衛星リモートセンシング｜Sentinel-2・ALOS-3活用

衛星リモートセンシングは、地球観測衛星に搭載された光学・SAR（合成開口レーダー）センサで広域の森林状態を継続的に把握する技術です。ESA（欧州宇宙機関）のSentinel-2は分解能10m・5日リビジット・全世界無償公開、JAXA（宇宙航空研究開発機構）のALOS-3「だいち3号」は分解能0.8m・パンクロマチック観測、Sentinel-1のCバンドSARは雲を透過しての日中夜間連続観測と、複数衛星の組合せで日本全土2,500万haの森林を毎週単位で監視可能です。本稿ではSentinel-2・ALOS-3・Sentinel-1の3軸を中心に、森林被害把握・伐採モニタリング・植生指数解析の運用方法を整理します。

クイックサマリー：主要観測衛星の仕様比較

衛星	分解能	リビジット	運用機関	主な用途
Sentinel-2 A/B	10〜60m	5日	ESA	植生指数・全国監視
Sentinel-1 A/B（SAR）	5〜20m	6日	ESA	雲下観測・伐採検出
Landsat 8/9（USGS）	15〜30m	8日	USGS/NASA	長期トレンド・40年蓄積
ALOS-2（PALSAR-2）	3〜100m	14日	JAXA	LバンドSAR・森林マッピング
ALOS-4（2024打上）	1〜25m	14日	JAXA	LバンドSAR後継機
PlanetScope（民間）	3m	毎日	Planet Labs	商用・有償
WorldView-3	0.31m	受注	Maxar	超高分解能・有償
GEDI（ISS搭載）	25m	不定期	NASA	宇宙LiDAR・樹高観測

Sentinel-2の概要と13バンド構成

Sentinel-2は、ESAのコペルニクス計画の一環として2015年（2A）と2017年（2B）に打上げられた光学観測衛星です。MultiSpectral Instrument（MSI）と呼ばれるセンサで13バンド（可視光・近赤外・短波長赤外）を観測し、可視光4バンド（青・緑・赤・近赤外）は10m分解能、植生のレッドエッジ4バンドは20m分解能、大気観測用3バンドは60m分解能を持ちます。観測幅290kmと広く、5日に1回の頻度（2機体制）で全世界を観測しています。

森林モニタリングで主に使われるバンドは、可視光（B2/B3/B4）、近赤外（B8）、レッドエッジ（B5/B6/B7）、SWIR（B11/B12）です。これらの組合せで、植生の活性度（NDVI）、樹冠水分量（NDWI）、火災跡地（NBR）、植生種類（多バンド分類）を識別できます。Sentinel-2のデータはCopernicus Open Access Hub等で全世界無償公開されており、研究・行政・民間のいずれも自由に利用可能です。

主要植生指数とその活用

植生指数（Vegetation Index）は、複数バンドの反射率を組合せて計算する数値で、植生の状態を定量化します。最も普及しているのはNDVI（Normalized Difference Vegetation Index）で、近赤外と赤の正規化差で計算されます。NDVIは健全な植生で0.7〜0.9、衰退植生で0.3〜0.5、裸地で0以下となり、森林の活性度の代理指標として広く使われます。

指数	計算式	主な用途	健全林の値
NDVI	(NIR−R)/(NIR+R)	植生活性度・季節変化	0.7〜0.9
EVI	G・(NIR−R)/(NIR+C1・R−C2・B+L)	高密度植生・大気補正	0.5〜0.8
NDWI	(NIR−SWIR)/(NIR+SWIR)	樹冠水分・乾燥度	0.2〜0.5
NBR	(NIR−SWIR2)/(NIR+SWIR2)	山火事跡地・焼失面積	0.4〜0.7
SAVI	((NIR−R)/(NIR+R+L))・(1+L)	疎植林・土壌補正	0.5〜0.8
LAI	回帰モデル／放射伝達	葉面積指数	3〜7

NDVIによる季節変動と被害検出

常緑針葉樹林（スギ・ヒノキ）のNDVIは年間を通じて0.7〜0.85の高い値で安定しますが、落葉広葉樹林は4〜5月の展葉期に0.3→0.8、10〜11月の落葉期に0.8→0.3と大きく季節変動します。被害林では年間平均NDVIが0.1〜0.3低下するため、複数年の時系列分析で被害域を抽出可能です。山形県・岐阜県等のナラ枯れ重篤地では、Sentinel-2の年次NDVI最大値マップ（Maximum Value Composite）を活用した広域被害判定が標準化されています。

SARによる雲下観測の利点

光学衛星は雲の下を観測できないため、年間50〜70日が雲量50%超の日本では、観測機会が限られます。これを補うのがSAR（Synthetic Aperture Radar）で、自ら電波を発射し反射信号を受信するため、雲・夜間・雨のいずれでも観測可能です。Sentinel-1（CバンドSAR、波長5.6cm）とALOS-2 PALSAR-2（LバンドSAR、波長23.5cm）が森林モニタリングの主力で、Lバンドは樹冠を透過し幹・地表からの後方散乱を捉えるため、森林バイオマス推定に優位性があります。

SARの後方散乱強度は、対象物の表面粗度・誘電率・形状に依存します。森林では幹・枝の構造に対応し、伐採地（裸地）では低く、密生林では高い値となります。Sentinel-1のC-バンドVV/VH偏波の組合せで、伐採検出の精度はF1=0.8〜0.9に達し、雲被覆の多い梅雨期の伐採モニタリングで光学衛星を補完します。JAXAのALOS-4（2024年6月打上げ）はLバンドSARで分解能1m（スポットライトモード）と、世界最高水準の解像度を実現します。

JAXA衛星：ALOS-2、ALOS-4、ALOS-3後継機

日本独自の地球観測衛星として、JAXAはALOS（陸域観測技術衛星）シリーズを運用しています。ALOS-2「だいち2号」（2014年打上）はLバンドPALSAR-2を搭載し、分解能3〜100m、観測幅25〜490kmで運用中です。森林マッピングでは「全球森林・非森林マップ（PALSAR Forest/Non-Forest Map）」が世界の研究機関で利用され、東南アジア・アマゾンの森林変化監視に貢献しています。

ALOS-4「だいち4号」（2024年7月打上成功）はALOS-2の後継機で、分解能1〜25m、観測幅最大700kmの広域・高頻度観測能力を持ちます。ALOS-3「だいち3号」（光学衛星）は2023年3月のH3ロケット試験機1号機の打上失敗で喪失しましたが、後継機（ALOS-3後継）の計画が進行中で、分解能0.8m（パンクロ）・3.2m（マルチ）の超高分解能観測を実現する予定です。これが運用開始すれば、25cm級の違法伐採の検出が広域・定期的に可能となります。

クラウド処理プラットフォームの活用

衛星データの解析は、Google Earth Engine（GEE）、AWS Open Data、Microsoft Planetary Computer等のクラウドプラットフォームの登場により劇的に容易になりました。GEEは、ペタバイト級のSentinel-2・Landsat・MODISデータを無償で提供し、ブラウザ上のJavaScript／Pythonで時系列解析・植生指数算出・面積集計まで実行可能です。日本全土2,500万haの森林について、過去10年のNDVI時系列を解析しても、PC側でデータをダウンロードする必要がありません。

日本独自のプラットフォームとしてはTellus（運営：さくらインターネット、データ提供：JAXA等）があり、ALOS-2/4のSARデータと国産アプリケーションを統合提供しています。林業向けのアプリケーションも開発が進み、日本の事業者・自治体の利用しやすい環境が整いつつあります。

森林被害広域監視の運用例

林野庁の「衛星データ等を活用した森林被害把握調査」では、Sentinel-2のNDVI時系列解析により全国2,500万haの森林について、年次・季節別の異常検出を実施しています。前年同月のNDVIに対し0.15以上の低下が見られた箇所を「要確認区域」として抽出し、ドローン・現地踏査による精査の優先順位付けに活用するワークフローが標準化されています。

具体例として、2022年9月の台風被害（北海道・東北）では、台風前後のSentinel-2画像比較とSentinel-1の差分干渉SARで風倒被害域を広域把握し、被害面積1,200ha・被害材積60万m³規模の早期推計が可能となりました。同様に山火事跡地のNBR解析、ナラ枯れの年次NDVI低下マップ、伐採地検出の時系列分析が、林野庁・各都道府県・大学・研究機関で日常的に運用されています。

衛星データの限界と他センサ融合

衛星データは広域・継続性で優れますが、(1)分解能の制約（10m分解能では単木抽出は困難）、(2)雲被覆による光学観測の中断、(3)樹種分類精度の限界（多くの場合針葉樹/広葉樹の二分類）、(4)樹高・本数等の3次元情報が直接得られない、という限界があります。これらを補うため、衛星×ドローンLiDAR×ドローンRGBの「マルチスケール統合」が国内外で標準化しつつあります。

林野庁の最新研究事業では、全国広域監視（衛星）、優先管理域の精査（ドローンRGB）、施業計画地の精密解析（ドローンLiDAR）、研究検証地（地上LiDAR）という4階層のセンサ融合ワークフローが実証されており、各スケールでの最適技術選択が体系化されています。

無償データと有償データの使い分け

研究・行政用途では、無償公開のSentinel-2・Landsat・ALOS-2 PALSAR-2モザイクで多くの目的が達成可能です。一方、即時性が必要な災害対応（台風直後の被害把握）や、3m以下の高分解能が必要な事案（個々の被害木検出、施設管理）では有償データ（PlanetScope、WorldView-3、Pleiades等）が選択肢となります。PlanetScopeは1km²あたり数百〜数千円、WorldView-3は1km²あたり数万円規模で、目的に応じた選択が必要です。

よくある質問（FAQ）

Q1. Sentinel-2でスギとヒノキを区別できますか？

分解能10mのSentinel-2では、個別の樹種判別は困難です。ただし、純林規模の林分（数ha以上）であれば、年間の植生指数時系列パターン（フェノロジー）の違いから、針葉樹・広葉樹・常緑/落葉の大別は可能です。スギ・ヒノキの判別精度は概ね60〜75%にとどまり、より高い精度が必要な場合はSentinel-2＋ドローンRGBの組合せが標準アプローチです。

Q2. 衛星データはどこで取得できますか？

Sentinel-2/1はESA Copernicus Open Access Hub、Landsat系はUSGS Earth Explorer、ALOS-2/4はJAXA G-Portal/Tellusが公式配信です。クラウド処理ではGoogle Earth Engine、Microsoft Planetary Computerが研究利用に最適で、ブラウザ・Pythonから直接アクセス・解析が可能です。商用ユースではAWS Open Data、Maxar SecureWatch等が選択肢となります。

Q3. 雲が多い日本で衛星観測は実用になりますか？

日本の年間平均雲量は50〜70%と高く、Sentinel-2の有効観測機会は年間20〜30回（5日リビジット×晴天率）に減ります。これを補うため、(1)月次最大値合成（Maximum Value Composite）で雲被覆分を回避、(2)Sentinel-1 SARを併用して全天候観測、(3)複数衛星の組合せで観測機会を増やす、の3戦略が有効です。

Q4. 衛星データの精度をどこまで信頼してよいですか？

地表反射率（Surface Reflectance）は±5%程度、植生指数のNDVIは絶対値で±0.05程度の精度です。森林被害把握では、変化検出（年間や季節の差分）が主目的のため、絶対精度よりも相対精度（時系列の再現性）が重要で、Sentinel-2は同一センサ・同一処理で運用される限り十分な精度です。地上検証によるキャリブレーションを行えば、面積把握精度±5%以内が達成可能です。

Q5. どのようなスキルが必要ですか？

研究レベルではPython・GEE JavaScriptのプログラミング、衛星画像処理（QGIS/ArcGIS/SNAP）、植生指数の解釈、統計解析の知識が必要です。実務レベルでは、すでに前処理されたNDVI時系列マップやWebGISダッシュボードを使えば、専門知識なしでも変化検出・被害把握が可能です。林野庁・JAXAは自治体向けの研修・マニュアル整備を進めています。

関連記事

• LiDAR点群解析｜樹高・本数・材積の自動推定
• ドローンLiDAR｜UAV搭載型の単木解析
• ドローンRGBオルソ｜森林被害判読への活用
• 森林GIS｜基盤地図情報＋森林計画図＋森林簿の統合
• 林業ICT｜現場端末・電子野帳・クラウド連携
• QGISの林業活用｜OSSによる森林管理の低コスト化

まとめ

衛星リモートセンシングは、ESA Sentinel-2の10m分解能・5日リビジット・無償公開と、JAXA ALOS-2/4のLバンドSAR・全天候観測という2軸により、日本全土2,500万haの森林を週次〜月次で監視する基盤技術として確立しました。NDVI・EVI・NBR等の植生指数とAI解析を組合せれば、ナラ枯れ・松枯れ・風倒・違法伐採・山火事の広域把握が可能で、林野庁の森林被害把握事業の中核手法となっています。Google Earth Engine等のクラウド処理基盤の整備により、研究・行政・民間のいずれも参入容易となり、ドローン・LiDARとの階層統合が進む段階にあります。