航空機搭載レーザーデータ（Light Detection And Ranging、LiDAR）は、地表面と草地の範囲を区別するのが難しく、可視光植生指数では低木層と高木層を分離できません。これらの問題を解決するために、LiDAR点群とRGB植生指数を融合した多波長情報画像を構築しました。レーザーポイントクラウドから詳細な樹冠高モデル（Canopy Height Model、CHM）を生成し、ドローン画像データを利用して高解像度のデジタルオルソ画像を作成しました。異なる植生指数の精度を比較した後、差分強調植生指数（Differential Enhanced Vegetation Index、DEVI）を選択し、CHMと融合しました。形態学的再構成によりCHM+DEVI融合画像の不合理な値を除去し、学習サンプルを構築、分類回帰木アルゴリズムを用いて地表範囲を分割し、植生を樹木、低木、草地として自動抽出しました。樹木領域では局所最大値アルゴリズムで樹頂点を検出し、前景マーカーとして使用し、非樹木領域は背景マーカーとし、ウォーターシェッド変換により分割結果を得ました。本手法で抽出した植生情報を実測データと精度解析した結果、改良手法は4つのプロットで全体の再現率を3.2％、適合率を3.9％、F1スコアを3.5％向上させ、樹高精度もそれぞれ1.7％、6.4％、1.8％、0.3％向上しました。改良手法の有効性を検証し、区域内の植生混合度が高いほど改良アルゴリズムの抽出効果が良好であることを示しました。

レーザーレーダー;ドローン画像;差分強調植生指数;形態学的再構成;マーカー付きウォーターシェッドアルゴリズム