JP2023170711A - データ取得装置、データ取得方法、および、データ取得プログラム - Google Patents
データ取得装置、データ取得方法、および、データ取得プログラム Download PDFInfo
- Publication number
- JP2023170711A JP2023170711A JP2022082659A JP2022082659A JP2023170711A JP 2023170711 A JP2023170711 A JP 2023170711A JP 2022082659 A JP2022082659 A JP 2022082659A JP 2022082659 A JP2022082659 A JP 2022082659A JP 2023170711 A JP2023170711 A JP 2023170711A
- Authority
- JP
- Japan
- Prior art keywords
- data acquisition
- image data
- image
- vegetation index
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 230000007613 environmental effect Effects 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1797—Remote sensing in landscape, e.g. crops
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】データ取得装置、データ取得方法及びデータ取得プログラムを提供する。
【解決手段】データベース10a、10bと、データ取得装置100とが、ネットワーク20で相互に接続するリモートセンシングシステム1において、データ取得装置100は、対象エリアを衛星から撮影した第1画像を示す第1画像データを取得する第1画像データ取得部と、第1画像データを用いて、対象エリアにおける植生指標を算出する算出部と、植生指標が予め定められた評価基準を満たすか否か判定する判定部と、植生指標が前記評価基準を満たさない場合に、対象エリアを第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得する第2画像データ取得部と、を備える。
【選択図】図1
【解決手段】データベース10a、10bと、データ取得装置100とが、ネットワーク20で相互に接続するリモートセンシングシステム1において、データ取得装置100は、対象エリアを衛星から撮影した第1画像を示す第1画像データを取得する第1画像データ取得部と、第1画像データを用いて、対象エリアにおける植生指標を算出する算出部と、植生指標が予め定められた評価基準を満たすか否か判定する判定部と、植生指標が前記評価基準を満たさない場合に、対象エリアを第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得する第2画像データ取得部と、を備える。
【選択図】図1
Description
本発明は、データ取得装置、データ取得方法、および、データ取得プログラムに関する。
特許文献1には、「期待する生育ステージ到達時期にある圃場が多い時期に撮影を行うことが望ましい」と記載されている。
[先行技術文献]
[特許文献]
[特許文献1] 特開2021-006017
[特許文献2] 特開2000-194833
[特許文献3] 特表2019-532380
[先行技術文献]
[特許文献]
[特許文献1] 特開2021-006017
[特許文献2] 特開2000-194833
[特許文献3] 特表2019-532380
本発明の第1の態様においては、データ取得装置を提供する。前記データ取得装置は、対象エリアを衛星から撮影した第1画像を示す第1画像データを取得する第1画像データ取得部と、前記第1画像データを用いて、前記対象エリアにおける植生指標を算出する算出部と、前記植生指標が予め定められた評価基準を満たすか否か判定する判定部と、前記植生指標が前記評価基準を満たさない場合に、前記対象エリアを前記第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得する第2画像データ取得部と、を備える。
前記データ取得装置において、前記第1画像データ取得部は、複数の時点において前記対象エリアを撮影した複数の第1画像を示す複数の第1画像データを取得し、前記算出部は、前記複数の第1画像データを用いて、前記複数の時点における前記植生指標をそれぞれ算出し、前記判定部は、前記複数の時点における前記植生指標の統計量が前記評価基準を満たすか否か判定してもよい。
前記データ取得装置のいずれかにおいて、前記植生指標の統計量は、前記複数の時点における前記植生指標の最大値であってもよい。
前記データ取得装置のいずれかは、前記第2画像データを出力するデータ出力部を更に備えてもよい。
前記データ取得装置のいずれかは、前記第2画像データを解析するデータ解析部と、前記解析した結果を出力する解析結果出力部と、を更に備えてもよい。
前記データ取得装置のいずれかは、前記植生指標の実績に基づいて、前記評価基準を設定する基準設定部を更に備えてもよい。
前記データ取得装置のいずれかは、前記第1画像を撮影した撮影環境を示す環境データを取得する環境データ取得部を更に備え、前記基準設定部は、前記環境データを用いて前記評価基準を設定してもよい。
前記データ取得装置のいずれかにおいて、前記基準設定部は、前記環境データを入力したことに応じて前記評価基準を出力するように機械学習された学習モデルを用いて、前記評価基準を設定してもよい。
前記データ取得装置のいずれかは、前記植生指標に応じて前記第2画像の解像度を指定する指定部を更に備えてもよい。
前記データ取得装置のいずれかにおいて、前記指定部は、前記植生指標と前記評価基準との差分に基づいて前記第2画像の解像度を指定してもよい。
本発明の第2の態様においては、データ取得方法を提供する。前記データ取得方法は、コンピュータにより実行され、前記コンピュータが、対象エリアを衛星から撮影した第1画像を示す第1画像データを取得することと、前記第1画像データを用いて、前記対象エリアにおける植生指標を算出することと、前記植生指標が予め定められた評価基準を満たすか否か判定することと、前記植生指標が前記評価基準を満たさない場合に、前記対象エリアを前記第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得することと、を備える。
本発明の第3の態様においては、データ取得プログラムを提供する。前記データ取得プログラムは、コンピュータにより実行され、前記コンピュータを、対象エリアを衛星から撮影した第1画像を示す第1画像データを取得する第1画像データ取得部と、前記第1画像データを用いて、前記対象エリアにおける植生指標を算出する算出部と、前記植生指標が予め定められた評価基準を満たすか否か判定する判定部と、前記植生指標が前記評価基準を満たさない場合に、前記対象エリアを前記第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得する第2画像データ取得部と、して機能させる。
なお、上記の発明の概要は、本発明の特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。
以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
図1は、第1の実施形態に係るデータ取得装置100が含まれてよいリモートセンシングシステム1のブロック図の一例を示す。なお、これらブロックは、それぞれ機能的に分離された機能ブロックであって、実際の装置構成とは必ずしも一致していなくてもよい。すなわち、本図において、1つのブロックとして示されているからといって、それが必ずしも1つの装置により構成されていなくてもよい。また、本図において、別々のブロックとして示されているからといって、それらが必ずしも別々の装置により構成されていなくてもよい。これより先のブロック図についても同様である。
リモートセンシングにおいて、対象とするエリアを撮影した画像データを用いて、当該エリアにおける植生をモニタリングすることが試みられている。この場合、植生を詳細にモニタリングするには、解像度の高い画像データを用いることが好ましい。しかしながら、解像度を高くすることは、画像データの購入費用や通信費用の上昇を招き得る。また、解像度を高くするに応じて1画像当たりの撮影範囲が狭くなり、広範なエリアをモニタリングするには、複数の画像データを取得して合成する必要が生じる等、処理が煩雑となり得る。したがって、高解像度の画像データを頻繁に取得することは現実的ではない場合があり得る。そこで、データ取得装置100は、リモートセンシングシステム1において、比較的低解像度の画像データを用いて比較的高解像度の画像データの取得をトリガする。リモートセンシングシステム1には、データベース10と、ネットワーク20と、データ取得装置100とが含まれている。
データベース10は、様々なエリアを様々なタイミングで撮影した画像を示す様々な画像データを保存する。また、データベース10は、画像データに加えて、画像データの取得に有用な他の様々なデータを保存してもよい。本図においては、データベース10が、第1のデータベース10aおよび第2のデータベース10b(「データベース10」と総称する。)を含む場合を一例として示している。
第1のデータベース10aは、衛星から撮影した衛星画像を示す衛星画像データを保存する。このような衛星は、電波、赤外線、および、可視光を用いて地球を観測する人工衛星であってよく、地球観測衛星やリモートセンシング衛星とも呼ばれる。例えば、衛星は、衛星画像の撮影を指令するコマンドを受信すると、当該コマンドに応じて衛星画像を撮影してよい。次に、地上局は、撮影された衛星画像を示す衛星画像データを衛星から受信し、これを処理局へ供給してよい。そして、処理局は、衛星画像データに対して種々の処理(切り出し処理、ラジオメトリック補正、および、幾何補正等)を施してよい。第1のデータベース10aは、例えばこのように処理が施された衛星画像データを、撮影された日時や処理内容等のメタデータと対応付けて保存してよい。ここで、衛星画像には、他の衛星画像と少なくとも部分的に重複するエリアを、当該他の衛星画像よりも高解像度で撮影した画像が含まれていてもよい。
これより先、第1のデータベース10aが、可視・反射赤外リモートセンシングデータを保存する場合を一例として説明する。したがって、第1のデータベース10aが保存する衛星画像データは、マルチスペクトル画像のデータであってよい。
一般に、地表を構成する様々な物体(水、土壌、および、植物等)は、種類によってスペクトル毎の反射率の特性がそれぞれ異なる。例えば、「水」は、可視域(0.4~0.7μm)を主な反射領域とする。「土壌」は、波長が長くなるにつれて反射が強くなる傾向があり、短波長赤外域(1.3~3μm)を主な反射領域とする。「植物」は、光合成色素の働きで可視域を効率的に吸収するとともに、近赤外域(0.7~1.3μm)を反射する特性を持つ。異なるスペクトルの電磁波を記録するマルチスペクトル画像のデータは、このような地表を構成する様々な物体のスペクトル反射特性を把握するために重要なデータといえる。
しかしながら、これに限定されるものではない。第1のデータベース10aは、熱赤外リモートセンシングデータやマイクロ波リモートセンシングデータ等、他のリモートセンシングデータを保存することもできる。
第2のデータベース10bは、航空機やドローン等から撮影した空撮画像を示す空撮画像データを保存する。このような空撮画像データに対しても種々の処理が施されてよい。第2のデータベース10bは、例えばこのように処理が施された空撮画像データを、撮影された日時や処理内容等のメタデータと対応付けて保存してよい。ここで、空撮画像は、衛星画像と少なくとも部分的に重複するエリアを、当該衛星画像よりも高解像度で撮影した画像であってよい。
第2のデータベース10bが保存する空撮画像データについても、マルチスペクトル画像のデータであってよい。しかしながら、これに限定されるものではない。第2のデータベース10bは、第1のデータベース10aと同様、他のリモートセンシングデータを保存することもできる。また、第1のデータベース10aが保存する衛星画像データと、第2のデータベース10bが保存する空撮画像データとは、画像種別が必ずしも同じである必要はなく、画像種別がそれぞれ異なっていてもよい。
ユーザは、第1のデータベース10aに保存されている衛星画像データや、第2のデータベース10bに保存されている空撮画像データを、例えば、衛星運用機関や代理店などを通じて、取得または購入することができる。
ネットワーク20は、複数のコンピュータを接続するネットワークである。例えば、ネットワーク20は、複数のコンピュータネットワークを相互接続したグローバルなネットワークであってよく、一例として、ネットワーク20は、インターネット・プロトコルを使用したインターネットであってよい。これに代えて、ネットワーク20は、専用回線により実現されていてもよい。ネットワーク20は、リモートセンシングシステム1における様々な装置、本図においては、データベース10と、データ取得装置100とを相互に接続する。
データ取得装置100は、PC(パーソナルコンピュータ)、タブレット型コンピュータ、スマートフォン、ワークステーション、サーバコンピュータ、または汎用コンピュータ等のコンピュータであってよく、複数のコンピュータが接続されたコンピュータシステムであってもよい。このようなコンピュータシステムもまた広義のコンピュータである。また、データ取得装置100は、コンピュータ内で1または複数実行可能な仮想コンピュータ環境によって実装されてもよい。これに代えて、データ取得装置100は、データの取得用に設計された専用コンピュータであってもよく、専用回路によって実現された専用ハードウェアであってもよい。また、インターネットに接続可能な場合、データ取得装置100は、クラウドコンピューティングにより実現されてもよい。
データ取得装置100は、比較的低解像度の画像データを用いて対象エリアにおける植生をモニタリングし、植生指標が評価基準を満たさないことをトリガとして比較的高解像度の画像データを取得する。データ取得装置100は、第1画像データ取得部110と、算出部120と、判定部130と、第2画像データ取得部140と、データ出力部150とを備える。
第1画像データ取得部110は、対象エリアを衛星から撮影した第1画像を示す第1画像データを取得する。ここで、対象エリアとは、ユーザが植生をモニタリングしたいと望む関心領域(AOI:Area of Interest)である。第1画像データ取得部110は、取得した第1画像データを算出部120へ供給する。
算出部120は、第1画像データを用いて、対象エリアにおける植生指標を算出する。ここで、植生指標とは、植物の量や活性度の高さを示す指標である。算出部120は、算出した植生指標を判定部130へ供給する。
判定部130は、植生指標が予め定められた評価基準を満たすか否か判定する。判定部130は、判定した結果を第2画像データ取得部140へ供給する。
第2画像データ取得部140は、植生指標が評価基準を満たさない場合に、対象エリアを第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得する。第2画像データ取得部140は、取得した第2画像データをデータ出力部150へ供給する。
データ出力部150は、第2画像データを出力する。このような機能部を有するデータ取得装置100による高画像データの取得方法を、フローを用いて詳細に説明する。
図2は、第1の実施形態に係るデータ取得装置100によるデータ取得方法のフロー図の一例を示す。
ステップS210において、データ取得装置100は、第1画像データを取得する。例えば、第1画像データ取得部110は、対象エリアを衛星から撮影した第1画像を示す第1画像データを取得してよい。一例として、第1画像データ取得部110は、第1画像の指定を受け付ける。これに応じて、例えば、ユーザが、対象エリアを、住所、地名、目標物、郵便番号等の各種情報により指定、または、当該各種情報に対してジオコーディングによって付与された地理座標(例えば、緯度・経度)により指定したとする。また、ユーザが、撮影タイミングを、撮影日時により指定したとする。この場合、第1画像データ取得部110は、指定された対象エリア、および、撮影タイミングを検索キーとして、第1のデータベース10aを検索してよい。そして、第1画像データ取得部110は、第1のデータベース10aから検索された衛星画像データを第1画像データとして、ネットワーク20を介して取得してよい。
しかしながら、これに限定されるものではない。第1画像データ取得部110は、各種メモリデバイスやユーザ入力を介して第1画像データを取得してもよいし、第1のデータベース10aとは異なる他の装置から第1画像データを取得してもよい。また、指定された画像がアーカイブされていない場合には、第1画像データ取得部110は、地上局を介して衛星へ撮影を指令するコマンドを送信し、当該コマンドに応じて撮影された衛星画像のデータを第1画像データとして取得してもよい。
ここで、第1画像は、異なる複数の時点において対象エリアを衛星から撮影した複数の画像であると好ましい。したがって、第1画像データ取得部110は、複数の時点において対象エリアを撮影した複数の第1画像を示す複数の第1画像データを取得してもよい。一例として、第1画像データ取得部110は、予め定められた期間(例えば、1週間)に亘り定期的に(例えば、1日毎に)対象エリアを撮影した複数の第1画像を示す複数の第1画像データを取得してもよい。第1画像データ取得部110は、例えばこのように取得した第1画像データを算出部120へ供給する。
ステップS220において、データ取得装置100は、植生指標を算出する。例えば、算出部120は、ステップS210において取得された第1画像データを用いて、対象エリアにおける植生指標を算出してよい。一例として、算出部120は、マルチスペクトル画像である第1画像が持つ異なる波長帯の情報をバンド間演算することにより、植生指標を算出してよい。
ここで、リモートセンシングによる植生モニタリングにおいては、植物の分光反射特性を利用した正規化植生指数(NDVI:Normalized Difference Vegetation Index)という指標が広く用いられている。
NDVIは、数式「NDVI=(NIR-RED)/(NIR+RED)」により算出される。ここで、NIRは近赤外域の反射率、REDは可視域赤の反射率を示している。すなわち、NDVIは、植物によって反射される近赤外バンドと赤色バンドの反射率の差を和で除したものである。NDVIは、-1から1の値に正規化された数値で示され、植生が濃いほど値が大きくなる。算出部120は、例えばこのようなNDVIを用いて対象エリアにおける植生指標を算出してよい。
なお、上述の説明では、植生指標としてNDVIを用いる場合を一例として示したが、これに限定されるものではない。算出部120は、NDVIに代えて、または、加えて、拡張植生指数(EVI:Extended Vegetation Index)や葉面積指数(LAI:Leaf Area Index)等の他の指標を用いて対象エリアにおける植生指標を算出してもよい。
ここで、ステップS210において複数の第1画像データが取得された場合、算出部120は、複数の第1画像データを用いて、複数の時点における植生指標をそれぞれ算出してよい。一例として、算出部120は、1週間に亘り1日毎のNDVIをそれぞれ算出してよい。算出部120は、算出した植生指標を判定部130へ供給する。
ステップS230において、データ取得装置100は、植生指標が評価基準を満たすかどうか判定する。例えば、判定部130は、ステップS230において算出された植生指標が予め定められた評価基準を満たすか否か判定してよい。一例として、判定部130は、算出されたNDVIが予め定められた閾値以上であるか否か判定してよい。そして、NDVIが閾値以上である場合に、判定部130は、植生指標が評価基準を満たすと判定してよい。また、NDVIが閾値未満である場合に、判定部130は、植生指標が評価基準を満たさないと判定してよい。なお、この際に用いられる評価基準(閾値等)は、予めユーザにより指定された固定の値であってもよいし、様々な撮影環境に応じて変動する可変の値であってもよい。これについては後述する。
ここで、ステップS220において複数の時点における植生指標が算出された場合、判定部130は、複数の時点における植生指標の統計量が評価基準を満たすか否か判定してよい。一般に、NDVIは、地表面が雲に覆われている場合に、雲に覆われていない場合と比べて低い値をとる。そのため、植物の量や活性度が一定とみなせる期間において最大のNDVI値を、当該期間の代表値とすれば、雲による影響を最小化することができる。したがって、植生指標の統計量は、複数の時点における植生指標の最大値であると好ましい。
しかしながら、これに限定されるものではない。統計量として、最大値に代えて、または、加えて、平均値や中央値等の他の統計値が用いられてもよい。判定部130は、判定した結果を第2画像データ取得部140へ供給する。
判定の結果、植生指標が評価基準を満たす場合(Yesの場合)、データ取得装置100は、処理をステップS260へ進める。すなわち、データ取得装置100は、ステップS240およびステップS250を省略する。一方で、植生指標が評価基準を満たさない場合(Noの場合)、データ取得装置100は、処理をステップS240へ進める。
ステップS240において、データ取得装置100は、第2画像データを取得する。例えば、第2画像データ取得部140は、植生指標が評価基準を満たさない場合に、対象エリアを第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得してよい。一例として、第2画像データ取得部140は、第1画像の撮影タイミングから最も近いタイミングを第2画像の撮影タイミングとして指定してよい。なお、第1画像が複数の時点において撮影した複数の画像である場合、第2画像データ取得部140は、最も新しい第1画像の撮影タイミングから最も近いタイミングを第2画像の撮影タイミングとして指定してもよい。次に、第2画像データ取得部140は、指定された対象エリア、および、撮影タイミングを検索キーとして、第2のデータベース10bを検索してよい。そして、第2画像データ取得部140は、第2のデータベース10bから検索された空撮画像データを第2画像データとして、ネットワーク20を介して取得してよい。
しかしながら、これに限定されるものではない。第2画像データ取得部140は、各種メモリデバイスやユーザ入力を介して第2画像データを取得してもよいし、第2のデータベース10bとは異なる他の装置から第2画像データを取得してもよい。特に、第2画像データ取得部140は、第1のデータベース10aから第2画像データを取得することもできる。この場合、第2画像データ取得部140は、第1画像の解像度よりも高解像度の衛星画像のみを対象として第1のデータベース10aを検索すればよい。また、指定された画像がアーカイブされていない場合には、第2画像データ取得部140は、航空機やドローン等、または、衛星へ撮影を指令するコマンドを送信し、当該コマンドに応じて撮影された空撮画像または衛星画像のデータを第2画像データとして取得してもよい。第2画像データ取得部140は、取得した第2画像データをデータ出力部150へ供給する。
ステップS250において、データ取得装置100は、第2画像データを出力する。例えば、データ出力部150は、ステップS240において取得された第2画像データをモニタに表示することにより出力してよい。しかしながら、これに限定されるものではない。データ出力部150は、第2画像データを、プリントアウトすることにより出力してもよいし、他の装置へ送信することにより出力してもよい。
ステップS260において、データ取得装置100は、モニタリングを終了するかどうか判断する。そして、判断の結果、モニタリングを終了しない場合(Noの場合)、データ取得装置100は、処理をステップS210へ戻して、フローを継続する。一方で、判断の結果、モニタリングを終了する場合(Yesの場合)、データ取得装置100は、フローを終了する。なお、この際、データ取得装置100は、予め定められたルール(タイムトリガやイベントトリガ等)に従いモニタリングを終了するかどうかを判断してもよいし、ユーザからの指示に応じてモニタリングを終了するかどうかを判断してもよい。
リモートセンシングにおいて、植生を詳細にモニタリングするには解像度の高い画像データを用いることが好ましいが、解像度を高くすることは、費用の上昇や処理の煩雑化を招き得る。従来、気象データに基づいて農作物の生育状況を予測し、農作物が特定の生育ステージに到達する時期をリモートセンシング画像の撮影適期として決定していた。しかしながら、この場合、気候変動に伴う植生の悪化や人為的な森林破壊等が起こったとしても、これらの原因を分析することが困難であった。
これに対して、データ取得装置100は、比較的低解像度の画像データを用いて対象エリアにおける植生をモニタリングし、植生指標が評価基準を満たさないことをトリガとして比較的高解像度の画像データを取得する。これにより、データ取得装置100によれば、低解像度の画像データを用いて植生をモニタリングしつつ、植生の悪化や森林破壊等が起こった場合にのみ高解像度の画像データを取得することができる。したがって、データ取得装置100によれば、通常は高解像度の画像データの取得頻度を抑えつつも、植生に何らかの異常が生じた場合には、原因を分析するために十分な解像度の画像データを取得することができる。
また、データ取得装置100は、このようにして取得した高解像度の画像データを出力する機能を更に備えてよい。これにより、データ取得装置100は、植生における異常の原因を分析するための情報をユーザに提供することができ、早期の原因解明に資することができる。
図3は、第2の実施形態に係るデータ取得装置100が含まれてよいリモートセンシングシステム1のブロック図の一例を示す。図3においては、図1と同じ機能および構成を有する部材に対して同じ符号を付すとともに、以下相違点を除き説明を省略する。上述の実施形態においては、データ取得装置100が、取得した第2画像データをそのまま出力する場合を一例として説明した。しかしながら、第2の実施形態においては、データ取得装置100は、取得した第2画像データを解析し、その結果を出力する。第2の実施形態に係るデータ取得装置100は、データ出力部150に代えて、または、加えて、データ解析部310と、解析結果出力部320とを更に備える。また、第2の実施形態に係るデータ取得装置100においては、第2画像データ取得部140は、取得した第2画像データをデータ解析部310へ供給する。
データ解析部310は、第2画像データ取得部140が取得した第2画像データを解析する。例えば、データ解析部310は、第2画像データを解析し、NDVI画像を生成してよい。また、過去に第2画像データを解析した履歴を有する場合、データ解析部310は、今回のNDVI画像および過去のNDVI画像の差分に基づいて、対象エリアにおける植生の変化を検出してよい。データ解析部310は、例えばこのように解析した結果を解析結果出力部320へ供給する。
解析結果出力部320は、データ解析部310が解析した結果を出力する。例えば、解析結果出力部320は、NDVI画像をモニタに表示することにより出力してよい。しかしながら、これに限定されるものではない。解析結果出力部320は、解析結果を、プリントアウトすることにより出力してもよいし、他の装置へ送信することにより出力してもよい。また、解析結果出力部320は、植生の変化が予め定められた基準を超える場合に、その旨のアラートを発生してもよい。
このように、第2の実施形態に係るデータ取得装置100は、第2画像データを取得する機能に加えて、第2画像データを解析する機能を更に備えてよい。これにより、第2の実施形態に係るデータ取得装置100によれば、高解像度の画像データを取得する機能と、当該高解像度の画像データを解析する機能とを、1つの装置により実現することができる。
また、第2の実施形態に係るデータ取得装置100は、解析した結果を出力する機能を更に備えてよい。これにより、第2の実施形態に係るデータ取得装置100によれば、高解像度の画像データを用いた高精度な解析結果をユーザに提供することができる。
図4は、第3の実施形態に係るデータ取得装置100が含まれてよいリモートセンシングシステム1のブロック図の一例を示す。図4においては、図1と同じ機能および構成を有する部材に対して同じ符号を付すとともに、以下相違点を除き説明を省略する。上述の実施形態においては、データ取得装置100が、植生指標を判定する評価基準として予め定められた固定の値を用いる場合を一例として説明した。しかしながら、第3の実施形態においては、データ取得装置100は、評価基準として様々な撮影環境に応じて変動する可変の値を用いる。第3の実施形態においては、データベース10は、第3のデータベース10cを更に含む。また、第3の実施形態に係るデータ取得装置100は、環境データ取得部410と、基準設定部420とを更に備える。また、第3の実施形態に係るデータ取得装置100においては、算出部120は、算出した植生指標を判定部130に加えて基準設定部420へ供給する。
第3のデータベース10cは、様々なエリアにおける様々な撮影環境を示す環境データを保存する。このような環境データは、例えば、気象庁、民間気象業務支援センター、および、気象事業者等(「気象庁等」と呼ぶ。)が発表する気象データを含んでいてよい。しかしながら、これに限定されるものではない。環境データは、植生の分布(一例として、落葉樹林の分布や常緑樹林の分布)を示すデータ等、衛星画像の撮影に影響を及ぼし得る様々なデータを含んでいてよい。
環境データ取得部410は、第1画像を撮影した撮影環境を示す環境データを取得する。例えば、環境データ取得部410は、第1画像の対象エリア、撮影タイミング、および、環境データの種別を検索キーとして、第3のデータベース10cを検索してよい。ここで、環境データの種別としては、例えば、天気、被雲、および、植生の分布等が挙げられる。そして、環境データ取得部410は、検索されたデータを、例えば、CSV(Comma Separated Value)ファイルとして、ネットワーク20を介してダウンロードしてよい。環境データ取得部410は、例えばこのようにして環境データを取得してよい。環境データ取得部410は、取得した環境データを基準設定部420へ供給する。
基準設定部420は、植生指標の実績に基づいて、評価基準を設定する。例えば、基準設定部420は、過去に算出部120が算出した植生指標を統計処理し、統計結果に応じて評価基準を設定してよい。この際、基準設定部420は、環境データ取得部410が取得した環境データを用いて評価基準を設定してもよい。すなわち、基準設定部420は、様々な撮影環境に応じて変動する可変の値を評価基準として設定してよい。一例として、植生指標の実績から、環境データの各種別と、推奨すべき評価基準との関係が予め既知である場合には、基準設定部420は、予め定義された関数に環境データを入力したことに応じて演算される結果を、評価基準として設定してよい。
一方で、環境データの各種別と、推奨すべき評価基準との関係が未知である場合には、基準設定部420は、機械学習モデルを用いるとよい。例えば、基準設定部420は、Eを環境データ、Wを重み、Oをモデル出力として、モデルをf(E,W)=Oと定義してよい。そして、基準設定部420は、学習期間において、当該モデルに環境データEを入力したことに応じて出力されるモデル出力Oが、植生指標の実績値に近づくように、重みWを更新してよい。そして、基準設定部420は、運用期間において、このように環境データを入力したことに応じて評価基準を出力するように機械学習された学習モデルを用いて、評価基準を設定してよい。
基準設定部420は、例えばこのようにして設定した評価基準を判定部130へ供給する。これに応じて、判定部130は、算出部120が算出した植生指標が、当該基準設定部420が設定した評価基準を満たすか否か判定してよい。
このように、第3の実施形態に係るデータ取得装置100は、植生指標の実績に基づいて、評価基準を設定してよい。これにより、第3の実施形態に係るデータ取得装置100によれば、植生指標を判定する評価基準として、予め定められた固定の値を用いるのではなく、植生指標の実績を考慮した可変の値を用いることができる。
また、第3の実施形態に係るデータ取得装置100は、第1画像を撮影した撮影環境を示す環境データを取得し、当該環境データを用いて評価基準を設定してよい。NDVI等の植生指標は、上述のとおり、地表面が雲に覆われている場合に、雲に覆われていない場合と比べて低い値をとる。また、NDVI等の植生指標は、落葉樹林が多く分布するエリアにおいては、冬季に落葉により値が低下し、夏季に値が上昇するといった季節変化が生じる一方で、常緑樹林が多く分布するエリアにおいては、季節変化は小さい。そこで、第3の実施形態に係るデータ取得装置100は、このような撮影環境に応じて変動する可変の値を評価基準として設定してよい。これにより、第3の実施形態に係るデータ取得装置100によれば、様々な撮影環境を考慮した最適な評価基準を用いて植生指標を判定することができる。
また、第3の実施形態に係るデータ取得装置100は、機械学習モデルを用いて評価基準を設定することもできる。これにより、第3の実施形態に係るデータ取得装置100によれば、環境データの各種別と、推奨すべき評価基準との関係が未知であっても、最適な評価基準を設定することができる。
図5は、第4の実施形態に係るデータ取得装置100が含まれてよいリモートセンシングシステム1のブロック図の一例を示す。図5においては、図1と同じ機能および構成を有する部材に対して同じ符号を付すとともに、以下相違点を除き説明を省略する。上述の実施形態においては、第2画像の解像度は第1画像の解像度よりも高いいかなる解像度であってもよい場合を一例として説明した。しかしながら、第4の実施形態においては、データ取得装置100は、第2画像の解像度を指定する。第4の実施形態に係るデータ取得装置100は、指定部510を更に備える。また、第4の実施形態に係るデータ取得装置100においては、算出部120は、算出した植生指標を判定部130に加えて、指定部510へ供給する。また、第4の実施形態に係るデータ取得装置100においては、判定部130は、判定した結果を第2画像データ取得部140に代えて、指定部510へ供給する。
指定部510は、植生指標に応じて第2画像の解像度を指定する。例えば、指定部510は、判定部130において算出部120が算出した植生指標が評価基準を満たさないと判定された場合に、当該植生指標に応じて第2画像の解像度を指定してよい。ここで、植生指標と評価基準の差分が大きい場合、植生における異常度が高い可能性があり、高精度な解析が要求されることが考えられる。したがって、指定部510は、植生指標と評価基準の差分が大きいほど解像度が高くなるように、第2画像の解像度を指定してよい。指定部510は、例えばこのようにして、植生指標と評価基準との差分に基づいて第2画像の解像度を指定することができる。
なお、この際、指定部510は、第2画像の解像度をそのまま指定してもよいし、第2画像の解像度の許容範囲(例えば、下限値等)を指定してもよい。指定部510は、指定した解像度を第2画像データ取得部140へ通知する。これに応じて、第2画像データ取得部140は、指定された解像度で第2画像を検索し、第2画像データを取得してよい。
このように、第4の実施形態に係るデータ取得装置100は、植生指標に応じて第2画像の解像度を指定してよい。これにより、第4の実施形態に係るデータ取得装置100によれば、植生指標を考慮した最適な解像度で第2画像データを取得することができる。
また、第4の実施形態に係るデータ取得装置100は、植生指標と評価基準との差分に基づいて第2画像の解像度を指定してよい。これにより、第4の実施形態に係るデータ取得装置100によれば、植生における異常度が高い等の理由により、植生指標と評価基準との隔たりが大きい場合に、より高解像度となるように第2画像データを取得することができる。
本発明の様々な実施形態は、フローチャートおよびブロック図を参照して記載されてよく、ここにおいてブロックは、(1)操作が実行されるプロセスの段階または(2)操作を実行する役割を持つ装置のセクションを表わしてよい。特定の段階およびセクションが、専用回路、コンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、および/またはコンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタルおよび/またはアナログハードウェア回路を含んでよく、集積回路(IC)および/またはディスクリート回路を含んでよい。プログラマブル回路は、論理AND、論理OR、論理XOR、論理NAND、論理NOR、および他の論理操作、フリップフロップ、レジスタ、フィールドプログラマブルゲートアレイ(FPGA)、プログラマブルロジックアレイ(PLA)等のようなメモリ要素等を含む、再構成可能なハードウェア回路を含んでよい。
コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー(登録商標)ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ(RAM)、リードオンリメモリ(ROM)、消去可能プログラマブルリードオンリメモリ(EPROMまたはフラッシュメモリ)、電気的消去可能プログラマブルリードオンリメモリ(EEPROM)、静的ランダムアクセスメモリ(SRAM)、コンパクトディスクリードオンリメモリ(CD-ROM)、デジタル多用途ディスク(DVD)、ブルーレイ(RTM)ディスク、メモリスティック、集積回路カード等が含まれてよい。
コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ(ISA)命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはSmalltalk(登録商標)、JAVA(登録商標)、C++等のようなオブジェクト指向プログラミング言語、および「C」プログラミング言語または同様のプログラミング言語のような従来の手続型プログラミング言語を含む、1または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかを含んでよい。
コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク(LAN)、インターネット等のようなワイドエリアネットワーク(WAN)を介して提供され、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。
図6は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ9900の例を示す。コンピュータ9900にインストールされたプログラムは、コンピュータ9900に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の1または複数のセクションとして機能させることができ、または当該操作または当該1または複数のセクションを実行させることができ、および/またはコンピュータ9900に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ9900に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、CPU9912によって実行されてよい。
本実施形態によるコンピュータ9900は、CPU9912、RAM9914、グラフィックコントローラ9916、およびディスプレイデバイス9918を含み、それらはホストコントローラ9910によって相互に接続されている。コンピュータ9900はまた、通信インターフェイス9922、ハードディスクドライブ9924、DVDドライブ9926、およびICカードドライブのような入/出力ユニットを含み、それらは入/出力コントローラ9920を介してホストコントローラ9910に接続されている。コンピュータはまた、ROM9930およびキーボード9942のようなレガシの入/出力ユニットを含み、それらは入/出力チップ9940を介して入/出力コントローラ9920に接続されている。
CPU9912は、ROM9930およびRAM9914内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ9916は、RAM9914内に提供されるフレームバッファ等またはそれ自体の中にCPU9912によって生成されたイメージデータを取得し、イメージデータがディスプレイデバイス9918上に表示されるようにする。
通信インターフェイス9922は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブ9924は、コンピュータ9900内のCPU9912によって使用されるプログラムおよびデータを格納する。DVDドライブ9926は、プログラムまたはデータをDVD-ROM9901から読み取り、ハードディスクドライブ9924にRAM9914を介してプログラムまたはデータを提供する。ICカードドライブは、プログラムおよびデータをICカードから読み取り、および/またはプログラムおよびデータをICカードに書き込む。
ROM9930はその中に、アクティブ化時にコンピュータ9900によって実行されるブートプログラム等、および/またはコンピュータ9900のハードウェアに依存するプログラムを格納する。入/出力チップ9940はまた、様々な入/出力ユニットをパラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入/出力コントローラ9920に接続してよい。
プログラムが、DVD-ROM9901またはICカードのようなコンピュータ可読媒体によって提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスクドライブ9924、RAM9914、またはROM9930にインストールされ、CPU9912によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ9900に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ9900の使用に従い情報の操作または処理を実現することによって構成されてよい。
例えば、通信がコンピュータ9900および外部デバイス間で実行される場合、CPU9912は、RAM9914にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インターフェイス9922に対し、通信処理を命令してよい。通信インターフェイス9922は、CPU9912の制御下、RAM9914、ハードディスクドライブ9924、DVD-ROM9901、またはICカードのような記録媒体内に提供される送信バッファ処理領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信された受信データを記録媒体上に提供される受信バッファ処理領域等に書き込む。
また、CPU9912は、ハードディスクドライブ9924、DVDドライブ9926(DVD-ROM9901)、ICカード等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がRAM9914に読み取られるようにし、RAM9914上のデータに対し様々なタイプの処理を実行してよい。CPU9912は次に、処理されたデータを外部記録媒体にライトバックする。
様々なタイプのプログラム、データ、テーブル、およびデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。CPU9912は、RAM9914から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプの操作、情報処理、条件判断、条件分岐、無条件分岐、情報の検索/置換等を含む、様々なタイプの処理を実行してよく、結果をRAM9914に対しライトバックする。また、CPU9912は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第2の属性の属性値に関連付けられた第1の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、CPU9912は、第1の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第2の属性の属性値を読み取り、それにより予め定められた条件を満たす第1の属性に関連付けられた第2の属性の属性値を取得してよい。
上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ9900上またはコンピュータ9900近傍のコンピュータ可読媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはRAMのような記録媒体が、コンピュータ可読媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ9900に提供する。
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。
特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。
1 リモートセンシングシステム
10 データベース
10a 第1のデータベース
10b 第2のデータベース
10c 第3のデータベース
100 データ取得装置
110 第1画像データ取得部
120 算出部
130 判定部
140 第2画像データ取得部
150 データ出力部
310 データ解析部
320 解析結果出力部
410 環境データ取得部
420 基準設定部
510 指定部
9900 コンピュータ
9901 DVD-ROM
9910 ホストコントローラ
9912 CPU
9914 RAM
9916 グラフィックコントローラ
9918 ディスプレイデバイス
9920 入/出力コントローラ
9922 通信インターフェイス
9924 ハードディスクドライブ
9926 DVDドライブ
9930 ROM
9940 入/出力チップ
9942 キーボード
10 データベース
10a 第1のデータベース
10b 第2のデータベース
10c 第3のデータベース
100 データ取得装置
110 第1画像データ取得部
120 算出部
130 判定部
140 第2画像データ取得部
150 データ出力部
310 データ解析部
320 解析結果出力部
410 環境データ取得部
420 基準設定部
510 指定部
9900 コンピュータ
9901 DVD-ROM
9910 ホストコントローラ
9912 CPU
9914 RAM
9916 グラフィックコントローラ
9918 ディスプレイデバイス
9920 入/出力コントローラ
9922 通信インターフェイス
9924 ハードディスクドライブ
9926 DVDドライブ
9930 ROM
9940 入/出力チップ
9942 キーボード
Claims (12)
- 対象エリアを衛星から撮影した第1画像を示す第1画像データを取得する第1画像データ取得部と、
前記第1画像データを用いて、前記対象エリアにおける植生指標を算出する算出部と、
前記植生指標が予め定められた評価基準を満たすか否か判定する判定部と、
前記植生指標が前記評価基準を満たさない場合に、前記対象エリアを前記第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得する第2画像データ取得部と、
を備える、データ取得装置。 - 前記第1画像データ取得部は、複数の時点において前記対象エリアを撮影した複数の第1画像を示す複数の第1画像データを取得し、
前記算出部は、前記複数の第1画像データを用いて、前記複数の時点における前記植生指標をそれぞれ算出し、
前記判定部は、前記複数の時点における前記植生指標の統計量が前記評価基準を満たすか否か判定する、請求項1に記載のデータ取得装置。 - 前記植生指標の統計量は、前記複数の時点における前記植生指標の最大値である、請求項2に記載のデータ取得装置。
- 前記第2画像データを出力するデータ出力部を更に備える、請求項1から3のいずれか一項に記載のデータ取得装置。
- 前記第2画像データを解析するデータ解析部と、
前記解析した結果を出力する解析結果出力部と、を更に備える、請求項1から3のいずれか一項に記載のデータ取得装置。 - 前記植生指標の実績に基づいて、前記評価基準を設定する基準設定部を更に備える、請求項1から3のいずれか一項に記載のデータ取得装置。
- 前記第1画像を撮影した撮影環境を示す環境データを取得する環境データ取得部を更に備え、
前記基準設定部は、前記環境データを用いて前記評価基準を設定する、請求項6に記載のデータ取得装置。 - 前記基準設定部は、前記環境データを入力したことに応じて前記評価基準を出力するように機械学習された学習モデルを用いて、前記評価基準を設定する、請求項7に記載のデータ取得装置。
- 前記植生指標に応じて前記第2画像の解像度を指定する指定部を更に備える、請求項1から3のいずれか一項に記載のデータ取得装置。
- 前記指定部は、前記植生指標と前記評価基準との差分に基づいて前記第2画像の解像度を指定する、請求項9に記載のデータ取得装置。
- コンピュータにより実行され、前記コンピュータが、
対象エリアを衛星から撮影した第1画像を示す第1画像データを取得することと、
前記第1画像データを用いて、前記対象エリアにおける植生指標を算出することと、
前記植生指標が予め定められた評価基準を満たすか否か判定することと、
前記植生指標が前記評価基準を満たさない場合に、前記対象エリアを前記第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得することと、
を備える、データ取得方法。 - コンピュータにより実行され、前記コンピュータを、
対象エリアを衛星から撮影した第1画像を示す第1画像データを取得する第1画像データ取得部と、
前記第1画像データを用いて、前記対象エリアにおける植生指標を算出する算出部と、
前記植生指標が予め定められた評価基準を満たすか否か判定する判定部と、
前記植生指標が前記評価基準を満たさない場合に、前記対象エリアを前記第1画像よりも高解像度で撮影した第2画像を示す第2画像データを取得する第2画像データ取得部と、
して機能させる、データ取得プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022082659A JP2023170711A (ja) | 2022-05-19 | 2022-05-19 | データ取得装置、データ取得方法、および、データ取得プログラム |
US18/315,462 US20230410275A1 (en) | 2022-05-19 | 2023-05-10 | Data acquisition apparatus, data acquisition method, and non-transitory computer-readable medium |
EP23173302.3A EP4280176A1 (en) | 2022-05-19 | 2023-05-15 | Data acquisition apparatus, data acquisition method, and data acquisition program |
CN202310568743.8A CN117092032A (zh) | 2022-05-19 | 2023-05-19 | 数据获取装置、数据获取方法以及非临时性计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022082659A JP2023170711A (ja) | 2022-05-19 | 2022-05-19 | データ取得装置、データ取得方法、および、データ取得プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023170711A true JP2023170711A (ja) | 2023-12-01 |
Family
ID=86383089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022082659A Pending JP2023170711A (ja) | 2022-05-19 | 2022-05-19 | データ取得装置、データ取得方法、および、データ取得プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230410275A1 (ja) |
EP (1) | EP4280176A1 (ja) |
JP (1) | JP2023170711A (ja) |
CN (1) | CN117092032A (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000194833A (ja) | 1998-12-28 | 2000-07-14 | Hitachi Ltd | 観測衛星を利用した地域管理システム,地域管理方法と農業育成管理システム及び観測衛星運用システム |
CN108369635B (zh) * | 2015-11-08 | 2022-07-29 | 阿格洛英公司 | 用于航空图像获取与分析的方法 |
US11587310B2 (en) * | 2017-09-13 | 2023-02-21 | Project Concern International | System and method for identifying and assessing topographical features using satellite data |
JP7229864B2 (ja) | 2019-06-28 | 2023-02-28 | 株式会社日立製作所 | リモートセンシング画像取得時期決定システム、および、作物生育状況分析方法 |
-
2022
- 2022-05-19 JP JP2022082659A patent/JP2023170711A/ja active Pending
-
2023
- 2023-05-10 US US18/315,462 patent/US20230410275A1/en active Pending
- 2023-05-15 EP EP23173302.3A patent/EP4280176A1/en active Pending
- 2023-05-19 CN CN202310568743.8A patent/CN117092032A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN117092032A (zh) | 2023-11-21 |
EP4280176A1 (en) | 2023-11-22 |
US20230410275A1 (en) | 2023-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10078890B1 (en) | Anomaly detection | |
JP7038744B2 (ja) | 顔画像検索方法およびシステム、撮影装置、ならびにコンピュータ記憶媒体 | |
US10586105B2 (en) | Method and system for crop type identification using satellite observation and weather data | |
CN111782966B (zh) | 用户分群方法、装置、计算机设备和介质 | |
US8768104B2 (en) | High volume earth observation image processing | |
US9230170B2 (en) | Plant species identification apparatus and method | |
Bergseng et al. | Assessing forest inventory information obtained from different inventory approaches and remote sensing data sources | |
WO2018173622A1 (ja) | 植生指標算出装置、植生指標算出方法、及びコンピュータ読み取り可能な記録媒体 | |
CN109933984A (zh) | 一种最佳聚类结果筛选方法、装置和电子设备 | |
JP2021012432A (ja) | 情報処理装置、情報処理方法、プログラム、センシングシステム | |
CN111918547A (zh) | 树冠识别装置、识别方法、程序和记录介质 | |
Comber et al. | Application of knowledge for automated land cover change monitoring | |
Bernier et al. | From plots to landscape: a k-NN-based method for estimating stand-level merchantable volume in the Province of Québec, Canada | |
San-Miguel et al. | Quantifying local fire regimes using the Landsat data-archive: a conceptual framework to derive detailed fire pattern metrics from pixel-level information | |
García | Building a dynamic growth model for trembling aspen in western Canada without age data | |
US10410091B2 (en) | Detecting artifacts based on digital signatures | |
JP2023170711A (ja) | データ取得装置、データ取得方法、および、データ取得プログラム | |
Chen et al. | An efficient approach to monitoring pine wilt disease severity based on random sampling plots and UAV imagery | |
Hadi et al. | A study on the drivers of canopy reflectance variability in a boreal forest | |
Lin et al. | A model for forest type identification and forest regeneration monitoring based on deep learning and hyperspectral imagery | |
JP7077945B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP6798337B2 (ja) | 植物判別装置、植物判別方法及び植物判別用コンピュータプログラム | |
Xu et al. | Multi-scale monitoring of rice aboveground biomass by combining spectral and textural information from UAV hyperspectral images | |
Rocchini et al. | From spectral to ecological information | |
Keay et al. | Automated Forest Harvest Detection With a Normalized PlanetScope Imagery Time Series |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240508 |