arXiv (CV)AI
航空LiDARと光学観測を用いた都市環境における自己教師あり樹木レベルのバイオマス推定
Self-Supervised Tree-level Biomass Estimation in Urban Environments From Airborne LiDAR and Optical Observations
この記事についてAIに質問する →
日本語要約青い用語にマウスを合わせると解説が表示されます
都市部の樹木バイオマスの定量化は、管理された森林と比べて空間的な詳細度が低いままであることが課題となっています。従来の推定方法は在庫調査や粗い製品に依存しており、個々の樹冠や微細なスケールでの不均質性を解像できていません。本研究は、この問題に対処するため、カナダのオンタリオ州における810km²の広大な地域を対象に、王冠レベルの地上部バイオマス(AGB)推定フレームワークを提示しています。
このフレームワークでは、2018年と2023年に取得した葉落ち期の航空LiDAR(毎平方メートルあたり8~10パルス)と近赤外線RGB正射写真(0.16~0.20m解像度)を活用しています。デュアルストリーム交差注意ネットワークが規則ベースの疑似ラベルで訓練され、建物、針葉樹、広葉樹のセマンティックマークを生成して樹冠の輪郭抽出と機能型の割り当てをサポートしました。独立してアノテーションされたテストタイルでは、適合率0.86、再現率0.83、Diceスコア0.84を達成しています。
樹冠の輪郭は樹木領域内でマルチスケール分水嶺分割により抽出され、バイオマスは樹冠面積と樹高のべき乗則を用いて推定されました。この代理モデルは21,921本の在庫樹について種特異的な異方程式で校正されています。90,726本の樹木を含むテストセットから得られた18,713個の在庫・セグメント対ペアに対して、在庫樹冠幾何形状使用時はR²=0.609、実運用セグメント使用時はR²=0.570を達成しており、樹冠輪郭抽出が残存する不確実性の主要因として特定されています。
推定値を30mグリッドに集約すると、2018年の総バイオマスストックは1.73Tg、2023年は1.81Tgで、5年間で39GgCの純炭素増加を記録しました。ナイアガラ崖沿いでは最大140Mg/ha⁻¹の局所密度が観察され、深層アンサンブル不確実性マップは過少表現された土地被覆に関連する高い認識的不確実性領域を強調しています。本フレームワークは標準的な州データを使用し、手動アノテーションを必要とせず、森林外の樹木に対する管理関連解像度の公開二時期樹冠レベルAGBデータベースを生成します。