ArcGIS Image Analyst ジオプロセシング ツールのリスト

ArcGIS Image Analyst エクステンションには、ArcGIS Pro で使用できる一連のジオプロセシング ツールが用意されています。

ジオプロセシング ツール

Image Analyst エクステンションには、多数のジオプロセシング ツールが用意されています。 これらのツールは、次の表で関連機能のカテゴリと関連ツールセットに分類されています。

変化の検出

[変化の検出] ツールセットには、ラスター データセット間の変化を検出するツールが含まれています。

ツール説明

CCDC を使用した変化の解析 (Analyze Changes Using CCDC)

CCDC (Continuous Change Detection and Classification) 法を使用してピクセル値の経時的な変化を評価し、モデル結果を含む変化解析ラスターを生成します。

LandTrendr を使用した変化の解析 (Analyze Changes Using LandTrendr)

干渉と回復における Landsat ベースの傾向検出 (LandTrendr) 法を使用してピクセル値の経時的な変化を評価し、モデル結果を含む変化解析ラスターを生成します。

ラスターの変化の計算 (Compute Change Raster)

2 つのラスター データセット間の絶対的な差分、相対的な差分、カテゴリ差分、またはスペクトル差分を計算します。

変化解析ラスターから変化を検出 (Detect Change Using Change Analysis Raster)

[CCDC を使用した変化の解析 (Analyze Changes Using CCDC)] ツールまたは [LandTrendr を使用した変化の解析 (Analyze Changes Using LandTrendr)] ツールの出力変化解析ラスターを使用してピクセル変化情報を含むラスターを生成します。

変化の検出ツールセットのツール

分類とパターン認識

分類ツールセットおよびパターン認識ツールセットのツールは、画像データのパターンを検索、特定、定量化します。 セグメント化されたラスター データセットおよびピクセル ベースのラスター データセットに対して従来の統計と高度なコンピューター ラーニング画像分類および回帰分析を実行できます。 また、トレーニング セット、分類の精度の評価、クラス マップの調整を行うためのツールも用意されています。 以下の表に、分類ツールとパターン認識ツール、およびその簡単な説明を示します。

ツール説明

ラスターの分類 (Classify Raster)

Esri 分類器定義ファイル (.ecd) とラスター データセット入力に基づいて、ラスター データセットを分類します。

.ecd ファイルには、Esri がサポートする特定タイプの分類を実行するために必要なすべての情報が含まれています。 このツールへの入力は、必要な .ecd ファイルの生成に使用される入力と一致する必要があります。

スペクトルを使用してラスターを分類 (Classify Raster Using Spectra)

スペクトルマッチング技術を使用してマルチバンド ラスター データセットを分類します。 入力スペクトル データはポイント フィーチャクラスまたは .json ファイルとして提供することができます。

混同行列の計算 (Compute Confusion Matrix)

オミッション エラーおよびコミッション エラーを使用して混同行列を計算し、分類済みマップと参照データ間のカッパ値、IoU (Intersection over Union)、および全体的な精度を出力します。

セグメント属性の計算 (Compute Segment Attributes)

セグメント画像に関連付けられた一連の属性を計算します。 入力ラスターは、シングルバンドまたは 3 バンドの 8 ビットのセグメント画像です。

精度評価ポイントの作成 (Create Accuracy Assessment Points)

分類後の精度評価のためにランダムにサンプリングされたポイントを作成します。

シード ポイントからトレーニング サンプルを生成 (Generate Training Samples From Seed Points)

精度評価ポイントやトレーニング サンプル ポイントなどのシード ポイントからトレーニング サンプルを作成します。 一般的には、主題ラスターやフィーチャクラスなどの既存のソースからトレーニング サンプルを生成する場合に使用されます。

トレーニング サンプルの検査 (Inspect Training Samples)

個々のトレーニング サンプルの精度を評価します。 .ecd ファイル内の以前に生成された分類トレーニング結果とトレーニング サンプルを使用して、相互整合チェック精度が計算されます。 出力には、誤分類されたクラス値が格納されるラスター データセットと、各トレーニング サンプルの精度スコアを含むトレーニング サンプル データセットが含まれます。

リニア スペクトル分解 (Linear Spectral Unmixing)

サブピクセル分類を実行し、ピクセルごとに異なる土地被覆タイプの部分存在量を算出します。

回帰モデルを使用した予測 (Predict Using Regression Model)

[ランダム ツリーによる回帰モデル定義ファイルの作成 (Train Random Trees Regression Model)] ツールからの出力を使用して、データ値を予測します。

ラスター セグメントのタイル アーティファクトの削除 (Remove Raster Segment Tiling Artifacts)

ラスター関数として実行されたセグメンテーション プロセス中にタイル境界で切られたセグメントまたはオブジェクトを修正します。 このツールは、画像タイル境界の近くで不整合が発生するリージョン プロセス (画像セグメンテーションなど) に役立ちます。

この処理ステップは [セグメント平均シフト (Segment Mean Shift)] ツールに含まれています。 そのツールから作成されなかったセグメント画像にのみこのツールを使用する必要があります。

セグメント平均シフト (Segment Mean Shift)

類似したスペクトル特性を持つ隣接ピクセルを、セグメントにグループ化します。

ISO クラスターによる分類器定義ファイルの作成 (Train Iso Cluster Classifier)

ISO クラスター分類定義を使用して、Esri 分類器定義ファイル (.ecd) を作成します。

K 最近隣内挿法による分類器定義ファイルの作成 (Train K-Nearest Neighbor Classifier)

分類方法として K 最近隣内挿法を使用して、Esri 分類器定義ファイル (.ecd) を生成します。

最尤法による分類器定義ファイルの作成 (Train Maximum Likelihood Classifier)

最尤法分類器 (MLC) 分類定義を使用して、Esri 分類器定義ファイル (.ecd) を作成します。

ランダム ツリーによる分類器定義ファイルの作成 (Train Random Trees Classifier)

ランダム ツリー分類方法を使用して、Esri 分類器定義ファイル (.ecd) を作成します。

ランダム ツリーによる回帰モデル定義ファイルの作成 (Train Random Trees Regression Model)

ランダム ツリー解析を使用して、説明変数とターゲット データセットの関係をモデル化します。

SVM による分類器定義ファイルの作成 (Train Support Vector Machine Classifier)

SVM 分類定義を使用して、Esri 分類器定義ファイル (.ecd) を作成します。

精度評価ポイントの更新 (Update Accuracy Assessment Points)

参照ポイントを分類済み画像と比較するには、属性テーブルの Target フィールドを更新します。

分類ツールセットとパターン認識ツールセットのツール

ディープ ラーニング

ディープ ラーニング ツールセットのツールは、人工ニューラル ネットワーク (レイヤーごとに、画像内で一意のフィーチャを 1 つ以上抽出できる) の複数のレイヤーを使用して画像内のフィーチャを検出します。 ディープ ラーニング ツールと各ツールの簡単な説明を次の表に示します。

ツール説明

ディープ ラーニングを使用したオブジェクトの分類 (Classify Objects Using Deep Learning)

入力ラスターとオプションのフィーチャクラスに対してトレーニング済みディープ ラーニング モデルを実行し、各入力オブジェクトまたはフィーチャにクラス ラベルまたはカテゴリ ラベルを割り当てたフィーチャクラスまたはテーブルを作成します。

ディープ ラーニングを使用したピクセルの分類 (Classify Pixels Using Deep Learning)

入力ラスターにトレーニング済みディープ ラーニング モデルを実行して、有効な各ピクセルにクラス ラベルを割り当てた分類済みラスターを作成します。

オブジェクト検出精度の計算 (Compute Accuracy For Object Detection)

[ディープ ラーニングを使用したオブジェクトの検出 (Detect Objects Using Deep Learning)] ツールから検出されたオブジェクトをグラウンド トゥルース データと比較することで、ディープ ラーニング モデルの精度を計算します。

ディープ ラーニングを使用して変化を検出 (Detect Change Using Deep Learning)

トレーニング済みディープ ラーニング モデルを実行して、2 つのラスター間の変化を検出します。

ディープ ラーニングを使用したオブジェクトの検出 (Detect Objects Using Deep Learning)

入力ラスターにトレーニング済みディープ ラーニング モデルを実行して、検出したオブジェクトを含むフィーチャクラスを作成します。 フィーチャには、検出されたオブジェクトの周囲の境界四角形やポリゴン、またはオブジェクトの中心のポイントを指定できます。

ディープ ラーニング用のトレーニング データをエクスポート (Export Training Data For Deep Learning)

リモート センシング画像を使用して、ラベルが付いたベクターまたはラスター データをディープ ラーニング トレーニング データセットに変換します。 出力は画像チップのフォルダー、および指定した形式のメタデータ ファイルのフォルダーです。

AI モデルを使用したフィーチャの抽出 (Extract Features Using AI Models)

入力ラスターで 1 つ以上の事前トレーニング済みディープ ラーニング モデルを実行して、フィーチャを抽出し、推測された出力の後処理を自動化します。

Non Maximum Suppression

[ディープ ラーニングを使用したオブジェクトの検出 (Detect Objects Using Deep Learning)] ツールの出力から、後処理のステップとして重複フィーチャを識別し、重複が除去された出力を作成します。

ディープ ラーニング モデルのトレーニング (Train Deep Learning Model)

[ディープ ラーニング用のトレーニング データをエクスポート (Export Training Data For Deep Learning)] ツールからの出力を使用してディープ ラーニング モデルをトレーニングします。

AutoDL を使用したトレーニング (Train Using AutoDL)

トレーニング パイプラインを構築し、データ拡張、モデル選択、ハイパーパラメーター調整、バッチ サイズ推論などの多くのトレーニング プロセスを自動化することで、ディープ ラーニング モデルをトレーニングします。

ディープ ラーニング ツールセットのツール

抽出

抽出ツールセットのツールは、ピクセルの属性またはピクセルの空間的位置によって、ラスターからピクセルのサブセットを抽出します。 以下の表に、抽出ツールと、その簡単な説明を示します。

ツール説明

サンプル

定義された位置のラスターまたは一連のラスターからのセルの値を表示するテーブルまたはポイント フィーチャクラスを作成します。 位置は、ラスター セル、ポイント、ポリライン、またはポリゴンによって定義されます。

抽出ツールセットのツール

内挿

内挿ツールセットのツールは、さまざまな種類のデータを内挿します。 以下の表に、内挿ツール、およびその簡単な説明を示します。

ツール説明

時空間ポイントから内挿 (Interpolate From Spatiotemporal Points)

時系列ポイント データを多次元ラスターに内挿します。

最適な内挿 (Optimal Interpolation)

複数のソースから結合されたデータを統計的に組み込んで、内挿された出力ラスターを生成します。

内挿ツールセットのツール

マップ代数演算

マップ代数演算は、代数演算の式を作成することでラスター解析を実行する方法です。 式を作成するには、ラスター データセットを出力する式を作成できる [ラスター演算 (Raster Calculator)] ツールを使用します。 [ラスター演算 (Raster Calculator)] ツールでは、Python 構文を使用して、1 つのマップ代数演算式を作成および実行します。

[ラスター演算 (Raster Calculator)] ツールの詳細については、「Image Analyst のマップ代数演算ツールセットの概要」をご参照ください。

算術演算

ラスター データセットに対して算術演算を実行できる 60 以上の算術演算ツールが用意されています。 これらのツールは、次の機能領域に分類されています。

  • 一般
  • 条件
  • 論理
    • Bitwise
    • Boolean
    • Combinatorial
    • Logical
    • Relational
  • 三角関数

算術演算 (一般)

一般的な算術演算ツールセットのツールは、算術演算を入力値に適用します。 これらのツールは、いくつかのカテゴリに分類されます。 算術ツールは、加算や乗算などの基本的な数学演算を実行します。 また、基本的な乗数演算に加えて、指数や対数など、さまざまな種類の指数演算を実行するツールがあります。 他には、符号変換や、整数と浮動小数点のデータ タイプ間の変換に使用するツールがあります。 以下の表に、一般演算ツールと、その簡単な説明を示します。

ツール説明

Abs

ラスターのセルの絶対値を計算します。

Divide

2 つのラスターの値をセル単位で除算します。

Exp

ラスター内のセル値の底が e の指数を計算します。

Exp10

ラスター内のセル値の底が 10 の指数を計算します。

Exp2

ラスター内のセル値の底が 2 の指数を計算します。

Float

ラスターの各セル値を浮動小数点表現に変換します。

Int

ラスターのセル値に対し、小数点以下を切り捨てて整数値に変換します。

Ln

ラスターのセル値に対して底が e の自然対数を計算します。

Log10

ラスターのセル値に対して底が 10 の対数を計算します。

Log2

ラスターのセル値に対して底が 2 の対数を計算します。

Minus

セル単位で、1 つ目の入力ラスターの値から 2 つ目の入力ラスターの値を減算します。

Mod

セルごとに最初のラスターを 2 番目のラスターで除算したときの余り (モジュロ) を算出します。

Negate

セルごとに入力ラスターのセル値の符号を変更 (-1 で乗算) します。

Plus

2 つのラスターの値をセル単位で加算します。

Power

ラスター内のセル値をもう 1 つのラスターにある値で累乗します。

Round Down

ラスター内の各セルで、負の方向に最近接の整数値を返して、浮動小数点として表現します。

Round Up

ラスター内の各セルで、正の方向に最近接の整数値を返して、浮動小数点として表現します。

Square

ラスターのセル値の二乗を計算します。

Square Root

ラスターのセル値の平方根を計算します。

Times

2 つのラスターの値をセル単位で乗算します。

一般演算ツールセットのツール

算術演算: 条件演算

条件演算ツールセットのツールでは、入力値の条件に基づいて出力値を制御します。 適用できる条件には、属性検索とリスト内の条件ステートメントの位置に基づく条件の 2 種類があります。 条件演算ツールと各ツールの簡単な説明を次の表に示します。

ツール説明

Con

入力ラスターのそれぞれの入力セルに対して if/else 条件の評価を実行します。

Pick

ポジション ラスターの値を使用して、出力セル値に使用される入力ラスターを決定します。

Set Null

指定の条件に基づいて識別されたセル位置を NoData に設定します。 条件評価が True の場合は NoData、False の場合は別のラスターで指定した値を返します。

条件 ツールセットのツール

論理演算

論理演算ツールセットのツールは、入力値を評価し、ブール型ロジックに基づいて出力値を決定します。 これらのツールでは、ビット演算、ブール、結合、関係、論理という 5 つの主要なカテゴリでラスター データセットが処理されます。 論理演算ツールと各ツールの簡単な説明を次の表に示します。

ツール説明

Bitwise And

2 つの入力ラスターのバイナリ値に対してビット単位の論理積演算を行います。

Bitwise Left Shift

2 つの入力ラスターのバイナリ値に対してビット単位の左シフト演算を行います。

Bitwise Not

1 つの入力ラスターのバイナリ値に対してビット単位の論理否定 (補数) 演算を行います。

Bitwise Or

2 つの入力ラスターのバイナリ値に対してビット単位の論理和演算を行います。

Bitwise Right Shift

2 つの入力ラスターのバイナリ値に対してビット単位の右シフト演算を行います。

Bitwise XOr

2 つの入力ラスターのバイナリ値に対してビット単位の排他的論理和演算を行います。

論理演算ツールセットのビット演算ツール

ツール説明

Boolean And

2 つの入力ラスターのセル値に対してブール型の論理積演算を行います。

両方の入力値が true (0 以外) の場合には、出力値は 1 になります。 片方または両方の入力値が false (0) の場合には、出力値は 0 になります。

Boolean Not

1 つの入力ラスターのセル値に対してブール型の論理否定 (補数) 演算を行います。

入力値が true (0 以外) の場合には、出力値は 0 になります。 入力値が false (0) の場合には、出力値は 1 になります。

Boolean Or

2 つの入力ラスターのセル値で論理和 (OR) 演算を行います。

片方または両方の入力値が true (0 以外) の場合には、出力値は 1 になります。 両方の入力値が false (0) の場合には、出力値は 0 になります。

Boolean XOr

2 つの入力ラスターのセル値に対してブール型の排他的論理和演算を行います。

片方の入力値が true (0 以外) でもう片方の入力値が false (0) の場合には、出力値は 1 になります。 両方の入力値が true (0 以外) または false (0) の場合には、出力値は 0 になります。

論理演算ツールセットのブール ツール

ツール説明

Combinatorial And

2 つの入力ラスターのセル値で Combinatorial And 処理を行います。

両方の入力値が true (0 以外) の場合には、入力値の組み合わせごとに異なる数値を出力します。 片方または両方の入力値が false (0) の場合には、出力値は 0 になります。

Combinatorial Or

2 つの入力ラスターのセル値で Combinatorial Exclusive Or 処理を行います。

片方の入力値が true (0 以外) の場合には、入力値の組み合わせごとに異なる数値を出力します。 両方の入力値が false (0) の場合には、出力値は 0 になります。

Combinatorial XOr

2 つの入力ラスターのセル値に対して排他的論理和結合演算を行います。

片方の入力値が true (0 以外) で、もう片方の入力値が false (0) の場合には、入力値の組み合わせごとに異なる数値を出力します。 両方の入力値が true (0 以外) または false (0) の場合には、出力値は 0 になります。

論理演算ツールセットの結合ツール

ツール説明

Equal To

2 つの入力値に対してセル単位での関係等価演算を実行します。

1 つ目のラスターが 2 つ目のラスターと等しい値をもつ場合には、セル値に 1 を返し、等しくない場合には 0 を返します。

Greater Than

2 つの入力値に対してセル単位で、より大きい関係演算を実行します。

1 つ目のラスターが 2 つ目のラスターより大きい場合にはセル値に 1 を返し、そうではない場合には 0 を返します。

Greater Than Equal

2 つの入力値に対してセル値単位で、以上演算を実行します。

1 つ目のラスターが 2 つ目のラスターより大きい、または 2 つ目のラスターと等しい場合にはセル値に 1 を返し、どちらでもない場合には 0 を返します。

Less Than

2 つの入力値に対してセル値単位で、より小さい関係演算を実行します。

1 つ目のラスターのセル値が 2 つ目のラスターのセル値よりも小さい場合は「1」を返し、そうでない場合は「0」を返します。

Less Than Equal

2 つの入力値に対してセル単位で、以下関係演算を実行します。

1 つ目のラスターが 2 つ目のラスターより小さいか、または 2 つ目のラスターと等しい場合にはセル値として 1 を返し、どちらでもない場合には 0 を返します。

Not Equal

2 つの入力値に対してセルごとに関係不等価演算を実行します。

最初のラスターが 2 番目のラスターと等しくない場合にはセル値に 1 を返し、等しい場合には 0 を返します。

論理演算ツールセットの関係ツール

ツール説明

Diff

1 つ目の入力値のどの値が 2 つ目の入力値と論理的に異なるかをセル単位で判別します。

2 つの入力値が異なる場合には、最初の入力値の値が出力値の値となります。 2 つの入力値が同じ場合には、出力値は 0 になります。

InList

最初の入力の中で、他の一連の入力に含まれる値をセル単位で判別します。

各セルについて、最初の入力ラスターの値が他の入力のリストに含まれている場合、その値が出力ラスターに割り当てられます。 含まれていない場合、出力セルは NoData になります。

Is Null

入力ラスターの値が NoData であるかどうかをセルごとに判別します。

入力値が NoData の場合は 1、そうでないセルには 0 を返します。

Over

1 つ目の入力ラスターのセルの値が 0 以外の場合、出力ラスターのセルの値は、1 つ目の入力ラスターの値になります。 セル値が 0 の場合、出力ラスターのセルの値は 2 つ目の入力ラスターの値になります。

Test

論理式を使用して、入力ラスターのブール演算を実行します。

式が True と評価されると、出力セル値は 1 になります。 入力値が false の場合、出力は 0 になります。

論理演算ツールセットの論理ツール

算術演算: 三角関数

三角関数演算ツールセットのツールは、入力ラスターの値に対してさまざまな三角関数を実行します。 三角関数演算ツールと各ツールの簡単な説明を次の表に示します。

ツール説明

ACos

ラスターのセル値の逆余弦を計算します。

ACosH

ラスターのセル値の逆双曲線正弦を計算します。

ASin

ラスターのセル値の逆正弦を計算します。

ASinH

ラスターのセル値の逆双曲線正弦を計算します。

ATan

ラスターのセル値の逆正接を計算します。

ATan2

ラスターのセル値の逆双曲線正接を計算します。

ATanH

ラスターのセル値の逆双曲線正接を計算します。

Cos

ラスターのセル値の余弦を計算します。

CosH

ラスターのセル値の双曲線余弦を計算します。

Sin

ラスターのセル値の正弦を計算します。

SinH

ラスターのセル値の双曲線正弦を計算します。

Tan

ラスターのセル値の正接を計算します。

TanH

ラスターのセル値の双曲線正接を計算します。

三角関数ツールセットのツール

モーション イメージ

モーション イメージ ツールセットのツールは、Full Motion Video データを含むモーション画像を管理、処理、解析します。 モーション画像ツールと各ツールの簡単な説明を次の表に示します。

ツール説明

フレームから画像を抽出 (Extract Frames To Images)

FMV 準拠のビデオ ストリームからビデオ フレーム画像と関連するメタデータを抽出し、データをディレクトリに保存します。

ビデオ メタデータ → フィーチャクラス (Video Metadata To Feature Class)

FMV 準拠のビデオからプラットフォーム、フレーム センター、フレーム アウトライン、および属性のメタデータを抽出し、フィーチャ データをディレクトリに保存します。

ビデオ マルチプレクサー (Video Multiplexer)

タイム スタンプで同期されたアーカイブ済みのビデオ ストリーム ファイルとそれに関連するメタデータ ファイルを結合してビデオ ファイルを作成します。

モーション イメージ ツールセットのツール

多次元解析

多次元解析ツールセットのツールは、複数の変数や次元にまたがる科学的なデータに対する解析を実行します。 以下の表に、多次元解析ツールとその簡単な説明を示します。

ツール説明

多次元ラスターの集約 (Aggregate Multidimensional Raster)

既存の多次元ラスター変数をディメンションに沿って結合することによって、多次元ラスター データセットを生成します。

次元変動統計 (Dimensional Moving Statistics)

多次元データの変動ウィンドウで指定された次元に沿って統計情報を計算します。

引数の統計を検索 (Find Argument Statistics)

多次元ラスターまたはマルチバンド ラスター内のピクセルごとに特定の統計情報が得られるディメンション値またはバンド インデックスを抽出します。

多次元異常の生成 (Generate Multidimensional Anomaly)

既存の多次元ラスター内のスライスごとに異常を計算し、新しい多次元ラスターを生成します。

トレンド ラスターの生成 (Generate Trend Raster)

多次元ラスターの 1 つまたは複数の変数のディメンションに沿って各ピクセルのトレンドを推定します。

多次元主成分分析 (Multidimensional Principal Components)

多次元ラスター全体の分散の原因となっている可能性のある成分の数を減らして、空間パターンと時間パターンを簡単に特定できるようにします。

多次元ラスターの相関 (Multidimensional Raster Correlation)

1 つまたは 2 つの多次元ラスターで 2 つの変数間の相関関係を解析します。

トレンド ラスターを使用した予測 (Predict Using Trend Raster)

[トレンド ラスターの生成 (Generate Trend Raster)] ツールの出力トレンド ラスターを使用して、予測される多次元ラスターを計算します。

カテゴリ ラスターの集約 (Summarize Categorical Raster)

入力カテゴリ ラスターの各スライス内にある各クラスのピクセル数を格納するテーブルを生成します。

多次元解析ツールセットのツール

オーバーレイ

オーバーレイ ツールセットのツールは、重ね合わされた複数のラスターに対してさまざまな演算を実行します。 以下の表に、オーバーレイ ツールと、その簡単な説明を示します。

ツール説明

加重合計 (Weighted Sum)

それぞれに与えられた加重値を掛け、その結果を合計したラスター同士をオーバーレイします。

オーバーレイ ツールセットのツール

統計

統計情報ツールセットのツールでは、ローカル、近傍解析、またはゾーンに基づいて統計ラスター演算を実行します。 統計情報ツールとその簡単な説明を次の表に示します。

ツール説明

セル統計 (Cell Statistics)

複数のラスターからセルごとに統計情報を計算します。

使用できる統計情報は、最頻値、最大、平均値、中央値、最小、最少頻値、パーセンタイル、範囲、標準偏差、合計、および種類です。

引数の統計を検索 (Find Argument Statistics)

多次元ラスター データセットのラスターのスタックで、特定の統計値に達したディメンション値 (たとえば、日付、高さ、深さ) を抽出できます。

フォーカル統計 (Focal Statistics)

各入力セル位置について、指定した近傍内の値の統計情報を計算します。

ゾーン統計 (Zonal Statistics)

他のデータセットのゾーンごとにラスター値を集約します。

ゾーン統計をテーブルに出力 (Zonal Statistics as Table)

他のデータセットのゾーンごとにラスター値を集約し、その結果をテーブルとして出力します。

統計情報ツールセットのツール

合成開口レーダー

合成開口レーダー ツールセットのツールは、合成開口レーダー (SAR) データを補正、処理、および解析できます。 合成開口レーダー ツールとその簡単な説明を次の表に示します。

ツール説明

幾何テレイン補正の適用 (Apply Geometric Terrain Correction)

range-Doppler バックジオコーディング アルゴリズムを使用して、入力 SAR (合成開口レーダー) データをオルソ補正します。

軌道修正の適用 (Apply Orbit Correction)

より正確な OSV (軌道ステート ベクター) ファイルを使用して、Sentinel-1 SAR (合成開口レーダー) データの軌道情報を更新します。

放射量キャリブレーションの適用 (Apply Radiometric Calibration)

参照平面を使用して反射率を正規化することで、入力 SAR (合成開口レーダー) の反射率を正規化された後方散乱の物理単位に変換します。

放射量分析によるテレインのフラット化を適用 (Apply Radiometric Terrain Flattening)

入力 SAR (合成開口レーダー) データの地形による放射歪みを補正します。

SAR 指数の計算 (Compute SAR Indices)

レーダー植生指数 (RVI)、レーダー森林劣化指数 (RFDI)、樹冠構造指数 (CSI) など、SAR (合成開口レーダー) データのさまざまな SAR 指数を計算します。

SAR 単位の変換 (Convert SAR Units)

振幅と強度、リニアとデシベル (dB)、および複素数と強度間で入力 SAR (合成開口レーダー) データのスケーリングを変換します。

カラー合成の作成 (Create Color Composite)

マルチバンド ラスター データセットから 3 バンド ラスター データセットを作成します。

スペックル除去 (Despeckle)

スペックルの入力 SAR (合成開口レーダー) データを補正します。スペックルは、粒状またはごま塩状の効果に似たコヒーレント照明の結果です。

明るい海洋オブジェクトの検出 (Detect Bright Ocean Objects)

対象領域外の合成開口レーダー (SAR) データをマスキングしながら、潜在的な明るい人工オブジェクト (船舶、石油リグ、風車など) を検出します。

暗い海洋エリアの検出 (Detect Dark Ocean Areas)

流出油または藻に属すると考えられる暗いピクセルを特定し、これらのピクセルを集約しながら、対象地域外の合成開口レーダー (SAR) のデータを隠します。

軌道ファイルのダウンロード (Download Orbit File)

Sentinel-1 SAR (合成開口レーダー) データ用に更新された軌道ファイルをダウンロードします。

マルチルック (Multilook)

入力された合成開口レーダー (SAR) データをレンジ方向のルックと方位角方向のルックにより平均化し、正方形のピクセルに近似させ、スペックルを軽減し、SAR ツールの処理時間を短縮します。

熱ノイズの除去 (Remove Thermal Noise)

入力 SAR (合成開口レーダー) データ内の熱ノイズにより生じる後方散乱を補正して、画像をよりシームレスにします。

合成開口レーダー ツールセットのツール

ユーティリティ

ユーティリティ ツールセットのツールは、画像および派生プロダクトに対して前処理および後処理を実行します。 以下の表に、ユーティリティ ツールと、その簡単な説明を示します。

ツール説明

バイナリ マスクの作成 (Create Binary Mask)

ユーティリティ ツールセットには、画像と派生プロダクトの前処理および後処理用のツールが含まれます。

ユーティリティ ツールセットのツール

関連トピック


このトピックの内容
  1. ジオプロセシング ツール