「衛星データ、山火事、そしてAI：気候の課題に立ち向かうワイン産業の保護」
Satellite data, wildfires, and AI Protecting the wine industry against climate challenges.
ブッシュファイア、煙、干ばつ… 今日の午後、オーストラリアのセミヨンを楽しむ準備をしている間に、あなたのテーブルに飾られる前に、その素晴らしい強さの旅路について考えるひとときを取ってください。
この記事はKablamo Engineering Blogでも読むことができます。
気候の課題：気候変動とワイン生産の交差点
世界第5位のワイン輸出国であるオーストラリアは、ワインの世界で重要な地位を占めています。シドニーからわずか数時間北に位置するオーストラリア最古のワイン生産地であるハンターバレーは、大きな課題に直面しています。ワインオーストラリアの気候アトラスによると、この地域では今後50年間で平均気温が2.3度上昇すると予測されています。これにより、予測不可能な気象パターンと、高まる熱によって引き起こされるブッシュファイアのリスクが生じます。ハンターバレーは既にブッシュファイアへの脆弱性が増しており、これは気候変動の影響を受けてさらに拡大する脅威です。
リスクは直接の火災の影響だけでなく、近くの火災から発せられる煙からも生じます。煙粒子がブドウの皮に付着することで生じる「煙の影響」は、これらのブドウから生産されるワインの品質を損ない、収穫量の大幅な減少につながります。
2023年の夏に接近するエルニーニョ現象では、記録的な暖かさと極度の乾燥の両方の懸念があります。燃料の蓄積の増加、乾燥、火災を引き起こす気候、雷活動の増加により、頻繁なブッシュファイアの可能性が高まります。その結果、干ばつ、乾燥した植生、前例のないほどの熱がワイン産業を危険にさらす可能性があります。こうしたリスクを軽減するには、効果的な火災予防戦略、正確なリスク評価、戦略的な危険軽減の取り組みが必要です。
自然の見張り目：土地の健康評価における衛星データの活用
衛星は科学者のツールキットで重要な役割を果たし、地球の大気、地形、海洋を監視することができます。ポーランドの天文学者ニコラウス・コペルニクスに敬意を表して名付けられたヨーロッパのコペルニクス計画の一部であるセンチネル-2は、陸地と沿岸水域の両方で高い空間分解能（10メートルから60メートル）の光学画像を撮影する地球観測ミッションです。2つの極軌道衛星の連星を持つセンチネル-2は、5日ごとにデータを提供します。
センチネル-2は、可視光、近赤外線、および短波赤外線センサーを13の分光バンドで利用しています。ここでは、いくつかの分光バンド（可視赤、緑、青バンド）と対応する赤、緑、青チャネルを組み合わせたカラーコンポジットが、人間の目で見たものに似た画像を作成します。
これらの13のバンドは、植生の健康状態の推定、景観の変化の検出、さらにはブッシュファイアのリスクの推定など、さまざまな指標の計算を可能にします。センチネル-2の分光バンドから派生した貴重な指標の1つが「エンハンスト・ベジテーション・インデックス（EVI）」です。EVIは、植生の視認性を向上させる一方で大気の干渉を最小限に抑えるように設計された指標で、植生の健康状態に関する洞察を提供します。健康で緑豊かで水分を含んだ植生は、より高いEVI値に対応し、ブッシュファイアのリスクを示す乾燥した健康でない植生は、より低いEVI値に対応します。
2019-20年のオーストラリアのブッシュファイアシーズン（ブラックサマー）における不健康で乾燥した植生と、2021年12月の繁茂する植生との比較が示されています。
黄色は非常に健康な植生を意味し、濃い緑は不健康を示します。
EVIは植生の健康度を定量的に測定し、ワイナリーが個々の蔓ではなく全体のぶどう畑の状態を追跡できるようにします。これにより、肉眼ではすぐには明らかではない早期の兆候を特定するのに役立ちます。時間の経過とともにEVIの傾向を追跡し、これを過去のデータと比較することで、早期に干ばつの状態を特定し、ぶどう畑の管理者に適切な対策をとるように警告することができます。EVIデータを土壌湿度データと一緒に分析することで、効率的な水の利用を確保するための灌漑戦略を開発し、過剰または不足した灌漑を防ぐことができます。EVIデータはまた、ぶどう畑に影響を与える可能性のある病気の早期兆候を検出することもできます。不健康な植生は、害虫や病気の存在を示すかもしれません。
ピクセルから精度まで：解析の洗練：個々のフィールドのAIによる調査
地域評価を超えて、個々のフィールドの詳細な評価が可能です。ラベル付きデータが不足しているため、EVIと基本的なスペクトルバンドに基づいて類似の農業用地を分類するために教師なしアプローチが採用されます。このアプローチは、似たような植物種が環境の変化に対して類似の反応を示すという仮定に基づいています。
正確なフィールドの境界を知らないため、教師なし機械学習アルゴリズムであるK-meansクラスタリングを使用して、ラベルのないデータポイントを類似性に基づいてK個のクラスタに分割することができます。Sentinel-2データの文脈では、K-meansはスペクトル特性とEVI値に基づいて類似したピクセルをグループ化するのに役立ちます。
K-meansクラスタリングの結果は、各データポイントをK個のクラスタのいずれかに割り当てるクラスタラベルです。K-meansは、平均色を見つけることによって色の似たボールをグループに分けるようなものです。Sentinel-2データの世界では、これらのラベルは似たようなスペクトル属性を持つエリアを識別するために使用されます。これらのエリアは、土地利用分類や環境モニタリングなどの価値のある洞察を得るためにさらなる調査の対象となり、セグメンテーションアルゴリズムへの入力としても利用されます。
さらに高い解像度で個々のフィールドの分析を容易にするために、Felzenszwalbのアルゴリズムを使用して個々のフィールドを抽出することができます。Felzenszwalbのアルゴリズムは、画像処理とコンピュータビジョンで広く使用されるセグメンテーション手法で、類似の特徴と空間的な近接性を持つピクセルをセグメントまたは領域にまとめるボトムアップのセグメンテーションツールの役割を果たします。
このアルゴリズムは、似た特徴と空間的な近接性を持つピクセルをセグメントまたは領域にまとめることで、個々のフィールドを抽出して分析するのに役立ちます。それは、似た色の正方形に線を描いて形を作るようなものです。この方法により、将来の調査（例：精密農業管理、作物収量予測、個々のフィールドのリスク評価など）のために個々のフィールドを抽出して分析することができます。
ブッシュファイアリスクの推定：衛星データの高度な応用
衛星データを活用することで、予防的なブッシュファイア管理に活用する可能性があります。衛星画像は個々のフィールドと全体の地域のブッシュファイアの感受性を評価することを可能にし、AIの力を借りて植生の健康状態、干ばつの状態、病気の発生を予測することもできます。
ブッシュファイアリスクの推定は、すでに言及されたEVI指数と、液体水の存在を示す正規化差分水指数、焼けた領域を特定して焼けた範囲を定量化するための正規化バーン指数、および現在の地表温度など、衛星バンドから計算された他の指標を使用して計算することができます。
さらに、これらの指標と衛星データは、州や連邦政府機関が産業の回復力向上、災害対策の計画、および復旧活動のための資源の配置を事前に行うのに重要な役割を果たしています。 この協力的なアプローチにより、ハンターバレーのワイン産業だけでなく、他の重要なセクターも保護されることが保証されます。これらのセクターは、急速に変化する気候の課題に脆弱です。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
