地理空間サービス研究チーム
Geoinformation Service Research Team

チーム概要

サイバーとフィジカルをつなぐ地理空間情報 

地球上のあらゆる情報は、「いつ」「どこで」という時空間情報にタグ付けされています。現実空間で発生する多種多様かつ膨大な地理空間情報を、サイバー空間にリアルタイムでコピーし、ビッグデータ解析や大規模シミュレーションで現実を予測・制御するためのツールがデジタルツインです。一方、これまではゲームの世界でしかなかったサイバー空間は、現実空間とのリアルタイムリンクによって、人々の新たな生活の場(メタバース)となりつつあります。我々の研究対象は、すべてが監視/制御されている工場のような閉鎖環境から、生活空間を含む都市全体、そして地球という惑星全体へと拡大していくデジタルツイン/メタバースの開発とそのアーキテクチャー設計です

ToppageDigiarcB.png

ToppageDigiarcA.png

<研究関連ページ>

インフォメーション

2024.02.19 3DDB Viewer (TDV) に令和6年能登半島地震発災後の能登半島周辺のデータを追加しました
2024.01.26 3DDB Viewer (TDV) に兵庫県 「姫路城」「姫路城跡」「明石大橋両岸エリア」「黒川ダム」のデータを追加しました
2024.01.22 3DDB Viewer (TDV) に「兵庫県 洲本城跡」の点群データを追加しました
2024.01.11 3DDB Viewer (TDV) では、北陸新幹線延伸、越前国府の発掘調査、大河ドラマ等で盛り上がっている福井県越前市内のデータを公開しています
2024.01.09 NumericalPngTerrainProvider の公開について
2023.12.13 3DDB Viewer (TDV) に「香川県小豆島の石丁場」「イギリスの聖ラウレンティウス教会」の他「海外の遺跡」等のデータを追加しました
2023.12.12 3DDB Viewer 及び Landbrowser メンテナンス作業完了のお知らせ
2023.12.05 3DDB Viewer 及び Landbrowserメンテナンスのお知らせ
2023.10.26 【復旧しました】3DDB Viewer 及び Landbrowser 停電の影響によるメンテナンス
2023.10.26 3DDB Viewer 及び Landbrowser 停電の影響によるメンテナンスのお知らせ
2023.10.02 神山 徹 研究チーム長の参加する小惑星リュウグウの探査に関する論文が「Communications Earth & Environment」に掲載されました
2023.09.29 3DDB Viewer (TDV) のバージョンアップを実施しました
2023.09.19 「文化財情報デジタルツインプラットフォーム」に海外のデータを追加しました
2023.09.08 AIによって識別した、ソーラーパネルの設置 マップ(SATCHAN- photovoltaic)を公開しました
2023.08.24 URSI GASS 2023で 有馬 悠也 産総研特別研究員が学会賞(Young scientist awards)を受賞しました
2023.08.24 西川由理主任研究員が「電子情報通信学会クラウドネットワークロボット(CNR)研究会」で2022年度の優秀講演者に選ばれました
2023.07.13 InSARBrowserにネパール等のデータを追加しました
2023.06.26 3DDB Viewer に「阿蘇市 米塚」「鹿児島県伊佐市 曾木発電所遺構」「アメリカ ニューヨーク州 パビリオン」等のデータ等を追加しました
2023.06.07 神山 徹 主任研究員の論文が「EARTH PLANETS AND SPACE」に掲載されました
2023.06.06 AIST 3DDB Client の公開について
2023.06.01 日本リモートセンシング学会において 有馬 悠也 産総研特別研究員が「論文奨励賞」(RSSJ Young Researcher Award) を受賞しました
2023.04.28 バーチャル静岡の全データを TDV で公開しました
2023.04.27 3DDB Viewer メンテナンスのお知らせ
2023.03.27 3DDB Viewer 及び Landbrowser メンテナンスのお知らせ
2023.02.09 現実空間の航空機をサイバー空間でリアルタイムに表示するViewerを公開
2023.01.16 Google Earth Engineを応用したHotarea-hilにASTER、Landsat 7、Landsat 5を追加しました。
2022.12.06 3DDB Viewer 及び Landbrowser メンテナンスのお知らせ
2022.11.18 3DDB Viewer に「国分寺市役所 新庁舎」「君津市 久留里城」「中東エリアの遺跡」等のデータを追加しました
2022.10.31 3DDB Viewer に「福井県越前市」「大阪鍋塚古墳」「関西学院構内古墳」等のデータを追加しました
2022.10.18 奈良文化財研究所との共同研究についてプレスリリースを行いました
2022.10.05 茨城県大洗町の『OARAI KOFUN EXPO'22』で 測定した Matterportデータが公開されました
2022.10.03 TDV のバージョンアップを実施しました
2022.09.26 3DDB Viewer に「新潟県村上市小岩内地区」の航空レーザ測定データを追加しました
2022.09.06 3DDB Viewer 内の Terrain データ 一時利用停止のお知らせ
2022.08.24 3DDB Viewer 及び Landbrowser メンテナンスのお知らせ
2022.08.16 3DDB Viewer 及び Landbrowser メンテナンスのお知らせ
2022.08.02 Google Earth Engineを応用したLandBrowserシリーズを公開しました
2022.07.20 3DDB Viewer、Landbrowser メンテナンス作業完了のお知らせ
2022.07.20 3DDB Viewer 及び Landbrowser メンテナンスのお知らせ
2022.07.15 New 3Ddata of Ryusenji in Osaka and Science Square Tsukuba in AIST are now available.
2022.07.15 3DDB Viewer に「サイエンス・スクエア つくば」、「大阪府 龍泉寺」のデータを追加しました
2022.06.28 LandBrowser から PALSAR-2 の散乱電力分解画像を公開しました。
2022.06.21 3DDB Viewer、Landbrowser メンテナンス作業完了のお知らせ
2022.06.10 3DDB Viewer 及び Landbrowser メンテナンスのお知らせ
2022.06.01 3DDB Viewer メンテナンスのお知らせ
2022.05.31 InSARBrowserの解析データセットへ直接アクセスできるようになりました
2022.05.11 2022/4/27 InSARBrowser を公開しました
2022.04.07 3DDB Viewer、Landbrowser メンテナンス作業完了のお知らせ
2022.03.25 3DDB Viewer に岸和田城のデータを追加しました
2022.03.25 3DDB Viewer 及び Landbrowser メンテナンスのお知らせ
2022.03.16 5mメッシュDEMの追加
2022.03.03 3DDB Viewer に北海道のデータ2件を追加
2022.01.04 3DDB Viewer、Landbrowser メンテナンス作業完了のお知らせ
2021.12.28 3DDB Viewer 及び Landbrowser メンテナンスのお知らせ
2021.12.16 3DDB Viewerメンテナンス作業完了のお知らせ
2021.12.06 3DDB Viewer メンテナンスのお知らせ
2021.10.29 3DDB Viewer に新しくスマートフォンで撮ったデータを追加
2021.08.04 デジタルアーカイブ推進コンソーシアムより「技術賞」を受賞しました
2021.07.15 【研究関連ページ】
2021.04.30 日本リモートセンシング学会学会賞において 大石 孟 研究員の論文が優秀論文賞を受賞しました
2021.04.20 3DDB Viewer に新しいデータを追加しました
2021.04.16 PALSAR L2.1, L2.1PD の COG ファイルを公開しました
2021.04.01 3D Data Viewer『TDV』 に新しい3Dデータを追加しました
2021.02.01 ASTER GDEM Ver.3 の全データを公開しました
2020.09.23 神山徹主任研究員の論文がイギリスのオンラインジャーナル 「Nature Astronomy」に掲載されました
2020.07.20 3DDB Viewer の公開について
2020.03.04 PolSAR Browser の公開
2019.05.28 ASNARO-1 画像を対象とした建物検知
2018.10.11 Hotarea カテゴリ分類のデータセット公開
一覧を表示する

発表リスト

2023.02.07

Construction of a Database of Pi-SAR2 Observation Data by Calibration and Scattering Power Decomposition Using the ABCI

Yuya Arima, Toshifumi Moriyama, Yoshio Yamaguchi, Ryosuke Nakamura, Chiaki Tsutsumi and Shoichiro Kojima

<Abstract>
Pi-SAR2 is an airborne polarimetric synthetic aperture radar operated by the National
Institute of Information and Communications Technology. The polarimetric observation data of
Pi-SAR2 are very valuable because of its high resolution, but it cannot be used effectively because the
data are not well calibrated with respect to elevation. Therefore, we have calibrated the data according
to the observation conditions. The Pi-SAR2 observation data are very large due to its high resolution
and require sufficient computational resources to be calibrated. We utilized the AI Bridging Cloud
Infrastructure (ABCI), constructed and operated by the National Institute of Advanced Industrial
Science and Technology, to calculate them. This paper reports on the calibration, scattering power
decomposition, and orthorectification of the Pi-SAR2 observation data using the ABCI.

2023.02.07

Extension of Scattering Power Decomposition to Dual-Polarization Data for Tropical Forest Monitoring

Ryu Sugimoto, Ryosuke Nakamura,Chiaki Tsutsumi, Yoshio Yamaguchi

<Abstract>
A new scattering power decomposition method is developed for accurate tropical forest monitoring that utilizes data in dual-polarization mode instead of quad-polarization (POLSAR) data. This improves the forest classification accuracy and helps to realize rapid deforestation detection because dual-polarization data are more frequently acquired than POLSAR data. The proposed method involves constructing scattering power models for dual-polarization data considering the radar scattering scenario of tropical forests (i.e., ground scattering, volume scattering, and helix scattering). Then, a covariance matrix is created for dual-polarization data and is decomposed to obtain three scattering powers. We evaluated the proposed method by using simulated dual-polarization data for the Amazon, Southeast Asia, and Africa. The proposed method showed an excellent forest classification performance with both user's accuracy and producer's accuracy at >98% for window sizes greater than 7 × 14 pixels, regardless of the transmission polarization. It also showed a comparable deforestation detection performance to that obtained by POLSAR data analysis. Moreover, the proposed method showed better classification performance than vegetation indices and was found to be robust regardless of the transmission polarization. When applied to actual dual-polarization data from the Amazon, it provided accurate forest map and deforestation detection. The proposed method will serve tropical forest monitoring very effectively not only for future dual-polarization data but also for accumulated data that have not been fully utilized.

2021.02.18

Post-arrival calibration of Hayabusa2's optical navigation cameras (ONCs): Severe effects from touchdown events

Toru Kouyama, Eri Tatsumi, Yasuhiro Yokota, Koki Yumoto, Manabu Yamada, Rie Honda, Shingo Kameda, Hidehiko Suzuki, Naoya Sakatani, Masahiko Hayakawa,Tomokatsu Morota, Moe Matsuoka, Yuichiro Cho, Chikatoshi Honda, Hirotaka Sawada, Kazuo Yoshioka and Seiji Sugita

<Abstract>
Accurate measurements of the surface brightness and its spectrophotometric properties are essential for obtaining reliable observations of the physical and material properties of planetary bodies. To measure the surface brightness of Ryugu accurately, we calibrated the optical navigation cameras (ONCs) of Hayabusa2 using both standard stars and Ryugu itself during the rendezvous phase including two touchdown operations for sampling. These calibration results showed that the nadir-viewing telescopic camera (ONC-T) and nadir-viewing wide-angle camera (ONC-W1) experienced substantial variation in sensitivity. In particular, ONC-W1 showed significant sensitivity degradation (~60%) after the first touchdown operation. We estimated the degradations to be caused by front lens contamination by fine-grain materials lifted from the Ryugu surface due to thruster gas for ascent back maneuver and sampler projectile impact upon touchdown. While ONC-T is located very close to W1 on the spacecraft, its degradation in sensitivity was only ~15% over the entire rendezvous phase. If in fact dust is really the main cause for the degradation, this lighter damage likely resulted from dust protection by the long hood attached to ONC-T. However, because large variations in the absolute sensitivity occurred after the touchdown events, which should be due to dust effect, uncertainty for the absolute sensitivity was rather large (3-4%). On the other hand, the change in relative spectral responsivity (i.e., 0.55-μm-band normalized responsivity) of ONC-T was small (1%). The variation in relative responsivity during the proximity phase has been well calibrated to have only a small uncertainty (< 1%). Furthermore, the degradation (i.e., increase) in the full width at half maximum of the point spread function of ONC-T and W1 was almost negligible, although the blurring effect due to dust scattering was confirmed in W1. These optical degradations due to the touchdown events were carefully monitored as a function of time along with other time-related deteriorations, such as the dark current level and hot pixels. We also conducted a new calibration of the flat-field change as a function of the detector temperature by observing the onboard flat-field lamp and validating with Ryugu's disk images. The results of these calibrations showed that ONC-T and W1 maintained their scientific performance by updating the calibration parameters.

2020.11.04

Transfer Learning With CNNs for Segmentation of PALSAR-2 Power Decomposition Components

Poliyapram Vinayaraj , Ryu Sugimoto, Ryosuke Nakamura and Yoshio Yamaguchi

<Abstract>
Water/ice/land region segmentation is an important task for remote sensing, as it analyses the occurrence of water or ice on the earth's surface. Many previous deep learning researches effectively utilized multispectral satellite images for highly accurate water/ice/land region segmentation. However, the deep-learning-based segmentation of synthetic aperture radar images still remains a challenging task due to the unavailability of enough labeled data. In order to overcome this issue, we designed a two-step deep-learning-based transfer learning model that needs a very limited number of labeled samples. The proposed approach consists of two models. The first model is a deep encoder-decoder 6SD to Landsat-8 multispectral translation model (DTF) that translates fully polarimetric PALSAR-2 6SD data to six new features. As for the second model (transfer learning), it utilizes the DTF features to fine-tune the model using the Landsat-8 multispectral pretrained model for water/ice/land segmentation. Hereinafter, the proposed two-step model is referred to as DTF-TL. Also, a qualitative and quantitative analysis was carried out to evaluate the performance of the proposed model (DTF-TL) and compare it with various transfer learning methods. Overall, the DTF-TL model outperformed the other models with consistent and reliable water/ice/land segmentation results in terms of the recall (0.980), precision (0.981), F1-score (0.981), mean intersection over union (0.962), and accuracy (0.989).

2020.04.01

Canopy Averaged Chlorophyll Content Prediction of Pear Trees using Convolutional Auto-Encoder on Hyperspectral Data

Subir Paul, Vinayaraj Poliyapram, Nevrez İmamoğlu, Kuniaki Uto, Ryosuke Nakamura, D. Nagesh Kumar

<Abstract>
Chlorophyll content is one of the essential parameters to assess the growth process of the fruit trees. This present study developed a model for estimation of canopy averaged chlorophyll content (CACC) of pear trees using the convolutional auto-encoder (CAE) features of hyperspectral data. This study also demonstrated the inspection of anomaly among the trees by employing multi-dimensional scaling (MDS) on the CAE features and detected outlier trees prior to fit nonlinear regression models. These outlier trees were excluded from the further experiments which helped in improving the prediction performance of CACC. Gaussian process regression (GPR) and support vector regression (SVR) techniques were investigated as nonlinear regression models and used for prediction of CACC. The CAE features were proven to be providing better prediction of CACC when compared with the direct use of hyperspectral bands or vegetation indices as predictors. The CACC prediction performance was improved with the exclusion of the outlier trees during training of the regression models. It was evident from the experiments that GPR could predict the CACC with better accuracy compared to SVR. In addition, the reliability of the tree canopy masks, which were utilized for averaging the features' values for a particular tree, was also evaluated.

一覧を表示する

研究者紹介

神山 徹
研究チーム長

神山 徹

リモートセンシング・惑星気象学
t.kouyama[at]aist.go.jp
Nevrez IMAMOGLU
主任研究員

Nevrez IMAMOGLU

nevrez.imamoglu[at]aist.go.jp
Nevrez Imamoglu
山本 浩万
上級主任研究員

山本 浩万

hirokazu.yamamoto[at]aist.go.jp
西川 由理
主任研究員

西川 由理

並列処理、高性能計算、人流計測
nishikawa.yuri[at]aist.go.jp
https://yurinishikawa.github.io/index_jp.html
Ali Caglayan
主任研究員

Ali Caglayan

コンピュータービジョン 人工知能、ディープラーニング、 ロボティクス
ali.caglayan[at]aist.go.jp
織田 篤嗣
招聘研究員

織田 篤嗣

x-oda[at]aist.go.jp
中村 良介
(兼務)人工知能研究センター 総括研究主幹

中村 良介

惑星科学、衛星リモートセンシング
r.nakamura[at]aist.go.jp
堤 千明
デジタルアーキテクチャ研究センター 総括研究主幹

堤 千明

地理空間システム担当
tsutsumi.chiaki[at]aist.go.jp
加藤 創史
特定集中研究専門員(研究)

加藤 創史

リモートセンシング
kato.soushi[at]aist.go.jp
杉本 隆
特定集中研究専門員(研究)

杉本 隆

sugimoto.ryu[at]aist.go.jp
池田 陽祐
特定集中研究専門員(研究)

池田 陽祐

yosuke.ikeda[at]aist.go.jp
伊藤 稜
特定集中研究専門員(研究)

伊藤 稜

itou.ryo[at]aist.go.jp
有馬 悠也
産総研特別研究員

有馬 悠也

y-arima[at]aist.go.jp 
小林 優介
特定集中研究専門員(研究)

小林 優介

kobayashi.yusuke[at]aist.go.jp