SlideShare a Scribd company logo
1 of 9
Copyright 2017. Japan Space Systems. All Rights Reserved. 1
宇宙APIレシピ集
Copyright 2017. Japan Space Systems. All Rights Reserved.
植生指標データ計算 (NDVI)
➢ ポイント
1. このレシピでは、簡易的な数式で、ASTERデータから植
生の状況を把握する指標を計算することができます。
2. このレシピでは、植生による太陽光の反射の特徴を理解
するとともに、ASTERデータの基礎的な解析方法を身に
着けることができます。
➢ 用意するもの
1. インターネットに接続できるPC
2. ASTERデータフォルスカラー画像 (参考: ASTERデータ
フォルスカラー画像作成)
3. QGIS (参考: QGISインストール)
➢ 操作
1. ASTERデータフォルスカラー画像を用意します。 (参考:
ASTERデータフォルスカラー画像作成)
2. QGISを起動します。
ASTERフォルスカラー画像 植生指標データの計算結果。青色は、植生が少なく(非
活性)、赤色になるについて植生が多い(活性)
2
Copyright 2017. Japan Space Systems. All Rights Reserved.
植生指標データ計算 (NDVI)
3. QGISの上段にあるラスタ(R)から、ラスタ計算機を選択
します。
4. ラスタ計算機ポップウィンドウ上に、NDVIの式を入力し
ます。
NDVI = (NIR - R) / (NIR + R)
ASTERの場合
NDVI = (Band3 – Band2) / (Band3 + Band2)
5. ラスタ計算機ポップウィンドウ上の、出力レイヤを選択
します。任意のフォルダーを選択し、任意のファイル名
を入力します。
6. ラスタ計算機ポップウィンドウ上の、「OK」ボタンをク
リックします。
5. 任意のファイル名を決
定する
4. NDVI計算式を入力する
6. 「OK」をクリックする
3
Copyright 2017. Japan Space Systems. All Rights Reserved.
植生指標データ計算 (NDVI)
7. NDVIの計算結果(モノクロの画像)が表示されることを確
認します。例の場合、黒色が植生が少ない(非活性)部分を
示しており、白入りが植生が多い(活性)部分を示していま
す。
森林におおわれている阿
蘇山の外輪山等は、白く
表示されている
阿蘇山山頂は、植生が少
ないため、黒く表示され
ている
その他、裸地や、利用さ
れていない田畑も黒く表
示されている
4
Copyright 2017. Japan Space Systems. All Rights Reserved.
植生指標データ計算 (NDVI)
8. 植生の活性度を色分けで見ていきます。
9. QGIS左段にある例やパネルから、NDVIの計算結果レイ
ヤをダブルクリックします。
10.レイヤプロパティポップウィンドウ上の、スタイルを選
択します。
11.バンド表示欄のレンダータイプより、単色バンド疑似カ
ラーを選択します。
12.バンド表示欄の色より、好みのグラデーションを選択し
ます。
13.バンド表示欄のモードより、等間隔を選択します。さら
に、その隣にある分類数欄で、数字を設定します。数字
が大きければ、より細かい表示が可能です。
14.レイヤプロパティポップウィンドウ上の、「適用」をク
リックし、「OK」をクリックします。
植生指標データの計算結果。青色は、植生が少なく(非
活性)、赤色になるについて植生が多い(活性)
5
Copyright 2017. Japan Space Systems. All Rights Reserved.
植生指標データ計算 (NDVI)
15.(植生に覆われていない個所を調査するため)植生箇所をマ
スクするデータを作成します。
16.閾値を決めます。閾値に満たない箇所は非植生域、閾値
以上の箇所は植生域とみなします。今回は、0.025としま
す。
17.QGIS上段にある、ラスタ(R)から、ラスタ計算機を選択
します。
18.ラスタ計算機ポップウィンドウ上に、計算式を入力しま
す。今回は、指標値が0.025以上の植生域をマスクするた
め、下記の式を作成します。
Band1 of NDVI <= 0.025
19.ラスタ計算機ポップウィンドウ上の、「OK」をクリック
します。
20.白色と黒色2色に識別された計算結果が表示されることを
確認します。
6
Copyright 2017. Japan Space Systems. All Rights Reserved.
植生指標データ計算 (NDVI)
21.QGIS左段にあるレイヤパネルより、計算結果レイヤをダ
ブルクリックします。
22.レイヤプロパティポップウィンドウ上の、透過性を選択
します。
23.データなしとする値欄に0を入力します。
24.レイヤプロパティポップウィンドウ上の、「適用」をク
リックし、「OK」をクリックします。
ASTERデータのフォルスカラー画像と重ね合わせた結
果。植生域をマスクすることで、2016年に発生した熊
本地震による地滑りの跡を確認することができる
7
Copyright 2017. Japan Space Systems. All Rights Reserved.
植生指標データ計算 (NDVI)
25.必要に応じて、地図を作成します。(参考: 地図作成)
2015年8月1日にASTERで観測した阿蘇山の外輪山 (左)。2016年7月18日にASTERで観測した阿蘇山の外輪山(右)。2016年7月
18日のASTERデータで解析したNDVI値で両方の植生部分をマスクすると、2016年の熊本地震で地滑りが起きた箇所や規模を
調べることができる。
8
Copyright 2017. Japan Space Systems. All Rights Reserved.
植生指標データ計算 (NDVI)
➢ まめちしき (NDVI)
NDVIとは、Normalized Difference Vegetation Index (正規化
植生指標)の略です。植生の光合成の活性度によって、NDVI
の値は変化します。NDVIは、近赤外バンド(NIR)と赤バンド
(R)の値で計算します。
NDVI = (NIR - R) / (NIR + 1)
若葉と紅葉とでは、近赤外バンドと赤バンドで、反射に違いが表れる
健康な木の反射を
赤バンド: 0.05
近赤外バンド: 0.65
とすると
NDVIは、
(65 - 5) / (65 + 5)
= 0.86
紅葉が進んだ木の反射を
赤バンド: 0.38
近赤外バンド: 0.60
とすると
NDVIは、
(60 - 38) / (60 + 38)
= 0.22
植生からの反射により、NDVI値が変化する
ASTERのバンドを組み合わせることで、地表を解
析することができる
Reference “ASTER Mineral Index Processing Manual” compiled by Aleks Kalinowski and Simon Oliver
9

More Related Content

What's hot

Android Hacks - Hack27 ~ Hack29
Android Hacks - Hack27 ~ Hack29Android Hacks - Hack27 ~ Hack29
Android Hacks - Hack27 ~ Hack29Masanori Ohkawara
 
7日でマスター!基礎から学ぶ衛星データ講座~6日目~ 「TellusのHow to Useを参考に実際に開発環境を見てみよう」
7日でマスター!基礎から学ぶ衛星データ講座~6日目~ 「TellusのHow to Useを参考に実際に開発環境を見てみよう」7日でマスター!基礎から学ぶ衛星データ講座~6日目~ 「TellusのHow to Useを参考に実際に開発環境を見てみよう」
7日でマスター!基礎から学ぶ衛星データ講座~6日目~ 「TellusのHow to Useを参考に実際に開発環境を見てみよう」Tellusxdata1
 
7日でマスター!基礎から学ぶ衛星データ講座~7日目~ 「宙畑解析ノートブックを見ながら事例を実際に見てみよう」
7日でマスター!基礎から学ぶ衛星データ講座~7日目~ 「宙畑解析ノートブックを見ながら事例を実際に見てみよう」7日でマスター!基礎から学ぶ衛星データ講座~7日目~ 「宙畑解析ノートブックを見ながら事例を実際に見てみよう」
7日でマスター!基礎から学ぶ衛星データ講座~7日目~ 「宙畑解析ノートブックを見ながら事例を実際に見てみよう」Tellusxdata1
 
7日でマスター!基礎から学ぶ衛星データ講座~3日目~「分解能(解像度)とお金について学ぶ」
7日でマスター!基礎から学ぶ衛星データ講座~3日目~「分解能(解像度)とお金について学ぶ」7日でマスター!基礎から学ぶ衛星データ講座~3日目~「分解能(解像度)とお金について学ぶ」
7日でマスター!基礎から学ぶ衛星データ講座~3日目~「分解能(解像度)とお金について学ぶ」Tellusxdata1
 
AIによる成田空港の霧予測実験
AIによる成田空港の霧予測実験AIによる成田空港の霧予測実験
AIによる成田空港の霧予測実験Yoshiki Kato
 
Wicket with Spring Boot on Azure
Wicket with Spring Boot on AzureWicket with Spring Boot on Azure
Wicket with Spring Boot on AzureHiroto Yamakawa
 
AI霧予測チャレンジ:Fog Forecast by Machine Learning
AI霧予測チャレンジ:Fog Forecast by Machine LearningAI霧予測チャレンジ:Fog Forecast by Machine Learning
AI霧予測チャレンジ:Fog Forecast by Machine LearningYoshiki Kato
 
Hackathon 161010 pressen
Hackathon 161010 pressenHackathon 161010 pressen
Hackathon 161010 pressenWEBFARMER. ltd.
 
かんたんな検索エンジンをつくってみました
かんたんな検索エンジンをつくってみましたかんたんな検索エンジンをつくってみました
かんたんな検索エンジンをつくってみましたTsukasa Oishi
 
Datamining Introduction using R with Raspbian on Raspberry Pi 3B.
Datamining Introduction using R with Raspbian on Raspberry Pi 3B.Datamining Introduction using R with Raspbian on Raspberry Pi 3B.
Datamining Introduction using R with Raspbian on Raspberry Pi 3B.Kiyoshi Ogawa
 
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライドMizutani Takayuki
 
QGIS2.18_デジタイズ編
QGIS2.18_デジタイズ編QGIS2.18_デジタイズ編
QGIS2.18_デジタイズ編Jyun Tanaka
 
実例で見るセンサーネットワーク
実例で見るセンサーネットワーク実例で見るセンサーネットワーク
実例で見るセンサーネットワークMasateru Suzuki
 
150420 flash004 変数
150420 flash004 変数150420 flash004 変数
150420 flash004 変数elephancube
 
Awsで温暖化予想?!
Awsで温暖化予想?!Awsで温暖化予想?!
Awsで温暖化予想?!Kanae Ikegami
 
タイムスケールの値について
タイムスケールの値についてタイムスケールの値について
タイムスケールの値についてTsuyoshi Horigome
 

What's hot (20)

Android Hacks - Hack27 ~ Hack29
Android Hacks - Hack27 ~ Hack29Android Hacks - Hack27 ~ Hack29
Android Hacks - Hack27 ~ Hack29
 
7日でマスター!基礎から学ぶ衛星データ講座~6日目~ 「TellusのHow to Useを参考に実際に開発環境を見てみよう」
7日でマスター!基礎から学ぶ衛星データ講座~6日目~ 「TellusのHow to Useを参考に実際に開発環境を見てみよう」7日でマスター!基礎から学ぶ衛星データ講座~6日目~ 「TellusのHow to Useを参考に実際に開発環境を見てみよう」
7日でマスター!基礎から学ぶ衛星データ講座~6日目~ 「TellusのHow to Useを参考に実際に開発環境を見てみよう」
 
7日でマスター!基礎から学ぶ衛星データ講座~7日目~ 「宙畑解析ノートブックを見ながら事例を実際に見てみよう」
7日でマスター!基礎から学ぶ衛星データ講座~7日目~ 「宙畑解析ノートブックを見ながら事例を実際に見てみよう」7日でマスター!基礎から学ぶ衛星データ講座~7日目~ 「宙畑解析ノートブックを見ながら事例を実際に見てみよう」
7日でマスター!基礎から学ぶ衛星データ講座~7日目~ 「宙畑解析ノートブックを見ながら事例を実際に見てみよう」
 
7日でマスター!基礎から学ぶ衛星データ講座~3日目~「分解能(解像度)とお金について学ぶ」
7日でマスター!基礎から学ぶ衛星データ講座~3日目~「分解能(解像度)とお金について学ぶ」7日でマスター!基礎から学ぶ衛星データ講座~3日目~「分解能(解像度)とお金について学ぶ」
7日でマスター!基礎から学ぶ衛星データ講座~3日目~「分解能(解像度)とお金について学ぶ」
 
AIによる成田空港の霧予測実験
AIによる成田空港の霧予測実験AIによる成田空港の霧予測実験
AIによる成田空港の霧予測実験
 
Wicket with Spring Boot on Azure
Wicket with Spring Boot on AzureWicket with Spring Boot on Azure
Wicket with Spring Boot on Azure
 
AI霧予測チャレンジ:Fog Forecast by Machine Learning
AI霧予測チャレンジ:Fog Forecast by Machine LearningAI霧予測チャレンジ:Fog Forecast by Machine Learning
AI霧予測チャレンジ:Fog Forecast by Machine Learning
 
Hackathon 161010 pressen
Hackathon 161010 pressenHackathon 161010 pressen
Hackathon 161010 pressen
 
かんたんな検索エンジンをつくってみました
かんたんな検索エンジンをつくってみましたかんたんな検索エンジンをつくってみました
かんたんな検索エンジンをつくってみました
 
Datamining Introduction using R with Raspbian on Raspberry Pi 3B.
Datamining Introduction using R with Raspbian on Raspberry Pi 3B.Datamining Introduction using R with Raspbian on Raspberry Pi 3B.
Datamining Introduction using R with Raspbian on Raspberry Pi 3B.
 
点群処理
点群処理点群処理
点群処理
 
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
 
Ambient使ってみた
Ambient使ってみたAmbient使ってみた
Ambient使ってみた
 
git移行の3つの山
git移行の3つの山git移行の3つの山
git移行の3つの山
 
QGIS2.18_デジタイズ編
QGIS2.18_デジタイズ編QGIS2.18_デジタイズ編
QGIS2.18_デジタイズ編
 
実例で見るセンサーネットワーク
実例で見るセンサーネットワーク実例で見るセンサーネットワーク
実例で見るセンサーネットワーク
 
サーバの防災訓練
サーバの防災訓練サーバの防災訓練
サーバの防災訓練
 
150420 flash004 変数
150420 flash004 変数150420 flash004 変数
150420 flash004 変数
 
Awsで温暖化予想?!
Awsで温暖化予想?!Awsで温暖化予想?!
Awsで温暖化予想?!
 
タイムスケールの値について
タイムスケールの値についてタイムスケールの値について
タイムスケールの値について
 

Similar to NDVI

AV 画像認識とその周辺 - UT Startup Gym 講演資料
AV 画像認識とその周辺 - UT Startup Gym 講演資料AV 画像認識とその周辺 - UT Startup Gym 講演資料
AV 画像認識とその周辺 - UT Startup Gym 講演資料ぱろすけ
 
検索可能暗号の概観と今後の展望(第2回次世代セキュア情報基盤ワークショップ)
検索可能暗号の概観と今後の展望(第2回次世代セキュア情報基盤ワークショップ)検索可能暗号の概観と今後の展望(第2回次世代セキュア情報基盤ワークショップ)
検索可能暗号の概観と今後の展望(第2回次世代セキュア情報基盤ワークショップ)Akira Kanaoka
 
論文読み会 発表資料 SPMモデル
論文読み会 発表資料 SPMモデル論文読み会 発表資料 SPMモデル
論文読み会 発表資料 SPMモデルWEBFARMER. ltd.
 
2016年2月4日 空間OSのためのビッグデータ技術基盤
2016年2月4日 空間OSのためのビッグデータ技術基盤2016年2月4日 空間OSのためのビッグデータ技術基盤
2016年2月4日 空間OSのためのビッグデータ技術基盤aitc_jp
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料Masayuki Tanaka
 
Generative Deep Learning #01
Generative Deep Learning #01Generative Deep Learning #01
Generative Deep Learning #01逸人 米田
 
Einsteinvision - object detection を試してみよう
Einsteinvision - object detection を試してみようEinsteinvision - object detection を試してみよう
Einsteinvision - object detection を試してみようSalesforce Developers Japan
 
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)Shintaro Yoshida
 
C#のすばらしさを語る会用
C#のすばらしさを語る会用C#のすばらしさを語る会用
C#のすばらしさを語る会用Hideaki Kazaoka
 
機械学習 / Deep Learning 大全 (1) 機械学習基礎編
機械学習 / Deep Learning 大全 (1) 機械学習基礎編機械学習 / Deep Learning 大全 (1) 機械学習基礎編
機械学習 / Deep Learning 大全 (1) 機械学習基礎編Daiyu Hatakeyama
 
Opencv object detection_takmin
Opencv object detection_takminOpencv object detection_takmin
Opencv object detection_takminTakuya Minagawa
 
LexADV_WOVis Ver.0.1bの概要
LexADV_WOVis Ver.0.1bの概要LexADV_WOVis Ver.0.1bの概要
LexADV_WOVis Ver.0.1bの概要ADVENTURE Project
 
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...ARISE analytics
 

Similar to NDVI (17)

MapCreation
MapCreationMapCreation
MapCreation
 
AV 画像認識とその周辺 - UT Startup Gym 講演資料
AV 画像認識とその周辺 - UT Startup Gym 講演資料AV 画像認識とその周辺 - UT Startup Gym 講演資料
AV 画像認識とその周辺 - UT Startup Gym 講演資料
 
20141008物体検出器
20141008物体検出器20141008物体検出器
20141008物体検出器
 
検索可能暗号の概観と今後の展望(第2回次世代セキュア情報基盤ワークショップ)
検索可能暗号の概観と今後の展望(第2回次世代セキュア情報基盤ワークショップ)検索可能暗号の概観と今後の展望(第2回次世代セキュア情報基盤ワークショップ)
検索可能暗号の概観と今後の展望(第2回次世代セキュア情報基盤ワークショップ)
 
論文読み会 発表資料 SPMモデル
論文読み会 発表資料 SPMモデル論文読み会 発表資料 SPMモデル
論文読み会 発表資料 SPMモデル
 
MIRU2018 tutorial
MIRU2018 tutorialMIRU2018 tutorial
MIRU2018 tutorial
 
2016年2月4日 空間OSのためのビッグデータ技術基盤
2016年2月4日 空間OSのためのビッグデータ技術基盤2016年2月4日 空間OSのためのビッグデータ技術基盤
2016年2月4日 空間OSのためのビッグデータ技術基盤
 
MIRU_Preview_JSAI2019
MIRU_Preview_JSAI2019MIRU_Preview_JSAI2019
MIRU_Preview_JSAI2019
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
 
Generative Deep Learning #01
Generative Deep Learning #01Generative Deep Learning #01
Generative Deep Learning #01
 
Einsteinvision - object detection を試してみよう
Einsteinvision - object detection を試してみようEinsteinvision - object detection を試してみよう
Einsteinvision - object detection を試してみよう
 
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
人が注目する箇所を当てるSaliency Detectionの最新モデル UCNet(CVPR2020)
 
C#のすばらしさを語る会用
C#のすばらしさを語る会用C#のすばらしさを語る会用
C#のすばらしさを語る会用
 
機械学習 / Deep Learning 大全 (1) 機械学習基礎編
機械学習 / Deep Learning 大全 (1) 機械学習基礎編機械学習 / Deep Learning 大全 (1) 機械学習基礎編
機械学習 / Deep Learning 大全 (1) 機械学習基礎編
 
Opencv object detection_takmin
Opencv object detection_takminOpencv object detection_takmin
Opencv object detection_takmin
 
LexADV_WOVis Ver.0.1bの概要
LexADV_WOVis Ver.0.1bの概要LexADV_WOVis Ver.0.1bの概要
LexADV_WOVis Ver.0.1bの概要
 
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
【論文読み会】Pyraformer_Low-Complexity Pyramidal Attention for Long-Range Time Seri...
 

More from NakamuraShinsaku

More from NakamuraShinsaku (13)

Jice20191017a
Jice20191017aJice20191017a
Jice20191017a
 
Jice20191017
Jice20191017Jice20191017
Jice20191017
 
Japan Booth, Small Sat Conference 2019
Japan Booth, Small Sat Conference 2019Japan Booth, Small Sat Conference 2019
Japan Booth, Small Sat Conference 2019
 
RS/GIS Seminar Tokyo 01
RS/GIS Seminar Tokyo 01 RS/GIS Seminar Tokyo 01
RS/GIS Seminar Tokyo 01
 
Fieldnaut neworleans201712.pptx
Fieldnaut neworleans201712.pptxFieldnaut neworleans201712.pptx
Fieldnaut neworleans201712.pptx
 
Practical GIS Data Integration System
Practical GIS Data Integration SystemPractical GIS Data Integration System
Practical GIS Data Integration System
 
WebServerDevelopment
WebServerDevelopmentWebServerDevelopment
WebServerDevelopment
 
DatabaseDevelopment
DatabaseDevelopmentDatabaseDevelopment
DatabaseDevelopment
 
Index
IndexIndex
Index
 
QGISInstallation
QGISInstallationQGISInstallation
QGISInstallation
 
MultiSpecInstallation
MultiSpecInstallationMultiSpecInstallation
MultiSpecInstallation
 
DownloadingASTERGDEM
DownloadingASTERGDEMDownloadingASTERGDEM
DownloadingASTERGDEM
 
DownloadingASTER
DownloadingASTERDownloadingASTER
DownloadingASTER
 

NDVI

  • 1. Copyright 2017. Japan Space Systems. All Rights Reserved. 1 宇宙APIレシピ集
  • 2. Copyright 2017. Japan Space Systems. All Rights Reserved. 植生指標データ計算 (NDVI) ➢ ポイント 1. このレシピでは、簡易的な数式で、ASTERデータから植 生の状況を把握する指標を計算することができます。 2. このレシピでは、植生による太陽光の反射の特徴を理解 するとともに、ASTERデータの基礎的な解析方法を身に 着けることができます。 ➢ 用意するもの 1. インターネットに接続できるPC 2. ASTERデータフォルスカラー画像 (参考: ASTERデータ フォルスカラー画像作成) 3. QGIS (参考: QGISインストール) ➢ 操作 1. ASTERデータフォルスカラー画像を用意します。 (参考: ASTERデータフォルスカラー画像作成) 2. QGISを起動します。 ASTERフォルスカラー画像 植生指標データの計算結果。青色は、植生が少なく(非 活性)、赤色になるについて植生が多い(活性) 2
  • 3. Copyright 2017. Japan Space Systems. All Rights Reserved. 植生指標データ計算 (NDVI) 3. QGISの上段にあるラスタ(R)から、ラスタ計算機を選択 します。 4. ラスタ計算機ポップウィンドウ上に、NDVIの式を入力し ます。 NDVI = (NIR - R) / (NIR + R) ASTERの場合 NDVI = (Band3 – Band2) / (Band3 + Band2) 5. ラスタ計算機ポップウィンドウ上の、出力レイヤを選択 します。任意のフォルダーを選択し、任意のファイル名 を入力します。 6. ラスタ計算機ポップウィンドウ上の、「OK」ボタンをク リックします。 5. 任意のファイル名を決 定する 4. NDVI計算式を入力する 6. 「OK」をクリックする 3
  • 4. Copyright 2017. Japan Space Systems. All Rights Reserved. 植生指標データ計算 (NDVI) 7. NDVIの計算結果(モノクロの画像)が表示されることを確 認します。例の場合、黒色が植生が少ない(非活性)部分を 示しており、白入りが植生が多い(活性)部分を示していま す。 森林におおわれている阿 蘇山の外輪山等は、白く 表示されている 阿蘇山山頂は、植生が少 ないため、黒く表示され ている その他、裸地や、利用さ れていない田畑も黒く表 示されている 4
  • 5. Copyright 2017. Japan Space Systems. All Rights Reserved. 植生指標データ計算 (NDVI) 8. 植生の活性度を色分けで見ていきます。 9. QGIS左段にある例やパネルから、NDVIの計算結果レイ ヤをダブルクリックします。 10.レイヤプロパティポップウィンドウ上の、スタイルを選 択します。 11.バンド表示欄のレンダータイプより、単色バンド疑似カ ラーを選択します。 12.バンド表示欄の色より、好みのグラデーションを選択し ます。 13.バンド表示欄のモードより、等間隔を選択します。さら に、その隣にある分類数欄で、数字を設定します。数字 が大きければ、より細かい表示が可能です。 14.レイヤプロパティポップウィンドウ上の、「適用」をク リックし、「OK」をクリックします。 植生指標データの計算結果。青色は、植生が少なく(非 活性)、赤色になるについて植生が多い(活性) 5
  • 6. Copyright 2017. Japan Space Systems. All Rights Reserved. 植生指標データ計算 (NDVI) 15.(植生に覆われていない個所を調査するため)植生箇所をマ スクするデータを作成します。 16.閾値を決めます。閾値に満たない箇所は非植生域、閾値 以上の箇所は植生域とみなします。今回は、0.025としま す。 17.QGIS上段にある、ラスタ(R)から、ラスタ計算機を選択 します。 18.ラスタ計算機ポップウィンドウ上に、計算式を入力しま す。今回は、指標値が0.025以上の植生域をマスクするた め、下記の式を作成します。 Band1 of NDVI <= 0.025 19.ラスタ計算機ポップウィンドウ上の、「OK」をクリック します。 20.白色と黒色2色に識別された計算結果が表示されることを 確認します。 6
  • 7. Copyright 2017. Japan Space Systems. All Rights Reserved. 植生指標データ計算 (NDVI) 21.QGIS左段にあるレイヤパネルより、計算結果レイヤをダ ブルクリックします。 22.レイヤプロパティポップウィンドウ上の、透過性を選択 します。 23.データなしとする値欄に0を入力します。 24.レイヤプロパティポップウィンドウ上の、「適用」をク リックし、「OK」をクリックします。 ASTERデータのフォルスカラー画像と重ね合わせた結 果。植生域をマスクすることで、2016年に発生した熊 本地震による地滑りの跡を確認することができる 7
  • 8. Copyright 2017. Japan Space Systems. All Rights Reserved. 植生指標データ計算 (NDVI) 25.必要に応じて、地図を作成します。(参考: 地図作成) 2015年8月1日にASTERで観測した阿蘇山の外輪山 (左)。2016年7月18日にASTERで観測した阿蘇山の外輪山(右)。2016年7月 18日のASTERデータで解析したNDVI値で両方の植生部分をマスクすると、2016年の熊本地震で地滑りが起きた箇所や規模を 調べることができる。 8
  • 9. Copyright 2017. Japan Space Systems. All Rights Reserved. 植生指標データ計算 (NDVI) ➢ まめちしき (NDVI) NDVIとは、Normalized Difference Vegetation Index (正規化 植生指標)の略です。植生の光合成の活性度によって、NDVI の値は変化します。NDVIは、近赤外バンド(NIR)と赤バンド (R)の値で計算します。 NDVI = (NIR - R) / (NIR + 1) 若葉と紅葉とでは、近赤外バンドと赤バンドで、反射に違いが表れる 健康な木の反射を 赤バンド: 0.05 近赤外バンド: 0.65 とすると NDVIは、 (65 - 5) / (65 + 5) = 0.86 紅葉が進んだ木の反射を 赤バンド: 0.38 近赤外バンド: 0.60 とすると NDVIは、 (60 - 38) / (60 + 38) = 0.22 植生からの反射により、NDVI値が変化する ASTERのバンドを組み合わせることで、地表を解 析することができる Reference “ASTER Mineral Index Processing Manual” compiled by Aleks Kalinowski and Simon Oliver 9