気候変動は、今日地球が直面している最大の脅威です!人口が 78 億人を超え、無数の動植物種が生息する地球は、過去数十年で大きく変化しました。これらの広範な環境変化により、政府や公共団体は、蔓延する気候変動の影響を阻止し、おそらく逆転させるために、自然保護への投資を増やすようになりました。調査によると、約 500 億米ドル
[1]
毎年、自然保護プロジェクトに流れ込んでいます。第 4 次産業革命
[2]
気候変動に関連する不安定性の主要な部分に貢献しました。このように、現在、利益と社会的影響の間でバランスを取るよう組織に求める声が高まっています。
リモートセンシングには、調査対象地域で反射または放出された放射線を距離から測定することにより、地域の物理的または化学的特性を検出および監視することにより、広い陸地の変化を理解することが含まれます。現在、世界中の政府や環境保護論者が、特に気候変動に関する進行中の議論の観点から、政策決定を行う際に地球を正確に理解するために使用しています。これらのアプリケーションはいくつかの産業に関連していますが、持続可能な農業や林業の分野ほど影響を与えた場所はありません。私たちがどのように食料を生産するかは、地球の資源に大きな影響を与えます!このデータを地上センサーで補強することにより、農家は播種、管理、収穫、農産物の販売をより適切に計画することができます。
過去 10 年間に、さまざまなレベルの空間的および時間的解像度の衛星画像が利用可能になりました。しかし、2017 年に、民間のアース イメージング会社である Planet Labs が、インド宇宙研究機関 (ISRO) のロケットに衛星群を配備しました。それらは、より広い地理的範囲で 3 ～ 5m の高空間解像度で毎日地球をスキャンするのに役立ちます。また、最近、そのような影響力のあるアプリケーションのデータを試験運用するため、Planet Labs とのパートナーシップを開始しました。
リモートセンシングと保全
現在、最大の影響は自然保護の分野にあります。衛星データは流域管理に有益であることが証明されており、インドではクリシュナ川、ヤムナ川、タピ川の流域に使用されています。国家レベルのプロジェクト、持続可能な開発のための統合ミッション (IMSD) は、インドの 175 地区にまたがる約 8,400 万ヘクタールの面積をカバーし、宇宙省によって実施されました
[3]
。 .プロジェクトの下で選択された流域では、雨水貯留の実施により多くの利点が実証されました。そのうちの 1 つは、この地域のかつて不毛だった地域の農業開発の増加です。
保全への学際的アプローチの推奨事項
CropIn は、衛星画像と機械学習 (ML) アルゴリズムを組み合わせて、インド中部で大規模な河川保全プロジェクトを戦略化し、実施しています。インドのような農業を基盤とする経済では、河川保全プロジェクトが最も重要です。インドでは、農業従事者が不確実な気象条件やまれな降雨への依存から離れようとしています。川はこれらの農家にとって生命線であり、灌漑用の主要な水源です!しかし、河川保全プロジェクトは十分に計画され、タイミングを計らなければなりません。これらはまた、ますます高価になる可能性があります。河川流域に沿った活動を監視し、農家に持続可能な慣行を採用し続けるよう促し、政策立案者に努力を続ける自信を与えることができるシステムを開発する必要性が感じられました.
過去の履歴データを調査し、これらの場所の衛星画像から得られた現在のデータと比較することで、河川流域に沿った植林の影響を調査することができました。この計画では、4 年間にわたる水量、樹木密度、干ばつ、降水量の変化を監視するために、植林計画とともに河川流域の境界を考慮に入れました。水容量のみを測定することは、影響の不正確な分析です。これは、気象条件の短い変化が原因であるか、その特定の地理的ゾーンの固有の特性が原因である可能性があるためです。アルゴリズムは、調査対象地域の農作物に対する植林の影響を判断するために、一定期間にわたってこれらの各要素の変化を監視しました。
実際の影響を測定し、変更を指示する
一般的な NDVI 以外にも、光学画像から取得できるいくつかの指数と導関数があります。
(正規化された差分植生指数) 植生の健康。 CropIn は、衛星データ、地上センサー データ、気象データから派生した特徴を使用し、これらの上にカスタム ビルドされた ML モデルを使用して、15 地区の河川流域に沿って 4 年間にわたって継続的に監視し、樹木密度の変化を分析しました。 .
樹木密度の変化は、衛星画像に基づく集計モデルを使用して推定されます。このモデルの結果は、プランテーション ドライブ中に発生したプランテーション統計と関連付けられ、プランテーションが何年にもわたって存続し、成長した地域を推定します。これらの特定された地域では、地表水の変化に主に寄与した要因を見つけるために、さらなる分析が行われます。地表水の変化自体は、その地域から入手できる過去の衛星データを使用して定量化されます。これには、河川の範囲を検出した後、衛星から得られた指標を使用して表面積の変化を測定することが含まれていました。 ML モデルは、a) 樹木被覆の変化、b) 降水量の変化、c) 干ばつ条件などの寄与要因による地表水域と保水量の変化を評価するために構築されます。調査対象地域の高解像度画像により、これらの結果がさらに検証されました。また、時間の経過に伴う耕作地の増加または減少を判断することもできます。これにより、樹木密度の増加、水位、およびその地域の農業活動の拍車との相関関係を示すことができます。水位、農業活動、および樹木密度の変化の検出には、未解決の課題がいくつかあります。重要な問題の 1 つは、この地域の季節的、年間的、および長期的な降水量の変化に関連する交絡変数の影響です。実際の影響を測定するには、これらの交絡変数の影響を分析中に取り除く必要があります。
従来、これらのプロジェクトの ROI と影響を確認するには、おそらく数十年を要していましたが、今ではこれをより迅速かつ正確に行うことができます。
洞察と指標は、政府や政策機関がプロジェクトの優先順位を付けて実施する際に、より効率的に、また新たな希望を与えることができると信じています!
CropIn がテクノロジーを使用して、政府や開発機関がよりスマートで持続可能な農業で気候変動と闘うのをどのように支援しているかについて詳しく知りたい場合は、お問い合わせください。
SmartRisk
®
を利用した土地利用分析については、このビデオをご覧ください。
参考文献
[1] CPIC は、自然保護への投資を促進するための新しい青写真を発表します。地球環境ファシリティ、2020年。
[2] 第 4 次産業革命。デロイト、2020 年
[3] 災害管理。地理空間世界、2010年
