1 / 93

FR1.T09.5 - GIS and Agro- Geoinformatics Applications

FR1.T09.5 - GIS and Agro- Geoinformatics Applications. Feature Analysis of Groundwater Discharge Points in Coastal Regions around Mt. Chokaisan, Japan by Using ALOS PALSAR DATA. Yoichi KAGEYAMA, Hikaru SHIRAI, and Makoto NISHIDA. Department of Computer Science and Engineering,

ciara-allison
Télécharger la présentation

FR1.T09.5 - GIS and Agro- Geoinformatics Applications

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. FR1.T09.5 - GIS and Agro-Geoinformatics Applications Feature Analysis of Groundwater Discharge Points in Coastal Regions around Mt. Chokaisan, Japan by Using ALOS PALSAR DATA Yoichi KAGEYAMA, Hikaru SHIRAI, and Makoto NISHIDA Department of Computer Science and Engineering, Graduate School of Engineering and Resource Science, Akita University, JAPAN

  2. Table of Contents Motivation Study area Data analysis Results and Discussion Summary

  3. Submarine groundwater discharge Rain or Snow Submarine groundwater discharge mountain Sea Groundwater flows -A key role in linking land and sea water circulation -Collecting water directly -Water quality, amount of discharge, and discharge location are quite different.

  4. previously presented study spreading of the groundwater discharge Use ALOS AVNIR-2 data properties of the AVNIR-2 data acquired in different seasons were well able to retrieval the sea surface information†1. †1Y. Kageyama, C. Shibata, and M. Nishida, “Feature Analysis of Groundwater Discharge Points in Coastal Regions around Mt. Chokaisan by Using ALOS AVNIR-2 Data”, IEEJ Trans. EIS, Vol.131, No.10 (in press)

  5. ・ALOS AVNIR-2 (Advances Visible and Near Infrared Radiometer type 2)are passive sensors • - the data will be affected by clouds • the limited data are available. • ・ALOS PALSAR (Phased Array type • L-band Synthetic Aperture Radar) are active sensor • - we use the data regardless of the weather conditions. Purpose Analyzes features of the groundwater discharge points in coastal regions by using the ALOS PALSAR data as well as the AVNIR-2 data ⇒ use of textures calculated from co-occurrence matrix ⇒ classification maps regarding the textures were obtained with k-means. ⇒ comparison the PALSAR classification maps with the AVNIR-2 ones.

  6. Table of Contents Motivation Data used and study area Data analysis Results and Discussion Summary

  7. Study area Coastal region in Japan Sea Around the Mt.Chokaisan Well known as the origin of Crassostreanippona ⇒　Groundwater discharge can affect the Its growth Groundwater dischargeat Kamaiso (Aug. 3, 2010)

  8. ALOS PALSAR data ALOS AVNIR-2 Winter data (Feb. 25, 2010) Autumn data (Sep. 20, 2009) Autumn data (Oct. 7, 2009) Winter data (Jan. 30, 2010) (R,G,B:band3,2,1) 1270 MHz(L-band) (μm)

  9. Ground survey Date: Aug 3, 2010 Survey points ・Kisakata beach(2 points) ・Fukuden(3points) ・Kosagawa beach(3points) ・Kosagawa fishing port(1point) ・Misaki(3points) ・Kamaiso(1point) ・Gakko River(2points)

  10. Comparison of sea and spring water in each water quality ●:Sea Water ●:Spring water ●:Sea and spring water

  11. Table of Contents Motivation Data used and study area Data analysis Results and Discussion Summary

  12. For PALSARdata Geometric correction • - second order conformal transformation • cubic convolution • ⇒average RMS error was 0.41 Preprosessing -Geometric correction -Masking Grayscale conversion -16,32,64,128,256,512 Textures computed from co-occurrence matrix 吹浦 k-means algorithm to create the resulting classification Autumn data (Oct. 7, 2009) Winter data (Jan. 30, 2010)

  13. For PALSARdata Masking Preprosessing -Geometric correction -Masking A hydrology expert’s comment judged from the scale of Mt. Chokaisan, the submarine groundwater discharge exist ranging from land regions to 500 meters offing. 500m Grayscale conversion -16,32,64,128,256,512 ＋ Textures computed from co-occurrence matrix Masked images k-means algorithm to create the resulting classification Land area -Various DNs -DNs are larger

  14. 16 32 64 128 256 512 For PALSARdata Grayscale conversion -Noise reduction PALSAR data(2bytes) ⇒　16,32,64,128,256,512gray levels Preprosessing -Geometric correction -Masking Grayscale conversion -16,32,64,128,256,512 Textures computed from co-occurrence matrix k-means algorithm to create the resulting classification

  15. Textures computed from co-occurrence matrix For PALSARdata Preprosessing -Geometric correction -Masking • Eight features • -Mean, • -Entropy, • -Second moment, • -Variance, • Contrast, • Homogeneity, • Dissimilarity, • Correspond 小砂川 小砂川 Grayscale conversion -16,32,64,128,256,512 Textures computed from co-occurrence matrix e.g., mean Average the DNs of points around 吹浦 吹浦 k-means algorithm to create the resulting classification

  16. For PALSARdata k-means Preprosessing -Geometric correction -Masking The processing was ended: -the number of the maximum repetition amounted to 100 times, -moved pixels between clusters became 5% or less of the whole pixels. k was set from 2 to 20. 小砂川 小砂川 Grayscale conversion -16,32,64,128,256,512 Textures computed from co-occurrence matrix 吹浦 吹浦 k-means algorithm to create the resulting classification

  17. Table of Contents Motivation Data used and study area Data analysis Results and Discussion Summary

  18. Filter size (e.g., mean) 3×3 9×9 7×7 １１×１１ 5×5

  19. Select of feature (a)mean (b)entropy (c)second moment (d)variance

  20. Select of feature (e)contrast (f)homogeneity (g)dissimilarity (h)correlation

  21. Autumn PALSAR results The red clusters exist in Kosagawa, Misaki, Kamaiso. The green and blue clusters are also formed ⇒a spread of spring water. large difference of temperature between spring water and air Weather information during the data acquisition†1 • 8.2 ℃ †1http://www.jma.go.jp/jp/amedas/ (16 gray levels; mean; K=7)

  22. Autumn and winter PLASAR results the red clusters are decreasing in winter Winter data (16 gray levels; mean; K=7) Autumn data (16 gray levels; mean; K=7) In kosagawa,Amount of submarine groundwater discharge has been reduced in January to March.

  23. Autumn and winter PLASAR results the difference of temperature between Sea and spring water in the winter data is smaller. Autumn data Winter data (16 gray levels; mean; K=7) Weather information at the data acquisition†1 • 10.5 ℃ • 1.5 ℃ †1http://www.jma.go.jp/jp/amedas/

  24. PLASAR and AVNIR-2 results in Autumn PALSAR data (16 gray levels; mean; K=7) AVNIR-2 data (band1,2,3; k=7) The red clusters exist in Kosagawa, Misaki, and Kamaiso as well as the PALSAR classification results.

  25. PLASAR and AVNIR-2 results in Winter Compared with the autumn data, the cluster of red is reduced PALSAR data (16 gray levels, mean, K=7) AVNIR-2 data (band1,2,3;k=7) The conditions consistent with a decrease in the amount of submarine groundwater discharge in winter

  26. Summary This study has analyzed the features regarding the groundwater discharge points in the coastal regions around Mt. Chokaisan, Japan. -The experimental results suggest that the Mean obtained from the co-occurrence matrix was good in extraction of the features of the groundwater discharge points from the ALOS PALSAR data. -The ALOS PALSAR data has the possibility of extracting the groundwater discharge points in the study area. -The k-means clustering results in the PALSAR and AVNIR-2 data agreed with the findings acquired by the ground survey.

  27. Thank you for your attention!

  28. テクスチャ特徴量 Mean(平均値) Entropy(平均情報量) Angular Second Moment(要素の密集具合) Variance(分散) Contrast(濃度変化の激しさ) Homogeneity(均質性) Dissimilarity(相違性) Correlation(相関性)

  29. (a)mean (b)entropy (c)second moment (d)variance 32 gray levels; 9×9

  30. (e)contrast (f)homogeneity (g)dissimilarity (h)correlation 32 gray levels; 9×9

  31. 5×5 7×7 9×9 １１×１１ 3×3 Mean; 32gray levels; k=15

  32. 階調変換 16 512

  33. 使用データ取得時の気象データ 秋季PALSARデータ (2009/10/7) 冬季PALSARデータ (2010/1/30) 10/1:0mm 2:21.0mm 3:2.0mm 4:2.0mm 5:0mm 6:0mm 7:0mm 1/24:0mm 25:12.0mm 26:0mm 27:0.5mm 28:4.0mm 29:1.0mm 30:2.0mm 取得日時前3時間には降雨なし 冬季AVNIR-2データ (2010/2/25) 秋季AVNIR-2データ (2009/9/20) 9/14:0mm 15:21.0mm 16:2.0mm 17:2.0mm 18:0mm 19:0mm 20:0mm 2/19:0.5mm 20:5.0mm 21:0mm 22:4.5mm 23:0mm 24:0mm 25:0mm

  34. 海水温度 平均海水温度(℃) 月 最も低いのは2，3月 最も高いのは8月 †気象庁 アメダス:http://www.jma.go.jp/jp/amedas/

  35. 温度差 大気温度-湧水温度(2006~2010) 大気温度-海水温度(2006~2010) 温度差 温度差 月 月 夏季は湧水地点に反応が出る ((大気-海水):小(大気-湧水):大) 冬季は海水地点,湧水地点の反応に差異が見られない ((大気-海水):小(大気-湧水):小) †気象庁 アメダス:http://www.jma.go.jp/jp/amedas/

  36. 温度差 大気温度-湧水温度(2006~2010) 大気温度-海水温度(2006~2010) 温度差 温度差 月 月 10月において各差の差異がみられない 2010年 上旬(秋季PALSARデータ取得時期) 大気温度-海水温度　3.9 大気温度-湧水温度　8.6 差:4.7 †気象庁 アメダス:http://www.jma.go.jp/jp/amedas/

  37. 観測時刻の海水温度 秋季PALSARデータ (2009年10月7日) 水温約21℃ 冬季PALSARデータ (2010年1月30日) 水温約12℃ 気象庁 アメダス http://www.jma.go.jp/jp/amedas/より引用

  38. 対象地域の海流 対象地域は 北北東の海流 ●:小砂川 第二管区海上保安本部海洋情報部 http://www1.kaiho.mlit.go.jp/KAN2/index.html/より引用

  39. 現地調査の使用器具 測定項目 ・pH ・溶存酸素 ・電気伝導率 ・塩分濃度 ・全溶存固形物量 ・海水比重 ・温度 ・濁度 多項目水質計

  40. 測定項目 １．塩分濃度 水にとけている塩の量 塩化ナトリウムだけでなく硫酸マグネシウム、硫酸カルシウム、 炭酸水素塩等の塩類を含めていうことが多い ２．pH 物質の酸性、アルカリ性の度合いを示す数値 ただし、リモートセンシングデータに影響せず ３．溶存酸素量 水中に溶存する酸素の量 ４．電気伝導率 物質の電気伝導のしやすさを表す値 単位はジーメンス毎メートル[S/m](ジーメンスはオーム(Ω)の逆数) ５．海水比重 1気圧、４℃での純粋な水と同体積の物質の重さとの比 ６．温度 寒暖の度合いを数量で表したもの　セルシウス温度 ７．濁度 濁りの度合いを示す　単位はNTU(精製水1Lに1mgホルマジンを溶かした時1NTU) NTU・・・Nephelometric Turbidity Units

  41. 測定原理 pH ガラス電極法 ガラス電極と比較電極の2本の電極を用い、この2つの電極の間に生じた電圧(電位差)を知ることで、ある溶液のpHを測定する方法。 ガラスの薄膜の内・外側にpHの異なる溶液があると、薄膜部分に、pHの差に比例した起電力が生じる。この薄膜を電極膜という。普通溶液が30℃の場合、2つの溶液のpHの差が1違えば、約60mVの起電力を生じる。通常、ガラス電極の内部にはpH７の液を用いるため、電極膜に生じた起電力を測定しpHを求める。

  42. 測定原理 溶存酸素 隔膜式ガルバニ電池法 　イオン化傾向の異なる2つの電極(貴金属、卑金属)と隔膜、電解液で構成された電池の反応物質として 酸素を利用した時に生じる反応電流を測定する。 　隔膜式ガルバニ電池法は、流速影響を受けにくく、 溶液中に溶け込んだ酸素量を長時間安定して 測定可能である。 飯島電子工業株式会社webページより http://www.iijima-e.co.jp

  43. 測定原理 電気伝導率 交流4電極方式 　測定液に電極を浸して溶液抵抗を測定して求める。 電極面における分極容量および分極抵抗の影響を避けるために、交流電源を用いる。 2電極では0.1μS/cm~1mS/cmの範囲しか計測できないが、4電極では1mS/cm~1000mS/cmの高電気伝導率を測定可能。また、4電極方式は分極の激しい高濃度溶液でも分極が起きない。

  44. 測定原理 塩分濃度 電気伝導率より換算

  45. 測定原理 全溶存固形物量 電気伝導率より換算

  46. 測定原理 海水比重 電気伝導率より換算

  47. 測定原理 温度 白金薄膜抵抗体 金属の電気抵抗が温度変化して変化する性質を利用する。白金は、温度特性が良好で経時変化が少ない。 低温では、電子が金属内をスムーズに流れることができるが、高温になるにつれて金属分子運動が激しくなり電気抵抗が上昇する。この原理を利用して、温度を測定する。 理化工業株式会社webページより http://www.rkcinst.co.jp

  48. 測定原理 濁度 90度散乱光測定方式(赤外光) 照射された光は、懸濁物質の表面で 反射するものと、吸収されるものとで 分かれる。その光の量は、照射光の 波長と粒度分布で大きく変化する。 一定濃度までは比例して増加して、 それを超えると粒子による吸収や 干渉が起こり変化量は、減少する。 この散乱光のみを測定し、 その散乱の強さが水中の懸濁物質の 濃度に比例することを利用して、濁度を計測する方式。 株式会社東邦電探webページより http://www.dentan.co.jp/index.html

  49. 解析結果(2/5) (1)秋季データ 秋季PALSARデータと秋季AVNIR-2データとの比較 小砂川 海表面水温と大気温度の差が大きいため,湧出地点に 反応が見られる <観測時刻の気象情報†1,†2> 三崎 釜磯 †1気象庁 アメダス http://www.jma.go.jp/jp/amedas/ †2秋田県象潟海岸域における地下水の湧出特性 秋大地理,Vol.53,pp.17-20(2006) 秋季データA (16階調, クラスタ数7)

More Related