はじめに

今回は、奈良市が提供しているオープンデータを活用し、地目（たとえば宅地・田・山林など）をAIで分類する教師データを作るというプロジェクトをご紹介します。
実際のコードと環境構築、GitHubへの公開までを含めた実践記録です。

目的と背景

地目分類は土地利用や都市計画、固定資産税評価などにも関わる重要な情報です。
これを自動化・AIによって識別できるようにすることで、将来的には市町村ごとの分類自動化にもつなげる可能性があります。

今回の対象地域は奈良市です。奈良市が提供している以下のオープンデータを使用しました：

🔗 奈良市オープンデータ（地籍情報）

使用した技術・環境

• QGIS：地図データの可視化・確認用

• Python + PyTorch：深層学習フレームワーク

• Git + GitHub：バージョン管理と公開

• Windows + OneDrive：ローカル作業環境

プロジェクト構成（GitHub）

以下のように整理されたディレクトリで管理しています。

ステップ1：教師データを作成（パッチ画像の生成）

create_patches_count_fixed_CSV_ONLY.py を使って、元データ（GeoTIFFなど）から小さな正方形画像＝パッチ画像を生成します。

• 各画像は 100m 四方などにトリミング

• それぞれに「この画像は宅地」「この画像は田」といった**ラベル（正解地目）**を付与

• これはまさに、AIにとっての「教科書作成作業」

📝 生成されたパッチ画像は patches/ に地目ごとのフォルダ分けで保存されます。

ステップ2：AIモデルで地目を学習（PyTorch）

次に train_land_classifier_ADD.py を用いて、先ほどのパッチ画像群とCSVで指定されたラベル情報をもとにAIを学習させます。

• 使用ライブラリ：torch, torchvision, pandas, opencv-python など

• 出力：land_classifier_model_nara.pth（学習済みモデル）

🧠 AIが画像から特徴を自動抽出し、「このパターンは山林っぽい」「これは住宅街」と認識できるようになります。

GitHubへの公開：実践的Git操作

ローカルで作業していたフォルダを、以下のようなコマンドでGitHubにアップロードしました。

加えて .gitignore と requirements.txt も整備し、再現性と管理性を高めました。

実際の成果物（GitHub）

🔗 NaohikoMuramatsu2025/nara-land-classifier

今後の展望

• 地目分類の精度評価・クロスバリデーションの実装

• 他地域（例：京都市・和歌山市）への横展開

• Webアプリ化（MapLibre GL + FastAPI など）

まとめ

奈良市のオープンデータとAI・GitHubを組み合わせることで、地目分類の自動化に一歩近づくことができました。
地方自治体のデータ活用 × AI × オープンソースというトレンドの、実践的なケーススタディとしても有効だと思います。

この投稿が、GISやAIに取り組む方のヒントになれば幸いです！

#地番図 #固定資産 #地目判読  #人工知能 #奈良市 #オープンデータ #地目分類 #AI #機械学習 #土地活用 #地理空間情報 #GIS #WebGIS #Python #Geopandas #地図 #国土利用 #不動産テック #スマートシティ #地理情報 #行政DX #空間解析 #データサイエンス #MapLibre