衛星リモートセンシングとは？

地球上空を周回する人工衛星は、地上数ミリメートル単位の地盤変位から、大陸規模の気象変動にいたるまで、膨大な地表データを24時間体制で取得しています。この情報の根幹を支えるのが、対象物に直接触れずに測定・解析を行う「リモートセンシング」技術です。農業における農作物の生育状況把握や、災害時における全天候型のインフラ監視、さらには世界の石油備蓄量推計にいたるまで、衛星データは科学的研究の段階を超え、実務的な意思決定に不可欠なインフラとして広く社会に浸透しています。

衛星リモートセンシングの基礎：電磁波の波長特性とセンサーの動作原理

リモートセンシング（遠隔探査）の根幹は、地表面の物質ごとに異なる電磁波の反射・吸収・放射特性（分光反射特性）にあります。例えば、太陽光（電磁波）が地表面に照射された際、植物の葉は可視光の「緑（約0.55μm）」を反射し、「赤（約0.66μm）」を光合成のために吸収、さらに「近赤外（約0.8μm）」を細胞構造によって強く反射します。この波長ごとの強度差をセンサーで捉えることで、現地に直接行くことなく、対象物の種類や状態を定量的に評価できます。

可視・赤外センサーとマイクロ波（SAR）センサーの決定的な違い

地球を観測するセンサーは、大きく「光学（可視・赤外）センサー」と「合成開口レーダ（SAR：Synthetic Aperture Radar）センサー」の2つに分類されます。これらは利用する波長帯や光源の有無によって、観測可能な環境や得られる情報が大きく異なります。

光学センサーは、主に0.4μm（可視光）から14μm（熱赤外）の波長帯を使用する受動型（パッシブ）センサーです。太陽光を光源とするため、雲や霧が存在すると地表面を透過して観測することができず、夜間は反射光を利用した観測（熱赤外を除く）ができないという制約があります。一方で、複数の波長帯（マルチスペクトル）を細かく分割して測定できるため、植生の活性度を示す指標である「NDVI（正規化植生指数）」の算出や、土壌水分量、水質評価などに威力を発揮します。これらは「JAXA 地球観測衛星」の光学衛星データや「RESTEC 衛星データ」、また経済産業省が推進する衛星データプラットフォーム「Tellus」などで広く提供されており、広域な農業モニタリングや森林管理といった活用事例に直接適用されています。

これに対し、SARセンサーは、自らマイクロ波（波長約1cmから1m）を地表に向けて照射し、その跳ね返り（後方散乱波）を測定する能動型（アクティブ）センサーです。マイクロ波は雲の粒子よりも波長が長いため、天候の影響をほぼ受けずに地表を透過し、夜間であっても全く同一の条件で観測を行えます。JAXAの「だいち2号（ALOS-2）」や2024年7月に打ち上げられた「だいち4号（ALOS-4）」は、Lバンド（波長約24cm）のマイクロ波を採用しており、植生の透過性に優れるため森林下の地形や地盤変動の監視に適しています。特に、同一地点の複数時期の観測データを用いて位相差を解析する「InSAR（干渉SAR）」技術は、数ミリから数センチ単位の地殻変動や道路の地盤沈下を可視化するための標準的な手法です。

比較項目	光学センサー（可視・赤外線）	マイクロ波（SAR）センサー
観測方式	受動型（太陽光の反射・地表の放射を利用）	能動型（自ら電磁波を照射・受信）
使用波長帯	約 0.4 μm 〜 14 μm（可視・近赤外・熱赤外など）	約 1 cm 〜 1 m（L/C/Xバンドなどのマイクロ波）
雲・雨の透過性	透過しない（雲がある場合は地表観測不可）	高い透過性（悪天候でも地表観測が可能）
昼夜観測の可否	制限あり（可視・近赤外は昼間のみ観測可能）	可能（昼夜を問わず24時間観測可能）
得意な解析手法・指標	NDVI（正規化植生指数）、土地被覆分類、水質測定	InSAR（干渉SAR）によるミリ〜センチ単位の変動解析
JAXA地球観測衛星の例	しきさい（GCOM-C）、だいち3号（ALOS-3）	だいち2号（ALOS-2）、だいち4号（ALOS-4）

衛星軌道（極軌道と静止軌道）がもたらす観測頻度と解像度のトレードオフ

取得する衛星データの時間的・空間的な特性は、センサーの性能だけでなく、人工衛星が周回する「軌道」によって物理的に制限されます。地球観測において実務上重要となるのが、高度約600〜800kmを南北に回る「極軌道（太陽同期極軌道）」と、赤道上空約36,000kmに位置する「静止軌道」であり、両者の間には観測頻度と空間分解能の決定的なトレードオフ関係が存在します。

極軌道衛星は高度が低いため、地上の一点から見ると衛星は上空を通過し去る形になり、同一地点を再度観測する（回帰する）までに数日から十数日の期間を要します（時間分解能が低い）。しかし、観測距離（高度）が近いため、高い空間分解能を得られます。物理的な回折限界（レイリー基準）に基づく空間分解能 $d$ は、観測波長 $\lambda$、レンズの口径（あるいはアンテナ径） $D$、観測高度 $L$ を用いて $d \approx 1.22 \lambda L / D$ と表されます。この数式が示す通り、高度 $L$ が極めて低い極軌道では、商用の光学衛星で30cm級、SAR衛星でも1mから3m級という極めて高精細な空間分解能が実現できます。この特性は、特定インフラのピンポイントな異常検知や、圃場一枚ごとの育成確認といった実務に適合します。

これに対して、静止軌道衛星は地球の自転と同期して公転するため、地上からは常に同じ位置に静止しているように見えます。これにより、数分間隔（時間分解能が高い）という非常に高い頻度で、広域エリアの連続監視が可能です。しかし、高度 $L$ が約36,000kmと極軌道衛星の約50倍に達するため、上記のレイリー基準の等式に従い空間分解能 $d$ は大幅に低下します。気象衛星「ひまわり」の空間分解能が可視域で500m、赤外域で2km程度にとどまるのはこの物理法則によるものです。広範囲の雲の動きや大規模な気象変化をリアルタイムで追跡する用途には静止軌道が不可欠ですが、個々の建築物や道路網の変化を識別することはできません。

このように、リモートセンシングデータの導入や解析を行う実務においては、解決したい課題に対して「高い空間分解能（数メートル以下の詳細）が必要なのか」、それとも「高い時間分解能（分・時間単位の連続監視）が必要なのか」を精査し、それぞれの軌道から得られるデータソースを適切に選択・組み合わせる設計が必要となります。

ビジネス・公共領域における衛星データ活用：実在プロジェクトに見る解析手法

実務においてリモートセンシングデータを活用する際、電磁波の物理的特性を実用的なアルゴリズムに落とし込むプロセスが不可欠です。ここでは、実際に運用されている学術的・実務的なプロジェクトを基に、その具体的な解析フローと成果を解説します。

農業・環境保全：NDVI（正規化植生指標）を用いた生育監視と水質汚濁解析

植物の葉に含まれるクロロフィルは、可視光の赤色帯（波長約660nm）を強く吸収し、葉の細胞構造により近赤外帯（波長約860nm）を強く反射します。この特性を活かした指標がNDVI（Normalized Difference Vegetation Index：正規化植生指標）です。

NDVI = (NIR – Red) / (NIR + Red) ※NIR: 近赤外光の反射率、Red: 赤色光の反射率

この値を時系列で解析することで、対象作物の生育段階を数10メートルスケールの空間分解能で把握できます。具体的な衛星データ活用事例として、佐賀平野における水稲や大麦の生育監視があります。佐賀県農業試験研究センターと一般財団法人リモートセンシング技術センター（RESTEC）は、JAXA 地球観測衛星「しきさい」（GCOM-C）や欧州の「Sentinel-2」などのデータから算出したNDVI値と、地上で実測した葉面積指数（LAI）を連携させ、麦の赤かび病発生リスク予測モデルを運用しています。このモデルにより、薬剤散布の最適適期を2日前までに特定することが可能となり、農薬散布作業の効率化と品質維持に寄与しています。

環境保全の領域においては、RESTECの衛星データ解析技術を用いて海洋や湖沼の水質汚濁物質の挙動把握が行われています。瀬戸内海や有明海における赤潮（プランクトンの異常増殖）監視では、水面からの反射スペクトルからクロロフィルa濃度を定量化するアルゴリズムが実用化されています。JAXA 地球観測衛星「しきさい」に搭載された多波長光学放射計（SGLI）は、250メートルの空間分解能を持ち、従来の1キロメートル分解能ではアプローチが困難だった沿岸から数キロメートル以内の狭い海域における濁度や水温分布の急激な変化を日次で捉えています。

防災・インフラ監視：SAR干渉解析（InSAR）によるミリ単位の地盤沈下・土砂災害検知

光学センサーが雲や夜間の制約を受けるのに対し、能動型のSARセンサー（合成開口レーダ）は、地表に向けて自ら射出した電磁波を用いるため、全天候かつ昼夜を問わない継続的な監視が可能です。この特性を応用した代表的な解析手法がInSAR（干渉SAR）解析です。同一の軌道から同一の地表面を異なる時期に観測した2つのSARデータについて、電磁波の往復にかかった時間の差（位相差）を算出することで、地表面の上下・東西方向への変位をミリメートル単位の精度で特定します。

インフラ管理の現場では、日本工営株式会社がJAXAの陸域観測技術衛星「だいち2号」（ALOS-2）に搭載されたPALSAR-2（LバンドSAR）データを用いて、道路や鉄道沿線の斜面変動・地盤沈下を監視する実務ワークフローを確立しています。同社は、10時期以上の時系列データから干渉性を維持する点（人工構造物や露出した岩盤などの固定反射体）を抽出する時系列干渉SAR（PS-InSAR）技術を用いて、年10ミリメートル未満の微小な地盤変位を検出しています。この解析値は、従来行われていた現地での水準測量やGPS観測の補完データとして活用され、地滑りの予兆がある傾斜地の特定や、道路盛土の圧密沈下監視における変位予測の裏付けとなっています。

民間ビジネス創出：人流・経済活動推計とサプライチェーンの可視化

高解像度な民間商業衛星の普及に伴い、数10センチメートル級の空間分解能を持つデータが民間ビジネスの代替データ（オルタナティブ・データ）として活用されています。さくらインターネットが運用する政府委託事業発の衛星データプラットフォーム「Tellus」などでは、多様な衛星データと地上データをAPI経由で組み合わせて解析する環境が提供されています。

代表的な事例として、世界の主要な石油備蓄基地に設置されている「フローティングルーフタンク（浮き屋根式原油貯蔵タンク）」の画像を自動解析するアルゴリズムの運用があります。米国のOrbital Insightなどの解析企業は、光学画像に写る「浮き屋根の影の長さ」や、SARセンサーによる金属製タンク内部の反射強度パターンから、原油の貯蔵量を数パーセントの誤差範囲内で推計しています。この推計値は、各国の公式統計が公表される数週間前に原油の需給バランスを予測するための先行指標として、商品先物取引を扱う投資家やエネルギー商社で実際に運用されています。

また、広域の経済活動を準リアルタイムに可視化する手法として、夜間光データの解析があります。都市部の夜間照明の輝度変化を解析することで、特定地域における工場の夜間稼働状況や、大規模災害時における停電エリアの復旧進捗を定量的に把握します。これにより、サプライチェーンを構成する部材供給拠点の操業状態を現地に赴くことなく評価し、代替調達先の選定や操業再開時期の予測を行うためのエビデンスとして活用されています。

衛星データ導入の障壁を越える：データ取得コスト・解像度と開発スキルの現実解

新規事業として衛星データビジネスの立ち上げや既存システムへのインテグレーションを検討する際、多くの開発担当者が最初に直面するのが「高額なデータ取得コスト」と「専門性の高いデータ処理スキル」という2つの壁です。宇宙ビジネスを現実のサービスとしてスケールさせるためには、目的のビジネスモデルに合致したデータの選定基準と、開発工数および人材要件をクリアする必要があります。

無料オープンデータ（JAXA・Copernicus）と商用高分解能データのコスト・性能比較

人工衛星が地表を観測するリモートセンシングにおいて、取得できるデータの価値は空間分解能と観測頻度（再訪周期）に大きく左右されます。JAXA（宇宙航空研究開発機構）や欧州宇宙機関（ESA）が提供する無料のオープンデータと、民間企業が提供する有償の商用データには、コストと性能面において明確な違いが存在します。

項目	無料オープンデータ（JAXA、ESA等）	商用高分解能データ（Maxar、Planet等）
代表的な衛星・シリーズ	「だいち2号」（ALOS-2）、Sentinelシリーズ、Landsatシリーズ	WorldViewシリーズ、SuperDove、Capella（SAR）など
空間分解能（解像度）	10m〜30m（一部広域センサーは250m）	30cm〜50cm（超高分解能）
データ単価（1k㎡あたり）	0円（無料ダウンロード可能）	約1,500円〜7,000円（最小購入面積の制約あり）
最低発注金額の目安	0円	約15万円〜100万円以上（新規撮像タスキングの場合）
主なデータ入手方法	Tellus（無料枠）、JAXA 地球観測衛星データ提供システム	Tellus（有料アセット）、RESTEC 衛星データ販売窓口
適した衛星データ活用事例	国・地域スケールの広域環境監視、NDVIを用いた広域の農業作付分析	駐車場ごとの車両カウント、建物やインフラのミリ単位の地盤変動解析（InSAR）

無料のオープンデータは、広域の環境変動や農地の「NDVI」を用いた生育状況分析などには適していますが、空間分解能が10m〜30m程度であるため、個々の車両や建物レベルの形状変化を捉えることは困難です。これに対し、空間分解能が30cm〜50cmに達する商用データは、特定の商業施設の駐車場に停車している車両の台数把握や、建設現場の微細な進捗管理に対応できます。

また、太陽光を光源とする光学センサーだけでなく、夜間や悪天候時でも地表を観測できる「SARセンサー」によるデータの利用も、用途に応じて使い分ける必要があります。たとえば、台風や豪雨時の災害情報把握において、広域の浸水エリアを特定する用途であれば、JAXAの「だいち2号」による無料・低価格のSAR画像がTellusなどを通じて有効に機能します。一方で、重要インフラ（橋梁やダム等）の地盤沈下や傾斜をミリメートル単位の精度で検出する「InSAR」解析技術を用いる場合は、商用の超高分解能SAR衛星データの購入が必要となります。

PythonによるGIS・空間データ解析に必要な技術スタックとライブラリ

衛星データは、一般的なデジカメ画像（JPEG等）とは異なり、各画素に厳密な経緯度情報（座標参照系：CRS）や、肉眼では見えない波長帯（近赤外線や短波赤外線など）の多次元データを含んでいます。これらをシステム上で自社のアプリケーションと連携させるには、以下に示すPythonのGIS（地理情報システム）関連ライブラリを用いたデータ前処理の自動化プロセスを構築する必要があります。

• データ前処理の主要なステップ：
  • 大気補正（Atmospheric Correction）：太陽光が地表で反射して衛星に届くまでに、地球の大気（ガスやエアロゾル）によって生じる散乱・吸収の影響を除去し、地表本来の反射率を算出します（Py6Sライブラリ等の活用）。
  • オルソ補正（Orthorectification）：衛星の斜めからの撮影角度や、地球の起伏（地形効果）によって生じる画像の幾何学的な位置ズレを、DEM（数値標高モデル）を用いて真上から見た正しい位置（正射投影）に変換します。
  • バンド演算とラスタ処理：Rasterioを使用し、マルチバンド画像の特定の波長（近赤外と赤など）を読み込んで計算処理を行い、NDVIをはじめとする任意の指数を算出・出力します。
  • ベクターデータの空間結合（クエリ処理）：対象となる圃場や都市の境界線（ShapefileやGeoJSON形式）をGeopandasで読み込み、画像データ（ラスタデータ）と重ね合わせて、特定区画内の平均値や変化量をバッチ処理で抽出します。

これらの処理を自社開発システムに組み込む際の主要な技術スタック（ライブラリ）は以下の通りです。

• Rasterio：GeoTIFF形式をはじめとする地理情報付き画像（ラスタデータ）の効率的な読み込み、メタデータの編集、座標系変換（プロジェクト変換）を行うコアライブラリ。
• Geopandas：地図上のポイントやポリゴンなどの位置情報付きテキストデータ（ベクターデータ）を、データ分析用ライブラリ「Pandas」と同様のデータフレーム形式で処理できるライブラリ。
• Shapely：点や線、多角形といった地理形状（Geometry）同士の交差判定やバッファ（周囲の領域作成）計算を行う幾学演算ライブラリ。
• Xarray：時間（Time）、緯度（Latitude）、経度（Longitude）、波長（Band）からなる多次元のデータ配列を高速に処理するための数値計算パッケージ。

自社で開発チームを組織してこれらの解析パイプラインを「内製化」するか、専門機関へ「外注」するかの判断は、開発リソースの継続性とデータの更新頻度によって決定します。

たとえば、月間1,000枚以上のシーンを継続的に処理し、その結果をWebアプリケーションのUI上でエンドユーザー向けにリアルタイムに提示するような「データ解析自体が自社サービスのコアコンピタンス」となる場合は、内製化が必須です。この場合、Pythonを用いたGIS処理とデータ分析に習熟したエンジニアを2名以上雇用し、年間約1,500万円以上の開発人件費を確保する必要があります。

一方で、年に数回程度の「土木工事現場の地盤沈下監視」や「特定エリアの植生変化モニタリング」など、スポット的かつ局所的な利用にとどまる場合は、初期投資を伴う内製化は割に合いません。この場合は、1プロジェクトあたり数十万〜数百万円の予算を投じて、信頼できる解析精度を保証する専門機関に解析済みデータや診断レポートの納品を依頼する方が、開発環境の維持・採用コストを考慮したROI（費用対効果）の観点から最適解となります。

失敗しない衛星データ活用ロードマップ：概念実証（PoC）から実業務への統合プロセス

解析目的（要件定義）に合致する「センサー・波長・解像度」の選定基準

衛星データプロジェクトを成功に導く第一歩は、解決すべき課題（ユースケース）から逆算して、最適な空間分解能、観測頻度（再訪周期）、および電磁波の波長帯を定義することです。地球表面から反射または放射される電磁波をセンサーで捉える手法は多岐にわたり、それぞれ得意・不得意が明確に分かれます。

例えば、広域の農作物の生育状況を把握する事例では、可視光から近赤外線領域の電磁波を用いた光学センサーが適しています。近赤外線と赤色光の反射率から算出される植生指数「NDVI」を用いることで、葉の活力度を定量的に評価できます。一方、夜間や悪天候時、あるいは地盤沈下やインフラの数ミリメートル単位の変位を検出する防災・土木用途では、雲を透過するマイクロ波観測を行う「SARセンサー」が不可欠です。

以下の表は、解析目的（課題）に応じたセンサーの種類、空間分解能、および波長の選定基準です。

ユースケース	適したセンサー・波長	必要となる空間分解能	代表的な衛星・プラットフォーム
広域の農作物・森林の生育モニタリング	光学センサー（可視・近赤外、NDVI算出）	10m〜30m（中分解能）	JAXA 地球観測衛星「しきさい」（SGLI）、Sentinel-2
土砂災害・河川氾濫の夜間・悪天候時の状況把握	SARセンサー（マイクロ波 Lバンド/Cバンド）	1m〜10m（高分解能）	JAXA 地球観測衛星「だいち2号」（ALOS-2）、Capella Space（商業SAR）
港湾施設・道路インフラのミリ単位の変位監視	SARセンサー（干渉SAR：InSAR解析）	1m〜3m（超高分解能）	JAXA 地球観測衛星「だいち2号」（ALOS-2）、ICEYE
都市計画・高精度な建物変化抽出	光学センサー（超高分解能）	30cm〜50cm（超高分解能）	Maxar WorldViewシリーズ、Tellus（商業データ）

JAXA 地球観測衛星や民間の商業衛星から得られるデータは、日本の衛星データプラットフォーム「Tellus」等を通じてアクセス可能です。目的とする事象の変化速度（日次、週次、月次）に応じて、再訪周期（同じ場所を観測する頻度）とコストのバランスを考慮し、要件定義を確定させます。

PoC（概念実証）フェーズにおけるデータ調達から予測モデル検証までの3ステップ

要件定義を終えた後、実業務へのシステム統合に向けて、まずは3〜6ヶ月程度のPoC（概念実証）を実施し、投資対効果（ROI）と技術的実現性を評価します。このPoCフェーズは、以下の3つのステップで進行します。

• ステップ1：データ調達と幾何・放射補正（前処理）

  最初のステップでは、対象エリア・対象期間の過去アーカイブデータを調達します。RESTECの衛星データ提供サービスやTellusを活用し、過去数年分のデータを収集します。取得した生データ（Level 1データなど）は、大気の影響を取り除く大気補正や、地形の起伏による歪みを補正する「オルソ補正（幾何補正）」を施す必要があります。自社にGISエンジニアが不足している場合は、一般財団法人リモートセンシング技術センター（RESTEC）が提供する「リモートセンシング研修」のハンズオンや、前処理済みの分析用データ（ARD: Analysis Ready Data）の購入スキームを活用することで、前処理にかかる初期コストと期間を大幅に削減できます。

• ステップ2：解析・予測モデルの構築と精度検証（判定率の評価）

  次に、前処理済みのデータを用いて、特定の事象を検出するアルゴリズムを構築・検証します。例えば、斜面の崩壊危険度を予測する防災プロジェクトでは、過去の豪雨災害時のSARデータを使用し、地盤の変位をミリ単位で解析する「InSAR」技術を用いて時系列解析を行います。このステップのゴールは、モデルの予測精度や土砂崩れ箇所の検出率が実業務に耐えうる水準に達しているかを定量化することです。「傾斜角30度以上の箇所で、2ヶ月間に累積30mm以上の変位があった場合に85%以上の精度で判定する」といった具体的なベンチマークを設け、テストデータを用いて検証します。

• ステップ3：実稼働システムへのAPI統合と自動化

  PoCで要求精度を満たした後は、解析処理を定常化するためのシステム開発へ移行します。Tellusなどが提供するWeb APIを自社の基幹システムやGISツールに統合し、衛星データの自動ダウンロード、前処理スクリプトの実行、構築した予測モデルによる推論、そして結果のダッシュボード表示までの一連のパイプラインを自動化します。たとえば、広域の農地を対象に最適な追肥時期をアドバイスする自動配信システムを構築する場合、APIを通じて週に1回、最新の光学データを自動取得し、算出されたNDVIの値を顧客管理（CRM）システムに直接連携させる設計を行います。これにより、現場の担当者が手動でGISソフトを操作することなく、意思決定に必要な情報のみを迅速に受け取れる環境が構築されます。

初期の開発段階で技術的な壁に直面した場合は、JAXAが展開する「宇宙イノベーションパートナーシップ（J-SPARC）」や共同研究制度を利用して、最先端の解析知見を直接取り入れながら共同でプロトタイプを開発するアプローチも極めて有効です。

次の一歩に向けた技術習得チェックリストと推奨データポータル比較

衛星データビジネスへの参入や、防災・土木・農業実務におけるリモートセンシング技術の導入を具体化するためには、実際に衛星データを取得して解析する環境を自ら構築することが先決です。データの種類や目的の解析手法（例えば、光学データを用いた植生指数「NDVI」の算出や、マイクロ波観測によるSARセンサーを用いた地盤変動「InSAR」解析など）に応じて適切なデータプラットフォームを選択し、体系的な学習ステップを踏む必要があります。

初学者が最初に登録すべき主要衛星データプラットフォーム5選

実務で使用する衛星データを選定する際、データの空間分解能や観測頻度（回帰日数）、および解析に必要な計算リソースの有無が選定基準となります。主要な5つのプラットフォームは、それぞれ提供するデータとブラウザ上での開発環境において異なる特性を持っています。

プラットフォーム名	対応データ種類	無料/有料枠の有無	ブラウザ上でのコード実行環境	主な特徴と活用領域
Tellus（テルース）	光学（ASNARO-1、しきさいなど）、SAR（PALSAR-2等）	無料枠あり（一部の過去データや標準API）、高精度商用データは有料	あり（JupyterLabベースの開発環境「Tellus DEEP」）	日本政府（経済産業省）主導の開発。JAXA 地球観測衛星データとの親和性が高く、日本語ドキュメントが最も充実している。
Google Earth Engine（GEE）	光学（Landsat、Sentinel-2など）、SAR（Sentinel-1）、気象などマルチペタバイト	研究・教育・非営利目的は無料。商用利用は有料契約（Google Cloud連携）	あり（JavaScript/Pythonを用いたCode Editor）	膨大な履歴データをダウンロード不要でクラウド上で瞬時に処理可能。広域のNDVI経年変化解析などに適している。
Copernicus Data Space Ecosystem	光学（Sentinel-2）、SAR（Sentinel-1）、海洋・大気観測データ	無料（ユーザー登録のみで基本データへアクセス可能）	あり（JupyterHubベースのブラウザ実行環境を提供）	欧州宇宙機関（ESA）が運営。雲の影響を受けないマイクロ波観測を行うSARセンサー（Sentinel-1）のデータを無償で取得する際のインフラ。
USGS EarthExplorer	光学（Landsat全世代、MODIS、ASTERなど）、標高データ（DEM）	完全無料（アカウント登録必須）	なし（バルクローダーを用いたデータダウンロードが基本）	米国地質調査所が提供。1970年代からのLandsatアーカイブを保有し、長期的な環境変化の追跡やGISソフト（QGISなど）でのローカル解析に最適。
NASA Earthdata Search	光学、熱赤外、受動・能動マイクロ波観測データ、降水量・大気データ	完全無料（Earthdataアカウント）	なし（一部ブラウザ上のサブセッティング・フォーマット変換機能あり）	地球システム科学データの集積地。数km〜数百m単位の空間分解能を持つ大気・海洋の地球観測衛星データを幅広く網羅。

商用利用での初期投資コストを抑えつつ、まずはPythonを用いたテスト解析を行いたい場合は、Tellusの無料アカウントを作成し、開発環境でJAXAの光学衛星データを操作することから始めるのが最適です。海外プラットフォームに比べて地理空間情報の日本語ドキュメントが豊富なうえに、国内の特定地域（テストフィールド）の高精度な空間分解能データを用いたプロトタイピングが容易だからです。また、広域の経年変化を数行のコードでグラフィカルに描画したい場合は、Google Earth Engineが優れています。これによりローカルPCのマシンスペックを気にすることなく、数十年分の大規模データ処理をクラウド上で完結させることが可能となります。

リモートセンシング技術の実装力を高めるRESTEC・JAXA公式学習教材

データ取得環境が整った後に直面しやすい課題は、「波長帯（バンド）の組み合わせ方」や「SARセンサーの干渉性（コヒーレンス）の評価」といった、リモートセンシングの計測理論や専門知識の不足です。これらを克服し、実務で耐えうる解析スキルを身につけるためには、JAXA（宇宙航空研究開発機構）およびRESTEC（一般財団法人リモートセンシング技術センター）が提供する公式の学習コンテンツを踏襲した、以下の4ステップのプロセスが推奨されます。

• ステップ1：RESTEC「リモートセンシング研修セミナー」の基礎座学を受講する

  RESTECが提供する研修は、光学からSAR、GISでの可視化まで体系的なコースをカバーしています。eラーニング形式の「リモートセンシング基礎講座」では、電磁波の反射・吸収・散乱の原理や、センシング技術の基礎、NDVIの算出理論などを体系的に学習可能です。これにより、独学では見落としがちな物理的な計測理論の土台を固めることができます。

• ステップ2：JAXA「地球観測プラットフォーム」および「JASMES」で実データ可視化を体験する

  コードを書く前の段階では、JAXA 地球観測衛星のデータを可視化ツール上で触ることが推奨されます。例えば、JAXAの「JASMES（気候変動観測衛星「しきさい」等のデータ可視化システム）」では、ブラウザ上で海面水温や植生指数（NDVI）、積雪エリアの分布をマップ上に表示できます。プログラミングなしで「どの電磁波が、どのような地表現象を捉えているか」という視覚的な直感を養うために有効です。

• ステップ3：Tellusオウンドメディアのコード付きチュートリアルを写経する

  Tellusの公式オウンドメディアでは、Python（Google ColaboratoryやTellus開発環境）を用いた具体的な解析チュートリアルが多数公開されています。例えば、「SARデータ（PALSAR-2）を用いた浸水域の抽出」や「Landsat-8を用いた水体・植生の自動抽出」など、実務に直結する解析手法のコードがそのまま提供されています。これらをコピー＆ペーストして一部のパラメータ（関心領域や日付）を変更しながら実行することで、データ前処理から画像出力までのパイプラインを体得できます。

• ステップ4：JAXA提供のオープンツール（SNAP等）でのInSAR解析に挑戦する

  土木・防災分野における地盤沈下や構造物のミリ単位の変位検出には、マイクロ波観測を行うSARの干渉解析（InSAR）が用いられます。JAXAは、陸域観測技術衛星「だいち2号（ALOS-2）」のSARデータを活用した実証レポートや、ESAが提供するオープンソースの解析ソフトウェア「SNAP（Sentinel Application Platform）」を用いた解析マニュアルを一部無償で公開しています。これらを参照し、実際の地震前後の観測データを重ね合わせて干渉縞（インターフェログラム）を生成する演習を行うことで、インフラモニタリングに直結する応用技術の実装力が身につきます。

これら4つの学習ステップを順番に経ることで、ただ単にデータをダウンロードするだけの状態から脱却し、目的とする空間分解能と解析手法に応じた最適なプログラムの自社開発、あるいは外注時の要件定義を的確に行えるようになります。まずはTellusなどのプラットフォームへのアクセスや、公開されている技術資料の確認から具体的な検証を進めることが推奨されます。

よくある質問（FAQ）