利益:
- GIS レイヤー、NDVI、およびリモート センシングの帯域/解像度の概念を解釈する能力
- AI を使用したインデックスの解釈、変更分析、地図の物語の作成
- AI の衛星/地図解釈をグラウンド トゥルースとメタデータで検証する機能
あなたは湿地保全プロジェクトに取り組む環境エンジニアです。市議会は、湖岸のヨシ原が過去5年間で縮小したという苦情を調査するよう求めている。現場に行く前に、デスクで予備評価を行う必要があります。2 つの異なる年の衛星画像、GIS (地理情報システム) プロジェクト、および言語モデルが用意されています。 LLM にイメージの NDVI 概要を解釈させ、変更ナラティブの草稿を作成させることができます。ただし、衛星ピクセルは 10 メートル四方を表しており、その正方形内に雲の影があるか、枯れたアシがあるか、季節的な水位があるかどうかは、グラウンド トゥルースでのみ理解できます。この単元では、リモート センシングと GIS の概念、AI によるインデックス/変更解釈、そして最も重要なことに、この解釈の限界について説明します。
GIS レイヤーのロジックとリモート センシングの基礎
GIS は、地理データを重なり合うレイヤーに編成します。各レイヤーにはテーマ (土地利用、水域、標高、道路) があり、共通の座標系に配置されます。分析は、正しい投影で正しいレイヤーをオーバーラップさせることから始まります。間違った座標系は、面積と距離に体系的な偏りをもたらします。
リモート センシング画像を解釈するときは、次の 3 種類の解像度を区別する必要があります。
解像度の種類
それは何を物語っているのでしょうか？
例
制限
空間的な
地面上のピクセルのサイズ
10メートル、30メートル
小さなオブジェクトはサブピクセルのまま
スペクトル
波長帯域はいくつありますか?
赤、近赤外、SWIR
帯域が少ない = 識別力が低い
一時的な
同じ場所がどのくらいの頻度で閲覧されるか
5日、16日
曇りの日のデータ損失
放射分析
輝度感度（ビット深度）
8ビット、12ビット
深度が低い = 識別力が低い
NDVI: 式と解釈
植生の活力を測定する最も一般的な指標は、NDVI (Normalized Difference Vegetable Index) です。健康な植物は近赤外線 (NIR) を強く反射し、赤色 (RED) を吸収します。
NDVI = (NIR − RED) / (NIR + RED) 値の範囲: −1 ... +1 < 0 : 水、雪、雲 0.0 - 0.2 : 裸の土壌、岩、建築地 0.2 - 0.5 : まばら/草本植生、圧迫された被覆 0.5 - 0.9 : 密で健全な緑被覆
# ピクセルの小さなサンプル ブロックの NDVI import numpy as npnir = np.array([[0.42, 0.38], [0.11, 0.45]]) # 近赤外反射率red = np.array([[0.06, 0.09], [0.10, 0.05]]) # 赤色反射率endvi = (nir - red) / (nir + red)print(np.round(ndvi, 2))# [[0.75 0.62]# [0.05 0.80]]# 左下のピクセル (0.05): 植物ではありません — 裸地または水/影である可能性があります
ヒント: NDVI は「健康」の絶対的な尺度ではなく、状態に依存する指標です。同じ地域の 2 つの日付付き NDVI を比較する場合は、画像が同様の季節、同様の太陽の角度、雲のない条件で撮影されたことを確認してください。夏の終わりと春の様子を比較すると、非現実的な「植物の損失」が生じます。
変化分析（変化検出）
2 つの日付間の違いを見つける簡単な方法は、NDVI の差を取ることですが、この違いは画像を比較できる場合にのみ意味を持ちます。
ΔNDVI = NDVI_2025 − NDVI_2020 ΔNDVI << 0 : カバー喪失の可能性 (乾燥、切断、建設) ΔNDVI ≈ 0 : 変化なし ΔNDVI >> 0 : カバー増加の可能性 (緑化、修復) 注意: この差は、季節/雲/太陽の角度/キャリブレーションの違いだけでなく、実際の変化も反映している可能性があります。差分 = 実際の変化 + ノイズ。
注意: 雲、雲の影、季節性は、変化分析の最大の阻害要因です。雲の影の下の領域は NDVI が低く、「植生の損失」のように見えます。 LLM が画像解釈を実行するとき、モデルはこれらのアーティファクトを実際のイベントと誤認する可能性があります。画像のメタデータ (日付、雲の割合、太陽の角度) を必ず確認してください。
AI によるインデックスの解釈とマップのナラティブ
LLM は、数値的なインデックスの概要を平易な説明に変換し、ドラフトレポートを作成するのに役立ちます。生の NDVI 統計とメタデータを与えて、検証するためのコメントを生成するように依頼します。
弱いプロンプト: 「この衛星画像では湿地が小さくなりましたか?」強いプロンプト: 「2 つの日付の NDVI 統計を示します (同じ地域、同じセンサー): 2020-07-15 平均 NDVI=0.61 雲 =3% 太陽角 =58°2025-07-12 平均 NDVI=0.42 雲 =22% 太陽角 =55° 対象地域: 湖岸の葦原、約 40 ヘクタール。あなたのタスク:1) 計算します。 ΔNDVI と考えられる解釈のリストを作成します。2) この低下が実際の被覆喪失以外の理由 (雲、日陰、水位、季節、校正) によって考えられるものをリストします。3) 考えられる原因ごとに、それを区別するための検証ステップを提案します (例: 雲のない画像の選択、現場訪問、水位の記録)。4) 「葦原が次の原因で縮小した」という正確な主張X% はセットアップしないでください。これは、真実が確認された場合にのみ言えることです。」
強力なプロンプトは、モデルを単一の最終的な結論に導くのではなく、別の説明と検証の計画に導きます。 2025 年の画像には 22% の雲が含まれているという事実自体が減少を疑わしくしています。
グラウンドトゥルースの検証
リモートセンシング解釈のゴールドスタンダードは、現場で行われる観察と測定による検証ポイントです。いくつかの参照点で GPS を使用して実際の土地被覆を記録し、それを画像分類と比較します。 AI またはアルゴリズムが「水」と表示するピクセルで、フィールドが「乾燥したアシ」と表示する場合、その分類は信頼できません。
ミニケース
鉱山現場の環境影響モニタリングにおいて、チームは衛星画像から計算されたNDVI削減に基づいて「採掘活動による15ヘクタールの森林損失」を草案し、その解釈をLLMに拡張させた。このモデルは、流動的で説得力のある物語を生み出しました。しかし、現場でチームがレポートを確認したところ、NDVI の低いエリアの一部は実際には収穫された農業区画であり、その一部は画像撮影日と一致した雲の影であることがわかりました。実際の森林損失は 15 ヘクタールではなく、約 4 ヘクタールでした。メタデータ (雲マスク) と土地利用レイヤーが事前にチェックされていれば、そもそもエラーは防げたはずです。 LLM のきちんとした文章は間違った入力を正しくしませんでした。
よくある間違い
- 異なる季節/太陽の角度の画像を比較し、季節の違いを「変化」と誤解します。
- 雲と雲の影を実際の遮蔽損失として解釈します。雲マスクをバイパスします。
- 空間解像度を超える小さな物体のピクセルデータから正確に判断します。
- 座標系/投影の不一致によるエリアと距離の計算ミス。
- NDVI が健康の絶対的な尺度であると考え、水と影のピクセルを植物のように扱います。
- LLM の流体マップの説明を、根拠のない最終的な調査結果としてレポートに組み込む。
- メタデータ (日付、センサー、クラウド %、処理レベル) を文書化せずに結果をレポートします。
要約すると
- GIS 解析は、共通の座標系に配置されたレイヤーに基づいて構築されます。投影誤差により結果が歪みます。
- 空間、スペクトル、時間、放射分解能は、画像が表示できる内容を制限します。
- NDVI = (NIR−RED)/(NIR+RED) は、植物の活力の条件付き指標であり、健康状態の絶対的な尺度ではありません。
- 変化分析では、差分 = 真の変化 + ノイズです。雲、影、季節は最大の欺瞞です。
- LLM はインデックスの解釈と地図の説明の概要を生成しますが、衛星画像を「見る」ことはしません。与えられた番号に応じてコメントします。
- AI 解釈と自動分類は、グラウンド トゥルースとメタデータによる検証なしに、最終的な環境調査結果に変換することはできません。
アプリケーションタスク
フィールド (選択またはサンプル) に対して 2 つの日付付き NDVI 概要を作成または想定します。各日付のメタデータ (日付、雲の割合、太陽の角度、センサー) に注目してください。 ΔNDVIを計算します。強力なプロンプトを作成し、LLM に実際のカバーの変更だけでなく、別の説明 (雲、影、季節、水位、校正) とそれぞれの検証手順も尋ねるようにします。次に、少なくとも 3 つの基準点、現場で何を測定するか、およびそれを画像解釈とどのように比較するかという「グラウンド トゥルース検証計画」の草案を作成します。最後に、LLM によって作成された説明の中で、「検証なしにレポートに含めることはできない」ステートメントにマークを付け、その理由を書きます。