SlideShare a Scribd company logo
ナショナルスケール地理
空間情報の取集と解析
〜オープンデータの活用事例〜
総合地球環境学研究所
柴田 嶺
2017/10/15
自己紹介
• 柴田 嶺 (Rei Shibata)
• 総合地球環境学研究所 研究員(2017.4
〜)(Research institute for Humanity and Nature)
• 専門:森林生態学、生態系サービス
(Forest ecology, Ecological Services)
• よく使うソフトウェア (Software)
• R (2010〜:統計処理、機械学習…)
• STAN (2016〜:ベイズ)
• QGIS (2016〜)
• ArcGIS (2017.8〜)
なぜGIS+オープンデータ?
Time-consuming
Labor-intensive
Money-consuming
詳細なデータ
but…
狭い範囲
野外調査
Field work
なぜGIS+オープンデータ?
Free!
広域データ!!
(Large-scale data!)
広域の傾向を知りたいときに便利
GIS+オープンデータ
オープンデータの例
・自然環境保全基礎調査(環境省)
e.g.) Vegetation data
・国土数値情報(国土交通省)
・国勢調査(総務省)e.g. )Population density
・基盤地図情報(国土地理院)DEM
・衛星画像(Landsat等)
ベクトルタイル?
・湖沼
・河川
・標高・傾斜度3次メッシュ
・行政区域
・平年値(気候メッシュ)
・自然公園地域
・自然保全地域
・道路密度・道路延長メッシュ
・高速道路時系列
・鉄道
利用規約を守って正しく利用しましょう!
植生図
最新データ
◯解像度が高い
×全地域そろっていない
足りないデータを
旧データでカバー
利用規約を守って正しく利用しましょう!
使う人が増えれば。。。
するかも…
・データの質が向上
・データの種類が増加
・データの更新頻度が増加
みなさん、どんどん活用しましょう!
事例
生態系サービス
• 生物・生態系に由来し、人類の利益になる機能
(サービス)のこと。
• つまり、「自然の恵み」
• 木材や山菜を供給
• きれいな水を供給
• 農作物の花粉を運ぶ
• 自然の中で余暇を楽しむ(レクリエーション)
• アウトドア(キャンプ・釣り・登山・紅葉刈り)
キャンプ場の分布を予測?
• 日本国内のキャンプ場の分布を「自然環境」と
「社会環境」から予測することができるか?
自然環境
• 森林
• 湖
• 涼しい
• 山麓
社会環境
• 近い
• 高速道路
• コンビニ
• 人が少ない
流れ
地理情報データ
(オープンデータ)
• 自然環境保全基礎調査(環境省)
• 植生図
• 国土数値情報(国土交通省)
• 湖沼
• 河川
• 気候
• 道路密度
• 自然公園地域
• 自然保全地域
• 高速道路
• 鉄道
• 国勢調査(総務省)
• 人口
• 基盤地図情報(国土地理院)
• 地形(DEM)
統計モデル
機械学習
生態系サービスの
予測
(国内の分布の推定値)
例えば。。
• キャンプ場の分布
• 学校の野外学習の実施先
• 登山者数の分布
今回はArcGISを使用
・大規模データに対してQGISは…
• ジオメトリエラー頻発(計算できない!)
• Update機能が無い?
• 計算がArcGISより遅い?
• 落ちることが多い
ArcGIS update機能
大規模データに対しては今
のところArcGISがリード?
※PostGISを使うと良いらしい!
解像度を決める
3次メッシュ
(1km×1km)
→381,348mesh
→重い
→見た目はキレイ
2次メッシュ
(10km×10km)
→4,250mesh
→データ処理・解析が楽
作業イメージ
海
森林
インターセクト
森林100%
のメッシュ
森林20%
海 80%
のメッシュ
植生図データ
二次メッシュ
植生図
最新データ
◯解像度が高い
×全地域そろっていない
足りないデータを
旧データでカバー
第2〜5回植生調査データ(vg)
平成6〜10年度
シェープファイル:都道府県単位
フィーチャ(ポリゴン)数:2,163,943個
→解像度が荒い
→ちょっと古い
→日本全国をカバーしている
第6・7回植生調査データ(vg67)
平成11〜年度
シェープファイル:2次メッシュ単位
フィーチャ(ポリゴン)数:3,327,136個
→解像度が高い
→最新データ
→日本全国をカバーしていない
アップデート
ArcGIS
>解析ツール
>>オーバーレイ
>>>アップデート
※vg67がある場合はvg67を、無い場合はvg5を使ったレイヤ
※事前に属性テーブルの判例を統一する必要あり
第2〜5回+6・7回アップデート
フィーチャ(ポリゴン)数:3,951,876個
→海と陸水との区別がついていない
→どちらも植生図では「解放水域」
ユニオン
ArcGIS
>解析ツール
>>オーバーレイ
>>>ユニオン
※属性テーブルに内陸(1)と海(0)を区別する行を付
加することで、Rで集計する際に「解放水域」を「海」と
「陸水」とに分けることが可能となる
行政区域(国土数値情報)
フィーチャ(ポリゴン)数:116,024個
→陸地のみのポリゴン
→内陸と海を区別する「目印」
第2〜5回+6・7回アップデート植生図+陸地タグ付加
フィーチャ(ポリゴン)数:4,299,524個
これがベースファイル
インターセクト
ArcGIS
>解析ツール
>>オーバーレイ
>>>インターセクト
2次メッシュ(10km*10km)
フィーチャ(ポリゴン)数:4,250個
第2〜5回+6・7回アップデート植生図+陸地タグ付加
フィーチャ(ポリゴン)数:4,299,524個
※属性テーブルに2次メッシュ番号を付与
植生区分 陸or海
二次メッシュ番号
面積
CSVファイル完成!
フィーチャー数(行数): 4,568,838行
ファイルサイズ:1.27GB
投影変換(Project)
→正楕円筒図法
(面積が正確?)
エクスポート
→属性テーブルをcsvファイルで書き出し
II コケモモ-トウヒクラス域自然植生
04亜高山帯針葉樹林(北海道)
05亜高山帯針葉樹林
06亜高山帯広葉樹林
07高茎草原及び風衝草原
V ブナクラス域代償植生
22落葉広葉樹二次林
23常緑樹二次林
24落葉広葉低木群落
25二次草原
26伐採跡地群落
VII ヤブツバキクラス域代償植生
40常緑広葉樹二次林
41落葉広葉樹二次林
42常緑針葉樹二次林
43タケ・ササ群落
44低木群落
45二次草原
46伐採跡地群落
I 高山帯自然植生域
01高山低木群落
02高山ハイデ及び風衝草原
03雪田草原
III コケモモ-トウヒクラス域代償植生
08亜高山帯二次林
09二次草原
10伐採跡地群落
IV ブナクラス域自然植生
11落葉広葉樹林(日本海型)
12下部針広混交林
13落葉広葉樹林(太平洋型)
14冷温帯針葉樹林
15岩角地針葉樹林
16渓畔林
17沼沢林
18河辺林
19岩角地・風衝地低木群落
20なだれ地自然低木群落
21自然草原
VI ヤブツバキクラス域自然植生
27常緑広葉樹林
28暖温帯針葉樹林
29岩角地・海岸断崖地針葉樹林
30落葉広葉樹林
31沼沢林
32河辺林
33自然低木群落
34海岸風衝低木群落
35亜熱帯常緑広葉樹林
36亜熱帯常緑広葉樹林
(隆起石灰岩上)
37亜熱帯湿生林
(マングローブ林)
38亜熱帯常緑針葉樹林
39亜熱帯低木群落
VIII 河辺・湿原・沼沢地・砂丘植生
47湿原・河川・池沼植生
48塩沼地植生
49砂丘植生
50海岸断崖地植生
51岩角地・石灰岩地・蛇紋岩地植生
52火山荒原植生・硫黄孔原植生
53隆起珊瑚礁植生
X 市街地等
58市街地等
IX 植林地・耕作地植生
54植林地
55竹林
56牧草地・ゴルフ場・芝地
57耕作地
new.vg.group <- function(df) {
primary <- c(1:7, 11:21, 27:39, 47:53)
secondary <- c(8:10, 22:26, 40:46)
plantation <- c(54, 55)
pasture <- 56
cultivated <- 57
urban <- 58
sea <- 0
df$NEW <- ifelse(
df$DAI_C %in% primary, "primary",
ifelse(
df$DAI_C %in% secondary, "secondary",
ifelse(
df$DAI_C %in% plantation, "plantation",
ifelse(
df$DAI_C %in% pasture, "pasture",
ifelse(
df$DAI_C %in% cultivated, "cultivated",
ifelse(
df$DAI_C %in% urban, "urban",
ifelse(df$DAI_C %in% sea, "unknown", "unknown")
)
)
)
)
)
)
df$NEW <- ifelse(
df$NEW == "urban" & df$CHU_C == 6, "water", df$NEW
)
df$NEW <- ifelse(
df$NEW == "water", ifelse(df$LAND == 1, "inland.water", "sea.water"),
df$NEW
)
df$NEW <- ifelse(
df$NEW == "unknown", ifelse(df$LAND == 1, "unknown", "sea.water"),
df$NEW
)
return(df)
}
Rで集計
Rでcsvファイルを読み込み、各
メッシュごとの被覆率を集計
・自然植生
・二次植生
・植林
・耕作地
・牧草地
・市街地
・陸水
・海
森林率
(植生図)
人口密度
(国勢調査)
自然公園率
(国土数値情報)
平均標高
(基盤地図情報)
機械学習に
よる予測
Machine Learning
(Gradient boosting )
オープンデータ
(Natural & Social environment)
北海道・東北はキャンプ場
存在確率が低い
Good natural environment
But
Low population density &
Bad accessibility
長野・富士山周辺はキャンプ場存在確率が高い
Good natural environment
High population density
Good accessibility
解析結果
Real Data
Prediction
実際のキャンプ場
の分布
Thank you!!
Research institute for Humanity and Nature(RIHN)
Rei Shibata
rei@chikyu.ac.jp

More Related Content

Viewers also liked

GIS総研 活動報告(仮)
GIS総研 活動報告(仮)GIS総研 活動報告(仮)
GIS総研 活動報告(仮)
Akira Taniguchi
 
Qgisによる汚水処理手法の検討
Qgisによる汚水処理手法の検討Qgisによる汚水処理手法の検討
Qgisによる汚水処理手法の検討
和仁 浅野
 
mago3D, Innovation with 3D by adding Z-axis in your browser!
mago3D, Innovation with 3D by adding Z-axis in your browser!mago3D, Innovation with 3D by adding Z-axis in your browser!
mago3D, Innovation with 3D by adding Z-axis in your browser!
SANGHEE SHIN
 
SBD strategy for UN Habitat Smart Safer City171015
SBD strategy for UN Habitat Smart Safer City171015SBD strategy for UN Habitat Smart Safer City171015
SBD strategy for UN Habitat Smart Safer City171015
OSgeo Japan
 
FOSS4G 2017 KYOTO.KANSAI The OSGeo foundation new initiatives and challenges
FOSS4G 2017 KYOTO.KANSAI The OSGeo foundation new initiatives and challengesFOSS4G 2017 KYOTO.KANSAI The OSGeo foundation new initiatives and challenges
FOSS4G 2017 KYOTO.KANSAI The OSGeo foundation new initiatives and challenges
OSgeo Japan
 
地理院地図とFOSS4G 2017
地理院地図とFOSS4G 2017地理院地図とFOSS4G 2017
地理院地図とFOSS4G 2017
OSgeo Japan
 
FOSS4G向けポスター
FOSS4G向けポスターFOSS4G向けポスター
FOSS4G向けポスター
OSgeo Japan
 
Maplat – Historical Maps Viewer, guarantees nonlinear bijective projection
Maplat – Historical Maps Viewer, guarantees nonlinear bijective projectionMaplat – Historical Maps Viewer, guarantees nonlinear bijective projection
Maplat – Historical Maps Viewer, guarantees nonlinear bijective projection
Kohei Otsuka
 
201710 発表資料(井内)
201710 発表資料(井内)201710 発表資料(井内)
201710 発表資料(井内)
OSgeo Japan
 

Viewers also liked (9)

GIS総研 活動報告(仮)
GIS総研 活動報告(仮)GIS総研 活動報告(仮)
GIS総研 活動報告(仮)
 
Qgisによる汚水処理手法の検討
Qgisによる汚水処理手法の検討Qgisによる汚水処理手法の検討
Qgisによる汚水処理手法の検討
 
mago3D, Innovation with 3D by adding Z-axis in your browser!
mago3D, Innovation with 3D by adding Z-axis in your browser!mago3D, Innovation with 3D by adding Z-axis in your browser!
mago3D, Innovation with 3D by adding Z-axis in your browser!
 
SBD strategy for UN Habitat Smart Safer City171015
SBD strategy for UN Habitat Smart Safer City171015SBD strategy for UN Habitat Smart Safer City171015
SBD strategy for UN Habitat Smart Safer City171015
 
FOSS4G 2017 KYOTO.KANSAI The OSGeo foundation new initiatives and challenges
FOSS4G 2017 KYOTO.KANSAI The OSGeo foundation new initiatives and challengesFOSS4G 2017 KYOTO.KANSAI The OSGeo foundation new initiatives and challenges
FOSS4G 2017 KYOTO.KANSAI The OSGeo foundation new initiatives and challenges
 
地理院地図とFOSS4G 2017
地理院地図とFOSS4G 2017地理院地図とFOSS4G 2017
地理院地図とFOSS4G 2017
 
FOSS4G向けポスター
FOSS4G向けポスターFOSS4G向けポスター
FOSS4G向けポスター
 
Maplat – Historical Maps Viewer, guarantees nonlinear bijective projection
Maplat – Historical Maps Viewer, guarantees nonlinear bijective projectionMaplat – Historical Maps Viewer, guarantees nonlinear bijective projection
Maplat – Historical Maps Viewer, guarantees nonlinear bijective projection
 
201710 発表資料(井内)
201710 発表資料(井内)201710 発表資料(井内)
201710 発表資料(井内)
 

Similar to Foss4 g公表用(柴田)

環境科学の研究者から見たオープンデータの利点と現状
環境科学の研究者から見たオープンデータの利点と現状環境科学の研究者から見たオープンデータの利点と現状
環境科学の研究者から見たオープンデータの利点と現状
arosawa
 
20171126 みんなでオープンデータを作ろう!
20171126   みんなでオープンデータを作ろう!20171126   みんなでオープンデータを作ろう!
20171126 みんなでオープンデータを作ろう!
学 澤田
 
20221101J-Lisフェア自治体DXaoki.pdf
20221101J-Lisフェア自治体DXaoki.pdf20221101J-Lisフェア自治体DXaoki.pdf
20221101J-Lisフェア自治体DXaoki.pdf
和人 青木
 
オープンデータ概要紹介
オープンデータ概要紹介オープンデータ概要紹介
オープンデータ概要紹介
Ismail Arai
 
20201125バイオロギング研究会ワークショップ【オープンデータ】
20201125バイオロギング研究会ワークショップ【オープンデータ】20201125バイオロギング研究会ワークショップ【オープンデータ】
20201125バイオロギング研究会ワークショップ【オープンデータ】
arosawa
 
Foss4 g tokyo_2013_pss
Foss4 g tokyo_2013_pssFoss4 g tokyo_2013_pss
Foss4 g tokyo_2013_pss
hirooimaki
 
121203kansai gspaceforumnishimura
121203kansai gspaceforumnishimura121203kansai gspaceforumnishimura
121203kansai gspaceforumnishimura
Yuichiro Nishimura
 
社会との協働による課題解決型研究とオープンリサーチデータ
社会との協働による課題解決型研究とオープンリサーチデータ社会との協働による課題解決型研究とオープンリサーチデータ
社会との協働による課題解決型研究とオープンリサーチデータ
Yasuhisa Kondo
 
Web時代のデスクトップGIS
Web時代のデスクトップGISWeb時代のデスクトップGIS
Web時代のデスクトップGIS
IWASAKI NOBUSUKE
 
120727 gms2012nagoya presentation
120727 gms2012nagoya presentation120727 gms2012nagoya presentation
120727 gms2012nagoya presentation
Takayuki Nuimura
 
オープンデータの広がりと今後の課題ー関西での活動を中心にー
オープンデータの広がりと今後の課題ー関西での活動を中心にーオープンデータの広がりと今後の課題ー関西での活動を中心にー
オープンデータの広がりと今後の課題ー関西での活動を中心にー
Kouji Kozaki
 
地球技研資料ILS_20220926A.pptx
地球技研資料ILS_20220926A.pptx地球技研資料ILS_20220926A.pptx
地球技研資料ILS_20220926A.pptx
Akihiko Shibahara
 
Foss4 g勉強会2011
Foss4 g勉強会2011Foss4 g勉強会2011
Foss4 g勉強会2011
Takayuki Nuimura
 

Similar to Foss4 g公表用(柴田) (13)

環境科学の研究者から見たオープンデータの利点と現状
環境科学の研究者から見たオープンデータの利点と現状環境科学の研究者から見たオープンデータの利点と現状
環境科学の研究者から見たオープンデータの利点と現状
 
20171126 みんなでオープンデータを作ろう!
20171126   みんなでオープンデータを作ろう!20171126   みんなでオープンデータを作ろう!
20171126 みんなでオープンデータを作ろう!
 
20221101J-Lisフェア自治体DXaoki.pdf
20221101J-Lisフェア自治体DXaoki.pdf20221101J-Lisフェア自治体DXaoki.pdf
20221101J-Lisフェア自治体DXaoki.pdf
 
オープンデータ概要紹介
オープンデータ概要紹介オープンデータ概要紹介
オープンデータ概要紹介
 
20201125バイオロギング研究会ワークショップ【オープンデータ】
20201125バイオロギング研究会ワークショップ【オープンデータ】20201125バイオロギング研究会ワークショップ【オープンデータ】
20201125バイオロギング研究会ワークショップ【オープンデータ】
 
Foss4 g tokyo_2013_pss
Foss4 g tokyo_2013_pssFoss4 g tokyo_2013_pss
Foss4 g tokyo_2013_pss
 
121203kansai gspaceforumnishimura
121203kansai gspaceforumnishimura121203kansai gspaceforumnishimura
121203kansai gspaceforumnishimura
 
社会との協働による課題解決型研究とオープンリサーチデータ
社会との協働による課題解決型研究とオープンリサーチデータ社会との協働による課題解決型研究とオープンリサーチデータ
社会との協働による課題解決型研究とオープンリサーチデータ
 
Web時代のデスクトップGIS
Web時代のデスクトップGISWeb時代のデスクトップGIS
Web時代のデスクトップGIS
 
120727 gms2012nagoya presentation
120727 gms2012nagoya presentation120727 gms2012nagoya presentation
120727 gms2012nagoya presentation
 
オープンデータの広がりと今後の課題ー関西での活動を中心にー
オープンデータの広がりと今後の課題ー関西での活動を中心にーオープンデータの広がりと今後の課題ー関西での活動を中心にー
オープンデータの広がりと今後の課題ー関西での活動を中心にー
 
地球技研資料ILS_20220926A.pptx
地球技研資料ILS_20220926A.pptx地球技研資料ILS_20220926A.pptx
地球技研資料ILS_20220926A.pptx
 
Foss4 g勉強会2011
Foss4 g勉強会2011Foss4 g勉強会2011
Foss4 g勉強会2011
 

More from OSgeo Japan

一般社団法人OSGeo日本支部団体紹介用スライド2024年版。OSGeo日本支部とFOSS4Gの紹介
一般社団法人OSGeo日本支部団体紹介用スライド2024年版。OSGeo日本支部とFOSS4Gの紹介一般社団法人OSGeo日本支部団体紹介用スライド2024年版。OSGeo日本支部とFOSS4Gの紹介
一般社団法人OSGeo日本支部団体紹介用スライド2024年版。OSGeo日本支部とFOSS4Gの紹介
OSgeo Japan
 
2019年GIS学会企画セッション 徳島大付属図書館 佐々木様発表資料
2019年GIS学会企画セッション 徳島大付属図書館 佐々木様発表資料2019年GIS学会企画セッション 徳島大付属図書館 佐々木様発表資料
2019年GIS学会企画セッション 徳島大付属図書館 佐々木様発表資料
OSgeo Japan
 
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
OSgeo Japan
 
地理院地図Vector(仮称)の試験公開 (国土交通省国土地理院 佐藤壮紀様)
地理院地図Vector(仮称)の試験公開 (国土交通省国土地理院 佐藤壮紀様)地理院地図Vector(仮称)の試験公開 (国土交通省国土地理院 佐藤壮紀様)
地理院地図Vector(仮称)の試験公開 (国土交通省国土地理院 佐藤壮紀様)
OSgeo Japan
 
デジタル社会の基盤としての地理空間・土地情報
デジタル社会の基盤としての地理空間・土地情報デジタル社会の基盤としての地理空間・土地情報
デジタル社会の基盤としての地理空間・土地情報
OSgeo Japan
 
Node-REDのworldmapの活用
Node-REDのworldmapの活用Node-REDのworldmapの活用
Node-REDのworldmapの活用
OSgeo Japan
 
地理院地図の新機能と災害情報の提供
地理院地図の新機能と災害情報の提供地理院地図の新機能と災害情報の提供
地理院地図の新機能と災害情報の提供
OSgeo Japan
 
地理院地図の新機能と災害情報の提供
地理院地図の新機能と災害情報の提供地理院地図の新機能と災害情報の提供
地理院地図の新機能と災害情報の提供
OSgeo Japan
 
GNSSによる高精度測位社会に向けた国土地理院の取り組み
GNSSによる高精度測位社会に向けた国土地理院の取り組みGNSSによる高精度測位社会に向けた国土地理院の取り組み
GNSSによる高精度測位社会に向けた国土地理院の取り組み
OSgeo Japan
 
RTK測位の実力とその活用事例
RTK測位の実力とその活用事例RTK測位の実力とその活用事例
RTK測位の実力とその活用事例
OSgeo Japan
 
個人で作るRTK農業用ガイダンスシステム
個人で作るRTK農業用ガイダンスシステム個人で作るRTK農業用ガイダンスシステム
個人で作るRTK農業用ガイダンスシステム
OSgeo Japan
 
FOSS4G2017KYOTO.KANSAI_ODA
FOSS4G2017KYOTO.KANSAI_ODAFOSS4G2017KYOTO.KANSAI_ODA
FOSS4G2017KYOTO.KANSAI_ODA
OSgeo Japan
 
地理院地図とFOSS4G 2017
地理院地図とFOSS4G 2017地理院地図とFOSS4G 2017
地理院地図とFOSS4G 2017
OSgeo Japan
 
開会あいさつ(FOSS4G Tokyo 2017)
開会あいさつ(FOSS4G Tokyo 2017)開会あいさつ(FOSS4G Tokyo 2017)
開会あいさつ(FOSS4G Tokyo 2017)
OSgeo Japan
 
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
OSgeo Japan
 
FOSS4Gと地理院地図
FOSS4Gと地理院地図FOSS4Gと地理院地図
FOSS4Gと地理院地図
OSgeo Japan
 
20161030 foss4 g2016_yamakawa
20161030 foss4 g2016_yamakawa20161030 foss4 g2016_yamakawa
20161030 foss4 g2016_yamakawa
OSgeo Japan
 
Foss4 g2016 kansai_v1_a4
Foss4 g2016 kansai_v1_a4Foss4 g2016 kansai_v1_a4
Foss4 g2016 kansai_v1_a4
OSgeo Japan
 
Landsat-8直接受信・即時公開サービス ((独)産業技術総合研究所情報技術研究部門 岩田 敏彰 様)
Landsat-8直接受信・即時公開サービス ((独)産業技術総合研究所情報技術研究部門 岩田 敏彰 様)Landsat-8直接受信・即時公開サービス ((独)産業技術総合研究所情報技術研究部門 岩田 敏彰 様)
Landsat-8直接受信・即時公開サービス ((独)産業技術総合研究所情報技術研究部門 岩田 敏彰 様)
OSgeo Japan
 
大規模タイル画像を生成した話((独)農研機構 寺元郁博様)
大規模タイル画像を生成した話((独)農研機構 寺元郁博様)大規模タイル画像を生成した話((独)農研機構 寺元郁博様)
大規模タイル画像を生成した話((独)農研機構 寺元郁博様)
OSgeo Japan
 

More from OSgeo Japan (20)

一般社団法人OSGeo日本支部団体紹介用スライド2024年版。OSGeo日本支部とFOSS4Gの紹介
一般社団法人OSGeo日本支部団体紹介用スライド2024年版。OSGeo日本支部とFOSS4Gの紹介一般社団法人OSGeo日本支部団体紹介用スライド2024年版。OSGeo日本支部とFOSS4Gの紹介
一般社団法人OSGeo日本支部団体紹介用スライド2024年版。OSGeo日本支部とFOSS4Gの紹介
 
2019年GIS学会企画セッション 徳島大付属図書館 佐々木様発表資料
2019年GIS学会企画セッション 徳島大付属図書館 佐々木様発表資料2019年GIS学会企画セッション 徳島大付属図書館 佐々木様発表資料
2019年GIS学会企画セッション 徳島大付属図書館 佐々木様発表資料
 
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
 
地理院地図Vector(仮称)の試験公開 (国土交通省国土地理院 佐藤壮紀様)
地理院地図Vector(仮称)の試験公開 (国土交通省国土地理院 佐藤壮紀様)地理院地図Vector(仮称)の試験公開 (国土交通省国土地理院 佐藤壮紀様)
地理院地図Vector(仮称)の試験公開 (国土交通省国土地理院 佐藤壮紀様)
 
デジタル社会の基盤としての地理空間・土地情報
デジタル社会の基盤としての地理空間・土地情報デジタル社会の基盤としての地理空間・土地情報
デジタル社会の基盤としての地理空間・土地情報
 
Node-REDのworldmapの活用
Node-REDのworldmapの活用Node-REDのworldmapの活用
Node-REDのworldmapの活用
 
地理院地図の新機能と災害情報の提供
地理院地図の新機能と災害情報の提供地理院地図の新機能と災害情報の提供
地理院地図の新機能と災害情報の提供
 
地理院地図の新機能と災害情報の提供
地理院地図の新機能と災害情報の提供地理院地図の新機能と災害情報の提供
地理院地図の新機能と災害情報の提供
 
GNSSによる高精度測位社会に向けた国土地理院の取り組み
GNSSによる高精度測位社会に向けた国土地理院の取り組みGNSSによる高精度測位社会に向けた国土地理院の取り組み
GNSSによる高精度測位社会に向けた国土地理院の取り組み
 
RTK測位の実力とその活用事例
RTK測位の実力とその活用事例RTK測位の実力とその活用事例
RTK測位の実力とその活用事例
 
個人で作るRTK農業用ガイダンスシステム
個人で作るRTK農業用ガイダンスシステム個人で作るRTK農業用ガイダンスシステム
個人で作るRTK農業用ガイダンスシステム
 
FOSS4G2017KYOTO.KANSAI_ODA
FOSS4G2017KYOTO.KANSAI_ODAFOSS4G2017KYOTO.KANSAI_ODA
FOSS4G2017KYOTO.KANSAI_ODA
 
地理院地図とFOSS4G 2017
地理院地図とFOSS4G 2017地理院地図とFOSS4G 2017
地理院地図とFOSS4G 2017
 
開会あいさつ(FOSS4G Tokyo 2017)
開会あいさつ(FOSS4G Tokyo 2017)開会あいさつ(FOSS4G Tokyo 2017)
開会あいさつ(FOSS4G Tokyo 2017)
 
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
CS立体図を用いた地形判読(FOSS4G 2017 Tokyoハンズオン)
 
FOSS4Gと地理院地図
FOSS4Gと地理院地図FOSS4Gと地理院地図
FOSS4Gと地理院地図
 
20161030 foss4 g2016_yamakawa
20161030 foss4 g2016_yamakawa20161030 foss4 g2016_yamakawa
20161030 foss4 g2016_yamakawa
 
Foss4 g2016 kansai_v1_a4
Foss4 g2016 kansai_v1_a4Foss4 g2016 kansai_v1_a4
Foss4 g2016 kansai_v1_a4
 
Landsat-8直接受信・即時公開サービス ((独)産業技術総合研究所情報技術研究部門 岩田 敏彰 様)
Landsat-8直接受信・即時公開サービス ((独)産業技術総合研究所情報技術研究部門 岩田 敏彰 様)Landsat-8直接受信・即時公開サービス ((独)産業技術総合研究所情報技術研究部門 岩田 敏彰 様)
Landsat-8直接受信・即時公開サービス ((独)産業技術総合研究所情報技術研究部門 岩田 敏彰 様)
 
大規模タイル画像を生成した話((独)農研機構 寺元郁博様)
大規模タイル画像を生成した話((独)農研機構 寺元郁博様)大規模タイル画像を生成した話((独)農研機構 寺元郁博様)
大規模タイル画像を生成した話((独)農研機構 寺元郁博様)
 

Recently uploaded

LoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログLoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
CRI Japan, Inc.
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
Takayuki Nakayama
 
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
Toru Tamaki
 
【AI論文解説】クラスタリングベースアプローチによる大規模データセット自動キュレーション
【AI論文解説】クラスタリングベースアプローチによる大規模データセット自動キュレーション【AI論文解説】クラスタリングベースアプローチによる大規模データセット自動キュレーション
【AI論文解説】クラスタリングベースアプローチによる大規模データセット自動キュレーション
Sony - Neural Network Libraries
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
Sony - Neural Network Libraries
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo Lab
 
20240717_IoTLT_vol113_kitazaki_v1___.pdf
20240717_IoTLT_vol113_kitazaki_v1___.pdf20240717_IoTLT_vol113_kitazaki_v1___.pdf
20240717_IoTLT_vol113_kitazaki_v1___.pdf
Ayachika Kitazaki
 
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
Toru Tamaki
 
Developer IO 2024 Odyssey SAMを応用したコンピュータビジョンの話
Developer IO 2024 Odyssey  SAMを応用したコンピュータビジョンの話Developer IO 2024 Odyssey  SAMを応用したコンピュータビジョンの話
Developer IO 2024 Odyssey SAMを応用したコンピュータビジョンの話
Shinichi Hirauchi
 
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ..."ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
たけおか しょうぞう
 
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
chisatotakane
 
Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)
Natsutani Minoru
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo Lab
 
【JSAI2024】J-NER大規模言語モデルのための固有表現認識における拡張固有表現階層を考慮したベンチマークデータセット.pdf
【JSAI2024】J-NER大規模言語モデルのための固有表現認識における拡張固有表現階層を考慮したベンチマークデータセット.pdf【JSAI2024】J-NER大規模言語モデルのための固有表現認識における拡張固有表現階層を考慮したベンチマークデータセット.pdf
【JSAI2024】J-NER大規模言語モデルのための固有表現認識における拡張固有表現階層を考慮したベンチマークデータセット.pdf
ARISE analytics
 
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit IntroductionMatsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo Lab
 

Recently uploaded (15)

LoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログLoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
LoRaWAN AI Image Sensorエンドデバイス AIG01カタログ
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
 
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
 
【AI論文解説】クラスタリングベースアプローチによる大規模データセット自動キュレーション
【AI論文解説】クラスタリングベースアプローチによる大規模データセット自動キュレーション【AI論文解説】クラスタリングベースアプローチによる大規模データセット自動キュレーション
【AI論文解説】クラスタリングベースアプローチによる大規模データセット自動キュレーション
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
 
20240717_IoTLT_vol113_kitazaki_v1___.pdf
20240717_IoTLT_vol113_kitazaki_v1___.pdf20240717_IoTLT_vol113_kitazaki_v1___.pdf
20240717_IoTLT_vol113_kitazaki_v1___.pdf
 
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
論文紹介:BAM-DETR: Boundary-Aligned Moment Detection Transformer for Temporal Sen...
 
Developer IO 2024 Odyssey SAMを応用したコンピュータビジョンの話
Developer IO 2024 Odyssey  SAMを応用したコンピュータビジョンの話Developer IO 2024 Odyssey  SAMを応用したコンピュータビジョンの話
Developer IO 2024 Odyssey SAMを応用したコンピュータビジョンの話
 
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ..."ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
 
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
最速の組織を目指して全社で大規模スクラムを導入してみた話 #dxd2024 #medicalforce
 
Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
 
【JSAI2024】J-NER大規模言語モデルのための固有表現認識における拡張固有表現階層を考慮したベンチマークデータセット.pdf
【JSAI2024】J-NER大規模言語モデルのための固有表現認識における拡張固有表現階層を考慮したベンチマークデータセット.pdf【JSAI2024】J-NER大規模言語モデルのための固有表現認識における拡張固有表現階層を考慮したベンチマークデータセット.pdf
【JSAI2024】J-NER大規模言語モデルのための固有表現認識における拡張固有表現階層を考慮したベンチマークデータセット.pdf
 
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit IntroductionMatsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit Introduction
 

Foss4 g公表用(柴田)