リモートセンシングとは、離れた場所から情報を取得することです。 NASAは、反射または放出されたエネルギーを検出して記録する衛星や航空機のリモートセンサーを介して、地球やその他の惑星体を監視しています。地球システムに関するグローバルな視点と豊富なデータを提供するリモートセンサーは、地球の現在と将来の状態に基づいて、データに基づいた意思決定を可能にします。

• 軌道
• 電磁スペクトルによる観測
• センサー
• 解像度
• データ処理、解釈、分析
• データパスファインダー

軌道

衛星が存在する軌道には、主に3つのタイプがあります。無極性、低軌道、静止軌道。

極軌道衛星は、赤道面に対してほぼ90度傾斜した軌道面にあります。この傾斜により、衛星は極域を含む地球全体を感知し、地上から到達するのが難しい場所を観測することができます。多くの極軌道衛星は太陽同期と見なされます。つまり、衛星は各サイクルで同じ太陽時に同じ場所を通過します。

極軌道は上昇または下降する可能性があります。上昇軌道では、衛星はその経路が赤道を横切るときに南から北に移動しています。下降軌道では、衛星が南北に移動しています。 NASA / NOAAの合同極軌道パートナーシップ（Suomi NPP）は、地球を毎日カバーする極軌道衛星の例です。

非極低気圧の軌道は、通常、地球の表面から2,000km未満の高度にあります。 （参考までに、国際宇宙ステーションは高度約400 kmで軌道を回っています。）これらの軌道はグローバルなカバレッジを提供せず、代わりに緯度の一部の範囲のみをカバーします。全球降水観測計画（GPM）は、北65度から南65度までをカバーする無極性の低軌道衛星の例です。

静止衛星は地球の自転を追跡し、同じ速度で移動します。回転の;このため、衛星は地球上の観測者には1つの場所に固定されているように見えます。これらの衛星は、観測ごとに同じ地球のビューをキャプチャするため、1つのエリアをほぼ継続的にカバーします。 Geostationary Operational Environmental Satellite（GOES）シリーズなどの気象衛星は、静止衛星の例です。

電磁スペクトルによる観測

荷電粒子の振動によって生成される電磁エネルギーが移動します。大気と宇宙の真空を通る波の形で。これらの波は、異なる波長（波頭から波頭までの距離）と周波数を持っています。波長が短いほど周波数が高くなります。ラジオ、マイクロ波、赤外線などの波長が長いものもあれば、紫外線、X線、ガンマ線などの波長がはるかに短いものもあります。可視光は、長波放射から短波放射の範囲の中央に位置します。エネルギーのこの小さな部分は、人間の目が検出できるすべてです。他のすべての形態の電磁エネルギーを検出するには、機器が必要です。 NASA機器は、スペクトルの全範囲を利用して、ここ地球や他の惑星体で発生するプロセスを調査および理解します。

一部の波は、水のような大気中の要素によって吸収または反射されます蒸気と二酸化炭素。一部の波長では、大気中を妨げられることなく移動できます。可視光は、大気を透過できる波長を持っています。マイクロ波エネルギーには、雲を通過できる波長があります。私たちの気象衛星や通信衛星の多くはこれを利用しています。

衛星によって観測される主なエネルギー源は太陽です。反射される太陽のエネルギーの量は、表面とそのアルベドの粗さによって異なります。これは、表面が光を吸収するのではなく、どれだけよく反射するかです。たとえば、雪は非常に高いアルベドを持ち、太陽から受け取るエネルギーの最大90％を反射しますが、海は約6％しか反射せず、残りを吸収します。多くの場合、エネルギーが吸収されると、通常はより長い波長で再放出されます。たとえば、海に吸収されたエネルギーは赤外線として再放出されます。

地球上のすべてのものはエネルギーを反射、吸収、または伝達しますが、その量は波長によって異なります。あなたの指紋があなたに固有であるように、地球上のすべてのものには固有のスペクトル「指紋」があります。研究者はこの情報を使用して、さまざまな地球の特徴やさまざまな岩石や鉱物の種類を特定できます。特定の機器によって検出されたスペクトルバンドの数、そのスペクトル分解能により、研究者が材料間でどの程度の差異を識別できるかが決まります。

電磁スペクトルの詳細については、コンパニオンビデオとともに、NASAの電磁スペクトルツアーをご覧ください。

センサー

センサー、または計器、搭載衛星、航空機は、太陽を照明源として使用するか、独自の照明源を提供して、反射して戻ってくるエネルギーを測定します。太陽からの自然エネルギーを使用するセンサーは、パッシブセンサーと呼ばれます。独自のエネルギー源を提供するものは、アクティブセンサーと呼ばれます。

パッシブセンサーには、さまざまなタイプの放射計（選択した帯域の電磁放射の強度を定量的に測定する機器）と分光計（反射された電磁放射のスペクトル内容を検出、測定、分析するように設計されたデバイス）。リモートセンシングアプリケーションで使用されるほとんどのパッシブシステムは、電磁スペクトルの可視、赤外線、熱赤外線、およびマイクロ波部分で動作します。これらのセンサーは、陸と海の表面温度、植生の特性、雲とエアロゾルの特性、およびその他の物理的特性を測定します。

ほとんどのパッシブセンサーは密集した雲量を透過できないため、密集した雲量が頻繁に発生する熱帯などの領域の観測には制限があることに注意してください。

アクティブセンサーには、さまざまなタイプの無線検出と測距が含まれます（レーダー）センサー、高度計、およびスキャトロメーター。アクティブセンサーの大部分は、電磁スペクトルのマイクロ波帯域で動作するため、ほとんどの条件下で大気に浸透することができます。これらのタイプのセンサーは、エアロゾル、森林構造、降水量と風、海面地形、氷などの垂直プロファイルを測定するのに役立ちます。

Earthdataページのリモートセンサーは、NASAのすべてのリストを提供します。地球科学のパッシブおよびアクティブセンサー。合成開口レーダーとは何ですか？このタイプのアクティブレーダーセンサーに関する特定の情報を提供します。

解像度

解像度は、センサーからのデータを使用する方法に影響します。衛星の軌道とセンサーの設計に応じて、解像度は異なる場合があります。データセットについて考慮すべき解像度には、放射分析、空間、スペクトル、時間の4種類があります。

放射分析の解像度は、各ピクセルの情報量、つまり記録されたエネルギーを表すビット数です。各ビットは、累乗2の指数を記録します。たとえば、8ビットの解像度は28です。これは、センサーに情報を格納するための256の潜在的なデジタル値（0〜255）があることを示します。したがって、放射分解能が高いほど、情報を格納するために使用できる値が多くなり、エネルギーのわずかな違いでもより適切に区別できます。たとえば、水質を評価する場合、海の色の微妙な違いを区別するために放射分析の解像度が必要です。

空間解像度は、デジタル画像内の各ピクセルのサイズと、そのピクセルで表される地球の表面上の領域によって定義されます。たとえば、MODIS（Moderate Resolution Imaging Spectroradiometer）で観測されたバンドの大部分は、1kmの空間分解能を持っています。各ピクセルは、地上の1 km x 1kmの領域を表します。 MODISには、250mまたは500mの空間分解能を持つバンドも含まれています。解像度が細かいほど（数値が小さいほど）、より詳細に表示されます。下の画像では、30 m /ピクセルの画像、100 m /ピクセルの画像、300 m /ピクセルの画像のピクセル化の違いを確認できます。

スペクトル分解能は、センサーがより細かい波長、つまりより多くのより狭い帯域を識別する能力です。多くのセンサーはマルチスペクトルと見なされます。つまり、3〜10の帯域があります。数百から数千の帯域を持つセンサーは、ハイパースペクトルと見なされます。特定の帯域の波長範囲が狭いほど、スペクトル分解能は細かくなります。たとえば、Airborne Visible / Infrared Imaging Spectrometer（AVIRIS）は、224のスペクトルチャネルで情報をキャプチャします。右側の立方体は、データ内の詳細を表しています。この詳細レベルでは、岩石と鉱物の種類、植生の種類、およびその他の特徴を区別できます。立方体では、画像の右上にある高応答の小さな領域は、可視スペクトルの赤い部分（約700ナノメートル）にあり、長さ1センチメートル（0.5インチ）の存在によるものです。 ）蒸発池の赤いブラインシュリンプ。

時間分解能は、衛星が軌道を完了して同じ観測領域を再訪するのにかかる時間です。この解像度は、軌道、センサーの特性、およびスワス幅によって異なります。静止衛星は地球の自転速度と一致するため、時間分解能ははるかに細かく、約30秒から1分です。極軌道衛星の時間分解能は1日から16日までさまざまです。たとえば、MODISの時間分解能は1〜2日であり、地球が日々変化するときに地球を視覚化することができます。一方、ランドサットはスワス幅が狭く、時間分解能は16日です。毎日の変更ではなく、隔月の変更を示しています。

高空間、スペクトル、時間分解能のセンサーを構築してみませんか？すべての望ましい機能を1つのリモートセンサーに組み合わせるのは困難です。 （ランドサットのような）高い空間分解能で観測を取得するには、より狭い帯が必要であり、その結果、特定の領域の観測の間隔が長くなり、時間分解能が低くなります。研究者はトレードオフをしなければなりません。これが、特定の研究分野に必要なデータの種類を理解することが非常に重要である理由です。時間の経過とともに非常に動的な天気を調査する場合、時間分解能を細かくすることが重要です。季節的な植生の変化を調査する場合、より高いスペクトルおよび/または空間分解能のために、細かい時間分解能が犠牲になる場合があります。

データ処理、解釈、および分析

機器から取得したリモートセンシングデータ衛星に搭載されている場合、ほとんどの研究者や応用科学ユーザーがデータを使用するには、処理が必要です。ほとんどの生のNASA地球観測衛星データ（レベル0、データ処理レベルを参照）は、Science Investigator主導の処理システム（SIPS）施設で処理されます。すべてのデータは少なくともレベル1に処理されますが、ほとんどのデータには、レベル2（派生した地球物理学的変数）およびレベル3（均一な時空間グリッドスケールにマッピングされた変数）の積が関連付けられています。多くはレベル4の製品さえ持っています。 NASA地球科学データは、分散アクティブアーカイブセンター（DAAC）の1つにアーカイブされます

ほとんどのデータは、階層データ形式（HDF）またはネットワーク共通データ形式（NetCDF）形式で保存されます。サブセット化、変換、視覚化、および他のさまざまなファイル形式へのエクスポートに使用できる多数のデータツールがあります。

データが処理されると、農業から水資源、健康、さらにはさまざまなアプリケーションで使用できます。空気の質。 1つのセンサーで、特定のアプリケーション内のすべてのリサーチクエスチョンに対応できるわけではありません。ユーザーは、さまざまなスペクトル、空間、時間の解像度によって提供されるデータの制限を念頭に置いて、質問に対処するために複数のセンサーとデータ製品を活用する必要があることがよくあります。

衛星画像の作成

多くのセンサーは、さまざまなスペクトル波長でデータを取得します。たとえば、Landsat 8のバンド1は0.433〜0.453マイクロメートルでデータを取得し、MODISのバンド1は0.620〜0.670マイクロメートルでデータを取得します。 Landsat 8には合計11のバンドがありますが、MODISには36のバンドがあり、すべてが電磁スペクトルのさまざまな領域を測定します。バンドを組み合わせてデータの画像を生成し、風景のさまざまな特徴を明らかにすることができます。多くの場合、データの画像は、調査対象の地域の特徴を区別したり、調査地域を決定したりするために使用されます。

Landsatのトゥルーカラー（赤、青、緑（RGB））画像の場合、バンド4 、3、2はそれぞれ組み合わされます。 NASA / NOAA合同のSuomiNational Polar-orbiting Partnership（Suomi NPP）Visible Infrared Imaging Radiometer Suite（VIIRS）を使用すると、トゥルーカラー画像は赤=バンドI1、緑=バンドM4、青=バンドM3になります。トゥルーカラー画像は、上から見たときと同じように地球を示しています。ただし、他の組み合わせは、洪水の監視から都市化の描写、植生のマッピングまで、特定の科学アプリケーションに使用できます。たとえば、VIIRSデータを使用して、偽色の画像（R = M11、G = I2、B = I1）を作成すると、火傷跡を低植生や裸地と区別したり、浸水した地域を露出したりするのに役立ちます。 Landsatのその他のバンドの組み合わせを確認するには、NASA Scientific Visualization Studio Landsat BandRemixまたはEarthObservatory Many Hues ofLondonの記事をご覧ください。他の一般的なバンドの組み合わせについては、EarthObservatoryの一般的な偽色画像の解釈方法をご覧ください。この記事では、一般的なバンドの組み合わせを提供しますが、画像の解釈についての洞察も提供します。

画像の解釈

データがさまざまな帯域の組み合わせで画像に処理されると、支援することができますリソース管理の決定と災害評価。画像を解釈する必要があります。開始するためのいくつかの戦略があります（地球観測所の衛星画像の解釈方法から採用）。

1. スケールを知る—画像の空間解像度とそれぞれに基づいて異なるスケールがありますスケールは、重要なさまざまな機能を提供します。たとえば、洪水を追跡する場合、詳細で高解像度のビューに、どの家や企業が水に囲まれているかが表示されます。より広い景観は、郡または大都市圏のどの部分が浸水しているのか、そしておそらくどこから水が来ているのかを示しています。さらに広い視野では、地域全体、つまり氾濫した河川システム、または流れを制御する山脈や谷が表示されます。半球ビューでは、洪水に関連する気象システムの動きが表示されます。
2. パターン、形状、テクスチャを探します。多くの特徴は、パターンや形状に基づいて簡単に識別できます。たとえば、農業地域は非常に幾何学的な形をしており、通常は円または長方形です。直線は通常、道路や運河などの人工の構造物です。
3. 色を定義する—色を使用して特徴を区別する場合、画像の作成に使用されるバンドの組み合わせを知ることが重要です。トゥルーカラーまたはナチュラルカラーの画像は、基本的に、宇宙から見下ろした場合に自分の目で見るものです。水は光を吸収するため、通常は黒または青に見えます。ただし、表面で反射する太陽光により、灰色または銀色に見える場合があります。堆積物は水の色に影響を与え、藻類と同様に茶色に見え、緑色に見えます。植生の色は季節によって異なります。春と夏は通常、鮮やかな緑色です。秋にはオレンジ、黄色、黄褐色があります。そして冬はもっと茶色になるかもしれません。裸地は通常、茶色の色合いです。しかし、それは堆積物の鉱物組成に依存します。都市部は通常、広大なコンクリートから灰色になっています。氷と雪は白ですが、雲も白です。色を使用して物事を識別するときは、周囲の特徴を使用して物事を文脈に合わせることが重要です。
4. 知っていることを考慮してください。観察している領域を知っていると、これらの特徴を特定するのに役立ちます。たとえば、その地域が最近山火事で焼失したことを知っていると、植生が少し異なって見える理由を判断するのに役立ちます。

定量分析

さまざまな土地被覆タイプが画像分類アルゴリズムを使用することにより、より簡単に識別できます。画像分類では、個々のピクセルのスペクトル情報を使用します。画像分類アルゴリズムを使用するプログラムは、いわゆる教師なし分類でピクセルを自動的にグループ化できます。ユーザーは、既知の土地被覆タイプの領域を指定して、ピクセルのようなものをグループ化するようにプログラムを「トレーニング」することもできます。これは、教師あり分類と呼ばれます。地図や画像を地理情報システム（GIS）に統合して、各ピクセルを統合することもできます。国勢調査データなどの他のGISデータと比較してください。NASA地球科学データをGISに統合する方法の詳細については、EarthdataGISページをご覧ください。

衛星には、生物地球物理学的パラメータを測定するさまざまなセンサーが搭載されていることもよくあります。 、海面温度、二酸化窒素またはその他の大気汚染物質、風、エアロゾル、バイオマスなど。これらのパラメータは、統計およびスペクトル分析手法によって評価できます。

データパスファインダー

To Data Pathfindersは、リモートで検出されたデータを使用したアプリケーションベースの研究の開始を支援し、上記のような特定の科学分野とアプリケーション分野に焦点を当てたデータ製品選択ガイドを提供します。Pathfinderspro NASAの地球科学データコレクションから最も一般的に使用されるデータセットとデータ製品への直接リンク、およびデータをさまざまなファイル形式で保存するオプションを使用して、データを視覚化またはサブセット化するさまざまな方法を提供するツールへのリンクを表示します。