マルチスペクトル衛星画像の視覚化
ArcGIS Pro プロジェクトを設定して、スペクトル分解能に関するいくつかの基本概念について学習し、ドイツの Brandenburg 地域の衛星画像の探索を開始します。
プロジェクトの設定
最初に、このチュートリアルのデータをすべて含むプロジェクトをダウンロードし、ArcGIS Pro で開きます。
- Brandenburg_spectral_resolution.zip ファイルをダウンロードし、コンピューター上でそのファイルを選択します。
注意:
ほとんどの Web ブラウザーでは、デフォルトでコンピューターのダウンロード フォルダーにファイルがダウンロードされます。
- [Brandenburg_spectral_resolution.zip] ファイルを右クリックし、コンピューター上の場所 (C: ドライブ上のフォルダーなど) に展開します。
- 展開した [Brandenburg_spectral_resolution] フォルダーを開きます。 [Brandenburg_spectral_resolution.aprx] をダブルクリックして、ArcGIS Pro でプロジェクトを開きます。
- サイン インを求められたら、ArcGIS アカウントを使用して、サイン インします。
注意:
ArcGIS Pro へのアクセス権限または組織アカウントがない場合は、ソフトウェア アクセスのオプションをご参照ください。
プロジェクトが開きます。
これには、このチュートリアルで使用するいくつかのマップが含まれています。 現在、1 つ目の [Spectral bands] という名前のマップが表示されています。 これは、ドイツの Brandenburg 州の、Berlin の南の地域を中心として配置されています。 現在のところ、デフォルトの [World Topographic Map] ベースマップのみが含まれています。
EM スペクトルとスペクトル分解能について
Brandenburg 地域の衛星画像の探索を開始する前に、スペクトル分解能を理解するために不可欠ないくつかの概念について学習します。
電磁スペクトル
電磁 (EM) スペクトルは波長範囲で構成されています。 人間が可視光線範囲で見ることができるのは、人間の目に赤、緑、青を感知する受容体があるためです。 衛星、航空機、ドローンのセンサーなどの電気光学センサーは可視光線範囲を捉えることができるほか、人間の目では見えない範囲 (例: 近赤外、短波赤外) も捉えることができます。
スペクトル バンド
画像センサーは、スペクトル バンドと呼ばれる、これらの波長の一部を捉えます。 たとえば、青、緑、赤、近赤外、短波赤外などのバンドがあります。 各バンドは個々のラスター (つまりピクセルのグリッド) として格納されます。 バンドが積み重なり、完全な画像が形成されます。 次の図は、EM スペクトルの 3 個のスペクトル バンドが 3 つの個別ラスターとして捉えられ、格納されることを示しています。
スペクトル分解能
スペクトル分解能とは、センサーが、異なる波長を識別する性能を指します。 センサーが捉えるスペクトル バンドの数が多いほど、生成される画像のスペクトル分解能は高くなります。 通常、センサーが捉えるバンドの数が多いと、これらのバンドも狭くなり、より正確な情報を含みます。 次に、バンドの数に基づく 3 つの主要な画像タイプを、スペクトル分解能の低いものから高いものの順に示します:
- RGB (赤、緑、青) - 3 個のバンド
- マルチスペクトル - 通常は 4 ～ 13 個のバンド
- ハイパースペクトル - 数百個または数千個の非常に狭いバンド
次の図は、(1) RGB 画像、(2) マルチスペクトル画像、(3) ハイパースペクトル画像の、スタイル設定されたリプレゼンテーションを示しています。
たとえば、携帯用カメラは通常、RGB バンドを捉えて従来のカラー写真を作成します。 多くの地球観測画像センサーはマルチスペクトルです。 一部の高度な地球観測画像センサーはハイパースペクトルです。
スペクトル分解能がより高い画像はより多くの情報を含んでおり、観測する地形について、さまざまな興味深い洞察を提供することが可能です。 それらを使用して、たとえば、異なる樹種を識別したり、それらの樹木の一部が健康か病気かを検出したりすることができます。
このチュートリアルでは、これ以降、マルチスペクトル画像に注目します。 3 つの衛星センサー (Sentinel-2、PlanetScope、Landsat 8) からの画像を探索します。 それぞれのスペクトル分解能と、スペクトル バンドの使用方法について学習します。
注意:
ハイパースペクトル画像は本チュートリアルの範囲外であるため、詳細については「ArcGIS のハイパースペクトル画像」ドキュメント ページを参照するか、「Map Oaks Using AVIRIS Hyperspectral Imagery」の記事でハイパースペクトル画像の準備と解析の例をご参照ください。
Sentinel-2 マルチスペクトル画像の調査
Sentinel-2 画像の探索を開始します。 Sentinel-2 画像には 13 個のスペクトル バンドがあります。 人間の目で見えるもの (青、緑、赤) と、人間の目では見えないもの (沿岸エアロゾル、レッド エッジ、近赤外、短波赤外) があります。 次の図は、13 個のバンドが波長 400 ～ 2,400 ナノメートルの EM スペクトルのどこに位置するかを示しています。
それらのバンドの一覧を、その番号および名前とともに次に示します:
- バンド 1 - 沿岸エアロゾル
- バンド 2 - 青
- バンド 3 - 緑
- バンド 4 - 赤
- バンド 5 - 植生レッド エッジ
- バンド 6 - 植生レッド エッジ
- バンド 7 - 植生レッド エッジ
- バンド 8 - 近赤外
- バンド 8A - 近赤外狭帯域
- バンド 9 - 水蒸気
- バンド 10 - 短波赤外 - 巻雲 (巻雲の検出に使用)
- バンド 11 - 短波赤外
- バンド 12 - 短波赤外
注意:
Sentinel-2 は、European Space Agency の衛星ミッションです。 これは、2015 年に打ち上げられ、13 個のスペクトル バンドのスペクトル分解能で画像を生成します。その一部の空間解像度は 10 メートルです。 画像は地球上の大きな陸地のほぼ全体をカバーし、少なくとも 5 日の時間分解能であらゆる場所の画像が撮影されます。 Sentinel-2 の画像は無料で提供されており、Copernicus Data Space Ecosystem からダウンロードすることができます。
プロジェクトとともに提供される Sentinel-2 画像を見て、そのスペクトル バンドを特定します。
- リボンの [表示] タブをクリックします。 [ウィンドウ] グループで、[カタログ ウィンドウ] をクリックします。
- [カタログ] ウィンドウで、[フォルダー] → [Brandenburg_spectral_resolution] → [Imagery] の順に展開します。
[Imagery] フォルダーには 3 つの画像が格納されています。 ここでは、[Sentinel_2_2024_08_13.tif] を使用します。
- [Sentinel_2_2024_08_13.tif] を展開し、含まれているスペクトル バンドを観察します。
この画像では、[B] + バンド番号でバンド名が付けられています。 調査すると、この画像には、雲の検出にのみ使用するバンド 10 - 巻雲を除く、Sentinel-2 のバンドすべてが含まれています。 したがって、12 個のバンドがあります。
個々のスペクトル バンドの視覚化
Sentinel-2 スペクトル バンドのうち 2 つを視覚化して比較します。 また、反射率の概念についても学習します。 まず、マップに赤 ([B4]) バンドを追加します。
- [B4] を右クリックして、[現在のマップに追加] を選択します。
赤バンドが、白から黒へのグレーの色調でマップに表示されます。
注意:
元の Sentinel-2 画像は、はるかに大きなものですが、このチュートリアルでの必要性に合わせて小さい範囲にクリップされました。
表示内容をより適切に理解するために、反射率について知ることが有用です。 特定の波長範囲の太陽光が地表に到達すると、その一部は吸収され、一部は宇宙に反射されます。 次の図に示すように、画像センサーは反射された光の部分を捉えます。
(1) 太陽光、(2) 吸収される光、(3) センサーが捉える反射光。 各スペクトル バンドでの反射光の量は、地上の物質 (植生、土、岩、水など) の物理的および化学的性質によって異なります。 たとえば、植物に含まれ光合成を行うクロロフィルは、青と赤の波長を強く吸収しますが、緑の波長を反射し、近赤外をより強く反射します。 センサーは、画像化されるエリア全体のさまざまなバンドで反射率の値を捕捉します。
- マップに表示されている赤バンドを観察します。
このバンドでは、赤の波長範囲で光を強く反射するエリアにおいて反射率の値が最も大きく、白とライト グレーで表示されています。 これは、画像の中央上部にある H 型の空港などの市街地の場合です。 赤の波長範囲で光のほとんどを吸収するエリアは反射率の値が最も小さく、黒とダーク グレーで表示されています。 これは、森林や水域の場合です。 次は、マップに近赤外 ([B8]) バンドを追加します。
- [カタログ] ウィンドウで、[B8] を右クリックして [現在のマップに追加] を選択します。
近赤外バンドもグレーの色調でマップに表示されます。 ただし、今回は画像の見え方がかなり異なります。 反射率の値が最も大きいフィーチャは、草地と農地 (白の色調) です。 反射率の値が最も小さいフィーチャは水域 (黒の色調) です。
[スワイプ] ツールを使用して、両方のバンドを比較します。
- [コンテンツ] ウィンドウで、[Sentinel_2_2024_08_13.tif_B8] が選択されていることを確認します。
- リボンの [ラスター レイヤー] タブをクリックします。 [比較] グループの [スワイプ] をクリックします。
- マップで上から下にドラッグして [Sentinel_2_2024_08_13.tif_B8] レイヤーをめくり、その下の [Sentinel_2_2024_08_13.tif_B4] レイヤーを表示します。 2 つのレイヤーの違いを観察します。
物質の光の反射量は波長範囲によって異なります。 結果として、スペクトル バンドにより、人間の目には見えないさまざまなフィーチャと現象がハイライト表示されます。
- 探索が完了したら、リボンの [マップ] タブをクリックします。 [ナビゲーション] グループで、[マップ操作] ボタンをクリックして、スワイプ モードを終了します。
コンポジット画像の視覚化
マルチスペクトル画像をフル活用できるのは、画像全体と、すべてのスペクトル バンドを一括でマップに追加する場合です。 次のセクションでその作業を行い、異なるスペクトル バンドを組み合わせてコンポジット画像を作成する方法について学習します。
- [カタログ] ウィンドウで、[Sentinel_2_2024_08_13.tif] を右クリックして [現在のマップに追加] を選択します。
注意:
画像ファイルにはさまざまな形式があります。 このケースでは、12 個のスペクトル バンドすべてを含む 1 つの TIFF ファイルで画像が構成されています。 場合によっては、各スペクトル バンドが、個別の TIFF ファイルと、画像を適切に表示するための情報を含むメタデータ ファイル (名称の例: [MTL.txt]、[MTL.xml]、[MTD_MSILxx.xml]) として提供されていることがあります。 そのような形式になっている場合は、メタデータ ファイルを右クリックして [現在のマップに追加] を選択することで、画像をマップに追加します。
[コンテンツ] ウィンドウとマップに画像が表示されます。
すべてのスペクトル バンドが利用可能です。 ただし、人間の目には限界があるため (三色覚)、すべてを同時に視覚化することはできません。 3 つのバンドを組み合わせて、コンポジット画像と呼ばれるカラー画像が作成されています。
注意:
人間の目が光をどのように知覚するかの詳細については、「Bending light and blending light」の記事をご参照ください。
画像は赤、緑、青 (RGB) のチャンネルを使用して表示されます。これらのチャンネルを通じて表示するために、3 つのスペクトル バンドからなる任意のセットを選択できます。 次の図にその仕組みを示します:
コンポジット画像の作成方法: (1) 表示するマルチスペクトル画像から任意の 3 つのバンドを選択します。(2) 選択したバンドを赤、緑、青のチャンネルに任意の順序で割り当てます。(3) コンポジット画像を取得します。 現在、マップ上の画像では、デフォルトで赤 ([B4])、緑 ([B3])、青 ([B2]) のバンドがそれぞれ赤、緑、青のチャンネルを通じて表示されています。 ナチュラル カラーと名付けられているこのバンド割り当てでは、人間の目に映る地形に近づけます。 これから他のバンド割り当てを試しますが、まず画像の全体的な表示設定を調整します。現在はやや暗いため、画像の明るさを上げます。
- [コンテンツ] ウィンドウで、[Sentinel_2_2024_08_13.tif] 画像が選択されていることを確認します。
レイヤーの凡例に現在のバンド割り当てが示されています。
- リボンの [ラスター レイヤー] タブをクリックします。 [強調] グループの [レイヤーの明るさ] で「20」と入力して Enter を押します。
注意:
他の [強調] 設定 ([レイヤーのコントラスト] と [レイヤーのガンマ]) を使用することでも、画像の表示設定を調整できます。 これらの画像レンダリング オプションとその他多くのオプションについては、画像の表示設定ページと画像のシンボルの変更ページをご参照ください。 画像のレンダリング オプションの詳細については、この後の「放射量分解能」チュートリアルで学習します。
画像が全体的により明るい色調に更新されます。
次に、バンド割り当てを変更します。
- [コンテンツ] ウィンドウで、[Sentinel_2_2024_08_13.tif] 画像を右クリックし、[シンボル] を選択します。
- [シンボル] ウィンドウの [プライマリー シンボル] で [RGB] が選択されていることを確認します。 [赤]、[緑]、[青] のチャンネルには現在、想定どおりに、[B4] (赤)、[B3] (緑)、[B2] (青) のスペクトル バンドが表示されていることを確認します。
次に、[B8] (近赤外)、[B4] (赤)、[B3] (緑) のバンドで構成されるカラー赤外の割り当てを表示します。
- [赤] でドロップダウン リストを展開します。 12 個の Sentinel-2 反射率バンドのリストで、[B8] バンドを選択します。
- [緑] で [B4] を選択します。 [青] で [B3] を選択します。
マップで画像が更新され、植生は明るい赤の色調、市街地または地表エリアは青みまたは茶色がかった色調、水域はダーク ネイビー ブルーで表示されます。
赤、緑、青を超えるバンドが表示される場合、フォルス カラーと呼ばれる、通常とは異なる色調で地形が表示されることがあります。 これは、通常は見えない波長範囲を人間の目に合わせて視覚化する強力な手法です。 カラー赤外のバンド割り当ては、植生をハイライト表示してその健全性を監視するために特に有用です。 次に、[B11] (短波赤外 1)、[B8] (近赤外)、[B2] (青) で構成され、通常は農業と名付けられている、別の割り当てを試します。
- [シンボル] ウィンドウで、[赤] に [B11]、[緑] に [B8]、[青] に [B2] を選択します。
このバンド割り当ては最も汎用性が高いものの 1 つで、多くの土地被覆タイプを明確に識別することに優れています。植生は明るい緑、水域は濃い青、市街地はピンクの色調、地表はライト オレンジで表示されます。
ナチュラル カラーの割り当てに戻します。
- [シンボル] ウィンドウで、[B4]、[B3]、[B2] の組み合わせにします。
湖とその周囲の植生のように、ナチュラル カラーでは識別しにくく、農業の割り当てでは明確に差異が認められるフィーチャもあります。
湖とその周囲をナチュラル カラー (左) と農業 (右) のバンド割り当てで表示した状態 ここではナチュラル カラー、カラー赤外、農業のバンド割り当てを試しましたが、地質学的形成をハイライト表示する地質 (B12、B11、B2) や、沿岸の調査に使用する測深 (B4、B3、B1) など、可能な割り当ては他にも多数あります。
これまでに、EM スペクトル、スペクトル バンド、スペクトル分解能、さまざまな画像タイプ (RGB、マルチスペクトル、ハイパースペクトル)、コンポジット画像、一般的なバンド割り当てといった、いくつかの重要な概念について、その一部でフォルス カラーを使用して学習しました。 また、Sentinel-2 マルチスペクトル画像を探索して視覚化し、地形のさまざまなフィーチャをハイライト表示するためにいくつかのバンド割り当てを試しました。
スペクトル シグネチャーの詳細
スペクトル バンドの違いをインタラクティブに探索し、スペクトル シグネチャーおよびスペクトル プロファイル チャートについて学びます。 その後、スペクトル分解能が異なる 2 つの画像を比較します。
スペクトル バンドの違いのインタラクティブな探索
すべてのスペクトル バンドでの反射率値の違いについて理解するために、ピクセル レベルの情報をインタラクティブに提供する画像情報ツールを使用します。
- [コンテンツ] ウィンドウで、[Sentinel_2_2024_08_13.tif] 画像が選択されていることと、ナチュラル カラー バンド割り当て ([B4]、[B3]、[B2]) で表示されていることを確認します。
- リボンの [画像] タブの [ツール] グループで、[画像情報] をクリックします。
[画像情報] ウィンドウが開きます。
- マップ上で、健全な植生で満たされた、明るい緑の農地をポイントします。
[画像情報] ウィンドウで、その特定のピクセル位置でのすべてのバンドの反射率値を示すグラフが表示されます。 この農地では、近赤外 ([NIR]) バンドの値が非常に大きく、赤バンド (赤色でシンボル表示) の値は非常に小さくなっています。これは、前に説明したようにクロロフィルを多く含む植物の典型です。 このタイプのグラフをスペクトル プロファイル チャートといいます。
- マップ上で、地表 (ベージュまたはライト ブラウン)、森林 (ダーク グリーン)、建物 (白またはライト グレー) などのさまざまな土地被覆をポイントします。 反射率値の変化をインタラクティブに観察します。
たとえば、地表では赤バンドの反射率値は比較的高くなり、[NIR] バンドの反射率値は農地で見たものより低くなります。 2 つの短波赤外 ([SWIR]) バンドの値も高くなります。
- 画像全体で農地を表すいくつかのピクセルを見てみましょう。 対照的に、地表を表すいくつかのピクセルを見てみましょう。
チャート上で、それぞれの土地被覆タイプについて常に同様の認識可能な曲線が得られるようだということがわかります。 これは、EM スペクトラムのさまざまな波長において、反射率値に物質固有のパターンが存在する傾向があるためです。 こういった認識可能なパターンをスペクトル シグネチャーと呼びます。これは、光との相互作用に基づく物質のフィンガープリントのようなものと考えることができます。 スペクトル シグネチャーによって、さまざまな土地被覆タイプ (草地、森林、水域、建物など) の識別が可能になります。 同様に、病害のある農作物や低密度の森林には、健全な農作物や高密度の森林とは区別される、典型的なスペクトル シグネチャーがあります。 ほとんどの画像解析手法では、これらの予測可能なパターンを活用し、地勢についての価値ある情報を検出しています。
スペクトル プロファイル チャートの調査
次に、用意されているスペクトル プロファイル チャートを使用して、さまざまな土地被覆タイプのスペクトル シグネチャーを詳細に比較します。 プロジェクトの 2 つ目のマップに切り替えます。
- マップの上部にある [Spectral profiles] タブをクリックします。
このマップに含まれている Sentinel-2 画像は、これまで探索してきたものと同じですが、スペクトル プロファイル チャートが追加されています。
- [コンテンツ] ウィンドウの [チャート] で [Spectral Profile - Sentinel-2] を右クリックし、[開く] を選択します。
スペクトル プロファイル ウィンドウが開き、[Spectral Profile - Sentinel-2] グラフが表示されます。
このスペクトル プロファイル チャートには、[Forest]、[Water]、[Built-up]、[Grass field]、[Bare earth] という、マップ上にある 5 個のピクセルの反射率値の曲線が含まれています。 x 軸は Sentinel-2 バンドを示しており、y 軸はセンサーで捉えられた反射率の量を示しています。
マップ上で、対応するポイントを確認できます。
ここでも、グラフ上の曲線はそれぞれの土地被覆タイプに固有であり、それを詳細に観察できます。 [Grass field] は、反射率値が赤バンド ([B4]) では非常に小さく、NIR バンド ([B8]) では非常に大きく、SWIR バンド ([B11] および [B12]) では比較的小さくなっていることで認識できます。 対照的に、[Bare earth] の反射率値は [B1] から [B12] まで一定して上向きで、[Water] の反射率値はすべてのバンドで非常に小さくなっています。
注意:
植生監視ではレッド エッジと NIR の波長が非常に重要であるため、Sentinel-2 画像にはこれらの範囲のバンドがいくつかあります。 [B5]、[B6]、[B7] (レッド エッジ バンド)、[B8] (メイン NIR バンド)、[8A] (NIR 狭帯域バンド) です。 これらのバンドによって、農業や環境調査のさまざまな専用アプリケーションで使用できる豊富な情報が提供されます。
次に、グラフにポイントを追加します。 まず、グラフを整理します。
- [チャート プロパティ] ウィンドウの [スペクトル プロファイル] で、[Forest]、[Water]、[Built-up] をオフにします。
グラフには、[Grass field] および [Bare earth] の曲線のみが残ります。
- [チャート プロパティ] ウィンドウの [対象エリアの定義] で、[ポイント] ボタンをクリックします。
ポインターの形状が十字線に変化します。
- マップ上で、任意の草地または農地 (鮮やかな緑色のエリア) をクリックします。
マップにポイントが追加され、その特定のピクセルに対応するスペクトル プロファイル曲線がグラフに追加されます。
- 同様に、地表 (ベージュのエリア) を表す新しいポイントを追加します。
グラフ上で、新しい草地ポイントおよび地表ポイントの曲線は既存のものに似ています。これは、草地および地表の土地被覆タイプにはそれぞれ独自の典型的なスペクトル シグネチャーがあることを裏付けています。
注意:
色はランダムに割り当てられているため、実際のグラフでは異なる場合があります。
- 必要に応じて、他の土地被覆タイプ ([Forest]、[Water]、[Built-up]) を表す新しいポイントを追加し、グラフで元の曲線と比較します。
- 完了したら、スペクトル プロファイル グラフのウィンドウを閉じます。
注意:
独自の画像のスペクトル プロファイル チャートを最初から作成するには、[コンテンツ] ウィンドウで画像を右クリックして [チャートの作成] をクリックし、[スペクトル プロファイル] を選択します。 詳細については、スペクトル プロファイルのオプションをご参照ください。
画像解析手法でスペクトル シグネチャーを活用し、地勢についての価値ある情報を検出する方法の詳細については、次のチュートリアルをお試しください:
- 「衛星画像によるトウモロコシ畑のひょうによる被害の評価」(スペクトル指標と変化の検出)
- 「衛星画像を使用した焼け跡の評価」(バンド割り当てとスペクトル指標)
- 「スペクトル画像から不浸透面を計算」(教師付き分類)
- 「縮小する湖の測定を目的とした土地被覆の分類」(教師なし分類)
- 「GeoAI で高解像度の土地被覆を抽出」(ディープ ラーニング)
スペクトル分解能が異なる画像の比較
次に、スペクトル分解能が異なる 2 つの衛星画像を比較します。 プロジェクトの 3 つ目のマップに切り替えます。
- マップ上部の [Compare images] タブをクリックします。
このマップに含まれている Sentinel-2 画像は、これまで探索してきたものと同じですが、[PlanetScope_2024_08_13.tif] という画像が新しく加わっています。 これは、地球の画像を撮影する Planet Labs 社が生成した Analysis-Ready PlanetScope 衛星画像です。 Sentinel-2 画像と同じ 2024 年 8 月 13 日に撮影されたもので、同じ範囲にクリップされています。
注意:
Analysis-Ready PlanetScope の画像は Planet Labs 社によって生成されています。 PlanetScope は、2014 年以降に展開された数百の衛星の一群であり、1 ピクセルあたり 3 メートルの解像度で画像を生成しています。 画像は地球のほぼ全体の土地をカバーし、ほぼ毎日、各所の画像が撮影されます。
その画像にどのようなスペクトル バンドがあるかを確認します。
- [コンテンツ] ウィンドウで、[PlanetScope_2024_08_13.tif] 画像を右クリックし、[シンボル] を選択します。
- [シンボル] ウィンドウで、[赤] のドロップダウン リストを展開します。
[青]、[緑]、[赤]、[NIR] の 4 つのスペクトル バンドがあります。
12 のバンドを持つ Sentinel-2 画像と比較すると、PlanetScope 画像はスペクトル分解能が低くなっています。 たとえば、SWIR バンドが含まれていません。 現時点では、Sentinel-2 画像と同様にナチュラル カラー バンド割り当て ([赤]、[緑]、[青]) を使用して表示されています。
- [コンテンツ] ウィンドウで、[PlanetScope_2024_08_13.tif] 画像のオンとオフを切り替えて、2 つの画像を比較します。
ナチュラル カラー バンド割り当てでは、2 つの画像はよく似ています。 しかし、PlanetScope 画像にはバンドが 4 つしかないため、可能なバンド割り当ては Sentinel-2 画像の場合よりも少なくなります。 ナチュラル カラー ([赤]、[緑]、[青]) のほか、他の主なバンド割り当てとしてカラー赤外 ([NIR]、[赤]、[緑]) があります。 そちらに切り替えます。
- [シンボル] ウィンドウで、[赤] チャネルを [NIR] に、[緑] チャネルを [赤] に、[青] チャネルを [緑] に設定します。
マップで PlanetScope 画像がカラー赤外に更新されます。 先に学習したように、これは植生の健全性を調査するのに有用な割り当てです。
農業、地質、測深などの他のバンド割り当ては、青、緑、赤、NIR バンドのみでは不可能です。 ナチュラル カラーに戻します。
- [シンボル] ウィンドウで、ナチュラル カラー ([赤]、[緑]、[青]) に戻します。
2 つの画像のスペクトル プロファイル チャートを比較します。
- [コンテンツ] ウィンドウの [PlanetScope_2024_08_13.tif] で [Spectral Profile - PlanetScope] を右クリックし、[開く] を選択します。
- [Spectral Profile - Sentinel-2] チャートを開きます。
グラフを並べて表示します。
- [Spectral Profile - Sentinel-2] タブを右側のドッキング ターゲットにドラッグします。
注意:
ウィンドウをドラッグすると、ウィンドウが青色の影で表され、ドッキング ターゲットがテーブル ビューの中央に表示されます。 各ターゲットは、ウィンドウを配置できる領域を表しています。
2 つのグラフが並べて表示されるようになりました。
- 必要に応じて、だいたい同じ幅になるように、グラフ ウィンドウのサイズを変更します。
- 2 つのグラフが互いにどのように異なるかを観察します。
比較を容易にするため、PlanetScope バンドは次に示す 4 つの Sentinel-2 バンドに対応していることに留意してください:
- Blue - B2
- Green - B3
- Red - B4
- NIR - B8
注意:
これら 2 つの画像は若干異なる手法で処理されたため、y 軸の値に違いがあります。 しかし、相対値は比較に役立ちます。
どちらのグラフにも、マップ上にある同じ 5 個のピクセルの反射率値の曲線が表示されています。 ただし、スペクトル分解能が低いため、PlanetScope 画像には、Sentinel-2 画像よりも情報量が少ない、よりシンプルな曲線が表示されています。 これは、同数の解析ワークフローをサポートできないことを意味します。 たとえば、SWIR バンドまたはレッド エッジ バンドを使用する必要があるワークフローは不可能です。
しかし、次の表にまとめているように、スペクトル分解能が高い画像と低い画像の使用には良い点と悪い点があります:
スペクトル分解能が高い画像 スペクトル分解能が低い画像 - より多くのバンド割り当てに対応します。
- より高度な解析に対応します。
- 物質や植物種などの、より細かい区別が可能です。
- 使用するストレージ スペースが大幅に少ない可能性があります。
- 空間解像度 がより高い (地表がより詳細に表示される) 可能性があります。
- 時間分解能がより高い (再訪周期がより短い) 可能性があります。
たとえば、PlanetScope の空間解像度は Sentinel-2 より高く、PlanetScope での各ピクセルは地表の 3 x 3 メートルの正方形を表しているのに対し、Sentinel-2 での各ピクセルは地表の 10 x 10 メートルの正方形を表しています。 また、前者は時間分解能も高く、各所がほぼ毎日再訪されるのに対し、後者では約 5 日ごとの再訪となります。
スペクトル分解能が高い画像を選ぶか低い画像を選ぶかは、使用目的によって異なります。 両方のタイプを相互に組み合わせて使用することも可能です。 たとえば、より高度な解析を数か月ごとに行う場合はスペクトル分解能が高い画像を選び、より高頻度で迅速なチェックを行う場合はスペクトル分解能が低い画像を選ぶことができます。
注意:
さまざまなセンサーがあり、それぞれスペクトル分解能が異なります。 ArcGIS Pro でサポートされている多くの衛星センサーを確認し、そのスペクトル バンドの詳細を知るには、衛星用センサー ラスター タイプ ドキュメント ページをご参照ください。 マルチスペクトル ドローン・カメラについては、同様のリストをご参照ください。 さまざまな航空写真タイプもサポートされています。
- 2 つのスペクトル プロファイル チャートを閉じます。
チュートリアルのこの部分では、スペクトル シグネチャーとスペクトル プロファイル チャートについて学習しました。 スペクトル バンドの違いをインタラクティブに探索し、スペクトル プロファイル チャートを詳細に調査し、スペクトル分解能が異なる 2 つの画像を比較しました。
画像のスペクトル分解能の変更
新しいマルチスペクトル画像を受け取る際は、バンドに関する情報を収集する方法を知っている必要があります。 また、スペクトル分解能の変換方法、すなわちバンド数の変更方法も知っておかなければなりません。 Landsat 8 衛星画像を使用して、この方法を学習します。
Landsat 8 画像の探索
まず、Landsat 8 画像について理解します。 プロジェクトの 4 つ目のマップに切り替えます。
- マップ上部の [Extract bands] タブをクリックします。
[Extract bands] マップには [Landsat_8_2024_08_31.tif] という 2024 年 8 月 31 日に撮影された Landsat 8 画像が含まれています。 前に見た画像と同じ範囲にクリップされており、現時点ではナチュラル カラーで表示されています。
注意:
Landsat 8 は、USGS および NASA が 2013 年に打ち上げた衛星ミッションです。 11 のスペクトル バンドを使用してマルチスペクトル画像を生成し、そのほとんどは 30 メートルの空間解像度となります。 画像は地球のほぼ全体の土地をカバーし、16 日ごと (または Landsat 9 画像と組み合わせた場合は 8 日ごと) にあらゆる場所の画像が撮影されます。 Landsat は最も長い歴史を誇る衛星画像取得プログラムであり、50 年以上もの間、連続的な地球の観測データを提供しています。
Landsat 画像は無料で提供されています。 独自の Landsat 画像をダウンロードする方法についてご参照ください。
Landsat 8 のスペクトル バンドのリストは以下のとおりです:
- バンド 1 - 沿岸エアロゾル
- バンド 2 - 青
- バンド 3 - 緑
- バンド 4 - 赤
- バンド 5 - 近赤外 (NIR)
- バンド 6 - 短波赤外 (SWIR) 1
- バンド 7 - 短波赤外 (SWIR) 2
- バンド 8 - パンクロマティック (可視光のほぼ全域をカバーする広いバンド)
- バンド 9 - 巻雲 (巻雲の検出に使用)
- バンド 10 - 熱赤外 1 (地表面温度の測定)
- バンド 11 - 熱赤外 2 (地表面温度の測定)
注意:
Landsat 8 バンドの詳細についてご参照ください。
次の図は、Landsat 8 のバンドが EM スペクトルの中でどこに位置するかを Sentinel-2 および PlanetScope のバンドと比較して表したものです。
Sentinel-2 はレッド エッジと近赤外領域に複数のバンドがあり、Landsat 8 より全体のバンド数が多くありますが、Landsat 8 の強みの 1 つは地表面温度を測定できる熱赤外バンドがあることです。
画像を受け取るかダウンロードする際は、バンドに関する情報を集めることが重要です。 通常、これを行うにはセンサーに関するドキュメントを読んで、画像を ArcGIS Pro 内で調べます。 後者を行う方法の 1 つは、[レイヤー プロパティ] ウィンドウを確認することです。
- [Landsat_8_2024_08_31.tif] を右クリックし、[プロパティ] を選択します。
- [レイヤー プロパティ] ウィンドウの [ソース] をクリックします。 [ラスター情報] を展開し、[バンド数] の行を見つけます。
この Landsat 8 画像には 7 つのバンドがあります。
- [バンド メタデータ] を展開します。
この Landsat 8 画像では 11 バンドすべては利用できません。7 つの主要な反射率のバンドと考えられているバンド ([sr_band1] から [sr_band7]) のみが含まれているためです。 すなわち、それぞれ沿岸エアロゾル、青、緑、赤、NIR、SWIR 1、SWIR 2 です。
注意:
[レイヤー プロパティ] ウィンドウには画像に関する有用な情報が含まれています。 詳細については、ラスター データセットのプロパティ ページをご参照ください。
これで、画像のバンド数に関する情報を収集する 2 つの方法を学びました。[シンボル] ウィンドウを使用する方法と [レイヤー プロパティ] ウィンドウを使用する方法です。
- [レイヤー プロパティ] ウィンドウを閉じます。
バンド数の変更
マルチスペクトル画像のバンド数を削減したい場合があります。 たとえば、解析を行うために特定のバンドしか必要ないことがわかっている場合、他のバンドを消去することでディスク容量を削減できます。 これは特に、大量のマルチスペクトル画像を解析する場合に当てはまります。 使用したい解析ツールで、特定の順番に並べられた特定のバンドのみを使用することが求められる場合もあります。
注意:
たとえば、ディープ ラーニングを使用して画像から情報を抽出する場合、GeoAI の事前トレーニング済みモデルでは、一般的に入力画像がトレーニングに使用したデータと類似している必要があります。 通常は赤、緑、青の順に並んだ 3 バンドの画像です。 詳細については、「ディープ ラーニング事前トレーニング済みモデルを使用したオブジェクトの検出」チュートリアルをご参照ください。
次に、この変更を自分で行う方法を学習します。 7 バンドの Landsat 画像から次の 5 つのバンドのみを使用することにします: [sr_band2] (青)、[sr_band3] (緑)、[sr_band4] (赤)、[sr_band5] (NIR)、[sr_band7] (SWIR 1)。 バンド抽出ラスター関数とラスターのエクスポート ツールを使用して、これら 5 つのバンドのみを含む画像を作成します。
- リボンの [画像] タブをクリックします。 [解析] グループで [ラスター関数] ボタンをクリックします。
- [ラスター関数] ウィンドウの検索ボックスに「バンド抽出」と入力します。 [バンド抽出] 関数をクリックします。
- 次の [バンド抽出] パラメーターを設定します:
- [ラスター] で、[Landsat_8_2024_08_31.tif] を選択します。
- [方法] で、[バンド名] を選択します。
- [組み合わせ] で、現在のテキストを消去します。
- [バンド] ドロップダウン リストを展開します。 [sr_band2]、[sr_band3]、[sr_band4]、[sr_band5]、[sr_band7] を選択します。
[組み合わせ] フィールドにこれら 5 つのバンド名が入力されます。
- [新しいレイヤーの作成] をクリックします。
[Extract Bands_Landsat_8_2024_08_31.tif] という名前の新しいレイヤーが [コンテンツ] ウィンドウに表示されます。 目的どおりの結果が得られているか確認します。
注意:
マップで、新しいレイヤーは青みがかった色で表示されます。これはデフォルトのバンド割り当てに起因します。 この問題はワークフローの後半で修正します。
- [コンテンツ] ウィンドウの [バンド抽出_Landsat_8_2024_08_31.tif] の下にある [赤] のシンボルを右クリックします。
画像で使用可能なバンドのリストが表示されます。
目的どおり 5 つのバンド ([sr_band2]、[sr_band3]、[sr_band4]、[sr_band5]、[sr_band7]) がリストされています。
ラスター関数で作成されたレイヤーはメモリーで動的に計算されます。 これにより、処理時間が高速になりますが、ディスクに保存されません。 この場合は、結果のレイヤーを TIFF ファイルとしてコンピューター上に保存します。 これを行うには [ラスターのエクスポート] を使用します。
- [Extract Bands_ Landsat_8_2024_08_31.tif] を右クリックして [データ] にカーソルを合わせ、[ラスターのエクスポート] を選択します。
- [ラスターのエクスポート] ウィンドウの [出力ラスター データセット] で [参照] ボタンをクリックします。
- [出力場所] ウィンドウで [フォルダー] → [Brandenburg_spectral_resolution] → [Imagery] の順に参照します。 [名前] に 「Landsat_8_2024_08_31_5bands.tif」と入力します。 [保存] をクリックします。
![[出力場所] ウィンドウ](GUID-FA0629D8-5CAF-4897-80D8-83A64438A862-web.png "[出力場所] ウィンドウ")
- [ラスターのエクスポート] ウィンドウの他のすべてのパラメーターについてはデフォルト値を使用します。 [エクスポート] をクリックします。
数分後に、新しい画像がマップに追加されます。
- [コンテンツ] ウィンドウの [Landsat_8_2024_08_31_5bands.tif] の下にある [赤] のシンボルを右クリックし、目的の 5 つのバンドがリストされていることを確認します。
現時点では、バンドはデフォルトの昇順で RGB チャネルに割り当てられています:
- [赤] チャネル - [sr_band2] または青バンド
- [緑] チャネル - [sr_band3] または緑バンド
- [青] チャネル - [sr_band4] または赤バンド
この順番は特に使いやすいわけではなく、画像は全体的に青みがかった色調になります。 代わりにナチュラル カラーのバンド割り当て ([sr_band4]、[sr_band3]、[sr_band2]) を作成します。
- [コンテンツ] ウィンドウで [赤] のシンボルを右クリックして [sr_band4] を選択します。
- [青] のシンボルを右クリックして [sr_band2] を選択します。
ナチュラル カラーの組み合わせに画像が更新されます。 青みがかった色調ではなくなり、露出土壌エリアがより自然な茶色とベージュの色調で表示されます。 または、画像を探索しやすいよう必要に応じて、赤外カラー ([sr_band5]、[sr_band4]、[sr_band3]) や農業 ([sr_band7]、[sr_band5]、[sr_band2]) など他のバンド割り当てに切り替えることもできます。
注意:
取得する画像が、スペクトル バンドごとに 1 つずつ分かれたファイルのセットになっている場合もあります。 その場合の選択肢の 1 つは、コンポジット バンド ツールを使用して、このチュートリアルで作業した画像と同じように、それらのファイルを複数のバンドからなる単一の TIFF ファイルにまとめることです。
理解度の確認
必要に応じて、このチュートリアルで学んだ重要な概念に関する次の質問に答えてみてください。 自分の言葉で答えましょう。 これらの概念を他の人にどのように説明しますか？ 自信がない場合はチュートリアルの上に戻って関連する説明を確認してください。
- スペクトル バンドとは何ですか？
- スペクトル分解能とは何ですか？
- マルチスペクトル画像とは何ですか？ マルチスペクトル画像を生成する衛星センサーの例をいくつか挙げてください。
- 一般的なバンド割り当ての例をいくつか挙げてください。 それぞれの長所は何ですか？
- スペクトル プロファイル チャートは何を表しますか？
その他
必要に応じて、学習を継続するために他の作業に自分で挑戦してみましょう。
- Landsat 画像のスペクトル プロファイル チャートを作成します。 チュートリアルで見た他の 2 つのチャートと比較してどうですか？
- Sentinel-2 および Landsat 画像を使用してマップを作成し、農業バンド割り当てを使用して両方の画像をレンダリングします。 2 つのレイヤーを比較し、2 つの画像の間に収穫が行われた畑は見つかりますか？ 植物が育ったように見える畑は見つかりますか？
- Sentinel-2 または Landsat 画像を使用して、エリア内のさまざまな水域に位置するサンプル ポイントのスペクトル プロファイル チャートを作成します。 緑バンドの値が他よりも高く、藻類の存在を示唆する水域を見つけられますか？ また、水が濁っている (水に土が混ざっている) とスペクトル プロファイルはどうなりますか？
- さまざまなタイプのマルチスペクトル画像解析について説明されているチュートリアルを確認してください:
- 「衛星画像によるトウモロコシ畑のひょうによる被害の評価」(スペクトル指標と変化の検出)
- 「衛星画像を使用した焼け跡の評価」(バンド割り当てとスペクトル指標)
- 「スペクトル画像から不浸透面を計算」(教師付き分類)
- 「縮小する湖の測定を目的とした土地被覆の分類」(教師なし分類)
- 「GeoAI で高解像度の土地被覆を抽出」(ディープ ラーニング)
このチュートリアルでは、スペクトル分解能、スペクトル バンド、マルチスペクトル画像、反射率、画像コンポジット、バンド割り当て、スペクトル シグネチャー、スペクトル プロファイル チャートの概念についての理解を深めました。 さまざまなバンド割り当てを使用して衛星画像を視覚化しました。 スペクトル プロファイル チャートを探索し、異なるスペクトル分解能の画像を比較しました。 最後に、より高度な解析の準備のために画像のスペクトル バンド数を変更する方法を学びました。
同様のチュートリアルについては、拡大中の「画像の解像度の探索」シリーズをご参照ください。
