とらりもん - 植生分類図 Diff
- Added parts are displayed like this.
- Deleted parts are displayed
like this.
筑波大学農林工学系 西田顕郎
!はじめに
植生分類図や土地被覆分類図、土地利用分類図は、環境調査において、地形情報と並んで最も重要かつ基礎的な地理情報である。世の中には、さまざまな機関が植生分類図や土地被覆分類図、土地利用分類図を作成し、配布しているが、それらを適切にGISで利用することで、多様な解析が可能になる。ここでは、日本における、代表的な植生分類図である、環境省自然環境保全基礎調査のデータを処理してみよう。
!環境省自然環境保全基礎調査について
まず、以下のページに目を通そう。
*[[環境省 生物多様性センター|http://www.biodic.go.jp/]]
*[[生物多様性情報システム|http://www.biodic.go.jp/J-IBIS.html]]
*[[自然環境保全基礎調査|http://www.biodic.go.jp/kiso/fnd_f.html]]
*[[植生調査３次メッシュデータ|http://www.biodic.go.jp/dload/mesh_vg.html]]
*[[成果物の取り扱いについて|http://www.biodic.go.jp/kiso/kiso_attention.html]]
特に、「成果物の取り扱いについて」のページは必ず読むこと。一般公開されているデータにも著作権は存在し、利用条件が定められているものである。それらは尊重しなければならない。
!データのダウンロードと読み込み
次にデータをダウンロードし、読み込んでみよう。このデータは、ちょっと特殊な書式なので、それをGISに読み込むには書式の変換処理などが必要である。以下のページで、そのためのツールが公開されている：
[[環境省日本植生図(自然環境保全基礎調査 ３次メッシュ植生データ)について 筑波大学農林工学系 西田顕郎|http://ryuiki.agbi.tsukuba.ac.jp/~nishida/MEMO/LC_MEJ.html]]|環境省日本植生図について]]
ここの記述に沿って、データをダウンロードし、GRASSにインポートせよ。すると、LC_MEJ_MOD12catsという名前のラスターマップができる(このcatsは、「カテゴリ」という意味。MOD12というデータのカテゴリに準拠している、という意味）。
それができたら、表示してみよう：
g.region rast=LC_MEJ_MOD12cats
d.mon x0
d.rast LC_MEJ_MOD12cats
{{attach_view(LC_MEJ_MOD12_s.png)}}
!領域内の統計
次に、植生分布の状況を、関東各県でしらべてみよう。
まず、関東地方をズームする。そして、各県の境界を重ねて描いてみよう。各県の境界は、前回、ベクターデータとして作成してあるはず。
d.zoom
for i in chibak gunmak ibaragik kanagawk saitamak tochigik tokyohk; do
d.vect $i type=boundary color=orange
done
{{attach_view(LC_MEJ_pref.png)}}
では、茨城県内で、それぞれの植生カテゴリが、どのくらい存在しているか見てみよう：
r.mapcalc "MASK=if(0 <= ibaragik)"
r.stats LC_MEJ_MOD12cats -p -n
r.stats: 100%
0 0.15%
1 27.66%
2 0.31%
3 0.02%
4 6.93%
10 2.95%
11 4.65%
12 21.99%
13 13.37%
16 0.09%
253 21.99%
254 0.05%
[Raster MASK present]
ここで、左の列の1,2,...,253,254は、植生カテゴリの番号であり、実際の植生には以下のように対応する：
0 その他
1 常緑針葉樹林
2 常緑広葉樹林
3 落葉針葉樹林（カラマツ）
4 落葉広葉樹林
5 混合樹林
10 草原
11 水域
12 農地（水田除く)
13 都市
16 裸地
253 水田
254 未分類
従って、茨城県の面積のうち、常緑針葉樹林が28%と最も多く、次いで畑、水田が22%程度を占める、ということがわかる。
さて、上の処理で、r.mapcalc "MASK=if(0 <= ibaragik)"という処理があったが、このMASKというのは、GRASSにおいて特別な意味（機能）を持つラスターマップである。普通、ラスターマップは、ユーザーが適当に名前をつければいいのだが、この"MASK"という名前をもつラスターマップだけは特別なのである。このマップセットは、解析の対象範囲（region-of-interest ... ROI）を決めるラスターマップである。このラスターマップが存在すると、GRASSの様々な解析処理はこのMASKが指定する領域（MASKの値が1の領域）だけを対象にする。なので、上で行ったr.mapcalcコマンドは、ROIを茨城県内に限定する働きをしたのだ。
では、同様の解析を、茨城県のライバルである、千葉県に対して行ってみよう。まず、ROIを千葉県にあわせよう。ただし、現在は茨城県にROIが設定されているので、そのままr.mapcalcを走らせてMASKを作ろうとしても、茨城県内に対してのみr.mapcalcの処理が行われるので、MASKは全面がnullになってしまう。そこで、まず現在のMASKを消して、改めてMASKを千葉県用に作る、という手順を踏まねばならない：
g.remove MASK
r.mapcalc "MASK=if(0 <= chibak)"
r.stats LC_MEJ_MOD12cats -p -n
r.stats: 100%
1 17.25%
2 0.53%
4 16.19%
12 14.82%
13 16.83%
253 25.46%
(一部省略)
これを見ると、千葉県は茨城県に比べて、農地の割合が少なく、落葉広葉樹林が多いことがわかる。
では、森林（カテゴリ1,2,3,4,5)の割合が最も高いのは、関東地方のどの都県だろうか？
rm rank.txt
for i in chibak gunmak ibaragik kanagawk saitamak tochigik tokyohk; do
g.remove MASK
r.mapcalc "MASK=if(0 <= $i)"
r.stats LC_MEJ_MOD12cats -p -n | awk '0<$1 && $1<=5{a=a+$2}END{print pref, a}' pref=$i >> rank.txt
done
cat rank.txt
chibak 33.97
gunmak 66.29
ibaragik 35.1
kanagawk 36.81
saitamak 34.13
tochigik 55.62
tokyohk 33.64
予想通り(?)、群馬、栃木が圧倒的に高いが、意外にも、その他の都県はあまり違わない。東京は都会のイメージがあるが、西部の多摩地方は森林が豊富なのである。
!はじめに
植生分類図や土地被覆分類図、土地利用分類図は、環境調査において、地形情報と並んで最も重要かつ基礎的な地理情報である。世の中には、さまざまな機関が植生分類図や土地被覆分類図、土地利用分類図を作成し、配布しているが、それらを適切にGISで利用することで、多様な解析が可能になる。ここでは、日本における、代表的な植生分類図である、環境省自然環境保全基礎調査のデータを処理してみよう。
!環境省自然環境保全基礎調査について
まず、以下のページに目を通そう。
*[[環境省 生物多様性センター|http://www.biodic.go.jp/]]
*[[生物多様性情報システム|http://www.biodic.go.jp/J-IBIS.html]]
*[[自然環境保全基礎調査|http://www.biodic.go.jp/kiso/fnd_f.html]]
*[[植生調査３次メッシュデータ|http://www.biodic.go.jp/dload/mesh_vg.html]]
*[[成果物の取り扱いについて|http://www.biodic.go.jp/kiso/kiso_attention.html]]
特に、「成果物の取り扱いについて」のページは必ず読むこと。一般公開されているデータにも著作権は存在し、利用条件が定められているものである。それらは尊重しなければならない。
!データのダウンロードと読み込み
次にデータをダウンロードし、読み込んでみよう。このデータは、ちょっと特殊な書式なので、それをGISに読み込むには書式の変換処理などが必要である。以下のページで、そのためのツールが公開されている：
[[環境省日本植生図(自然環境保全基礎調査 ３次メッシュ植生データ)について 筑波大学農林工学系 西田顕郎
ここの記述に沿って、データをダウンロードし、GRASSにインポートせよ。すると、LC_MEJ_MOD12catsという名前のラスターマップができる(このcatsは、「カテゴリ」という意味。MOD12というデータのカテゴリに準拠している、という意味）。
それができたら、表示してみよう：
g.region rast=LC_MEJ_MOD12cats
d.mon x0
d.rast LC_MEJ_MOD12cats
{{attach_view(LC_MEJ_MOD12_s.png)}}
!領域内の統計
次に、植生分布の状況を、関東各県でしらべてみよう。
まず、関東地方をズームする。そして、各県の境界を重ねて描いてみよう。各県の境界は、前回、ベクターデータとして作成してあるはず。
d.zoom
for i in chibak gunmak ibaragik kanagawk saitamak tochigik tokyohk; do
d.vect $i type=boundary color=orange
done
{{attach_view(LC_MEJ_pref.png)}}
では、茨城県内で、それぞれの植生カテゴリが、どのくらい存在しているか見てみよう：
r.mapcalc "MASK=if(0 <= ibaragik)"
r.stats LC_MEJ_MOD12cats -p -n
r.stats: 100%
0 0.15%
1 27.66%
2 0.31%
3 0.02%
4 6.93%
10 2.95%
11 4.65%
12 21.99%
13 13.37%
16 0.09%
253 21.99%
254 0.05%
[Raster MASK present]
ここで、左の列の1,2,...,253,254は、植生カテゴリの番号であり、実際の植生には以下のように対応する：
0 その他
1 常緑針葉樹林
2 常緑広葉樹林
3 落葉針葉樹林（カラマツ）
4 落葉広葉樹林
5 混合樹林
10 草原
11 水域
12 農地（水田除く)
13 都市
16 裸地
253 水田
254 未分類
従って、茨城県の面積のうち、常緑針葉樹林が28%と最も多く、次いで畑、水田が22%程度を占める、ということがわかる。
さて、上の処理で、r.mapcalc "MASK=if(0 <= ibaragik)"という処理があったが、このMASKというのは、GRASSにおいて特別な意味（機能）を持つラスターマップである。普通、ラスターマップは、ユーザーが適当に名前をつければいいのだが、この"MASK"という名前をもつラスターマップだけは特別なのである。このマップセットは、解析の対象範囲（region-of-interest ... ROI）を決めるラスターマップである。このラスターマップが存在すると、GRASSの様々な解析処理はこのMASKが指定する領域（MASKの値が1の領域）だけを対象にする。なので、上で行ったr.mapcalcコマンドは、ROIを茨城県内に限定する働きをしたのだ。
では、同様の解析を、茨城県のライバルである、千葉県に対して行ってみよう。まず、ROIを千葉県にあわせよう。ただし、現在は茨城県にROIが設定されているので、そのままr.mapcalcを走らせてMASKを作ろうとしても、茨城県内に対してのみr.mapcalcの処理が行われるので、MASKは全面がnullになってしまう。そこで、まず現在のMASKを消して、改めてMASKを千葉県用に作る、という手順を踏まねばならない：
g.remove MASK
r.mapcalc "MASK=if(0 <= chibak)"
r.stats LC_MEJ_MOD12cats -p -n
r.stats: 100%
1 17.25%
2 0.53%
4 16.19%
12 14.82%
13 16.83%
253 25.46%
(一部省略)
これを見ると、千葉県は茨城県に比べて、農地の割合が少なく、落葉広葉樹林が多いことがわかる。
では、森林（カテゴリ1,2,3,4,5)の割合が最も高いのは、関東地方のどの都県だろうか？
rm rank.txt
for i in chibak gunmak ibaragik kanagawk saitamak tochigik tokyohk; do
g.remove MASK
r.mapcalc "MASK=if(0 <= $i)"
r.stats LC_MEJ_MOD12cats -p -n | awk '0<$1 && $1<=5{a=a+$2}END{print pref, a}' pref=$i >> rank.txt
done
cat rank.txt
chibak 33.97
gunmak 66.29
ibaragik 35.1
kanagawk 36.81
saitamak 34.13
tochigik 55.62
tokyohk 33.64
予想通り(?)、群馬、栃木が圧倒的に高いが、意外にも、その他の都県はあまり違わない。東京は都会のイメージがあるが、西部の多摩地方は森林が豊富なのである。