As surface conditions provide essential information for runoff simulation on the rainfall loss which is mostly occurred in the process of interception, storage and infiltration during the rainfall event, it is important to classify properly the surface into several types with the basis on the types of rainfall loss. Especially, urban region is covered with various surface types, like road, roof, vegetation, soil. Moreover, these surfaces are intricately distributed with each other. Hijioka et al. (2001) carried out landcover classification for urban runoff simulation with the landuse information data of 10m grid. They classified urban surface into roof, road and pervious area. Although, they succeeded in the dynamic runoff simulation for five rainfall events, there was a little disagreement between observed and simulated runoff hydrograph in early part of rainfall event because detailed distribution and size of vegetation-covered area including roof garden, street plants and plant zone within building sites were not quantitatively taken into account. Hence, the detailed information on distribution and size of pervious surface is required to enhance the model accuracy for runoff analysis, especially for non-point pollutant behavior. Cowen et al. (1998) proposed that the medium-scale image of which resolution is 1 to 5m need to be acquired in urban regions for interpretation of the landuse/landcover classification level III specified by the United States Geological Survey (USGS).

This study was conducted in being divided into three subparts to achieve the principal objective of the study which is to propose the robust method for improving the urban-runoff quality modeling based on accurate classification of pervious and impervious area.

The first subpart is to develop the accurate identification method of plant-covered area in urban region using high-resolution IKONOS satellite imagery. In this study, enhanced identification method of vegetation-covered area was investigated to overcome two limitations in the application of NDVI-based method to urban region, which were overestimation of vegetation area and misidentification of blue/green colored roofs. Being satisfied with accurate identification of vegetation and exclusion of other landcover, e.g. roof, road and soil, Urban Vegetation Index (UVI) was derived from reflectance properties of vegetation among visible red, green and near infrared ray band of IKONOS satellite imagery. The USVI is expressed as follows

USVI = (NIR-Green) / (NIR-Red) (1)

Where, NIR, Red and Green represent the reflectance at near-infrared, visible red and visible green band, respectively. Vegetation area can be determined in the range of 0<USVI<1 on the precondition of NDVI>0. Then the effectiveness of UVI for vegetation identification was verified by six ground truth data in terms of width and area (size) of identified vegetation. Finally, we achieved both high identification accuracy of urban vegetation and successful exclusion of green/blue colored roof through the application of UVI to the study area

The second subpart is to develop the separation method of grass area from entire plant-covered area because there are different rainfall loss/pollutant washoff pattern between grass and tree. This method was also derived from reflectance analysis with four multi spectral bands in IKONOS satellite imagery. As the value of (Green-Blue) showed remarkable contrast between shrubby and tree group, the dimensionless algebraic formula using relationship between (Green-Blue) and (NIR-Red) was proposed as the tree/shrubby separation method as follows;

Eq1 = (Green-Blue) / (NIR-Red)(2)

where, Green, Blue, Red and NIR represent the reflectance at visible green, blue, red and near-infrared, respectively. This equation can be used in precondition of 0 < UVI <1 as criterion of plant-covered area. Tree and shrubby area in whole plant-covered area identified with UVI can be separated in the range of Eq1> 0.1 and Eq1 ≦0.1, respectively.

Finally, runoff quality simulation was carried out using the advanced landuse parameters which were estimated with methods proposed in subpart 1 and 2 above. We could find out the different washoff pattern in two models of which landuse parameters were estimated from traditional and advanced landuse classification layers, respectively.

(地表面の状態を把握することは雨水流出解析において有効降雨を算定するために重要な情報を提供することから、地表面を雨水損失能によるいくつかの種類で適切に分類することは重要な課題である. 特に, 都市部は多様な土地利用と共に, これらの地表面は複雑に分布している. Hijiokaら(2001)は都市流出解析において 10m メッシュの詳細土地利用情報を利用して地表面を屋根,道路,不浸透面で三分類した報告を行っている. 五つの観測降雨データに対し, 精度高い流出解析が可能であったものの, 都市内に分布する多様な浸透面,例えば屋上庭園, 街路樹などの面積や分布を考慮することができなかったため, 降雨強度の弱い雨降初期において, 観測流量とシミュレーション流量が若干合わない部分が見られた. ノンポイント汚染源の流出及び挙動解析のためには弱い雨降に対する流出解析の精度を高める必要があり, そのため浸透域の精度高い算定が重要と判断される. Cowenら(1998)は都市内詳細構造を把握するためには 1mから 5m精度の解像度を持つ画像データが必要だと提案した.

本論文は小降雨時におけるノンポイント汚染源の精度高い流出解析のため, 都市内詳細土地利用の分類方法を提案する目標を果たすため, 以下に示す三つのsubpartに分けて構成された.

はじめに, 都市内の重要な浸透域としての植生を正確に算定することである.衛星画像を利用した植生抽出方法の中で,もっとも一般的な正規化植生指数(NDVI)の都市部への適用において植生の過大算定や緑/青色の屋根まで植生として分類される限界を解決するため, 新たな植生域の抽出方法を提案した. IKONOS 衛星画像の赤,請,緑,近赤外の四つのバンド情報を利用して植生の分光特性を分析し,その特性から都市植生指数(UVI)を開発した.

USVI = (NIR-Green) / (NIR-Red) (1)

ここで, NIR, Red, Greenはそれぞれのバンドでの反射率である. 上記の式(1)を用い, 植生域はNDVI>0 を前提条件にして0<USVI<1として抽出可能である. UVIの精度検証は 6種のグラウンドトルス情報を利用して行った. UVIを利用した都市植生抽出は精度高い植生抽出が可能であり, NDVIの都市部への適用において問題であった緑/青色の屋根も除外することが可能になった.

次に, 全体の植生域を異なる雨水流出パターンを持つとされる芝や木グループで分類することである. 方法は植生抽出方法の開発と同様の流れで, IKONOS 衛星画像での二つのグループの分光特性を用いて提案した.6種の分光組合の中で (G-B)の関係で芝と木の異なる分布特性に着目し, 以下のような木と芝の分類のための式(2)を提案した.

Eq1 = (Green-Blue) / (NIR-Red)(2)

ここで, Green, Blue, Red, NIRはそれぞれのバンドでの反射率である. この式は植生の抽出条件である0 < UVI <1 を満足する植生域に対して適用され, 木と芝はEq1> 0.1 と Eq1 ≦0.1でそれぞれを区別した.

最後には新たに提案した都市部における土地利用分類方法を利用してノンポイント汚染物質の流出解析を行った. 従来の土地利用分類方法と本研究で提案した土地利用分類方法を利用した都市ノンポイント流出解析において異なる流出パターンが得られた.)

本研究は、「Urban runoff quality modeling with elaborated land-cover identification by IKONOS satellite imagery(IKONOS衛星画像を利用した精緻な地表面解析に基づく都市雨天時汚濁流出モデル)」と題して、8つの章から論文を構成している。

第1章では、研究の背景と目的、および論文の構成を述べている。

第2章では、都市域における雨水流出解析手法やそのモデル、リモートセンシング技術と地表面の被覆状態の推定などに関する文献について整理されている。特に、高分解能衛星画像の活用例や植生抽出に関する研究事例なども詳細に紹介している。

第3章では、本研究における地表面解析に用いた、IKONOS衛星画像、東京都都市計画地理情報、細密数値情報など基礎データとその特徴に関して説明がなされている。また、下水道システムを考慮した都市雨水流出解析の際に用いた分布型モデルの構造やその計算手順も説明されている。

第4章では、都市内の重要な浸透域である植生地を高い精度で面積を推定することを目的として、高分解能のIKONOS衛星画像を利用した詳細な植生地の抽出を試みている。まず、現在まで一般的に使われている正規化植生指数(NDVI)を市街地に適用した結果、 植生域を過大に抽出すること、青や緑色の屋根が誤抽出されることなどがあることを明らかにしている。そして、IKONOSマルチバンド上の反射率情報から、都市域における植生と他の地表面(屋根、道路、土壌)との分光特性を調べ、二バンドの差分関係から、次式に示す新たな植生指数(UVI:Urban Vegetation Index)を提案している。指数の有効性の検証を6種のグラウンドトゥルース情報を用いて行っている。

UVI = (NIR-Green) / (NIR-Red)(1)

ここで、 NIR、 Red、 Greenはそれぞれ近赤外、赤、緑のバンド反射率である。そして、緑/青色の屋根を除外しながら、植生域を0<UVI<1に範囲で抽出が可能であることを明らかにした。

第5章では、雨水流出解析において重要な入力情報となる、浸透面の詳細な分類を試みている。そして、UVIで特定された植生域から、異なる雨水流出パターンを持つとされる草地・芝地と樹木類とをさらに分類する方法、植生域とともに重要な浸透面である土壌面の抽出方法を検討している。草地・芝地と樹木類の分類は二つのグループの緑と青の分布特性に着目し、 以下のような分類のための指標(Igt : Index for Grass-Tree distinguishment) を提案している。植生の抽出条件である0 < UVI <1 を満足した上で、指標値Igt > 0.1で草地・芝地、Igt ≦0.1で樹木類と識別可能であることを示した。

Igt = (Green-Blue) / (NIR-Red)(2)

ここで、 Green、 Blue、 Red、 NIRはそれぞれ緑、青、赤、近赤外のバンド反射率である。

また、土壌の抽出については、コンクリートやアスファルトの地表面が土壌と類似な分光特性を持つため、 IKONOS衛星画像だけでなく、GISデータにある道路と屋根のレイヤー情報を併用することで効率よく土壌面の抽出を行う方法を提案している。その結果、 都市内の代表的な土壌面である学校の運動場、 野球場、 舗装されていない道路などを精度よく抽出可能であることを示した。

第6章では、第4章と5章で提案した詳細な浸透面の抽出方法を二つの地域に適用し、都市雨水流出解析のために不浸透域である屋根面、道路面、植生/土壌の浸透面に加えて、住宅敷地内など浸透面と不浸透面が混在している領域に四分類された地表面レイヤーを作成している。屋根と道路のレイヤーの上に、植生/土壌のレイヤーを重ね合わせることで、GISデータのみでは考慮できなかった屋上緑化、道路植樹帯、ビル付近の植生など市街地内に複雑に分布する植生地を高い精度で抽出できることを具体的に示している。また、本手法による地表面分類と、従来の10mメッシュ細密数値土地利用情報を利用した不浸透および浸透面の分類結果との両者を比較している。

第7章では、都市ノンポイント汚染現象に深く関係する降雨として、頻繁に発生する総降雨量が少ないイベントに着目して雨水流出解析している。新たに提案した地表面を四分類した雨水流出解析モデルでは、小降雨におけるわずかな降雨強度変動に対する雨水流出量の変化を的確に追従することに成功している。そして、この高精度のハイドログラフに基づいて屋根や道路の堆積物由来のSS汚濁流出解析を実施したところ、従来の屋根と道路と浸透面の三分類での解析結果と相当異なるSSの流出パターンや流出量が見られることを明らかにした。そして、精緻な地表面分類に基づいた雨水流出解析が、小降雨に対する都市ノンポイント汚濁解析の精度を向上する上で非常に有用である可能性を指摘している。

第8章では、上記の研究成果から導かれる結論と今後の課題や展望が述べられている。

以上の成果では、高分解能のIKONOS衛星画像と都市地理情報を併用することで、雨水流出解析における有効降雨を算定する際に重要となる地表面状態を詳細に把握することが可能となることを明らかにしている。特に、マルチバンドの反射率情報を活用した都市内植生抽出のための新たな指標の提案、流出解析のための地表面の詳細な分類方法など貴重な成果を挙げている。そして、小降雨時におけるノンポイント汚染物質の流出解析のために、従来十分には把握されていなかった道路植樹帯や植木部分などの都市内の植生域を考慮したことは特筆すべき成果である。今後、都市ノンポイント汚染現象をより詳細に把握するためだけでなく、雨水流出解析を通じた雨水貯留・浸透対策の効果、汚濁流出解析を通じたノンポイント汚染対策を定量的に検討する上で非常に有用な手法や知見を提供しており、都市環境工学の学術の進展に大きく寄与するものである。

よって、本論文は博士(工学)の学位請求論文として合格と認められる。