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 で使用できるジオプロセシング ツールが多数用意されています。

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。

変化の検出ツールセットのツール

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。

分類とパターン認識

分類ツールとパターン認識ツールは、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、利用可能な [分類 (Classification)] ツールと [パターン認識 (Pattern Recognition)] ツール、およびその簡単な説明を示します。

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

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。

ディープ ラーニング

ディープ ラーニング 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。 使用できるディープ 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。

ディープ ラーニング ツールセットのツール

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、重複が除去された新しい出力を作成します。
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。

抽出

抽出ツールセットでは、ピクセルの属性またはピクセルの空間的位置関係のいずれかを指定して、セルのサブセットを抽出できます。

抽出ツールセットのツール

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。

内挿

内挿ツールセットを使用すると、複数種類のデータを内挿できます。

内挿ツールセットのツール

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。

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)] 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)] の詳細については、「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
  • ブール型
  • 結合演算
  • 論理
  • Relational
• 三角関数

算術演算 (一般)

一般的な算術演算ツールは、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。 使用できる一般 [算術演算] ツールと各ツールの簡単な説明を次の表に示します。

[一般演算] ツールセットのツール

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。

算術演算: 条件演算

[条件] ツールでは、入力値の条件に基づいて出力値を制御できます。 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。 使用できる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。

[条件] ツールセット内のツール

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、入力ラスターのリストの中で出力セル値になる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。

論理演算

論理演算ツールは、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]、[論理]、[関係] 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。 使用できる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。

ビット演算ツール

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。

Boolean 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。

結合演算ツール

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。

関係演算ツール

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

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。

算術演算: 三角関数

三角関数演算ツールは、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。 使用できる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。

[三角関数] ツールセットのツール

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。

モーション イメージ

[モーション イメージ] ツールセットには、動画を含むモーション画像を管理、処理、解析するためのツールが含まれています。 使用できる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。

[モーション イメージ] ツールセットのツール

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。

多次元解析

多次元解析ツールセット内のツールを使用すると、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できます。 使用できる多次元解析ツールと各ツールの簡単な説明を次の表に示します。

多次元解析ツールセットのツール

ツール	説明
多次元ラスターの集約	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	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	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	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	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	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。
トレンド ラスターを使用した予測	[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	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。

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、使用可能な [オーバーレイ] ツールと、その簡単な説明を示します。

[オーバーレイ] ツールセットのツール

ツール	説明
加重合計	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。

統計

統計情報ツールでは、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。 統計解析を実行できるツールと各ツールの簡単な説明を次の表に示します。

[統計情報] ツールセットのツール

ツール	説明
セル統計	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、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	多次元ラスター データセット内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	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	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	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。

合成開口レーダー

ArcGIS ジオプロセシング ツールセットには、合成開口レーダー (SAR) データの解析を補正、処理、有効化するツールが含まれています。 使用可能な合成開口レーダー ツールとその簡単な説明を次の表に示します。

合成開口レーダー ツールセットのツール

ツール	説明
幾何テレイン補正の適用	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	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、SAR (合成開口レーダー) データセット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	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	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	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、さまざまな SAR 指数を計算します。
SAR 単位の変換	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	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	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	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	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	入力 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	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、スペックル除去を軽減し、SAR ツールの処理時間を短縮します。
熱ノイズの除去	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。

ユーティリティ

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。

[オーバーレイ] ツールセットのツール

ツール	説明
バイナリ マスクの作成	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。