コンピュータビジョンを使った衛星画像の解析

地表から数百マイル上空を周回する衛星が撮影する地球の画像は、すべて広範な研究とエンジニアリングの成果です。これらの画像は単なるスナップショットではなく、地球を理解し、守るために役立つ重要な視覚データです。

衛星画像は地表を詳細に捉え、森林や都市から河川、農地まで、あらゆるものを映し出します。2024年6月時点で、地球の周回軌道上には10,000基を超える稼働中の衛星があり、これらは世界のインフラに欠かせない要素となっています。しかし、これらの画像を手作業で分析するのは、複雑で時間がかかることが少なくありません。

コンピュータービジョン（CV）は人工知能（AI）の一分野であり、人間が画像や動画を解釈するのと同じように、衛星画像を自動的に分析するために利用できます。ビジョンAIは、パターンの検出、変化の追跡、知見の抽出を高速かつ正確に行うのに役立ちます。

衛星画像の分析から得られる知見は、森林伐採の追跡、気候変動の監視、農業慣行の改善、自然災害への対応など、さまざまな課題への取り組みに役立ちます。この記事では、コンピュータービジョンを活用して衛星画像をより深く理解し、分析する方法を解説します。

図1. 衛星画像の概要。

衛星画像とは何ですか？#

衛星画像とは、衛星センサーやカメラを使用して地表の画像を撮影することです。一般的な画像とは異なり、衛星画像は都市から国全体まで広大な範囲をカバーし、高解像度の詳細情報を提供します。広範囲にわたる環境変化、都市開発、土地利用のモニタリングが可能になります。

衛星画像には、画像そのものに加えて、通常、地理参照データも含まれています。このデータにより、正確なマッピングと分析が可能になります。衛星画像とそのデータを長期にわたって追跡することで、生態系、気象パターン、人間の活動に関する貴重なインサイトが得られます。

衛星画像の種類と、それぞれが支える独自の用途を簡単に見てみましょう。

• 光学画像: この手法では、人間の目が光を知覚するのと同様に、可視光と近赤外の波長を捉えます。土地利用、植生の健全性、都市開発のモニタリングに適していますが、効果的な撮影には晴天と日中の光が必要です。
• レーダー画像: 合成開口レーダー（SAR）を使って電波を送受信し、天候や時間帯にかかわらず高解像度の画像を取得します。災害対応、地形マッピング、地表の特徴の変化のモニタリングに特に役立ちます。
• 熱画像: 熱センサーは、地表から熱として放射される赤外線を検出します。森林火災の追跡、地熱活動の監視、都市のヒートアイランド現象や温度変化の調査に使用されます。
• ハイパースペクトルイメージング: 数百の狭いスペクトル帯域にわたるデータを使い、土壌、水、植生の組成や健全性を分析します。環境状況や資源管理に関する詳細な知見に加え、鉱物探査や汚染監視などの用途にも役立ちます。

図2. 衛星画像の種類。

地球観測衛星による衛星画像の撮影#

衛星画像の概要を理解するには、衛星がそれぞれ特定の目的に合わせて設計されていることを知っておく必要があります。たとえば、静止軌道衛星や極軌道衛星に搭載されたセンサーが使用されています。静止軌道衛星は地球の自転に合わせて地球上の特定の場所の上空にとどまるため、継続的な監視に適しています。一方、極軌道衛星は極上空を通過し、地球の自転に伴って徐々に地球全体を観測します。

図3. 地球を周回する極軌道衛星と静止軌道衛星。

この違いが重要なのは、用途ごとに必要とされる衛星画像の種類が異なるためです。たとえば、静止軌道衛星は、気象監視やリアルタイム通信など、継続的な観測が必要なタスクに適しています。

一方、極軌道衛星は地球全体の観測に適しているため、環境研究、気候変動の追跡、大規模な地理的変化のマッピングに不可欠です。

衛星画像処理の基礎#

衛星画像とは何かを説明したところで、衛星が画像を撮影した後に何が起こるかを見てみましょう。大きな課題は、未加工の画像を意味のある情報へと変換することです。データを慎重に処理して分析することで、地球に関する重要な詳細を明らかにする貴重なインサイトを抽出できます。

衛星画像の前処理#

前処理は衛星データを扱う最初のステップです。未加工の画像を分析に利用できる正確なものにするため、クリーニングと補正を行います。衛星画像を調整し、信頼できる情報を得るために使われる主な手法をいくつか紹介します。

• 実世界の地図への位置合わせ: 歪みを補正し、ランドマークを特定することで、衛星画像を実世界の地図に位置合わせします。
• ノイズの低減: 機械学習モデルを使って、光の波長を分析し、雲を特定して除去するとともに、雲と陸地を分離し、より鮮明な画像を作成します。
• データキャリブレーション: 精度を維持するために画像のピクセルを標準レベルに調整し、大気補正によって粒子や光の散乱による歪みを低減します。

コンピュータービジョンと衛星画像#

衛星画像を前処理した後、コンピュータービジョン技術を使ってデータから価値ある知見を抽出できます。Ultralytics YOLO11などのコンピュータービジョンモデルは、xViewなどの大規模な衛星画像データセットで学習した後、視覚コンテンツを分析できます。これにより、モデルはさまざまな画像に含まれるパターンや特徴を認識できます。

衛星画像の処理と解釈に役立つコンピュータービジョンタスクの例をいくつか紹介します。

• 画像セグメンテーション: この手法では、画像を陸地、水域、植生などの領域に分割し、地表の種類を重点的に分析、分類します。
• 物体検出: 建物、道路、車両など、画像内の特定の物体を識別して位置を特定します。向き付きバウンディングボックス（OBB）では回転角度を追加できるため、上空から任意の角度で撮影された船舶、航空機などの物体に適しています。
• 変化検出: 異なる間隔で撮影された画像を比較して、物体や領域を時間の経過とともに追跡し、森林伐採、都市化、季節変化などを特定します。
• 画像分類: 学習データから得たパターンに基づいて土地の種類を分類し、さらなる調査に活用できる詳細な地図の作成に役立ちます。

これらのコンピュータービジョン技術は、未加工の衛星画像を構造化された実用的なデータに変換し、地表をより明確かつ深く理解できるようにします。

Vision AIを活用した衛星画像分析の用途#

次に、衛星画像が日々のタスクをより簡単、スマート、効率的にしながら、私たちの世界をどのように変えているか、実例を見ていきましょう。

衛星画像による環境変化の監視#

衛星画像とコンピュータービジョンは、地球の環境変化を観測し、理解するための優れたツールです。宇宙から森林、氷河、水域など、環境のさまざまな要素を監視できます。この技術を使って、以下の主な環境要因を追跡できます。

• 森林破壊: 衛星を使って森林の変化を監視し、森林破壊や再植林が行われた地域を特定できます。また、マルチスペクトルデータを使って植生の健全性を評価し、環境の変化を検出できます。たとえば、Global Forest Watchは衛星画像を活用するオンラインプラットフォームで、政府や組織が適切なタイミングで保全活動を実施できるよう支援しています。
• 地球温暖化: 衛星が撮影した画像は、氷河や極地の氷冠に関する重要なデータを提供できます。時系列画像を使って、厳しい気象条件下での氷の動きを監視します。
• 大気・水質モニタリング: 衛星は、CO₂、メタン、汚染物質などを検出して大気と水質を監視し、環境政策や資源管理に役立てられています。

図4。Global Forest Watchによる衛星画像の分析。

衛星画像とコンピュータービジョンによる災害管理の強化#

自然災害管理では、リアルタイム監視と災害後の復旧に衛星画像が大きな役割を果たします。洪水、ハリケーン、山火事の発生時には衛星画像を分析して環境の変化を検出します。災害後も、衛星画像は被害評価において重要な役割を担い続けます。

インスタンスセグメンテーションなどのコンピュータービジョン技術を使うと、地震や津波の前後に撮影した画像を比較し、倒壊した建物や地形の変化など、大きな被害が発生した地域を特定できます。これにより、当局は被害の規模を評価し、復旧活動の優先順位をより効率的に決定できます。

その好例が、欧州宇宙機関 (ESA) のCiseresプロジェクトです。このプロジェクトではAIと衛星データを組み合わせ、洪水、山火事、ハリケーンなどの災害による影響をリアルタイムで評価します。

図5. 被災地域を色で示した災害後の画像の例。緑は軽微な被害、オレンジは大きな被害、赤は壊滅的な被害を表します（出典: researchgate.net）。

都市計画とインフラ整備における衛星画像の活用#

衛星画像とコンピュータービジョンは、都市計画とインフラ整備において重要な役割を果たします。高解像度画像を使って土地利用を調査し、都市の成長を追跡し、よりスマートな都市計画を支援できます。また、これらの技術は交通パターンの分析、より適切な経路の設計、渋滞のリアルタイム監視を通じて、交通システムの改善にも役立ちます。現在と過去の画像を比較して違法建築を検出することもできるため、当局による建築基準の執行が容易になります。

都市の成長を本当に宇宙から確認できるのか、疑問に思うかもしれません。衛星画像とコンピュータービジョンを使えば、実際に確認できます。ドバイはその興味深い例です。ここ数十年で、1980年代の小さな砂漠の町から世界的な大都市へと変貌を遂げました。衛星画像はこの驚くべき成長を鮮明に捉え、都市部の拡大、土地利用の変化、ブルジュ・ハリファやパーム・ジュメイラなどの象徴的なランドマークの誕生を示しています。

精密農業における衛星画像とリモートセンシング#

農業では、衛星画像とコンピュータービジョンを使って、作物管理、生産性、持続可能性を向上できます。特に精密農業では、リアルタイムの衛星データを使って作物の健全性を監視します。リモートセンシング技術は大規模な農業データの分析に役立ち、農家は土壌水分量を追跡し、ストレスの初期兆候を検出できます。

また、農業で水を効率的に利用するには、干ばつと灌漑の分析も重要です。衛星画像は土壌水分量と植生の健全性を詳細に把握できるため、灌漑が不十分な地域や水資源が不足している地域の特定に役立ちます。

農業におけるAIの関連事例として、ISROの衛星を活用した精密農業の取り組みがあります。リモートセンシングで作物の健全性、土壌水分、灌漑を監視し、インドの農業の最適化を支援しています。

図6。衛星画像とコンピュータービジョンを使って農地を区画化し、作物を分類できます。

衛星画像の今後の動向#

衛星画像とコンピュータービジョンは、どちらも急速に進歩しています。たとえば、CubeSatのような小型衛星は、高解像度画像を手頃なコストで柔軟かつ高頻度に取得できるため、地球観測のあり方を変えています。こうした小型衛星により、都市の拡大から環境の変化まで、さまざまな変化を追跡しやすくなります。

もう1つの有望な進展は、リアルタイムのモノのインターネット (IoT) データと衛星データの統合です。これにより、交通ネットワークや水資源など、動的なシステムを監視する能力が向上します。

また、超解像画像技術の進歩によって、衛星の能力も向上しています。高度なAIアルゴリズムを活用するこの技術は、複数の低解像度画像をより鮮明な高解像度画像に統合し、画像の詳細を強調して鮮明にします。このイノベーションにより、より正確なデータが得られ、天然資源や都市空間を効率的に管理する新たな可能性が生まれます。

図7. 超解像画像の例: フランスのトゥーロンを10mから5mに高解像度化した画像（出典: planetobserver.com）。

衛星画像とコンピュータービジョンに関する主なポイント#

コンピュータービジョンと衛星画像は、地球を監視し、理解する方法を一新しています。環境変化の追跡から、災害対応、都市計画、農業の改善まで、これらの技術は、よりスマートで持続可能な解決策につながる貴重なインサイトを提供します。

IoTとの連携や超解像画像などの進歩により、衛星画像はさらに信頼性が高く、利用しやすくなっています。こうした技術革新は、資源管理の改善や、世界規模の課題へのより効果的な取り組みにつながっています。

GitHubリポジトリでAIについて詳しく知り、コミュニティに参加してください。航空画像にコンピュータービジョンを適用する取り組みや、製造業におけるAI、医療におけるAIなどの業界でイノベーションを推進する方法をご覧ください。