土地被覆情報を適用したDMSP/OLSデータによる都市域の夜の光の強度分布推定−東アジアの都市を中心として−

(1)

減少しつつあることから，資源の枯渇が懸念され，今後ますますエネルギー使用の節約が必要とされる。そのため，エネルギーの効率的使用という観点において，世界 1 はじめに産業革命以降の世界中の石油，石炭などのエネルギー資源の大量消費に伴うCO2の増加とともに，その資源が

松下まなみ

＊

_{・中山裕則}

＊＊

The situation of electric energy consumption in each city is observed as the night light distribution on the earth by the OLS（Operational Linescan System）sensor of Defense Meteorological Satellite Program (DMSP). If this light distri-bution is detected quantitatively, the amount of electric power energy consumption can be estimated globally. However, since OLS data shows saturation when the radiant energy of light exceeds the maximum detection value of OLS, it is nec-essary to estimate the DN（Digital Number）value in the saturated area.

In this study, firstly, an estimate method of DN value in the saturated area of OLS data based on the land cover classi-fication result analyzed from the optical sensor data is newly proposed. Next, the estimated DN value of the OLS data as the night light intensity distribution in metropolitan areas of Tokyo and big cities in East Asia is actually converted by applying the proposed new estimate method using the land cover classification result of a few optical sensor data. More-over, the availability of the proposal method is discussed through the evaluation of the estimated image on referring to an image by other method and field measurements. Finally, based on the results of OLS DN estimate and its conversion in East Asia including a lot of big cities, the possibility of the investigation for global nighttime light intensity distribution and its energy consumption using conversion image by the proposal method is considered.

The new proposal method estimates the DN value of OLS saturated area based on the regression analysis between the DN value and the area percentage of the artificial land cover region extracted from the classification result of optical sensor data in OLS non-saturated area. LANDSAT/ETM+, MODIS and the NASA Filled NDVI Maps Product data were applied to the land cover classification, and the NGDC calibrated OLS data and the ground light illumination measurements by field survey were used for the evaluation of the analyzed result. The conclusion of this study is summarized as follows.

1）In the Tokyo metropolitan area, according to positive high correlation shown between the area percentage of arti-ficial land cover and OLS non-saturated DN value, the DN estimate and its image conversion indicating the light intensity distribution in the saturated DN area were appropriately carried out.

2）Since OLS DN estimate and its image conversion in the saturated DN area were also carried out by using MODIS land cover classiﬁcation data of several big cities in East Asia, it was shown that the possibility of application of pro-posed method to the wide-ranged area was shown clearly.

3）A difference in the feature of the night light intensity distribution between Japanese and Chinese big cities was clearly shown through the comparative analysis among the estimated images of several cities.

4）Based on the appropriate result of the proposed method to several big cities, the possibilities of estimate of OLS DN value indicating light intensity and its energy conversion with the continental or global scale which applied the method to seasonal scenes of NASA global Filled NDVI Maps Product data was shown.

Keywords : DMSP/OLS, ETM+, MODIS, NDVI, land cover, estimate, light intensity,

energy consumption, comparative analysis

土地被覆情報を適用した

DMSP/OLSデータによる

都市域の夜の光の強度分布推定

−東アジアの都市を中心として−

An Estimate of Night Light Intensity Distribution in the Urban Area by DMSP/OLS Image

with Land Cover Classiﬁcation Data

−

A case study in East Asia−

Manami MATSUSHITA

＊

_{and Yasunori NAKAYAMA}

＊＊（Received October 31, 2011）

＊ _{Graduate School of Integrated Basic Sciences, Nihon University:} 3−25−40 Sakurajosui, Setagaya−ku, Tokyo, 156−8550 Japan

＊＊ _{Department of Geosystem Sciences, College of Humanities and} Sciences, Nihon University: 3−25−40 Sakurajosui, Setagaya−ku, Tokyo, 156−8550 Japan

＊_{日本大学大学院総合基礎科学研究科：}

〒156−8550 東京都世田谷区桜上水3−25−40

＊＊_{日本大学文理学部地球システム科学科：}

(2)

積比率から飽和している画素の光の強度（DN 値）を推定できるものと考えられる。本研究では，OLSデータを多シーン用いる代わりとして，ほぼ同時期に観測された昼間の光学センサデータから求めた土地被覆分類情報を参照して，都市域のOLS データの飽和域のDN 値の推定を行う新たな方法を提案し，実際に複数の都市にこれを適用することでその有効性を論じるとともに，エネルギー量推定の可能性についても言及することを目的とした。光学センサデータから東アジアの都市とその周辺を対象とした土地被覆分類を行い，これと対応するOLS 画像で光分布が認められる地域を，光が放出される人工被覆項目の地域（以下「光放出人工被覆域」とする）とし，このうちDN 値が飽和していない地域（以下「光強度未飽和DN 値域」とする）の光放出人工被覆域の占有面積比率と，これに対応するOLSデータの DN値との関係から，OLSデータのDN値が63で飽和している地域（以下「光強度飽和DN値域」とする）の実際のDN値を推定し，光強度を表すDN 値推定画像（以下「光強度 DN 値推定画像」とする）を作成する。 2 DMSP/OLS データと夜の光強度計測 2. 1 OLS データと夜の光分布 OLSを搭載しているDMSPは，1965年から打ち上げが開始され，現在20 機まで打ち上げられている。空間分解能は2.8km と低いが，1 日 14 軌道分で全球の観測が可能である。そのOLS センサは 1976 年から DMSP に搭載され，通常は雲の観測を目的としているが，夜の雲をより鮮明に観測するために，センサの感度が高く設定され，地上の夜の光を感知することができる（Table 1）。夜間の衛星の通過時間は，衛星の観測直下地で午後8 時 30 分からの都市とその近郊における電力消費量を把握することが重要となっている。エネルギー消費の一部である電気エネルギーは，米国の軍事気象衛星DMSP（Defense Meteorological Satellite Program）搭載のOLS（Operational Linescan System）センサにより，地球上の夜の光の分布として，捉えることができる。その光分布は，オーロラ，稲妻などの自然現象の光を除けば，多くが都市，焼畑，油田地帯のガスの燃焼，漁火などの人間活動による光である。その中でも都市の光には，オフィスビルの室内灯，交通網，街灯，住居などから発せられる光が含まれ，これらは主に電力消費によるものである。中山（1983，1993）によれば，光分布の傾向は，その地域の経済活動と密接な関係があることが確かめられ，言い換えれば，光分布が詳細に求められれば電力消費量を全球レベルで推定できる可能性を有している。各国の統計データにより，地域レベルでの電力消費量を知ることはある程度可能であるが，面的な分布状態あるいはその量を求めることは難しい。この点において，面的な光分布の把握が可能である人工衛星DMSP/OLS データの利用は有効な手段である。このOLS データからエネルギーを求めるには，その DN（Digital Number）値からエネルギー量を算出することで可能である。しかし，実際にはOLS データの最大出力レベルは 6 ビットで，光のエネルギーがある値を超えるとデータは飽和してしまう。また，キャリブレーション係数が公開されていないため，都市内の光強度とその分布の把握が困難である。これらの問題に対し， Elvidge（1999）は，ある期間にOLSデータがオフセットとゲインの可変モードで観測された光のDN 値の頻度分布の変動パターンを利用し，光の絶対エネルギー値として強度を推定する方法を提案した。しかしながら，この方法では，約7 ヶ月間に観測された約 1575 シーンという，多シーンのOLS データを用いることが必要であり，週あるいは月毎といった比較的短い期間での光の強度を求めることは難しい。一方，Sutton（2001）による研究では，夜間の光分布と土地被覆分布の間の関係から，市街地や住宅地などでビル，交通網，街灯，住居などに光が集中して分布していることが示されている。またElvidge（2007）によれば，市街地，住宅地などの人工被覆が占める面積が大きいほど，光の強度が強くなることが示されている。つまり， OLS データの 1 画素内の人工被覆域の占有面積比率とこれに対応する飽和していないOLSの画素の DN値の間の関係を求めることが出来るなら，人工被覆域の占有面

Table 1 Characteristics of DMSP F15/OLS observation

（NGDC, 2011）

Orbit Sun-Synchronous Polar Orbit Altitude Perigee altitude 843km _{Apogee altitude 854km} Inclination 98.9°

Period 101.8 minutes Objective Cloud distribution Wavelength

Visible and Near-IR（day） 0.4−1.1μm

Visible and Near-IR（night） 0.47−0.95μm Swath width 3000km

(3)

し，その頻度分布が10％以下のデータは取り除く。さらに，シーンごとの観測日から，地球に到達する月の光の強さに対応するゲインのdB 値を計算し，Fig.1 の関係からエネルギー値を算出することで光強度分布を推定する。また原（2004）は，1999年の 1 年間のDMSP/OLSデータセットから，ノイズを除去し，DN値が 0 から63までの画素数をそれぞれ計算して，DN 値とそれに対応する画素数の回帰式より飽和したDN 値を推定し，光のエネルギー値を算出するという手法を提案した。 3 研究の概要 3. 1 研究の目的本研究の目的は，土地被覆情報に基づくOLS 画像の

光の強度DN 値推定法（以下 Estimate of Light intensity DN value with Land cover classiﬁcation dataで「ELL法」とする）を適用して，東アジアの都市を中心とした飽和 DN 値の推定とその画像作成を試み，さらにその結果より，全球レベルでのエネルギー消費量の推定も可能かについて言及するものである。研究の目的をまとめると以下の通りである。（1）ELL法という新たな手法を提案し，中空間分解能衛星LANDSAT/ETM+（Land Satellite/Enhanced Thematic Mapper Plus）データ（以下「ETMデータ」とする）による土地被覆分類結果から，光強度飽和DN値域のDN値の推定の有効性の検討とその変換した画像の作成を行う。（2）広域観測衛星 Terra および Aqua 搭載の MODIS （Moderate resolution Imaging Spectroradiometer）による観測データ（以下「MODISデータ」とする）を，ELL 法の土地被覆分類へ適用し，OLS データの光強度飽和 DN 値域の実際の DN 値の推定とその画像作成についての検討を行う。（3）ELL法を用いて，東アジアの複数の都市を対象とし，実際に飽和DN 値の推定を行い，その変換・作成された画像データによる夜間の光分布の特徴について分析を行う。

（4）最終的に NASA（National Aeronautics and Space Administration）によるグローバルなデータセットの Filled NDVI（Normalized Difference Vegetation Index） Mapsプロダクトデータ（以下「F - NDVIデータ」とする）による土地被覆分類データをELL法に適用し，東アジアの都市の夜の飽和DN 値の推定とその画像作成を行い，それによるエネルギー消費量の推定の可能性について言及する。 9 時30分の間である（Elvidge，2001）。このOLS データは 1972 年に軍事機密種別から外され，夜間のデータが一般でも利用可能となり，一定期間を過ぎたものは，アメリカのコロラド大学とNGDC（National Geophysical Data Center）の両機関に保管されている（Elvidge，2001）。 2. 2 既存の光強度分布の推定方法 OLS データの特徴は，先に述べたように出力レベルが6 ビット（0 ∼ 63）で，光のエネルギーがある値を超えるとDN 値は 63 で飽和してしまう。また，月の光の強さに応じて観測ゲインが変えられるという特性もある（Elvidge，1999）。OLS データの光の強度と月の光の関係を示したものがFig.1 である。この図によれば，月の光が強い満月ではゲインが高くなり，月の光がほとんど無い新月ではゲインが低くなる。したがって，シーンごとにこのゲインの変化と光強度飽和DN 値域の実際の DN 値の推定を行う必要がある。 OLSデータの出力レベルが光のエネルギーの高い地域で飽和してしまう問題に対しては，より詳細な夜間の光分布を推定するためにさまざまな試みが提案されてきた。 Elvidge（1999，2001）によれば，NGDCでは以下の方法を使って夜間の光の推定手法の検討を行った。まず， 1994 年 10 月 1 日から 1995 年 4 月 30 日の 7 ヶ月間で新月の前後15 日間に観測されたデータの中で，オーロラや太陽の光の影響のあるシーンと，雲が90％以上含まれたデータのシーンを取り除く。次に，全てのシーンのうち，光が確認されたシーンのデータの頻度分布を計算

Fig.1 Relationship between the DMSP/OLS F12 visible band

gain when operated in PMT mode, digital numbers, and observed radiances derived from the preflight sensor calibration (Elvidge, 1999).

(4)

3. 2 提案する光強度分布推定法本研究で新たに開発し提案するELL 法の概要は，以下のとおりである。実際の解析における土地被覆分類項目のうち，密集市街地，市街地，密集住宅地，住宅地，工場を光放出人工被覆域とし，この土地被覆画像の解析範囲に対応する OLS データの光強度未飽和 DN 値域の各画素（ 4km× 4 km）内に含まれる光放出人工被覆域の占有面積比率を算出した。その計算は式 ① の通りである。

La＝（U1×a＋U2×b＋R1×c＋R2×d＋F×e）/Np ... ① ここで La ：光放出人工被覆域の占有面積比率 U1 ：密集市街地の面積（m2） U2 ：市街地の面積（m2） R1 ：密集住宅地の面積（m2） R2 ：住宅地の面積（m2） F ：工場の面積（m2_） Np ： OLSデータの 1 画素の面積（m2_） a ∼e：それぞれの土地被覆項目に対応する光量の重みの係数式 ① では，土地被覆状況により光の強度が異なると考えられるため，それぞれの土地被覆項目に光量の重みを付けることが必要である。このため，東京を対象とした光放出人工被覆域のそれぞれの地域において，実際に照度計を用い地上で照度の観測を行った。そして，この計測結果に基づいて，式 ① の光放出人工被覆域の土地被覆項目ごとのOLSデータの DN値推定のための重みの係数を設定した。実際にはa から e の重みの係数は東京を例として，10.14，4.78，2.25，1.0，1.63とした。次に，OLS データのうち光強度未飽和 DN 値域の DN 値と，土地被覆分類データのうちの光放出人工被覆域の占有面積比率の間で回帰式を求めて，この式により，光放出人工被覆域の占有面積比率（％）の値に対応する光強度飽和DN値域の実際のDN値の推定を行う。 4 研究の方法 4. 1 研究方法の概要研究の流れをFig.2 に示す。まず，オリジナルの OLS データに対し，DN 輝度値推定，ノイズ除去などの前処理を行い，正角割円錐図法への投影変換を行った。次に，幾何補正されたOLS データと同一の正角割円

錐図法に投影変換されたETM データを用いて，ELL 法 Fig. 2 A study ﬂow

OLS data

Preprocessing

Preprocessing Land cover classification

analysis Optical sensor data

Comparative analysis between lights intensity DN and artificial land cover classification in city suburbs

Estimate of lights intensity DN in the saturated region of city center of Tokyo and Shanghai

based on ETM land cover data Comparative analysis between estimated lights

intensity DN value based on ETM land cover data and NGDC-OLS calibreated data Estimate of lights intensity DN in the saturated

region of city center in East Asia based on ETM land cover data Estimate of lights intensity DN in the saturated

region of city center of Tokyo and Shanghai based on MODIS land cover data

Comparative analysis of both estimated results lights intensity DN value between MODIS land cover data

and ETM one

Comparative analysis between estimated lights intensity DN value based on MODIS land cover

data and NGDC- OLS calibreated data

Estimate of lights intensity DN in the saturated region of city center in East Asia based on MODIS land cover data

Comparative analysis between estimated lights intensity DN value based on MODIS land

cover data and illumination intensity measurements by the field survey

Investigation of ights intensity DN estimate in the saturated region of wide-ranged cities based on

F-NDVI land cover data, and consideration about the possibility of estimate of energy F-NDVI data

(5)

による光強度DN 値推定画像を作成し，2. 2 節で示した NGDCで校正されたOLSデータ（以下「NGDC−OLSデータ」とする）との間で，画素ごとのDN値の比較を行い，評価を行うことで，本研究の手法による都市の飽和DN 値推定の妥当性の検討を行った。さらに，ETMデータで全球の夜の飽和DN値の推定を行うことは，観測シーンの撮影範囲が限られていることから難しいため，空間分解能は低いが，大陸レベルの広域で土地被覆分布の把握が可能なMODIS データを用いて，光強度DN 値推定画像を作成し，NGDC - OLS データと画素ごとのDN 値の比較を行うことで，飽和 DN 値の推定とその画像作成が広域について可能かの検討を行った。ここでは，光強度DN 値推定画像の都市間の比較のために，日本と中国の都市で現地確認と照度計による現地計測を行った。最後に，F - NDVIデータを用いて，東アジアの都市域の飽和DN 値の推定とその画像作成を行って，大陸あるいは全球レベルでも光強度分布の推定が可能かについての検討を行い，さらに，その結果より全球のエネルギー消費量推定が可能かについても言及した。 4. 2 使用データ（1）OLSデータ夜間の飽和DN値の推定には，まず2005年でそれぞれが冬の時期である北半球（1，2月）と南半球（7，8，9月）の1554 シーンの DMSP/OLS 画像データを農林水産省データーベースシステムのSIDaBライブラリ（農林水産省，2011）より入手した。次に，この中から新月前後15 日間において，最も雲が少なく新月に近い2005 年 1 月 11 日の東アジアの 2 シーンを選択して使用した。その OLSデータはTable 2の通りである。（2）ETMとMODISデータ

ELL 法で使用した ETM と MODIS のデータは Table 3

に示す通りである。ETM データは各都市を含む 1 時期

のシーンを，アメリカのメリーランド大学における Global Land Cover Facility（University of Maryland， 2011）の Web 上より入手した。また MODIS データは MODIS Rapid Response（NASA，2011）のWeb上より入

手し，土地被覆分類のために春（4 月），夏（ 8 月），秋

（11月）のそれぞれ 3 時期のバンド 1（可視域），バンド 2（近赤外）のデータを選択して用いた。

（3）F - NDVIデータ

ELL 法による大陸レベルの東アジア地域の飽和 DN 値

Table 2 Used DMSP/OLS data

Satellite/sensor Year/month/day Area DMSP/OLS F15 2005/ 1 /11 Japan DMSP/OLS F15 2005/ 1 /11 China

Table 3 Used ETM and MODIS data

Satellite/sensor Year/month/day Area

LANDSAT/ETM+ 2006/11/ 9 Tokyo 2001/10/15 Osaka 2005/ 8 /15 Shanghai 2005/ 8 /15 Seoul 2006/ 5 /21 Suzhou 2005/ 9 /30 Nanjing 2001/10/11 Hangzhou Terra, Aqua/MODIS 2006/ 4 , 8, 11 Tokyo Terra, Aqua/MODIS 2005/ 4 , 8, 11 East Asia

Table 4 Used F - NDVI data

Data Year/month/day Area

Filled NDVI Maps Product 2003/ 4 /23−5 / 8 East Asia 2003/ 5 / 9−5 /24 2003/ 7 /28−8 / 2 2003/ 9 /14−9 /29 2003/10/16−10/31

Table 5 Used NGDC - OLS data（NGDC, 2010）

Data Year/month/day Area Global Radiance Calibrated Nighttime Lights 1994/10/ 1− 1995/ 4 /30 East Asia の推定に使用したF-NDVI データは，NASA がグローバルに16日間ごとに集成したNDVIプロダクトデータである。本研究ではNASA の MODIS Atmosphere の Web 上（NASA，2011）からTable 4 に示すような2003年のデー

タをダウンロードして入手し，4月下旬（初春），5月上旬

（春），7月下旬（夏），9月下旬（初秋），10月下旬（秋）の 5 時期のデータを統合して解析に用いた。

（4）NGDC−OLSデータ

ELL 法による ETM データ，MODIS データ，F - NDVI データによる飽和DN 値推定結果の妥当性を検討するためにNGDC−OLS データを使用した。これは NGDC （NGDC，2010）よりGlobal Radiance Calibrated Nighttime

(6)

雲の12 分類項目を設定し，それぞれに対しトレーニングエリア（教師）データを選定した。このトレーニングエリア設定は，赤外カラー画像，もしくは中間赤外カラー画像を判読しながら行った。これは中間赤外カラーを用いることで，植生が細分化かつ強調され，市街地と住宅地との区別がつき，判読されやすく，より正確な選定が可能であるためである。また選定には，現地調査情報，航空写真，地形図および地図帳の情報も参考にした。この選定において，すべての項目のトレーニングデータの分類精度が90％を超えた後，最尤法による土地被覆分類処理を行った。ここで，密集市街地，市街地，密集住宅地，住宅地の分類精度については85％以上としたが，これは1 画素内に密集市街地，市街地，密集住宅地，住宅地が複雑に含まれているケースが多く，純粋な選定に限界があるためである。分類データは，分類項目ごとに任意の配色をし，土地被覆カラー画像として結果の確認を行った。 4. 5 本手法により推定した DN 値の評価方法推定したOLSデータの飽和DN値が，妥当であるかの評価を行うため，NGDC - OLS データを使用し比較分析を行った。その方法としては，入手したNGDC - OLS データのうち，対象の各都市を含む140km × 140km の範囲を正角割円錐図法に投影変換し，同範囲でETM，MODIS， Lights のデータセットとして公開されているもので，本研究ではTable 5 のようなデータを Web 上よりダウンロードして入手した。 4. 3 対象とした東アジアの都市各光学センサデータを用いたELL 法による OLS データの飽和DN 値の推定とその比較検証の対象都市は，東京とその近郊（以下「東京都市圏」とする）に分布しており，この140km × 140km の範囲を解析領域とした。また都市間比較の対象都市は，日本と朝鮮半島および中国東部を含む東アジアの主要大都市である上海（以下「上海都市圏」とする），大阪，ソウル，蘇州，無，常州，南京，杭州とし，それぞれ東京と同様に140km× 140kmの範囲を解析領域した（Fig.3）。また，東アジアの広域の対象領域はFig.3の破線内である。東アジアの都市は，近年経済成長が著しく，例えば，ここ10 年間で GDP はソウルで約 1.6 倍，上海，南京で約2.4 倍にもなった。これに伴いエネルギー消費量は，ソウルが約1.2倍，上海と南京は1.5倍にそれぞれ増加した（総務省統計局，2005）。これに対し，2005年の日本の人口は，世界で10 位なのに対し，同年のエネルギー消費量は世界で4 位，電気消費量のみでも世界で 5 位となっている（総務省統計局，2005）。すなわち，日本は 1 人あたりのエネルギー消費量が，世界で最も多い国の1 つといえる。 4. 4 土地被覆分類情報の抽出方法本研究の手法で適用したETM，MODIS，F - NDVIデータの土地被覆分類データは，最尤法による分類によるもので，Table 6 のような密集市街地，市街地，密集住宅地，住宅地，工場，裸地，農地，草地，樹林，水域，山陰，

Fig. 3 Study Area（Google, 2011）

Table 6 Land cover classification items for the estimate of

night light intensity DN value

No. Classiﬁcation Application

1 Urban 1 High-rise building and high density build up area（More than ﬁve ﬂoors） 2 Urban 2 Apartment and shop（Less than five

ﬂoors）

3 Residential 1 Apartment（More than five floors）_{and density residential area} 4 Residential 2 Residential area including garden tree 5 Factory Large-stand buildings such as factory

and Airport

6 Wasteland Bare land and uncultivated land 7 Agricultural_land Paddy ﬁeld and farm land 8 Grassland Glass, weed and pasture

9 Forest _（Broadleaf tree or coniferous trees Tree height of not less than 2m） 10 Water Sea, river ,lake and pond

11 Shadow Shade of mountain 12 Cloud Cloud

(7)

F - NDVI データから推定した光強度 DN 値推定画像の画素間でDN値の比較を行った。 5 ETM データによる飽和 DN 値推定結果 5. 1 ETM データの土地被覆情報による飽和 DN 値推定 Fig.4 に正角割円錐図法に投影変換された東京都市圏のOLS夜間原画像を，Fig.5 に同範囲のETMデータによる土地被覆分類画像（以下「ETM土地被覆画像」とする）を示す。Fig.4 の OLS 夜間原画像の DN 値分布をみると，中心部は一定であるが，それより郊外に行くに従い値が小さくなっていることが分かる。ここで，ETM土地被覆画像内（140km×140km）に対応するOLS データの光強度未飽和 DN 値域の各画素（4km× 4 km）内に含まれる光放出人工被覆項目の占有面積比率を算出し，グラフにプロットした結果をFig.6 に示す。これによれば光放出人工被覆域の占有面積比率が高いほどOLS 原データの DN 値が高くなる関係（R ＝ 0.857）が示された。上述の関係に基づき，対象地域全体の東京都市圏と上海都市圏のOLSデータの光強度飽和DN値域をETMデータにより推定したDN値推定画像（以下「ETM - DN値推定画像」とする）を作成した（Fig.7および Fig.8）。これらの光強度DN 値推定画像によれば，東京都市圏では東京駅周辺地域，上海都市圏では南京東路付近が，それぞれ最も高いDN 値を示し，ここから郊外にむかうに従い徐々に光強度が減少する分布が明瞭に示された。 5. 2 ETM データによる飽和 DN 値推定結果 ETM データによる飽和 DN 値推定の評価として， ETM - DN 値推定画像と NGDC - OLS データの光分布画像の画素間でDN 値の比較を行った。対象としたのは東京都市圏と上海都市圏の140km×140kmの範囲であり，両都市のNGDC - OLS データの光分布画像を Fig.9 と Fig.10に，比較を行った東京都市圏と上海都市圏の散布図をFig.11とFig.12にそれぞれ示す。この散布図によると，東京都市圏と上海都市圏の NGDC - OLS データの光分布画像と ETM - DN 値推定画像の間の相関係数は，それぞれ0.933および0.805という高い値が示され，両推定画像はNGDC - OLS データの光分布画像とほぼ同様のDN値分布を示した。 5. 3 東アジアの都市間における ETM データによる飽和 DN 値推定結果の比較 ETM データを用いた ELL 法の適用例として，東アジアの 5 つの大都市の飽和 DN 値の推定を行った。ETM

Fig. 4 Nighttime lights

dis-tribution of Tokyo by OLS data on Nov.1, 2005

Fig. 5 ETM Land cover

cla-ssification image of Tokyo and its suburbs

Fig. 6 Relationship between

OLS digital number and percentage of artificial land cover area by ETM data

Fig. 7 An estimated image

of night light dis-tribution of Tokyo based on ETM land cover data

Fig. 8 An estimated image

of night lights dis-tribution of Shanghai based on ETM land cover data

Fig. 9 The NGDC-OLS image

of night lights dis-tribution of Tokyo

0 255（DN 値）

(8)

土地被覆画像から求められた大阪，ソウル，蘇州，南京，杭州のETM−DN 値推定画像を Fig.13 から Fig.17 にそれぞれ示す。これらの推定画像においても，東京と同様に光放出人工被覆域の占有面積比率が高い地域ほどDN 値が高くなる結果が示され，同心円状に広がるDN 値の分布状況を明瞭に表していた。以上のことからもELL 法は，東アジアの広域に分布する各都市の光強度分布の推定に対し適用が可能であることが示された。 6 MODIS データによる飽和 DN 値推定結果 6. 1 MODISデータの土地被覆情報による飽和 DN値推定広域を観測する衛星データによる土地被覆情報データからも光強度分布の推定が可能かについて検討を行った。Fig.18 に東京都市圏の MODIS データによる土地被覆分類画像（以下「MODIS土地被覆画像」とする）を示し，光放出人工被覆域の占有面積比率の算出結果を Fig.19に示す。これらによれば，光放出人工被覆域の占有面積比率とOLS原データの DN値の間には比較的高い正の相関（R＝0.832）が示された。上述の関係に基づき，東京都市圏と上海都市圏の光強度飽和DN 値域について DN 値を推定した MODIS データによる飽和DN 値推定画像（以下「MODIS - DN 値推定画像」とする）を作成した（Fig.20およびFig.21）。これらの画像とFig.7 および Fig.8 の ETM−DN 値推定画像

との間で，画素ごとのDN 値を比較した結果は，Fig.22

とFig.23 のように相関係数がそれぞれ 0.905 および 0.912

であり，両画像はほぼ同様のDN 値の分布であることが

示された。

Fig.12 Relationship between

OLS data estimated from ETM and NGDC- OLS data of Shanghai

Fig.13 An estimated image

of night lights dis-tribution of Osaka based on ETM land cover data

of night lights dis-tribution of Seoul based on ETM land cover data

of night lights dis-tribution of Suzhou based on ETM land cover data

of night lights dis-tribution of Nanjing based on ETM land cover data

of night lights dis-tribution of Hangzhou based on ETM land cover data

Fig.10 The NGDC--OLS image

of night lights dis-tribution of Shanghai

OLS data estimated from ETM and NGDC- OLS data of Tokyo

0 255（DN 値）

0 255（DN 値） 0 255（DN 値）

(9)

被覆を十分に反映することが難しく，それらが市街地としてまとめて分類され，その結果が光強度の違いとして現れたと考えられた。 6. 5 現地調査による主要都市の光強度 DN 値推定画像の特徴 MODIS データによる飽和 DN 値推定の結果と現地の光の使用状況や実際の照度との比較分析のために，現地確認と照度計による現地計測を東京，上海，蘇州，無錫，常州，南京，杭州の各都市で2010 年 11 月，12 月および 2011年 9 月に行った。（1）東京池袋のサンシャインビルから撮影した池袋駅周辺の市街地の夜景をFig.35 に示す。駅周辺にはビルとネオンサイン，街灯，車のライト，住宅地の家の窓からの光が示されている。地上調査において，MODIS - DN 値推定画像で DN 値が最も高い密集市街地である新宿歌舞伎町周辺（Fig.36）では，店の入口からの光やネオンサインの光が強く，照度計測結果は，190lux以上の高い値を示した。また，MODIS - DN 値推定画像上で新宿歌舞伎町周辺よりもDN 値が低い東京世田谷区の桜上水駅周辺の商店街（Fig.37）では，店の入口からの光は強かったが，ネオンサインや高いビルが無いため暗い。さらに，桜上水駅付近の住宅地（Fig.38）では，衛星の通過時刻の午後 9 時頃では家の窓からの明かりが確認され，街灯も30m に1本ほどあったが，照度計測を行ったところ，5 lux前後の低い値が示された。（2）上海上海の浦東地区の金茂大廈ビルからの夜景（Fig.39）では，ビル，街灯，車のライトの光を確認することができるが，住宅地の光を確認することは難しい。また， MODIS - DN 値推定画像上で DN 値が最も高い上海中心部の南京東路の繁華街（Fig.40）では，店の入口からの光やネオンサインの光は強く，照度計測を行ったところ，新宿の歌舞伎町周辺の照度と同じ190lux 以上の高い値を示した。一方で，南京東路から南西へ1.3km離れた黄浦区の小さな家が集合する住宅街（Fig.41）では，街灯はほとんど認められず，100m に 1 本程度であり，照度計測では 1 lux前後と暗かった。このように，OLSの 1 画素 4 km ×4 km の範囲内で同じ DN 値を持つ Fig.40 と Fig.41 の地点では，照度に大きな差がみられた。また，Fig.42 のような上海の徐汇区の市街地では，1 階が小さな店，2 階以上がアパートとして利用されてい 6. 2 MODIS データによる飽和 DN 値推定結果東京都市圏と上海都市圏のMODIS - DN 値推定画像（Fig.20およびFig.21）について，NGDC - OLSデータの光分布画像（Fig.9およびFig.10）との間で，DN値の比較を行った。その結果，両都市において比較画像間では 0.899 および 0.832 という高い相関がそれぞれ示された（Fig.24およびFig.25）。このことからMODIS−DN値推定画像はNGDC - OLS データの光分布画像とほぼ同様の DN値の分布であることが示された。 6. 3 東アジアの都市間における MODIS データによる飽和DN 値推定結果の比較広域に分布する複数の都市へのELL 法の適用について，東アジアの都市間の比較によりELL 法による推定の妥当性を評価した。大阪，ソウル，蘇州，南京，杭州のMODIS−DN 値推定画像をFig.26 から Fig.30 にそれぞれ示す。これらの推定画像においても，ETM−DN 値推定画像結果と同様に，人工被覆域の占有面積比率が高い地域ほどDN 値が高くなる正の相関（R＝0.682 ∼0.842）が示され，ELL法は広域に分布する都市を対象としたMODIS データによる光強度分布の推定への適用も可能であることが示された。しかし，いくつかの地点で，NGDC - OLS データの光分布画像とMODIS - DN 値推定画像間の DN 値に差が大きくなるという結果が表れた。 6. 4 MODIS データによる飽和 DN 値推定画像の特徴 NGDC - OLS データの光分布画像と，MODIS−DN 値推定画像の間のDN 値の差が大きい地点について，土地被覆状況をMODIS土地被覆画像とETM土地被覆画像よりそれぞれ判読して確認したところ，それらは都市内で，公園や小河川あるいは海岸に隣接する市街地であった。また，MODIS - DN値推定画像のDN値がNGDC−OLS データよりも高い地点の土地被覆を，両土地被覆画像（Fig.31 および Fig.32）の比較により確認したところ，前者は後者よりも，植生の被覆域面積が 1 ％，河川の被覆域面積が9.3％低く示された。さらに，密集市街地の被覆域面積が10％以上高く示された。次に，MODIS - DN値推定画像のDN値がNGDC - OLS データよりも低い地点については，同じく両土地被覆画像（Fig.33 および Fig.34）の比較で，前者は後者よりも市街地の被覆域面積が10％以上低く，逆に住宅地の被覆域面積が10％以上高く示された。以上のことから，MODISデータは，250mという空間分解能の点で住宅地，農地，植生といった小規模な土地

(10)

が上海よりもMODIS - DN 値推定画像においてDN 値が低い理由は，街路樹が大通りの街灯や車のライトから放出される光を隠していることが考えられた。（7）杭州中心街である上城区には，高層のオフィスビルや大規模な百貨店あるいは小さな商店が混在していた（Fig.48）。大通りの交通量も多く，街灯の数が多かった。特に，ショッピングモールの近くの街灯が明るく，照度計測を行ったところ70lux前後を示していた。また，他の都市が街灯にオレンジ色のナトリウム灯を使っているのに対し，杭州では白熱灯が多く使用されていて，ナトリウム灯よりも照度が約10lux と低いため， MODIS - DN 値推定画像で実際よりもやや低い DN 値が示されと推察した。（8）主要都市の比較のまとめ各都市のMODIS - DN 値推定画像と光の利用の特徴および照度計測の調査結果をまとめると以下の通りである。（a）高層ビルから日本と中国の都市の夜景をそれぞれ観察したところ，日本と中国の両方の都市で市街地のビル，ネオンサイン，街灯，車のライトを確認することができるが，中国では住宅地で光を確認することは難しかった。（b）中国の都市は日本に比べ，街路樹が多いケースがあり，街路樹が道路を覆い，上空への街灯や車のライトの光を遮っている可能性が推察された。（c）MODIS - DN 値推定画像で DN 値が最大である日本の新宿歌舞伎町周辺や中国の上海南京東路のような繁華街では，ネオンサインの光が最も強く，照度計測結果は両者とも最高で190.3luxの高い値を示した。（d）MODIS - DN 値推定画像の DN 値と共に，照度計の観測値が，東京と上海の都市の中心部において，他のる建物が多く見られ，このような地域では，1 階の店からの光で路上は明るい。しかし，街路樹が道路を覆い，上空への街灯や車のライトの光を遮っており，MODIS - DN 値推定画像ではDN値が低くなることが推察された。（3）蘇州蘇州の中心部である沧浪区は，Fig.43ようにほとんどが商店街であり，小さな商店と少し高層の百貨店などのショッピングモールが密集しているため，ネオンサインの光が集中する地域で，照度は上海の南京東路に近い 150lux 以上の高い値を示した。しかし他の都市の街灯とは異なり，都市の中心では，Fig.44のような白熱灯が使われており，この地域の照度は，35lux 前後と低い値であった。このことから，MODIS - DN 値推定画像で DN 値が高く示された理由は，ショッピングモールのネオンサインの光によるものと推察された。また高層ビルや高層マンションからなる新市街が中心街の外側の地域に広く分布し，ここでの照度は40lux 以上の値であった。ここには街灯も多くあることから，中心部ではないにもかかわらず，MODIS - DN 値推定画像で光を確認することができた。（4）無錫無錫の中心部の崇安区は，大型のショッピングモールが多く，百貨店，ホテル，銀行，オフィスビルなどもあり，密集市街地と市街地が混在した地域であった（Fig.45）。また，ほかの都市に比べ街路樹が少なく，それが街灯を隠すというような地域は少なかった。一方，ネオンサインなどの強い光を出す地域は少なく，Fig.45 のような市街地で照度計測を行ったところ，55lux 前後の低い値であった。そのため，上海や蘇州よりも MO-DIS - DN 値推定画像で低い DN 値が示されたと推察された。（5）常州中心部の天区では，他の都市に比べて，住宅地が多い。その他に百貨店や小さな商店が並んでいたが，ネオンサインは見られなかった。また，大通りに街路樹はなく，街灯の光を遮るものはなかった。このことから，上海や蘇州，無錫よりもMODIS - DN 値推定画像で低い DN値が示されたと推察された。（6）南京中心部の白下区の密集市街地には，上海のように高層のオフィスビル，大規模な百貨店が並んでいた（Fig.46）。さらに百貨店のネオンサインが多く，照度計測を行ったところ，上海よりも低いが，最大で114.8luxの値を示していた。しかし，他の都市に比べ街路樹が多く，特に大通りでも街路樹は多かった（Fig.47）。そのため，南京

Fig.18 MODIS Land cover

classification image of Tokyo and its sub-urbs

OLS digital number and percentage of artificial land cover area by MODIS data

(11)

of night lights distri-bution of Tokyo based on MODIS land cover data

of night lights distri-bution of Shanghai based on MODIS land cover data

OLS data estimated from ETM and MO-DIS data of Tokyo

OLS data estimated from ETM and MO-DIS data of Shanghai

Fig.24 R e l a t i o n s h i p b e t

-ween OLS data esti-mated from MODIS and NGDC-OLS data of Tokyo

Fig.25 Relationship bet-ween

OLS data estimated f r o m M O D I S a n d NGDC-OLS data of Shanghai

of night lights distri-bution of Shuzhou based on MODIS land cover data

of night lights distri-bution of Nanjing based on MODIS land cover data

Fig.30 An estimated image of night lights distribution of

Hangzhou based on MODIS land cover data

of night lights distri-bution of Osaka based on MODIS land cover data

of night lights distri-bution of Seoul based on MODIS land cover data

0 255（DN 値）0 255（DN 値） 0 255（DN 値）0 255（DN 値）

0 255（DN 値） 0 255（DN 値）

(12)

Fig.41 A picture showing

lights of Huangpu in Shanghai

lights of Xuhui in Shanghai

night view of Cang-lang in Suzhou

lights of Canglang in Suzhou

lights of Chongan in Wuxi

city lights of Baixia in Nanjing

lights of Baixia in Nanjing

lights of Shangcheng in Hangzhou

Fig.31 MODIS land cover

classification image of Taito area in Tokyo

Fig.32 E T M l a n d c o v e r

classification image of Taito area in Tokyo

Fig.33 MODIS land cover

classification image of Shibuya area in Tokyo Fig.34 E T M l a n d c o v e r classification image of Shibuya area in Tokyo

city lights of Ikebuku-ro in Tokyo

lights of Shinjuku in Tokyo

lights of commercial ar ea, Setagaya in Tokyo

lights of residential ar ea, Setagaya in Tokyo

city lights of Pudong in Shanghai

city lights of Nanjing Dong Lu in Shanghai

(13)

とその画像作成を行って，ETMやMODISデータを用いた場合と同様の推定が可能かについて検討を行った。 Fig.49に東アジアのOLS夜間原画像を，Fig.50に同範囲のF - NDVI 土地被覆画像を示し，この土地被覆画像から推定したF - NDVI データによる飽和DN 値推定画像（以下「F - NDVI−DN 値推定画像」とする）を Fig. 51 に示す。東京都市圏および上海都市圏のF - NDVI−DN 値推定都市に比べ著しく強い値を示していた。 7 F−NDVI データによる飽和 DN 値の推定結果 7. 1 F−NDVI データによる東アジアの都市の光強度分布の特徴多時期のF - NDVI データから作成された土地被覆分類データ（以下「F - NDVI土地被覆画像」とする）を用いて，東アジアに分布する都市の夜間の飽和DN 値の推定

Fig.49 A nighttime lights distribution image of East Asia by OLS original data in 2005

0 255（DN 値）

(14)

それぞれの都市の夜間の飽和DN 値の推定とその画像を作成し，ETM−DN 値推定画像および MODIS - DN 値推定画像のDN 値との比較を行ったところ，ほぼ同様な光強度分布を示していた。このことから全球を対象に多時期で整備されている F - NDVIデータによる土地被覆画像から，全球レベルで夜間の光強度DN 値推定画像作成の可能性が示された。また，このデータは，推定したDN 値と光エネルギー値の間の指数関数によりエネルギー値への変換が容易に可能であり（Elvidge, 1999; Kohiyama, 2004），全球レベルでのエネルギー消費量の推定の可能性も示唆されたと言える。今後は，全球OLSデータの飽和DN値の推定とその画

画像（Fig.52 および Fig.53）と ETM - DN 値推定画像（Fig.7 および Fig. 8 ）ならびに MODIS - DN 値推定画像（Fig.20 および Fig.21）とで DN 値の画素間での比較を行った結果，F - NDVI - DN値推定画像とETM - DN値推定画像の間では相関係数が0.756および0.824，F - NDVI - DN 値推定画像とMODIS - DN 値推定画像の間では，相関係数が0.756および0.794であり，それぞれほぼ同様な光分布を示した。これによりF - NDVI 土地被覆画像からも，光の強度分布推定が可能であることが示された。 7. 2 グローバルの都市の夜の光の強度分布およびエネルギー消費量の推定についての展望 7.1 節の F−NDVI 土地被覆画像を用いて，東アジアの

Fig.51 An estimated image of night light distribution of East Asia based on F - NDVI land cover data

Fig.52 An estimated image of night light distribution of

Tokyo based on F - NDVI land cover data

Fig.53 An estimated image of night light distribution of

Shanghai based on F - NDVI land cover data

0 255（DN 値） 0 255（DN 値）

(15)

値推定画像を作成することができ，ELL法は広域の各都市の光強度分布の推定へ適用が可能であることが示された。 4）MODIS - DN値推定画像でDN値が高い地点は，現地での照度計による計測でも高い照度を示した。しかし，中国の都市は日本の都市に比べ街路樹が道路を覆い，上空への街灯や車のライトの光を遮っている可能性が推察された。 5）時期違いのF - NDVIデータから作成されたF - NDVI 土地被覆画像より東アジアの飽和DN 値を推定し，その画像を作成することができたことから，本研究の手法を適用することで全球レベルでの光強度飽和DN 値域の推定とその画像作成が可能であることが示された。また，この結果により，F - NDVI - DN 値推定画像からエネルギー消費量を算出することの可能性が示唆された。謝辞本研究のOLS データは農林水産省データーベースシステムSIDaBライブラリより提供を受けた。農林水産研究情報総合センターの永谷泉氏に謝意を表します。また，中国の現地調査では上海の華東師範大学の鄭祥民教授，立旻周准教授，方芳氏および沈冶氏らの協力を得た。ここに深く感謝いたします。像作成をF - NDVI 土地被覆画像より行い，実際にDN 値からエネルギー値を算出し，全球レベルでのエネルギー量推定結果の検討が必要である。 8 結論本研究では，土地被覆分類情報を参照して，都市域の OLS データの飽和域の DN 値の推定を行う ELL 法を新たに提案し，実際にETM，MODIS，F - NDVI データを解析した土地被覆分類データより，夜の光強度DN 値推定画像を作成し，その妥当性について評価を行った。得られた結論をまとめると以下の通りである。 1）ETM データの光放出人工被覆域の占有面積比率と OLS 原データの DN 値の間には高い正の相関があり，線形回帰として表わされ，この関係より，東アジアの各都市の夜間の光強度飽和DN 値域の DN 値の推定とその画像を作成することができた。 2）東京都市圏および上海都市圏の MODIS - DN 値推定画像およびETM - DN 値推定画像と NGDC - OLS データの光分布画像間でDN 値を比較したところ，高い正の相関が示された。 3）MODIS - DN値推定画像から東アジアの光強度DN 国際連合統計局（2005）：商業エネルギーの生産，貿易および消費，世界統計年鑑・2001，48，株式会社原書房， pp.84−613．中山裕則他（1983）：宇宙からみた夜の光分布にみる世界の経済傾向，地理，28（8），1983，pp.94−103． 中山裕則他（1993）：DMSP 全球夜間映像の作成と夜の光分布に関する地理学的考察，日本リモートセンシング学会誌，13（4），pp.1−14．

農林水産研究情報総合センター：Satellite Image Data Base， http://rms1.agsearch.agropedia.affrc.go.jp/sidab/index-ja. html，2010年10月 1 日最終閲覧原政直（2004）：DMSP/OLS データの利用による地球規模の電気消費量とCO2 排出量の解析研究，千葉大学学位論文，pp.1−183．松下まなみ他（2010）：土地被覆分類情報を適用したDMSP/ OLSデータによる都市内の夜間光分布の推定，リモートセンシング学会第49回学術講演論文集，pp.157−158．松下まなみ他（2011）：地被覆分類情報を適用した DMSP/ OLSデータによる都市内の夜間光強度分布の推定，（社）計測自動制御学会計測部門第 18 回リモートセンシングフォーラム資料，pp.23−26．松下まなみ他（2011）：MODISデータの土地被覆分類情報に基づくDMSP/OLS データの都市の夜間の光強度分布の推定，リモートセンシング学会第50 回学術講演論文集， pp.223−224．（財）リモート・センシング技術センター（RESTEC）：世界の地球観測衛星，http://www.restec.or.jp/databook/index. html，2011年 9 月20日最終閲覧

Christopher D. Elvidge et al. (1997) : Mapping city lights with nighttime data from the DMSP Operational Linescan System, Photogrammetric Engineering and Remote Sensing,

63 (6), pp.727−734．

Christopher D. Elvidge et al. (1999) : Radiance Calibration of DMSP-OLS Low-Light Imaging Data of Human Settlements, Remote Sensing of Environment, 68 (1), pp.77−88．

Christopher D. Elvidge et al. (2001) : Nighttime lights of the world1994 − 95, ISPRS Journal of Photogrammetry and Remote Sensing, 56 (2), pp.81−99．

Christopher D. Elvidge et al. (2007) : Global Distribution and Density of Constructed Impervious Surfaces, Sensors, 7

(9), pp.1962−1979．

Christopher Small (2005) : Spatial analysis of global urban extent from DMSP-OLS night lights, Remote Sensing of Environment, 96 (3), pp.277−291．

Google (2011) : Googleマップ, http://maps.google.co.jp/maps? hl=ja&tab=il, 2011年 9 月20日最終閲覧

Husi Letu et al. (2010) : timating energy consumption from night-time DMPS/OLS imagery after correcting for satu-ration effects, International Journal of Remote Sensing, 31

(16), pp.4443−4458．

Marc L. Imhoff et al. (1997) : A Technique for Using Composite DMSP/OLS City Lights Satellite Data to Map Urban 参考文献

(16)

覧

NOAA/NGDC:OLS-Operational Linescan System, http:// www.ngdc.noaa.gov/dmsp/sensors/ols.html, 2011 年 9 月20日最終閲覧

Paul C. Sutton et al. (2001) : Census from Heaven : an estimate of the global human population using night-time satellite imagery, INT. J. Remoto Sensing, 22 (22), pp.3061−3076．

S. Isobe et al. (1997) : PRESERVING THE ASTRONOMICAL WINDOWS, Astoronomical Society of the Paciﬁc Confer-ernce Series, 139, pp.175−184．

University of Maryland : Global Land Cover Facility, http:// glcfapp.glcf.umd.edu:8080/esdi/index.jsp, 2011 年 9 月 20 日最終閲覧

R.Welch (1980) : Monitoring Urban Population and Energy Utilization Patterns From Satellite Data, Remote Sensing of Environment, 9 (1), pp.1−9．

Area, Remote Sensing of Environment, 61 (3), pp.361 −

370．

M. Kohiyama et al. (2004) : Early damaged area estimation system using DMSP-OLS night-time imagery, International Journal of Remote Sensing, 25 (11), pp.2015−2036．

M. Hara. et al. (2004) : Progress for stable artiﬁcial lights dis-tribution extraction accuracy and estimation of electric power consumption by means of DMSP/OLS nighttime imagery, International Journal of Remote Sensing and Earth Sciences, 14 (1), pp. 31−42．

NASA/GSFC: MODIS Atmosphere, http://modis-atmos.gsfc. nasa.gov/，2011年9月20日最終閲覧

NASA/GSFC: MODIS Rapid Response, http://lance.nasa.gov/ imagery/rapid-response/，2011年9月20日最終閲覧 NOAA/NGDC:DMSP Data Download, http://www.ngdc.