Satellite Image Analysis

衛星画像解析とは、周回衛星が撮影した地球の画像から情報を抽出することです。土地被覆の地図作成、船舶・航空機・建物の計数、作物の生育状況の測定、異なる日付の画像間の変化検出などを行います。これはリモートセンシングの一分野であり、航空機やドローンからの画像も対象に含まれます。現在では、コンピュータービジョン（CV）とディープラーニング（DL）を使って、分析チームが手作業で確認しきれない大量の画像を処理しています。Landsatプログラムだけでも、1972年以来、地球を継続的に撮影しています。

衛星が捉える情報#

衛星画像は、次の4種類の解像度において通常の写真と異なります。

• 空間解像度: 1ピクセルが表す地上の距離です。Landsat 8と9はほとんどのバンドを30 mで記録し、Sentinel-2は10 mに達します。Vantorが運用するWorldView-3などの商用衛星では約30 cmの解像度があり、個々の車両を確認できます。Vantorは2025年10月までMaxar Intelligenceという名称でした。
• スペクトル解像度: 波長バンドの数と幅です。Sentinel-2は、可視光から短波長赤外線までの13バンドを記録します。
• 時間解像度: 同じ場所を撮影する頻度です。2機の衛星からなるSentinel-2コンステレーションは、赤道付近を5日ごとに再訪します。Planetの小型衛星群は、地球の陸地のほぼ全域を毎日、約3 mの解像度で撮影します。
• 放射解像度: 各ピクセルが明るさをどの程度細かく記録するかを表し、多くの場合は11～14ビットです。標準的な写真では8ビットです。

衛星が測定できる情報を広げるセンサーが、ほかに2種類あります。ハイパースペクトルイメージング衛星は、数百の狭いバンドを記録します。また、Sentinel-1などの合成開口レーダー（SAR）衛星はマイクロ波パルスを発信して反射波を記録するため、雲を透過し、夜間にも観測できます。そのため、レーダーは嵐の雲に覆われた地域の洪水マッピングで主要な情報源になります。バンド演算により、スペクトルデータを物理量に変換できます。正規化植生指数NDVI = (NIR − Red) / (NIR + Red)は、葉が近赤外線を強く反射し、赤色光を吸収するため、密生した健全な植生の上では1に近づきます。

主な解析タスク#

• セマンティックセグメンテーション: すべてのピクセルにラベルを付け、土地被覆、建物の外形、道路、浸水範囲などをマッピングします。
• 物体検出: 船舶、航空機、車両、貯蔵タンクなど、個別に識別できる物体を検出して数えます。上空から見たこれらの物体は小さく、密集し、あらゆる方向を向いているため、各物体に合わせて回転する有向バウンディングボックスを予測する検出器がよく使われます。
• 変化検出: 異なる日付に同じ場所を撮影した画像を比較して、森林破壊、新たな建設、災害による被害を検出します。
• シーン分類: 各画像パッチに、農地、森林、都市部などのラベルを1つ割り当てます。

航空画像向けの検出データセットには、任意の向きのボックスで15カテゴリをアノテーションした初版を持つDOTAや、0.3 mのWorldView-3画像上の60クラスで100万を超えるオブジェクトにラベルを付けたxViewがあります。Ultralytics YOLO26の回転ボックスモデルはDOTAv1で事前学習され、各オブジェクトについて回転したボックスを予測します。

from ultralytics import YOLO

# DOTAv1で事前学習されたYOLO26の回転バウンディングボックス（OBB）モデルを読み込みます
model = YOLO("yolo26n-obb.pt")

# 上空から撮影した画像内のオブジェクトを検出します
results = model("https://ultralytics.com/images/boats.jpg")
result = results[0]

# 各検出の周囲に回転ボックスを描画した画像を保存します
result.save(filename="boats_obb.jpg")

回転ボックスは各船舶の進行方向に沿うため、係留されたボートが1つの大きすぎるボックスにまとめられるのを防ぎます。NASAやIBMのPrithviモデルのように、ラベルのない大規模なアーカイブで事前学習された地理空間基盤モデルは、Harmonized LandsatとSentinel-2のデータを基に構築されており、はるかに少ないラベル付きサンプルで、洪水や焼失地域のマッピングなどのタスクにファインチューニングできます。

未処理のシーンから地図へ#

Sentinel-2の1つのタイルは、10 mバンドで10,980×10,980ピクセルに及び、モデルの入力サイズを大きく上回ります。また、ピクセルが地球上の座標に対応付けられたGeoTIFFなどのジオリファレンス済みファイルとして提供されます。解析パイプラインでは、大気補正と雲のマスク処理を行い、シーンを重なり合うタイルに分割し、各タイルでモデルを実行して、タイルの重複部分にある重複検出を統合した後、ピクセル位置を地図座標に戻してGISツールで利用します。Rasterioなどのライブラリはジオリファレンス済みラスターの読み書きを行い、画像レジストレーションは、比較する前に異なる日付の画像を位置合わせします。

衛星画像と航空画像の解析#

どちらも同じモデルとタスクを使用し、違いは撮影プラットフォームにあります。衛星は数百キロメートル上空を周回し、固定スケジュールで地球全体を撮影するため、数十年分のアーカイブがあります。航空機やドローンは小さな範囲を必要に応じて飛行し、センチメートル単位の詳細を撮影するため、屋根、作物、風力タービンのブレードの点検に適しています。上空画像の物体検出データセットには両方の撮影ソースが混在することが多く、DOTAには衛星画像と航空画像が含まれています。

用途#

• 農業: 作物の種類のマッピング、収量推定、NDVIに基づく地域全体の作物ストレスのモニタリングに利用します。
• 森林と気候: Landsatに基づく、樹木被覆の損失を30 mの解像度で示す全球マップにより、森林減少を年ごとに追跡します。
• 災害対応: SAR洪水マップと災害前後の被害評価が救援活動を支援します。また、国際災害チャーターは、対応機関に衛星データを無料で提供しています。
• 都市計画：建物のフットプリント抽出と道路マッピングにより、急成長する都市の地図を最新の状態に保てます。
• 海事モニタリング: SARおよび光学画像による検出結果と船舶追跡データを組み合わせた2024年のNature掲載研究では、世界の商業漁船の約4分の3が公開追跡されていないことが示されました。