高スペクトル再構成（HSR、Hyperspectral Reconstruction）は、高スペクトルの狭帯域と多スペクトルの広帯域間の関数関係に基づく逆関数であり、一般的なマルチスペクトル情報を利用して高スペクトルのシミュレーションを行う技術です。現在、HSRの研究は主に可視光および赤外域に集中しており、熱赤外放射率に関するHSRの研究はほとんどありません。これまでの関連研究では主に既存の衛星マルチスペクトルバンドを利用してHSRモデルの最適化に注力しており、HSRを対象としたマルチスペクトル広帯域の分割および選択に関する問題はほとんど扱われていません。本研究では、アスファルト路、大理石、灰色タイル、塗装表面、緑色タイル、石畳路およびレンガ混合路面など7種類の地表被覆タイプに対し、8〜14μm範囲の実測熱赤外放射率高スペクトルデータ727件を用いています。従来の均等間隔及び衛星バンド模倣等の広帯域分割の考え方を突破し、温度-放射率の病的結合問題を考慮し、量子遺伝アルゴリズム（QGA、Quantum Genetic Algorithm）を導入、HSRモデルと組み合わせて温度-放射率相関係数クラスタリングおよびQGA-HSRモデルに基づくバンド選択等の手法を提案しました。熱赤外広帯域の最適化を行うとともに、線形非正則多重線形回帰（MLR）、逐次線形回帰（SLR）、線形正則化リッジ回帰（RR）、LASSO回帰および弾性ネット回帰（ENR）、非線形サポートベクターマシン回帰（SVM）、ニューラルネットワーク回帰（NNR）等の各種HSRモデルの性能に対する広帯域分割方式の影響を比較分析しました。研究の結果、LASSOおよびENRモデルは広帯域分割方式に対して感度が低い一方、RRは感度が高く、線形正則化RRモデルは平均誤差が最小であり、ENRは最大誤差が最も低いことが分かりました。熱赤外広帯域分割方式はその結果の広帯域中心波長と帯域幅を通じて波長方向におけるHSR放射率誤差の変化に影響を与え、例えばQGA-SLR広帯域の最適化結果は波長方向の誤差差異を改善し、HSRモデルの全体性能を向上させることができます。本研究成果は熱赤外HSRモデルの性能向上および多源熱赤外リモートセンシング製品の比較性向上に寄与するだけでなく、最適化された熱赤外広帯域は熱赤外リモートセンシングセンサーの開発に技術的支援を提供します。広帯域選択方法とHSRモデルの最適組み合わせは全スペクトル帯のHSRに対する方法論的支援を提供することが可能です。

高スペクトル再構成;熱赤外放射率;広帯域;量子遺伝アルゴリズム;機械学習手法