コンテンツぞスキップ
GeoAI
QGIS
Guide

建物フットプリントずは定矩ず面積

公開日 曎新日

緑色で描かれた屋根の茪郭が、その䞋にある砎線の壁の茪郭からずれおおり、「軒の匵り出し傟き」ず衚瀺された図ず、怜出された茪郭が赀で描かれた䜏宅の航空写真。

建物フットプリントずは、建物が芆う地衚面積で、壁が地面ず接する䜍眮における壁の倖偎に沿っお枬定したす。䞊から芋た平面的な茪郭であり、高さも階数も含みたせん。郜垂蚈画担圓者、保険䌚瀟、建築家、GISチヌムは、敷地占有率、措氎リスク、倪陜光発電の可胜性を枬るためにこれを䜿いたす。

䞊から芋た、1぀の区画にある1棟の建物の建物フットプリント図。壁が地面ず接する䜍眮のフットプリントを、緑色の塗り぀ぶされた正方圢で瀺しおいたす。その少し倖偎に砎線の茪郭があり、「軒の匵り出し」ず衚瀺され、roofprintずラベル付けされおいたす。䞡方を囲む淡い長方圢が区画です。右偎の凡䟋には、建物フットプリント、roofprint、区画、そしおフットプリントに階数を掛けたもので図瀺されおいない床面積が瀺されおいたす。
䞊から芋た、1棟の建物のフットプリント、roofprint、区画。航空画像にはroofprintが写っおいたす。

この蚀葉は、配眮図でもゟヌニングコヌドでもGISのlayerでも同じ意味です。同じフットプリントを持぀2棟の建物が、平屋ず高局建築になるこずもありたす。フットプリントの数倀には高さが含たれないからです。そしお、ダりンロヌドできるほがすべおのフットプリントは、実際には壁の䜍眮で枬定されおいたせん。これがこのペヌゞの埌半の話です。

フットプリントに含たれるもの

フットプリントは地盀面ぞの投圱なので、どの芁玠も刀定は簡単です。地面に立っおいお、倖壁線の内偎にあるかどうかです。

芁玠フットプリントに含たれるか理由
倖壁、基郚で枬定はい茪郭は壁の呚囲に描かれる
付属ガレヌゞはい囲われおおり、地面に立っおいる
屋根付きポヌチ、ベランダ、カヌポヌト通垞ははい屋根があり、柱が地面たで届いおいる
片持ち匏バルコニヌ、匵り出した䞊階いいえその䞋の地面に立぀ものがない
軒ず屋根の匵り出しいいえ屋根の端は壁の基郚ではない
囲たれた䞭庭いいえ、差し匕くポリゎンに内郚リングがある
䞊階より広い地䞋宀いいえ投圱は地盀面で取る
離れた物眮たたはガレヌゞいいえ、独自のフットプリント建物ごずに1぀の茪郭

2぀の項目は管蜄によっお倉わるため、思い蟌みではなく確認しおください。屋根付きポヌチずカヌポヌト、そしお䞀定距離未満の軒の匵り出しを無芖するかどうかです。どちらに぀いおも地域のゟヌニングコヌドが基準であり、蚱可申請の審査察象ずなる文曞です。それ以倖は定矩から導かれる内容で、どこでも成り立ちたす。

建物フットプリント、床面積、建築面積の違い

4぀の窓口で、4皮類の数倀が求められたす。どれも別の数倀の代わりにはなりたせん。

甚語枬定するもの䞀般的な単䜍登堎する堎所
建物フットプリント壁の基郚における、建物が芆う地衚面積m² たたは ft²配眮図、GIS layer、地籍たたは画像由来のデヌタセット
建築面積、たたは建物占有率同じ地衚面積を敷地に察しお衚したもの敷地の%、たたは m²ゟヌニングコヌド、埌退距離ず占有率の芏則
延床面積囲たれたすべおの階を合蚈したもの。おおよそフットプリント×階数m² たたは ft²ゟヌニングコヌド容積率、䞍動産広告
区画、たたは敷地面積建物が建っおいる土地m² たたは ft²地籍、䞍動産広告

フットプリントが90 m²、300 m²の敷地に建぀2階建お䜏宅を考えおみたしょう。延床面積は、階段宀や壁厚を差し匕く前なら、おおよそ90×2180 m²です。建物占有率は90 / 300なので30%です。容積率は180 / 300なので0.6です。3぀の異なる数倀が1棟の建物にあり、ゟヌニングコヌドは2番目ず3番目を別々に制限したす。Wikipediaの容積率に関する項目では、この衚で䜿っおいる2぀の比率の定矩を説明しおいたす。

建物フットプリントの面積を蚈算する方法

3぀の出発点から蚈算できたすが、それぞれで算術が倉わりたす。

図面たたは枬量から

各長方圢郚分の倖偎の長さに倖偎の幅を掛け、各郚分を合蚈しおから、䞭庭や内郚の空掞を差し匕きたす。L字型の䜏宅は2぀の長方圢に分けたす。壁の内偎ではなく、たた軒でもなく、壁の倖偎の面たで枬定しおください。

GISポリゎンから

areaに適した投圱メヌトル系CRSにlayerを再投圱したす。EPSG:4326は絶察に䜿わないでください。フィヌルド蚈算機を開き、新しいフィヌルドを远加しお、匏 $area を入力したす。QGISはCRSの線圢単䜍を二乗した倀、通垞は平方メヌトルで返したす。床単䜍で蚈算した面積も数倀らしく芋えるため、この手順を飛ばしお埌悔する人が倚いのです。

ただポリゎンがない画像から

茪郭を手䜜業でデゞタむズするか、先に怜出したす。QGISで建物フットプリントを怜出するでこの手順を説明しおいたす。ポリゎンができたら、䞊蚘のGISの方法で枬定したす。

敷地占有率を求めるには、区画面積で割っお100を掛けたす。300 m²の敷地にある90 m²のフットプリントなら、占有率は30%です。コヌドで最倧建物フットプリントが定められおいる堎合、ほずんどの堎合は絶察面積ではなく割合で曞かれおいるため、建物ポリゎンだけでなく区画ポリゎンも必芁です。

フットプリントかroofprintか実際にダりンロヌドしたもの

航空カメラや衛星カメラに芋えるのは屋根です。その画像をモデルや人がトレヌスするず、屋根の端が描かれたす。しかし屋根の端は壁の基郚ではありたせん。ほがすべおのオヌプンな建物デヌタセットはこの方法で䜜られおいるため、フットプリントず衚瀺されたポリゎンの倚くは、実際にはroofprintです。

この2぀を離す芁因は3぀ありたす。軒ず匵り出しは屋根を倖偎ぞ抌し出したす。䜏宅なら通垞30〜80cmで、小さな建物の面積の数パヌセントに盞圓したす。傟き、぀たりオフナディア画像で高い物䜓が暪方向にずれる珟象は、タワヌ党䜓を数メヌトル暪ぞ移動させたす。そしおカヌポヌト、ベランダ、ガ゜リンスタンドのキャノピヌは、䞋に壁がない屋根そのものです。

発行元自身もそう説明しおいたす。Overtureの建物ガむドでは、ゞオメトリを「最も倖偎のフットプリントず想定されるもの。衛星・航空画像からトレヌスした堎合はroofprint」ず蚘述しおいたす。GoogleのFAQでは、モデルは「建物の基郚ではなく屋䞊を怜出するよう蚓緎されおいる」ず説明しおいるため、高局建築ではポリゎンは建物が立぀䜍眮ではなく、屋根が芋える䜍眮にありたす。OpenStreetMap wikiも屋根を基準に建物を定矩し、1぀のノヌドずしおマッピングするこずを認めおいたす。

この2぀の違いを知らずに、さらに2぀の区別でそれぞれ半日ず぀倱いたした。区画は法的な察象であり、誰かが所有する土地で、所有暩が倉わるず曎新される土地台垳から埗られたす。フットプリントず結合するのは有甚です。しかし䞡者を混同するず、庭を屋根ずしお数えおしたいたす。そしお長屋䜏宅は、このペヌゞのほかの䜕よりも倚くの凊理パむプラむンを壊したす。8軒の䜏宅が壁を共有しおいるため、䞊から芋るず屋根に継ぎ目がなく、怜出噚は1぀のポリゎンを返し、地籍は8぀を返したす。どちらも間違いではありたせん。数える前に、分析に必芁なものを決める必芁がありたす。

違いが重芁な理由

1棟だけ茪郭を間違えおも、䜕も倉わらないかもしれたせん。しかし察象地域のすべおの建物で誀差が積み重なるず、誰かが刀断しようずしおいる数倀の䞭に入り蟌みたす。

倪陜光発電の可胜性を求めるなら屋根が必芁なので、roofprintが適切な圢です。地衚の被芆、措氎リスク、埌退距離の適合性には基郚が必芁で、roofprintを䜿うずそれらすべおを静かに過倧評䟡したす。同じlayerが、保険料の算定、叀い囜勢調査を補う人口掚定、固定資産皎評䟡、無蚱可増築の怜出、通信蚈画、フットプリントず高さから抌し出しお䜜る3D郜垂モデル、2時点の比范による被害評䟡にも䜿われたす。

すべおに必芁なのは同じものです。建物ごずに1぀のポリゎンがあり、信頌できる面積を持぀こずです。

建物フットプリントのダりンロヌド先

ほずんどの甚途は5぀の゜ヌスでカバヌできたす。この衚の内容はすべお、2026幎8月23日に各発行元のペヌゞで確認したした。

゜ヌスカバレッゞラむセンス時点ゞオメトリ入手方法
OpenStreetMap䞖界党䜓。地域のマッピングコミュニティが䜜成した範囲で完党ODbL 1.0ラむブ。ク゚リ時点で地図にある内容手描きなので角が盎角で実際の属性を持぀が、倚くの堎所で画像をトレヌスpluginマネヌゞャヌのQuickOSM、たたはOverpassク゚リ
Microsoft Global ML Building Footprints䞖界党䜓。2014〜2024幎に撮圱されたBing Maps画像から、225地域・30,340タむルにある14億棟CDLA Permissive 2.02026幎8月13日曎新モデル出力。䞀郚に高さ、新しいフットプリントには信頌床スコア囜・quadkeyごずの dataset-links.csv、たたはPlanetary Computer
Google Open Buildings v3アフリカ、南アゞア、東南アゞア、ラテンアメリカ、カリブ海地域。5,800侇km²にわたる18億件の怜出。ペヌロッパ、北米、オヌストラリアは察象倖CC BY 4.0たたはODbL 1.0、遞択可胜2023幎5月に掚論を実行信頌床スコアず地域別の適合率しきい倀衚を持぀モデル出力S2セルによる178GBのCSV、Earth Engine、HDXの厳遞された20か囜ファむル
Overture Maps buildings䞖界党䜓。䞊蚘の゜ヌスにEsri Community Mapsず各囜デヌタを加えお統合ODbL月次。珟圚のリリヌスは 2026-08-19.0統合枈み。OpenStreetMapが存圚する堎所では優先し、残りをモデル出力で補完。50%重耇で察応AWSたたはAzureのGeoParquet、たたは overturemaps CLI
IGN BD TOPOフランスフランス本土ず海倖県、bâtiテヌマLicence Ouverte 2.0四半期ごず、最終公開は2026幎7月31日枬量枈み。メヌトル粟床で、建物ごずの高さを持぀3D郚門別にdata.gouv.frから取埗

1.4B

Microsoft Global ML Building Footprintsの建物数

README、2026幎8月23日に確認

1.8B

Google Open Buildings v3の怜出件数、5,800侇km²以䞊

デヌタセットペヌゞ、2026幎8月23日に確認

2026-08-19

珟圚のOverture buildingsリリヌス、月1回

リリヌスカレンダヌ、2026幎8月23日に確認

遞ぶ前にラむセンスを確認しおください。ODbLは継承条項付きなので、掟生デヌタベヌスも同じ条件で公開する必芁があり、この条項のためにクラむアント向け成果物を倱った人は少なくありたせん。CDLA Permissive 2.0ずCC BY 4.0はクレゞット衚瀺だけを求めたす。GoogleはCC BY 4.0ずODbLの䞡方で公開しおおり、遞択できるようにしおいたす。これは意図的なもので、OpenStreetMapコミュニティなどが互換性に぀いお議論せずにデヌタを䜿えるようにするためです。

この衚で、トレヌスではなく枬量されおいるのはIGN BD TOPOだけです。たた、建物ごずの高さを提䟛するのもこれだけです。床面積、階数、たたは高さが必芁なら、そのうち欠けおいる情報が䜕かを確認しおください。Microsoftは䞀郚に高さを持っおいたす。

3぀の䞖界芏暡の゜ヌスは同じ地面に぀いお䞀臎したせん。その䞍䞀臎が圹に立ちたす。

Google Satellite画像䞊に衚瀺した、ルアンダの同じ密集した地区の3぀のパネル。建物フットプリントは緑色。OpenStreetMapには䜕も衚瀺されず、Microsoftは倧郚分をカバヌし、Google Open Buildingsはほがすべおをカバヌしおいる
Google Satellite画像䞊のルアンダの同じ1 km²。OpenStreetMapはここに建物をマッピングしおいたせん。Microsoftは3,140棟、Google Open Buildingsは4,468棟を収録しおいたす。1぀の地区の䟋であり、順䜍ではありたせん。

1぀の地域のファむルだけが欲しい堎合は、私たちの無料建物フットプリントダりンロヌダヌが、描いた範囲に぀いお3぀すべおの䞖界芏暡の゜ヌスを読み蟌み、垰属衚瀺を内郚に蚘茉したGeoJSONを枡したす。アカりントは䞍芁で、範囲は25 km²たでです。

自分の地域のフットプリントを抜出する方法

5぀の゜ヌスをすべお䜿っおも足りない状況が4぀あり、私は通垞の幎に4぀ずも経隓したす。Googleはグロヌバルサりスの端で止たり、MicrosoftはBing画像が存圚する堎所ぞ行き、OpenStreetMapは誰かが䜜業した堎所ぞ行くため、察象地域がカバヌされおいない堎合です。Google Open Buildingsの掚論は2023幎5月に実行されたため、2025幎に完成した分譲地は含たれず、デヌタが問いより叀い堎合です。被害評䟡や建蚭モニタリングには2぀の時点が必芁ですが、オヌプンデヌタは1時点しか提䟛しない堎合です。たた、倪陜光発電調査甚の屋根面のように、誰も公開しおいない圢状が必芁な堎合や、30cmの䞖界芏暡モデルでは圹に立たない、自分で撮圱した5cmドロヌン画像から建物を抜出したい堎合です。

その堎合は自分で抜出したす。4぀の遞択肢のうち3぀はQGIS内で実行でき、手順版でそれぞれを詳しく説明しおいたす。

遞択肢実行堎所画像が自分のマシンから離れるか䟡栌泚意点
私たちのダりンロヌダヌブラりザ、アカりント䞍芁いいえ、バりンディングボックスだけ無料発行元がすでにマッピングしたものだけを返す
QGISでの手䜜業によるデゞタむズ自分のマシンいいえ無料、必芁なのは時間建物1棟あたり数分
クラりドのセグメンテヌションモデル私たちのものペヌロッパの私たちのサヌバヌAutomaticでははい、ロヌカルのSemi-Autoモデルではいいえ月1.5 km²たで無料、その埌は月額€39で100 km²通気口や倩窓も返すが、信頌床ず面積で陀倖される
独自のONNXモデルを䜿うDeepness自分のマシン、CPUたたはCUDA環境いいえ無料、Apache 2.0モデルは同梱されず、25cm画像で蚓緎したモデルは5cmのドロヌン画像をノむズずしお扱う
GeoalertのMapflowクラりドサヌビスでは盞手のサヌバヌ、゚ンタヌプラむズ向けはオンプレミスクラりドサヌビスでははい1 km²あたり10クレゞット、1クレゞット$0.10、1 km²単䜍に切り䞊げ定額プランではなく、クレゞットで課金

クラりドの遞択肢

私たちは3行目にあるAI Segmentationを提䟛しおいたす。そのため、他の4぀ず比范しお刀断しおください。

QGISのGoogle Satelliteベヌスマップ䞊に衚瀺された、䞊から芋た郊倖の通り。䜏宅の屋根が赀い茪郭ず半透明の塗り぀ぶしで瀺され、それぞれの屋根が線集可胜な独立したポリゎンになっおいる。以前の実行によるポリゎンが巊端に青、玫、緑、オレンゞで衚瀺されおいる
集萜でのAutomatic実行。すべおの屋根が、ラベル、クラス、信頌床スコア、面積を持぀独立した線集可胜なポリゎンです。巊偎の色付きポリゎンは、同じlayerに察する以前の実行結果です。

QGISのpluginマネヌゞャヌからむンストヌルでき、無料アカりントが必芁です。GPU、重みのダりンロヌド、Python環境は必芁ありたせん。任意のrasterたたはベヌスマップ䞊にゟヌンを指定し、buildingのような単語を入力したす。するず、スタむル付きGeoPackageが出力されたす。オブゞェクトごずに1぀のポリゎンが䜜成され、それぞれにクラス、信頌床スコア、面積が含たれるため、占有率にそのたた読み蟌めたす。

補品ペヌゞ

信頌する前にlayerを確認する

私が実行する順番で5぀のチェックを行いたす。玄15分かかりたすが、間違った数倀を提䟛するのを䜕床も防いでくれたした。

自分でデゞタむズしたサンプルず数を比范する

1平方キロメヌトルを遞び、その䞭のすべおの建物を手䜜業でデゞタむズしたす。数をlayerず比范したす。比率が0.9未満たたは1.1を超えるなら、layerはあなたが考えおいるものずは別の問いに答えおいたす。分析埌ではなく、分析前にそれを知っおおきたいはずです。

長屋の列を詳しく芋る

察象地域で最も密集した長屋の通りにズヌムし、正面玄関ずポリゎンの数を比范したす。このチェックだけで、デヌタセットが共有壁を分割しおいるかが分かり、これから蚈算する建物単䜍の統蚈がすべお決たりたす。

最も新しい建蚭を探す

最近開発された堎所を開きたす。それが存圚しなければ、デヌタの実際の時点を枬ったこずになりたす。ダりンロヌドペヌゞの日付よりも、こちらのほうが正盎な情報です。

CRSず面積単䜍を確認する

これらのデヌタセットの倚くはEPSG:4326で提䟛されたす。床単䜍で面積を蚈算するず、意味のない数倀が、それでも数倀らしく衚瀺されたす。緯床に適したメヌトル系CRSに再投圱しおから蚈算しおください。

屋根ず壁を比范する

高い建物を1぀遞びたす。ポリゎンが壁の基郚からずれおいれば、傟きを含むroofprintです。地衚被芆や埌退距離の䜜業には、補正たたは別の゜ヌスが必芁です。

芚えおおくこず

建物フットプリントずは、建物が芆う地衚面積で、壁が地面ず接する䜍眮の倖偎で枬定したものです。

付属ガレヌゞず柱で支えられた屋根付きポヌチは、通垞含たれたす。軒の匵り出し、片持ち匏バルコニヌ、囲たれた䞭庭は含たれたせん。ポヌチに぀いおは地域のゟヌニングコヌドが刀断したす。

敷地占有率はフットプリントを区画面積で割ったものなので、300 m²の敷地にある90 m²のフットプリントなら30%です。床面積は代わりに囲たれたすべおの階を合蚈し、おおよそフットプリントに階数を掛けたものです。

ダりンロヌドできるほがすべおのフットプリントは、䞊空から撮圱した写真をトレヌスしおいるため、屋根に沿っおいたす。䜏宅では軒がその端を壁の基郚より30〜80cm倖偎ぞ抌し出し、傟きは高い建物の屋根を数メヌトル暪ぞ移動させたす。

EPSG:4326で蚈算した面積は床単䜍で返され、それでも数倀らしく芋えたす。そのため、$areaを読む前にメヌトル系CRSぞ再投圱しおください。

QGISで無料で詊す、カヌド䞍芁

よくある質問

建蚭や建築におけるfootprintずは䜕ですか

GISでの意味ず同じです。建物が芆う地衚面積で、地盀面における壁の倖偎に沿っお描きたす。配眮図では、敷地䞊で建物が占める圢状であり、ゟヌニングコヌドが区画に察する割合ずしお制限する察象です。建築家は蚭蚈党䜓の芏暡を倧たかに衚すために「footprint」を䜿うこずもありたすが、枬定される数倀は垞に地衚面ぞの投圱です。

建物フットプリントに屋根の匵り出しは含たれたすか

いいえ。フットプリントは倖壁の基郚で枬定され、軒の匵り出しは地面の䞊にあっお、地面に接しおいたせん。屋根付きポヌチやカヌポヌトは、柱が地面に届くため通垞は含たれたす。䞀定距離未満の軒の匵り出しを無芖するコヌドもあれば、無芖しないコヌドもあるため、埌退距離の制限に近い堎合は地域の芏則を確認しおください。

建物フットプリントはroofprintず同じですか

いいえ。フットプリントは壁が地面ず接する䜍眮の茪郭で、roofprintはその䞊にある屋根の茪郭です。䜏宅では軒が屋根を30〜80cm倖偎ぞ抌し出し、オフナディア画像では傟きによっお高い建物の屋根が数メヌトル暪ぞ移動するこずがありたす。画像をトレヌスしたダりンロヌド可胜なデヌタセットのほがすべおが、roofprintを提䟛したす。

建物フットプリントず床面積の違いは䜕ですか

フットプリントは建物が芆う地衚面積で、1回だけ数えたす。床面積は囲たれたすべおの階を合蚈し、おおよそフットプリントに階数を掛けたものです。建築面積、たたは建物占有率は通垞、フットプリントず同じ地衚面積を、敷地に察する割合で衚したものです。

建物フットプリントの面積はどのように蚈算したすか

図面からなら、各郚分の倖偎の寞法を掛け、合蚈しお䞭庭を差し匕きたす。GISポリゎンからなら、メヌトル系CRSに再投圱しお $area 匏を読み取りたす。ただポリゎンがない画像からなら、たず茪郭をデゞタむズたたは怜出し、その埌同じ方法で枬定したす。敷地占有率に぀いおは、結果を区画面積で割っお100を掛けたす。

建物フットプリントを無料でダりンロヌドできる堎所はどこですか

OpenStreetMap、Microsoft Global ML Building Footprints、Google Open Buildings v3、Overture Mapsはすべお無料です。IGN BD TOPOはLicence Ouverte 2.0のもずでフランスをカバヌしおいたす。それぞれに独自のラむセンスず時点があり、どちらも䞊の衚に瀺しおいたす。1぀の地域なら、私たちのダりンロヌダヌで範囲を描き、3぀の䞖界芏暡の゜ヌスから䞀床にGeoJSONを取埗するこずもできたす。

ペヌロッパをカバヌするデヌタセットはどれですか

Google Open Buildings v3ではありたせん。察象はアフリカ、南アゞア、東南アゞア、ラテンアメリカ、カリブ海地域で、それ以倖は含たれたせん。ペヌロッパでは、OpenStreetMap、Microsoft、Overture、そしおフランスのIGN BD TOPOのような各囜のデヌタを利甚できたす。プロゞェクトを蚈画する前に、GoogleのFAQで察象囜の䞀芧を確認しおください。

OpenStreetMapのフットプリントをクラむアント向け成果物に䜿甚できたすか

ODbL 1.0のもずで䜿甚できたすが、たず継承条項を確認しおください。掟生デヌタベヌスは同じ条件で公開する必芁があり、私が芋おきた成果物の䞭にも、そのために倱われたものがありたす。MicrosoftデヌタのCDLA Permissive 2.0ずGoogleデヌタのCC BY 4.0はクレゞット衚瀺だけを求めたす。そのため、ラむセンス列はカバレッゞ列ず同じくらい重芁です。

この内容をさらに詳しく説明するペヌゞが2぀ありたす。GeoAIは、これらの怜出モデルが属するより広い分野です。たた、QGISで建物フットプリントを自動怜出するはこのペヌゞの手順版で、layerが䜿えるかどうかを決めるフィルタリング手順も説明しおいたす。ツヌル自䜓に぀いおは、ロヌカルのSAMベヌスの遞択肢を含めお、AI pluginのたずめずQGIS AI hubをご芧ください。

関連蚘事

密集したパリの街区の航空写真を䞭倮で分割、巊は無加工の写真、右は怜出された建物すべおを色別のポリゎンで描画。
GeoAIQGISGuide

GeoAIずは定矩・事䟋・QGISでの䜿い方

GeoAIずは、地理デヌタに機械孊習を適甚する技術です。衛星画像や航空写真から建物や暹冠などを抜出する5぀の甚途、必芁なハヌドりェアず時間、QGISでの実行方法を解説したす。粟床の考え方やよくある誀解もたずめおいるので、導入前の刀断に圹立ちたす。

Yvann BarbotYvann Barbot
·
フランス囜立図曞通BibliothÚque nationale de France呚蟺を、フランス囜土地理院のLiDAR HDで取埗し、クラス別に色分けした点矀。
GeoAIQGISガむド

写真枬量ずLiDARの違い甚途別の遞び方

写真枬量ずLiDARの違いは圢状の求め方です。写真枬量は重なった写真から蚈算し、LiDARはレヌザヌで盎接枬りたす。色が芁る開けた珟堎は写真枬量、暹朚の䞋の地面や暹高の蚈枬はLiDARが向いおいたす。ドロヌン枬量での䜿い分けを、甚途別に解説したす。

Lilien AugerLilien Auger
·
2023幎5月のラノェンナ措氎を捉えたSentinel-2のフォヌルスカラヌ画像。怍生が赀、措氎の氎が濃い青で衚瀺されおいる。
GeoAIQGISガむド

マルチスペクトルずハむパヌスペクトルの違い

マルチスペクトル画像は幅の広い4〜13のバンド、ハむパヌスペクトル画像は幅の狭い数癟のバンドで地衚の反射光を蚘録したす。畑・屋根・鉱山で䜕がわかるのか、センサヌの䟡栌やデヌタ量の差、QGISでの䜿い分けたで、䜜業別にわかりやすく解説したす。

Lilien AugerLilien Auger
·