トリプルレベルデジタルモニタリング(3LDM) - 森林景観再生(FLR)をモニタリングするためのリモートセンシングとITソリューション

フル・ソリューション
マダガスカルでのドローン訓練
© Forests4Future, GIZ

GIZのForests4Future(F4F)プロジェクトは、エチオピア、マダガスカル、トーゴのような国々で森林景観再生(FLR)とガバナンスを推進している。現在のFLRモニタリングシステムは、正確性と完全性に問題がある。これに対処するため、F4Fは信頼性の高いモニタリングシステムの開発と標準作業手順の試験運用を開始した。外部の地理空間データ会社の専門知識を活用し、F4Fはトリプル・レベル・デジタル・モニタリング・システム(3LDM)を導入した。このシステムは、3つのレベルのデータを統合し、モニタリングを洗練させたものである:

1.フィールドベースのデータ

2.ドローンデータ

3.衛星データ

3LDMアプローチにより、FLR対象地の復元ヘクタール、地上樹木バイオマス、樹木の多様性を追跡。

最終更新日 30 Sep 2025
834 ビュー
コンテクスト
対処すべき課題
砂漠化
土地と森林の劣化
生物多様性の喪失
相反する用途/累積的影響
浸食
生態系の損失

環境上の課題:

SentinelやLandsatのような衛星画像は、解像度が低いため小さな木を見落とす可能性があり、特に若木やキャノピー下の正確な森林評価に影響を与える。高解像度のドローンデータを使用する3LDMシステムは、キャノピーの高さを測定し、アロメトリック方程式を用いてバイオマス計算を精緻化します。ドローンで広範囲を調査することで、データの精度と効率が向上します。

社会的課題:

従来の森林モニタリングでは手作業が必要で、地域コミュニティに支障をきたしていた。3LDMは、ドローンと衛星技術を活用することで、地元の慣習を守りながら、最小限の侵入で広範囲を監視する。また、地元のドローン関連の技術開発や雇用機会も促進する。

経済的課題

手作業による森林調査にはコストがかかり、時間もかかる。3LDMは経済的なソリューションを提供する。ドローンによるデータ収集は、迅速かつ広範囲であるため、フィールドワークのコストを削減できる。オープンソースの画像を使用することで、費用を抑え、手頃な価格で様々なプロジェクトに適応可能なモニタリングが可能になる。

実施規模
ローカル
サブナショナル
エコシステム
アグロフォレストリー
農地
熱帯落葉樹林
熱帯照葉樹林
マングローブ
川、小川
熱帯草原、サバンナ、低木林
テーマ
修復
土地管理
陸上空間計画
科学と研究
森林管理
所在地
マダガスカル
エチオピア
トーゴ
西・中央アフリカ
東・南アフリカ
プロセス
プロセスの概要

現地データ、ドローン画像、衛星写真という3つのデータ収集メカニズムの複雑な相乗効果が、私たちのプログラムのモニタリングフレームワークのバックボーンとなっている。フィールド・データが地上レベルでのきめ細かな洞察を提供する一方、ドローン画像は上空からの詳細な視点を提供し、衛星キャプチャは宇宙からの広範な概観を提供する。これらのデータを織り交ぜることで、データの信頼性と精度を高める強固なタペストリーができあがる。

この相乗的アプローチは、FLR戦略の総合的モニタリングにとって極めて重要である。環境修復の取り組みが複雑化するにつれ、多角的な視点が不可欠になっている。バイオマスなどの主要指標を追跡する。さらに、樹木の高さ、胸高直径(DBH)、森林構成、樹種の分化などの二次的指標は、修復の取り組みをニュアンス豊かに理解するために不可欠である。3層システムの優れた点はその回復力である。1つの手法の有効性が制限されるような問題が発生した場合、他の2つの手法がシームレスに介入するため、データの質や洞察力が低下することはない。この相互依存により、包括的なデータが保証され、より多くの情報に基づいた戦略とFLRの成功につながる。

ビルディング・ブロック
フィールドデータ

衛星画像やドローン画像は、モニタリングに貢献することは否定できないが、FLR活動の初期には限界がある。最初の数年間は、現場レベルでのデータ収集が重要である。

現場レベルでのデータ収集は、さらに3つの参加型アプローチに分けられる:

  • 常設サンプリング・プロット固定圃場:木の高さ、DBH、木の生存率を推定する。常設サンプリング圃場は労力と時間の投入が大きいため、3年間隔で評価する。
  • 土地利用計画: 世界自然保護連合(IUCN)のレッドリスト(絶滅危惧種リスト)に基づく絶滅危惧種の同定と情報評価のための討論会。他の土地利用計画プロセスと統合されているため、評価間隔が定義されていない。
  • トランセクト 3ヶ月の評価間隔で、植物学的および動物学的な種の同定、 森林構造の構成。

3つの参加型アプローチに含まれるすべての関連指標は、KOBO Toolboxを使用して収集される。このソフトウェアは適切な条件を提供し、操作も簡単で、プロジェクトのモニタリング目的に合致している。

実現可能な要因

参加型のアプローチは、修復された地域の長期的なモニタリングを保証するために不可欠である。地元の知識と、地元スタッフおよび地域パートナーの訓練・能力開発の共生が、このアプローチの中核である。地域社会のニーズを特定し、討論会を組織し、モニタリング・システムの開発とテストに地域社会を参加させることで、復元された景観に対する意識とつながりを促す。

教訓
  • 現場データの優先順位:FLRの初期段階では、衛星やドローンの画像だけに頼るよりも、現場レベルのデータ収集の方が効果的である。

  • 参加型アプローチ:常設サンプリング・プロット、土地利用計画、トランセクトなどの参加型手法を採用することで、地域コミュニティが参加し、モニタリングが強化される。

  • 適切な技術:KOBO Toolboxのような使いやすいツールを使用することで、プロジェクトの目的に合致し、データ収集が簡素化される。

  • 地域コミュニティの参加:地元コミュニティの参加とトレーニングは、長期的な成功を保証し、修復されたランドスケープとのつながりを育みます。

衛星データ

衛星データは、コペルニクスのSentinel-2衛星とLANDSAT衛星からのオープンソースの画像の能力を活用し、3LD-Monitoringシステムの基盤を形成しています。リモート・センシング・ソリューションズ(RSS)GmbHが綿密に開発したアルゴリズムは、このプロセスに革命をもたらす。ユーザーは、関心のあるエリアのシェープファイルをシームレスに送信することができ、アルゴリズムが自動的に関連データを取得し、分析する。植生の増減を評価するためのNDVIを使用した5年間の植生トレンド、NDWIを使用した5年間の植生水分分析、ニュアンスに富んだ5年間の降雨トレンド評価など、さまざまなロバストな分析が実施される。さらに、このアルゴリズムはプロジェクト開始以来の植生変化の可視化を容易にし、動的な洞察によってモニタリングの枠組みを強化する。3LDMモニタリングシステムの重要な要素である衛星データは、コペルニクスのSentinel-2ミッションとLANDSAT衛星からのオープンソースの画像を活用している。事前に定義された地域については、このデータが自動的に取得され、特定のパラメータについて分析される。主な分析には、植生の増減の代理としてNDVIを使用した5年間の植生トレンド、NDWIを使用した5年間の植生水分トレンド、5年間の降雨トレンドが含まれます。さらに、プロジェクト開始時からの植生変化も可視化できます。

実現可能な要因

このビルディング・ブロックを効果的に使用するには、ユーザーがQGISのようなGISプラットフォームでエリアを描画し、保存する必要がある。さらに、開始日やFLRの種類など、プロジェクトの詳細情報をシェープファイルに追加することで、分析が最適化される。これらのスキルについて適切な訓練を受けることで、正確なデータ入力と適切なモニタリングが可能になる。

教訓

衛星データ、特にオープンソースのデータは、幅広い見識を提供してくれるが、種の同定能力は、達成できないまでも、かなり制限されている。この限界は、種の構成と特徴を見極める上で、現地調査が不可欠な役割を果たすことを強調している。さらに、衛星画像の生来の制約、特に若い植林木の制約を理解することは、森林地形を包括的に把握するために、現場とドローンデータを統合する必要性を強める。

ドローンデータ

ドローンは、3LDモニタリング・システムにおいて、他のデータ収集方法を補完する極めて重要な役割を果たしている。ドローンは、パートナー国において、現地スタッフの技術スキルを強化するために不可欠なツールである。ドローンは、パートナー国において、現地スタッフの技術スキルを強化するために不可欠なツールである。これらのスキルには、飛行計画、ナビゲーション、画像評価などが含まれる。ドローン・モニタリングの目的は、プロジェクト・スタッフが写真測量分析に適したデータを取得できるようにすることであり、そこから重要な地理情報が浮かび上がる。

ドローン・マッピングの方法論には5つの段階があり、最初の2つはドローンの操作に重点を置いている:

  1. マッピング・ミッションの準備(デスクトップ作業)
  2. マッピングミッションの実行(フィールドワーク)
  3. デジタル地表面モデル(DSM)の作成とオルソモザイクの作成(デスクトップ作業)
  4. データ分析と改良(デスクトップ作業)
  5. 既存データシステムへの統合(デスクトップ作業)

ドローンのデータは、死亡率や森林の種類など、炭素やバイオマスに関連する指標の評価に役立つ。特に、アロメトリック方程式を適用し、土地タイプを適切に特徴付けることで、樹木の地上バイオマスを推定することができる。

実現可能な要因

事前に設定された飛行計画機能を持つドローンは、個々の画像からオルソフォトをシームレスに作成します。これにより、個々のスナップショットをシームレスに統合し、オルソフォト(歪みを補正した航空写真、正確な測定が可能)を作成することができる。また、パートナー国のローカル市場でこれらのドローンが利用可能かどうかを検討することも不可欠だ。このプロセスでは、現地の学術機関を巻き込んで現地の知識を活用することが最も重要である。彼らは、正確なバイオマス計算を容易にする、樹木の高さに基づいた不可欠なアロメトリック方程式を提供することができる。

教訓

ドローンは高解像度の画像を生成し、土地被覆の変化、樹木の生存率、浸食率などを詳細に把握することができる。フィールドデータと組み合わせることで、ドローンを使ったモニタリングが強化され、健全なモニタリングが保証される。

樹木や植生密度の不均一性は、高さやその他の指標を推定するために必要な、画像間の共通キーポイントの健全な抽出をしばしば妨げる。この点で、画像間のオーバーラップを正面と側面のオーバーラップ85%以上にすることで、キーポイントの抽出を改善することができる。また、ドローンの飛行高さを高くすることで、遠近感の歪みが軽減され、オーバーラップする画像間の視覚的な類似点の検出が容易になる。しかし、オーバーラップが多すぎる、すなわちオーバーラップ率が高いと、データ量が多くなり、データ処理に時間がかかる。

すでに述べたもう一つの側面は、相手国で適切なドローンを入手できるかどうかである。ドローンをそれぞれの国に輸入するのは難しく、官僚的な障壁が存在する。

影響

3つのデータソース(衛星、ドローン、フィールド)はすべて処理され、ダッシュボード・プラットフォームに統合される。このウェブサイトは以下を可能にする:

内部的には

- プロジェクト活動の評価

- 更なる計画の基礎となる変化のモニタリング

- プロジェクト活動の管理(運営機能)

- プロジェクト活動の報告

- FLR活動の比較とまとめ

対外的に

- プロジェクト活動の追跡

- プロジェクトとパートナー間の活動の調和

- プロジェクトの経験からの学習

- 成果の報告と伝達

- FLR活動の透明性

プラットフォーム・ダッシュボードには2つの特徴があります:

1.エリア別:過去5年間の衛星データを即座に自動分析し、可視化する。

2.フィールド、ドローン、衛星データの統合:異なるレイヤーの情報を組み合わせ、修復活動の全体像を描く。

受益者
  • AFR100フォーカルポイントと事務局
  • 省庁(森林・環境・農業省)
  • 行政官
  • NGO関係者
  • 修復技術者および愛好家
  • 地元コミュニティ
  • Forests4Futureプロジェクトチーム、その他のFLRプロジェクトチーム
持続可能な開発目標
SDG 15 - 陸上での生活
SDGs17「目標のためのパートナーシップ
ストーリー

マキシムはマダガスカルで3LDMシステムの導入を主導している。マダガスカルで森林景観の回復を評価するためにドローンを使用することは、マングローブのモニタリングも意味する。このような密生した湿地帯での従来のモニタリングは困難だったが、3LDMのドローンプロトコルの高解像度画像により、より効率的で詳細なモニタリングが可能になった。

あるドローン調査の際、マキシムのチームは、日光浴をするワニという思いがけない住人を発見した。鮮明な画像は、この技術の有効性を浮き彫りにしただけでなく、徒歩での調査よりも安全面で優れていることを強調した。

3LDMは、野生生物との思いがけない出会いにとどまらず、マングローブの成長ダイナミクスに関する洞察も与えてくれた。このシステムには、ドローンが風の強いコンディションに適応するなどの課題があったが、成果はハードルを上回った。