知財求人 - 知財ポータルサイト「IP Force」
特許7075557マルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2022-05-18
(45)【発行日】2022-05-26
(54)【発明の名称】マルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法
(51)【国際特許分類】
G06T 7/00 20170101AFI20220519BHJP
【ＦＩ】
G06T7/00 640
【請求項の数】
7
(21)【出願番号】P 2022001036
(22)【出願日】2022-01-06
【審査請求日】2022-01-06
(31)【優先権主張番号】202110948400.5
(32)【優先日】2021-08-18
(33)【優先権主張国・地域又は機関】CN
【早期審査対象出願】
(73)【特許権者】
【識別番号】521275909
【氏名又は名称】中国科学院西北生態環境資源研究院
(74)【代理人】
【識別番号】100216471
【弁理士】
【氏名又は名称】瀬戸 麻希
(72)【発明者】
【氏名】張金竜
(72)【発明者】
【氏名】王宏偉
(72)【発明者】
【氏名】楊瑞
(72)【発明者】
【氏名】郭俊▲いゆう▼
(72)【発明者】
【氏名】祁元
(72)【発明者】
【氏名】周▲しん▼
(72)【発明者】
【氏名】張秋敏
(72)【発明者】
【氏名】張強
【審査官】間野 裕一
(56)【参考文献】
【文献】特開２００５－３１００５３（ＪＰ，Ａ）
【文献】特開２００３－２７９４１５（ＪＰ，Ａ）
【文献】特開平１１－２０３４４３（ＪＰ，Ａ）
【文献】特開２０１１－２８９２（ＪＰ，Ａ）
【文献】中国特許出願公開第１０７１６９６５３（ＣＮ，Ａ）
【文献】中国特許出願公開第１１２１１５１９８（ＣＮ，Ａ）
【文献】中国特許出願公開第１１３３９２７８８（ＣＮ，Ａ）
【文献】中国特許出願公開第１１２９６６９２５（ＣＮ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｔ ７／００
Ｇ０６Ｔ １／００
(57)【特許請求の範囲】
【請求項1】
Ｓ１：
農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセンシング画像データを取
得して、情報処理装置によって予備処理した後、処理されたデータを合成して高解像度の
マルチスペクトルリモートセンシング画像を取得するステップと、
Ｓ２：
情報処理装置により、農村非正規ゴミの高解像度リモートセンシング分類システムを確立
し、前記高解像度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農
業生産廃棄物、一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれるステ
ップと、
Ｓ３：
Ｓ２で確立された高解像度リモートセンシング分類システムの空間混同法則特徴に従って
、手動視覚的解釈によって予測の農村非正規ゴミ分布点を取得し、次に現地調査によって
得られた実際の農村非正規ゴミ分布点と前記予測の農村非正規ゴミ分布点を情報処理装置
により比較して計算し、分類結果の精度を混同行列で示し、全体精度とＫａｐｐａ係数に
基づいて農村非正規ゴミポイントの分類精度を評価するステップと、
Ｓ４：
情報処理装置により、自然要素と社会経済的要素の両方から独立変数を選択し、農村非正
規ゴミ投棄場に影響を及ぼす主要な要因を分析して標準化された独立変数データに処理す
るステップと、
Ｓ５：
情報処理装置により、地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす
主要な要因の回帰係数を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立するス
テップと、
Ｓ６：
情報処理装置により、ＡｒｃＧＩＳ中の自然セグメントポイント法を使用して、得られた
農村非正規ゴミ投棄リスク分布指数を、超低リスク、低リスク、中リスク、高リスク、超
高リスクの５種類に分類するステップと、を含む、
ことを特徴とするマルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法
。
【請求項2】
Ｓ１では、前記高解像度衛星リモートセンシング画像データには、マルチスペクトルリモートセンシング画像およびパンクロマティック画像が含まれる、
ことを特徴とする請求項１に記載の方法。
【請求項3】
Ｓ１は、Ｓ１‐１：情報処理装置により、リソースサテライトセンターからマルチスペクトルリモ
ートセンシング画像データおよびパンクロマティック高解像度画像データをダウンロード
して取得することと、
Ｓ１‐２：式
、衛星負荷チャンネル観察値、つまりＤＮ値を衛星負荷等価見かけ放射輝度データに変換
し、式では、
Ｓ１‐３：ラジオメトリックキャリブレーションされたマルチスペクトルリモートセンシ
ング画像データを、ＦＬＡＡＳＨ大気補正アルゴリズムを使用して大気補正を行うことと
、
Ｓ１‐４：有理多項式関数モデルに基づき、軌道間の地域ネットワーク調整数学モデルを
構築し、画像接続点と少数の制御点から調整に関与するすべての衛星画像方向パラメータ
を解き、サブピクセルレベルの補正結果を取得し、さらにオルソ補正後の高解像度衛星画
像を計算して取得することと、
Ｓ１‐５：処理されたマルチスペクトルリモートセンシング画像データとパンクロマティ
ック高解像度画像データを合成して、高解像度のマルチスペクトルリモートセンシング画
像を取得することと、を含む、
ことを特徴とする請求項２に記載の方法。
【請求項4】
Ｓ１‐５は、情報処理装置により、低空間解像度のマルチスペクトルデータと高空間解像度のパンクロマティック高解像度画像データを、ＨＳＶ変更アルゴリズムにより合成して
高解像度のマルチスペクトルリモートセンシング画像を生成することであり、ＲＧＢ画像
をＨＳＶに変換し、高解像度画像を使用して色の明るさ値帯域を置き換え、３次畳み込み
技術を使用して色相と彩度を高解像度ピクセルまで再サンプリング、画像をＲＧＢカラー
に変換し、農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング
画像データを生成するために、マルチシーンの高解像度リモートセンシングをモザイクし
てすべての農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング
画像モザイク図を生成し、農村非正規ゴミ投棄場抽出調査地域のベクタ境界線を使用して
、農村非正規ゴミ投棄場抽出調査地域の範囲を超えた画像をトリミングして、農村非正規
ゴミ投棄場抽出調査地域内の高解像度リモートセンシング画像を生成する、
ことを特徴とする請求項３に記載の方法。
【請求項5】
Ｓ４では、自然要素と社会経済的要素の両方から道路ネットワーク密度、標高、人口、地域ＧＤＰ、植生被覆率、水ネットワーク密度、居住用地面積、ＡＧＤＰを独立変数として
選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な要因を分析し、上記の８つの独立変
数データを投影変換、空間解像度再サンプリング、データトリミングの手順を通じて、標
準化された独立変数データに処理する、
ことを特徴とする請求項１に記載の方法。
【請求項6】
Ｓ５は、情報処理装置により、ＧＷＲ４．０ソフトウェアを使用して、調査地域の農村非正規ゴミ投棄に影響を及ぼす独立変数の回帰係数および駆動要素を計算してから、各独立
変数の空間回帰係数から農村非正規ゴミ投棄場のリスク評価モデルを確立する、
ことを特徴とする請求項１に記載の方法。
【請求項7】
Ｓ５では、農村非正規ゴミ投棄場のリスク評価モデルを確立するには農村非正規ゴミリスク指数を計算することは、
Ｓ５‐１：式：
帰係数であり、
の値、誤差項であることと、
Ｓ５‐２：式：
Ｓ５‐３：ガウス関数を使用してモデル空間重みを決定し、式は
Ｓ５‐４：最適な帯域幅を得るために、ＡＩＣ基準をＧＷＲモデルの帯域幅選択に適用し
、ＡＩＣｃ値はＡＩＣ基準に基づいて計算され、ＡＩＣｃ値が最小のＧＷＲモデルに対応
する帯域幅を最適な帯域幅として、計算式は
含む、
ことを特徴とする請求項６に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、農村非正規ゴミ管理の技術分野に関し、具体的には、マルチソースデータに基
づく農村非正規ゴミ分類およびリスク識別方法に関する。
づく農村非正規ゴミ分類およびリスク識別方法に関する。
【背景技術】
【0002】
中国の社会経済の継続的な発展と急速な人口増加、そして農村地域の生活水準の大幅な改
善、同時に、農村住民の環境保護意識の低さやインフラの欠如により、家庭ごみはかつて
ないほどの割合で増加し、その結果、農村地域での非正規家庭ごみの問題が徐々に浮上し
、深刻な環境汚染を引き起こし、農村ゴミ管理は、開発途上国の政府が直面している大き
な課題となっている。
善、同時に、農村住民の環境保護意識の低さやインフラの欠如により、家庭ごみはかつて
ないほどの割合で増加し、その結果、農村地域での非正規家庭ごみの問題が徐々に浮上し
、深刻な環境汚染を引き起こし、農村ゴミ管理は、開発途上国の政府が直面している大き
な課題となっている。
【0003】
農村の非正規ゴミ管理の状況も非常に厳しく、全体として、大量かつ広い面積、散在する
分布、複雑な構成、有害成分増加、および大きな地域差などの特徴を示し、ごみ処理を整
然と進めるのは難しい。
分布、複雑な構成、有害成分増加、および大きな地域差などの特徴を示し、ごみ処理を整
然と進めるのは難しい。
【0004】
農村の非正規ゴミの分類およびリスク評価を実現する方法は、ゴミの管理に科学的ガイダ
ンスを効果的に提供することができる。
ンスを効果的に提供することができる。
【発明の概要】
【0005】
本発明の目的は、マルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法
を提供することでる。
を提供することでる。
【0006】
本発明の技術的解決策として、マルチソースデータに基づく農村非正規ゴミ分類およびリ
スク識別方法は、以下のステップを含む。
Ｓ１：画像データの取得および予備処理
農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセンシング画像データを取
得して、情報処理装置によって予備処理した後、処理されたデータを合成して高解像度の
マルチスペクトルリモートセンシング画像を取得する。
Ｓ２：農村非正規ゴミの高解像度リモートセンシング分類システムの確立
情報処理装置により、農村非正規ゴミの高解像度リモートセンシング分類システムを確立
し、前記高解像度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農
業生産廃棄物、一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
Ｓ３：情報抽出および認証
ステップＳ２で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第２リモートセンシングサンプルポイントから
、専門家が高解像度の第２リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第２の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第２の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第２の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とＫａｐｐａ係数に基づいて農村非正規ゴミポイント分類精度を評価する。
Ｓ４：農村非正規ゴミ分布に影響を及ぼす要素データの選択
情報処理装置により、自然要素と社会経済的要素の両方から独立変数を選択し、農村非正
規ゴミ投棄場に影響を及ぼす主要な要因を分析して標準化された独立変数データに処理す
る。
Ｓ５：農村非正規ゴミ投棄場のリスク評価モデルの確立
情報処理装置により、地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす
主要な要因の回帰係数を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立する。
Ｓ６：非正規ゴミ投棄場のリスクレベル分布の評価
情報処理装置により、ＡｒｃＧＩＳ中の自然セグメントポイント法を使用して、得られた
農村非正規ゴミ投棄リスク分布指数を、超低リスク、低リスク、中リスク、高リスク、超
高リスクの５種類に分類するステップと、を含む。
本発明の一側面として、Ｓ１では、前記高解像度衛星リモートセンシング画像データには
、マルチスペクトルリモートセンシング画像およびパンクロマティック画像が含まれる。
本発明の一側面として、Ｓ１は具体的に以下のことを含む。
スク識別方法は、以下のステップを含む。
Ｓ１：画像データの取得および予備処理
農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセンシング画像データを取
得して、情報処理装置によって予備処理した後、処理されたデータを合成して高解像度の
マルチスペクトルリモートセンシング画像を取得する。
Ｓ２：農村非正規ゴミの高解像度リモートセンシング分類システムの確立
情報処理装置により、農村非正規ゴミの高解像度リモートセンシング分類システムを確立
し、前記高解像度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農
業生産廃棄物、一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
Ｓ３：情報抽出および認証
ステップＳ２で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第２リモートセンシングサンプルポイントから
、専門家が高解像度の第２リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第２の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第２の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第２の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とＫａｐｐａ係数に基づいて農村非正規ゴミポイント分類精度を評価する。
Ｓ４：農村非正規ゴミ分布に影響を及ぼす要素データの選択
情報処理装置により、自然要素と社会経済的要素の両方から独立変数を選択し、農村非正
規ゴミ投棄場に影響を及ぼす主要な要因を分析して標準化された独立変数データに処理す
る。
Ｓ５：農村非正規ゴミ投棄場のリスク評価モデルの確立
情報処理装置により、地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす
主要な要因の回帰係数を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立する。
Ｓ６：非正規ゴミ投棄場のリスクレベル分布の評価
情報処理装置により、ＡｒｃＧＩＳ中の自然セグメントポイント法を使用して、得られた
農村非正規ゴミ投棄リスク分布指数を、超低リスク、低リスク、中リスク、高リスク、超
高リスクの５種類に分類するステップと、を含む。
本発明の一側面として、Ｓ１では、前記高解像度衛星リモートセンシング画像データには
、マルチスペクトルリモートセンシング画像およびパンクロマティック画像が含まれる。
本発明の一側面として、Ｓ１は具体的に以下のことを含む。
【0007】
Ｓ１‐１：情報処理装置により、リソースサテライトセンターからマルチスペクトルリモ
ートセンシング画像データおよびパンクロマティック高解像度画像データをダウンロード
して取得する。その内に、マルチスペクトルとパンクロマティック高解像度画像の高解像
度データはリソースサテライトセンターからダウンロードして取得され、農村非正規ゴミ
投棄場抽出調査地域の高解像度リモートセンシングデータ、例えば１ｍ解像度パンクロマ
ティック／２ｍ解像度マルチスペクトルを含む高解像度の第２のデータをダウンロードす
ることができる。
Ｓ１‐２：式
に従って、衛星リモートセンシング画像データをラジオメトリックキャリブレーションし
、衛星負荷チャンネル観察値、つまりＤＮ値を衛星負荷等価見かけ放射輝度データに変換
し、式では、
は衛星負荷等価見かけ放射輝度であり、
はキャリブレーションスロープであり、
は衛星負荷チャンネル観察値であり、
はキャリブレーションインターセプトである。
Ｓ１‐３：ラジオメトリックキャリブレーションされたマルチスペクトルリモートセンシ
ング画像データを、ＦＬＡＡＳＨ大気補正アルゴリズムを使用して大気補正を行い、可視
性、エアロゾルタイプと大気水蒸気含有量などの大気に関連するパラメータを取得するこ
とで、大気放射透過方程式を解き反射率データを取得し、さらに補正過程中の残留ノイズ
を解消する。
Ｓ１‐４：有理多項式関数モデルに基づき、軌道間の地域ネットワーク調整数学モデルを
構築し、画像接続点と少数の制御点から調整に関与するすべての衛星画像方向パラメータ
を解き、サブピクセルレベルの補正結果を取得し、さらにオルソ補正後の高解像度衛星画
像を計算して取得する。
Ｓ１‐５：処理されたマルチスペクトルリモートセンシング画像データとパンクロマティ
ック高解像度画像データを合成して、高解像度のマルチスペクトルリモートセンシング画
像を取得する。
Ｓ１‐５は、具体的に情報処理装置により、低空間解像度のマルチスペクトルデータと高
空間解像度のパンクロマティック高解像度画像データを、ＨＳＶ変更アルゴリズムにより
合成して高解像度のマルチスペクトルリモートセンシング画像を生成することであり、具
体的には、ＲＧＢ画像をＨＳＶに変換し、高解像度画像を使用して色の明るさ値帯域を置
き換え、３次畳み込み技術を使用して色相と彩度を高解像度ピクセルまで再サンプリング
、画像をＲＧＢカラーに変換し、農村非正規ゴミ投棄場抽出調査地域をカバーする高解像
度リモートセンシング画像データを生成するために、マルチシーンの高解像度リモートセ
ンシングをモザイクしてすべての農村非正規ゴミ投棄場抽出調査地域をカバーする高解像
度リモートセンシング画像モザイク図を生成し（その内のマルチシーン高解像度リモート
センシングは、１シーンは１枚に相当し、マルチシーンは複数枚に相当し、調査地域はマ
ルチシーン画像を使用して被覆されるため、マルチシーン画像をモザイクして調査地域全
体を被覆する画像モザイク図を生成するからである）、農村非正規ゴミ投棄場抽出調査地
域のベクタ境界線を使用して、農村非正規ゴミ投棄場抽出調査地域の範囲を超えた画像を
トリミングして、農村非正規ゴミ投棄場抽出調査地域内の高解像度リモートセンシング画
像を生成する。
ートセンシング画像データおよびパンクロマティック高解像度画像データをダウンロード
して取得する。その内に、マルチスペクトルとパンクロマティック高解像度画像の高解像
度データはリソースサテライトセンターからダウンロードして取得され、農村非正規ゴミ
投棄場抽出調査地域の高解像度リモートセンシングデータ、例えば１ｍ解像度パンクロマ
ティック／２ｍ解像度マルチスペクトルを含む高解像度の第２のデータをダウンロードす
ることができる。
Ｓ１‐２：式
、衛星負荷チャンネル観察値、つまりＤＮ値を衛星負荷等価見かけ放射輝度データに変換
し、式では、
Ｓ１‐３：ラジオメトリックキャリブレーションされたマルチスペクトルリモートセンシ
ング画像データを、ＦＬＡＡＳＨ大気補正アルゴリズムを使用して大気補正を行い、可視
性、エアロゾルタイプと大気水蒸気含有量などの大気に関連するパラメータを取得するこ
とで、大気放射透過方程式を解き反射率データを取得し、さらに補正過程中の残留ノイズ
を解消する。
Ｓ１‐４：有理多項式関数モデルに基づき、軌道間の地域ネットワーク調整数学モデルを
構築し、画像接続点と少数の制御点から調整に関与するすべての衛星画像方向パラメータ
を解き、サブピクセルレベルの補正結果を取得し、さらにオルソ補正後の高解像度衛星画
像を計算して取得する。
Ｓ１‐５：処理されたマルチスペクトルリモートセンシング画像データとパンクロマティ
ック高解像度画像データを合成して、高解像度のマルチスペクトルリモートセンシング画
像を取得する。
Ｓ１‐５は、具体的に情報処理装置により、低空間解像度のマルチスペクトルデータと高
空間解像度のパンクロマティック高解像度画像データを、ＨＳＶ変更アルゴリズムにより
合成して高解像度のマルチスペクトルリモートセンシング画像を生成することであり、具
体的には、ＲＧＢ画像をＨＳＶに変換し、高解像度画像を使用して色の明るさ値帯域を置
き換え、３次畳み込み技術を使用して色相と彩度を高解像度ピクセルまで再サンプリング
、画像をＲＧＢカラーに変換し、農村非正規ゴミ投棄場抽出調査地域をカバーする高解像
度リモートセンシング画像データを生成するために、マルチシーンの高解像度リモートセ
ンシングをモザイクしてすべての農村非正規ゴミ投棄場抽出調査地域をカバーする高解像
度リモートセンシング画像モザイク図を生成し（その内のマルチシーン高解像度リモート
センシングは、１シーンは１枚に相当し、マルチシーンは複数枚に相当し、調査地域はマ
ルチシーン画像を使用して被覆されるため、マルチシーン画像をモザイクして調査地域全
体を被覆する画像モザイク図を生成するからである）、農村非正規ゴミ投棄場抽出調査地
域のベクタ境界線を使用して、農村非正規ゴミ投棄場抽出調査地域の範囲を超えた画像を
トリミングして、農村非正規ゴミ投棄場抽出調査地域内の高解像度リモートセンシング画
像を生成する。
【0008】
本発明の一側面として、Ｓ４では、具体的に、自然要素と社会経済的要素の両方から道路
ネットワーク密度、標高、人口、地域ＧＤＰ、植生被覆率、水ネットワーク密度、居住用
地面積、ＡＧＤＰを独立変数として選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な
要因を分析し、上記の８つの独立変数データを投影変換、空間解像度再サンプリング、デ
ータトリミングの手順を通じて、標準化された独立変数データに処理する。
本発明の一側面として、Ｓ５は、具体的に、情報処理装置により、ＧＷＲ４．０ソフトウ
ェアを使用して、調査地域の農村非正規ゴミ投棄に影響を及ぼす独立変数の回帰係数およ
び駆動要素を計算してから、各独立変数の空間回帰係数から農村非正規ゴミ投棄場のリス
ク評価モデルを確立する。
ネットワーク密度、標高、人口、地域ＧＤＰ、植生被覆率、水ネットワーク密度、居住用
地面積、ＡＧＤＰを独立変数として選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な
要因を分析し、上記の８つの独立変数データを投影変換、空間解像度再サンプリング、デ
ータトリミングの手順を通じて、標準化された独立変数データに処理する。
本発明の一側面として、Ｓ５は、具体的に、情報処理装置により、ＧＷＲ４．０ソフトウ
ェアを使用して、調査地域の農村非正規ゴミ投棄に影響を及ぼす独立変数の回帰係数およ
び駆動要素を計算してから、各独立変数の空間回帰係数から農村非正規ゴミ投棄場のリス
ク評価モデルを確立する。
【0009】
本発明の一側面として、前記Ｓ５では、農村非正規ゴミ投棄場のリスク評価モデルを確立
するには農村非正規ゴミリスク指数を計算することは、具体的に、
Ｓ５‐１：式：
から農村非正規ゴミサンプルポイントの従属変数を計算し、式では、
は農村非正規ゴミサンプルポイントｉの従属変数であり、
は農村非正規ゴミサンプルポイントｉの位置座標であり、
は農村非正規ゴミサンプルポイントｉのインターセプトであり、
は農村非正規ゴミ分布に影響を及ぼすｋ番目の独立変数のサンプルポイントｉでの加重回
帰係数であり、
と
はそれぞれ農村非正規ゴミ分布に影響を及ぼすｋ番目の独立変数のサンプルポイントｉで
の値、誤差項であることと、
Ｓ５‐２：式：
からパラメータ推定方法を計算し、式では、
は
対角行列であり、
、
はそれぞれ独立変数と従属変数行列であることと、
Ｓ５‐３：ガウス関数を使用してモデル空間重みを決定し、式は
であり、式では、
は帯域幅パラメータであり、
はサンプルポイントｉからサンプルポイントｊまでの距離であることと、
Ｓ５‐４：最適な帯域幅を得るために、ＡＩＣ基準をＧＷＲモデルの帯域幅選択に適用し
、ＡＩＣｃ値はＡＩＣ基準に基づいて計算され、ＡＩＣｃ値が最小のＧＷＲモデルに対応
する帯域幅を最適な帯域幅として、計算式は
であり、式では、
はＡＩＣｃ値の計算パラメータであり、
は誤差項の推定標準偏差であり、
はＧＷＲモデルのＳ行列のトレースであり、帯域幅パラメータｈの関数であることと、を
含み、一般的に、同様のサンプルデータの場合、ＡＩＣｃ値が小さいほど、モデルフィッ
ティング効果が良くなり、そうでない場合モデルフィッティング効果が良くないことを示
す。
するには農村非正規ゴミリスク指数を計算することは、具体的に、
Ｓ５‐１：式：
帰係数であり、
の値、誤差項であることと、
Ｓ５‐２：式：
Ｓ５‐３：ガウス関数を使用してモデル空間重みを決定し、式は
Ｓ５‐４：最適な帯域幅を得るために、ＡＩＣ基準をＧＷＲモデルの帯域幅選択に適用し
、ＡＩＣｃ値はＡＩＣ基準に基づいて計算され、ＡＩＣｃ値が最小のＧＷＲモデルに対応
する帯域幅を最適な帯域幅として、計算式は
含み、一般的に、同様のサンプルデータの場合、ＡＩＣｃ値が小さいほど、モデルフィッ
ティング効果が良くなり、そうでない場合モデルフィッティング効果が良くないことを示
す。
【発明の効果】
【0010】
従来技術と比較すると、本発明は以下の有益な効果を有する。本発明は、農村非正規ゴミ
の高解像度リモートセンシング分類システムを確立することにより、農村非正規ゴミの分
布位置および面積を効果的に識別および抽出することができ、自然地理、社会経済などの
データを組み合わせて、農村非正規ゴミリスク評価モデルを構築し、関連部門にゴミ改善
、インフラストラクチャーについての科学的ガイダンスを提供することができる。
の高解像度リモートセンシング分類システムを確立することにより、農村非正規ゴミの分
布位置および面積を効果的に識別および抽出することができ、自然地理、社会経済などの
データを組み合わせて、農村非正規ゴミリスク評価モデルを構築し、関連部門にゴミ改善
、インフラストラクチャーについての科学的ガイダンスを提供することができる。
【図面の簡単な説明】
【0011】
【図1】本発明のフローチャートである。
【図2】高解像度の第２のリモートセンシング画像に基づいて解釈された甘粛省の農村非正規ゴミポイントの分布図である。
【図3】甘粛省の農村非正規ゴミ投棄場の各独立変数の回帰係数分布図である。
【図4】甘粛省の農村非正規ゴミ投棄場の各独立変数の回帰係数分布図である。
【図5】甘粛省の農村非正規ゴミ投棄場の各独立変数の回帰係数分布図である。
【図6】甘粛省の農村非正規ゴミ投棄場の各独立変数の回帰係数分布図である。
【図7】甘粛省の農村非正規ゴミ投棄場の各独立変数の回帰係数分布図である。
【図8】甘粛省の農村非正規ゴミ投棄場のリスクレベル空間分布図である。
【発明を実施するための形態】
【0012】
実施例：図１に示すように、マルチソースデータに基づく農村非正規ゴミ分類およびリス
ク識別方法は、以下のステップを含む。
Ｓ１：画像データの取得および予備処理
農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセンシング画像データを取
得して、情報処理装置によって予備処理した後、処理されたデータを合成して高解像度の
マルチスペクトルリモートセンシング画像を取得し、その内に、高解像度衛星リモートセ
ンシング画像データには、マルチスペクトルリモートセンシング画像およびパンクロマテ
ィック画像が含まれ、具体的には、
Ｓ１‐１：情報処理装置により、リソースサテライトセンターからマルチスペクトルリモ
ートセンシング画像データおよびパンクロマティック高解像度画像データをダウンロード
して取得する。その内に、マルチスペクトルとパンクロマティック高解像度画像の高解像
度データはリソースサテライトセンターからダウンロードして取得され、農村非正規ゴミ
投棄場抽出調査地域の高解像度リモートセンシングデータ、例えば１ｍ解像度パンクロマ
ティック／２ｍ解像度マルチスペクトルを含む高解像度の第２のデータをダウンロードす
ることができる。
Ｓ１‐２：式
に従って、衛星リモートセンシング画像データをラジオメトリックキャリブレーションし
、衛星負荷チャンネル観察値、つまりＤＮ値を衛星負荷等価見かけ放射輝度データに変換
し、式では、
は衛星負荷等価見かけ放射輝度であり、
はキャリブレーションスロープであり、
は衛星負荷チャンネル観察値であり、
はキャリブレーションインターセプトである。
Ｓ１‐３：ラジオメトリックキャリブレーションされたマルチスペクトルリモートセンシ
ング画像データを、ＦＬＡＡＳＨ大気補正アルゴリズムを使用して大気補正を行い、可視
性、エアロゾルタイプと大気水蒸気含有量などの大気に関連するパラメータを取得するこ
とで、大気放射透過方程式を解き反射率データを取得し、さらに補正過程中の残留ノイズ
を解消する。
Ｓ１‐４：有理多項式関数モデルに基づき、軌道間の地域ネットワーク調整数学モデルを
構築し、画像接続点と少数の制御点から調整に関与するすべての衛星画像方向パラメータ
を解き、サブピクセルレベルの補正結果を取得し、さらにオルソ補正後の高解像度衛星画
像を計算して取得する。
Ｓ１‐５：処理されたマルチスペクトルリモートセンシング画像データとパンクロマティ
ック高解像度画像データを合成して、高解像度のマルチスペクトルリモートセンシング画
像を取得し、具体的には、低空間解像度のマルチスペクトルデータと高空間解像度のパン
クロマティック高解像度画像データを、ＨＳＶ変更アルゴリズムにより合成して高解像度
のマルチスペクトルリモートセンシング画像を生成し、具体的には、ＲＧＢ画像をＨＳＶ
に変換し、高解像度画像を使用して色の明るさ値帯域を置き換え、３次畳み込み技術を使
用して色相と彩度を高解像度ピクセルまで再サンプリング、画像をＲＧＢカラーに変換し
、農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング画像デー
タを生成するために、マルチシーンの高解像度リモートセンシングをモザイクしてすべて
の農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング画像モザ
イク図を生成し（その内のマルチシーン高解像度リモートセンシングは、１シーンは１枚
に相当し、マルチシーンは複数枚に相当し、調査地域はマルチシーン画像を使用して被覆
されるため、マルチシーン画像をモザイクして調査地域全体を被覆する画像モザイク図を
生成するからである）、農村非正規ゴミ投棄場抽出調査地域のベクタ境界線を使用して、
農村非正規ゴミ投棄場抽出調査地域の範囲を超えた画像をトリミングして、農村非正規ゴ
ミ投棄場抽出調査地域内の高解像度リモートセンシング画像を生成する。
ク識別方法は、以下のステップを含む。
Ｓ１：画像データの取得および予備処理
農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセンシング画像データを取
得して、情報処理装置によって予備処理した後、処理されたデータを合成して高解像度の
マルチスペクトルリモートセンシング画像を取得し、その内に、高解像度衛星リモートセ
ンシング画像データには、マルチスペクトルリモートセンシング画像およびパンクロマテ
ィック画像が含まれ、具体的には、
Ｓ１‐１：情報処理装置により、リソースサテライトセンターからマルチスペクトルリモ
ートセンシング画像データおよびパンクロマティック高解像度画像データをダウンロード
して取得する。その内に、マルチスペクトルとパンクロマティック高解像度画像の高解像
度データはリソースサテライトセンターからダウンロードして取得され、農村非正規ゴミ
投棄場抽出調査地域の高解像度リモートセンシングデータ、例えば１ｍ解像度パンクロマ
ティック／２ｍ解像度マルチスペクトルを含む高解像度の第２のデータをダウンロードす
ることができる。
Ｓ１‐２：式
、衛星負荷チャンネル観察値、つまりＤＮ値を衛星負荷等価見かけ放射輝度データに変換
し、式では、
Ｓ１‐３：ラジオメトリックキャリブレーションされたマルチスペクトルリモートセンシ
ング画像データを、ＦＬＡＡＳＨ大気補正アルゴリズムを使用して大気補正を行い、可視
性、エアロゾルタイプと大気水蒸気含有量などの大気に関連するパラメータを取得するこ
とで、大気放射透過方程式を解き反射率データを取得し、さらに補正過程中の残留ノイズ
を解消する。
Ｓ１‐４：有理多項式関数モデルに基づき、軌道間の地域ネットワーク調整数学モデルを
構築し、画像接続点と少数の制御点から調整に関与するすべての衛星画像方向パラメータ
を解き、サブピクセルレベルの補正結果を取得し、さらにオルソ補正後の高解像度衛星画
像を計算して取得する。
Ｓ１‐５：処理されたマルチスペクトルリモートセンシング画像データとパンクロマティ
ック高解像度画像データを合成して、高解像度のマルチスペクトルリモートセンシング画
像を取得し、具体的には、低空間解像度のマルチスペクトルデータと高空間解像度のパン
クロマティック高解像度画像データを、ＨＳＶ変更アルゴリズムにより合成して高解像度
のマルチスペクトルリモートセンシング画像を生成し、具体的には、ＲＧＢ画像をＨＳＶ
に変換し、高解像度画像を使用して色の明るさ値帯域を置き換え、３次畳み込み技術を使
用して色相と彩度を高解像度ピクセルまで再サンプリング、画像をＲＧＢカラーに変換し
、農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング画像デー
タを生成するために、マルチシーンの高解像度リモートセンシングをモザイクしてすべて
の農村非正規ゴミ投棄場抽出調査地域をカバーする高解像度リモートセンシング画像モザ
イク図を生成し（その内のマルチシーン高解像度リモートセンシングは、１シーンは１枚
に相当し、マルチシーンは複数枚に相当し、調査地域はマルチシーン画像を使用して被覆
されるため、マルチシーン画像をモザイクして調査地域全体を被覆する画像モザイク図を
生成するからである）、農村非正規ゴミ投棄場抽出調査地域のベクタ境界線を使用して、
農村非正規ゴミ投棄場抽出調査地域の範囲を超えた画像をトリミングして、農村非正規ゴ
ミ投棄場抽出調査地域内の高解像度リモートセンシング画像を生成する。
【0013】
Ｓ２：農村非正規ゴミの高解像度リモートセンシング分類システムの確立
情報処理装置により、農村非正規ゴミの高解像度リモートセンシング分類システムを確立
し、前記高解像度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農
業生産廃棄物、一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
情報処理装置により、農村非正規ゴミの高解像度リモートセンシング分類システムを確立
し、前記高解像度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農
業生産廃棄物、一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
【0014】
Ｓ３：情報抽出および認証
ステップＳ２で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第２リモートセンシングサンプルポイントから
、専門家が高解像度の第２リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第２の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第２の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第２の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とＫａｐｐａ係数に基づいて農村非正規ゴミポイント分類精度を評価する。
ステップＳ２で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第２リモートセンシングサンプルポイントから
、専門家が高解像度の第２リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第２の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第２の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第２の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とＫａｐｐａ係数に基づいて農村非正規ゴミポイント分類精度を評価する。
【0015】
Ｓ４：農村非正規ゴミ分布に影響を及ぼす要素データの選択
情報処理装置により、自然要素と社会経済的要素の両方から独立変数を選択し、農村非正
規ゴミ投棄場に影響を及ぼす主要な要因を分析して標準化された独立変数データに処理し
、具体的に、自然要素と社会経済的要素の両方から道路ネットワーク密度、標高、人口、
地域ＧＤＰ、植生被覆率、水ネットワーク密度、居住用地面積、ＡＧＤＰを独立変数とし
て選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な要因を分析し、上記の８つの独立
変数データを投影変換、空間解像度再サンプリング、データトリミングの手順を通じて、
標準化された独立変数データに処理する。
情報処理装置により、自然要素と社会経済的要素の両方から独立変数を選択し、農村非正
規ゴミ投棄場に影響を及ぼす主要な要因を分析して標準化された独立変数データに処理し
、具体的に、自然要素と社会経済的要素の両方から道路ネットワーク密度、標高、人口、
地域ＧＤＰ、植生被覆率、水ネットワーク密度、居住用地面積、ＡＧＤＰを独立変数とし
て選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な要因を分析し、上記の８つの独立
変数データを投影変換、空間解像度再サンプリング、データトリミングの手順を通じて、
標準化された独立変数データに処理する。
【0016】
Ｓ５：農村非正規ゴミ投棄場のリスク評価モデルの確立
情報処理装置により、地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす
主要な要因の回帰係数を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立し、そ
の内に、ＧＷＲ４．０ソフトウェアを使用して、調査地域の農村非正規ゴミ投棄に影響を
及ぼす独立変数の回帰係数および駆動要素を計算してから、各独立変数の空間回帰係数か
ら農村非正規ゴミ投棄場のリスク評価モデルを確立する。具体的には、
Ｓ５‐１：式：
から農村非正規ゴミサンプルポイントの従属変数を計算し、式では、
は農村非正規ゴミサンプルポイントｉの従属変数であり、
は農村非正規ゴミサンプルポイントｉの位置座標であり、
は農村非正規ゴミサンプルポイントｉのインターセプトであり、
は農村非正規ゴミ分布に影響を及ぼすｋ番目の独立変数のサンプルポイントｉでの加重回
帰係数であり、
と
はそれぞれ農村非正規ゴミ分布に影響を及ぼすｋ番目の独立変数のサンプルポイントｉで
の値、誤差項である。
Ｓ５‐２：式：
からパラメータ推定方法を計算し、式では、
は
対角行列であり、
、
はそれぞれ独立変数と従属変数行列である。
Ｓ５‐３：ガウス関数を使用してモデル空間重みを決定し、式は
であり、式では、
は帯域幅パラメータであり、
はサンプルポイントｉからサンプルポイントｊまでの距離である。
Ｓ５‐４：最適な帯域幅を得るために、ＡＩＣ基準をＧＷＲモデルの帯域幅選択に適用し
、ＡＩＣｃ値はＡＩＣ基準に基づいて計算され、ＡＩＣｃ値が最小のＧＷＲモデルに対応
する帯域幅を最適な帯域幅として、計算式は
であり、式では、
はＡＩＣｃ値の計算パラメータであり、
は誤差項の推定標準偏差であり、
はＧＷＲモデルのＳ行列のトレースであり、帯域幅パラメータｈの関数である。
情報処理装置により、地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす
主要な要因の回帰係数を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立し、そ
の内に、ＧＷＲ４．０ソフトウェアを使用して、調査地域の農村非正規ゴミ投棄に影響を
及ぼす独立変数の回帰係数および駆動要素を計算してから、各独立変数の空間回帰係数か
ら農村非正規ゴミ投棄場のリスク評価モデルを確立する。具体的には、
Ｓ５‐１：式：
帰係数であり、
の値、誤差項である。
Ｓ５‐２：式：
Ｓ５‐３：ガウス関数を使用してモデル空間重みを決定し、式は
Ｓ５‐４：最適な帯域幅を得るために、ＡＩＣ基準をＧＷＲモデルの帯域幅選択に適用し
、ＡＩＣｃ値はＡＩＣ基準に基づいて計算され、ＡＩＣｃ値が最小のＧＷＲモデルに対応
する帯域幅を最適な帯域幅として、計算式は
【0017】
Ｓ６：非正規ゴミ投棄場のリスクレベル分布の評価
情報処理装置により、ＡｒｃＧＩＳ中の自然セグメントポイント法を使用して、得られた
農村非正規ゴミ投棄リスク分布指数を、超低リスク、低リスク、中リスク、高リスク、超
高リスクの５種類に分類する。
情報処理装置により、ＡｒｃＧＩＳ中の自然セグメントポイント法を使用して、得られた
農村非正規ゴミ投棄リスク分布指数を、超低リスク、低リスク、中リスク、高リスク、超
高リスクの５種類に分類する。
【0018】
［解釈および説明］
審査官の理解のとおり、一般的に、本発明のような分析方法は、コンピューターや電子機
器に基づいて行われたものであり、人間の脳の思考段階にとどまらず、実際に操作され得
るものである。
前記の「情報処理装置」は、「プロセッサ」、およびこの「プロセッサ」に結合して接続
された「メモリ」を含む、従来技術において非常に一般的な電子デバイスであり、この「
メモリ」は「情報処理装置」の指令を記憶するために使用され、「情報処理装置」が動作
すると、「プロセッサ」は「メモリ」に記憶された「情報処理装置」の指令を実行して、
「情報処理装置」に前記の方法を実行させる。上記「情報処理装置」の指令とは、本発明
の前記の方法の操作指令を指す。
もちろん、本発明の方法は、コンピューター可読媒体によって行われ、このコンピュータ
ー可読記憶媒体はコンピュータープログラムを含み、当該コンピュータープログラムがコ
ンピューターで実行されると、前記の方法を実行することができる。
応用例：実施例の方法を使用して、甘粛省の農村非正規ゴミを分類およびリスク識別し、
具体的には以下のステップを含む。
審査官の理解のとおり、一般的に、本発明のような分析方法は、コンピューターや電子機
器に基づいて行われたものであり、人間の脳の思考段階にとどまらず、実際に操作され得
るものである。
前記の「情報処理装置」は、「プロセッサ」、およびこの「プロセッサ」に結合して接続
された「メモリ」を含む、従来技術において非常に一般的な電子デバイスであり、この「
メモリ」は「情報処理装置」の指令を記憶するために使用され、「情報処理装置」が動作
すると、「プロセッサ」は「メモリ」に記憶された「情報処理装置」の指令を実行して、
「情報処理装置」に前記の方法を実行させる。上記「情報処理装置」の指令とは、本発明
の前記の方法の操作指令を指す。
もちろん、本発明の方法は、コンピューター可読媒体によって行われ、このコンピュータ
ー可読記憶媒体はコンピュータープログラムを含み、当該コンピュータープログラムがコ
ンピューターで実行されると、前記の方法を実行することができる。
応用例：実施例の方法を使用して、甘粛省の農村非正規ゴミを分類およびリスク識別し、
具体的には以下のステップを含む。
【0019】
Ｓ１：画像データの取得および予備処理
中国製の曇りない高品質高解像度の第２の画像を使用し、高い空間解像度（１ｍパンクロ
マティックと４ｍマルチスペクトル）を有し、農村非正規ゴミの分布を精度良く抽出する
ことができる。
まず、コンピューターでＧＦ‐２衛星リモートセンシング画像に対して、ラジオメトリッ
クキャリブレーション、大気補正、オルソ補正、イメージ合成、画像モザイク、画像トリ
ミングを含む予備処理を行い、農村非正規ゴミ投棄場抽出調査地域のオルソ画像の作業ベ
ースマップを生成し、農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセン
シング画像データを予備処理して、高解像度のマルチスペクトルリモートセンシング画像
とパンクロマティック画像を取得し、次に処理されたデータを合成して高空間解像度のマ
ルチスペクトルリモートセンシング画像を取得する。
中国製の曇りない高品質高解像度の第２の画像を使用し、高い空間解像度（１ｍパンクロ
マティックと４ｍマルチスペクトル）を有し、農村非正規ゴミの分布を精度良く抽出する
ことができる。
まず、コンピューターでＧＦ‐２衛星リモートセンシング画像に対して、ラジオメトリッ
クキャリブレーション、大気補正、オルソ補正、イメージ合成、画像モザイク、画像トリ
ミングを含む予備処理を行い、農村非正規ゴミ投棄場抽出調査地域のオルソ画像の作業ベ
ースマップを生成し、農村非正規ゴミ投棄場抽出調査地域内の高解像度衛星リモートセン
シング画像データを予備処理して、高解像度のマルチスペクトルリモートセンシング画像
とパンクロマティック画像を取得し、次に処理されたデータを合成して高空間解像度のマ
ルチスペクトルリモートセンシング画像を取得する。
【0020】
Ｓ２：農村非正規ゴミの高解像度リモートセンシング分類システムの確立
農村非正規ゴミに対して高解像度リモートセンシング分類システムを確立し、前記高解像
度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農業生産廃棄物、
一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
農村非正規ゴミに対して高解像度リモートセンシング分類システムを確立し、前記高解像
度リモートセンシング分類システムの分類には、生活ゴミ、建設ゴミ、農業生産廃棄物、
一般産業固形廃棄物、採掘産業廃棄原料および危険廃棄物が含まれる。
その内に、生活ゴミとは、石炭灰、腐植、野菜の残滓など、通常の生活では再利用できな
い、行政村や都市と農村の合流点の住宅地に不法に積み上げられた廃棄物を指す。
建設ゴミとは、セメント残留物、建設および改修中に発生するさまざまな廃棄物など、都
市部、農村部、村の建設過程で廃棄される使用できない廃棄物を指す。
農業生産廃棄物とは、マルチ、野焼きわら、堆肥、家畜および家畜糞尿などを指す。
一般産業固形廃棄物とは、産業製錬によって生成されたスラグ、産業精製プロセスで不完
全に製錬されたコンポーネント、および一時的に埋められたスラグを指す。
採掘産業廃棄原料とは、採炭、採石場、鉄鉱石などの鉱業や利用に価値のない廃棄物を指
す。
危険廃棄物とは、有毒で人、動物、環境に汚染を引き起こす可能性のある産業や化学物質
などの有害物質を指す。
【0021】
Ｓ３：情報抽出および認証
ステップＳ２で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第２リモートセンシングサンプルポイントから
、専門家が高解像度の第２リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第２の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第２の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第２の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とＫａｐｐａ係数に基づいて農村非正規ゴミポイント分類精度を評価して、
図２に示される高解像度の第２のリモートセンシング画像に基づいて解釈された甘粛省の
農村非正規ゴミポイントの分布図を得る。
ステップＳ２で確立された農村非正規ゴミの高解像度リモートセンシング分類システム、
および異なる農村非正規ゴミの高解像度の第２リモートセンシングサンプルポイントから
、専門家が高解像度の第２リモートセンシング画像上の異なる農村非正規ゴミ目標および
周辺画像の色相、形状、サイズ、テクスチャなどの空間混同法則特徴に基づいて、農村非
正規ゴミ分布点情報処理装置により情報を抽出および解釈し、現地調査の農村非正規分布
点と高解像度の第２の画像から解釈された農村非正規ゴミポイントに基づき、現地調査さ
れた実際の農村非正規ゴミ分布点の位置および分類と、高解像度の第２の画像から解釈さ
れた農村非正規ゴミポイントの位置および分類とを比較および認証し、高解像度の第２の
リモートセンシングから解釈された分類結果と現地調査の分類結果を同じ混同行列で表示
し、全体精度とＫａｐｐａ係数に基づいて農村非正規ゴミポイント分類精度を評価して、
図２に示される高解像度の第２のリモートセンシング画像に基づいて解釈された甘粛省の
農村非正規ゴミポイントの分布図を得る。
【0022】
Ｓ４：農村非正規ゴミ分布に影響を及ぼす要素データの選択
自然要素と社会経済的要素の両方から独立変数を選択し、農村非正規ゴミ投棄場に影響を
及ぼす主要な要因を分析して標準化された独立変数データに処理し、具体的に、自然要素
と社会経済的要素の両方から道路ネットワーク密度、標高、人口、地域ＧＤＰ、植生被覆
率、水ネットワーク密度、居住用地面積、ＡＧＤＰを独立変数
、
、
、
、
、
、
、
として選択し、農村非正規ゴミ投棄場に影響を及ぼす主要な要因を分析し、上記の８つの
独立変数データを投影変換、空間解像度再サンプリング、データトリミングの手順を通じ
て、標準化された独立変数データに処理する。
自然要素と社会経済的要素の両方から独立変数を選択し、農村非正規ゴミ投棄場に影響を
及ぼす主要な要因を分析して標準化された独立変数データに処理し、具体的に、自然要素
と社会経済的要素の両方から道路ネットワーク密度、標高、人口、地域ＧＤＰ、植生被覆
率、水ネットワーク密度、居住用地面積、ＡＧＤＰを独立変数
独立変数データを投影変換、空間解像度再サンプリング、データトリミングの手順を通じ
て、標準化された独立変数データに処理する。
【0023】
Ｓ５：農村非正規ゴミ投棄場のリスク評価モデルの確立
地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす主要な要因の回帰係数
を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立する。
具体的に、ＧＷＲ４．０ソフトウェアを使用して、調査地域の農村非正規ゴミ投棄に影響
を及ぼす独立変数の回帰係数および駆動要素を計算して以下のことを得る。
甘粛省の農村非正規ゴミ投棄場と農村居住用地面積
の回帰係数は‐０．３６５５～０．４３４９の範囲にあり、平均値は０．００９４である
。
甘粛省の農村非正規ゴミ投棄場と道路ネットワーク密度
の回帰係数は‐１０．３６０３～７９．４７９８の範囲にあり、平均値は０．６４１２で
ある。
甘粛省の農村非正規ゴミ投棄場と標高
の回帰係数は‐０．００３６～０．００８８の範囲にあり、平均値は‐０．０００２であ
る。
甘粛省の農村非正規ゴミ投棄場と人口
の回帰係数は‐０．００１４～０．０００１の範囲にあり、平均値は０である。
甘粛省の農村非正規ゴミ投棄場と地域ＧＤＰ
の回帰係数は‐０．００００７０～０．０００４６２の範囲にあり、平均値は０．０００
００４である。
最後に、各独立変数の空間回帰係数から、ＧＷＲ法を使用して農村非正規ゴミ投棄場のリ
スク評価モデルを確立し、図３～７の農村非正規ゴミ投棄場の各独立変数の回帰係数分布
図を得る。
地理的加重回帰法を使用して農村非正規ゴミ投棄場に影響を及ぼす主要な要因の回帰係数
を計算し、農村非正規ゴミ投棄場のリスク評価モデルを確立する。
具体的に、ＧＷＲ４．０ソフトウェアを使用して、調査地域の農村非正規ゴミ投棄に影響
を及ぼす独立変数の回帰係数および駆動要素を計算して以下のことを得る。
甘粛省の農村非正規ゴミ投棄場と農村居住用地面積
。
甘粛省の農村非正規ゴミ投棄場と道路ネットワーク密度
ある。
甘粛省の農村非正規ゴミ投棄場と標高
る。
甘粛省の農村非正規ゴミ投棄場と人口
甘粛省の農村非正規ゴミ投棄場と地域ＧＤＰ
００４である。
最後に、各独立変数の空間回帰係数から、ＧＷＲ法を使用して農村非正規ゴミ投棄場のリ
スク評価モデルを確立し、図３～７の農村非正規ゴミ投棄場の各独立変数の回帰係数分布
図を得る。
【0024】
Ｓ６：非正規ゴミ投棄場のリスクレベル分布の評価
自然セグメントポイント法を使用して、甘粛省の異なる町区ユニットに対応する農村非正
規ゴミ投棄場のリスク分布指数を作成し、さらにリスクの空間分布特徴を評価して、図８
に示される甘粛省の農村非正規ゴミ投棄場のリスクレベル空間分布図を取得し、甘粛省の
農村非正規ゴミ投棄リスクは明らかな地域的特徴を有し、超高リスクと高リスクの地域は
総面積の１９．２２％を占め、小さなパッチで分布し、非正規ゴミ投棄リスクが高いのは
、密集した道路ネットワーク、大きな居住用地面積、および密集人口に関連する可能性が
あり、中リスクの地域は３８．４９％を占め、パッチで分布し、低リスクの地域は総面積
の２４．９５％を占め、散在しており、これらの地域は人口が比較的少なく、経済水準が
低く、居住用地面積が比較的小さく、道路ネットワークが未発達であり、超低リスクの地
域は総面積の１８．３４％を占め、主に国立公園、自然保護区などに分布し、これらの地
域の非正規ゴミ投棄リスクが低いのは、標高が高く、人口が少なく、経済水準が低く、未
発達の道路ネットワークに関連する可能性がある。
自然セグメントポイント法を使用して、甘粛省の異なる町区ユニットに対応する農村非正
規ゴミ投棄場のリスク分布指数を作成し、さらにリスクの空間分布特徴を評価して、図８
に示される甘粛省の農村非正規ゴミ投棄場のリスクレベル空間分布図を取得し、甘粛省の
農村非正規ゴミ投棄リスクは明らかな地域的特徴を有し、超高リスクと高リスクの地域は
総面積の１９．２２％を占め、小さなパッチで分布し、非正規ゴミ投棄リスクが高いのは
、密集した道路ネットワーク、大きな居住用地面積、および密集人口に関連する可能性が
あり、中リスクの地域は３８．４９％を占め、パッチで分布し、低リスクの地域は総面積
の２４．９５％を占め、散在しており、これらの地域は人口が比較的少なく、経済水準が
低く、居住用地面積が比較的小さく、道路ネットワークが未発達であり、超低リスクの地
域は総面積の１８．３４％を占め、主に国立公園、自然保護区などに分布し、これらの地
域の非正規ゴミ投棄リスクが低いのは、標高が高く、人口が少なく、経済水準が低く、未
発達の道路ネットワークに関連する可能性がある。
【要約】 （修正有）
【解決手段】本発明は、画像データを取得して予備処理するステップと、農村非正規ゴミの高解像度リモートセンシング分類システムを確立するステップと、情報を抽出して認証するステップと、農村非正規ゴミ分布に影響を及ぼす要素データを選択するステップと、農村非正規ゴミ投棄場のリスク評価モデルを確立するステップと、非正規ゴミ投棄場のリスクレベル分布を評価するステップとを含むマルチソースデータに基づく農村非正規ゴミ分類およびリスク識別方法を開示し、本発明は、農村非正規ゴミの高解像度リモートセンシング分類システムを確立する。
【効果】農村非正規ゴミの分布位置および面積を効果的に識別および抽出することができ、自然地理、社会経済などのデータを組み合わせて、農村非正規ゴミリスク評価モデルを構築し、関連部門にゴミ改善、インフラストラクチャーについての科学的ガイダンスを提供することができる。
【選択図】図１
【効果】農村非正規ゴミの分布位置および面積を効果的に識別および抽出することができ、自然地理、社会経済などのデータを組み合わせて、農村非正規ゴミリスク評価モデルを構築し、関連部門にゴミ改善、インフラストラクチャーについての科学的ガイダンスを提供することができる。
【選択図】図１
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
