リモートセンシング

リモートセンシングとは、その場での観察とは対照的に、物体に物理的に接触することなく物体または現象に関する情報を取得することです。この用語は、特に地球や他の惑星に関する情報を取得する場合に適用されます。リモートセンシングは、地球物理学、地理学、土地測量、ほとんどの地球科学分野（探査地球物理学、水文学、生態学、気象学、海洋学、氷河学、地質学など）を含む多くの分野で使用されています。また、軍事、諜報、商業、経済、計画、人道的用途などにも使用されています。

現在、リモートセンシングという用語は、一般的に衛星または航空機ベースのセンサー技術を使用して地球上の物体を検出および分類することを指します。これには、伝播信号（電磁放射など）に基づく地表、大気、海洋が含まれます。これは、「アクティブ」リモートセンシング（衛星または航空機から物体に信号が送信され、その反射がセンサーによって検出される場合）と「パッシブ」リモートセンシング（太陽光の反射がセンサーによって検出される場合）に分けられます。^{[1] [2] [3] [4]}

リモート センシングは、パッシブ リモート センシングとアクティブ リモート センシングの 2 種類の方法に分けられます。パッシブ センサーは、物体または周囲の領域から放射または反射される放射線を収集します。パッシブ センサーによって測定される最も一般的な放射線源は、反射太陽光です。パッシブ リモート センサーの例には、フィルム写真、赤外線、電荷結合素子、放射計などがあります。一方、アクティブ収集では、物体や領域をスキャンするためにエネルギーを放射し、その後センサーがターゲットから反射または後方散乱した放射線を検出して測定します。RADARとLiDARは、放射と戻りの間の時間遅延を測定して物体の位置、速度、方向を特定するアクティブ リモート センシングの例です。

リモート センシングにより、危険な地域やアクセスできない地域のデータを収集できます。リモート センシングの用途には、アマゾン川流域などの地域の森林伐採、北極および南極地域の氷河の特徴、沿岸および海洋深部の深度測定の監視などがあります。冷戦中の軍事収集では、危険な国境地域に関するデータのスタンドオフ収集が利用されました。リモート センシングは、コストがかかり時間のかかる地上でのデータ収集に代わるもので、その過程で地域や物体が乱されないようにします。

軌道プラットフォームは、電磁スペクトルのさまざまな部分からデータを収集して送信し、より大規模な空中または地上ベースのセンシングと分析と組み合わせることで、エルニーニョやその他の自然現象の長期的および短期的な傾向を監視するのに十分な情報を研究者に提供します。その他の用途には、天然資源管理などの地球科学のさまざまな分野、土地利用や保全などの農業分野、^{[5] [6]}温室効果ガスの監視、^[7]油流出の検出と監視、^[8]国家安全保障、国境地域での頭上、地上、スタンドオフ収集などがあります。^[9]

マルチスペクトル収集と分析の基礎は、周囲の領域から目立つ放射線を反射または放射する検査対象領域またはオブジェクトです。主要なリモートセンシング衛星システムの概要については、概要表を参照してください。

• 従来のレーダーは、主に航空交通管制、早期警報、および特定の大規模気象データに関連しています。ドップラー レーダーは、地方警察による速度制限の監視や、気象システム内の風速と風向、降水位置と強度などの高度な気象データ収集に使用されています。その他のタイプのアクティブ収集には、電離層のプラズマが含まれます。干渉合成開口レーダーは、大規模な地形の正確な数値標高モデルを作成するために使用されます( RADARSAT、TerraSAR-X、Magellanを参照)。
• 衛星に搭載されたレーザーおよびレーダー 高度計は、広範囲にわたるデータを提供します。重力によって生じる水の隆起を測定することで、海底の特徴を 1 マイル程度の解像度で地図に表します。また、海の波の高さと波長を測定することで、高度計は風速と風向、表面の海流と方向を測定します。
• 超音波（音響）式およびレーダー式の潮位計は、沿岸および沖合の潮位計で海面、潮汐、波の方向を測定します。
• 光検出測距（LIDAR）は、武器の測距、レーザー照射による発射体の誘導、大気中のさまざまな化学物質の濃度の検出と測定に使用されます。一方、航空機搭載LIDARは、レーダー技術よりも正確に地上の物体や地物の高さを測定するために使用できます。LIDARは地表の変化を検出するために使用できます。^[10]植生リモートセンシングはLIDARの主な用途です。^[11]
• 放射計と光度計は、最も一般的に使用されている機器で、広範囲の周波数で反射および放射された放射を収集します。最も一般的なのは可視光センサーと赤外線センサーで、次にマイクロ波、ガンマ線、まれに紫外線が続きます。これらは、さまざまな化学物質の放射スペクトルを検出して、大気中の化学物質の濃度に関するデータを提供するためにも使用されます。

• 放射計は夜間にも使用されます。人工的な光の放出は人間の活動の重要な特徴であるためです。^[13]用途には、人口、GDP、戦争や災害によるインフラの被害のリモートセンシングなどがあります。
• 衛星に搭載された放射計やレーダーは火山噴火の監視に使用できる^{[14] [15]}
• 米国陸軍研究所の研究者らは、分光偏光イメージングが標的追跡に有効であると報告している。彼らは、人工物は自然物には見られない偏光特性を持っていると判定した。これらの結論は、音響光学可変フィルタデュアルハイパースペクトルおよび分光偏光VNIR分光偏光イメージング装置を使用して、ハンビーなどの軍用トラックやトレーラーを画像化することで得られた。 ^{[16] [17]}
• 立体航空写真は、陸上の生息地の特徴をモデル化するだけでなく、交通や高速道路部門の画像および地形分析者によって、潜在的なルートの地形図を作成するためによく使用されています。^{[18] [19] [20]}
• ランドサットなどの同時マルチスペクトルプラットフォームは、1970年代から使用されています。これらの主題図作成装置は、電磁放射の複数の波長（マルチスペクトル）で画像を撮影し、通常、ランドサットプログラムやIKONOS衛星などの地球観測衛星に搭載されています。主題図からの土地被覆と土地利用の地図は、鉱物の探査、土地利用の検出または監視、侵入植物の検出、森林破壊、農業地域全体または森林を含む在来植物と作物の健康状態（衛星作物監視）の調査に使用できます。 ^[21]この目的でリモートセンシングを使用している著名な科学者には、ジャネット・フランクリンとルース・デフリースがいます。ランドサット画像は、セッキ深度、クロロフィル密度、総リン含有量などの水質パラメータを示すためにKYDOWなどの規制機関によって使用されています。気象衛星は気象学と気候学で使用されます。
• ハイパースペクトル イメージングでは、連続したスペクトル範囲にわたって狭いスペクトル バンドをイメージングし、各ピクセルに完全なスペクトル情報が含まれる画像を生成します。ハイパースペクトル イメージングは​​、鉱物学、生物学、防衛、環境測定など、さまざまな用途で使用されます。
• 砂漠化防止の観点から、リモートセンシングにより研究者は長期的に危険地域を追跡・監視し、砂漠化要因を特定し、意思決定者が環境管理の適切な対策を定義することを支援して、その影響を評価することができる。^[22]
• リモートセンシングによるマルチスペクトル画像とハイパースペクトル画像は、さまざまなスケールでの生物多様性の評価に使用できます。異なる植物種のスペクトル特性はそれぞれ異なるため、生息地の異質性、スペクトル多様性、植物の機能特性など、生物多様性に関連する特性に関する情報を得ることができます。^{[23] [24] [25]}
• リモートセンシングは希少植物の検出に使用され、保全活動に役立てられています。中解像度から超高解像度まで、予測、検出、生物物理学的条件の記録が可能でした。^[26]
• 農業および環境統計。通常、分類された衛星画像と、エリアサンプリングフレームで選択されたサンプルから収集された地上真実データを組み合わせたもの^[27]

• 測地リモートセンシングは、重力式と幾何学式がある。上空からの重力データ収集は、最初に航空潜水艦探知に使用された。このデータは、地球の重力場の微細な変動を明らかにし、地球の質量分布の変化を決定するために使用できる可能性があり、 GRACEなどの地球物理学的研究に使用できる可能性がある。幾何学的リモートセンシングには、 InSAR、LIDARなどを使用した位置と変形の画像化が含まれる^。[28]

• ソナー:パッシブソナーは、他の物体(船舶、クジラなど)が発する音を聞き取ります。アクティブソナーは、音のパルスを発して反響を聞き取り、水中の物体や地形の検出、距離測定、測定に使用されます。
• さまざまな場所で取得された地震記録により、相対的な強度と正確なタイミングを比較することで、地震の発生場所を特定し、測定することができます。
• 超音波: 高周波パルスを発してエコーを聴く超音波センサー。潮位計やタンクの牽引などで水波や水位を検出するために使用されます。

一連の大規模観測を調整するために、ほとんどのセンシング システムは、プラットフォームの位置とセンサーの方向に依存しています。高性能の機器は現在、衛星ナビゲーション システムからの位置情報を使用することが多いです。回転と方向は、電子コンパスによって 1 度または 2 度以内で提供されることがよくあります。コンパスは方位角 (つまり、磁北に対する度数) だけでなく、高度 (地平線からの度数) も測定できます。これは、磁場が地球に曲がる角度が緯度によって異なるためです。より正確な方向付けには、ジャイロスコープによる方向付けが必要であり、星や既知のベンチマークからのナビゲーションを含むさまざまな方法で定期的に再調整されます。

リモートセンシング データの品質は、空間、スペクトル、放射、および時間の解像度で構成されます。

空間解像度

ラスター イメージに記録されるピクセルのサイズ。通常、ピクセルは、辺の長さが 1 ～ 1,000 メートル (3.3 ～ 3,280.8 フィート) の正方形領域に対応します。

スペクトル分解能

記録されたさまざまな周波数帯域の波長 – 通常、これはプラットフォームによって記録された周波数帯域の数に関係します。現在のLandsatコレクションは 7 つの帯域で構成されており、そのうちいくつかは赤外線スペクトルで、スペクトル解像度は 0.7 ～ 2.1 μm です。Earth Observing-1 の Hyperion センサーは 0.4 ～ 2.5 μm の 220 帯域を分解し、帯域あたりのスペクトル解像度は 0.10 ～ 0.11 μm です。

放射分解能

センサーが識別できる放射線の異なる強度の数。通常、これは 8 ～ 14 ビットの範囲で、各バンドで 256 レベルのグレー スケールと最大 16,384 の強度または「色合い」に相当します。また、機器のノイズによっても異なります。

時間解像度

衛星または航空機による上空飛行の頻度。これは、時系列研究、または森林伐採監視のように平均画像またはモザイク画像を必要とする研究にのみ関連します。これは、繰り返しの調査によってインフラストラクチャの変更、ユニットの配置、または機器の変更/導入が明らかになった諜報機関によって最初に使用されました。特定のエリアまたはオブジェクトが雲で覆われている場合は、その場所の収集を繰り返す必要があります。

センサーベースのマップを作成するために、ほとんどのリモート センシング システムでは、地上の既知のポイント間の距離を含む参照ポイントに関連してセンサー データを外挿することを想定しています。これは、使用するセンサーの種類によって異なります。たとえば、従来の写真では、距離は画像の中心では正確ですが、中心から離れるほど測定値の歪みが大きくなります。もう 1 つの要因は、写真を使用して地上の距離を測定するときに、フィルムが押し付けられるプラテンによって重大なエラーが発生する可能性があることです。この問題を解決する手順は、ジオリファレンスと呼ばれ、確立されたベンチマークを使用して外挿された画像内のポイント (通常は画像ごとに 30 以上のポイント) をコンピューターでマッチングし、画像を「ワープ」して正確な空間データを生成します。1990 年代初頭の時点では、ほとんどの衛星画像は完全にジオリファレンスされた状態で販売されています。

さらに、画像は放射測定および大気補正が必要になる場合があります。

放射補正

放射誤差や歪みを回避できます。地球表面上の物体の照明は、地形のさまざまな特性により不均一です。この要素は、放射歪み補正法で考慮されます。^[29]放射補正はピクセル値にスケールを与えます。たとえば、0〜255の単色スケールは、実際の放射輝度値に変換されます。

地形補正（地形補正とも呼ばれる）

険しい山岳地帯では、地形の影響で、ピクセルの有効照度が大きく異なります。リモートセンシング画像では、日陰斜面のピクセルは弱い照度を受け、放射輝度値が低くなりますが、対照的に、日当たりの良い斜面のピクセルは強い照度を受け、放射輝度値が高くなります。同じ物体でも、日陰斜面のピクセルの放射輝度値は、日当たりの良い斜面のピクセルの放射輝度値と異なります。さらに、異なる物体が同様の放射輝度値を持つこともあります。これらの曖昧さは、山岳地帯でのリモートセンシング画像情報抽出精度に重大な影響を及ぼし、リモートセンシング画像のさらなる応用に対する主な障害となりました。地形補正の目的は、この影響を排除し、水平条件での物体の真の反射率または放射輝度を回復することです。これは、定量的なリモートセンシング応用の前提です。

大気補正

各周波数帯域を再スケーリングして、その最小値（通常は水域で実現）がピクセル値 0 に対応するようにすることで、大気のもやを除去します。データをデジタル化することで、グレースケール値を変更してデータを操作することもできます。

解釈は、データを理解する上で重要なプロセスです。最初のアプリケーションは航空写真コレクションで、従来の単一または立体的なカバレッジの両方でライト テーブルを使用した空間測定、写真測量法の使用、フォトモザイクの使用、繰り返しカバレッジ、変更を検出するためにオブジェクトの既知の寸法を利用するなどの追加スキルを使用したプロセスが使用されました。画像分析は、最近開発された自動化されたコンピューター支援アプリケーションであり、ますます使用されています。

オブジェクトベース画像解析 (OBIA) は、リモートセンシング (RS) 画像を意味のある画像オブジェクトに分割し、空間、スペクトル、および時間スケールを通じてその特性を評価することを目的とした GIScience のサブ分野です。

リモートセンシングによる古いデータは、広範囲の地理的範囲で唯一の長期データとなる場合があり、貴重なものとなることがよくあります。同時に、データの解釈は複雑で、保管もかさばります。最新のシステムでは、データをデジタル形式で保存する傾向があり、多くの場合、ロスレス圧縮が使用されています。この方法の問題点は、データが壊れやすく、形式が古い場合があり、データが簡単に改ざんされる可能性があることです。データ シリーズをアーカイブするための最適なシステムの 1 つは、コンピューターで生成された機械可読なウルトラフィッシュ(通常は OCR-B などの書体) またはデジタル化されたハーフトーン画像です。ウルトラフィッシュは標準的な図書館で十分に保存され、数世紀にわたって保存されます。自動化されたシステムで作成、コピー、ファイル、および取得できます。アーカイブ用の磁気メディアと同程度にコンパクトですが、最小限の標準化された機器があれば人間が読み取ることができます。

一般的に言えば、リモートセンシングは逆問題の原理に基づいて機能します。つまり、関心のあるオブジェクトまたは現象 (状態) は直接測定されないかもしれませんが、計算を通じて関心のあるオブジェクトに関連付けられる可能性のある、検出および測定可能な他の変数 (観測) が存在します。これを説明するためによく挙げられる類推は、足跡から動物の種類を判別することです。たとえば、上層大気の温度を直接測定することは不可能ですが、その領域にある既知の化学種 (二酸化炭素など) からのスペクトル放射を測定することは可能です。放射の周波数は、熱力学を介してその領域の温度に関連付けられます。

実際のデータ処理に関する議論を容易にするために、1986年にNASAの地球観測システム^{[30]の一部としていくつかの処理「レベル」が初めて定義され、それ以来NASA内部（例、 [31]}）と他の場所（例^[32] ）の両方で着実に採用されてきました。これらの定義は次のとおりです。

レベル 1 のデータ レコードは、科学的に重要な有用性を持つ最も基本的な (つまり、最も高い可逆レベル) データ レコードであり、後続のすべてのデータ セットが作成される基礎となります。レベル 2 は、ほとんどの科学的アプリケーションで直接使用できる最初のレベルであり、その価値は下位レベルよりもはるかに高くなります。レベル 2 データ セットは、時間的、空間的、またはスペクトル的に縮小されているため、レベル 1 データよりも容量が小さくなる傾向があります。レベル 3 データ セットは、一般に下位レベルのデータ セットよりも小さいため、大量のデータ処理オーバーヘッドを発生させることなく処理できます。これらのデータは、一般に多くのアプリケーションでより有用になる傾向があります。レベル 3 データセットの規則的な空間的および時間的構成により、さまざまなソースからのデータを簡単に組み合わせることができます。

これらの処理レベルは、典型的な衛星データ処理パイプラインに特に適していますが、他のデータ レベルの語彙も定義されており、より異種のワークフローに適している可能性があります。

衛星画像は、農業、林業、土地被覆全般など、その地域に密接に関連するトピックに関する統計を作成するのに非常に有用な情報を提供します。 Landsata 1 画像を統計に応用した最初の大規模プロジェクトは、NASA、NOAA、USDAが1974 ～ 1977 年に実施した LACIE (Large Area Crop Inventory Experiment) でした。^{[33] [34]イタリアの AGRIT プロジェクトや}欧州委員会の共同研究センター(JRC)の MARS プロジェクトなど、作物面積の推定に関する他の多くの応用プロジェクトがこれに続きました。^[35]森林面積と森林破壊の推定も、土地被覆と土地利用と同様に、リモートセンシング プロジェクトの頻繁なターゲットとなっています。^{[36] [37 ]}

画像分類を訓練し検証するためのグラウンドトゥルースデータや参照データは、一年生作物や個々の森林種を対象としている場合は現地調査が必要ですが、航空写真や衛星画像で確実に識別できるより広いクラスを調べる場合は、写真判読で代用できます。確率的サンプリングは、画像分類の訓練ピクセルの選択には重要ではありませんが、分類された画像の精度評価と面積推定には必要であることを強調しておく必要があります。^{[39] [40] [41]}訓練データセットと検証データセットが空間的に相関していないことを確認するために、さらに注意することをお勧めします。^[42]

ここで、視覚的な写真判読によって分類された画像または土地被覆マップが、目的に合ったマップされたクラスの凡例とともに作成されていると仮定します。ここで再び小麦の例を取り上げます。直接的なアプローチは、小麦として分類されたピクセルの数を数え、各ピクセルの面積を掛け算することです。多くの著者は、混同行列におけるコミッションエラーとオミッションエラーが互いに補償しないため、推定値が一般に偏っていることに気づいています^{[43] [44] [45]}

分類された衛星画像や衛星画像に基づいて計算された他の指標の主な強みは、対象地域全体またはその大部分に関する安価な情報を提供できることです。この情報は通常、偏りのない正確な方法で観察するには通常費用がかかる対象変数（グラウンドトゥルース）と良好な相関関係にあります。したがって、エリアサンプリングフレームで選択された確率的サンプルで観察できます。従来の調査方法論では、サンプルに関する正確な情報と、収集コストが安い共変数またはプロキシの正確性は低いが網羅的なデータを組み合わせるさまざまな方法を提供しています。農業統計の場合、通常は現地調査が必要ですが、航空写真や高解像度の衛星画像で確実に識別できる土地被覆クラスの場合は、写真による判読の方が適している場合があります。不完全な参照データ（グラウンドトゥルースまたは同様のもの）が原因で、追加の不確実性が生じる可能性があります。^{[46] [47]}

いくつかの選択肢としては、比率推定器、回帰推定器、^[48]、較正推定器^[49]、小領域推定器^{[38]などがある。}

作物の収穫量や葉面積などの他の変数を対象とする場合には、クロロフィル活性の良い指標であるNDVIなど、画像から計算される異なる指標が必要になる場合があります。^[50]

リモートセンシングという現代の分野は、飛行の発達とともに生まれました。気球乗りの​​G.トゥルナション（別名ナダール）は、1858年に気球からパリの写真を撮影しました。 ^[51]伝書鳩、凧、ロケット、無人気球も初期の画像に使用されました。気球を除いて、これらの最初の個々の画像は、地図作成や科学的目的に特に役立つものではありませんでした。

体系的な航空写真は、第一次世界大戦以降、軍事監視および偵察の目的で開発されました。^[52]第一次世界大戦後、リモートセンシング技術は急速に民間用途に採用されました。^[53]これは、1941年の教科書「航空写真と航空調査」の最初の行に次のように記されていることからも明らかです。

「航空写真術を説く必要はもうない。米国では特にそうだ。航空写真術は広く普及し、その価値も非常に大きいため、国の片隅で畑を耕す農民でさえその価値を知っている。」

— ジェームズ・バグリー、^[53]

リモートセンシング技術の発展は、冷戦中にP-51、P-38、RB-66、F-4Cなどの改造戦闘機や、U2/TR-1、SR-71、A-5、OV-1シリーズなどの特別に設計された収集プラットフォームを上空およびスタンドオフ収集に使用して最高潮に達した。^[54]より最近の開発では、有人および無人のプラットフォームの両方で法執行機関や軍隊で使用されるような、ますます小型のセンサーポッドが開発されている。このアプローチの利点は、特定の機体への変更が最小限で済むことである。その後の画像化技術には、赤外線、従来型、ドップラー、合成開口レーダーが含まれるようになる。^[55]

20世紀後半の人工衛星の開発により、冷戦終結とともにリモートセンシングは地球規模にまで進歩した。^[56]ランドサット、ニンバス、そして最近のミッションであるRADARSATやUARSなどのさまざまな地球観測衛星や気象衛星に搭載された計測機器は、民間、研究、軍事目的でさまざまなデータを地球規模で測定している。他の惑星への宇宙探査機も地球外環境でリモートセンシング研究を行う機会を提供し、マゼラン宇宙船に搭載された合成開口レーダーは金星の詳細な地形図を提供し、 SOHOに搭載された計測機器は太陽と太陽風の研究を可能にしたが、これはほんの一例に過ぎない。^{[57] [58]}

最近の発展としては、1960年代から1970年代にかけて始まった衛星画像の画像処理の発展が挙げられる。「リモートセンシング」という用語の使用は、科学の進歩により航空写真という用語がもはや新技術によって生成されるデータストリームを説明するのに適切ではないことにエブリン・プルイットが気づいた1960年代初頭に始まった。 ^{[59] [60]}彼女は海軍研究局の同僚であるウォルター・ベイリーの助けを借りて、「リモートセンシング」という用語を作り出した。^{[61] [62]} NASAエイムズ研究センター、GTE、ESL Inc.などシリコンバレーのいくつかの研究グループがフーリエ変換技術を開発し、画像データの顕著な強化に初めて成功した。1999年には、非常に高解像度の画像を収集する最初の商用衛星（IKONOS）が打ち上げられた。^[63]

リモートセンシングは、現代の情報社会においてますます重要性を増しています。航空宇宙産業の一部として重要な技術であり、経済的重要性も高まっています。TerraSAR -XやRapidEyeなどの新しいセンサーが絶えず開発されており、熟練労働者の需要は着実に増加しています。さらに、リモートセンシングは、天気予報から気候変動や自然災害の報告に至るまで、日常生活に多大な影響を与えています。たとえば、ドイツの学生の80％がGoogle Earthのサービスを利用しています。2006年だけで、このソフトウェアは1億回ダウンロードされました。しかし、調査によると、使用しているデータについて詳しく知っている学生はほんのわずかです。^{[64]衛星画像の応用と理解の間には大きな}知識のギャップがあります。リモートセンシングは、このテーマに関する教育への支援を強化するという政治的主張にもかかわらず、学校では間接的な役割しか果たしていません。^[65]学校の授業用に明示的に開発されたコンピューターソフトウェアの多くは、その複雑さのためにまだ実装されていません。その結果、この科目はカリキュラムにまったく組み込まれていないか、アナログ画像の解釈の段階を通過していません。実際、リモートセンシングの科目では、衛星画像の単なる視覚的解釈に加えて、物理学と数学の統合、およびメディアと方法の分野における 能力が必要です。

多くの教師は「リモートセンシング」という科目に大きな関心を持っており、カリキュラムが考慮される限り、このトピックを教育に取り入れようとしています。多くの場合、この奨励は混乱した情報のために失敗しています。^[66]リモートセンシングを持続可能な方法で統合するために、EGUやDigital Earth ^{[67]などの組織は、}学習モジュールと学習ポータルの開発を奨励しています。例としては、FIS – Remote Sensing in School Lessons、^[68] Geospektiv、^[69] Ychange、^[70]またはSpatial Discovery ^[71]があり、メディアと方法の資格と独立した学習を促進しています。

リモート センシング データは、リモート センシング アプリケーションと呼ばれるコンピューター ソフトウェアを使用して処理および分析されます。リモート センシング データを処理するための独自のアプリケーションやオープン ソース アプリケーションが多数存在します。

ガンマ線はリモートセンシングによる鉱物探査に応用されている。1972年には、ガンマ線を使ったリモートセンシングによる鉱物探査に200万ドル以上が費やされた。ガンマ線はウラン鉱床の探索に利用されている。カリウムからの放射能を観察することで、斑岩銅鉱床を見つけることができる。ウランとトリウムの比率が高いことは、熱水銅鉱床の存在と関連していることが判明している。放射線パターンは油田やガス田の上でも発生することが知られているが、これらのパターンの一部は油やガスではなく表土によるものと考えられていた。^[72]

地球観測衛星または地球リモートセンシング衛星は、軌道からの地球観測(EO)のために使用または設計された衛星であり、環境監視、気象学、地図作成などの非軍事用途を目的としたスパイ衛星や類似の衛星が含まれます。最も一般的なタイプは、航空写真に類似した衛星画像を撮影する地球画像衛星です。一部の EO 衛星は、 GNSS 電波掩蔽など、画像を形成せずにリモートセンシングを実行する場合があります。

衛星リモートセンシングの最初の例は、1957年10月4日にソ連が最初の人工衛星スプートニク1号を打ち上げたことに遡ります。 ^[73]スプートニク1号は無線信号を送信し、科学者はそれを使用して電離層を研究しました。^[74] アメリカ陸軍弾道ミサイル局は、1958年1月31日にNASAジェット推進研究所向けに最初のアメリカの衛星エクスプローラー1号を打ち上げました。その放射線検出器から送信された情報により、地球のヴァンアレン放射線帯が発見されました。^{[75] NASAの}テレビ赤外線観測衛星（TIROS）プログラムの一環として1960年4月1日に打ち上げられたTIROS-1宇宙船は、宇宙から撮影された気象パターンの最初のテレビ映像を送信しました。^[73]

2008年には150機以上の地球観測衛星が軌道上にあり、パッシブセンサーとアクティブセンサーの両方でデータを記録し、毎日10テラビット以上のデータを取得していました。^[73] 2021年までにその合計は950機以上に増加し、最も多くの衛星を運用しているのは米国に拠点を置くPlanet Labs社です。^[76]

地球観測衛星の多くは、比較的低い高度で運用されるべき機器を搭載している。そのほとんどは高度500～600キロメートル（310～370マイル）以上の軌道を周回する。低軌道では空気抵抗が大きくなるため、頻繁な軌道再ブースト操作が必要となる。欧州宇宙機関の地球観測衛星ERS-1、ERS-2、Envisat、およびEUMETSATのMetOp宇宙船は、いずれも高度約800キロメートル（500マイル）で運用されている。欧州宇宙機関のProba-1、Proba-2、SMOS宇宙船は、高度約700キロメートル（430マイル）から地球を観測している。UAEの地球観測衛星DubaiSat-1およびDubaiSat-2も低軌道（LEO）に配置されており、地球のさまざまな部分の衛星画像を提供している。 ^{[77] [78]}

低軌道で地球全体をカバーするには、極軌道を使用します。低軌道の軌道周期は約 100 分で、地球は連続する軌道間で極軸の周りを約 25° 回転します。地上の軌道は各軌道で西に 25° 移動するため、各軌道で地球の異なる部分をスキャンできます。ほとんどは太陽同期軌道にあります。

高度 36,000 km (22,000 マイル) の静止軌道 では、この高度での軌道周期が 24 時間であるため、衛星は地球上の一定の地点に留まることができます。これにより、衛星 1 基あたり地球の 1/3 以上を途切れることなくカバーできるため、120° 間隔で配置された 3 つの衛星で地球全体をカバーできます。このタイプの軌道は、主に気象衛星に使用されます。

• キャンベル、JB (2002)。リモートセンシング入門（第3版）。ギルフォード出版。ISBN 978-1-57230-640-0。
• Datla, RU; Rice, JP; Lykke, KR; Johnson, BC; Butler, JJ; Xiong, X. (2011 年 3 月～4 月)。「受動光リモートセンシング用機器の打ち上げ前特性評価および較正に関するベストプラクティスガイドライン」。国立標準技術研究所の研究ジャーナル。116 (2): 612–646。doi :  10.6028 / jres.116.009。PMC 4550341。PMID 26989588。 
• Dupuis, Chloé; Lejeune, Philippe; Michez, Adrien; Fayolle, Adeline (2020). 「リモートセンシングは熱帯湿潤林の劣化の監視にどのように役立つか?—体系的レビュー」.リモートセンシング. 12 (7): 1087. Bibcode :2020RemS...12.1087D. doi : 10.3390/rs12071087 .
• ジェンセン、JR (2007)。環境のリモートセンシング：地球資源の観点（第2版）。プレンティスホール。ISBN 978-0-13-188950-7。
• Jensen, JR (2005)。『デジタル画像処理：リモートセンシングの観点（第 3 版）』。Prentice Hall。
• KUENZER, C. ZHANG, J.、TETZLAFF, A.、および S. DECH、2013: 表面および地下の石炭火災の熱赤外線リモートセンシング。(編) Kuenzer, C. および S. Dech 2013: 熱赤外線リモートセンシング - センサー、方法、アプリケーション。リモートセンシングおよびデジタル画像処理シリーズ、第 17 巻、572 ページ、ISBN 978-94-007-6638-9、429～ 451 ページ 
• Kuenzer, C. および S. Dech 2013: 熱赤外線リモートセンシング - センサー、方法、アプリケーション。リモートセンシングおよびデジタル画像処理シリーズ、第 17 巻、572 ページ、ISBN 978-94-007-6638-9 
• Lasaponara, R. およびMasini N. 2012: 衛星リモートセンシング - 考古学のための新しいツール。リモートセンシングおよびデジタル画像処理シリーズ、第 16 巻、364 ページ、ISBN 978-90-481-8801-7。 
• Lentile, Leigh B.; Holden, Zachary A.; Smith, Alistair MS; Falkowski, Michael J.; Hudak, Andrew T.; Morgan, Penelope; Lewis, Sarah A.; Gessler, Paul E.; Benson, Nate C. (2006). 「リモートセンシング技術による活動中の火災特性と火災後の影響の評価」International Journal of Wildland Fire . 3 (15): 319–345. doi :10.1071/WF0509​​7. S2CID  724358. 2014年8月12日時点のオリジナルよりアーカイブ。 2010年2月4日閲覧。
• Lillesand, TM; RW Kiefer; JW Chipman (2003)。リモートセンシングと画像解釈（第 5 版）。Wiley。ISBN 978-0-471-15227-9。
• Richards, JA; X. Jia (2006)。リモートセンシングデジタル画像解析：入門（第4版）。Springer。ISBN 978-3-540-25128-6。

• ウィキメディア・コモンズのリモートセンシングに関連するメディア
• カーリーのリモートセンシング