人文科学研究科Graduate School of Humanities
GEO500B5（地理学 / Geography 500）地理情報システム研究ⅠStudy on the Geographical Information System Ⅰ
中山 大地
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 人文科学研究科Graduate School of Humanities |
| 添付ファイル名Attached documents | |
| 年度Year | 2021 |
| 授業コードClass code | X0438 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 金3/Fri.3 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| カテゴリーCategory | 地理学専攻(修士課程)-専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
We will read the textbook in English that describes how to process digital elevation models. Programming in Python will be conducted based on the content of the textbook. Then, we apply decision trees, a type of machine learning, to the results to create a landslide discrimination model and a landslide prediction model, and produce a hazard map.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
数値標高モデルの処理方法について述べられた英語文献を輪読しながら，内容に基づいてPythonによるプログラミングを行う．その結果に機械学習の一種である決定木を適用して土砂災害判別モデルならびに土砂災害予測モデルを作成し，ハザードマップを作成する．
到達目標Goal
(1) ラスタ型の代表的なデータである数値地形モデルの処理方法について，原理を理解するとともに原理に基づいた数値計算ができる．
(2) 判別モデルの性能について定量的に評価できる．
(3) 土砂災害判別モデルに基づいたハザードマップが作成できる．
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
講義ならびに実習型式とする．授業内での発表を含む．分析結果についてのグループディスカッションを行う．
提出されたリアクションペーパーや課題については授業内で解説を行う．
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
春学期
※各回の授業形態は予定です。教員の指示に従ってください。
第1回：空間データの取得
数値標高モデルのダウンロードとモザイク，投影変換
第2回：文献輪読と数値計算（その1）
Pythonによる傾斜量の計算
第3回：文献輪読と数値計算（その2）
Pythonによる曲率の計算
第4回：文献輪読と数値計算（その3）
Pythonによる接峰面の計算
第5回：文献輪読と数値計算（その4）
Pythonによる流路網処理
第6回：文献輪読と数値計算（その5）
PythonによるSediment Transport IndexとWetness Indexの計算
第7回：ラスタ型データの集計処理
第2回から第6回で計算した地形量と土砂災害の有無をポリゴンごとに集計する．
第8回：機械学習を用いた土砂災害判別モデルの作成
第7回で集計した地形量を説明変数，土砂災害の有無を目的変数として，決定木を用いた判別モデルを作成する．
第9回：土砂災害判別モデルの評価
第8回で作成した判別モデルについて，判定効率表・正解率・カッパ係数・ROC曲線に基づいた評価を行う．
第10回：土砂災害判別モデルの地図化
第9回で作成した判別モデルを，GISを用いて地図化する．
第11回：土砂災害予測モデルの作成
第8回から第10回にかけて作成した土砂災害判別モデルをトレーニングデータとした土砂災害予測モデルを作成する．
第12回：土砂災害予測モデルの評価
第11回で作成した予測モデルの性能評価を行う．
第13回：土砂災害予測モデルの地図化
土砂災害予測モデルを図化し，ハザードマップを作成する．
第14回：修士論文研究に関するプレゼンテーション
修士論文研究でのGIS応用に関するプレゼンテーション
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
週あたりおよそ2時間の事前学習（特に文献講読・プログラミングなど）が必要となる．
前後期ともにGISを用いた実習を含む．実習は授業内では終わらないので，授業外での復習（目安として週あたり2時間以上）が必要になる．
テキスト（教科書）Textbooks
Burrough, P. A. and McDonnell, Rachael (1998) Principles of Geographical Information Systems (Spatial Information Systems), Oxford Univ. Press, pp. 333, ISBN-10: 9780198233657.（受講生に貸与する）
参考書References
特に指定しない
成績評価の方法と基準Grading criteria
（１）成績評価方法
平常点およびプレゼンテーション
（２）成績評価基準・評価の配分等
平常点として授業への貢献度（20％）ならびに講義内容の理解度（40％）とする．これに加えてプレゼンテーション（40％）で総合的に評価する．
学生の意見等からの気づきChanges following student comments
特になし．
学生が準備すべき機器他Equipment student needs to prepare
ノートPCを持参すること．フリーのデスクトップGISであるQGISをインストールしておくこと．Googleのアカウントを作成しておくこと．
担当教員の専門分野等
＜専門領域＞
自然地理学，地理情報科学，災害シミュレーション
＜研究テーマ＞
自然災害のシミュレーション，避難行動シミュレーション，地形の定量的分析
＜主要研究業績＞
https://researchmap.jp/read0196218