リモートセンシングとは、対象物に触れることなく離れた場所から情報を取得する技術の総称だ。人工衛星に搭載されたセンサーが地表の光や電磁波を計測し、そのデータから農地の作物状態、森林の変化、都市の拡大、災害の被害範囲などを把握できる。
この記事は「衛星データ 完全ガイド」の詳細記事です。
リモートセンシングの基本原理
リモートセンシングは、物体が放射・反射する電磁波を計測する技術だ。地表のあらゆる物体は、太陽光を反射するか、自ら赤外線を放射している。衛星はこの電磁波をセンサーで捉え、デジタルデータとして記録する。
電磁波の波長帯によって得られる情報が異なる。
| 波長帯 | 波長範囲 | 取得できる情報 |
|---|---|---|
| 可視光（RGB） | 0.4〜0.7 μm | 人間の目で見える色彩、地物の形状 |
| 近赤外（NIR） | 0.7〜1.0 μm | 植生の活性度、水域の境界 |
| 短波長赤外（SWIR） | 1.0〜2.5 μm | 土壌の水分量、鉱物の種類 |
| 熱赤外（TIR） | 8〜14 μm | 地表温度、火災検知 |
| マイクロ波 | 1 mm〜1 m | 地表の凹凸、建物の変形（雲・夜間でも観測可能） |
受動型と能動型
リモートセンシングは大きく2種類に分類される。
受動型（パッシブセンサー）: 太陽光の反射や地表からの放射を受信する。光学衛星やマルチスペクトル衛星がこれに該当する。天候や昼夜の影響を受けるのが弱点だ。
能動型（アクティブセンサー）: 衛星自らがマイクロ波やレーザーを照射し、その反射を計測する。SAR（合成開口レーダー）やLiDARがこれに該当する。雲を透過し、夜間でも観測できるのが強みだ。
衛星画像の種類と特徴
光学衛星画像
人間の目で見える可視光線と近赤外線を用いた画像だ。Google Earthで見る衛星画像の多くがこれに当たる。直感的に理解しやすく、土地利用の把握や地図作成に広く使われる。
代表的な光学衛星として、Maxar社のWorldView（分解能約30cm）やPlanet社のSuperDove（分解能約3m、毎日撮影）がある。
マルチスペクトル画像
可視光に加えて近赤外・短波長赤外など複数の波長帯（バンド）を同時に撮影する。植物は可視光の赤色を吸収し近赤外線を強く反射する性質があるため、バンドの組み合わせから植生の健康状態を定量的に評価できる。
最も有名な植生指標がNDVI（正規化植生指数）だ。
NDVI = (NIR - Red) / (NIR + Red)
NDVIは-1から+1の値をとり、+1に近いほど植生が活発、0に近いほど裸地や水面、負の値は水域を示す。
SAR画像
合成開口レーダー（SAR）は、マイクロ波を地表に照射し、その反射（後方散乱）を画像化する。雲や雨を透過するため、常に曇りがちな熱帯地域や災害時の観測に不可欠だ。
SAR画像はグレースケールで表示され、光学画像のような色情報はない。明るい部分は電波を強く反射する構造物（建物、船舶）、暗い部分は電波を鏡面反射する平坦な面（水面、舗装路）を示す。
| 画像タイプ | 天候依存 | 夜間観測 | 分解能 | 主な用途 |
|---|---|---|---|---|
| 光学 | あり | 不可 | 30cm〜10m | 地図作成、土地利用分類 |
| マルチスペクトル | あり | 不可 | 3〜30m | 農業、植生モニタリング |
| SAR | なし | 可 | 1〜25m | 災害評価、地盤沈下、海洋監視 |
| 熱赤外 | 一部あり | 可 | 60〜1,000m | 都市ヒートアイランド、火災検知 |
主要な地球観測衛星
| 衛星名 | 運用機関 | センサー | 分解能 | 特徴 |
|---|---|---|---|---|
| Landsat 9 | NASA/USGS | 光学+熱赤外 | 15〜100m | 1972年からの最長観測記録 |
| Sentinel-2 | ESA | マルチスペクトル（13バンド） | 10〜60m | 5日間隔で全球撮影、無料公開 |
| Sentinel-1 | ESA | SAR（Cバンド） | 5〜20m | 全天候観測、干渉SAR対応 |
| ALOS-2 だいち2号 | JAXA | SAR（Lバンド） | 1〜100m | 森林観測に最適なLバンド |
| Planet SuperDove | Planet Labs | 光学（8バンド） | 約3m | 毎日全球撮影、200機以上のコンステレーション |
特にSentinel-2とLandsat 9のデータは完全無料で公開されており、誰でもダウンロードして分析できる。衛星データの民主化を象徴する存在だ。
分野別の活用事例
農業 — 精密農業と収穫予測
衛星データは精密農業の基盤だ。NDVIで農地全体の作物の生育状態を把握し、肥料や水の投入量をエリアごとに最適化する。ドローンでは数十ヘクタールが限界だが、衛星なら数千ヘクタール規模の農地を一度に観測できる。
日本では農林水産省がSentinel-2データを用いた水稲の作付面積推定を実施している。また、気象データと組み合わせた収穫量予測モデルの構築も進んでいる。
防災 — 災害前後の変化検出
地震・洪水・土砂崩れなどの災害では、被災前後の衛星画像を比較することで被害範囲を迅速に把握できる。SARは雲を透過するため、台風や豪雨の最中でも浸水域を特定できる。
2024年の能登半島地震では、JAXAのだいち2号が地盤の変動を干渉SARで検出し、被害状況の把握に貢献した。
環境 — 森林減少と温暖化監視
Landsat衛星の50年以上の観測データは、アマゾンや東南アジアの森林減少を定量的に追跡するための基礎データとなっている。Global Forest Watchなどのプラットフォームでは、週単位で森林の変化をモニタリングし、違法伐採の早期検知に活用されている。
衛星画像の入手方法（無料ソース）
初めて衛星データに触れる人には、以下の無料プラットフォームがおすすめだ。
| プラットフォーム | 提供データ | 特徴 |
|---|---|---|
| Copernicus Open Access Hub | Sentinel-1/2 | ESAの公式配布サイト |
| USGS EarthExplorer | Landsat全シリーズ | 1972年からのアーカイブ |
| Google Earth Engine | 多数の衛星データ | クラウド上で大規模解析可能 |
| Tellus | ALOS等の日本衛星データ | 経済産業省の衛星データプラットフォーム |
よくある質問（FAQ）
衛星画像の「分解能」とは何か？
分解能（空間分解能）は、衛星画像の1ピクセルが地表の何メートルに相当するかを示す。分解能10mなら、10m四方の範囲が1ピクセルに集約される。分解能が高い（数値が小さい）ほど細かいものが見えるが、データ量が増え、撮影範囲も狭くなるトレードオフがある。
自分の家は衛星から見えるのか？
商業衛星の最高分解能は約25〜30cmで、個別の建物の形状や大型車両は識別できる。ただし、窓の中や人の顔を識別できるほどの解像度はない。また、多くの高分解能データはセキュリティ上の理由で一般公開が制限されている。
リモートセンシングを学ぶにはどうすればよいか？
無料の学習リソースとして、NASAのARSET（Applied Remote Sensing Training）プログラムやESAのEO College（Earth Observation College）がオンライン講座を提供している。日本語では、JAXAの「地球観測研究センター」のウェブサイトやTellusの学習コンテンツが参考になる。プログラミングに慣れている人は、Google Earth Engineの公式チュートリアルが実践的だ。
まとめ
リモートセンシングは、衛星から地表の情報を非接触で取得する技術であり、光学・マルチスペクトル・SAR・熱赤外の各センサーが異なる情報を提供する。農業の精密化、災害時の迅速な被害把握、環境変化の長期モニタリングなど、応用分野は広い。
Sentinel-2やLandsatのデータが無料公開されている現在、リモートセンシングは専門家だけのものではなくなっている。まずは無料プラットフォームで衛星画像に触れてみることが、この分野への第一歩だ。
あわせて読みたい:
