北海道地理空間フォーラムin札幌2018-07-19_第5分科会「水産・海洋」講演1「衛星リモートセンシングで海洋空間を知る」齊藤誠一

1. 衛星リモートセンシングで
海洋空間を知る
－水産資源の持続可能な利用のための
アプローチ
齊藤誠一1,2
1 北海道大学北極域研究センター
2 株式会社グリーン&ライフ・イノベーション
「水産・海洋」セッション
2018年7月19日 かでる2･7 10階 1040会議室 10:00-12:00
北海道地理空間フォーラムin札幌

2. • SDGｓ：持続可能な開発目標
• 目標14：海の豊かさを守ろう
• 日本は漁業後進国？
• 海の天気予報
• 好適生息域推定モデル
• 実利用への挑戦
1. 水産海洋情報サービス「トレダス」
2. 函館マリンバイオクラスタープロジェクト
3. アカイカプロジェクト
• まとめ
本日の内容

3. 持続可能な開発のための2030アジェンダ

4. SDGs版PPAP

5. 目標14．海の豊かさを守ろう

6. • 水産資源を，実現可能な最短期間で少なくとも各資源
の生物学的特性によって定められる最大持続生産量
のレベルまで回復させるため，2020年までに，漁獲を
効果的に規制し，過剰漁業や違法・無報告・無規制
（IUU）漁業及び破壊的な漁業慣行を終了し，科学的
な管理計画を実施する。
• 2020年までに，国内法及び国際法に則り，最大限入
手可能な科学情報に基づいて，少なくとも沿岸域及び
海域の10パーセントを保全する。
目標14．海の豊かさを守ろう
これらのことを実施するには，衛星リモートセンシン
グや海洋GISを利用した海洋空間の利用・管理が不
可欠である。

7. 日本は漁業後進国？
• 世界では成長産業といわれる漁業が、
日本ではなぜ斜陽産業なのか？
• 持続可能な漁業を目指す漁業者が少
ない
• ICT、IoT、ビッグデータを利用した漁業
を阻害する社会構造（漁業者がテータ
オープン、データシェアをしたがらない）
• 儲かる漁業こそスマート漁業

8. 持続可能な水産業（解決方策）
 燃油の価格高騰： より効率的な漁業活動
（儲からない漁業から儲かる漁業へ）
 高齢化・後継者不足： 経験と勘の伝承（見
える化）
 漁業資源の減少：乱獲の国際的な漁業規制
 気候変動による資源分布の変化: 的確な海洋
環境情報の提供（衛星観測情報・予測情報）
 魚価の低迷： ICTによる商取引の高度化

9. 1. 海洋循環数値モデル（Ocean General
Circulation Model (OGCM)）のソースコードな
どが一般化した
2. 海洋のデータ同化手法が発展した
3. スーパーコンピュータが発達して，数十キロ
程度の渦も表現できる渦解像度モデルも計
算できるようになった
4. ARGOブイのような全球的な海洋観測システ
ムが発達した
海の天気予報

10. ＳＩ
ＳＩ
ＳＩ
ＳＩ
ＳＩ
HSI
環
境
変
数
と
資
源
量
と
の
比
較
環
境
変
数
各
環
境
変
数
の
好
適
度
SST
SSH
ＳＩ：好適度指数
好適生息域指数
HSI=f(Si1, Si2, Si3,・・・)
SI=1.0
SI=0
資
源
量
環境変数(SST,SSH,など)
…..
漁獲データと物理環境データによる散布
図にスプライン平滑化を適用し、曲線の
最大値をＳＩ＝1.0、最小値をＳＩ＝0とする。
対象資源に対する総合的な
物理環境場の好適度
好適生息域推定(HSI)モデル

11. 好適生息域推定モデル
空間統計モデル 機械学習モデル
HSIモデル
GLMモデル
（一般化線形）
GAMモデル
（一般化加法）
MaxEnt ENFA RF ＮＮ
n
n
i
iSIHSI 

1
アンサンブル統計モデル
CPUE
Presence/Absence Presence only
Y=aX1+bX2+ Y=a+s(X1)+s(X2）+
Ens=aGAM+bMaxEnt+cRF+dNN+・・・・・・
・・・・ SVM

12. ピンポイント漁場予測
漁獲量データ 海洋環境データ
衛星データ
（過去蓄積）
過去蓄積
データ
準リアルタイ
ムデータ
生息域推定モデル
データ同化
（再解析データ）
漁場予測マップ
データ同化
（リアルタイム）モデル
開発
衛星データ
（準リアルタイム）
モデル
実用化
VMS
双方向
海洋環境マップ
漁業情報サービス

13. 実利用への挑戦
（１）水産海洋情報サービス「トレダス」
（２）函館マリンバイオクラスタープロジェクト
（３）アカイカプロジェクト
Available online:
http://www.ioccg.org/reports_ioccg.html#Reports

14. （１）水産海洋情報サービス「トレダス」
• 経済産業省公募型研究開発支援事業のひとつの地
域新生コンソーシアム研究開発事業（2004年度・2005
年度）
• 研究テーマ：「沖合漁業のためのユビキタスな活動支
援システムの研究開発」
• 本研究開発では、水産資源の持続的可能な利用の
ためにリアルタイムに利用者ニーズに沿った高付加
価値の情報配信を目指した。
• これらの研究開発事業の成果をもとに、2006年（平成
18年）6月に有限責任事業組合スペースフィッシュを
民間会社（富士通、北海道富士通システムズ、GIS北
海道など）とともに設立（サービス開始：9月）

15. • 北海道新聞記事
• 2006年9月8日朝刊

16. 2006.6 設立 2011.3 解散
2010.7 設立 2011.2 事業譲渡
株式会社
３企業 富士通ほか2社
２個人 齊藤誠一ほか1名
トレダス（系譜）
2006年9月 サービス開始
G&LIGreen & Life Innovation, Inc.

17. TOREDAS
Traceable
Operational
Resources
Environment
Data
Acquisition
System
水産海洋情報サービス
G&LIGreen & Life Innovation, Inc.
トレダスの紹介

18. • 「トレダス」はTOREDAS（Traceable and
Operational Resource and
Environment Data Acquisition
System）のカタカナ読み
• 「トレーサビリティ機能をもつ海洋の資源と環
境に関するオペレーショナルなデータ収集シ
ステム」を意味しています
• 商標登録済み
トレダスの紹介 G&LIGreen & Life Innovation, Inc.

19. G&LIGreen & Life Innovation, Inc.
• ２４時間３６５日の水産海洋情報サービスを
実現
• 準リアルタイム（受信後３時間程度）で配信
• タッチパネル方式の汎用端末（タフブック）
と、各種衛星通信ネットワークによる情報
配信（すでにWindows８に対応！）
• 衛星データを加工した高付加価値情報を
提供(漁場予測マップ、潮目マップ、下層水
温など）
トレダスの紹介

20. ？？
漁場探索－60%
漁業活動－40%
漁場探索－40～50%
漁業活動－40%
燃費１０～２０％削減
？？
これまでの漁場探索
本サービスによる漁場探索
直行
漁場 漁場
G&LIGreen & Life Innovation, Inc.
燃費節減・省エネ
漁場へ直行、漁場で探索時間節減

21. G&LIGreen & Life Innovation, Inc.
衛星画像を見やすい形に加工して、船上の
パソコンにデータを配信

22. G&LIGreen & Life Innovation, Inc.
画像情報、画像情報から抽出した線情報、そして
カツオの漁場予想まで、自由に重ね合わせ表示

23. G&LIGreen & Life Innovation, Inc.
OnBoardトレダス

24. G&LIGreen & Life Innovation, Inc.
OnBoardトレダス

25. G&LIGreen & Life Innovation, Inc.
OnBoardトレダス

26. G&LIGreen & Life Innovation, Inc.
OnBoardトレダス

27. G&LIGreen & Life Innovation, Inc.
OnBoardトレダス

28. G&LIGreen & Life Innovation, Inc.
トレダスは意志決定支援システム
これまでは漁場探査のため午前早く出漁
漁場決定して漁場に直行：午後から出漁でも間に合う
意思決定支援システム
事例：サンマ漁船の航跡

29. 陸上サーバー
漁船運行管理システム
ユーザー端末 インターネット
通信衛星
通信衛星会社
魚市場
提携漁業団体
双方向通信
・運行管理レポート作成
・最大利益ルート提案
市場価格情報 操業管理
VMS:VesselMonitoring System
G&LIGreen & Life Innovation, Inc.

30. G&LIGreen & Life Innovation, Inc.
漁船運行管理システム

31. G&LIGreen & Life Innovation, Inc.
トレダスユーザ訪問（焼津）

32. G&LIGreen & Life Innovation, Inc.
カツオ漁船の活動

33. 研究成果の大学発ベンチャー企業展開
G&LIGreen & Life Innovation, Inc.
［ITpro EXPO 2009］グリーンITユーザーアワード

34. G&LIGreen & Life Innovation, Inc.
トレダスSP(South Pacific)

35. G&LIGreen & Life Innovation, Inc.
トレダスSP(South Pacific)

36. ２００９ ２０１０ ２０１１ ２０１２ ２０１３ ２０１４ ２０１５
1年目 2年目 3年目 4年目 5年目
スルメイカ漁場予測
地域イノ
ベーション
戦略支援
プログラム
気候変動適
応研究推進
プログラム
アカイカ漁場予測
1年目 2年目 3年目 4年目 5年目
夏漁 夏漁冬漁 冬漁
文部科学省プロジェクト（２件）

37. （２）函館マリンバイオクラスター
• 2009年度より文部科学省地域イノベーション
戦略支援プログラム(グローバル型)が開始

38. 道南沿岸域のスルメイカ漁場予測

39. 海洋研究開発機構
北大水産
京都大学
インターネット
水産海洋GISサイトの運営
ブイデータ 衛星データ
予測情報ができるまでの流れ
地球シミュレーター
境界条件計算値
（毎月１回）
データ同化
気象予報データ
予測モデル計算・出力
（毎日＋５日先）
Web利用者
空間モデルによる予測マップの作成
（毎日＋３日先）
函館渡島いか釣
漁業協議会
FAX配信
各漁業協同組合
メール配信
予測情報ができるまでの流れ

42. 初期漁場海域の推定
スルメイカ漁場予測図（２０１３年５月２６日～３１日）
北海道のスルメイカ漁期の解禁＝6月1日

43. スルメイカ漁場予測図（２０１３年１０月１日～３１日）

44. • ホタテガイ養殖の生産性向上，作業効率向上，稚貝
の斃死リスク回避，品質向上が求められている。
• 環境モニタリングによる適地選定や環境リスク管理に
よる生産現場での高度化が必要である。
• 海洋環境の短期予報は，耳吊用稚貝の斃死リスク回
避（塩分），垂下水深の調整（水温，成長量），出荷時
期の決定（成長量），耳吊作業時期の決定（水温）など
のため不可欠である。
• 中長期予報は，設備投資や貯蔵・流通戦略上必要と
なる。
噴火湾のホタテガイ養殖場管理

45. 研究海域
(1) Muroran
(2) Date
(3) Abuta
(4) Toyoura
(5) Oshamambe
(6) Yakumo
(7) Mori
(8) Sawara
(9) Shikabe
(10) Minamikayabe
(11) Todohokke
(12) Esan
(13) Toi
(14) Hakodate
(15) Kamiso
(16) Kikonai
(17) Shiriuchi
Zonal marine aquaculture

46. 解析方法
衛星（海色） 衛星AOS AVNIR-2 海底データ
クロロフィルａ
海面温度
Kd490-透明度
社会基盤（距離）
▪ 市街地
▪ 漁港
▪ 加工場
水深
空間データの構築
階層的なマップ作成
（環境パラメータ と不可能地域 ）
スコアと重みづけの決定
階層的GISモデル
気候Index
ONI Index
月平均モデル
2004-2010
気候モデル
2004-2010

47. 海洋環境
社会基盤
海面温度
透明度
水深
市街地からの距離
港湾
漁港からの距離
陸上加工場からの距離
不可能海域
ホ
タ
テ
ガ
イ
最
適
育
成
海
域
河口域
0.30
0.20
0.10
0.46
0.31
0.23
0.60
0.40
クロロフィルａ濃度
0.40
要素最終目標 影響因子

j
ijji rw)V(x
最終モデル
wj = weight, wj = 1,
rij = the attribute transformed into score (1-8)
The most preferred alternative is the maximum V(xi) value
MCE-Weighted Linear
Combination
市街地
ホタテガイ養殖場－空間モデル

48. -2
-1.5
-1
-0.5
0
0.5
1
1.5
2
1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10
ONI
http://www.cpc.ncep.noaa.gov
2004 2005 2006 2007 2008 2009 2010
El Niño(w)
ENSOイベント
El Niño(w) El Niño(S)
Normal NormalLa Niña(M)

49. 結果（１）
2004-2005 2005-2006 2006-2007
2007-2008 2008-2009 2009-2010
最適
不適
El Niño(w) El Niño(w)
El Niño(S)
Normal
NormalLa Niña(M)

50. ホタテガイの3次元成長モデルの開発
閉殻筋重量 = 𝒔 積算 𝒍𝒐𝒈 𝑪𝒉𝒍𝒂 , 積算水温 + 𝒔 深度, 経過日数 + 𝛆
水温 Chl.a
補間処理
海洋環境データ ホタテガイ成長データ
成長量モデル
GAM,GLM
マッピング
検証
グラフ化
海洋モデル 衛星 現場観測
検証
補正
OGCM（Kyoto Univ.） MODIS CTD
噴火湾周辺海域

51. モデルの検証
実測値と積算モデル予測値の比較(閉殻筋)
成長モデルの検証

52. 6 m 10 m
14 m 18 m
モデルのマッピング
3次元成長モデル

53. 3次元成長モデル

54. （３）アカイカプロジェクト
• 「気候変動適用研究推進プログラム
（Research Program on Climate Change
Adaptation：RECCA）」（http://www.mext-
isacc.jp/）
• 「気象変動に伴う水産資源・海況変動予測技
術の革新と実利用化」（研究代表者：淡路敏
之（独立行政法人 海洋研究開発機構）
• アカイカのピンポイント漁場予測モデルなどを
開発

55. アカイカ：冬イカ漁場(1-3月）と夏イカ漁場(5-7月）

56. 八戸の船頭さんたち

57. アカイカ漁船
震災復興予算で作られた新造のアカイカ漁船

58. ピンポイント漁場予測
漁獲量データ 海洋環境データ
衛星データ
（過去蓄積）
過去蓄積
データ
準リアルタイ
ムデータ
生息域推定モデル
データ同化
（再解析データ）
漁場予測マップ
データ同化
（リアルタイム）モデル
開発
衛星データ
（準リアルタイム）
モデル
実用化
VMS
双方向
海洋環境マップ
漁業情報サービス

59. 好適生息域
推定モデル
（MaxEnt）


Xx
xxH )(ˆln)(ˆ)ˆ( 


m
i
ixqx
1
)()(ˆ 
海洋環境情報
どのように漁場予測モデルをつくるか

60. 日単位漁場予測マップと漁船位置 (5月-7月 2013年)
事例：アカイカ漁場（2013年夏季）

61. 北大アカデミック・
クラウド
アカイカ漁船
インマルサット
衛星通信
（インマルサットFB)
KDDI
地上受信局
アカイカWebサイト
衛星画像データ処理・データベース化
データ同化（下層水温推定）
ピンポイントアカイカ漁場予測処理
漁獲情報マッピング
データの流れ

62. • 双方向通信
• 漁船ID、位置情報（Lat.,Long.)、漁獲量の送信
(漁獲情報送信機能）(IEタイプ（位置情報入
力）および漁獲量データベースの作成
• 操業状況マッピング（解析結果返信機能）
• 過去の画像閲覧（2画面操作の検討）
• 鉛直方向の水温分布表示
• 過去のトレンド、将来のトレンドを表示
必要な機能

63. インター
ネット
位置情報
データベース
インター
ネット
衛星情報
データベース
ウェブサーバ－ 計算サーバー
各種衛星データセンター
アカイカ漁船
アカイカ漁船
予測情報
データベース
北海道大学アカデミッククラウド
サーバ－システム構成

64. 海洋環境
情報
漁場情報
海面温度
(高解像度）
クロロフィ
ル濃度
海面高度
漁場予測
図
下層水温
(予測）
操業現況
図
夜間可視画
像（-1日）
流れ強度海面温度
(雲なし）
ウェブサーバ内のデータ構造

65. デモンストレーション

66. 予測情報（漁場予測・下層水温） 2014/2/14

67. 予測情報（漁場予測・下層水温） 2014/2/19

68. 衛星情報（海面水温・流れ）

69. 下層水温情報（鉛直分布とトレンド）

70. 漁獲量報告（双方向通信）

71. アカイカ漁獲物の尾数と箱数？
11-15尾で1箱
1箱＝12.5kg

72. 漁業活動現況情報（隻数分布と箱数）

73. 漁業活動現況情報（CPUE変動）

74. 付加価値の共創
アカイカ漁業者は、ピンポイントの漁場予測MAP、最新海
況情報の配信を受ける一方、操業情報（船舶位置、CPUE）を
ウェブ経由で自主的に報告している。
このデータは、青森県や水産研究所の研究者にも共有さ
れ、次の漁場探索アドバイスとして漁業者にフィードバックさ
れる。
研究成果の供給者（研究者）と利用者（漁業者）とがICTを
利用してつながることで、付加価値を共創する好循環が生ま
れている。
このようなICTの応用によるシステムがより効率的な漁業活
動を支援し、資源の管理にも役立つように今後とも取り組ん
でいかねばならない。

75. ピンポイント漁場予測
漁獲量データ 海洋環境データ
衛星データ
（過去蓄積）
過去蓄積
データ
準リアルタイ
ムデータ
生息域推定モデル
データ同化
（再解析データ）
漁場予測マップ
データ同化
（リアルタイム）モデル
開発
衛星データ
（準リアルタイム）
モデル
実用化
VMS
双方向
海洋環境マップ
漁業情報サービス

76. (1Jun.-31Jul,2013)
colored dot: actual fishing point
●:CPUE<1.4, ●:1.4≦CPUE<1.8, ●:CPUE≧1.8
RMSEが0.9（従来モデル）
から0.3まで小さくなる
漁獲量報告（双方向通信）を用いた漁場予測
Igarashi et al. (unpublished)

77. • 2001年から2009年までの9年間のデータを用い
て，機械学習モデルの最大エントロピーモデル
(MaxEnt) を作成し，IPCC予測モデルMiroc3.2の
計算結果を用いて2010年，2025年，2050年，
2100年の将来予測マップを作成した。
• 海洋環境データとして3種類の衛星データ(海面
温度SST，海面高度SSH，渦運動エネルギーEKE)
を25km，月単位で，さらに，海面塩分SSS，混合
層深度MLDを加えた。海面塩分および混合層深
度はデータ同化モデル（MOVE）データを用いて
MaxEntモデルを構築した
気候変動モデルによる中長期のアカイカ漁場予測

78. 気候変動モデルによる中長期のアカイカ漁場予測
5月 6月 7月
2010年
2025年
2050年
2100年

79. 温暖化によるアカイカ漁場海域の分布変化
• 2010年に比べて2025年には，いずれの月でも緯度で1度から2度程度北
上している。
• 2050年には，さらに2度程度北上している。
• 2100年には，2050年に比べてもさらに2度以上北上するとともにHSI値も
減少する。特に7月にはHSI値のピーク値が0.5から0.1まで急激に減少す
る。このことは漁獲効率の低下を示している。
気候変動モデルによる中長期のアカイカ漁場予測
5月 6月 7月

80. 今後の課題
 効率的な漁業と資源管理
1. 燃費を考慮した漁場探索システムの開発
2. 資源の時空間管理手法の組み込み
経験と勘の暗黙知から形式知へ：漁場探索技術
の見える化＋海洋環境情報の可視化技術の発展(水
産ビッグデータ活用への挑戦）
漁場の短期予報と中長期予報の精密化

81. 批判をあびて前進する
ビデオ