LiDAR 点群データや複数ソースのリモートセンシング画像を使い、QGIS と Python を組み合わせて森林の樹高を推定する一連のフロー。
Sentinel-2 画像、Landsat 画像、DEM、LiDAR/CHM データを読み込み、座標系、解像度、有効範囲を確認します。
すべてのデータを同じ座標系にそろえてください。研究地域に対応する UTM 投影にそろえることをおすすめします。
Sentinel-1/2 や Landsat のデータに対して、必要な大気補正、幾何補正、切り抜き、雲マスク処理を行います。
Sentinel-2 Level-2A プロダクトは大気補正済みなので、雲マスクと研究地域の切り抜きを重点的に確認しましょう。
NDVI、EVI、テクスチャ特徴、DEM、傾斜、斜面方位などの変数を抽出し、サンプル地点またはピクセル単位の特徴量行列を作成します。
rasterio、geopandas、rasterstats を使うと、サンプル地点に対応するラスター値を一括で抽出できます。
CHM または実測の樹高をラベルとして、ランダムフォレスト、XGBoost、線形モデルで学習と検証を行います。
少なくとも R²、RMSE、MAE を報告し、学習データと検証データの結果を区別してください。
樹高の予測結果を GeoTIFF として書き出し、QGIS で主題図の作成と結果の確認を行います。
外れ値や無効な領域を除外し、CHM のない領域を低い樹高と誤判定しないよう注意してください。
