SlideShare une entreprise Scribd logo
1  sur  78
Télécharger pour lire hors ligne
自然環境保全のための
    データの
 地図化・分析手法の
     ご紹介

∼GISを利用して∼

         株式会社エコリス
             水谷貴行
2011.3.11
東日本大震災
迅速な復興と
環境保全との
  両立
復興特別区域法
画像引用:民主党HP
復興特別区域法
画像引用:民主党HP




             特定環境影響評価
特定環境影響評価

  「既存資料を用いた
  簡易な調査・予測・評価」
特定環境影響評価

  「既存資料を用いた
  簡易な調査・予測・評価」

      有効な手法



 データの地図化・分析
その他


   戦略的環境アセスメント
   生物多様性オフセット
その他


   戦略的環境アセスメント
   生物多様性オフセット

      有効な手法



 データの地図化・分析
現状把握   将来予測   保全計画
現状把握
既存のデータ
    生物


•自然環境保全基礎調査
•レッドデータブック
•河川水辺の国勢調査
          など
生物データ
既存のデータ
    環境

•基盤地図情報
•国土数値情報
•自然環境保全基礎調査
•統合地質図データベース
•Natural Earth
•WorldClim
          ほか色々
環境データ
  植生




        環境省 第5回、6回植生図
環境データ
  標高




  国土地理院 電子国土、基盤地図情報
環境データ
  地質




産業技術総合研究所 日本シームレス地質図
環境データ
年平均気温
環境データ
年間降水量
既存データの問題


    豊富



               少ない


 環境データ       生物データ

センサー技術の向上    調査コストがかかる
防災、気象での利用   守秘義務、盗掘の問題
環境データ
     地形




植生        気候
環境データ              生物データ
               推測
     地形




植生        気候
推測手法




HSIモデル   Maxent
HSIモデルとは?

 Habitat Suitability Index
    生息環境適性指数

     生物の生息環境をモデル化して
      生息適地を推測する手法
HSIモデル

ヤマアカガエルを例に
HSIモデル
  ヤマアカガエルの生息環境

  生息環境変数   生存必須条件   カバータイプ
HSIモデル
    生息環境のモデル化




   V1     V2
HSIモデル
   生息環境のモデルを
   GISを使って地図化
水域タイプ
森林までの距離
道路延長 500m圏
森林の面積 500m圏
止水までの距離
HSIモデル
  生息環境変数   生存必須条件   カバータイプ




生息適地
 HSI = V1 ✕ V2 ✕ V3 ✕ …
生息適地(HSI)
Maxent

    Maximum entropy
    (最大エントロピー)
   既知の生息データと環境データを使い
  生息適地を統計的に推測する手法、ソフト
Maxent
 必要な情報


生息データ
•既存の生息情報
環境データ      生息情報


  •地形
  •気候
  •植生
Maxent
  出力結果
Maxent

         原理
Maxent

         原理


   マニュアル、論文をご覧ください。
推測手法

HSIモデル      Maxent

 生態的意味          生息事実



         生息適地
          の推測
現状把握
        まとめ

既存のデータや、環境データの分析・地図化に
よって、地域の環境を把握することができます。
ただし、分析には生物に関する知見や、ある程度
の生息情報も必要です。
将来予測
将来予測




どのように?   どれくらい?
どのように変化?

     道路事業を例に
生息環境はどのように変化?

        環境の変化を
       生息モデルに反映

        •森林面積減少
        •道路延長増加
        •田んぼの消滅
生息環境はどのように変化?
 事業前     事業後
生息環境はどのように変化?
 事業前     事業後
生息環境はどのように変化?
 事業前     事業後
どれくらい変化?




       改変後
改変前
       質✕面積
質✕面積
どれくらい変化?




          面積

質
どれくらい変化?
           事業前            事業後

                  質✕面積

直接改変

影響範囲

  合計



       0   2000    4000   6000   8000
将来予測
           まとめ

環境の変化を生息モデルに適用することによっ
て、生物への影響範囲を予測し、それを定量的に
評価できます。
保全計画
保全計画のための手法



Invest   Marxan
保全計画
       必要なデータ


   社会的要因   保全目標




       環境的要因
Invest
 Integrated Valuation of Environmental
         Services and Tradeoffs

 生態系サービスとその代償のための総合評価




生物多様性、二酸化炭素の貯蔵、浄水機能などの
  生態系サービスを定量的に評価するモデル
Invest
 生物多様性の評価に必要なデータ

 生息環境    環境悪化要因    保全地域

 土地利用
           道路      鳥獣保護区
  過去
          市街地       自然公園
  現在
          汚染源     自然保全地域
  未来

環境的要因    社会的要因     保全目標
生息環境
       土地利用
  過去          現在
環境悪化要因
  道路     市街地
保全地域
生物多様性の評価基準
       生息環境の質

生息環境   ✕ 環境悪化要因 ✕   保全地域



       希少な生息環境

過去         現在       未来
生物多様性の評価結果
生息環境の質   希少な生息環境
保全計画での利用
保全シナリオ
         保全シナリオを検討
 生息環境

          モデルを適用し
環境悪化要因    結果を表示


保全地域
         結果を比較し意思決定
Marxan

        Marin reserve design
   using spatially explicit anealing

   空間明示的なアニーリングを使用した
        海洋保護デザイン


環境への影響、コスト、保全目標などを加味し、保
   全すべき地域を最適に選定する手法。
Marxan
 保全地域の選定で考慮すべきこと

地域の環境    保全コスト    保全目標


  種類      土地価格   優先すべき種
 生息数       大きさ   保全すべき量
 大きさ     実施・管理   地域間の関係
保全すべき県は?


農産物を例に…


生産高を確保するには、
どこの県を保全すべき?
地域の環境


農産物11種の
  生産高
保全コスト

  コスト




   面積
保全目標
 米と野菜は8割、他の農産物は5割の生産高を
        確保したい。

 リスク分散のため各農作物について離れた場
     所の最低3県で生産したい。


   保全コストが低い地域を選びたい。
保全目標
 米と野菜は8割、他の農産物は5割の生産高を
        確保したい。

 リスク分散のため各農作物について離れた場
     所の最低3県で生産したい。


   保全コストが低い地域を選びたい。


 どの県を保全地域に選定すればよい?
Marxanとは

  複数条件の最適解を求める手法



 オペレーションズリサーチ、数理最適化問題の保
  全生態学への応用。空間的条件にも対応。
分析結果 (この結果に意味はありません)
保全計画
  Marxan
 最適解を提示    代替候補を提示




   意思決定をサポート
保全計画
        まとめ

環境的要因、社会的要因、保全目標をモデルに適
用し、分析・地図化することによって、保全計画
のための意思決定をサポートできます。
全体まとめ

   環境保全のためのデータの分析・地図化の
手法をご紹介しました。



これらの手法が、生物多様性の保全および東北地方
の「迅速な復興と環境保全の両立」に役立てばと思
います。
ご静聴ありがとうございました。

Contenu connexe

Tendances

LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせLiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせTakuya Minagawa
 
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定2 4.devianceと尤度比検定
2 4.devianceと尤度比検定logics-of-blue
 
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィコンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィNorishige Fukushima
 
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法Satoshi Hara
 
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」Akifumi Eguchi
 
時系列分析による異常検知入門
時系列分析による異常検知入門時系列分析による異常検知入門
時系列分析による異常検知入門Yohei Sato
 
[研究室論文紹介用スライド] Adversarial Contrastive Estimation
[研究室論文紹介用スライド] Adversarial Contrastive Estimation[研究室論文紹介用スライド] Adversarial Contrastive Estimation
[研究室論文紹介用スライド] Adversarial Contrastive EstimationMakoto Takenaka
 
確率的主成分分析
確率的主成分分析確率的主成分分析
確率的主成分分析Mika Yoshimura
 
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介Naoki Hayashi
 
Stanの便利な事後処理関数
Stanの便利な事後処理関数Stanの便利な事後処理関数
Stanの便利な事後処理関数daiki hojo
 
Imputation of Missing Values using Random Forest
Imputation of Missing Values using  Random ForestImputation of Missing Values using  Random Forest
Imputation of Missing Values using Random ForestSatoshi Kato
 
Optimizer入門&最新動向
Optimizer入門&最新動向Optimizer入門&最新動向
Optimizer入門&最新動向Motokawa Tetsuya
 
-SSIIの技術マップ- 過去•現在, そして未来 [領域]認識
-SSIIの技術マップ- 過去•現在, そして未来 [領域]認識-SSIIの技術マップ- 過去•現在, そして未来 [領域]認識
-SSIIの技術マップ- 過去•現在, そして未来 [領域]認識Hironobu Fujiyoshi
 
Yamadai.Rデモンストレーションセッション
Yamadai.RデモンストレーションセッションYamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション考司 小杉
 
馬に蹴られるモデリング
馬に蹴られるモデリング馬に蹴られるモデリング
馬に蹴られるモデリングShushi Namba
 
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習Deep Learning JP
 
ggplot2用例集 入門編
ggplot2用例集 入門編ggplot2用例集 入門編
ggplot2用例集 入門編nocchi_airport
 
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018Satoshi Fujimoto
 

Tendances (20)

LiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせLiDAR点群とSfM点群との位置合わせ
LiDAR点群とSfM点群との位置合わせ
 
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
 
Structure from Motion
Structure from MotionStructure from Motion
Structure from Motion
 
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィコンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
 
階層ベイズとWAIC
階層ベイズとWAIC階層ベイズとWAIC
階層ベイズとWAIC
 
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法
 
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」
 
時系列分析による異常検知入門
時系列分析による異常検知入門時系列分析による異常検知入門
時系列分析による異常検知入門
 
[研究室論文紹介用スライド] Adversarial Contrastive Estimation
[研究室論文紹介用スライド] Adversarial Contrastive Estimation[研究室論文紹介用スライド] Adversarial Contrastive Estimation
[研究室論文紹介用スライド] Adversarial Contrastive Estimation
 
確率的主成分分析
確率的主成分分析確率的主成分分析
確率的主成分分析
 
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
 
Stanの便利な事後処理関数
Stanの便利な事後処理関数Stanの便利な事後処理関数
Stanの便利な事後処理関数
 
Imputation of Missing Values using Random Forest
Imputation of Missing Values using  Random ForestImputation of Missing Values using  Random Forest
Imputation of Missing Values using Random Forest
 
Optimizer入門&最新動向
Optimizer入門&最新動向Optimizer入門&最新動向
Optimizer入門&最新動向
 
-SSIIの技術マップ- 過去•現在, そして未来 [領域]認識
-SSIIの技術マップ- 過去•現在, そして未来 [領域]認識-SSIIの技術マップ- 過去•現在, そして未来 [領域]認識
-SSIIの技術マップ- 過去•現在, そして未来 [領域]認識
 
Yamadai.Rデモンストレーションセッション
Yamadai.RデモンストレーションセッションYamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
 
馬に蹴られるモデリング
馬に蹴られるモデリング馬に蹴られるモデリング
馬に蹴られるモデリング
 
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
 
ggplot2用例集 入門編
ggplot2用例集 入門編ggplot2用例集 入門編
ggplot2用例集 入門編
 
Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018Open3DでSLAM入門 PyCon Kyushu 2018
Open3DでSLAM入門 PyCon Kyushu 2018
 

Plus de Mizutani Takayuki

Open dronemapハンズオン
Open dronemapハンズオンOpen dronemapハンズオン
Open dronemapハンズオンMizutani Takayuki
 
FOSS4G Hokkaido2016 LT資料
FOSS4G Hokkaido2016 LT資料FOSS4G Hokkaido2016 LT資料
FOSS4G Hokkaido2016 LT資料Mizutani Takayuki
 
自然環境調査におけるUAVの利用例
自然環境調査におけるUAVの利用例自然環境調査におけるUAVの利用例
自然環境調査におけるUAVの利用例Mizutani Takayuki
 
環境アセスにおけるクローズドデータによる問題
環境アセスにおけるクローズドデータによる問題環境アセスにおけるクローズドデータによる問題
環境アセスにおけるクローズドデータによる問題Mizutani Takayuki
 
カッパ(妖怪)の生息適地マップ作成入門
カッパ(妖怪)の生息適地マップ作成入門カッパ(妖怪)の生息適地マップ作成入門
カッパ(妖怪)の生息適地マップ作成入門Mizutani Takayuki
 
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライドMizutani Takayuki
 
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)Mizutani Takayuki
 

Plus de Mizutani Takayuki (8)

Open dronemapハンズオン
Open dronemapハンズオンOpen dronemapハンズオン
Open dronemapハンズオン
 
FOSS4G Hokkaido2016 LT資料
FOSS4G Hokkaido2016 LT資料FOSS4G Hokkaido2016 LT資料
FOSS4G Hokkaido2016 LT資料
 
自然環境調査におけるUAVの利用例
自然環境調査におけるUAVの利用例自然環境調査におけるUAVの利用例
自然環境調査におけるUAVの利用例
 
環境アセスにおけるクローズドデータによる問題
環境アセスにおけるクローズドデータによる問題環境アセスにおけるクローズドデータによる問題
環境アセスにおけるクローズドデータによる問題
 
カッパ(妖怪)の生息適地マップ作成入門
カッパ(妖怪)の生息適地マップ作成入門カッパ(妖怪)の生息適地マップ作成入門
カッパ(妖怪)の生息適地マップ作成入門
 
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
2014年日本生態学会広島大会・自由集会「仕事でつかえる!FOSS4G」発表スライド
 
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
地図タイルを作成・公開してみて わかった108個のこと(foss4g tokyo 2013発表資料)
 
植生タイルの作り方
植生タイルの作り方植生タイルの作り方
植生タイルの作り方
 

自然環境保全のためのデータの地図化・分析手法のご紹介