要約
本稿では、Sentinel-2衛星画像の時系列データを活用することにより、作物マッピングに関する研究分野において革新的な貢献を提供する。具体的な目的は、「どこで」「いつ」作物が栽培されているかを抽出することである。最終的な目標として、3+2次元の畳み込みニューラルネットワーク（CNN）を用いたエンドツーエンドのセマンティックセグメンテーション手法を活用し、特定の地域で栽培されている異なる作物を信頼性高く識別（分類）するワークフローの構築を図っている。さらに、本手法は、各ピクセルレベルにおいて、ある作物が栽培される時期に関する情報を提供することを目指している。この目的の達成のために、我々は「クラス活性化期間（Class Activation Interval: CAI）」と呼ばれる新しい解釈手法を提案する。CAIは、各ピクセルにおけるCNNの分類判断の根拠を解釈可能にし、入力時系列データ内のどの時間区間において特定の作物が存在する可能性が高いか、あるいは存在しない可能性が高いかを明らかにする。公開データセットを用いた実験結果から、本アプローチは作物クラスを全体的に約93％の精度で正確に検出でき、また、作物の栽培に特徴的な時間区間をネットワークが識別可能であることが示された。これらの成果は二重の意義を持つ：(i) ネットワークが、特定の栽培品種に応じた物理的プロセス（裸地状態、生育、老化、収穫など）を正しく解釈する能力を示しており、(ii) 最終ユーザーに対して、作物の存在状況およびその時間的動態に関する追加情報を提供可能である。