の面積の増大という

2つの面から捉えられ，1978年以降は個々のパッチの膨張

と隣接するパッチ間の結合が起こったように見えると報告

している2）。一方植生調査データは，鳥居らの調査で確認

された連結したパッチ状の竹林の周辺をつないだように竹

林が分布している。また山の中の数個の独立したパッチ

が，植生調査データでは一つのポリゴンの竹林データとし

て登録されている。

Fig. 9は本研究で作成した分布図で，配色は Fig. 7, 8と

同様である。図中の白丸は現地調査地点である。植生調査

データの竹林の区域はポリゴンデータであり，黒枠で示し

た。一方，赤色の点は衛星データから抽出されたラスター

データである。これら 2つのデータを 1対 1として比較す

ることは難しいが，植生調査データで竹林である区域と，

本研究により竹林と抽出された箇所はほぼ一致した。

6． まとめと考察

本研究では，比較的広い領域における竹林抽出を目的と

し，中高分解能の衛星データを用いたシンプルな抽出方法

を提案し，奈良県・京都府南部の竹林分布図を作成した。

対象領域が比較的広領域の場合，密度や活性度が異なっ

た竹林が存在し，AVNIR-2の各バンドの反射率の値は異

なった。また竹の葉の分光反射係数の測定結果から求めた

春の MVIUPD値は標準偏差が大きく，分類条件の閾値を

一つのパラメータのみで決定することは難しい。しかし，

CvとMVIUPDの散布図では，これらの竹林のデータは同

じ緩やかな曲線上にのった。本研究ではこの特徴を利用し

て，竹林の抽出を行った。

分類手法は一般的に広い領域に適用すると精度が落ち

る。空間分解能の異なる既往研究の分類手法と本研究の分

類手法を直接的に比較することはできないが，他の研究報

告と比較すると，25 km2の竹林抽出を行った野々村の結果

では kappa係数が 0.8であった10）。また岐阜県長良川下流

域（410 km2）の竹林抽出を行った張らは，竹冠の被覆割合

ごとに竹林抽出精度を調べ，その中で最も高い kappa係数

は 0.73と報告した8）。本研究の奈良県全域（3,691 km2）の

竹林抽出精度は kappa係数が 0.75であった。

本研究結果の竹林分布図と奈良県森林簿，植生調査デー

タを比較し，これらの竹林分布に顕著な差異があった 2地

域の竹林分布について現地を調査した。その結果，植生調

日本リモートセンシング学会誌 Vol. 35 No. 2 （2015）

─ 85 ─

Table 2 Error matrix of the classified result

査データでも本研究でも竹林とされた場所は現地でも竹林

であることが多かった。植生調査データで竹林となってい

ない場所において本研究で竹林と抽出した場所は，現地で

竹林である場合とそうでない場合があった。現地調査によ

り，植生調査データで竹林と登録されていないが，現時点

で竹林である場所を本研究では多く抽出できたことが明ら

かとなった。誤分類した場所は落葉広葉樹，常緑広葉樹，

アカマツの混交林，またはアカマツ林であった。本手法は

比較的広い領域を対象として，竹林候補区域を抽出するた

めには利用可能であると考える。さらに竹林抽出精度を上

げるためには，竹林候補地域を抽出した後に高分解能衛星

データを使用したテクスチャ解析などを行うという方法が

考えられる。

ALOS/AVNIR-2多時期データを用いた奈良県・京都府南部における竹林の抽出

─ 86 ─

(a) (b)

Fig. 8 (a) Classification results of Kashihara, Takatori and Asuka in Nara prefecture. Pixels labeled bamboo are shown as red,

vegetation excluding bamboo as green, non-vegetation as yellow, and water as blue. Investigated areas are shown as pink

line circles. Pink solid line circle shows correctly classified area as bamboo forest and pink dotted line circle shows

misclassified area. (b) Red shows the area of bamboo forest according to the forest stand database of Nara prefecture,

vegetation excluding bamboo is shown as green, non-vegetation as yellow, and no data as ivory. Black closed curves show

the bamboo distribution from the sixth vegetation survey map by the Ministry of the Environment of Japan. Blue curves

show the boundaries of municipalities.

(a) (b)

Fig. 7 (a) Classification results of Nara city in Nara prefecture. Pixels labeled bamboo are shown as red, vegetation excluding

bamboo as green, non-vegetation as yellow, and water as blue. Investigated areas are shown as pink line circles. Pink solid

line circle shows correctly classified area as bamboo forest and pink dotted line circle shows misclassified area. (b) Red

shows the area of bamboo wood according to the forest stand database of Nara prefecture, vegetation excluding bamboo is

shown as green, non-vegetation as yellow, and no data as ivory. Black closed curves show the bamboo distribution according

to the sixth vegetation survey map by the Ministry of the Environment of Japan. Blue curves show the boundaries of

municipalities.

謝 辞：本研究で使用した ALOS/AVNIR-2データは JAXA

研究公募（RA）の一環として研究用に提供されたものであ

り，森林簿データや林業分野についての多くの情報を提供

して頂いた奈良県庁林業振興課に感謝する。本研究の一部

は奈良県・奈良女子大学・JAXA共同研究によるものであ

る。有益な助言・コメントを頂いた査読者に感謝する。

引 用 文 献

1）鳥居厚志：周辺二次林に侵入拡大する存在としての竹林，

日本緑化工学会誌，28（3），pp. 412-416，2003

2）鳥居厚志，井鷺裕司：京都府南部地域における竹林の分布

拡大，日本生態学会誌，47，pp. 31-41，1997.

3）鳥居厚志：空中写真を用いた竹林の分布拡大速度の推定：

滋賀県八幡山および京都府男山における事例，日本生態

学会誌，48，pp. 37-47，1998.

4）鳥居厚志：空中写真を用いた竹林の分布拡大速度の推定

（II）：奈良県天香具山における事例，環境情報科学．別冊，

環境情報科学論文集 16，pp. 375-380，2002.

5）前迫ゆり：歴史的風土保存地区香久山における竹林拡大，

関西自然保護機構会報 30（2），pp. 135-143，2008.

6）西川僚子，村上拓彦，大槻恭一，溝上展也，吉田茂二郎：

衛星データおよび地上測定データからみた竹林の分光反

射特性の季節変動，日林誌 88（6），pp. 473-481，2006.

7）小泉圭吾，谷本親伯，朴 春澤：LANDSAT5号 TMデー

タを用いた竹林の抽出手法に関する研究，写真測量とリ

モートセンシング，42（6），pp. 42-51，2003.

8）張 福平，秋山 侃，魏 永芬，西條好迪，河合洋人，巴

嘎那：衛星複合画像を用いた竹・樹木混生林の判読，写真

測量とリモートセンシング，45（2），pp. 5-15，2006.

9）谷垣悠介，原田一平，関山絢子，原慶太郎：ALOS/AVNIR-

2を用いたマダケ林とモウソウチク林及び常緑樹林の分

光反射特性の季節変動解析，写真測量とリモートセンシ

ング，50（6），pp. 361-366，2011.

10）野々村敦子：ALOS/AVNIR-2および PRISMデータを用い

た竹林分布抽出手法の開発，環境情報科学論文集，24，pp.

1-6，2010.

11）L. F. Zhang, S. Furumi, K. Muramatsu, N. Fujiwara, M. Daigo

and L. P. Zhang：Sensor-independent analysis method for

hyperspectral data based on the pattern decomposition method,

International Journal of Remote Sensing, 27, pp. 4899-4910,

2006.

12）L. F. Zhang, S. Furumi, K. Muramatsu, N. Fujiwara, M. Daigo

and L. P. Zhang：A new vegetation index based on universal

pattern decomposition method, International Journal of Remote

Sensing, 28, pp. 107-124, 2007.

13）Yan Xiong：A Study on Algorithm for Estimation of Global

Terrestrial Net Primary Production using Satellite Sensor Data.

Doctoral Thesis, The Division of Integrated Sciences, Nara

Womenʼs University, 2005.

14）環境省自然環境局生物多様性センター 自然環境保全基

礎調査植生調査

http : //www.vegetation.jp/

15）森林簿データは奈良県庁林業振興課から提供を受けたも

のである

16）K. Muramatsu, S.Furumi, N. Fujiwara, A.Hayashi. M.Daigo. F.

Ochiai：Pattern decomposition method in the albedo space for

Landsat TM and MSS data anaysis, International Journal of

Remote Sensing, 21, pp. 99-119, 2000.

17）R. Congalton：A Review of Assessing the Accuracy of Classi-

fications of Remotely Sensed Data, Remote Sensing of Envi-

ronment, 37, pp. 35-46, 1991.

18）W.D. Hudson and C.W. Ramm：Correct Formulation of the

Kappa Coefficient of Agreement. Photogrammetric Engineering

and Remote Sensing, 53 (4), pp. 421-422, 1987.

日本リモートセンシング学会誌 Vol. 35 No. 2 （2015）

─ 87 ─

Fig. 9 Classification results of the Yamashiro area in Kyoto

prefecture. Pixels labeled bamboo are shown as red,

vegetation excluding bamboo as green, non-vegetation

as yellow and water as blue. The field survey position

is shown in white. The black-bordered polygons re-

present areas covered by bamboo in the 6thvegetation

survey map provided by the Japanese Ministry of the

Environment, surveyed in 2001.

〔著者紹介〕

●花木 なるみ（ハナキ ナルミ）

所属：2012年 3月奈良女子大学大学院人

間文化研究科（博士前期課程）修了。修士

（理学）。

E-mail：narumi@ics.nara-wu-ac.jp

●村松加奈子（ムラマツ カナコ）

所属：奈良女子大学研究院自然科学系准教授。1993年 3月奈

良女子大学人間文化研究科（博士課程）修了。博士（理学）。

同年 4月：日本学術振興会特別研究員。同年 7月：奈良女子大

学理学部情報科学科技官教務員。助手，講師を経て，2001年 4

月同大学共生科学研究センター助教授，2012年 4月より現職。

衛星データの画像処理による陸面の環境変動のモニタリン

グ・植生の総生産量推定の研究を行っている。日本リモート

センシング学会，日本写真測量学会，日本光医学・光生物学会，

日本生態学会に所属。

E-mail：muramatu@ics.nara-wu-ac.jp

●落合 史生（オチアイ フミオ）

1946年生。1972年大阪市立大学大学院理

学研究科博士課程中退（理学博士）姫路工

業大学助手，高エネルギー物理学研究所

助手，帝塚山大学助教授，教授を経て，

2012年 4月より帝塚山大学名誉教授・大

阪芸術大学客員教授・奈良女子大学共生

科学研究センター共同研究員 日本リ

モートセンシング学会，日本写真測量学会，情報処理学会，日

本心理学会に所属。

E-mail：ochiai@tezukayama-u.ac.jp

●曽山典子（ソヤマ ノリコ）

所属：天理大学人間学部。2002年奈良女子大学大学院人間文

化研究科（博士課程）修了。博士（理学）。1998年 4月より天

理大学講師。2003年 4月より准教授を経て，2010年より教授，

現在に至る。現在は全球土地被覆分類アルゴリズムの研究に

従事している。所属学会：日本リモートセンシング学会，情報

処理学会。

E-mail：soyama@sta.tenri-u.ac.jp

●醍醐 元正（ダイゴ モトマサ）

所属：同志社大学経済学部教授。1978年京都大学大学院理学

研究科博士課程修了。理学博士。和歌山県立医大助手・講師・

助教授，富山大学経済学部助教授，同志社大学経済学部助教授

を経て，1999年 4月教授，現在に至る。

●田殿 武雄（タドノ タケオ）

所属：宇宙航空研究開発機構地球観測研

究センター主任研究員。1995年長岡技術

科学大学大学院修士課程建設工学専攻，

1998年同博士後期課程エネルギー・環境

工学専攻修了（博士（工学））。1999年か

ら宇宙開発事業団地球観測データ解析研

究センター（現宇宙航空研究開発機構地

球観測研究センター）に在籍，2001年から同開発部員，2006

年より現職。2008年から北海道大学情報科学研究科大学院連

携分野客員教員兼任。主に ALOS光学センサの校正検証を担

当し，またリモートセンシングを用いた物理量推定アルゴリ

ズム開発を実施。IEEE Geoscience and Remote Sensing Society，

日本リモートセンシング学会，土木学会，水文・水資源学会，

日本雪氷学会に所属。

ALOS/AVNIR-2多時期データを用いた奈良県・京都府南部における竹林の抽出

─ 88 ─