2-6

表 2-4 整備した RapidEye 衛星データ

2.3.3. 植生指数を用いたCS推定モデル式による炭素蓄積量推定手法の検討

(1) 植生指数を用いたCS推定モデル式の作成

解析に用いた 4 種類の植生指数の詳細を表 2-5 に示す。

表 2-5 植生指数とその計算式

WDRVI は LAI(Leaf Area Index, 葉面積指数)が大きいところで NDVI の値が飽和する問題

を緩和するため改良された植生指数である。RE-NDVI は RapidEye 衛星データの特徴の一つ

である Red Edge(赤色波長端)バンドを用いた植生指数である。 各植生指数から説明変数（X）を求める際に用いたフィルタ（空間範囲）2 種類と統計値 3

種類を以下にまとめた。

フィルタ（空間範囲） 統計値 ・5×5 画素（25m 四方） ・最大値 ・11×11 画素（55m 四方） ・平均値 ・標準偏差

<Area> <Tile ID> <Observed Data>4748506 2012/11/7, 2012/2/294748606 2014/12/94748706 2014/10/8

Shan:Heho 4748605 2013/10/16, 2015/11/254748804 2014/12/11, 2014/11/124748504 2014/11/124748604 2014/11/12

Shan:Pinlaung 4748304, 4748204 2013/10/16, 2015/1/134748203 2014/10/284747202 2014/2/15

4747902, 47480022009/12/26, 2011/3/5, 2011/11/25,2012/10/25, 2014/2/4, 2014/10/28

4748002 2015/1/104749602 2012/11/12, 2014/12/294749603 2012/11/12, 2014/10/254749604 2011/2/6, 2014/10/254749704 2012/12/31, 2014/12/29

Mandalay:MoeSwe 4748301, 4748201 2014/2/9, 2014/10/25

Mandalay:Mogok

Bago:Yedashe

Shan:Taunggyi

Shan:Kalaw

NayPyiTaw

略 名称

・ NDVI Normalized Difference Vegetation Index正規化差植生指数

・ WDRVI（α= 0.1） α=0.1

・ WDRVI（α= 0.2） α=0.2

・ RE-NDVI Red Edge Normalized Difference Vegetation Indexレッドエッジ正規化差植生指数

NIR：近赤外線バンド　Red：赤バンド　Red Edge：レッドエッジバンド

Wide Dynamic Range Vegetation Index広ダイナミックレンジ植生指数

(αNIR - Red) / (αNIR + Red)

計算式

(NIR - Red) / (NIR + Red)

(NIR - Red edge) / (NIR + Red edge)

2-7

応答変数（Y）は森林調査データから算出した炭素量とし、単回帰式(Y= a・X + b)による

相関関係の解析を行い、CS 推定モデル式を作成した。 また、CS 推定モデル式を作成すると同時に、推定精度に影響を与える要因および高い決定

係数 6（R2）になるための条件について検討した。 表 2-4 の 4 種類の植生指数についてフィルタ（2 種類）と統計値（3 種類）を組み合わせて、

24 通りのCS 推定モデル式を作成し、それぞれについて求めた決定係数を表 2-6 にまとめた。

表 2-6 各変数を用いた CS 推定モデル式の決定係数

WDRVI（α= 0.1）の決定係数が高い傾向がみられ、その中でもフィルタサイズ 11×11 で

最大値を用いた場合が最も高かった。このパラメータの組み合わせで作成した CS 推定モデ

ル式を式（1）に示し、推定に用いたデータの現地写真、衛星データ等の検証データを図 2-3に示した。

CS 推定モデル式：CS = 5.0838*WDRVI0.1+150.09 (R2=0.7326) ：式（1）

植生指数 WDRVI（α= 0.1）が高い値を示す所は、樹冠疎密度が高く比較的樹冠径の大き

い立木が多い森林であった。逆に WDRVI（α= 0.1）が低い値を示す所は、樹冠疎密度が低

い上に、立木の個体サイズもそれほど大きくない森林であった。相関関係に使用した森林調

査データは比較的緩斜面でかつ、他植生との混交度合の少ない林分が多かった。

図2-3 CS推定モデル式に用いたデータの検証

6 モデルの当てはまり度を表す統計量

5x5 11x11 5x5 11x11 5x5 11x11 5x5 11x11最大値 0.624 0.633 0.571 0.445 0.725 0.733 0.688 0.694平均 0.565 0.549 0.631 0.515 0.685 0.664 0.641 0.622

標準偏差 0.000 0.029 0.001 0.032 0.033 0.575 0.280 0.173

NDVI RE-NDVI WDRVI0.1 WDRVI0.2

2-8

次に、他の条件（急斜面や混交度合の高い森林）の森林調査データを用いた場合や衛星デ

ータの撮影時期が CS 推定モデル式に与える影響について検討した。 Shan 州 Taunggyi 郡・Pinlaung 地区での森林調査データ（表 2-7）を用いて炭素量を推定し、

落葉前後の 2 時期の衛星データ（2005 年 1 月 13 日、2013 年 10 月 16 日）から WDRVI(α＝

0.1)を求め、CS 推定モデル式を作成し決定係数を求め、その結果を図 2-4 に示す。 決定係数の値が低いだけでなく、本来 WDRVI が増加すると炭素量も増加する右肩上がり

の関係にあるはずが、逆の右肩下がりの関係となった。急傾斜地や混交度合の高い林分の森

林調査データや落葉時期の衛星データでは、両者の正しい関係性を導き出すことができない

ため、CS 推定モデル式の作成には適していないと考えられる。

表 2-7 Shan 州 Taunggyi 郡・Pinlaung 地区での森林調査データ

S653_04 2016/2/13-17 194 13.48 33.58 22.4 135.1 0.32R381_01 2016/2/13-17 131 9.38 10.09 0.7 3.5 0.04R240_new 2016/2/13-17 225 10.24 18.75 8.2 41.0 0.08D273_02 2016/2/13-17 213 15.29 25.59 14.2 80.8 0.64S273_02 2016/2/13-17 856 10.09 21.02 40.7 228.2 0.60D653_03 2016/2/13-17 994 15.07 19.39 35.5 171.8 0.96D653_01 2016/2/13-17 163 22.42 40.24 23.8 159.9 0.76C235_02 2016/2/13-17 69 12.17 13.02 0.9 3.4 0.00C235_01 2016/2/13-17 169 13.63 25.28 10.4 56.2 0.40S653_8 2016/2/20-29 388 17.1 26.3 26.9 152.3 0.48S653_6 2016/2/20-29 169 16.5 36.6 29.4 231.8 0.52S356_1 2016/2/20-29 213 11.2 26.4 14.9 84.6 0.52R272_1 2016/2/20-29 38 13.8 35.7 5.2 34.5 0.08R381_4 2016/2/20-29 38 12.8 20.4 1.3 5.7 0.08R233_1 2016/2/20-29 444 16.8 22.1 20.2 100.4 0.60R240_2 2016/2/20-29 294 16.5 23.9 16.5 88.2 0.68R273_1 2016/2/20-29 350 17.4 26.3 23.2 127.5 0.80S273_3 2016/2/20-29 100 15.2 35.5 12.4 79.6 0.32S653_7 2016/2/20-29 238 17.4 31.7 21.6 124.1 0.28S653_1 2016/2/20-29 444 16.0 27.1 32.3 185.0 0.76S327_2 2016/2/20-29 281 14.5 29.0 29.1 197.4 0.68R272_2 2016/2/20-29 206 12.5 29.4 18.4 111.7 0.44R235_1 2016/2/20-29 119 12.8 20.9 5.0 24.5 0.12R233_New 2016/2/20-29 69 11.6 16.3 1.5 5.8 0.04R240_3 2016/2/20-29 200 14.8 26.0 13.8 78.8 0.28R240_1 2016/2/20-29 250 9.1 14.9 5.0 20.2 0.08S273_4 2016/2/20-29 131 12.0 28.0 10.9 66.6 0.24S273_5 2016/2/20-29 63 18.2 44.9 24.8 259.7 0.28

DBH(cm)

Total BasalArea

(㎡/ha)

Carbon(tC/ha)

CanopyDensityPlot Code

InventoryDate

No. of trees(No./ha)

Tree Height(m)

2-9

図 2-4 CS 推定モデル式の精度が高くない例

(2) テクスチャ値を用いたCS推定モデル式の改良手法の検討

植生指数は下層植生による影響を受ける場合がある。図 2-3 の CS 推定モデル式から外れ

ているプロット（図 2-3 赤丸プロット）はいずれも下層植生の影響を受けている場所であっ

た。 そこで、下層植生の影響を低減するために、テクスチャ値を説明変数とし CS 推定モデル

式の改良方法について検討を行った。 テクスチャとは対象となる物体の表面の「きめ」を意味する。衛星データにおけるテクス

チャ値は近接する画素間の濃淡のばらつき度合を評価した指数であり、樹冠表面の凸凹具合

を表し、樹冠径と相関関係があると考えられる（図 2-5）。テクスチャ値が大きい場合は樹

冠径が大きく、テクスチャ値が小さい場合は樹冠径が小さくなる関係性がみられた。テクス

チャ値の算出方法を図 2-6 に示す。

図2-5 テクスチャ値と樹冠径（林分平均）の関係

テクスチャ画像

テクスチャ画像

テクスチャ画像 現地写真

現地写真

現地写真

UAVオルソ写真

UAVオルソ写真

現地写真

High Texture Value

UAVオルソ写真※画像中の矩形はRapidEyeの11x11画素範囲（55m四方） Low Texture Value

y = 0.0031x + 0.007R² = 0.7256

0.015

0.020

0.025

0.030

0.035

0.040

0.045

0.050

0.055

2.50 4.50 6.50 8.50 10.50

Texture 11x11

Canopy Diameter (m)

テクスチャー値と樹冠径

y = -4.6185x + 39.894R² = 0.4067

0.0

50.0

100.0

150.0

200.0

250.0

-40.0 -30.0 -20.0 -10.0 0.0 10.0

C t/

ha

WDRVI0.1

着葉時期のRapidEye Date：2013/10/16

y = -1.0382x + 54.722R² = 0.1085

0.0

50.0

100.0

150.0

200.0

250.0

-100 -80 -60 -40 -20 0

C t/

ha

WDRVI0.1

落葉時期のRapidEye Date：2015/1/13

2-10

図2-6 テクスチャ値の算出方法

説明変数を植生指数（X）とテクスチャ値（Y）の二つ、応答変数は森林調査データから算

出した炭素量（Z）とし、重回帰式（Z=aX + bY+ c ; a, b, c は係数）を用いて相関関係の解析

を行った。作成した CS 推定モデル式を式（2）に示す。

CS 推定モデル式：CS =4.9278* WDRVI0.1+2577.8325*Texture+80.2463 (R2=0.713)：式（2）

テクスチャ値を加えたCS推定モデル式の決定係数は 0.713であり、式（1）の決定係数0.7326よりも低かった。テクスチャ値を加えることにより決定係数が向上すると想定したが、逆の

結果となった。この要因は、テクスチャ値と炭素量の相関が高くない森林調査データが含ま

れていたことや十分なサンプル数がなかったことなどが考えられる。 テクスチャ値の有効性については、データ数を増やすなどしてさらに調査・検討する必要

があるため、本事業では植生指数のみで炭素量を推定する単回帰式を CS 推定モデル式とし

て用いることとした。

(3) CS推定モデル式を用いた炭素蓄積量の推定

2014 年 10 月 25 日撮影の RapidEye 衛星データから WDRVI（α=0.1）を求め、最も決定係

数が高かった CS 推定モデル式（式（1））を用いて、例として RapidEye 衛星データ 1 シー

ンについて炭素蓄積量図を作成した（図 2-7）。 北斜面では推定した炭素蓄積量が負の値を示す場所がみられた。北斜面は影のため近赤外

の値が低く、結果として WDRVI の値も低くなり炭素蓄積量が負の値を示したと考えられる。

2-11

図 2-7 CS 推定モデル式を用いた炭素蓄積量図の作成例

(4) 植生指数を用いた炭素蓄積量推定手法の適応条件

以上の検討結果から、CS 推定モデル式の精度は、森林調査データ、衛星画像など様々な条

件に影響を受けることがわかった。そこで、CS 推定モデル式の精度と環境条件、植生条件、

衛星データとの関係について図 2-8 にまとめた。 着葉時期（雨期）の衛星データを使用し、森林調査プロットが緩斜面、南斜面であり、か

つ他植生との混交度合が低い林分であれば、炭素量と植生指数の相関が高い CS 推定モデル

式の作成が可能である。また、地域間による誤差を少なくするためにも可能な限り広域のデ

ータを揃えることが望ましいと考える。

図 2-8 植生指数による炭素蓄積量推定手法の適応条件

2.3.4. 植生指数の差分情報を用いた森林植生変化の抽出

ミャンマーでは森林の着葉期が雨期にあたり、回帰日数が 16 日である Landsat 衛星では雨期に

雲の少ない良好な衛星データを得ることは難しい。しかし、RapidEye 衛星は回帰日数が 1 日であ

ることから撮影頻度が高く、雨期においてもデータを取得できる確率が高い。

地形要因 植生要因衛星データ

落葉時期×

着葉時期○

急× 北× 高 (竹林、草地等との混交)

緩○ 南○ 低 (落葉樹、常緑樹等の混交)方位斜度

×

○

森林の他植生との混交度合斜面条件

CS推定モデル式

精度高

精度低

Date:2014-10-25

炭素蓄積量図RapidEye data

2-12

NDVI は植物の活性度を表す指数の一つであり、成長が盛んな時期には高い値を示し、落葉し

成長していない時は低い値になることが知られている。常緑林では NDVI は一年を通して高い値

を示すが、落葉林では雨期は高い NDVI 値を示すものの乾期に入ると葉を落とし成長が止まるた

め NDVI 値は低くなる（図 2-9）。NDVI 差分画像での高い値とは、雨期に NDVI が高く、乾期に

NDVI が低いことを意味し、落葉林のフェノロジーを表している。

図 2-9 常緑林と落葉林の NDVI のフェノロジー

この特性を利用して、NDVI の差分画像から落葉林を抽出することができる。Shan 州 Taunggyi

郡・Pinlaung 地区の比較的雲が少ない 2 時期（雨期、乾期）の RapidEye 衛星データを入手し NDVIを求めて差分画像を作成し、解析を行った。

NDVI 差分画像の値が高いところのうち図 2-10 の黒丸で囲った場所を 2 時期の衛星データを参

照し調べたところ、落葉林と確認できた。ただし、図 2-10 の青丸で囲った場所は、北斜面であり

影の影響による誤判読もみられた。 NDVI の差分情報を用いることで森林植生の変化を抽出することができ、落葉林と常緑林を分

けた森林区分図の作成に利用できると思われる。

図 2-10 NDVI の差分情報による森林植生の変化箇所の抽出

乾期 雨期 乾期 雨期 乾期

低

NDVI 高

常緑林

落葉林

太陽高度の違いによる影の変化

NDVI差分画像（Ａ-Ｂ） A：2013/10/16（雨期） B：2015/01/13（乾期）

落葉樹

2-13

2.3.5. 森林区分図の作成

RapidEye 衛星データによる詳細な森林区分図の作成を検討した。例として、2013 年 10 月 16 日

に撮影された RapidEye 衛星データの 1 タイルについて、ISODATA 法 7を用いて 15 クラスに分類

したのち、Google Earth を参照して 6 クラスに統合した森林区分図を作成し、IRS 衛星データから

作成された森林区分図と比較した（図 2-11）。 RapidEye 衛星データの空間分解能は 5m であり、Landsat 衛星データの 30m や IRS 衛星データ

の 20m よりも細かく地物を判別できる。中分解能衛星データでは一つのクラスにしか分類できな

い林分でも、RapidEye 衛星データではいくつかのクラスに細分することができるため、より詳細

な森林区分図が作成可能であると思われる。また、Landsat や IRS 等の中分解能の衛星データから

作成された森林区分図の検証用データとしても用いることが可能であると考えらえる。

図 2-11 RapidEye 衛星データを用いた森林区分図

2.4. Landsat 衛星データを用いた炭素蓄積量推定手法の検討 Landsat 衛星データは無償で豊富なアーカイブデータを利用できるため、土地被覆の経年変化解

析や国単位の広域解析に広く利用されている。ミャンマー森林局は、衛星データから作成した森

林分布図を用いてカテゴリの変化による森林減少の解析を行っているが、炭素蓄積量の変化につ

いては解析していない。 本事業では、森林局作成の Landsat 衛星データによる森林区分図（2005）と IRS 衛星データに

よる森林区分図（2010）を用いて、森林変化箇所の抽出と変化の要因について検討を行った。 次に、Landsat 衛星データを用いた全国レベルの炭素蓄積量推定手法の検討を行った。

2.4.1. 森林変化のモニタリング

森林変化は、2005年と2010年の森林区分図の差分から抽出できる。しかし、解析に用いたデー

タはLandsat衛星データとIRS衛星データと異なる衛星データを用いて森林区分図を作成されてい

るため、空間分解能や地理座標系の違いから位置的なずれが生じている。そこで、IRS衛星データ

7 トレーニングデータを必要とせず、分類クラス間の平均値や分散、クラス間距離を用いて統計的に分類する手法

2-14

による森林区分図（2010）をLandsat衛星データで作成された森林区分図（2005）に合うようにリ

サンプリング処理8によって空間分解能と投影法を補正した。 ミャンマーでは森林を 0.5ha 以上であり樹高が 5m 以上と定義している。また、樹冠率が 10%～

40%の状態の森林を Open forest、樹冠率が 40%以上の森林を Closed forest と定義している。 2 ヶ年の森林の変化パターン（表 2-8）にもとづき、森林変化図を作成した（図 2-12）。この森

林変化図について、Landsat 画像や Google Earth を用いて森林変化の要因について検討した。

表 2-8 森林変化パターン

図 2-12 森林変化図（2005-2010） 森林変化図から、ミャンマー全土で森林減少と森林劣化が起きていることが確認された。森林

減少もしくは森林劣化が起こっていると判断された場所について調べたところ、移動耕作による

8 任意の格子間隔に画素を内挿し再配列する処理

変化パターン 凡例 森林の変化状況（2005 年→2010 年）

森林：変化なし

No change （open forest または closed forest）

森林：成長

open forest(F) → closed forest(F) 森林劣化

closed forest → open forest

森林減少(1)

closed forest →non forest 森林減少(2)

open forest →non forest

その他

other

森林分布図 2005

Landsatベース

空間分解能 30m

森林分布図 2010

IRSベース

空間分解能 20m

森林変化図

(2005→2010)

変化解析

2-15

農地化や大規模プランテーションが森林減少の要因であることがわかった（図 2-13）。森林劣化

についてみると、森林減少が起きている周辺で多くみられる傾向にあった。 しかし、森林劣化が起きていると判断された場所の一部では、Google Earth で確認を行うと実際

には森林に変化が見られない場所も散見された。この原因としては、2 年度の森林区分図を作成

する際に用いた Landsat 衛星データと IRS 衛星データの撮影季節が異なっていたことにより、落

葉林等のフェノロジーの変化が森林変化として現れたのではないかと考えられる（図 2-14）。

図 2-13 Landsat 衛星データを用いて抽出した森林劣化・森林減少地点の例 1

図 2-14 Landsat 衛星データを用いて抽出した森林劣化・森林減少地点の例 2

2-16

2.4.2. 全国の森林炭素蓄積量推定手法の検討

Landsat 衛星データを用いて全国レベルで炭素蓄積量を推定するための解析手法を図 2-15 に示

す。Landsat 衛星データから作成した全国森林区分図（Draft）を森林調査データ等により検証し修

正を行う。次に、森林調査データ等より求めた各森林区分（Open/Closed forest）の平均炭素蓄積

量を全国森林区分図と組み合わせることで、全国の森林炭素蓄積量を推定する。

図2-15 Landsat衛星データを用いた全国の森林炭素蓄積量推定手法 ミャンマー森林局が作成した Landsat 衛星データによる 2005 年森林区分図と IRS 衛星データに

よる 2010 年森林区分図を用いて図 2-15 に示した手法で全国の森林炭素蓄積量の推定を試みた。 本来、森林区分別の平均炭素蓄積量は、全国において偏りがない十分な森林調査データ（国家

森林資源調査：NFI）から求める必要がある。しかし、現在ミャンマーでは NFI は実施されてお

らず、全国森林区分別（Open forest, Closed forest）平均炭素蓄積量を入手することはできない。 そこで、本事業では Shan 州 Taunggyi 郡・Pinlaung 地区で取得された森林調査データ（表 2-7）

から求めた平均炭素蓄積量を仮の値として、全国森林炭素蓄積量の試算を試みた。Open forest は103.1 C t/ha、Closed forest は 147.6C t/ha の値を用いた。

表2-9に2005年および2010年の全国森林区分図および平均炭素蓄積量を用いて試算した森林面

積の推移と森林炭素蓄積量の変化を示す。森林面積の変化は2005年から2010年の5年間で、Open forestが11,562km2増加し、Closed forestは40,372km2減少した。それぞれの森林面積に平均炭素蓄積

量を掛け合わせ、各年度の森林区分別の全国森林炭素蓄積量を求めると、2005年ではOpen forestで1,573.3 MtC/ha、Closed forestでは2,835.4 MtC/haであった。2010年ではそれぞれ1692.5 MtC/ha、2,239.5 MtC/haであった。5年間の炭素蓄積量の変化をみると、Open forestでは炭素蓄積量が119.2 MtC/ha増加したが、Closed forestでは595.9 MtC/ha減少し、その結果ミャンマー全国の森林炭素蓄

積量は476.7 MtC/ha減少したと推測された。 なお、この結果はあくまで試算であり、全国の森林炭素蓄積量を推定する手法の検討のために

行ったものである。

全国の森林区分図(Draft)

現地調査・UAV・RapidEye(open/close)

平均炭素蓄積量(open/close)

全国の炭素蓄積量(open/close)

全国の森林区分図(open/close)

修正

2-17

表2-9 ミャンマー全国の森林面積および炭素蓄積量の変化

2.5. まとめ

RapidEye 衛星データおよび Landsat 衛星データを用いた森林炭素蓄積量の推定手法の概略を図

2-16 に示す。 National レベルでの炭素蓄積量の推定には Landsat 衛星データを用いた解析が適しており、

State/Division レベルでの炭素蓄積量の推定には RapidEye 衛星データを用いた解析が適している。

図 2-16 衛星データを用いた森林炭素蓄積量推定手法

年度別の森林面積の推移closed open total

2005年 192,098.5 152,598.7 344,697.12010年 151,725.8 164,161.3 315,887.0

差分 △ 40,372.7 11,562.6 △ 28,810.1単位：km2

森林の炭素蓄積量の変化closed open total

2005年 2835.4 1573.3 4408.72010年 2239.5 1692.5 3932.0

差分 △ 595.9 119.2 △ 476.7単位：MtC

2005年Landsat

2010年IRS

2-18

各衛星データを用いた炭素蓄積量の推定手法の検討結果について、以下にまとめる。

(1) RapidEye 衛星データの植生指数を用いた炭素蓄積量推定手法の検討 RapidEye 衛星データから算出した 4 種の植生指数について、2 パターンの空間フィルタ（5

×5 画素、11×11 画素）と 3 つの統計値（最大値、平均値、標準偏差）を組み合わせて、24通りの CS 推定モデル式を作成し、当てはまり度について決定係数を用いて検討した。その

結果、最も高い決定係数であった CS 推定モデル式は、植生指数に WDRVI（α＝0.1）、11×11 画素のフィルタを掛け統計値として最大値を用いた場合であった。

決定係数の高い CS 推定モデル式の作成には、地形（緩斜面、南斜面）や植生（他植生と

の混交度合が低い林分）の条件を満たす森林調査データが必要であり、また着葉時期の衛星

データを用いる必要があることがわかった。

(2) RapidEye 衛星データから求めた植生指数の差分情報を用いた変化域の抽出 雨期と乾期の 2 時期の RapidEye 衛星データから算出した植生指数の差分情報より、落葉林

を抽出することが可能と思われる。常緑林と落葉林を明確に区分することにより、詳細な森

林区分図の作成に利用できる。

(3) RapidEye 衛星データを用いた森林区分図の作成 RapidEye 衛星データから作成した森林区分図は空間分解能が 5m であることから、中分解

能衛星データである Landsat 衛星データ（分解能 30m）や IRS 衛星データ（分解能 20m）か

ら作成した森林区分図よりも詳細な森林区分図を作成することが可能である。

(4) Landsat 衛星データを用いた森林変化図の作成とその変化箇所の検証 2005 年と 2010 年の全国森林区分図（森林局作成）を用いて、森林変化図を作成した。そ

の結果、森林劣化を示すClosed forestからOpen forestに変化した場所を特定することができ、

Google Earth 等で検証を行った結果、森林減少が起きている周囲の森林で森林劣化が起きて

いることがわかった。

(5) Landsat 衛星データを用いた全国の森林炭素蓄積量の推定 森林区分図と平均炭素蓄積量を用いた全国森林炭素蓄積量推定手法を提案した。森林局作

成の全国森林区分図（2005 年、2010 年）と森林調査データより求めた森林区分別の平均炭素

蓄積量を用いて全国の森林炭素蓄積量の推定を行い、5 年間での炭素蓄積量の変化について

試算した。

REDD+における透明性と堅牢性のためには、NFI 等の森林調査データから正確な平均炭素蓄積

量を算出し、精度検証の実施された全国森林区分図を用いて森林炭素蓄積量の推定を行う必要が

ある。

3. UAVによる森林劣化把握に関する検討

3-1

3. UAVによる森林劣化把握に関する検討

3.1. 各年度の実施内容 森林劣化状況を把握するため、UAVによって林分状況および林分物理量の計測方法を試行し、

森林炭素蓄積量の推定手法について検討を行った。各年度の実施内容を以下にまとめる。

3.1.1. 平成26年度の実施内容

UAV全般の特徴と利用可能性、3次元復元技術1を用いたUAVデータから生成物の種類と特徴、

UAVの運用に係る経費などについて整理した。また、調査対象地において試験的に空中写真撮影

を行い、UAVの飛行性能、操作性および3次元復元技術によるオルソフォト、点群データ、DSMなどの生成物の確認などを行った。

3.1.2. 平成27年度の実施内容

使用UAVのカメラ・機体の再検討を行い、調査対象地において森林調査および空中写真撮影を

行った。これらのサンプルデータからUAVの有効性について精度面を含めて検討を行った。UAVによる空中写真撮影データから3次元復元ソフトウエアにより、オルソフォト、DSM、点群データ

等を作成し、これより林分物理量の計測方法、林分状況把握のための利用法の検討を行った。

3.1.3. 平成28年度の実施内容

過年度成果を検証するためにサンプルデータを追加し、樹高計測の精度検証を行った。また、

UAV成果から林分体積をもとめ森林炭素蓄積量（バイオマス）との関係分析を行い、UAVを利用

した森林計測および森林炭素蓄積量把握手法について検討を行った。

3.2. 実施方法と結果 図3-1に調査方法の流れを示す。森林調査地においてUAVによる空中写真撮影を行い、3次元復

元ソフトよりオルソフォト、DSM（表層高）、DTM（地盤高）、点群データを作成した。オルソ

フォトより林相判読の可能性、点群データより林分断面構造の解析および樹高計測の試行、DSMとDTMより林分体積を求めこれと森林炭素蓄積量（バイオマス）との関係分析を行った。

また、森林調査地において林内連続写真を撮影し点群データを作成した。この点群データから

本数計測とDBH計測について試行・検討した。

1 SfM 理論による写真から物体を復元する技術、写真の 3 次元位置情報から復元する

3-2

図3-1 UAVによる林分状況把握に関する検討方法の流れ

3.2.1. UAV空中写真撮影および森林調査の実施

UAVの利用可能性を検討するためのサンプルデータとして、空中写真撮影と森林調査を実施し

た。空中写真撮影にあたっては、写真間のオーバーラップを80%、コース間のサイドラップを60%とし、撮影高度は撮影範囲の状況に合わせて50m~100mとした。

森林調査は、林分樹高に合わせて20m~50mの方形プロットを基本とし、毎木調査法により実施

した。計測項目は、胸高直径、樹種、上層木平均樹高、樹冠疎密度、下層植生密度、傾斜、方位

等とした。なお、森林炭素蓄積量の計算には、バイオマス算定アロメトリー式のBrown & Schroeder式2を用い、炭素量フラクション係数3は0.47を使用した。

調査対象地を図3-2に示す。赤色は精度評価用の調査対象地であり、空中写真撮影・森林調査と

もにアジア航測が実施した。黄色と青色は検証用の調査対象地であり空中写真撮影はアジア航測

が実施し森林調査は他機関が実施した。 平成26年度および平成27年度にアジア航測が実施した森林調査結果を表3-1に、他機関により調

査された森林調査結果を表3-2に示す。

2 IPCC Good Practice Guidance for LULUCF に記載されている熱帯林地域に適応されるバイオマス算定のための

アロメトリー式 3 バイオマスを炭素蓄積量に換算するための係数

3-3

図3-2 調査対象位置図

表3-1 森林調査とりまとめ（アジア航測実施H26-H27 ）

No Township Forest type Tree

Height (m)

Number of trees

/ha

DBH (cm)

Total Basal Area

(m2/ha)

Carbon (tC/ha) Slope Canopy

Density

1 Kalaw Pine forest 17.1 479 27.1 28.1 88.5 7 50 2 Kalaw Closed forest 22.9 352 32.1 39.3 297.1 3 70 3 Kalaw Pine forest 17.5 775 21.8 30.3 84.6 4 60 4 Mogok Open forest 6.4 324 10.2 3.1 10.6 18 30 5 Mogok Closed forest 9.9 2,095 8.6 13.1 38.3 29 70 6 Mogok Pine forest 16.5 349 26.7 22.8 81.1 24 40 7 Mogok Closed forest 12.6 2,369 10.7 26.0 92.9 27 60 8 Mogok Closed forest 16.3 175 35.8 17.9 102.2 12 50 9 Mogok Closed forest 10.4 1,920 8.5 12.0 35.6 9 60

10 Mogok Pine forest 13.5 723 20.3 27.0 80.1 29 55 11 Taunggyi Closed forest 6.7 2,325 7.9 13.8 44.6 13 70 12 Taunggyi Closed forest 13.2 1,853 11.4 26.8 108.2 3 90 13 Taunggyi Closed forest 22.9 703 29.0 56.0 310.1 35 90 14 Taunggyi Closed forest 24.7 337 32.2 54.0 442.9 8 90 15 Taunggyi Closed forest 33.2 232 44.2 54.4 463.8 0 90 16 Taunggyi Closed forest 33.2 276 40.1 62.1 587.5 4 90 17 Taunggyi Pine forest 12.8 275 26.3 15.2 47.2 0 20 18 Yedashe Teak plantation 15.6 615 16.2 13.3 52.5 0 55 19 Yedashe Teak plantation 15.7 663 17.6 16.6 67.1 0 55

3-4

表3-2 森林調査のとりまとめ（他機関実施）

No Township Tree

Height (m)

DBH (cm)

Number of Trees

(/ha)

Total Basal Area (m2/ha)

Carbon (tC/ha)

1 Pinlaung 9.4 10.1 131 0.7 3.5 2 Pinlaung 10.1 21.0 856 40.7 228.2 3 Pinlaung 10.2 18.8 225 8.2 41.0 4 Pinlaung 12.0 28.0 131 10.9 66.6 5 Pinlaung 13.8 35.7 38 5.2 34.5 6 Pinlaung 14.5 29.0 281 29.1 197.4 7 Pinlaung 15.3 25.6 213 14.2 80.8 8 Pinlaung 18.2 44.9 63 24.8 259.7 9 Moeswe 7.3 7.9 909 4.5 19.1

10 Moeswe 7.5 6.5 2292 8.9 37.2 11 Moeswe 8.3 11.6 223 2.7 28.9 12 Moeswe 9.1 16.2 637 83.6 17.8 13 Moeswe 9.3 7.5 845 7.2 70.7 14 Moeswe 10.0 12.5 668 36.1 9.7 15 Moeswe 10.4 8.2 520 6.7 35.8 16 Moeswe 10.7 9.2 1559 4.1 33.1 17 Moeswe 10.8 12.2 796 50.9 12.5 18 Moeswe 11.1 8.3 260 8.0 84.4 19 Moeswe 11.5 7.5 909 4.3 37.3 20 Moeswe 12.0 14.8 828 77.6 18.1 21 Moeswe 12.4 10.1 1169 14.9 169.5 22 Moeswe 13.3 10.0 780 16.2 193.1 23 Moeswe 13.7 8.7 1169 11.5 52.8 24 Moeswe 13.8 16.5 414 55.4 11.8 25 Moeswe 13.9 9.8 585 7.5 34.4 26 Moeswe 14.2 16.1 414 44.1 10.3 27 Moeswe 14.1 8.9 585 4.5 44.3 28 Moeswe 14.5 7.8 974 6.1 46.3 29 Moeswe 17.1 8.5 585 3.6 17.1

各調査地点において空中写真より、3次元復元ソフトPhotoscan1.2.6（Agisoft）を用いて次の5種

類のデータを作成した（図3-3）。

① オルソフォト（正射投影写真） ： Geotiff形式4、KMZ形式5 ② DSM6（デジタル表層高モデル） ： Geotiff形式 ③ DTM（デジタル地盤高モデル） ： Geotiff形式 ④ 3次元モデル ： PDF形式 ⑤ 点群データ（Point cloud） ： LAS形式7

4 位置情報の付与された画像ファイル形式 5 Google Earth のファイル形式 6 地上の被覆物（建物、樹木等）も含めた高さ、これらを取除いた地上面の高さを DTM と呼ぶ 7 xyz の 3 次元位置情報を持つ点群データのファイル形式

3-5

図3-3 3次元復元処理により作成したデータ例 3.2.2. 本数と直径計測の検討（林内写真3次元モデルによる）

一般に森林調査において胸高直径は全木の計測を実施する。しかし、多大な労力を必要とする

ため、省力化のための研究がおこなわれている。現在もっとも盛んに研究がなされているのは地

上レーザによる方法であるが、機材等が高額であるため現段階では実用化に至っていない。 そこで、林内連続写真から作成した3次元モデルを用いて本数と直径計測を試行した。森林調査

プロット周囲の連続写真を撮影した後、3次元復元ソフトにより点群データを生成し、これより本

数計測と直径計測を試みた。 図3-4上は、作成したチーク林の林内点群モデル、青い四角が撮影写真である。図3-4下は同一視

点による点群モデルと地上写真である。点群モデルは点の集合であるが、あたかも写真のように

樹皮の文様まで再現されていることが分かる。点群モデルは写真とは違い3次元の位置情報を持つ

ため直径を計測することが可能である。

オルソフォト 3D モデル

点群データ（断面図）

DSM DTM

3-6

図3-4 林内点群モデル

林内点群データを胸高直径階（1.2~1.3m）で水平面に輪切りし、直径・本数の計測を行った。

計測方法を図3-5に、計測結果を表3-3に示す。本数計測結果は実測値と同じ値となった。直径計測

結果は0.9cmの差があった。この結果だけから判断すると高精度であるといえる。 しかし、本数密度が低い、下層植生が少ない、平坦な場所であるなどの条件を満たさない場合

は、1本1本が識別できるほどの林内点群モデルが生成されない。そのため、本数・直径が計測で

きず、実利用には課題が多い。

林内点群モデル（青い四角が撮影写真）

林内点群モデルと同一視点の地上写真

3-7

図3-5 林内点群データによる直径および本数計測方法

表3-3 林内点群データによる本数と直径の計測結果

点群データより計測 実測値 本数 20 20

平均直径（cm） 16.7 17.6

3.2.3. 林分状況の把握（空中写真3次元モデルによる）

空中写真から作成したオルソフォト、DSM、点群データを用いて林分状況の把握について検討

を行った。

(1) 林分状況の変化把握

図3-6は、Bago管区Yedashe地区チーク植林地オルソフォトと点群データによる林分断面図

である。図の上段は間伐前2014年10月撮影、下段は間伐後2015年11月撮影のデータである。2時点のオルソフォトを比較すると、紅葉状態（虫害による変色）、裸地部分の農地への転用

など目視により2時点の林分状況の変化を確認することが出来る。また、林分断面構造を比較

すると、間伐により立木が消失している状態や、立木密度の変化、落葉によって樹冠開空度

が上がったことにより地表面まで点群が生成されているなどの詳細な林分状態の確認ができ

る。

黄色枠内の点群データの縦断面図 黄色枠が森林調査プロット

1.2~1.3m で輪切りした点群データ （赤点の固まりを 1 本として本数計測）

幹径を計測（胸高直径）