結論先出し
- 2024年の世界森林火災焼失面積は約3,930万 ha（Global Forest Watch / WRI）。2001年比で約2倍に拡大し、ボレアル帯シベリア・カナダで特に顕著。
- 主力衛星はLandsat 8/9（30 m、16日周期）、Sentinel-2A/B（10 m、5日周期）、MODIS Terra/Aqua（250-1000 m、毎日2回）、VIIRS（375 m、活火災検出）。dNBR・NBR・NDVI で焼損度と回復を定量化。
- NDVI回復は地中海林で5-15年、温帯落葉樹林で20-50年、ボレアル針葉樹林で50-150年。日本は湿潤で稀だが、2017年釜石・2019年足利で延焼面積400 ha超。
- 機械学習（U-Net、Random Forest）で焼損地自動判別精度F1 0.92以上に到達（USGS, 2023）。EFFIS・GEOGLAM が国際監視を担当。
山火事は世界の森林生態系に深刻な影響を与え、気候変動で規模・頻度が指数的に増加しています。火災後の森林再生は、生物多様性・炭素循環・地域経済・水資源に直結する重要課題であり、RS技術の進化で世界規模での観察と再生プロセス監視が可能になりました。本稿では火災メカニズム、衛星観測（光学・SAR・LiDAR）、焼損度指標、機械学習、国内外事例、炭素クレジット応用、国際協力、回復速度、FAQまで数値と出典で詳述します。
山火事の生態系影響と火災レジーム
山火事の森林生態系への影響は、火災の強度・頻度・規模・季節性によって大きく異なります。世界全体で2001-2023年の累計焼失森林面積は約4億3,800万 ha（Global Forest Watch、2024）に達し、特に2023年カナダでは過去最大の1,840万 haが焼失、年間炭素排出量は通常の3倍超となりました。
1. 火災強度の三類型：地表火（surface fire、火炎高1-2 m、林床の落葉・草本が燃焼、樹冠は健全）、幹火（ground fire、腐植層・有機物層が燻焼、土壌温度が400 ℃超に達し微生物群集が壊滅）、冠火（crown fire、樹冠が燃焼、火炎高30 m超、伝播速度時速10 km超、最も激しい火災）。冠火に発展する閾値は地表火の火線強度4,000 kW/m前後（Van Wagner式）。
2. 直接的影響：樹木の死亡（樹冠燃焼で即時、または幹基部の形成層損傷で数年以内）、林床有機物の燃焼、土壌微生物群集の死滅（地下5 cmで温度70 ℃超で大半が死滅）、動物の死亡・移動（鳥類・小型哺乳類で個体数50-90%減少の事例あり）。
3. 間接的影響：表土流亡（火災後1年で通常の10-100倍に増加）、水系への影響（流出懸濁物質増、河川pH低下）、大気汚染（PM2.5濃度が風下数百km範囲で環境基準値超）、地域経済への影響（観光・林業・狩猟）。
4. 火災後の即時状況：黒色化した地表（アルベド0.05以下）、枯死立木（snag）、変質した土壌構造（撥水層形成）、種子バンクの部分的破壊。
5. 火災レジーム：自然な火災サイクルが森林動態を維持する火災依存型（北米Ponderosa Pine林5-25年、地中海林30-60年、豪州ユーカリ林10-30年周期）と、火災が稀な回避型（湿潤温帯林・雲霧林）で再生戦略が根本的に異なる。Pinus banksiana等は高温で球果が開くserotiny機構を持ち、火災が必須の更新条件となります。
リモートセンシング技術の概要：光学・SAR・LiDAR
山火事観察・再生監視に活用される主要なリモートセンシング技術は、波長帯と取得原理で大きく分類されます。
| 技術 | 代表衛星 | 解像度 | 再訪周期 | 主な用途 |
|---|---|---|---|---|
| 光学（中解像度） | Landsat 8/9（OLI/TIRS） | 30 m | 16日 | 火災跡地検出、長期トレンド |
| 光学（中高解像度） | Sentinel-2 A/B（MSI） | 10/20 m | 5日 | 詳細な被害状況、NBR算出 |
| 光学（超高解像度） | Planet SuperDove | 3 m | 毎日 | 個体木レベル評価 |
| 低解像度・全球 | MODIS Terra/Aqua | 250-1000 m | 毎日2回 | 全球火災動向、活火災 |
| VIIRS | Suomi NPP / NOAA-20 | 375/750 m | 毎日2回 | リアルタイム検出、夜間 |
| SAR（Cバンド） | Sentinel-1 A/B | 10-25 m | 6-12日 | 雲下観測、構造変化 |
| SAR（Lバンド） | ALOS-2 PALSAR-2（JAXA） | 10-100 m | 14日 | 森林バイオマス、貫通性高 |
| LiDAR（衛星） | GEDI（ISS搭載） | 25 mフットプリント | 不定期 | 森林3D構造、樹高 |
| 熱赤外 | Landsat TIRS、ASTER | 60-90 m | 16日 | 活火災温度、Burn Severity |
| ハイパースペクトル | PRISMA、EnMAP | 30 m | 不定期 | 樹種識別、葉化学 |
Landsatは1972年以降50年以上の連続アーカイブで、火災跡地再生過程を遡及解析できる唯一の長期データセット。Sentinel-2は再訪5日、Planet SuperDove（200機超）は3 m毎日撮影で個体木スケールの被害評価を可能にしています。
焼損度指標：NBR、dNBR、NDVI、RdNBR
火災跡地の定量評価には複数の植生指数が使い分けられます。
1. NBR（Normalized Burn Ratio）：(NIR − SWIR2) / (NIR + SWIR2)。健全植生では+0.6〜+0.9、重度焼損で−0.3〜−0.6。Landsat ではバンド5（NIR）とバンド7（SWIR2）、Sentinel-2 ではバンド8AとB12を使用。
2. dNBR（differenced NBR）：火災前NBR − 火災後NBR。USGS/USFS標準分類は 未被害（dNBR < 0.10）、軽微（0.10-0.27）、低-中度（0.27-0.44）、中-高度（0.44-0.66）、重度（dNBR > 0.66）。火災から60-90日後の取得画像が標準（initial assessment）、1年後（extended assessment）で生残木の遅延死を含めて再評価。
3. RdNBR（Relative dNBR）：dNBR を火災前NBR の平方根で正規化。火災前植生量の違いを補正し、樹種・地域横断比較に有効（Miller & Thode, 2007）。
4. NDVI（Normalized Difference Vegetation Index）：(NIR − Red) / (NIR + Red)。回復過程の長期モニタリングに使用。火災直後は0.1以下に低下し、地中海林で5-10年、温帯林で15-25年で火災前NDVIの90%まで回復するのが典型。
5. EVI（Enhanced Vegetation Index）：高バイオマス地域でNDVIが飽和する問題を緩和。MODISのMOD13Q1プロダクトで標準提供。
6. SAVI / MSAVI：土壌補正型植生指数。低被覆率の再生初期段階に有効。
米国USGSのMTBS（Monitoring Trends in Burn Severity）は1984年以降の大規模火災（西部1,000エーカー超／東部500エーカー超）すべてのLandsat dNBR地図を整備、累計2万件超のデータベースが公開されています。
火災跡地の評価ワークフロー
標準的な解析フローは、(1) MODIS/VIIRSの活火災プロダクト（MOD14、VNP14）でリアルタイム発見、(2) Landsat/Sentinel-2の前後シーンペアでdNBR算出と5階級分類（クラウドマスク・地形補正・大気補正Sen2Cor/LaSRCが前提）、(3) LiDAR・高解像度光学で林冠被害評価、GEDI RH95（樹冠高95パーセンタイル）の前後差分が指標、(4) 地表反射特性から土壌燃焼度（Soil Burn Severity）推定、米国はBARCマップが標準、(5) ハビタット連結性指標で生態系影響を間接評価、(6) 多年データで火災レジームトレンド分析、(7) 気候・地形を統計的に関連付け将来予測モデル構築。Global Forest Watch・NASA FIRMS・EFFIS・GEOGLAMが世界規模監視を担います。
主要衛星プラットフォーム詳説
Landsat（USGS/NASA）：1972年Landsat 1から現行Landsat 9（2021年）まで継続運用。光学9＋熱赤外2バンド、30 m、16日周期、8/9併用で実効8日。1984年以降全無償（USGS Earth Explorer、Google Earth Engine）。
Sentinel-2 A/B（ESA Copernicus）：2015/2017年運用、13バンド、10/20/60 m、再訪5日。Red Edge 3バンドが植生健康度評価に強い。Copernicus Data Spaceで完全無償。
MODIS（NASA Terra/Aqua）：36バンド、250 m〜1 km、毎日2回。MCD64A1（焼失面積）、MOD14A1（活火災）が標準。後継VIIRSへ移行中。
Planet Labs SuperDove：3 m、8バンド、毎日全陸地。研究用無償アクセスあり、個体木被害判別に強い。
JAXA ALOS-2 / 4：Lバンド SAR、雲・煙を貫通し火災継続中の被害把握に有効。日本周辺の高頻度観測体制。
GEDI（NASA）：2018年からISS搭載LiDAR、緯度±51.6°範囲で森林3D構造を測定、火災前後の林冠変化定量化に革新。
再生プロセスの監視と長期解析
火災後の再生プロセスは、複数のリモートセンシング指標で多面的に監視されます。
1. 植生被覆の回復：NDVI、EVI等の植生指数で植被率の経年変化を追跡。地中海林で年間NDVI回復率+0.03〜0.05/年、温帯林で+0.02〜0.03/年、ボレアル林で+0.005〜0.015/年が典型値（Pickell et al., 2016）。
2. 林冠構造の回復：LiDARで林冠の3D構造再生を観察。樹冠高は火災後5年で1-3 m、20年で10-15 m（中緯度針葉樹林の場合）。
3. 樹種組成の変化：ハイパースペクトル衛星（PRISMA、EnMAP）で樹種を識別。火災後の早期遷移種（パイオニア種：シラカバ、ヤマナラシ等）から後期遷移種への置換を追跡。
4. 土壌侵食：DEM時系列、雨水流出パターンで侵食を監視。Sentinel-1 SARのコヒーレンス変化で表土撹乱を検出。
5. 炭素貯留：林冠バイオマスの推定で、炭素回復を評価。NASA-ISRO SAR Mission（NISAR、2026年打ち上げ予定）でグローバル森林バイオマス監視が実現。
6. 生物多様性指標：林冠多層構造、樹種多様性をRSで推定（限界あり）。eBird等の市民科学データと組み合わせる手法も発展中。
7. 機械学習・AI活用：複数センサー・時期データを統合した自動分析。Random Forest、U-Net、Transformer系モデルで焼損地検出F10.92以上、樹種分類精度85%以上に到達（USGS, 2023; Hermosilla et al., 2022）。
8. 現地検証：RS結果を現地調査で検証、精度向上。ドローン（DJI Matrice、senseFly等）による100 m解像度精密マッピングが標準化。
9. 長期データセット：Landsat（1972年〜）等の長期アーカイブで、数十年スパンの再生プロセス分析。LandTrendr、CCDC（Continuous Change Detection and Classification）アルゴリズムで時系列分解。
樹種別・気候帯別の回復速度
NDVI で90%回復（pre-fire 値）に達する年数を、代表的な森林タイプ別に整理します。
国内事例：屋久島、北海道、釜石、足利
日本は湿潤気候で大規模火災は限定的ですが、近年気候変動で乾燥傾向と火災増加が懸念されています。林野庁統計によれば令和4年度（2022）の山火事発生件数1,239件、焼失面積605 ha。1日平均3.4件、1件あたり0.5 haと小規模ですが、件数自体は増加傾向にあります。
1. 釜石大火（2017年5月）：岩手県釜石市・大槌町で発生、焼失面積413 ha。Sentinel-2 と Landsat 8 で被害域を画定、5年後（2022）のSentinel-2解析でNDVIは火災前比75%まで回復。アカマツ枯死木の更新で広葉樹優占に遷移。
2. 足利市山火事（2021年2月）：栃木県足利市、焼失面積106 ha。乾燥した冬季の落葉広葉樹林で発生、ALOS-2 PALSAR-2 のLバンドSARで雲下観測、煙影響を排除した境界画定が貢献。
3. 屋久島の更新動態：屋久島では落雷起因の小規模火災が散発、ヤクスギの長期再生過程をLandsatアーカイブで遡及解析。樹齢千年超の屋久杉は火災への高い耐性（厚い樹皮、高い樹冠）を持つことが知られています。
4. 北海道のボレアル境界林：北海道のトドマツ・エゾマツ天然林は気候的にボレアル林に近く、火災後再生は本州より遅い。MODIS時系列で20年以上のNDVI回復過程を解析した事例（FFPRI、2021）。
海外大規模火災事例
1. カリフォルニア（米国）：2020年は史上最大の170万 ha焼失、2018年Camp Fire（パラダイス町壊滅、85名死亡、6.2万 ha）。USGS MTBS でdNBR地図整備済み。シエラネバダのジャイアントセコイア（Sequoiadendron giganteum）は2020-2021年の火災で世界個体群の13-19%を喪失（NPS, 2022）。
2. オーストラリア（Black Summer 2019-2020）：東部州を中心に2,400万 ha焼失、コアラ等の野生動物30億個体超に影響。Sentinel-2 とPlanet Labsで継続観測、3年経過時点でNDVI回復は地域差大、湿潤地で60%・乾燥地で30%程度。
3. シベリア（ロシア極東）：2021年に1,890万 ha焼失（過去最大）、永久凍土融解と複合した炭素排出が地球規模で深刻。Landsat・MODIS による全域監視はEFFIS-Globalで継続中。
4. アマゾン（ブラジル）：2019年8月だけで3万件超の火災検知（NASA FIRMS）。原生熱帯林は本来火災非依存型で、人為起因火災後は再生が極めて困難（種子供給源消失、土壌劣化）。INPE のPRODESプロジェクトで毎年マッピング。
5. 地中海諸国：ギリシャ（2023年Rhodes島大火）、ポルトガル、スペインで毎夏大規模火災。EFFIS が衛星ベースのリアルタイム監視・予測を欧州27か国に提供。
機械学習・AIによる自動判別
深層学習による焼損地検出と被害分類が急速に発展しています。U-Net 系セマンティックセグメンテーションはSentinel-2マルチバンド入力で焼損地境界を画素単位抽出、F10.92以上（Pinto et al., 2020）。Random Forest・XGBoostはdNBR・地形・気候・植生タイプから被害強度5階級分類、MTBS自動化で運用中。Transformer系はLandsat 30年時系列を一括学習、LandTrendrの後継として研究進展中。学習データはCalFire・MTBS・EFFIS等が公開、Kaggle・Zenodoで再現可能。ベイズ推論・アンサンブル法で不確実性を定量化、消防ドローン搭載AIによるエッジ展開で初動対応に活用が広がっています。
衛星×ドローン×現地調査の組合せ
単一手法では限界があり、マルチスケール統合が標準化しています。衛星（広域）は10-30 m分解能で数千 km²のトレンド把握、ドローン（中域）は5-20 cm分解能で個体木レベル評価、現地調査（点）はプロット20×20 mで樹種・樹高・DBH・更新苗を計測。地上LiDAR（TLS）で立木3Dモデル、土壌コア・葉サンプルで化学分析。衛星NDVI ↔ ドローン林冠率 ↔ 地上バイオマスのallometric scalingでスケール変換、火災継続中はドローン熱画像を消防隊にリアルタイム伝送する運用も増えています。
カーボンクレジットと炭素回復評価
森林火災は世界の人為的CO2排出の5-10%に相当し（Global Carbon Project、2023）、ボランタリー炭素市場（VCM）でも火災対策・再生プロジェクトが急増。dNBRやMODIS Burned Areaに地域別バイオマス係数を掛けて炭素排出量を推定、Global Fire Emissions Database（GFED）が標準データセット。Verra VCS・Gold Standardが再造林プロジェクト（ARR）にクレジット発行、MRV（測定・報告・検証）にRSが必須。日本のJCM（二国間クレジット）でも東南アジア・アフリカでJAXA衛星活用例が増加。衛星ベースMRVは従来の現地測定比でコスト1/10、対象面積100倍以上（World Bank、2024）、再火災リスクのRS継続監視でクレジットのバッファ率設定にも反映されています。
防災・早期警報システム
火災発生・拡大の予測と早期警報も、リモートセンシングの主要応用領域です。火災危険度予測はSentinel-3 SLSTRやMODISの地表面温度、Sentinel-5P TROPOMIの大気水蒸気、ECMWF気象予測を統合した日次マップ。リアルタイム検知はVIIRS Active Fire（375 m）で最短3時間以内に通知、NASA FIRMSが無償配信。拡大予測はFlamMap・FARSITE等の物理モデルとRS入力（燃料量・地形・風）で24-72時間後を予測、住宅地侵入リスクの動的予測と避難ルート最適化に応用。GFW Fires、JAXA Sentinel Asia等が世界規模で災害対応を支援します。
気候変動下の課題と将来
気候変動下で、山火事後の森林再生はますます困難になっています。(1) 火災頻度増加：再生途中の累積損失、米国西部の平均火災間隔は30年→12年に短縮（USFS、2022）。(2) 火災強度増大：自然回復が機能しないmegafire（10万 ha超）の常態化。(3) 樹種選定：将来気候を見据えた再造林、エリートツリー（D17）と気候適応種配置。(4) 補助移植：自然回復困難地でassisted migrationを実施。(5) 菌根接種：耐火種菌根菌（B27）で再生加速・苗木活着率向上。(6) 国際協力：北米・地中海・豪州等の経験共有。(7) 早期警戒：気候・植生条件に基づく火災予知。(8) 管理戦略：「火災抑制」から「共存」へパラダイム変化、計画的火入れ（prescribed burn）の再評価。(9) 政策予算：米国IRAで防火・再生に50億ドル超の連邦予算。(10) 監視網：世界規模監視ネットワーク強化。
国際協力と監視ネットワーク：EFFIS、GEOGLAM、Sentinel Asia
火災対応は国境を越えた課題であり、国際監視体制が整備されています。EFFIS（欧州委員会JRC、EU加盟27か国の火災情報を統合・毎日更新、MODIS/VIIRS/Sentinel-2活用）、GEOGLAM RAPP（世界の作物・牧草・森林の生産性とリスク監視、火災影響評価を含む）、NASA FIRMS（MODIS/VIIRS活火災データを世界配信、年間1億件超の検知）、Sentinel Asia（JAXA）（アジア太平洋25か国78機関の災害対応プラットフォーム、緊急観測要請EORで48時間以内提供）、UN-SPIDER（国連宇宙部の災害管理プラットフォーム）、WMO Global Wildfire Information System（2024年運用開始）。日本も気候変動下の火災リスク増加に備え、JAXA・FFPRI・大学連携によるアジア太平洋技術提供、屋久島・北海道など国内モデルサイトの長期モニタリング、EFFIS・GEOGLAM等への貢献が求められます。
FAQ：よくある質問
Q1. 火災後の森林は何年で回復しますか？
A. 気候・樹種・火災強度で大きく異なります。NDVI 90%回復ベースで、地中海林5-15年、温帯落葉樹林20-50年、温帯針葉樹林25-40年、熱帯雨林50-80年、ボレアル針葉樹林50-150年。完全な原始林状態（樹種組成・林床多様性含む）への回復はさらに長期で、数百年スケールの場合もあります。
Q2. リモートセンシングデータは誰でも使えますか？
A. Landsat（USGS）、Sentinel（ESA Copernicus）、MODIS／VIIRS（NASA）はすべて無償公開。Google Earth Engine（GEE）、AWS Open Data、Copernicus Data Spaceで処理基盤も無償提供されており、誰でもブラウザ／Python／R環境で解析可能です。技術知識は必要ですが、研究・教育・市民科学目的には十分活用可能です。
Q3. 日本でも山火事後再生は研究されていますか？
A. はい。森林総合研究所（FFPRI）、JAXA、北海道大学、東京大学などが研究進行中。2017年釜石大火、2021年足利市火災等の事例で衛星解析が実施されました。日本は湿潤で大規模火災は限定的ですが、気候変動で乾燥傾向と火災増加リスクが懸念され、研究蓄積が重要です。
Q4. dNBRとNDVIの使い分けは？
A. dNBR は火災直後の被害強度評価（火災から60-90日以内）に最適、NIR・SWIR の差分で土壌・植生変化を捉えます。NDVI は再生過程の長期モニタリング（数年〜数十年）に最適、植生量と相関が高い。両者は相補的で、災害評価では併用が標準です。
Q5. SAR（Sentinel-1、ALOS-2）は火災にどう使う？
A. 雲・煙を貫通するため、火災継続中・直後の悪条件下でも観測可能。Cバンド（Sentinel-1）は表層変化、Lバンド（ALOS-2）はバイオマス・林冠下に有効。コヒーレンス変化で土壌撹乱、強度差分で森林損失を検出します。
Q6. AIモデルの精度はどの程度ですか？
A. U-Net等の深層学習で焼損地検出F10.92-0.95、被害強度5階級分類で総合精度80-90%。樹種分類では85%以上に到達した事例あり（USGS、2023）。ただし学習データ地域外への汎化は課題で、転移学習・領域適応の研究が活発です。
Q7. 火災予防は可能ですか？
A. 完全予防は気候変動下では困難ですが、衛星早期警戒（VIIRS活火災通知3時間以内）、燃料管理（下草除去、間伐、計画的火入れ）、防火帯設置、地域コミュニティ参加（FireSmart、Firewise USA等）の組合せで被害を大幅軽減できます。米国IRAは防火・再生に50億ドル超を投入。
Q8. カーボンクレジットへの活用は？
A. Verra VCS、Gold Standard、JCM等で再造林プロジェクト（ARR）にクレジット発行。RSによるMRV（測定・報告・検証）でコストを従来の10分の1に削減し、対象面積を100倍以上に拡大可能。永続性リスクの継続監視も衛星で実施。
Q9. 個人レベルで貢献できますか？
A. 森林ボランティア活動、関連NPO（森林再生支援センター、Conservation International等）への寄付、火災予防の啓発、適切な森林利用、市民科学（iNaturalist、eBird等での火災後生態記録）等。NASA Worldview、Sentinel Hub Playground等で衛星画像を直接閲覧することも可能です。
Q10. 屋久島など国内モデルサイトの意義は？
A. 屋久島は世界遺産で長期モニタリングインフラが整備され、ヤクスギの千年スケール更新動態を観察できる希少な場所。北海道のボレアル境界林も気候変動応答研究の重要サイト。これら国内モデルサイトでの知見蓄積が、東南アジア・北東アジア地域への技術移転と国際協力の基盤となります。
コメント