PowerPoint プレゼンテーション

(1)

BOS財団とNECのREDD+事業について

2014年12月24日（水）

(2)

Page 2 © NEC Corporation 2014

BOS財団について

BOS財団：Borneo Orangutan Survival Foundation

代表：Bungaran Saragih 博士（元農業大臣、農林大臣）

社長：Jamartin Sihite 博士

[歴史]



1991年、東カリマンタン州バリクパパンにBOS財団の前身のプロジェクトが発足



1994年、バリクパパン・オランウータン・ソサイエティ（これもBOS）ができる



2003年、今のBOS財団になる

[所在地]



本部：ボゴール



施設：中央カリマンタン、東カリマンタン（サマリンダ）



海外支援団体：ヨーロッパ8か国（以前は10か国）、日本

(3)

RHOIについて

RHOI: PT Restorasi Habitat Orangutan Indonesia

▌

Ecosystem Restoration Concession （土地利用契約の中の１つ）を取得

するためにRHOIを設立

▌

代表、社長はBOS財団と兼務だが、実務者は別

(4)

JCMの中でREDD+活動開始に至る経緯

NEC 三菱総研 NECフィールディング BOS財団

2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 植林@カンガルー島

PCｵﾌｾｯﾄ

検索ｵﾌｾｯﾄ

環境分野のリモセン活用植林@ｶﾘﾏﾝﾀﾝ島 REDD+検討（独自）

JCM/REDD+

REDD+検討

共同検討

(5)

REDD+FS実施体制

日本国側コンソーシアム三菱総合研究所日本政府実施体制（ホスト国側）インドネシア政府（林業省、東カリマンタン州政府等）連携 JCM制度奥田敏統教授（広島大学）ら E2Solutions 日本電気ムラワルマン大学 NGOs（TNC、WWF等） BOS財団／PT RHOI （JCM）の実証案件組成調査・方法論実証調査・実現可能性調査より

(6)

Copyright (C) Mitsubishi Research Institute, Inc. 6

REDD+実施目的



JCMの下でのREDD+プロジェクトの運用の円滑化に資する

高精度・高

解像度のMRV方法論を確立すること。



特に、

アクセスが難しい地域

にも適用可能な方法論を検討する。



情報通信技術（ICTs）

を活用して、モニタリングコストを低減することで、プ

ロジェクトの運用効率の改善を実現する。



現地カウンターパートであるBOS財団が実施するオランウータンの保全

活動と組み合わせてセーフガードの実施

を検討する。

平成25年度二国間クレジット制度（JCM）の実証案件組成調査・方法論実証調査・実現可能性調査より

(7)

プロジェクトの対象地



プロジェクトエリア：

“ERCサイト” (86,450 ha)

と呼ばれる東カリマンタン

州、東クタイ県にある天

然林で囲まれたエリア。



BOS財団によって管理さ

れており、ERCコンセッ

ションを取得済み。



当該

_{” ERCサイト”では、}

BOS財団がオランウータ

ンのリリース事業を継続

的に実施している。

ERC: Ecosystem Restoration Concessions

BOS財団ERCサイトの位置

（出典：Forest Carbon「Feasibility Study for an Avoided Deforestation Project/REDD in the PT Rehabilitation Orangutan International Concession」）

（JCM）の実証案件組成調査・方法論実証調査・実現可能性調査より

(8)



衛星データ



RapidEye

 分解能：5m/pixel, バンド数=５(可視～近赤外）



解析の全体フロー

プロジェクト排出量の算定（解析全体フロー）

教師データ

地上調査ポイントにおける 衛星画像データ 現地調査データ （バイオマス）

衛星画像データ

前処理済みデータ 5m/pixel 5 band テクスチャデータ 5m/pixel 2種 主成分分析第１主成分画像 バイオマス 推定モデル 地上調査ポイント

全域

バイオマス 推定マップ 一次林・二次林 分類マップ

RapidEye

プロジェクトエリア

反射率データ 5m/pixel 5 band 前処理 GLCM 森林類型に従った領域分割平成25年度二国間クレジット制度（JCM）の実証案件組成調査・方法論実証調査・実現可能性調査より

(9)



山岳地域による影響



傾斜方向の違いによる光の入射角の相違により

陰影ができる

 分類精度に影響を与える（既存研究より）



地形効果補正を前処理として実施

 DEMデータとしてASTER GDEMを使用

 使用したアルゴリズム：C-Correction（P. M. Teillet, et al., 1981）

プロジェクト排出量の算定（前処理）

図地形補正の結果

True color画像 (a)地形補正無、 (b)地形補正後、上記を使用した土地被覆分類結果 (c)地形補正無、 (b)地形補正後 (a) (b) (c) (d)

プロジェクトエリアは急峻な地形。

前処理で対応

RapidEye画像補正前 RapidEye画像補正後

地形効果補正

標高データ傾斜データ斜度算出図本解析における地形補正の結果（JCM）の実証案件組成調査・方法論実証調査・実現可能性調査より

(10)

プロジェクト排出量の算定方法（バイオマスマップ、森林類型分類マッ

プ）

バイオマス 推定モデル バイオマス 推定マップ 一次林・二次林 分類マップ 森林類型に従った領域分割

一次林のエリア

二次林のエリア

低バイオマスエリア

高バイオマスエリア



バイオマス推定モデルの作成



使用モデル：LASSO回帰



教師データ：地上調査地点20ポイ

ント

 現地調査からのバイオマス量データ  衛星データ（スペクトル、テクスチャ）



バイオマス推定マップの作成



推定モデルを衛星データに適用し、

バイオマス推定マップを作成



出力：バイオマス密度分布を表示



森林類型の分類に応用

 高密度バイオマスエリアの特定  密度分布の特徴に応じた森林類型の分類



森林類型の分類

一次林のエリア

二次林のエリア

現地概況

(11)

推定結果



推定マップ



バイオマス推定マップ



推定精度

低高バイオマス

推定

値

[t/ha]

図推定モデルの精度評価

実測値 [t/ha]

R

2

_=0.832

2次林 1次林雲・川



森林類型マップ

（JCM）の実証案件組成調査・方法論実証調査・実現可能性調査より

(12)

リファレンス排出量の算定（まとめ）

 独自データ及び既存データにおけるリファレンス排出量は下表のとおり。

独自データ

(三菱総研-NEC)

既存データ

(林業省)

REL

[tCO2/year]

162,000

78,300

今回の調査では、データの信頼性からRELの設定根拠として

独自データ (MRI-NEC)

を採用

(13)