リモートセンシング画像解析に関する解析事例
岩手大学工学部横山研究室・岩手県南技術研究センターのデータ及び器材利用による解析結果
岩手県域の衛星画像・地形・植生図データ（435x680で位置をそろえた各種の画像）
435x680サイズで位置がそろっている画像
Photoshop等のオーバーレイ処理で比較等をしてみるとよいでしょう。
陸前高田・気仙沼・広田湾の分類結果画像集
Automatic Landcover Categories Assignment at Hirota bay area
自動割当てを行って最も精度がよかった（チャンピオンデータと呼ぶ）は、広田湾
における7項目植生図への分類でした。
・基礎データ：Jun 16 1985 0:45:07(GST) 500 x 500 pixel,
Image Center 38:54(N) 140:58(E) 61.7(SUN_ang) 115.2(SUN_Zen)
TM原画像バンド321
TM原画像バンド456
標高画像
斜度画像
方位画像t
太陽入射光画像(Cosβ画像)
現況植生図
7項目マージ植生画像
地形効果補正（修正コサイン法）
TM画像修正後バンド321
TM画像修正後バンド456
教師なし分類（ISODATA）法によるクラスタ画像
結果として得たクラスタ画像
1/2に領域分割したクラスタ画像
1/4に領域分割したクラスタ画像この画像で教師なし分類を行う
カテゴリーの自動割当て処理
　従来までは、教師なし分類で得られたクラスタ画像を、人の
目視作業による判断で、地上項目名（カテゴリー）に割り当て
た。これは非常に時間がかかる作業であった。
　割り当てたい目標があるのなら、その目標と判断基準（精度
マトリクス、Confuse Matrix）との間で、逐次カテゴリー項目
名を入れ替え、判断値が最大になるようにすればよい。その作
業により、最適な割当て結果が得られるはずである。これを自
動割当てと呼んだ。

自動割当てのCプログラム・コード
自動割当てのためのC-Shellスクリプト
自動割当てに関する処理結果
各精度分類の基準による割当て結果の画像
Average Accuracyが最大の場合の割当て結果
Overall Accuracyが最大の場合の割当て結果
Kappa Accuracyが最大の場合の割当て結果

分類精度を示すConfusion Matrixはこちらを参照のこと

TM画像の撮影時に近い季節の水田の状況
胆沢扇状地と北上の水田の画像
6月16日TM画像による水田判別を行う場合の現状確認

ACRS2000（アジア・リモートセンシング研究会）で発表した画像データセット作成例
発表タイトル名は次のようなものでした。
Development of data set for analysis of
　　　　　　Landsat TM images using WWW browser and spreadsheet

SAR画像データのサンプル
SAR画像：一関市街地付近(120K)
SAR画像：伊豆沼付近(124K)
SAR画像：盛岡付近(114K)
SAR画像：宮城県北92.20.13(193K)・1992/10/13
SARSAR画像：宮城県北93.4.7(201K)・1993/4/7

水田の稲の調査に用いた4シーズンの画像
宮城県北：SAR画像(150K)・1993/7/4
宮城県北：SAR画像(150K)・1993/8/17
宮城県北：SAR画像(150K)・1993/9/30
宮城県北：SAR画像(150K)・1993/11/13


磐井川上流の地すべり地域の視察
地すべり対策地域
産女川、ニゴリ沢の現状視察をしました。
地下水位のデータのマップを作成しました。
地下水位と地形データ・植生図等の関連性の調査を試みようと
しましたが、当時はデータがぼうだいで、中断しました。


松くい虫被害調査の画像
花泉・一関・平泉エリアにおける被害状況(赤い点が大)
標高図にマップした被害状況(黒い色は低標高)
一関は当時、松くい虫被害の北限地域でした。
年度ごとに被害マップを作成して、平均気温や
地形データとの照合を行おうとしました。
一関市農林課の方々と行った現地調査のようす

報告書類
TM画像処理に関するPDF files
一関市を中心としたTM画像(185K Refered by Iwate University)
ERDAS Imagineの最尤法による分類結果(県南センターのリモセン解析室・HP723)