3次元点群データ深掘り — ds1527 LAS 64件の物理構造と公開哲学の進化

データ取得手順

⚠️ このスクリプトは自動取得に対応していません。以下のデータセットを DoBoX から手動でダウンロードし、data/extras/ 以下に保存してください。

実行コマンド:

cd "2026 DoBoX 教材"
python -X utf8 lessons/L94_lidar_pointcloud_2024.py

DoBoX のオープンデータは申請不要・商用/非商用とも利用可。 data/extras/ は .gitignore 対象（約 57 GB のキャッシュ）。 スクリプト実行で自動再生成されます。

概要・研究の問い・仮説

主 RQ

広島県 DoBoX ds1527 の LAS 点群 64 件はどのような物理構造を持ち、 同一地域の既存データセット（ds65）と比べて何が進化したか、 「派生データから raw 公開へ」という哲学転換は量的にどう実証されるか？

サブテーマ（3 章）

1. RQ1 — 物理構造: LAS ヘッダー・点密度・ASPRS 分類・タイル規模の実測
2. RQ2 — 3 vintage 比較: ds65/ds1434/ds1527 の resource 構成・図郭コード・重複分析
3. RQ3 — 公開哲学の転換: 「派生データのみ」→「raw（LAS）追加」の 6 観点比較と DoBoX 進化史

仮説（H1〜H9）

1. H1（地理的集中）: 64件すべて 03nf 区画（三次・庄原 中山間）= 集中度 ≥ 95%
2. H2（技術仕様）: LAS 1.4 + ASPRS 多クラス分類 + 点密度 ≥ 8 pts/m²
3. H3（タイル規模）: 1タイル ≈ 500m × 500m（地図情報レベル 500 の標準）
4. H4（重複図郭）: ds65 と ds1527 の重複 1km タイル ≥ 3
5. H5（密度経年）: ds1527 点密度 > ds65 推定値 × 2
6. H6（入れ子関係）: ds1527 の 4桁コード（500m）= ds65 の 3桁コード（1km）の 1/4 サブタイル
7. H7（LAS 初公開）: ds65/ds1434 = LAS なし、ds1527 = LAS 64件（初出）
8. H8（txt2las 生成）: ds1527 LAS の generating_software = "txt2las (version 210418)"
9. H9（公開段階性）: ds1527 の resource 構成に段階的公開の痕跡が確認される

用語の独自定義（本記事固有）

• LAS 点群（raw 相当）: 航空レーザー計測で得られた 3 次元点群データを保存する標準フォーマット（.las）。 本記事の ds1527 LAS は txt2las により DEM-TXT から逆変換された「疑似 raw」であり、 元の全波形データとは異なるが、点群ツールでの二次利用が可能な形式。
• ASPRS 分類: American Society for Photogrammetry and Remote Sensing が定める LAS 点群の点種別コード体系。 class 0 = 未分類, 2 = 地表点, 3-5 = 植生, 6 = 建物, 9 = 水面。 高品質な ALS データは多クラス分類を持つが、ds1527 は全点 class 0（未分類）。
• txt2las: 国土地理院の DEM テキストデータを LAS 形式に変換するツール（version 210418 = 2021年4月18日版）。 「派生→raw」ではなく「派生→LAS 互換形式」への変換であり、元の飛跡点群情報は含まれない。
• 図郭コード（03nf + 数桁）: 第III系（Hiroshima/Yamaguchi 地域）の平面直角座標系タイル識別コード。 3 桁（1km タイル, ds65）と 4 桁（500m タイル, ds1527）の入れ子構造を持つ。

到達点

• ds1527 LAS 件数: 64 件（全 400 resource の 16.0%）
• LAS バージョン: 1.2（期待 1.4 → 不一致）
• 生成ソフトウェア: txt2las (version 210418)（DEM-TXT からの txt2las 変換）
• 点密度（1タイル実測）: 2.598 pts/m²（期待 ≥ 8 → 不一致）
• ASPRS 分類 class 0: 100.0%（全点 未分類）
• 図郭重複 (ds65×ds1527): 35 タイル（35 / 111 件, 32%）

使用データ

個別取得（PowerShell, このレッスンだけ）:

cd "2026 DoBoX 教材"
iwr "https://hiroshima-dobox.jp/resource_download/173466" -OutFile "data/extras/L42_map_information/samples_extracted/03nf2634_23_05mcsv-las.las"

一括取得（全レッスン共通, 推奨）:

cd "2026 DoBoX 教材"
py -X utf8 data\fetch_all.py

fetch_all.py はカタログ・追加データを data/ と data/extras/ に再現可能ダウンロード。DoBoX のオープンデータは申請不要、商用・非商用とも利用可。本レッスンの .py スクリプトは、データが無ければ自動取得してから処理を始めるよう実装されています（ensure_dataset() ヘルパ）。

分析アーキテクチャ（追加ダウンロードなし）

本記事はすべてローカルキャッシュのみで完結する（HTTP リクエストなし）。 samples_meta_full.json（L42 の成果物）に 3 データセット全 resource のメタ情報が集約済みであり、 サンプル LAS ファイル 1 件（275KB）のみ laspy で直接解析する。 64件すべての LAS を取得・解析する場合は別途 cache builder スクリプトが必要（本記事対象外）。

laspy 2.x — インポートと依存関係

pip install laspy[lazrs]   # LAZ 圧縮対応版（推奨）
# または
pip install laspy          # LAS のみ対応
import laspy

resource 構成サマリ

ds65 の「その他」52件は DEM グリッドデータの 08番サブタイル（3桁コード）。
ds1527 の「その他」15件は水部ポリゴン境界線データ（新規追加形式）。
ds1527 はオルソフォト 187件と多く、精度向上に伴い追加エリアが拡大した。

ダウンロード

中間データ（CSV）

図（PNG）

スクリプト

L94_lidar_pointcloud_2024.py — 単独実行可

cd "2026 DoBoX 教材"
py -X utf8 lessons/L94_lidar_pointcloud_2024.py

第 1 章 LAS 点群 64件の物理構造（RQ1）

狙い

ds1527 の代表サンプル LAS を laspy で解析し、 LAS バージョン・生成ソフトウェア・点密度・ASPRS 分類を実測する。 計画時の仮説（LAS 1.4 / ASPRS 多クラス / 密度 ≥ 8）と実際を比較し、 「どのような点群か」を正直に報告する。

図2: ds1527 LAS 64件の対象エリア — 三次市・庄原市（中山間）に完全集中

図3: LAS ヘッダーメタデータ実測値 — 赤背景 = 期待値と不一致

図4: 点密度比較 — ds65 推定 1.0 vs ds1527 実測 2.598 pts/m²

図5: ASPRS 分類分布 — 実測（全点 class 0）vs 高品質 ALS 参考例

laspy 2.x コード解説

↑ L94_lidar_pointcloud_2024.py 行 667–757

 1
 2
 3
 4
 5
 6
 7
 8
 9
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697

import laspy
from pathlib import Path
from collections import Counter
import numpy as np

# LAS ファイル読込（laspy 2.x）
las = laspy.read("03nf2634_23_05mcsv-las.las")

# ── ヘッダー情報 ──
version  = f"{las.header.version.major}.{las.header.version.minor}"
software = las.header.generating_software.strip()
pformat  = las.point_format.id
npoints  = len(las.points)
date     = las.header.creation_date

# ── 座標範囲 → 点密度 ──
x_range = las.header.x_max - las.header.x_min   # 単位: m
y_range = las.header.y_max - las.header.y_min
area    = x_range * y_range
density = npoints / area     # pts/m²

# ── ASPRS 分類分布 ──
classes = np.array(las.classification, dtype=np.int16)
dist    = Counter(int(c) for c in classes)
# ASPRS: 0=未分類, 2=地表, 3-5=植生, 6=建物, 9=水面

print(f"LAS {version} / format {pformat}")
print(f"software: {software}")        # txt2las (version 210418)
print(f"points: {npoints:,}")
print(f"density: {density:.3f} pts/m²")
print(f"class dist: {dict(dist)}")    # {0: 13767}

考察

図 2 から、64件すべてが 03nf 区画（三次市・庄原市の中山間エリア）に集中している（H1: 支持）。 図 3 のヘッダー表から、LAS バージョンは 1.2（H2 LAS 1.4: 不支持）、 generating_software は txt2las (version 210418)（H8: 支持）で、 txt2las による DEM-TXT からの変換が確認された。
図 4 から点密度は 2.598 pts/m² であり、ds65 推定値（1.0 pts/m²）の 2.6 倍（H5: 支持）。 1m DEM グリッドから 0.5m グリッドへの解像度向上が点密度の実質的増加をもたらしている。
図 5 から ASPRS 分類は全点 class 0（未分類）であり、植生・建物・水面の自動分類は行われていない。 これは txt2las 変換の制約上避けられず、H2 の「ASPRS 多クラス分類」期待は根本的に外れた。

第 2 章 3 データセット比較（RQ2）

狙い

ds65（2014-18年度）/ ds1434（中間）/ ds1527（2022年度）の resource 構成・図郭コード・ 地理的重複を定量的に比較し、「整備戦略の違い」を明らかにする。

図1: 3データセット × resource タイプ別件数 — LAS は ds1527 のみ 64件

図6: 図郭入れ子構造 — ds65 1km（3桁）⊃ ds1527 500m（4桁）

JSON メタデータ解析コード

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

import json, re
from collections import Counter

with open("samples_meta_full.json") as f:
    meta = json.load(f)

def classify(title):
    if "_LAS_" in title:           return "LAS点群"
    if "グリッドデータ" in title:  return "DEM-TXT"
    if "オルソ" in title:          return "オルソフォト"
    if "等高線" in title:          return "等高線DXF"
    return "その他"

# 3データセット比較
for ds_id in ["65", "1434", "1527"]:
    cnt = Counter(classify(r["title"]) for r in meta[ds_id])
    print(f"ds{ds_id}: {dict(cnt)}")
# ds65:   {'DEM-TXT': 113, 'オルソフォト': 112, '等高線DXF': 113, 'LAS点群': 0, ...}
# ds1434: {'DEM-TXT': 121, 'オルソフォト': 120, '等高線DXF': 121, 'LAS点群': 0, ...}
# ds1527: {'DEM-TXT': 65,  'オルソフォト': 187, '等高線DXF': 64,  'LAS点群': 64, ...}

# 図郭コード抽出（4桁: 500m タイル）
codes = set()
for r in meta["1527"]:
    m = re.search(r"_(03nf\d{4})_", r["title"])
    if m: codes.add(m.group(1))
print(f"ds1527 ユニーク図郭: {len(codes)}")  # 188

# 1km 親コード（3桁）との重複確認
codes_65  = {m.group(1) for r in meta["65"]
             if (m := re.search(r"_(03nf\d{3})_", r["title"]))}
parent_27 = {c[:7] for c in codes}  # 03nf + 3桁
overlap   = codes_65 & parent_27
print(f"重複 1km タイル: {len(overlap)}")  # 35

図郭コード重複分析

考察

図 1 から、LAS は ds1527 のみ 64件保有し（H7: 支持）、 ds65/ds1434 は 0件。これが「初公開」の量的証拠である。
図 6 の図郭入れ子構造から（H6: 支持）、 ds65 の 1km タイル（3桁: 03nf263 等）は ds1527 の 500m タイル 4件 （03nf2631/2632/2633/2634）の正確な親タイルであることが確認された。 解像度向上（1m DEM → 0.5m DEM + LAS）に対応してタイル分割が細分化されている。
ds1434 は 03od/03oe プレフィックスを持ち、ds65/ds1527 とは別の地理エリアを担当（福山・三原方面と推定）。 3 データセットで「県内を分業して整備」する戦略が見える。
重複 35 タイル（H4: 支持）から、 ds1527 は ds65 と同一 1km 親タイル内の複数 500m タイルを再計測している。 同一エリアの経年比較（2014-18 vs 2022）が可能な地点が 35 か所存在する。

第 3 章 公開哲学の転換（RQ3）

狙い

DoBoX が「派生データのみ公開」から「raw 相当（LAS）追加公開」へと転換した事実を 6 観点で量的に実証し、その意義と限界を考察する。

図8: DoBoX 3次元計測データ 公開哲学の変遷 (2014 → 2023+)

図7: 派生（DEM-TXT）vs raw 相当（LAS）6 観点比較

6 観点比較表（再掲）

H9 — 公開段階性の検証

ds1527 の resource 構成を確認すると、 DEM-TXT（65件）・等高線 DXF（64件）・ オルソフォト（187件）・LAS（64件）が存在する。 タイトルの命名規則や LAS ヘッダーの生成日（2023-06-16）から、 DEM-TXT が先に整備され、LAS は後から txt2las で変換追加されたことが示唆される（H9: 支持）。

考察

図 8 のタイムラインから、ds65（2014-18）・ds1434 の段階では 派生プロダクト（DEM/等高線/オルソ）のみ公開されていたが、 ds1527（2022年度取得、2023年度公開）で初めて LAS が追加された（H7: 支持）。
ただし、この「LAS 初公開」は真の raw 点群の公開ではなく、 txt2las (version 210418) を用いた DEM-TXT からの逆変換（H8: 支持）である。 元の航空レーザー計測全波形データは内部に存在したはずだが、 DoBoX 公開ポリシーでは格納されなかった。
この経緯は「公開しやすい派生データから始め、 ユーザーの二次利用ニーズに応えて段階的に raw 公開へ拡大する」 DoBoX の哲学的進化を示す。今後 ds65/ds1434 にも遡及的な LAS 公開が 行われる可能性は高く、その際はより高品質な ASPRS 分類付き LAS が期待される。

仮説検証まとめ・発展課題

仮説検証まとめ（H1〜H9）

発展課題

1. 64件全タイルの点密度地図: 全 64 LAS を順次 laspy で読込し、 タイル単位の点密度・点数分布を地図上に可視化する（要 cache builder スクリプト）。 本記事はサンプル 1 件のみ実測。
2. 同一エリアの経年差分（ds65 vs ds1527）: 重複 35 タイルを対象に ds65（1m DEM）と ds1527（0.5m DEM）の高さ差分を計算し、 9年間の地形変化（土砂崩れ跡・宅地造成等）を可視化する。
3. ASPRS 分類の付与: class 0（未分類）の ds1527 LAS に PDAL や Python の scikit-learn を使って地表/植生/建物の簡易分類を付与し、 DEM-TXT との整合性を検証する。
4. ds1434（03od/03oe エリア）の詳細分析: 本記事は ds1527（03nf: 三次・庄原）に特化。 ds1434 の 03od/03oe エリア（福山・三原方面と推定）の分析は未実施で、 広島県南部エリアの計測状況が不明。
5. 真の raw LAS 公開の要望: txt2las 変換前の全波形 LAS が公開されれば 多重反射解析（植生透過 → 地表到達率）や建物屋根点分類が可能になる。 DoBoX への追加公開要望として提言できる。

実行時間: 1.2 秒