プロジェクトで中国の中東部が開きます。 位置がわかるよう、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。

この画像は、1984 年 6 月に Landsat 5 衛星が捉えた画像です。

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。

Landsat 画像には、電磁スペクトル上のさまざまな色のバンドが表示されます。 次の表に示すように、Landsat の種類によって、画像には 7 ～ 11 個のバンドが含まれます。

すべてのバンドを同時に表示することはできないため、通常は、人間の目で見えるカラー チャンネル (赤、緑、青) によって表現される 3 つのバンド割り当てを選びます。 凡例でもわかるように、1984 年の画像では近赤外 2 を赤色のチャンネル、近赤外 1 を緑色のチャンネル、赤を青色のチャンネルに使っています。

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ので、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。

この画像は Landsat 5 ではなく Landsat 7 で撮影されたので、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。

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。

選択されたレイヤーは、ポインター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ので、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 2003 年の三峡ダムの運用開始前に撮影されているので、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。

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。

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。

これで、通常のナビゲーションを行えるようになりました。

[ジオプロセシング] ウィンドウが表示されます。

[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、画像レイヤーまたは選択したラスターで教師なしの分類を実行します。 Iso Cluster 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。 1984 年の画像レイヤーでツールを実行します。

ここでは、湖だけを表示したいので、1984.tif 画像のピクセルを 4 つのクラスにのみ分類します。そのため、多種多様な土地被覆を区別するための多くのクラス数は必要ありません。

• [入力ラスター バンド] で [June 1984.tif] を選択します。
• [クラス数] に「4」と入力します。
• [poyang.gdb] の最後にある [出力分類ラスター] に「Iso_1984」と入力します。
• その他のパラメーターはそのままにしておきます。

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。 お使いのマップの色は、この画像例とは異なる場合があります。

新しいレイヤーは、1984 年 6 月の元の画像に似ていますが、今回は 4 つの色しかありません。これらの色は、分類ツールによって生成された 4 つの色を表します。 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、スペクトルの類似性に基づいて 4 つの値クラスに分類しました。 その後、各クラスをシンボル表示するために、4 つの色をランダムに選択しました。 水のセルはすべて 1 つのクラスに分類され ([Value 1] (値 1))、植生、雲量、およびその他の土地被覆タイプは、残り 3 つのクラスに分類されているようです。

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。

湖の境界の大半は一致しますが、分類された値には、湖周辺の小さな水域も含まれます。 こうした小さな水域の一部を、次のセクションで除去します。 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。

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、雲量がさらに少ない画像を使うことで分析結果を向上させることができます。

• [入力ラスター バンド] で [June 1984.tif] を [May 2014.tif] に変更します。
• [poyang.gdb] の最後にある [出力分類ラスター] に「Iso_2014」と入力します。
• その他のパラメーターはそのままにしておきます。

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

ここでも、2 つの水の分類は正確なようです。

青の部分は、1984 年には水域だったものの 2014 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。

[大多数フィルター (Majority Filter)] ツールは、データ単純化ツールです。 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。 あるセルがクラス 1 (水域) として分類されているが、4 つの隣接セルのうち残り 3 つがクラス 2 として分類されている場合、ツールによって値 1 が周辺の値 (クラス 2) 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 2 回ツールを実行します。

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。

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、ハ陽湖を表すセルが失わ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。

単純化された 2014 年の画像がマップに追加されます。

2 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。そのため、これらを削除します。

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.gdb] データベースにあります。

[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、クラス境界にフォーカスを置いています。

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

[並べ替えタイプ] 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。 これらのパラメーターについては、デフォルトのオプションをそのまま使用します。

新しい 1984 年のレイヤーがマップに追加されます。 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。

新しい 2014 年のレイヤー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。

テーブルが表示されます。

レイヤーの 4 つの値 (4 つのクラス) にピクセル数があります。 水域に該当する Value 1 (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。

[レイヤー プロパティ] ウィンドウが表示されます。

[ソース] タブには、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。

[セル サイズ X] パラメーターと [セル サイズ Y] パラメーターは、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。

[距離単位] パラメーターとは、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。

[空間参照] を見ると、使用される [投影座標系] は、前述したように [WGS 1984 UTM Zone 50N] であることがわかります。

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

式を策定したので、次に、これを使用して湖の面積を計算します。

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。

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。

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、各クラス値をヘクタールに変換します。

[フィールド演算] ツールが開きます。

• [入力テーブル] の値が [Clean_1984] である。
• [フィールド名 (既存または新規)] の値が [Hectares] である。
• [式の種類] の値が [Python] である。

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、水域を表す Value 1 (値 1) は約 270,000 ヘクタールです。

同様に、2014 年の湖の面積をヘクタール単位で計算します。 空間解像度などの特徴は 2 つの画像で共通しているため、前回と同じ式を使用します。

属性テーブルの [Hectares] フィールドに数値が入力され、水域を表す Value 1 (値 1) はおよそ 200,000 ヘクタールであることが示されます。 これが、2014 年の湖の面積です。

1984 年の湖の面積は約 270,000 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。年平均では 2,300 ヘクタールほどです。