湖の表示

湖の面積の経時的な変化を算出するため、1984 年から 2014 年の間に Landsat 衛星によって撮影された湖の画像を比較します。Landsat 衛星プログラムは 40 年以上にわたって稼働しており、取得した画像は地球規模で起こる変化の監視において重要な役割を果たしています。画像のピクセル値を、土地被覆に基づくカテゴリに分類します。その後、ハ陽湖の土地被覆だけを表示し、湖と画像の残りの部分を切り分けます。

プロジェクトを開く

まず、プロジェクトをダウンロードし、ArcGIS Pro で開きます。

  1. 「Classify Land Cover to Measure Shrinking Lakes」グループに移動します。

    このグループには 1 つのアイテム、つまり、所有者が Learn_ArcGIS である「Lake Poyang Project」というプロジェクト パッケージが含まれています。

  2. サムネイルをクリックして、プロジェクト パッケージをダウンロードします。

    Lake Poyang Project のサムネイル

  3. ダウンロードしたプロジェクト パッケージを、簡単にアクセスできるわかりやすい場所 (ユーザーのドキュメント フォルダーや外付けのフラッシュ ドライブなど) に保存します。
  4. Start ArcGIS Pro. If prompted, sign in using your licensed ArcGIS account.
    備考:

    If you don't have ArcGIS Pro or an ArcGIS account, you can sign up for an ArcGIS free trial.

    When you open ArcGIS Pro, you're given the option to create a new project or open an existing one. If you've created a project before, you'll see a list of recent projects.

  5. [別のプロジェクトを開く] (以前に ArcGIS Pro を使用したことがある場合) または [既存のプロジェクトを開く] (ArcGIS Pro を使用したことがない場合) をクリックします。

    次に、ダウンロードしたプロジェクトを検索します。

  6. [開く] で、[コンピューター] をクリックします。[参照] をクリックします。

    プロジェクトを開く

  7. [プロジェクトを開く] ウィンドウで、Lake_Poyang_Project.ppkx ファイルがダウンロードされた場所を参照します。パッケージをダブルクリックして開きます。

    デフォルトのプロジェクト

    プロジェクトで中国の中東部が開きます。三峡ダム、長江、およびハ陽湖の 3 つのレイヤー (とベースマップ) がオンになっています。ハ陽湖は三峡ダムの数百マイル下流にあります。

ハ陽湖の面積の比較

プロジェクトには 3 つの画像レイヤーもあり、現在オンになっています。これらのレイヤーは、1984 年、2001 年、2014 年の雨季のピーク時におけるハ陽湖の様子を示します。

  1. [コンテンツ] ウィンドウで、[Lake Poyang] (ハ陽湖) レイヤーを右クリックして、[レイヤーにズーム] を選択します。

    Lake Poyang (ハ陽湖)

    ハ陽湖の大部分は細長く、長江から南方向に流れています。形状が細長いため、湖の表面積がごくわずかに縮小するだけで、水生生息地が分断してしまいます。さらに、湖周辺の複数の都市の経済は、湖での漁業や運送業で支えられています。また、国家レベルで見るとハ陽湖は中国最大の淡水源です。湖が縮小すると、生態学的にも経済的にも打撃を受けることになります。

  2. [コンテンツ] ウィンドウで [Lake Poyang] (ハ陽湖) レイヤーの横にあるボックスをオフにして、そのレイヤーを無効にします。
  3. [June 1984.tif] レイヤーの横にあるチェックボックスをオンにして、そのレイヤーを有効にします。画像全体が表示されるよう、マップを画面移動してズームします。

    1984 年のハ陽湖

    この画像は、1984 年 6 月に Landsat 5 衛星が捉えた画像です。Landsat 衛星プログラムは、アメリカ地質調査所とアメリカ航空宇宙局の 2 つの政府機関が共同で行っているイニシアチブです。

    この画像では、青い湖と、その周辺の緑の植生がはっきりと分かれています。自然の色のように見えますが、実際には、通常は人間の目には見えない電磁スペクトルの組み合わせによる色です。

  4. [コンテンツ] ウィンドウで、[June 1984.tif] レイヤーの横にある矢印をクリックします。

    ハ陽湖のバンド割り当て

    「バンド」と呼ばれる電磁スペクトルの色は、レイヤーの下に記されています。画像は通常、3 つのバンド割り当てによって表現されます。これを基に RGB (赤、緑、青) が合成されます。この画像では、[近赤外 2] を赤色、[近赤外 1] を緑色、[赤] を青色に使用しています。さまざまな Landsat 衛星のバンドの指定を、以下の表に示します。

    バンド Landsat 5 Landsat 7 Landsat 8

    1

    コースタル エアロゾル

    2

    3

    4

    近赤外 1

    近赤外 1

    5

    近赤外 2

    遠赤外

    近赤外

    6

    熱赤外

    熱赤外

    遠赤外 1

    7

    中赤外

    遠赤外 2

    遠赤外 2

    8

    パンクロマティック

    パンクロマティック

    9

    巻雲

    10

    熱赤外 1

    11

    熱赤外 2

    各バンドが何を最善な状態で表現できるかについては、「衛星画像を使用した焼け跡の評価」のレッスンのリストをご覧ください。今回のプロジェクトの 3 つの画像では、どれも植生を強調するバンド割り当てを使用しているため、湖と周辺の地勢との違いがさらに明確になります。次に、1984 年の画像と、その後に撮影された画像を比較し、湖の変化を確認します。

  5. [June 2001] レイヤーの横にあるチェックボックスをオンにして、そのレイヤーを有効にします。

    2001 年のハ陽湖

    この画像は Landsat 5 ではなく Landsat 7 で撮影されたため、色が異なります。横に並べて比較しない限り、どこが変化したのか正確に把握するのは困難です。[スワイプ] ツールを使用し、画像を横に並べて比較します。

  6. [コンテンツ] ウィンドウで、[June 2001.tif] レイヤーをクリックして選択します。
  7. アプリケーション上部のリボンの [表示設定] タブをクリックします。[効果] グループの [スワイプ] をクリックします。

    [スワイプ] ツール

    ポインターをマップの上に移動すると、ポインターが矢印になります。

  8. 矢印の方向にマップをドラッグします。

    マップ上のスワイプ

    選択されたレイヤーは、カーソルをドラッグした部分で非表示になります。これで 2 つの画像を比較できるようになりました。[スワイプ] ツールを前後 (または上下) にドラッグすると、変化の大半は湖の南端と東端で起こっているのがわかります。湖が後退した部分には植生がないため、くすんだ橙色で示されています。全体的に見ると、2001 年の湖の表面積は 1984 年に比べると明らかに小さくなっています。これらの画像はいずれも 2008 年の三峡ダムの運用開始前に撮影されているため、この期間の湖の縮小は、干ばつなどの異常気象が原因として考えられます。

  9. [コンテンツ] ウィンドウで、[May 2014.tif] レイヤーを有効にします。

    2014 年のハ陽湖

    この画像は Landsat 8 が撮影したものです。2001 年の画像では、湖が後退した部分の地表が橙色で示されていましたが、今回は植生の成長によって鮮やかな緑色になっています。これは、水位の変化が長期にわたったことを意味します。

  10. [コンテンツ] ウィンドウで、[May 2014] レイヤーをクリックして選択します。
  11. [スワイプ] ツールを使用し、2014 年の画像と 2001 年の画像を比較します。

    湖の表面積は、特に南側と西側でさらに縮小したようです。一見すると、1984 年から 2014 年の間に湖が縮小したのは明らかですが (少なくとも、3 つの画像が撮影された雨季の間)、その正確な規模はわかりません。

1984 年の土地被覆の分類

湖の表面積の経時的な変化を数値化するため、各画像の土地被覆を分類します。画像の中の個々のピクセル (またはセル) には、各バンドの値が割り当てられています。Landsat 画像の場合、これらの値は色に対応します。ハ陽湖の鮮やかな画像からもわかりますが、陰影や色相の数だけ明度も異なります。画像を分類すると、類似した値を 1 つの値にグループ化できます。このグループで、水や植生、都市部といった地物 (クラス) を表すことができます。このようなクラスを使用し、目的の地物 (ここではハ陽湖) の面積を算出します。

今回は、「教師なし分類」と呼ばれる分類方法を使用します。ソフトウェアが統計分析を実行し、どの値をクラスに分類するかを決定する方法です。ユーザーは、クラスの数のみ指定する必要があります。この分類を行うには、[ISO クラスターの教師なし分類 (Iso Cluster Unsupervised Classification)] ツールを使用します。

  1. リボンの [解析] タブをクリックします。[ジオプロセシング] グループで、[ツール] をクリックします。

    [ツール] ボタン

    [ジオプロセシング] ウィンドウが開きます。

  2. [ジオプロセシング] ウィンドウの検索ボックスに、「ISO クラスターの教師なし分類」と入力します。同じ名前の検索結果をクリックします。

    ISO クラスター ツールの検索

    [ISO クラスターの教師なし分類 (Iso Cluster Unsupervised Classification)] ツールが開きます。このツールは、画像、または選択したラスターやレイヤーで教師なしの分類を実行します。ISO クラスター アルゴリズムを使用し、セルを自然にグループ分けできるような特徴を把握し、指定したクラス数に基づいて出力レイヤーを作成します。ツールは、マップ上の画像レイヤーごとに 1 回、合計で 3 回実行します。

  3. [ISO クラスターの教師なし分類 (Iso Cluster Unsupervised Classification)] パラメーターの [入力ラスター バンド][June 1984.tif] を選択します。
  4. [クラス数] に「4」と入力します。

    湖だけを表示したいため、多くのクラス数は必要ありません。

  5. [出力分類ラスター] の名前を「Iso_1984」に変更します。その他のパラメーターはそのままにしておきます。

    [ISO クラスターの教師なし分類] ツールのパラメーター

  6. [実行] をクリックします。

    ツールが終了すると、出力レイヤーがマップに追加されます。レイヤーの色は、サンプル画像とは異なる場合があります。

    分類後の 1984 年の画像

    新しいレイヤーは、1984 年 6 月の元の画像に似ていますが、色が変わってさらに粗くなっています。すべての画像レイヤーはピクセルのグリッド (セルと呼ばれる) で構成されていますが、元の画像では、ピクセルには数千もの色が使われていました。[ISO クラスターの教師なし分類 (Iso Cluster Unsupervised Classification)] ツールでは、元の画像のすべてのピクセルを 4 つの値クラスに分類しました。各クラスには色が割り当てられています (出力色はランダムに生成されます)。水の値はすべて 1 つの値に分類され、他の値も植生や雲量を表します。

  7. [コンテンツ] ウィンドウの [Iso_1984] レイヤーで [Value 1] (値 1) を右クリックし、色を [ヨゴ ブルー] に変更します。

    ヨゴ ブルー

  8. 他の値 (2、3、4) は [色なし] にします。

    そうすると、水の値だけが表示された状態になります。1984 年 6 月の元の画像と比べ、分類が正しいことを確認します。

  9. [コンテンツ] ウィンドウで [May 2014.tif][June 2014.tif] レイヤーを無効にします。

    分類と画像の比較

  10. [コンテンツ] ウィンドウで、[Iso_1984] レイヤーをクリックして選択します。[スワイプ] ツールを使用し、2 つの 1984 レイヤーを比較します。

    湖の境界の大半は一致しますが、分類された値には、湖周辺の小さな水塊も含まれます。こうした小さな水塊の一部を、次のレッスンで除去します。また、雲量によって、湖の一部が他の部分とは異なる値に分類されることもあります。

    画像内の雲

    雲がかかっていると、衛星画像の地物が不明瞭になることも珍しくありません。この画像の雲量は比較的少ないので分析には大きな影響はありませんが、雲量がより少ない画像を使用することで分析結果を向上させることができます。

  11. [June 1984.tif] レイヤーを無効にします。

2001 年と 2014 年の土地被覆の分類

次に、残り 2 つの画像を分類し、湖の経時的な変化を確認します。[ISO クラスターの教師なし分類 (Iso Cluster Unsupervised Classification)] ツールで [ジオプロセシング] ウィンドウがすでに開いているため、ツールを再実行する前に、パラメーターの変更のみ行います。

  1. [ジオプロセシング] ウィンドウの [入力ラスター バンド] で、[June 1984.tif][June 2001.tif] に変更します。
  2. [出力分類ラスター] で、出力名を「Iso_2001」に変更します。その他のパラメーターはそのままにしておきます。

    [ISO クラスターの教師なし分類] ツールのパラメーター

  3. [実行] をクリックします。

    分類後の 2001 年の画像

    前回同様、水の値は新しいレイヤーの [Value 1] (値 1) に分類されています。

  4. [コンテンツ] ウィンドウで、[Iso_2001] レイヤーの [Value 1] (値 1) の色を [ライト アップル] に変更します。

    ライト アップル

  5. 他の値 (2、3、4) は [色なし] にします。

    2001 年と 1984 年の比較

    青の部分は、1984 年には水域だったものの 2001 年には水域ではなくなった部分です。2 年の間に湖がどれだけ縮小したかがより明確にわかります。最後に 2014 年の画像を分類します。

  6. [ジオプロセシング] ウィンドウで、[入力ラスター バンド][May 2014.tif] に変更します。[出力分類ラスター] の名前を「Iso_2014」に変更します。
  7. [実行] をクリックします。

    分類後の 2014 年の画像

  8. [コンテンツ] ウィンドウで、[Iso_2014] レイヤーの [Value 1] (値 1) の色を [マンゴー] に変更します。

    マンゴー

  9. 他の値 (2、3、4) は [色なし] にします。

    2014 年と 2001 年および 1984 年の比較

  10. リボンの [プロジェクト] タブをクリックして、[名前を付けて保存] をクリックします。プロジェクトに「Poyang Lake Cover」という名前を付けて保存します。

今回のレッスンでは、30 年にわたる期間内の 3 つの時点で同じ湖を撮影し、それを視覚的に比較して、水損失の様子を確認しました。その後、各画像を分類して土地被覆を示しました。元の画像では水に対して多数の値が使われていましたが、単一の値を割り当てました。次のレッスンでは湖の境界をスムージングし、ハ陽湖周辺で分類されている、多くの小さな水塊を除去します。また、各年の湖の面積を算出し、その縮小の速度を確認します。


湖の過去の面積の計算

前のレッスンでは、土地被覆を分類して、1984 年、2001 年、2014 年の 3 つの年におけるハ陽湖の様子を確認しました。このレッスンでは、湖周辺のわずかな誤差や、小さな水塊を除去するために、単純化して解析するツールを使用して、分類画像を処理します。また、湖の境界もスムージングします。画像を用意したら、過去 30 年間にわたる湖の面積を算出し、その変化を確認します。

個々のピクセルのフィルタリング

まず、ハ陽湖を構成していない、小さな個々のピクセルを除去します。これらのピクセルは小さな池や水塊のこともあれば、誤って分類されたものもあります。いずれにせよ、これらはハ陽湖の面積の計測に含めてはならないので、ジオプロセシング ツールを実行して、できるだけ多く除去します。

  1. 必要に応じて、ArcGIS Pro で「Poyang Land Cover」プロジェクトを開きます。
  2. [解析] タブをクリックし、[ツール] をクリックして [ジオプロセシング] ウィンドウを開きます。
    備考:

    [ジオプロセシング] ウィンドウが別のツールですでに開いている場合は、ウィンドウ左上の [戻る] ボタンをクリックして、検索ボックスに戻ります。

  3. 検索ボックスに「大多数フィルター」と入力します。[大多数フィルター (Majority Filter)] ツールをクリックします。

    [大多数フィルター (Majority Filter)] ツールの検索

    [大多数フィルター (Majority Filter)] ツールは、データの単純化ツールです。隣接セルの大多数の値に基づき、画像またはラスター レイヤーのセルを置換します。たとえば、セルの値が 1 だが、4 つの隣接セルのうち 3 つの値が 2 の場合、ツールによって値 1 が周辺の値に合わせて変更されます。それぞれの分類画像ごとに 1 回ずつ、合計で 3 回ツールを実行します。

  4. [入力ラスター] には [Iso_1984] を選択します。
  5. [出力ラスター] の名前を Filter_1984 に変更します。

    他のパラメーターでは、ツールが使用する隣接セルの数や、連続セルの大半が同一の値でなくてはならないか、あるいは半分だけでいいのかを指定できます。個々のピクセルの最大数を単純化し、スムージングの効果をさらに高めるには、半分を使用します。

  6. [閾値の変更][半数] を選択します。

    大多数フィルター (Majority Filter) ツール

  7. [実行] をクリックします。

    フィルタリングされた 1984 年の画像

    単純化により、個々のピクセルは多数除去されましたが、それでもまだたくさん残っています。さらに単純化するのも妥当かもしれませんが、単純化によって、必要なデータが削除されるというリスクもあります (この場合は、ハ陽湖を表す値が単純化されるおそれがあります)。残りの問題点は、後から境界をスムージングする際に解消しますが、現時点では、他の画像レイヤーでもツールを実行します。

  8. [ジオプロセシング] ウィンドウで [入力ラスター][Iso_2001] に、[出力ラスター] の名前を Filter_2001 にそれぞれ変更します。
  9. [実行] をクリックします。

    単純化された 2001 年の画像がマップに追加されます。

  10. Iso_2014 ラスターに [大多数フィルター (Majority Filter)] ツールを実行します。出力ラスターを Filter_2014 と名付けます。

    単純化された 2014 年の画像がマップに追加されます。3 つの分類画像を単純化したバージョンが作成されたので、マップ上に元の分類画像は必要ありません。

  11. [コンテンツ] ウィンドウで [Iso_2014] レイヤーを右クリックし、[削除] を選択します。

    レイヤーの削除

  12. [Iso_2001][Iso_1984] レイヤーも削除します。

    3 つのレイヤー (およびこのプロジェクトで作成したその他すべてのレイヤー) に再度アクセスする必要がある場合は、[カタログ] ウィンドウの [poyang] データベースにあります。

画像境界のスムージング

各画像の個々のピクセルの一部は除去しました。次に、各画像の値の境界をスムージングし、ピクセルの粗いエッジを除去します。

  1. [ジオプロセシング] ウィンドウで、[戻る] ボタンをクリックして検索ボックスに戻ります。

    [戻る] ボタン

  2. [境界のスムージング (Boundary Clean)] ツールを検索し、開きます。

    [境界のスムージング (Boundary Clean)] ツールの検索

    [境界のスムージング (Boundary Clean)] ツールは、境界を拡大してクラス (ゾーンとも呼ばれる) 間の境界をスムージングし、その後で元のサイズに縮小します。そうすると、個々のピクセルが除去され、周辺のピクセル値に置換されます。[大多数フィルター (Majority Filter)] ツールと同様の効果を得られますが、処理の方法が異なります。

  3. [入力ラスター] には [Filter_1984] を選択します。
  4. [出力ラスター] の名前を Clean_1984 に変更します。

    境界のスムージング (Boundary Clean) ツール

    並べ替え方法のパラメーターは、境界の拡大時に大きい方の面積の値を優先するか、または小さい方の面積の値を優先するかを決定します。チェックボックスは、プロセスの実行回数を指定します。最大限に単純化できるようプロセスは 2 回実行します。また、どちらの面積サイズも優先しません。

  5. [実行] をクリックします。

    クリーンアップ後の 1984 年の画像

    大きな変化は見られませんが、値の間の境界がスムージングされました。また、画像全体に散在していた、小さな個々のピクセルがさらに除去されました。ピクセルはまだ少し残っていますが、単純化ツールによって、画像は大幅にスムージングされました。ご自分の目で変化を確かめるには、[スワイプ] ツールを使用し、画像を拡大して比べてみてください。次に、他の画像でも [境界のスムージング (Boundary Clean)] ツールを実行します。

  6. Filter_2001 ラスターに [境界のスムージング (Boundary Clean)] ツールを実行します。[出力ラスター] の名前を Clean_2001 に変更します。

    新しい 2001 年の画像がマップに追加されます。

  7. Filter_2014 ラスターに [境界のスムージング (Boundary Clean)] ツールを実行します。[出力ラスター] の名前を Clean_2014 に変更します。

    新しい 2014 年の画像がマップに追加されます。[大多数フィルター (Majority Filter)] ツールで作成した画像は必要ないので、削除します。

  8. [コンテンツ] ウィンドウで [Filter_2014][Filter_2001][Filter_1984] レイヤーを削除します。
    ヒント:

    ハ陽湖の規模を視覚的に比べたい場合は、3 つすべてのレイヤーの値 2、3、4 のシンボルを [色なし] に変更します。

面積の変化の算出

元の分類画像をスムージングし、多数の小さな誤差や、迷いピクセルの塊を除去しました。次に、ハ陽湖の面積を計算します。画像を 4 つの値に分類した際、各値のピクセル数がレイヤーの属性テーブルに自動的に追加されました。これらのピクセル数を使用し、各画像の湖のヘクタール数を 1984 年から算出します。

  1. [コンテンツ] ウィンドウで [Clean_1984] レイヤーを右クリックし、[属性テーブル] を選択します。

    属性テーブル

    テーブルが開きます。レイヤーの 4 つの値にピクセル数があります。水に該当する値 1 は、約 300 万ピクセルです。膨大なピクセル数ですが、1 ピクセルの実際の大きさはどれくらいでしょうか。画像の解像度を確認すると、1 ピクセルが実際にはどれくらいの大きさに相当するかがわかります。

  2. 属性テーブルを開いたままにしておきます。[コンテンツ] ウィンドウで [Clean_1984] レイヤーを右クリックし、[プロパティ] を選択します。

    [レイヤー プロパティ] ウィンドウが開きます。

  3. [レイヤー プロパティ] ウィンドウの左側にある [ソース] をクリックします。

    ソース タブ

    ソースには、レイヤーのデータ タイプやコンピューター上の場所、データの規模、データがマップ上にどのように投影されているかといった情報が含まれています。

  4. [ラスター情報] をクリックします。

    ラスター情報

    [セル サイズ X] と [セル サイズ Y] は、各セルまたはピクセルの長さ (X) と高さ (Y) です。ここでは、マップ上の各ピクセルは、実際には 30 単位四方に相当します。ただし、測定単位がまだわかりません。30 インチでしょうか。それとも 30 キロメートルでしょうか。ヘクタール単位で算出したいので、測定単位を把握することが重要です。

  5. [ラスター情報] を再度クリックして閉じます。[空間参照] をクリックします。

    空間参照

    [距離単位] とは、レイヤーがデフォルトで使用するすべての空間計算の測定単位です。ここでは、単位はメートルです。つまり、1 ピクセルは実際には 30 メートル四方 (900 平方メートル) に相当します。

  6. [レイヤー プロパティ] ウィンドウを閉じます。

    画像の各値の面積を算出するには、ピクセル数に 900 を乗算し、平方メートル単位に換算します。その値を 10,000 で除算し、ヘクタールあたりの平方メートル数を算出します。式は次のとおりです。

    ヘクタール = (ピクセル数 x 900) / 10,000

  7. [属性テーブル] で、[フィールドの追加] ボタンをクリックします。

    [フィールドの追加] ボタン

    [フィールド] ビューが開きます。ここでは、属性テーブルのフィールドを管理できます。新しいフィールドがリストの最後に追加されます。

  8. 新しいフィールドについて、[フィールド名] の値を「Hectares」に変更します。[データ タイプ][Float] に設定します。

    [Hectares] フィールド

    Float とは、小数点を含む数値を使用できるデータ タイプです。

  9. リボンの [フィールド] タブで、[保存] をクリックします。

    変更内容の保存

  10. [フィールド] ビューを閉じて属性テーブルに戻ります。

    テーブルに [Hectares] フィールドが追加されていますが、値がありません。次に、前述の換算式を使用して、各値をヘクタールに変換します。

  11. [Hectares] フィールドの見出しを右クリックし、[フィールド演算 (Calculate Field)] を選択します。

    フィールド演算 (Calculate Field)

    [ジオプロセシング] ウィンドウが開いて、[フィールド演算 (Calculate Field)] ツールが表示されます。

  12. [入力テーブル] が「Clean_1984」で、[フィールド名] が「Hectares」であることを確認します。
  13. [Hectares =] の下で、式「(!Count! * 900) / 10000」を作成します。
    ヒント:

    [フィールド] ボックスの [データの個数] をダブルクリックすると、[データの個数] フィールドを式に追加できます。

    式

  14. [実行] をクリックします。

    [Hectares] フィールド値の編集

    属性テーブルの [Hectares] フィールドに、画像の各値の面積がヘクタール単位で表示されます。1984 年の湖の面積では、値 1 (水) は約 270,000 ヘクタールです。

  15. 属性テーブルを閉じます。
  16. 2001 年の湖の面積をヘクタール単位に換算します (Clean_2001 レイヤーで、ステップ 7 ~ 14 を繰り返します)。
  17. 2014 年の湖の面積をヘクタール単位に換算します

    2001 年の湖の面積は約 250,000 ヘクタールで、2014 年の面積は約 200,000 ヘクタールです。1984 年から 2014 年までの間に、ハ陽湖は約 70,000 ヘクタールも縮小しました。年換算では 2,300 ヘクタールほどです。さらに悪いことに、縮小率は 2001 年以降上昇しています。1984 年から 2001 年までの 17 年間で縮小したのは約 20,000 ヘクタールに留まりましたが (年換算で 1,200 ヘクタールほど)、2001 年から 2014 年までの 13 年間では約 50,000 ヘクタールも縮小しています (年換算で 3,900 ヘクタールほど)。

  18. プロジェクトを保存します。

今回のレッスンでは、3 つの年におけるハ陽湖の Landsat 画像を分類し、湖の面積の変化を算出しました。その結果、深刻な問題があることが判明しました。ハ陽湖はわずか 30 年の間に数千ヘクタールも縮小し、その率も加速度的に上昇しています。縮小率の上昇は、2008 年の三峡ダムの建設に起因する可能性があります。また、長年にわたる干ばつも原因の一端を担っているかもしれません。計算しただけではハ陽湖の縮小の原因はわかりませんが、深刻な問題があることが実証的な根拠として示されたので、環境科学者などがさらに踏み込んだ調査を行うきっかけとなります。