さまざまな形態のリモートセンシングデータが収集され、私たちの地球を理解するのに役立っています。衛星画像は、地球表面の反射率を捉えるもので、GISコミュニティではよく知られた資産であり、GIS分析と可視化の重要なデータソースとして機能しています。高度計データはGISおよびArcGIS Proの世界に比較的新しく加わったものです。高度計データは、樹冠の高さ、海面高さ、氷の厚さなどの表面特徴の標高を記録する衛星センサーによって収集されます。この新しいデータと機能は、分析と理解を強化する機会を提供します。NASAの透明性、アクセス可能性、包括性、および再現性を特徴とするオープンサイエンスイニシアチブへの取り組みのおかげで、これらの高度計データはすべての研究者に無料で容易にアクセス可能です。<\/P>
ArcGISは、高度計センサーからのデータの処理と分析を含むさまざまな形態のリモートセンシングデータを扱うことができる包括的なシステムを目指しています。この例では、CryoSat-2高度計データがArcGIS Proで使用されており、グリーンランド氷床の時間経過による変化・損失量を定量化しています。これは、高度計データが陸上での分析支援にどのように役立つかの優れた例です。高度計データは海洋環境でも効果的に応用されています。以下の例はその実現方法を示しています。<\/P>
海洋は広大で動的です。現在、リアルタイムに近い現場物理海洋観測を収集する機器数が多いため、高精度で開放海域の変化を測定することは困難です。衛星高度計は海面地形を全球的かつ正確に測定します。これらの機器はレーダーパルスを海面に送信し、そのパルスが戻るまでの時間を測定してセンサーの海面上方の高さを決定します。その後、海面高さはセンサーの高さとセンサー上方の高さとの差として計算されます。これらの貴重な洞察により、海面高さ変化、海洋循環、および熱帯低気圧などの気象予測が可能になります。<\/P>
ArcGIS ProはSentinel 3 SRAL、Sentinel 6、Jason 2 and Jason 3など複数の高度計センサーをサポートしており、後者2つは最近ArcGIS Pro 3.2リリースで追加されました。<\/P>
軌跡データセット<\/H1>高度計センサーは飛行経路に沿って点データを収集し、これを軌跡データと呼びます。ArcGISはこの種のデータを効果的に管理するために軌跡データセットを使用します。これは画像コレクションを整理するモザイクデータセットモデルに似ており、軌跡データセットも同様ですが、点測定値を含む軌跡ファイル群を管理します。軌跡データセットの点サブレイヤーは処理や分析時にフィーチャクラスレイヤーとして利用できます。フォルダ内の軌跡ファイルから軌跡データセットを生成するには2つのジオプロセシングツールがあります:<\/P>Create Trajectory Datasetツールはファイルジオデータベース内に軌跡データセットを作成します<\/LI>Add Data to Trajectory Datasetツールは軌跡ファイル・データを軌跡データセットに読み込みます。インポート時にはセンサータイプや関連変数指定など異なるオプションがあります。<\/LI><\/UL>SSH変数による海面地形モデリング<\/H1>この例ではSentinel-3から得られた高度計データで海面高さ（SSH）マッピングが行われています。Sentinel 3は2機構成で他の高度計センサーより迅速な再訪期間によるカバレッジを提供します。Sentinel 3高度計データはEUMETSAT Data Serviceからアクセス可能です。<\/P>1週間分のレベル2高度計データから軌跡データセットが作成されました。この軌跡データセットには「平均海面水準」と「海面高さ異常」からオンザフライで計算されるSSH変数が含まれています。SSH変数は「Add Data to Trajectory Dataset」ツールで高度計データ読み込み時に「Sentinel 3 SRAL」タイプ選択時に算出されます。以下は2022年1月2日から1月8日までのSentinel 3 SRALデータから作成された軌跡データセットです。394本（緑線）のトラックが817,204観測点を参照しています。<\/P>
<\/span><\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/> <\/>
次に、「Interpolate From Spatiotemporal Points」ツールを使ってSSHラスタが生成されました。可視化向上には三角分割補間オプションが使用されました。
ランドマスクも陸上ピクセル除去に使用されました。その結果得られたSSHラスターデータセットは3D標高ソースとして利用されるとともに標高表面上にドレープされたラスターレイヤーとして機能し、この期間中の海洋地形に存在する峰や谷が明確に描写されています。
海面高さ変化解析<\/H1>この例ではJason 2およびJason 3センサーから得られたデータがSSH変化表示に使用されています。Jason 2とJason 3センサー組み合わせは2008年から現在まで連続した時間的カバレッジ（Jason 2：2008～2016年、Jason 3：2016年～現在）を提供します。Jason 3およびJason 2からのデータアクセスはいくつかありますが、この場合バッチダウンロードが容易なためNOAA NCEI ftpサイトが利用されました。
長期間にわたる海面高さ解析にはSSH（Sea Surface Height）とSSHA（Sea Surface Height Anomaly）の二つの変数が使われました。それぞれJason 2およびJason 3用独立した軌跡データセットが作成され、それぞれSSHとSSHA変数が含まれています。その後、「Copy Feature」ツールで個別フィーチャクラスへエクスポートし、それぞれ別々のフィーチャクラスとして保持し解析しました。月平均SSHA計算<\/H2>ここではJason 2およびJason 3フィーチャクラスからSSHAデータを使い独立した多次元（時系列）ラスタ作成手順です。「Interpolate From Spatiotemporal Points」ツールを再度使用し今回はIDWオプションで各々月別SSHA変数を算出します。その後「Merge Multidimensional Raster」ツールでJason 2とJason 3出力結果を統合します。その結果として下記アニメーションでは2008年から2022年まで両者統合した月別時系列コンパイルとなっています。
<\/span><\/P> <\/P>全球平均海面高変動<\/H2>この例では、前のステップで作成したJason 2とJason 3の両方のfeature classesを使用して、altimetryデータポイントから全球平均海面高を計算することを目的としています。再び「Interpolate from Spatiotemporal Points」ツールを使用し、今回は「Mean」補間方法を選択して各feature classの月次平均を独立して計算します。Meanオプションは、指定されたピクセルサイズと時間間隔内の観測点を用いて平均を計算し、データがない領域でのピクセル外挿を避け、誤差の導入を防ぎます。以下は作成されたJason月次補間平均の例です。有効なデータ領域は-180から180および-60から60の間（極地では歪んでいます）です。<\/P>
<\/span><\/P> 2016年のJason 2とJason 3のラスター データ（データ較正目的で維持された1年間の重複期間）を分析したところ、0.7メートルの差異が観察されました。そのため、Jason 3データとマージする前にJason 2データに0.7メートルの補正係数を適用しました。<\/P>次に、「Zonal Statistics as Table<\/A>」ツールを使用して月次および年次SSHの全球平均を計算しました。結果は以下のグラフで示されています。これにより、全球SSHの季節的および年次変動、変化、および傾向を調べることが可能になります。<\/P>
<\/span><\/P> <\/P>
