When Does Feature Engineering Matter? A Multi-Algorithm Comparison of Sentinel-2 Classifiers for Coastal and Mangrove Mapping in the Persian Gulf

海岸線は、絶え間ない交渉が行われる場所です。そこは陸地と海が出会う場所であり、海岸線を保護するマングローブ林から、数え切れないほどの海洋生物を育む潮間帯に至るまで、地球上で最も重要な生態系を支える流動的な境界線です。しかし、これらの領域は、人間による開発、海面上昇、そして産業活動による圧力にもさらされています。これらを保護するために、科学者たちは地上で何が起きているのかを正確に知る必要があります。どこに樹木があり、どこに浅瀬があり、どこに裸地があるのかを知らなければなりません。数十年にわたり、これら広大で到達困難な場所を上空から見るための主要なツールは、衛星画像でした。これらの人工衛星は、地球の表面から反射する光を捉え、コンピュータが風景を森林、水域、都市といった異なるカテゴリーに分類できるような画像を作成します。しかし、それらの生の画像を正確な地図に変換することは、決して単純な作業ではありません。マングローブの木から反射する光は、泥の干潟から反射する光とは異なって見えますが、その差は微妙な場合もあり、それらを判別するために使用されるコンピュータプログラムは慎重に選ばれなければなりません。もし誤ったプログラムが使用されたり、入力されるデータが適切に準備されていなかったりすれば、作成された地図は誤解を招くものとなり、これら脆弱な環境をどのように管理すべきかという判断において、不適切な決定を導く可能性があります。

石油やガス関連のインフラストラクチャから強い圧力を受けている地域であるペルシャ湾において、研究者のケイバン・カビリ（Keivan Kabiri）氏は、これらの沿岸景観をマッピングするための最も信頼できる方法を見つけ出そうと試みました。彼は、比較的手つかずのマングローブ林から、産業施設の影響を強く受けているエリアまで、イラン南部沿岸の5つの特定のサイトに焦点を当てました。最適なアプローチをテストするため、彼は欧州宇宙機関（ESA）のセンチネル2（Sentinel-2）ミッションから高解像度の衛星画像を集めました。これらの画像は、地球を10メートルの解像度で鮮明に捉えており、これは画像の各ピクセルが地上での10メートル四方の正方形に対応していることを意味します。課題は、どのコンピュータアルゴリズムが、これらのピクセルを「マングローブ」「泥干潟」「土壌」「浅水域」「深水域」「荒地」「建物（人工構造物）」「一般的な植生」という8つの明確なカテゴリーに最も適切に分類できるかを判断することでした。これを行うために、カビリ氏は4つの異なる手法を比較しました。そのうちの2つは、例から学習して複雑な意思決定を行う、ランダムフォレスト（Random Forest）と極限勾配ブースティング（Extreme Gradient Boosting）として知られる現代的で強力な機械学習ツールです。3つ目は、リモートセンシングでよく使われるもう一つの高度なアルゴリズムであるサポートベクターマシン（Support Vector Machine）です。そして4つ目は、光の挙動に関する統計的な仮定に依存する、はるかに古く伝統的な手法である最大尤度分類（Maximum Likelihood Classification）です。

この研究では、データの準備がどの程度重要であるかを確認するために、2つの異なる条件下でこれらのアルゴリズムをテストしました。第1のシナリオでは、可視スペクトルから赤外線に至る異なる色の光に対応する、衛星によって捉えられた6つの生のバンドのみをコンピュータに提供しました。第2のシナリオでは、研究者はデータに4つの追加の情報の層を加えました。これらは新しい画像ではなく、植生の健康状態や水の透明度などの特定の特性を強調するために設計された、既存の光のバンドの数学的な組み合わせです。このプロセスは特徴量エンジニアリング（feature engineering）と呼ばれ、精度を向上させるために必要なステップであるとしばしば考えられています。その後、研究者らはこれらすべてのサイトに対して分類を実行し、非常に高解像度のリファレンス（参照データ）を用いてその作業を検証しました。彼らは以前、これらの同じ場所の上空をドローンで飛行させ、詳細な航空写真マップを作成しており、それが衛星ベースのマップが実際に正しいかどうかを確認するための「地上真実（ground truth）」として機能しました。

結果は、古い手法と新しい手法の間に、明確かつ驚くべき違いがあることを明らかにしました。3つの現代的なアルゴリズム――ランダムフォレスト、サポートベクターマシン、極限勾配ブースティング――は、ほぼすべてのケースにおいて極めて優れた性能を示しました。これらは全体的な精度で約95〜97パーセントを達成し、ほぼすべてのピクセルについて土地被覆タイプを正確に特定しました。注目すべきことに、これらの高性能なツールは、仕事をするために追加のエンジニアリングされた情報を必要としませんでした。生の衛星バンドのみを与えられた場合でも、生のバンドに加えて追加の指標を与えられた場合でも、その精度は一貫して高いままでした。追加データの存在による精度の変化は、どちらの方向においても1パーセント未満であり、これらの現代的なツールは、生の画像から直接必要なパターンを見つけ出すのに十分な堅牢性を備えていることを示唆しています。

対照的に、伝統的な手法である最大尤度分類は、生の衛星バンドのみを与えられた場合に著しく苦戦しました。追加の情報がない状態では、土地被覆を正しく特定できたのはわずか55パーセント程度であり、これは実用的な管理においては役に立たないレベルです。しかし、研究者がデータにスペクトル指標を追加すると、この古い手法は劇的に改善し、平均精度は82パーセントまで跳ね上がりました。これは大幅な改善ではありましたが、依然として90パーセント台の高い数値を維持している現代的な手法には遠く及びませんでした。この研究は、最高の現代的手法と改善された伝統的手法の間の差が統計的に有意であることを確認しました。つまり、その差は偶然ではなく、現実のものであるということです。現代的なツールは、複雑で混沌とした沿岸環境の現実に、より適していたのです。

最高のツールを用いたとしても、いくつかの課題は残りました。研究者たちは、4つのアルゴらすべてのアルゴリズムが、たとえどれほど洗練されていても、3つの特定の種類の土地――建物や道路などの「建物（人工構造物）」、「荒地」、「裸の土壌」――の区別に苦労することを発見しました。これら3つのカテゴリーは、いずれも明るく乾燥しており、光をほぼ同じように反射するため、衛星画像では非常によく似て見えます。この混乱は追加のデータが投入された後でも解消されず、限界はコンピュータプログラムにあるのではなく、衛星そのものにあることが示唆されました。センチネル2画像の10メートルという解像度は、その距離からコンクリートの塊と乾燥した土壌のパッチを常に区別できるほど細かくはないのです。この発見は、産業拡大や特定の地表タイプの精密なモニタリングを必要とするタスクにおいては、衛星データだけでは不十分であり、他のデータソースが必要になる可能性があることを示唆しています。

結果の信頼性を確保するために、本研究ではユニークな検証ステップを採用しました。衛星による分類が行われた後、研究者らは作成されたマップを、自身で撮影した高解像度のドローン写真と比較しました。これは独立したチェックであり、つまりドローンのデータはコンピュータに画像を分類する方法を教えるために使用されたのではなく、最終的なマップが理にかなっているかどうかを確認するためにのみ使用されました。このチェックの結果は興味深いものでした。標準的な精度テストでは現代的なアルゴリズムが優れていることが明確に示されましたが、ドローンによるチェックでは少し異なる景色が見られました。ドローンによるチェックは、例えば「土壌」のピクセルが十分に明るいかどうかを確認するといった、大まかなルールに基づいてマップを判定していました。そのため、伝統的な手法が土壌を建物や荒地と混同した場合でも、それらすべてがドローン写真では明るく見えるため、チェックは伝統的な手法に対しても、一般的な「見た目」が合っているとして加点を与えてしまったのです。これは、独立したチェックが明白なエラーを見つけるためには非常に価値がある一方で、どの特定の手法がベストであるかをランク付けしようとする場合には、詳細な地上検証による精度テストの代わりにはなり得ないという重要な教訓を浮き彫りにしました。

結局のところ、この研究は、これらの沿岸域をマッピングしようとするあらゆる人々に対して明確な指針を提供しています。もしマングローブや潮間帯の正確な地図を作成することが目的であれば、現代的な機械学習ツールを使用している限り、コンピュータアルゴリズムの選択は、考えているほど重要ではありません。ランダムフォレスト、サポートベクターマシン、極限勾配ブースティングはすべて信頼できる選択肢であり、複雑な追加のデータ準備なしでも良好に機能します。伝統的な手法は廃れたわけではありませんが、注意深い扱いを必要とします。機能するためには追加のスペクトル情報が必要であり、たとえそうしたとしても、新しいツールの精度には及びません。また、この研究はテクノロジーにも限界があることを思い出させてくれます。どれほどスマートなコンピュータであっても、衛星画像が十分に鮮明でない場合、建物と土のパッチを必ずしも区別することはできません。ペルシャ湾を保護するために活動する科学者や管理者にとって、前進するための道筋は、最も堅牢な現代的ツールを使用することですが、同時に、一部の詳細については常に地上またはドローンからのより近い観察が必要であることを認識しておくことなのです。