リモートセンシングデータは棚田を抽出するための有効なデータとされている．しかしながら，これらの研究の多くは非常に高いもしくは高い空間分解能を有した衛星画像に焦点を合わせている．本研究ではRapidEye，Sentinel-2およびLandsat-8の3つの中解像度の人工衛星画像を用いて棚田抽出の検証をおこなった．さらに，ピクセルベース画像解析（PBIA）とオブジェクトベース画像解析（OBIA）では強力な機械学習分類器である多層パーセプトロン，ランダムフォレスト，サポートベクターマシンのアルゴリズムを使用して棚田の分類をおこなった．PBIAで分類された棚田は3種類の衛星画像すべてで90.3％から92％の高い精度が得られた．一般的にOBIAのセグメンテーションの閾値が増加すると精度が低下するため，OBIAではPBIAと同等の精度は得られなかった．RapidEyeを用いた分類のOBIAは85％を超える精度が得られた．Sentinel-2を用いた分類では80％を超える結果が得られた．Landsat-8を用いた分類では75％という低い精度であった．OBIAの分類精度はリモートセンシングデータの空間分解能に依存性を示すが，3つの機械学習分類器を用いた分類結果は高解像度の画像の棚田の小さな区画を区別できることを除いて大きな違いがないことを確認できた．その結果に基づいて，PBIAは調査地域で棚田を抽出するための簡単で正確な方法を提供できると考えられる．

地質学に従事する研究者にとって露頭やボーリングなどの位置を表す点のデータに接する機会は多く，それらの点をウェブ地図上に展開して表示することは一般的である．しかし，点の数が増えるに従ってウェブアプリケーションの応答速度は著しく劣化する．著者は本研究において，新たな手法を用いて大量の点をウェブ地図上に展開するアプリケーションを開発し，その操作性の向上を試みた．本研究ではJSONやGeoJSON，バイナリベクトルタイルといった一般によく知られた書式の代替として，大量の点データを配信するための書式である点群PNGを採用し，結果として良好な応答速度で動作するウェブアプリケーションを開発することができた．本論文では開発したアプリケーションで用いた手法を紹介するとともに，既存の点群展開アプリケーションとも比較，得られた知見を紹介する．