廣瀬裕基・松村直人：航空写真オルソ画像および深層学習を用いたスギ・ヒノキ人工林における立木本数推定の有効性について，森林計画誌59：1～9，2025　本研究では，全国的に利活用の進む航空レーザ計測データの今後の更新に向けて，地方自治体で取得が進んでいる高解像度の航空写真オルソ画像データに着目し，効率的な中・広域の森林資源情報取得技術の開発を検討した。航空レーザ計測時に取得される航空写真オルソ画像と，リモートセンシング分野で優れた性能を示している深層学習モデル（EfficientNet）を用いて，航空レーザ計測に基づくスギ・ヒノキ人工林の立木本数（15×15mプロット）を推定した結果，概ね8割の推定精度が確認された。特にスギ林では明瞭な樹冠形状により高密度林分においても高い精度が維持され，ヒノキ林に対する優位性を示した。また，提案手法を高解像度衛星画像や過去の空中写真に適用することで，時空間的に幅広い森林資源情報の取得が可能になると考えられる。

相原直生・光田靖：CS立体図を用いた深層学習による林道自動抽出の試み，森林計画誌59：11～17，2025　航空レーザー測量にもとづく数値標高データから作成したCS立体図を用いて，深層学習モデルにより林道の線形情報を自動的に抽出する手法を開発した。CS立体図を入力とする深層学習モデルは，現実の林道に対して路線長の75.1%を再現できた。モデルにより抽出された林道の91.7%は現実の林道と一致していた。比較対象として開発した標高，傾斜，および平面曲率を入力とする深層学習モデルでは，現実の林道に対して路線延長の0.1%しか再現することができなかった。森林域では林道が植生で覆われるため通常の写真を用いて林道を自動抽出することは難しいが，本研究で開発した手法では航空レーザー測量にもとづく地形データを入力とするため，森林域でも利用可能である。また，地形を入力画像とするモデルよりも，CS立体図を入力画像とするモデルの方が，格段に林道再現率が高かったことから，深層学習モデルを用いた林道自動抽出におけるCS立体図の有効性が示唆された。

We investigated early survival and growth of advanced regeneration Abies sachalinensis seedlings after clear-cutting of overstory trees in July in stands where many advance growths are not umbrella-like. The two study sites were Okoppe and Mombetsu. 77 % of advanced regeneration seedlings in Okoppe and 55% in Mombetsu remained alive 2 years after clear-cutting. At both sites, seedling height significantly increased after clear-cutting. The results of this study suggest that there would be a case in which the growth of not umbrella-like advanced regeneration A. sachalinensis seedlings can be expected even when overstory trees are clear-cut in summer.

中川宏治：自然景観および木材生産，生物多様性を考慮した小集水域のゾーニング手法，森林計画誌59：25～38，2025　本研究では，生態系サービスのうち自然景観の保全と木材生産，生息・生育環境の提供に着目し，モントリオールプロセスの基準と指標を考慮して自然情報と社会情報を整理した上で，管理目標の設定および森林タイプと施業法の配置について検討した。ゾーニングでは，地域スケールおよび団地スケールを組み合わせた階層的ゾーニング手法を適用し，評価因子として，地位指数，コスト距離，景観の多様度，被視頻度を用いた。森林タイプと施業法の配置を検討するため，主成分分析とクラスター分析を用いた。愛知川流域でゾーニングを行った結果，地域スケールでは小集水域に長期的な管理目標を設定することが可能であり，団地スケールでは，地域の社会・経済の現状に応じて柔軟に森林タイプや施業法を小班ごとに配置できることが示された。また，自然景観の保全の機能については，管理目標が木材生産であっても，森林タイプと施業法を工夫し，同機能の保全が求められる小班が存在することが示された。