X14: LiDAR 5派生プロダクト統合精度評価 — 同一点群からの情報補完性
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。
| ID | データセット名 |
|---|---|
| #1626 | 樹高図（1m） |
| #1627 | 樹高図（50cm） |
| #1628 | CS立体図（1m） |
| #1629 | CS立体図（50cm） |
| #1630 | 地形傾斜図（1m） |
| #1631 | 地形傾斜図（50cm） |
| #1632 | 地面到達レーザ点群密度図（1m） |
| #1633 | 地面到達レーザ点群密度図（50cm） |
| #1634 | 計測年度図（1m） |
| #1635 | 標高図（1m） |
| #1636 | 標高図（50cm） |
実行コマンド:
cd "2026 DoBoX 教材"
python -X utf8 lessons/X14_lidar_integrated.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。
スクリプト（全体ソースコード）
cd "2026 DoBoX 教材"
python -X utf8 lessons/X14_lidar_integrated.py研究の問い (RQ) と仮説
LiDAR ファミリ (L36-L43) の横断研究
広島県で公開されているLiDAR由来の5種派生プロダクト（樹高図・CS立体図・地形傾斜図・ 地面到達点群密度図・標高図）は，同一の航空レーザ計測点群から異なるアルゴリズムで生成される。 本記事では世羅町（1m解像度）の全5プロダクトを統合し， Pearson相関行列とPCAを用いてプロダクト間の情報補完性を定量化する。
主 RQ
5プロダクト間の相関行列でr≥0.8のペアは何組存在し，PCA第1主成分は地形の何を表す軸か？ また計測年度（L43）が異なるエリアでプロダクト相関構造は変化するか？
仮説 (H1〜H4)
- H1: 5プロダクト間で|r|≥0.8のペアが≥1組 → ✓PASS（1組）
- H2: 傾斜×標高の|r|<0.5（独立性高） → ✓PASS（r=0.113）
- H3: PC1寄与率≥50% → △PARTIAL（45.8%）
- H4: 計測年度別で最大相関差≥0.1 → △PARTIAL（0.062）
使用データセット (11 件): #1626 #1627 #1628 #1629 #1630 #1631 #1632 #1633 #1634 #1635 #1636
分析1: 5プロダクト間 Pearson 相関行列
相関行列から|r|≥0.8のペアは1組確認された（H1支持）。 CS立体×傾斜(r=-0.891)。 傾斜と標高の相関はr=0.113で，独立性が高い（H2支持）。 これはLiDAR由来プロダクトが地形の異なる側面を捉えていることを示す。
分析2: PCA による情報圧縮
PC1の寄与率は45.8%（H3不支持），累積3主成分で85.7%を説明する。 PC1 loadingsでは"傾斜"が最大(0.600)で， PC1が主に「傾斜」を表す軸であることが確認できる。 バイプロットでは樹高と点群密度が近い方向を向いており， 森林密度が樹高情報と強く連動していることを視覚化している。
分析3: 計測年度別の相関構造比較（熊野町）
熊野町のLiDAR計測は2014年度（39,811サンプル）と2016年度（946サンプル）の 2時期に分かれている。 プロダクト相関の最大年度差は0.062で，H4は不支持（年度差が小さく安定している）。 2年の差では相関構造に有意な変化は生じず，データの品質一貫性が確認できる。
まとめ
- 5プロダクト間の相関行列で|r|≥0.8のペアが1組確認され，LiDAR由来プロダクト間に強い情報共有がある
- 傾斜×標高の相関r=0.113は独立性を示し，傾斜は地形の局所変化を，標高は絶対標高を捉える異なる情報を含む
- PC1（寄与率45.8%）は主に傾斜を表す軸で，85.7%の情報を3主成分で圧縮できる
- 計測年度別の相関差0.062は小さく，広島県LiDARデータの年度間品質一貫性が高い
- L36-L43のLiDARファミリは「同一点群からの多重視点」として，単独分析では得られない地形・植生の統合的理解を可能にする