４

４．衛星データによる砂漠化進行の解析

4.1　使用したデータの特徴

　　６時期のTMデータの輝度平均値を表4-1にまとめた．CORONAはバンド別スペクトル値がないが，本研究でもっとも古いデータとして利用するため，表4-1に併記した．

表4-1　ランドサットTMデータのスペクトル特性

Data sets	Sensor	Band1	Band2	Band3	Band4	Band5	Band7	採用理由
1961.09.12	CORONA							最も古い画像データ
1984.07.10	TM	116	57	73	104	162	89	最も古いTMデータ
1988.09.23	TM	73	34	41	60	99	50	平年並みの降雨とよい季節
1990.07.11	TM	107	53	69	98	146	81	1984年ものとの比較
1994.09.08	TM	70	37	46	72	109	56	季節がよく降雨が最も多い
1995.09.11	TM	75	34	45	69	107	54	平年並の降雨．94年と比較
2000.09.24	TM	78	35	47	61	111	62	最も新しいTMデータ．

　　７月の両画像（1984，1990）はもっとも高い輝度植を持っている．ほかの４画像は顕著な輝度平均値の差が見られない．しかし，各データを以下のように画像として表示すると，色調が異なることがわかる．

図4-1　CORONA画像（1961.09.12）

１）CORONA画像

東西冷戦時代、アメリカは偵察衛星CORONA、 ARGON、LANYARDによって世界で86万枚にも及ぶ白黒の空中写真を撮影しており、その写真は1995年に一般公開するようになった。公開した写真は1961から1980年代初期まであるが、ミッションによって搭載したカメラの性能（KHシリーズ）が異なっていたため、写真の分解能は一様ではない。ミッションナンバーとカメラの詳細については、アメリカ地質調査所（USGS）のホームページhttp://edc.usgs.gov/　Webglis/glisbin/guide.pl/glis/hyper/guide/disから閲覧することができる。

　今回，用いた画像は，1960年10月～1961年10月まで稼動したKH-2がミッションナンバー9022で撮影したものである。もとフィルムは地上分解能でいうと25フィートまで可能という．図4-1の画像は対象地域を800dpiでスキャンし，Photoshopでモザイクしてから，画像処理ソフトER Mapperで2000年のASTER/VNIR画像（表3-1参照）の地理座標に併せたものである．Photoshopによるモザイクは目視で確認しながら手動で行った．幾何補正の標準誤差は3ピクセル以下に抑えることができた．ASTER/VNIRとよく重ね合わせができた．

２）Landsat画像

　　図4-2(a)～(f)は使用した対象地域のTMフォールスカラー画像である。赤が強いほど植生が強いことを表し、白い部分は植生がほとんどない、つまり砂丘域を示している．

　　図4-2(a)　Landsat画像（1984.07.10）

７月にはコルチンでは植生がまだ十分に成長していなく，露出する土壌が多いため，輝度値が平均的に大きい．これは表4-1に示したとおりである．

　　図4-2(b)　Landsat画像（1988.09.23）

平年並の降雨量と9月時の画像として，1980年代後期の砂漠化の進展を見せる．

　　図4-2(c)　Landsat画像（1990.07.11）

　1984年の画像と同様，7月のものとして，植生がやや少ないことがわかる．

　　図4-2(d)　Landsat画像（1994.09.08）

　第３章で示した年次月別降水量では，1994年のほうが高かったため，画像にはもっとも多くの植生量が観測された．

　　図4-2(e)　Landsat画像（1995.09.11）

　1994年と同じ季節であること，一年しかたっていないことを利用して，降雨量の違いが植生に与える影響をみることができる．

　　図4-2(f)　Landsat画像（2000.09.24）

　最も新しいTMデータとして，砂漠化の進展の現状を知る．画像は青っぽく映る．それは撮影前日に3.7mmの降雨があって，土壌に多くの水分が含まれていたからと推測する．

３）データ解析の方法

衛星画像による砂漠化の進展をみる場合，正規化植生指数NDVIを利用する方法，各年次の土地被覆分類図を作成して移動砂丘や半移動砂丘と認めた地域を比較する方法，砂漠化指数を評価する方法などがある．NDVIは植生が少ない場合，裸出する土壌の反射を強く受け，NDVIが実際の植生の状況を過大に評価する傾向があると指摘されている．

土地被覆分類図を作る場合，教師付き分類と教師なし分類（クラスタリング）がある．分類クラスをどのように意味づけするかによって，イメージがかなり変わることになる．

砂漠化指数としては土壌指数（主成分分析やTasseled Cap　Transformationの明度指標）を利用する方法，土地被覆分類結果を一定の面積で集計し，移動砂丘や半移動砂丘の面積率で評価する方法，地上で植物組成を調査して，退化遷移の段階を評価する方法など，さまざまある．

これらの方法を比較することはこの研究の目的でないが，取得された季節，それまでの降雨，撮影時の観測条件を考慮しないと，信頼性の高い結果を作ることができない．以下では，土地被覆図を作成して，それから，NDVIと主成分分析による土壌指数を用いて検証することにした．

4.2 衛星画像の分類による土地被覆図の作成

1)　CORONA画像による1961年の土地被覆分類

　ISODATA法を用いたクラスタリングによりCORONA画像を分類した．クラスタリングの際の条件設定は６つの画像に共通して図4-3のように設定した。意味付けのカテゴリーとしては、水域・湿地（Water/wetland）、森林地帯（Forest）、樹林地（Woodland）、潅木地（Shrub）、草地（Grassland）、半草地（Semigrass）、半移動砂丘（Sand2）、移動砂丘（Sand1）の8つを設定した。1961年当時の土地被覆分類図を図4-4(a)に示す。