衛星リモートセンシングによる地球観測データの利 …5 Remote Sensing...

衛星リモートセンシングによる地球観測データの利活用について

ET/IoT2017出展計画 SEC先端技術入門ゼミ

（一財）リモート・センシング技術センター研究開発部山本彩

2

Remote Sensing Technology Center of Japan ＡｌｌｒｉｇｈｔｓｒｅｓｅｒｖｅｄＲＥＳＴＥＣ２０１６

本日の内容

自己紹介

衛星データによる地球観測の概要

RESTECの事業について

衛星データの活用事例

3


自己紹介

山本彩（やまもとあや）

大学・大学院にて鉱物学を専攻。（博士（理学）取得）

在学時に、（当時の）新しい地質調査手法としてのリモートセンシ

ングと出会い、その可能性に惹かれてRESTEC（現職）に入社。

分光反射特性を基にした土地被覆分類解析、時系列変化の解析など

中心に、環境・農業・災害などのプロジェクトに参加。また、地球

以外にも月惑星探査におけるリモートセンシングにも携わる。

4Remote Sensing Technology Center of Japan ＡｌｌｒｉｇｈｔｓｒｅｓｅｒｖｅｄＲＥＳＴＥＣ２０１5

１．衛星による地球観測（１）概要

©JAXA

政府及び民間企業により打上げ、運用※日本では、JAXAによる中～大型衛星（2～

4t）が主流※世界的に、超小型・小型衛星（数kg～数百

kg）が増加

高度500～800㎞の軌道を周回※「ひまわり」のような静止軌道衛星は、高度3万6000㎞

目的に合わせ、様々なセンサを搭載

＜東＞＜西＞

南極

北極

地球の自転

秒速約8km：

90分～100分で一周

1日で14～16周

高度約600㎞

【極軌道】同じ場所を毎日は観測できない

【静止軌道】同じ場所をずっと観測できる

ALOS-2(JAXA)


１．衛星による地球観測（２）衛星に搭載される様々なセンサ

目的に合わせて、様々なセンサ（観測装置）を搭載している。→光学センサ、レーダー、環境観測センサ（マイクロ波放射計等）等

光学センサレーダー環境観測センサ（画像はマイクロ波放射計）

分解能：31㎝～15m観測幅：10~70㎞

分解能：1m ～250m観測幅：10~450㎞

分解能：数km観測幅：数千㎞

分かりやすい詳細な画像の取得

悪天候、夜間での画像取得地表面の微小な変動の検出

海面温度、降水量、大気ガス等の環境情報の取得


１．衛星による地球観測

（３）世界の主な地球観測衛星

政府系

民間

米国： Landsat シリーズ

欧州： Sentinel衛星シリーズ（欧）、

TerraSAR-X（独）、CosmoSkyMed（伊）、SPOTシリーズ（仏）

日本： ALOS-2、GCOM-C、GPM

日本：アクセルスペース社等

米国：WorldView衛星シリーズ（高分解能光学衛星）、 Planet社等

カナダ： Radarsat-2

政府系衛星データのオープン＆フリー化の方向性

超小型・コンステレーション（編隊）・ベンチャー

7


1

RESTECの紹介

財団名一般財団法人リモート・センシング技術センター

本社所在地〒105-0001 東京都港区虎ノ門3丁目17-1 TOKYU REIT 虎ノ門ビル3階

設立 1975年8月1日

各種許認可品質マネジメントシステム（ISO9001）認証取得情報セキュリティマネジメントシステム（ISO27001）認証取得環境マネジメントシステム(ISO14001)認証取得

基本財産 250,000千円

職員数 153名（常勤役員等5名含む）

理事長

常務理事

総務部経営企画部ソリューション事業部研究開発部衛星情報技術室つくば事業所鳩山事業所

組織

概要

8


1

RESTECの事業紹介

国内・海外衛星データの受信、処理，提供、校正検証等

関連地上システム運用リモートセンシングデータの利用研究、アルゴリズム及びソフトウェアの開発

観測機器、観測プラットフォーム、関連地上システムの開発等

国内外におけるリモートセンシング技術に関する研修

新興国等に対する技術移転を含むキャパシティビルディング

地球観測、リモートセンシングに関する調査、ミッション要求とりまとめ

新興国等におけるニーズ調査・分析

リモートセンシング技術に関するコンサルティングを含む付加価値情報提供サービス

9


ソリューション提供事業における重点五分野

REDD+に関する森林情報提供

食料安全保障に関連する農業生産状況監視

災害時における被災情報提供

持続可能な水資源管理のための情報提供及びシステム構築国土基盤情報整備のための情報提供

10


海洋分野

11Remote Sensing Technology Center of Japan ＡｌｌｒｉｇｈｔｓｒｅｓｅｒｖｅｄＲＥＳＴＥＣ２０１４

藻場の分布状況調査への衛星データの利用

沿岸海洋の多様性を保全するために重要な「藻場」の調査に、衛星データが利用されています。（環境省様HPにおいて結果を公開中）

12


衛星データによる浅深測量「SDB」（Satellite Derived Bathymetry）

船舶による測量の困難な浅海域において、面的に安価な水深データを提供


水中での光の減衰は水深に比例する

光の波長によって減衰の割合は異なる

Red, Green, Blue,…

2. 衛星データによる浅海域の深浅測量＜原理＞

水中では近赤外より長波長の光は殆ど吸収される。一番吸収されにくく且つ散乱されるのが青い光であるため、海は青く見える


• 光学センサは太陽光の地表からの反射光の強さ（放射輝度）を計測するが、光が水中で減

衰するために水深により放射輝度の強さが異なることを利用して水深を推定する。

幾何補正

放射量補正

放射量解析による水深推定

潮高補正

衛星画像

SDB

学習用水深データ

潮汐データ

©DigitalGlobe, Inc.

2. 衛星データによる浅海域の深浅測量＜SDB作成フロー＞


衛星センサ名WorldView-2

空間分解能1.84 m

ピクセルサイズ2.0 m

バンドVisible 6

Near Infrared 2

2. 衛星データによる浅海域の深浅測量＜元データとなる衛星画像＞


2. 衛星データによる浅海域の深浅測量＜SDB作成結果＞


Analyzed by ©RESTEC

2. 衛星データによる浅海域の深浅測量＜SDBから作成した等深線＞


2. 衛星データによる浅海域の深浅測量＜SDBの精度と利点＞

• SDBの精度– 理想条件下での精度を下の表にまとめた。– 誤差 (RMSE: root mean square error)はレーザー測深結果を正解として算出。

– 透明度が低いなどの条件が悪い場合には精度は低下し、解析できない場合もある。

方法精度

経験的モデル RMSE: 1 m

機械学習 RMSE: 1 m

一般化経験的モデル学習データあり: RMSE: 1.5 m学習データ無し: RMSE: 2.0 m

方法コスト

SDB €25-45/km2

Lidar €1,500-2,000/km2

Multi-beam €1,000-2,400/km2

SHOM (2012)

• SDBの利点– 空間的に連続的なデータが得

られる。– コストが低い。– データ作成時間が短い。– 船による測量が困難な地域に

も適用可能


• 太平洋地域における気候変動影響評価等支援業務– SDBの応用として、高潮、高波シミュレーションのための基礎データとしてSDBを使

用。

衛星画像 SDB

AW3D(標高モデル)

地形モデル

高潮・高波シミュレーション

浸水域の予測

2. 衛星データによる浅海域の深浅測量＜SDBの活用：高潮・高波シミュレーション＞

20


農業分野


国内事例：農業分野（ブランド米）

衛星データから米のタンパク量や成熟度合いを解析し、高品質の米をより多く収穫できるよう生育管理に役立てます。

（c）青森県農林総合研究所


衛星データと農地のGISデータから、耕作放棄地を抽出し、その分布を把握することができます

国内事例：農業分野（耕作放棄地の把握）

・年間200億近い鳥獣害への対策（イノシシの罠の設置場所検討、など）


Before Planting

(Flooding)Planting Vegetative

HighLow

Backscattering Coef.

RADARSAT data ©CSA 1997. Received by the Canada Centre for Remote Sensing. Processed and distributed by RADARSAT International.

農業：衛星から観た水田の様子（１）


RADARSAT Standard Mode (5 June,

1997)(G, B) (R)

RADARSAT data ©CSA 1997. Received by the Canada Centre for Remote Sensing. Processed and distributed by RADARSAT International.

Flooding season Glowing seasonTransplanting season

RADARSAT Standard Mode (29 June,

1997)

RADARSAT Standard Mode (23 July,

1997)

Color Composite Image

(next page)

specular reflection weak backscatter

strong backscatter

Ishikari Plain, Hokkaido, Japan

農業：衛星から観た水田の様子（２）


RGB=23 July / 5 June / 5 June, 1997RADARSAT data ©CSA 1997. Received by the Canada Centre for Remote Sensing. Processed and distributed by RADARSAT International.

北海道石狩平野の水田の様子

農業：衛星から観た水田の様子（３）

26


東南アジアにおける農業統計事情（背景情報）

レポーティングシステムが主流

県レベル

市レベル

町村レベル

町村レベルの職員が任意のヒアリングの結果に基づき統計値を推定。町村レベルの推定結果が、市、県、中央へとボトムアップ式で集計されていく。

課題：虚偽の申請や推定精度の問題で、正しい統計情報が得られていない可能性がある。→客観的で効率良く面的な調査が可能な衛星リモートセンシングへの期待が高い


アジアにおける衛星データを用いた水稲作付面積・収量推定ソフト“INAHOR”

INternational Asian Harvest mOnitoring system for Rice

他地域への展開：アフリカにおけるメイズ（とうもろこしの一種）

農業：水稲作付面積把握・収量推定

28


森林分野

29


ブラジル国における違法伐採低減への貢献JICA技プロ：アマゾン森林保全・違法伐採防止のためのALOS衛星画像の利用Project

RESTEC小野誠特任首席研究員第2回宇宙開発利用大賞環境大臣賞の受賞

光学 SAR

SARでは、明確に森林/非森林が分かる

事業期間

低減に貢献

30


災害分野


災害時のリモートセンシングの役割

広

一番の役割は、地表を俯瞰すること• 地表から500km～700km上空の宇宙空間にあるため、地表を俯瞰することができる

。これが地球観測衛星が最も得意とするところで、大きな役割。災害の概要をつかみ、応急や復旧、詳細な調査を行うための基礎資料としての利用ができる。

人工衛星で観測、俯瞰する

被害の概要をつかむ（判読・解析など）

航空機やヘリで観測する

救援や調査で人を派遣する

災害緊急観測、災害対応人工衛星の役割

情報の細かさ

得られる情報の範囲

粗細狭


The image shows damage caused by a typhoon in the Tacloban area of Leyte Island, Phillipines, 2011.

Yellow: partial destruction

Red : complete destruction

DigitalGlobe,Inc. All Rights Reserved.

台風・高潮等による家屋倒壊の様子

2013年フィリピンを襲った大型台風による被害の状況を衛星データから推定


2006年にフィリピンレイテ島における土砂崩れをSARデータを用いて抽出した例。

土砂崩れ状況の把握


DigitalGlobe,Inc. All Rights Reserved.光学画像（トゥルーカラー）、WORLDVIEW-2（分解能0.5m）出典： http://www.disasterscharter.org/image/journal/article.jpg?img_id=105478&t=1314010087598

海上に流出した瓦礫

港湾施設や構造物の被害

道路、鉄道の被害（落橋等）

2011/03/13 WORLDVIEW2（分解能0.5m）

地震・津波による被害状況把握（２）


火山活動モニタリング

差分干渉画像(2014/10/29-2015/5/7の変動) 差分干渉画像(2015/6/18-2015/7/2の変動)

差分干渉画像(2015/7/2-2015/8/27の変動) 陸域観測技術衛星2号「だいち2号」災害事例集より

・ALOS-2緊急観測により箱根山周辺を撮影・温泉地学研究所と国土地理院が解析を行い、結果が箱根町に報告され、立入再開・安全対策の判断材料として活用

噴火警戒レベル1→2




Satellite/Sensor ALOS-2/PALSAR-2Observation Mode Fine Beam Dual Polarization modeObservation Date Master: 2014/11/17, Slave: 2015/01/26

Subside

Uplift

Analyzed by ©RESTEC, Included ©JAXA

Soekarno Hatta International AirportCentral Jakarta City

Subsidence signals

Nジャカルタ市街地付近の地盤沈下の様子observed by ALOS-2/PALSAR-2 Interferometry

Estimated subsidence rate is approx. 1.3mm/day in this period

地盤沈下の見られる地域↓

新たな浸水リスク地域

地盤沈下モニタリング


浸水履歴情報

SBT Rainfall Info(GSMaP) & rain gauge

SBT DEM (ALOS World 3D)

JICAプロジェクトによる、バングラデシュにおける洪水警報システムの構築例

洪水警報システムの構築


三重県総合図上訓練における利用状況防災訓練へ提供した想定津波浸水域衛星地図

・南海トラフ地震発災後を想定した自治体訓練にプロダクトを提供・プロダクトを活用し、孤立地域における救助方策などを検討

防災訓練時の利用事例


初動

応急

検証・復旧

復興

平時

災害対応サイクル

現状の防災利用実証の対応範囲

災害サイクルにおける衛星利活用

41


空間基盤分野


老朽化

日本中に張り巡らされた交通インフラ

管理の人手

衛星データを利用した、年間数mm～cmで地盤変動を検出できる解析技術の利用

定期的な監視によるリスクの早期発見と保全

インフラ老朽化対策＆高寿命化計画

空間基盤：交通インフラのモニタリング


地表面変位の解析事例：変位量：赤（-10cm）＞オレンジ＞黄色＞黄緑＞青（+10cm)

サービス内容差分干渉・時系列差分干渉解析手法を用いた解析・計測サービス上記以外に提供検討中のサービス

土壌水分量、土砂災害履歴（ハザード情報）

空間基盤：交通インフラのモニタリング

44


まとめ

地球観測衛星の取得したデータは、農林水産業や環境、防災、地図情報、教育など多岐にわたる分野において、様々な形で活用されており、当財団も国内外のプロジェクトにソリューションを提供しています。

衛星データの利活用、ソリューションサービスにおいては、アルゴリズムのツール・モジュール化、システム化が必須となっています。このため、ソフトウェアの信頼性向上は常に課題となっています。また、近年、衛星の高性能化・小型コンステレーション化に伴い、ビッグデータと化す衛星データの処理にはAI技術も必須となってきています。

今後も社会のニーズに応え、当財団では、現地観測・UAV・航空機・衛星などの様々な「リモートセンシング情報」を活用したソリューションサービスを開発してまいります。

Sense your Earth

衛星リモートセンシングによる地球観測データの利 …5 Remote Sensing...

Documents

Transcript of 衛星リモートセンシングによる地球観測データの利 …5 Remote Sensing...

衛星リモートセンシングによる地 球観測データの利 …5 Remote Sensing...

Documents

Transcript of 衛星リモートセンシングによる地 球観測データの利 …5 Remote Sensing...

衛星リモートセンシングによる地球観測データの利 …5 Remote Sensing...

Transcript of 衛星リモートセンシングによる地球観測データの利 …5 Remote Sensing...