プロセシングツールボックスを使用して雪の分類を自動化する¶

背景¶

毎年冬の間（10月31日から6月1日まで）、SHLはMODISテラ（EOS AM）衛星からできるだけ多くの雲のない画像を得ます。これらの画像は、その後、雪が存在する領域を示すために使用される正規化差分降雪指数（NDSI）として知られているアルゴリズムに摂取されます。このアルゴリズムはいずれか1つの特定のセンサに固有のものではありませんが、MODISの装置が十分な空間分解能があり、プロジェクトエリア（地図1.1　大雪流域）を日常的にカバーしているために選ばれました。

目的¶

このプロジェクトの目的は、NDSIのワークフローをQGIS処理ツールボックス内のモデルとして自動化することです。必要な出力は、大雪流域内の雪に覆われた範囲を示すベクターポリゴンで、雪に覆われた総面積を平方キロメートルで記述する属性と一緒にしたものです。

方法¶

NDSIアルゴリズム自体は非常に簡単です（以下式1.1に示す - 正規化差分降雪指数（NDSI））。そして積雪をベクター形式で抽出するために必要なその後の工程は、プロセッシングツールボックスモデルにうまく適しています。

このNDSIアルゴリズムは-1と1の間で結果を返し、雪のための閾値は通常は0.4超となります。2014年7月13日について、自然色の画像（地図1.2 -MODISトゥルーカラー）と一緒にNDSI出力の例（地図1.3-NDSI出力）を以下に示します。これらの画像からわかるように、NDSI出力は雪で覆われた領域を他の土地被覆タイプおよび雲から弁別するのは非常に得意です。しかしながら大きな水域の一部を雪と誤分類することがあります。これは水がスペクトルの近赤外部分に吸収特性を有することで引き起こされます。NDSIのこの特徴は、モデル内のどこかの段階に水マスクを組み込むことが必要であると示唆しています。

NDSI出力はGRASSモジュール「r.mapcalculator」を用いて、いくつかの非常にシンプルなバンド・マップを使用して作成されます。NDSIグリッドが利用可能になったら0.4のNDSIしきい値が適用されることが必要で、この結果は「雪」と「雪でない」領域を描くブール値のグリッドになるでしょう。その分類を取得するために、別のGRASSモジュール「r.recode」を使用し、地図1.4『「雪でない」VS「雪」再コード化』に示す結果を作成しました。

再符号化グリッドは、次いで、ベクターポリゴンデータセットに変換され、雪で覆われた領域が抽出されました（以下に示す、地図1.5 - 抽出された雪）。それから、雪に覆われた領域が大雪流域にクリップされ（下に示す地図1.6 - SWC内の雪）、その後、大規模な水域がマスクで除去され（下に示す地図1.7 - 最終的な雪に覆われた領域）、そして最後に雪に覆われた領域の面積統計が生成されます。

モデルからの出力は、SWC内部の雪に覆われた領域を示すベクターポリゴンです。ポリゴンの属性は、雪に覆われた領域とカバーされている流域の割合です。その全体モデルは下の「画像1.1 - 正規化後差分雪指数（NDSI）、QGIS処理ツールボックスモデル」に見ることができます。

結果/結論¶

QGIS処理ツールボックスはこの雪の分類のようなワークフローを自動化するための強力な方法です。上に示したモデルでは、雪分類のプロセスを上手く自動化し、さらなる統計的アプリケーションで可視化して入力に使用できるGISデータセットを提供します。再現性と一貫性のある分類ツールを提供しながら、SHLで使用されていた以前の方法に関連づいた主観的なユーザの誤りを上手く除去しています。いくつかの季節の結果をここで見ることができます。