QGIS, Rを用いた衛星データ(LST, NDVI)の時空間統計分析2：静的な時空間モデリングの応用事例

ここでは、衛星リモートセンシングデータから生成された地表面温度 (Land Surface Temperature: LST) や、植生指数 (Normalized Difference Vegetation Index: NDVI) を用いた静的な時空間モデリングの応用事例に取り組みます。先にこちらのWebページで、その概要を確認しておいて下さい。

他の演習内容：
• GRASSのインストール、標高データを用いた地滑り危険度マップの作成
• 植生指数 (NDVI) の計算、表示
• 標高データ (SRTM)の表示、植生指数 (NDVI) の3次元表示
• 反射率、輝度温度、標高データを用いた土地被覆分類
• QGIS, Rを用いた公示地価データの空間統計分析：空間的自己回帰モデル
• QGIS, Rを用いた公示地価データの空間統計分析：静的な時空間モデリング
• QGIS, Rを用いた衛星データ(LST, NDVI)の時空間統計分析：静的な時空間モデリング
• QGIS, Rを用いた衛星データ(LST, NDVI)の時空間統計分析：静的な時空間モデリングの応用事例
• Pythonを用いた空間統計分析のための衛星データ（LST, NDVI）の処理1（市町村別データの生成）
• Pythonを用いた空間統計分析のための衛星データ（LST, NDVI）の処理2（人口データの重みを加味した市町村別データの生成）

本演習内容：
1. 演習内容の概要
2. （参考）使用するデータ：LST, NDVIデータ
3. 使用するデータ：大気データ（NOx, SOx等）
4. 課題

この演習で最終的に得られる結果の一例：京都府全域を対象にした地上測定局におけるNOXの観測値（単位:ppm）（左）、時空間モデリングにより推定された推定値（中）、残差（右）。（上段）DOY=129、（下段）DOY=353（2012年1月1日をDOY=1）時における結果。

1. 演習内容の概要

日本の主要な都市を対象に、地上の測定局で観測された大気汚染物質を被説明変数に、人工衛星に搭載されたセンサで観測される地表面温度 (LST), 植生指数 (NDVI) を説明変数とする時空間統計モデルを推定する。

2.（参考）使用するデータ

演習では、演習内に提示するデータを利用して処理するが（データはPandAのフォルダに存在）、自分たちでも直接LST, NDVIのプロダクトをダウンロードできる。

• MODIS LST (8日間コンポジット（合成）プロダクト、1 km解像度)：
  https://e4ftl01.cr.usgs.gov/MOLT/MOD11A2.006/
• MODIS NDVI (16日間コンポジットプロダクト、1 km解像度)：
  https://e4ftl01.cr.usgs.gov/MOLT/MOD13A2.006/

（参考）2022年3月修士課程修了の楠瀬智也氏が残してくれた、LST, NDVIプロダクトのダウンロードおよび処理の手引書

• Pythonを用いた空間統計分析のための衛星データ（LST, NDVI）の処理1（市町村別データの生成）
• Pythonを用いた空間統計分析のための衛星データ（LST, NDVI）の処理2（人口データの重みを加味した市町村別データの生成）

3. 使用するデータ：大気データ（NOx, SOx等）

下記のWebサイトにおいて、対象地域、年度、測定物質を指定して「月間値・年間値データ」をダウンロードする。今回はNOXを選ぶとする。

大気汚染常時監視データ｜環境展望台：国立環境研究所 環境情報メディア

注意：このデータは年度単位であり、LST, NDVIは年単位と異なっている。そのため、2011年度〜2015年度のデータをダウンロードしておく。

4. 課題

各班で以下の課題に取り組んで、レポートを作成し、PandA上のフォルダに提出する。提出後はメールにて連絡する。

1. 2012年1月〜2015年12月の月単位の測定物質データを抽出する。

京都府下の測定局で観測されたNOX濃度のデータ。測定局の名前とコードを抽出し、各月のデータを"201201","201202"のように整理している。

2. 各測定局の緯度、経度の座標を調べる。
   1. 環境省大気汚染物質広域監視システム（そらまめくん）のWebサイトで特定の県の測定局の住所が示される。
   2. アドレスマッチングを利用して、上記の住所を緯度経度に変換する。多数のWebサイトが利用可能であるが、例えば、 QuickConvert等が挙げられる。
3. 測定局の座標に最も近いLST, NDVIのデータを抽出し、NOXの次にLST, その後にNDVIのお時系列データを追記する。この時点で"201201", "201202"といった年月のデータは"2012001NOX", "2012033NOX"のように2012/01/01を1とするDOYに変換しておく。LST, NDVIの場合、"2012001LST", "2012001NDVI"とする。この後で、'N/A'が多い行は削除しておく。

NOXデータの右側にLST, NDVIの2012年から2015年までのデータが整理された様子。

4. 大気汚染物質を被説明変数、LST, NDVI, 緯度、経度、DOYを説明変数として、静的モデリングの時の処理に従ってモデルを推定する。
注意：
今回、筆者が京都府のNOXを対象に解析したところ、データがあまり存在しない測定局を除いていくと最終的に25地点しか残らなかった。半数をモデル推定に、残り半数を検証用に分けるとモデル推定には不十分であったため、モデルを推定するために、このページの内容に下記の点で修正を加えている。
• 「低ランクガウス過程による時空間統計解析の実行」の際に、2次元・1次元の基底の数をc(50,10)からc(10,5)に減らした。
• 全点数をモデル推定用に使用した。

得られた結果の一例：京都府全域を対象にした地上測定局におけるNOXの観測値（単位:ppm）（左）、時空間モデリングにより推定された推定値（中）、残差（右）。DOY=353（2012年1月1日をDOY=1）時における結果。

5. （余力があれば）上記の処理を同一県の異なる大気汚染物質に対して繰り返し、大気汚染物質を被説明変数するモデルを推定し、比較する。
6. （余力があれば）上記の処理を異なる近隣の県において繰り返し、大気汚染物質を被説明変数するモデルを推定し、比較する。

[GRASSのインストール、標高データを用いた地滑り危険度マップの作成]
[植生指数 (NDVI) の計算、表示]
[標高データ (SRTM)の表示、植生指数 (NDVI) の3次元表示]
[反射率、輝度温度、標高データを用いた土地被覆分類]
[QGIS, Rを用いた公示地価データの空間統計分析：空間的自己回帰モデル]
[QGIS, Rを用いた公示地価データの空間統計分析：静的な時空間モデリング]
[QGIS, Rを用いた衛星データ(LST, NDVI)の時空間統計分析：静的な時空間モデリング]
[QGIS, Rを用いた衛星データ(LST, NDVI)の時空間統計分析：静的な時空間モデリングの応用事例]
[Pythonを用いた空間統計分析のための衛星データ（LST, NDVI）の処理1（市町村別データの生成）]
[Pythonを用いた空間統計分析のための衛星データ（LST, NDVI）の処理2（人口データの重みを加味した市町村別データの生成）]

[講義「リモートセンシングと地理情報システム(GIS)」のトップページ]
[須�ｱ純一のページへ]