地質学におけるリモートセンシング
シャトル・レーダー地形観測ミッション（SRTM）によるリチャット構造。この地形は隕石衝突によるものではなく、崩壊したドーム状の褶曲構造である可能性が高い。

リモートセンシングは、調査対象の地域に物理的に接触することなく地域の地質学的特性をマッピングできるため、フィールド観測を補完するデータ取得方法として地質科学で使用されています。 [ 1 ]地球の総表面積の約4分の1は露出した陸地であり、リモートセンシングによる詳細な地球観測から情報を抽出できます。[ 2 ]リモートセンシングは、センサーによる電磁放射の検出によって行われます。[ 1 ]放射は、自然に発生するか（受動リモートセンシング）、または機械によって生成され（能動リモートセンシング）、地球の表面で反射されます。[ 1 ]電磁放射は、主に2つの変数の情報キャリアとして機能します。まず、異なる波長での反射強度が検出され、スペクトル反射率曲線上にプロットされます。[ 1 ]このスペクトル指紋は、対象物体の表面の物理化学的特性によって決まり、したがって鉱物の識別、ひいてはハイパースペクトルイメージングによる地質学的マッピングに役立ちます。[ 1 ]第二に、能動型リモートセンシングシステム（例えば、干渉合成開口レーダー）では、センサーからの放射とセンサーへの放射の往復移動時間から距離を計算できます。これは地形学的地盤運動の研究に役立ち、地滑りや地震などに伴う地殻変動を明らかにすることができます。 [ 3 ] [ 4 ]

リモートセンシングデータは、地質図作成、地質災害、経済地質学（鉱物、石油などの探査）に関する研究に役立ちます。[ 3 ]これらの地質学的研究では、さまざまな機器が感知できる電磁放射の短波長から長波長に応じて分類された多数のツールが一般的に使用されます。[ 3 ]より短い波長は一般に鉱物学的規模までのサイト特性評価に役立ち、一方、より長い波長は、地域的な熱異​​常、表面粗さなど、より大規模な表面情報を明らかにします。[ 3 ]このような技術は、アクセスできない地域や地球以外の惑星の探査に特に有益です。[ 3 ]さまざまな種類の岩石の上に優先的に生育する土壌や植生など、地質学のプロキシをリモートセンシングすることで、基礎となる地質学的パターンを推測することもできます。[ 3 ]リモートセンシングデータは、多くの場合、地理情報システム（GIS）ツールを使用して視覚化されます。[ 3 ] [ 4 ]このようなツールは、様々な赤・緑・青の構成で収集されたデータセットの異なる波長を用いて擬似カラー画像を作成し、重要な特徴を明らかにするなど、様々な定量分析を可能にします。したがって、画像処理は、収集された画像からパラメータを解読し、情報を抽出するための重要なステップです。

背景

プランクの法則に従った熱放射。太陽の表面温度は約6000Kで、放射は可視光線でピークに達します。地球は約300Kで、可視光線以外の放射も放出しています。

リモートセンシングでは、電磁放射が情報の搬送波として機能し、センサーと対象物との距離は数十から数千キロメートルに及ぶ。[ 3 ]近接センシングは似たような考え方だが、広い空間範囲を示す画像ではなく、実験室や現場での測定を指すことが多い。[ 5 ]ソナーや音響法などの地球物理学的方法は、リモートセンシングと似た特性を持つが、電磁波が唯一の媒体ではない。[ 6 ]一方、圧力計、傾斜計、全地球測位システム (GPS)などの地質工学計測機器は、リモートセンシングにおける画像とは異なり、離散的な点データを測定するために設置される機器を指すことが多い。[ 6 ]特定の波長域に感度のある適切なセンサーが、指定された用途に応じて選択され、対象物から反射または放射された電磁波を収集するために使用される。[ 3 ]

動作原理

パッシブリモートセンシング（左）とアクティブリモートセンシング（右）の模式図。微視的スケールにおける放射線と物質の相互作用（吸収、透過、反射）は、左下の枠内に示されています。この相対的な割合は、物質の物理化学的特性によって決まります。平面は鏡面反射を促進し、粗い表面は拡散反射をもたらします。パッシブリモートセンシングでは、センサーは対象物からの太陽放射の反射（青い枠）を検出しますが、アクティブリモートセンシングシステムは対象物を照らし、その反射を検出します。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はどちらも、プランクの法則に従って放出される自然放射の熱放射を受信します。また、大気擾乱の影響も受けます。[ 4 ]

リモートセンシングでは、典型的なリモートセンシングシステムで、放射輝度（または強度）とアクティブシステムの到着時間の2つの主な変数が測定されます。 [ 1 ]放射輝度（つまり、返される信号の強度）対波長は、スペクトル反射率曲線にプロットされます。[ 3 ]注目すべき点として、収集されたデータは、可視および近赤外（VNIR）領域での太陽放射の反射と物体からの放射（プランクの法則による）の両方の混合です。[ 7 ]熱赤外線（TIR）領域では主に放射が測定され、マイクロ波領域では反射の後方散乱部分が記録されます。[ 7 ]放射輝度は、対象物体の物理化学的特性によって決まる放射と物質の相互作用によって決まります。[ 7 ]スペクトル反射率曲線に示される特定の波長での顕著な吸収は、分光放射測定法を使用した識別のための指紋です。[ 3 ]放射線の往復移動時間は光速（約3×10^8 m/s）とほぼ等しいため、距離を推定することができます。この特性は、光検出測距（LiDAR）や無線検出測距（レーダー）などの測距に応用できます。[ 1 ]

センサーはターゲットに到達するために大気を透過するため、大気による吸収があります。放射線を透過できる主な大気の窓は3つあります。[ 1 ]それらは、0.4～3マイクロメートル（可視および近赤外線（VNIR））、3～14マイクロメートル（熱赤外線TIR）、および数ミリメートルからメートル（マイクロ波）です。[ 7 ]日常生活で使用されているカメラは、VNIR波長域の受動的な画像撮影システムです。[ 1 ]地質学で広く使用されているリモートセンシング機器の簡単な分類。このページの文脈に合わせてRees（2013）から修正されています。[ 1 ] [ 7 ] [ ]内のテキストは、関連する機器を示しています。

波長範囲波長感度受動アクティブシステム（測距または画像撮影）
VNIR0.4～3マイクロメートル 原子内電子遷移分光法[分光計]；航空写真／写真測量[カメラ] [ライダー]
TIR3～14マイクロメートル 分子内の原子 間結合の強さ[ TIRイメージャー]/
マイクロ波数ミリメートルから数メートル（マイクロ波） 温度、地形の粗さ、粒子の大きさ / 合成開口レーダー/ InSAR [レーダー]
波長に対する放射の相対透過率。大気には3つの窓（VNIR、TIR、マイクロ波）があり、放射は顕著な吸収を受けることなく大気を透過します。大気による減衰を除去するために、いくつかの補正が必要です。

搭載プラットフォーム

センサーは、宇宙搭載型（衛星搭載型）、空中搭載型（航空機、または最近では無人航空機（UAV）搭載型）、または地上設置型（近接センシングと呼ばれることもあります）のいずれかです。[ 8 ]高い高度から取得したデータは、より広い視野／空間範囲を捉えますが、解像度は低くなることがよくあります。[ 9 ]飛行経路、重量負荷、搭載センサーなどに関する事前のミッション計画は、展開前に行う必要があります。[ 8 ]地質学研究では解像度の要件が高いことが多いため、測量では空中設置型と地上設置型のシステムが主流です。[ 8 ]

利点と限界

一般的な地質学的用途
波長範囲ツール地質学における一般的な応用
VNIRマルチ/ハイパースペクトルイメージング鉱物/岩石の識別
写真測量地形研究
LiDAR測地測量
TIR熱赤外線画像熱異常
マイクロ波合成開口レーダー変位時系列

地質学的問題に対処するためにリモートセンシングを用いる主な利点は、総観的視野、あるいは時には立体視視野を用いて地表被覆に関する直接的な情報を提供することです。[ 3 ]したがって、運動学の全体像をよりよく理解することができます。また、対象地域の総観的研究を通じて、その地域に必要な現地調査の負担を軽減します。[ 3 ]スペクトルビジョンは、表層マッピングのための岩石の属性の識別を可能にします。[ 3 ]ただし、解像度が精度を制御します

空間解像度とスペクトル解像度の間にはトレードオフがあります。[ 7 ]入射光線の強度は固定されているため、スペクトル解像度が高いほど、分析のための標準の信号対雑音比を維持するために、空間解像度が低くなることが予想されます（1ピクセルがより広い領域を表します）。 [ 7 ]また、信号工学の問題により、送信用のデータ量に制限があります。[ 7 ]これらの制約により、すべての空間解像度、スペクトル解像度、放射測定解像度で最大解像度のデータを取得することは決してできません。時間解像度は、再訪頻度と変形持続時間の両方として理解できます。[ 3 ]たとえば、瞬間的な地滑りや陥没穴の崩壊は高速度カメラなしではほとんど記録できませんが、遺物を時系列に画像化して、たとえば氷の崩壊などの時間的変化を明らかにすることができます。

もう一つの欠点は、データの取得方法とその解釈方法に一貫性がないことです。[ 5 ]その結果、地域によって環境条件が変化するため、理想的なデータベースを構築することはほとんど不可能です。[ 5 ]代わりに、特定の地域を調査するためには、繰り返し偵察を行うことが推奨されます。[ 8 ]

現地での観察と偵察はかけがえのないものであり、リモートセンシングによって完全に取って代わられることは決してないだろう。なぜなら、現地データはリモートセンシングデータの解釈を大いにサポートするからである。[ 3 ]リモートセンシングは、異なるスケール、視点、またはスペクトルビジョンの瞬間的なビューを提供することを目的とする補完的なものと考えるのがよいだろう。[ 3 ]地球物理学的調査とシミュレーションモデルによる地下マッピングは、地下の土壌の3次元特性評価において依然として重要な役割を果たしている。[ 5 ]注意すべき点は、全てを研究できる、または最適化された「理想的な」センサーは存在しないということである。[ 3 ]どのデータセットを選択して情報を抽出するかは、多くの場合、科学者の好みと経験次第である。[ 3 ]例えば、航空写真は雲のない地域でより適切である可能性があるが、そうでなければレーダーは曇りの天候でより適切に機能する可能性がある。

南極のフィルヒナー棚氷の分離。近赤外線反射画像で水と氷を識別 - ランドサット

地質図作成

グプタ（1991）に触発された、問題の定義からデータの選択と解釈に至るまでの地質学的問題に取り組むための典型的なワークフロー
鉱物石英の分光反射率曲線の例

リモートセンシングは、地表の地質図作成や地形の特徴付けに役立ちます。

スペクトルの特徴

可視近赤外線（VNIR）と熱赤外線（TIR）は、それぞれ原子内電子遷移と原子間結合強度に敏感で、鉱物や岩石の識別に役立ちます。使用されている機器は、実験室では分光放射計、イメージングリモートセンサーではイメージング分光計またはマルチ/ハイパースペクトルスキャナーと呼ばれます。[ 3 ]土地が密集した植生に覆われていない限り、表層土壌（岩盤の風化と浸食による表層堆積物として土地を覆う未固結堆積物）のいくつかの特性は、使用される波長の約半分の空気と土壌の界面への浸透深度で測定できます（例えば、緑色光（約0.55マイクロメートル）は、約0.275マイクロメートルの浸透深度を示します）。[ 5 ]したがって、VNIR波長領域を使用するほとんどのリモートセンシングシステムは、表層土壌、または場合によっては露出した岩石の特性を示します。[ 10 ]全体的な反射率を制御するもう1つのパラメーターは、表面粗さです[ 3 ]同じ表面がVNIRでは粗く見えるのに、マイクロ波では滑らかに見えることがあります。これは、表面の変動がcmスケールであるときにメートル定規で粗さを測ったときに感じるものと似ています。粒径が小さくなると表面粗さが大きくなり、鏡面反射ではなく拡散反射が支配的になるため、全体的な反射率が高くなります。[ 1 ]静かな水などの滑らかな表面による鏡面反射は後方散乱がほとんどないため、暗く見えます。例えば、氷は大きな塊ではほとんど透明ですが、小さな粒に砕かれると反射率が高くなります。

鉱物と岩石

岩相組成の研究では、近接およびリモートセンシングによる実験室および現場での分光放射測定が役立ちます。航空機搭載型可視/赤外イメージング分光計（AVIRIS）などの短波長を用いたイメージング分光測定から得られる分光反射率データ[ 10 ]は、対象物の化学的特性を提供します。例えば、土壌の肥沃度と堆積物の年代を示す鉄含有量を近似値で算出できます。[ 10 ] [ 5 ]赤色の高酸化鉄含有土壌の場合、赤色の波長部分で反射率が高くなり、青色と緑色では反射率が低下します。850～900 nmで吸収がある場合もあります。[ 10 ]分光反射率曲線の赤度指数と550 nmの吸収領域は、土壌中の鉄含有量を定量化する例です。[ 11 ]

鉱物を識別するために、利用可能なスペクトル反射率ライブラリ、たとえばUSGS スペクトル ライブラリ は、岩石や鉱物に限定されない多くの物質の診断用吸収帯をまとめています。これは、最小限の現場での作業で、同様のスペクトルを共有する鉱物の種類を識別するための鉱物マップを作成するのに役立ちます。[ 3 ]鉱物学は、部分最小二乗回帰などの統計的方法を使用して収集されたサンプルとスペク​​トルライブラリを照合することによって識別されます。高い信号対雑音比 (> 40:1) に加えて、1 つのピクセル内の要素の数を制限する優れた空間解像度も、決定の精度を向上させます。[ 5 ]デジタル サブピクセル スペクトル分離ツールも利用可能です。スペクトル ライブラリに関して 1 つのスペクトル データに複数のアルゴリズムを適用するUSGS テトラコーダは感度が高く、有望な結果をもたらします。 [ 12 ]さまざまなアプローチが文献でまとめられ、分類されていますが、残念ながら鉱物の識別のための普遍的なレシピはありません。

火成岩、堆積岩、変成岩を問わず、岩石の鉱物学的特性を示すスペクトル特性のほとんどは、長波長域（SWIRおよびTIR）に存在し、例えばASTERミッションにも存在します。[ 10 ]これは、長波長域の振動帯域に対する感度によるものです。上述の鉱物に関する自動統計的解釈とは対照的に、岩石の識別には視覚的解釈を採用する方が賢明です。なぜなら、岩石の表面変化によってスペクトル応答が大きく異なる場合があるからです。[ 3 ]

岩石の種類を識別するために、石英指数、炭酸塩指数、塩基性指数などのいくつかの指数が提案されている。ここで、DiはASTERのi番目のバンドのデータである。[ 13 ] [ 14 ] [ 15 ]

  • 炭酸塩指数（CI）：D13/D14
  • クォーツインデックス（QI）：D11*D11 / D10*D12
  • マフィック指数（MI）：D12/D13
ハイパースペクトルイメージングは​​高いスペクトル解像度が得られるが、その代償として空間解像度と放射解像度は低くなる。

土壌

表層土壌は、その下の地質をよく表しています。土壌の特性の一部は、前述の岩相とともに、Landsat ETM+などのリモートセンシングデータで取得でき、土壌層を作成し、分類に役立ちます。[ 10 ] [ 5 ]

土壌の質と水分含有量

土壌粒子内の水分量は、乾燥土壌では間隙が空気で、飽和土壌では水で満たされているため、粒子サイズと土壌の質によって決まります。基本的に、粒径が細かいほど、水分を保持する能力が高くなります。前述のように、レーダー画像では湿った土壌の方が乾燥土壌よりも明るくなります。短波長VNIR領域では、同じ理論で、粒径が小さい粘土質の表面は後方散乱を促進し、より高いスペクトル応答を与えるはずです。しかし、土壌水分と有機物含有量が多いため、降雨後のシルト質および砂質土壌被覆と比較すると、粘土は画像内で暗くなります。[ 10 ] VNIR領域に関しては、水分含有量が増えるにつれて、より顕著な吸収（1.4、1.9、2.7マイクロメートル、およびヒドロキシル吸収帯では1.7の場合もある）が発生します。一方、レーダーは誘電率というもう1つの要因に敏感です。[ 1 ]水は誘電率が高いため反射率が高く、後方散乱が多くなり、レーダー画像では明るく見える。[ 1 ]そのため、土壌水分量が多い（毛細管現象による）と土壌は明るく見えるが、冠水した土壌（鏡面反射）では暗く見える。定量的には、土壌性状は統計的手法による回帰分析と較正によって決定されるが、科学者らは長期的な変化の検出のために土壌水指数（SWI）[ 16 ]も開発している。別のアプローチとして、実際の蒸発散量を予測する表面エネルギー収支モデルがある。[ 5 ]

つまり、土壌水分の全体的な反射率を表にまとめることができます。

ツール乾いた土壌湿った土壌冠水した土壌
レーダー 暗い（エネルギーは低誘電率の土壌に浸透する） より明るい（水は誘電率が高い） 非常に暗い（鏡面反射）
VNIR 明るい（吸収が少ない） 暗い（水の吸収が顕著） 水と同じ（浸透深度が低い）
土壌有機炭素

土壌有機炭素は、主に中赤外反射率を用いた近接センシングから得られる。[ 5 ]土壌の色が濃くなるのは、飽和有機物に加えて、黒色フミン酸と土壌水分の変動によるものである。 [ 5 ]土壌中の有機含有量が多いほど、入射エネルギーは大きく吸収されるため、一般的に反射率は低くなると予想される。[ 10 ] [ 5 ]土壌色のコントラストにより、バンド深度分析、主成分分析、モデリングなどの定量分析が可能になる。[ 5 ]

土壌塩分

土壌塩分は、雨水の降水量が不十分なために土壌層に可溶性塩が蓄積することで発生します。VNIRのスペクトル近位センシングは、水和蒸発鉱物の水分吸収に敏感で、特に505nm、920nm、1415nm、2205nmで顕著です。[ 10 ] [ 3 ] [ 5 ]さらに塩分濃度の高い土壌では、680nm、1180nm、1780nmでも反射率が低下し（吸収が高く）、2200nmでは反射率が高くなります。これは粘土鉱物の結晶性の低下が原因と考えられます。 [ 10 ] [ 5 ]スペクトル曲線は、塩分濃度が高いほど、800nmから1300nmにかけて全体的に傾斜が小さくなることも示しています[ 5 ]全波長における全体的な反射率曲線は塩分濃度の上昇とともに増加しますが、塩分の組成によって吸収帯に多少の変化が見られます。[ 10 ]

地質学的運動学の表面的兆候は、グプタ（1991）に触発されて、写真解釈の手がかりを提供します。

地形学

地域の地殻変動や形成メカニズムから生じる 3 次元の地形学的特徴は、標高方向に取得された広い領域を示す小規模画像の観点からも理解できます。ある地域の地形は、多くの場合、火山活動や造山運動によって特徴付けられます。これらの造山プロセスは、岩石の種類に応じて応力と歪みの関係によって決定されます。 [ 3 ]これらは、さまざまな運動学に応じて、弾性/塑性/破砕変形として機能します。リモートセンシング技術は、観測された線形、地球規模の山の分布、地震活動、火山活動などの証拠を提供し、地殻規模の地殻変動や地球力学の研究をサポートします。[ 9 ]追加のスペクトル情報も役立ちます。たとえば、粒径によって雪と氷が区別されます。[ 7 ]断面図を含む平面の地質図とは別に、ステレオ写真からの 3 次元ビューやデジタル標高モデル (DEM)での表現が視覚化に役立つ場合があります。[ 3 ]理論上、LiDARはcm級までの解像度が得られるのに対し、レーダーは小さなスケールの凹凸に高い感度を持つため、10m級の解像度が得られる。[ 5 ]斜め画像は三次元性を大幅に向上させることができるが、ユーザーは影や歪みを考慮する必要がある。[ 4 ]

中国黄河河口のデルタ地形 – ランドサット

アクセスできない地域

フィールドマッピングは、地上の真実を得るための最も基本的かつ好ましい方法ですが、例えば状況が危険すぎる、あるいは極端であるなど、アクセスできない地域では、この方法は機能しません。政治的な懸念から科学者の立ち入りが制限される場合もあります。一方、リモートセンシングは、現場に人やセンサーを派遣することなく、関心領域の情報を提供します。[ 4 ]

砂漠

砂漠地帯は風成作用によって形成され、その地形は浸食と堆積によって形成される。[ 3 ]航空写真のステレオペアは土地の特徴を3次元的に視覚化する一方、ハイパースペクトル画像は粒径、砂の組成などの粒度情報を提供する。[ 3 ]画像は多くの場合、VNIRの短波長で高い光トーンを示し、これは植生が乏しく水分が少ないことに対応する。[ 3 ]もう一つのツールはレーダーであり、低誘電率の物質である表層の砂を貫通する能力を持つ。[ 17 ]この透過特性、特にLバンド（1.25GHz）マイクロ波の1～2mの貫通特性により、地下のマッピングや過去の帯水層の特定が可能になる。[ 17 ]サハラ砂漠とゴビ砂漠の古水文学が明らかになり、今後の研究では5mの貫通特性を持つ航空機搭載Pバンド（435MHz）を使用したさらなる研究が提案されている。[ 17 ]

政治的に敏感な地域

政治は科学研究にとって課題となります。一例として、ティベスティ山脈が挙げられます。ここ数十年、この地域はウラン鉱床をめぐる紛争により、辺鄙で政治的に不安定な状態にあります。[ 18 ]しかし、この地域は大陸内火山活動またはホットスポットの壮大な例となる可能性があります。[ 18 ]西部、中央、東部ティベスティ火山区に分割された地域の詳細な研究では、空間的に進行する火山活動の顕著な兆候は見られず、したがってハワイ諸島やガラパゴス諸島のようなホットスポットである可能性は低いと考えられます。[ 18 ]より多くのデータと体系的な現地調査と研究、例えば地球化学的および放射性年代測定は、近い将来に焦点を当てるべき重要なテーマです。[ 18 ]ティベスティ・ボード・スウェル・ドームは、隆起率を推定するための地域河川システムとしても研究されています。[ 19 ]

水域、例えば海洋や氷河などは、リモートセンシングを用いて研究することができます。プランクトンと氷河のマッピングの例を2つ挙げます。

光合成を行う植物プランクトンのブルームは、好ましい環境条件の生態学的代理指標である。[ 20 ] VNIR波長域での衛星リモートセンシングは、スペクトル曲線における関連吸収の相対的増加により、海の色が変化する散発的なイベントの位置を特定するのに役立ちます。[ 20 ]沿岸水域や外洋、さらには特定の種類のブルーム（コッコリソフォアブルームやトリコデスミウムブルームなど）に対応するために、さまざまなバンド計算（バンド比アルゴリズムやスペクトルバンド差など）が開発されています。[ 20 ]長期衛星データを組み合わせてリアルタイムで監視する機能により、海洋のダイナミクスに関するより深い洞察が可能になります。[ 20 ]

氷河の地図作成は、危険な氷原に重機を運ぶよりも、リモートセンシングによって容易になります。[ 21 ]注目すべき応用としては、きれいな氷と岩屑で覆われた氷河の地図作成、氷河の変動記録、地形図の作成と定量分析を支援するための質量収支と体積変化の研究などがあります。[ 21 ]同様に、高解像度データを使用したバンド数学とDEM計算を使用した自動化されたアプローチは、動的な環境条件による氷河の変動を調べるために不可欠です。[ 21 ]

地質災害

地質災害は死傷者や深刻な財産被害を引き起こします。自然災害を防ぐことはほぼ不可能ですが、適切な事前のリスク評価と計画によってその影響を軽減し、最小限に抑えることができます。[ 22 ]

2014年米国地震ハザードマップ

地震

地震は地球の表面の動きとして現れる。[ 23 ]リモートセンシングは2つの側面から地震研究にも役立つ。1つは、地元の地盤の状態をよりよく理解することです。たとえば、液状化しやすい土壌タイプ（飽和した緩い沖積材料など）は振動により大きな被害を与えるため、地震危険区域を定めることで財産の損失を減らすことができます。[ 3 ]もう1つは、ネオテクトニズム（過去11000年間）における歴史的な地震の位置を特定し、その空間分布を分析し、構造破壊のある断層帯をさらなる調査のためにマッピングすることです。[ 3 ]測地学の観点からは、レーダー技術（SAR干渉法、InSARとも呼ばれる）はcmスケールまでの土地変位測定を提供します。[ 24 ] [ 9 ] [ 25 ] [ 26 ] SAR干渉法はマイクロ波信号の後方散乱を記録する複数のSAR画像を利用する技術です。[ 24 ] [ 25 ] [ 26 ]返ってくる信号は、地面と衛星の距離を推定するために使用できます。[ 24 ] [ 25 ] [ 26 ]同じ地点で異なる時間に 2 つの画像が取得された場合、遅延リターンを示す一部のピクセルは、地面の変化がないと仮定すると、変位を明らかにします。[ 24 ] [ 25 ] [ 26 ]変位マップ (干渉画像) は、波長の半分、つまり cm グレードまでの精度で変化を視覚化するために生成されます。[ 24 ] [ 25 ] [ 26 ]同様の手法に全地球測位システム (GPS)があり、これはマイクロ波 GPS 衛星信号の三辺測量により離散点の時間による変位を記録します。 [ 9 ] [ 23 ]地面の変位を測定する同じアイデアと原理は、火山活動、地滑り[ 4 ]、雪崩などの他の自然災害のモニタリングにも拡張できます。[ 27 ] [ 25 ] [ 22 ] [ 26] [ 4 ]中間赤外線（11～12マイクロメートル）衛星画像は、線状構造や断層系などの地質学的に活発な地域でいくつかの熱場を示している。 [ 28 ]これらの長寿命の熱場とは別に、地震の震源では、地表で3～4℃、海水で約-5℃の正の温度異常が見られる。このコントラストは、地殻変動の7～14日前に現れる。この観測結果は室内実験によって裏付けられているが、これらの差異の原因については依然として議論の余地がある。 [ 4 ]

津波

マングローブは、津波や嵐による内陸地域の流失を防ぐ役割を果たしています。マングローブの縁が損傷し、エネルギーをすべて吸収したためです。 [ 29 ]そのため、リスク管理のための自然の障壁としてのマングローブと植生のリモートセンシングは、ホットな話題となっています。ハイパースペクトルイメージングシステムと非常に高解像度（最大1メートル未満）の衛星画像が普及しているため、最近の進歩と発展は近い将来に非常に期待されています。[ 30 ]環境研究のために、種と構成を区別する新しい分類体系が開発される可能性があります。[ 30 ]既存および今後のセンサーとアルゴリズムの出現により、葉面積、樹冠高、バイオマス、生産性の推定も改善される可能性があります。 [ 30 ]津波による浸水は沿岸地域の変化につながり、リモートセンシングによって定量化できます[ 4 ] [ 31 ]変化検出閾値を再定義することで大きな画像をサブ画像に分割し、さらに分析する分割ベースのアプローチは、計算時間を短縮し、影響を受けた領域の手動マッピングと一致することが示されている。[ 31 ]

1500年前に噴火が発生したスリーシスターズ荒野の地盤変動を示す干渉画像。各色の等高線は等量の隆起を表しており、これはおそらく深さ約7kmでのマグマの蓄積によるものと考えられる。隆起は約130mmで、水平方向の広がりは20kmである。白い画鋲はGPS観測点である。ENVISAT/Wicks, CW et al., 2002, USGS

火山活動

私たちが生活しているプレートの下にあるダイナミックなマグマは、地球の表面で火山活動を引き起こします。[ 3 ]火山科学と活火山のモニタリングに関する理解を深めるために、リモートセンシングによって得られる主なデータストリームには、表面の変形と熱測定、ガスのフラックスと組成が含まれます。[ 32 ] 一方、地震活動は地球物理学的手法と考えられています。データは、不安定な状態から噴火、そして鎮静化するまでの噴火サイクル全体にわたって収集できます。 [ 32 ]例えば、紫外線 (UV)と VNIR 領域は、火山ガスの 1 つである二酸化硫黄に敏感です。 BrO (噴煙内の臭素爆発から生成される) [ 33 ]と CO 2も、最近の火山モニタリングの候補となっています。[ 32 ]火口湖の温度変化や高温ガスの大気中への注入などによる熱擾乱は、 TIRセンサーを用いて検出し、火山の熱警報を自動化することができる。 [ 32 ]地盤の隆起と沈下はInSAR技術を用いて遠隔的に定量化することができる。[ 32 ]火山活動の表層的な発現は単純な形状を好む傾向があるが、地下の相互作用によって複雑さが導入される。[ 32 ]リモートセンシングは地盤のデータを収集することができるが、有限要素解析を用いた3次元モデリングに地質物理学的地下調査を加えることが強く推奨される。[ 32 ]

チリのカルブコ火山の2015年の噴火を捉えたASTER夜間熱赤外線画像。山頂の高温の噴出物は白く（高温）見え、右側には紫色の噴煙が流れており、灰を多く含んでいることを示しています。

地すべり

地すべりは、重力と斜面の不安定性によって引き起こされる土砂崩れの一種です。[ 3 ]岩や瓦礫は斜面から急速に下方および外側に落下します。地質図作成によるサイト特性の描写とは別に、前述のリモートセンシングツールの多くを使用できます。[ 34 ]たとえば、航空写真を使用した地すべり目録の更新は、香港の地すべり研究では一般的です。[ 35 ]植生被覆を含む高解像度デジタル標高モデル (HRDEM)とデジタル地形モデル (DTM)を作成するLiDAR技術は、傾斜、斜面方位、水流力、排水密度、および地すべり危険モデルの多くのパラメータの定量化に不可欠です。 [ 34 ]マイクロ波レーダーは、合成開口レーダー (SAR)画像での地すべり認識や、小規模の変形を効果的に示すInSAR技術によるモニタリングにも使用できます。 [ 36 ] [ 34 ] [ 37 ]さらに、InSARマップは、地滑りの半自動識別、マッピング、分類を可能にします。[ 38 ] [ 39 ]地理情報システム（GIS）を使用することで、災害リスク管理についてさらに議論することができます。

地盤沈下

地盤沈下は主に地表の低下によって生じます。干渉合成開口レーダーは、この現象を広範囲にわたって正確かつ精密に、そして費用対効果の高い方法で測定・監視することを可能にします。[ 40 ]航空LiDARもまた、広範囲にわたる大規模な地盤沈下の監視に効果的に使用されています。[ 41 ]

経済地質学

経済地質学の文脈では、地表データは天然資源の埋蔵量の可能性を特定するのに役立ちます。[ 4 ]

鉱物および石油探査

利用可能な自然保護区の存在は、周囲の地質と密接に関連しています。実行可能な資源探査は、予備的な地域概観から有望な鉱石や石油鉱床を特定するための正確な地質モデルによって裏付けられるべきです。 [ 3 ]リモートセンシングは、探査プログラムの進捗に合わせて、合理的な費用でスケーラブルな調査を提供できます。一例として、 InSAR時系列を使用して鉱山の地表変形を監視することが挙げられます。[ 6 ]もう1つの例として、VNIRの短波長領域を使用して石油貯留層を推定することが挙げられます。これは、VNIRがライダーによる正確な距離測定とスペクトルスキャンによるスペクトルデータの両方を提供できるためです。[ 42 ]留意すべき点の1つは、リモートセンシングは地表探査を目的としているのに対し、天然資源は深部に集中しているため、その用途はある程度限られているという固有の制限です。とはいえ、以下の例を含め、貴重な情報を提供するプロキシがいくつかあります。[ 3 ]

  1. 地層学的・岩相学的：一部の鉱物は母岩と同生または後生である
  2. 地形学的：形態における鉱物の機械的濃縮
  3. 構造的：構造的特徴の交差により構造的トラップが形成される
  4. 岩石の変質：石英長石、炭酸塩、水酸化鉱物、層状珪酸塩、鉄酸化物（リモナイト）、通常、帯状の変質を伴うリングまたはハローとして現れる、画像強調の助けを借りて
  5. 地植物学：土壌中の金属が植生のストレスや異常成長の原因となっている可能性がある
世界最大の銅の産地であるチリのエスコンディーダ鉱山における廃石貯留池の拡張により、節水と環境への影響の最小化を図る - ランドサット

上記の岩石変質手段に関して、植生被覆による低反射率の欠点や、カオリナイトのように変質鉱物であるか否かの判断が難しい鉱物の曖昧さを考慮し、新たな手法が提案されている。このアルゴリズムでは、まずハイパースペクトル画像から得られるスペクトル形状全体を考慮し、次に吸収帯を考慮する。次に、リモートセンシングデータと地上フィールドデータを比較することで、各ピクセルの相関係数を算出する。各ピクセルの判定は、閾値の設定ではなく、最も影響を受けやすい優勢な物体に基づいて行われる。[ 43 ]

地下水調査

地下水資源の供給源を特定することは、水管理における究極の目標の一つです。多くの情報は水文地質学、地球物理学的手法、掘削から得られますが、リモートセンシング技術は、同じ原理を用いて地表で収集されたデータを統合することで、被圧帯水層／非被圧帯水層の可能性を推測することができます。[ 44 ]例えば、地中レーダー（地中レーダー）は地表から数メートル深くまで到達できますが、使用した波長に比べて「粗い」表面では、ある程度の拡散反射が見られることがあります。岩相の変化は、多孔性が高い軟岩や未固結堆積物を示唆している可能性があります。

植生

表層植​​生研究は、主にVNIR波長域の透過深度が低く、解像度が高いため、マルチスペクトルまたはハイパースペクトル画像解析によって行われます。[ 30 ]植生解析では、多数のセンサー、画像処理および分類アルゴリズム、補助データからの結果評価スキームが利用可能です。[ 30 ]例えば、バイオマスの量と質に関する牧草地の特性評価は、ハイパースペクトルデータから推測できます。[ 45 ] [ 30 ]対象領域における光合成活性（生育中）と非光合成活性（生育中）の検出、およびそれらの比率は、バイオマスの定量化をサポートします。炭素：窒素比で示される飼料の品質は、ハイパースペクトルデータ操作によって80%以上の精度で推定できます

ボリビア、サンタクルスでは、植生が密林から長方形の大豆栽培地へと変化している - ランドサット

地質学的な観点から見ると、画像内の対象領域が表面被覆によって不明瞭になる場合があります。植生に関しては、作物の生育を特徴付ける正規化植生指数（NDVI）の時系列データから土壌パターンを推定できます。[ 5 ]植物相、降水量、気温などの環境パラメータを考慮した生物地理学的勾配も、土壌被覆の手がかりとなります。[ 5 ]スペクトル分離技術は、ピクセルの全反射率が成分反射率の線形混合であると仮定することで、センサーで受信された結果信号に寄与する物体を識別します。[ 5 ]非光合成性植生被覆、地衣類、植物機能型、エレンバーグ指標値などの他のパラメータや土壌プロキシも土壌特性の推定に利用できます。[ 5 ]

惑星観測

ニューホライズンズ探査機のLORRIカメラが捉えたイオの火山活動による熱損失

地球以外では、リモートセンシングによって宇宙に宇宙飛行士を送ることなく惑星探査が可能になった。ほとんどの惑星探査では、厚い大気のため、レーダーが惑星表面の調査に適した計測機器である。レーダーは大気を貫通し、表面の粗さを検出できる。また、レーダー高度測定法やInSAR法から、例えば金星の地図作成のように地形図を作成することもできる。リモートセンシングを使用した惑星アプリケーションの一例として、太陽系で1平方キロメートルあたりの活火山の数が最も多いイオの火山活動観測が挙げられる。イオの火山学の重要性は教科書としても十分に文書化されているが、[ 46 ]新たな観測により、2:5マイクロメートルの熱放射（熱シグネチャ）のスペクトル比の時間的変化から、溶岩噴出から珪長質溶岩流までの噴火モードを推測できることが指摘されている。[ 47 ]最近では、空間分解能を向上させて熱源の噴出孔の位置をより正確に特定するという提案がなされており、これは木星の軌道の偏心によって引き起こされる潮汐加熱と深く関係する火山学の未解決の謎を解明するためである。モデル化により、イオ表面を解像するのに十分なピクセルサイズを確保するためには、調査対象の地面とセンサーとの間に適切な距離を維持する必要があることが示されている。衛星によるリモートセンシングでは、センサーが宇宙空間で安定して保持されるためジッタが低減し、木星の強い放射線帯によってセンサーの寿命が著しく制限されるにもかかわらず、大気がない場合でも地上観測で正確なデータが得られる。 [ 48 ]これらすべてが将来の計測機器や軌道設計を促進する。

画像処理

画像処理は、生データを有用な情報に変換する上で極めて重要です。画像化リモートセンシングでは、スペクトルデータが収集され、 2次元表現である画像のピクセルに記録されます。ノイズ除去とキャリブレーションの後、画像は地理参照され、ピクセルを実際の地理と関連付けます。その後、一次データは補正され、大気擾乱、構造物の影響、歪みなどのノイズが除去されます。リモートセンシングデータは、多くの場合、画像分類における品質保証のためのトレーニングデータとして使用されるグラウンドトゥルースによって検証されます。[ 3 ] [ 5 ]

航空写真や衛星画像の判読は、人間による判読や計算によって行うことができる。[ 3 ]地質学的特徴の人間による判読は、専門家が判読対象（地形学など）を十分に理解していれば、非常に高品質になり得る。しかし、航空写真の目視判読は時間がかかり、経験豊富な判読者は費用がかさむ。クリスプまたはファジークラスタリングロジックを採用したデジタル教師ありまたは教師なしの地形分類は、実行可能なソリューションへの新たな可能性を開いた。しかし、計算アルゴリズムは、スケール依存性の問題やクラス境界の恣意的な定義の影響を受ける。植生被覆や起伏のある地形の存在も適用範囲を狭める可能性がある。[ 5 ]相関関係を識別するための統計的および計算アルゴリズムは、画像解析のために精力的に開発されている。例えば、ニューラルネットワークなどの非パラメトリック分類器の出現は、大量データの分類における代替手段となっている。[ 1 ]

GISとの統合

リモートセンシング技術は、地理情報システム（GIS）の機能の1つである、後のデータ解釈と視覚化に密接に関連しています。 [ 10 ] [ 1 ] [ 2 ] GISでは、社会経済状況や生物物理学的状況などの他の情報をレイヤーで入力することもできます。[ 44 ]同じ空間範囲でさらに分析を実行し、主題図を作成して提示します。[ 10 ] [ 1 ] [ 2 ] GISとリモートセンシングの統合によるアプリケーションを網羅的に説明することはできませんが、ここでは水文学、地滑り、都市計画のトピックについて説明します。

水文学

水管理におけるGISとリモートセンシングデータの応用は多岐にわたり、探査、地下水流動と自然涵養のモデリング、汚染制御、水文地質学的プロセスのモニタリングなど多岐にわたります。本質的には、地形、植生被覆、排水地形、帯水層の種類は、リモートセンシングデータや様々な種類のセンサーやプラットフォームからの画像から推測できます。[ 44 ]トルコのブルドゥルにおけるリモートセンシングデータとGISによる空間分析の活用を示すケーススタディは、先駆的なプロジェクトの1つです。 [ 49 ]リモートセンシングは地質とリニアメント密度のデータを収集し、GISは排水密度、地形の標高、勾配、土地利用、年間降雨量データを導出しました。[ 49 ]加重オーバーレイにより、地下水ポテンシャルマップが生成され、新しい水源の可能性がある場所を特定できます。[ 49 ]

地滑り

豊富な文献は、地すべりに対するリモートセンシング技術の使用が、認識、監視、および危険評価のすべての側面で成功していることを示している。[ 34 ] [ 50 ]ヨーロッパの例に加えて、香港の地すべりは、斜面崩壊のリスクを軽減するための体系的な研究を行う関連政府組織が設立される前に、その地域に死傷者と物的損害をもたらした。[ 4 ] [ 51 ]世界中の地すべりと同様に、主な要因には、地質、不連続性（構造的）、風化および降雨が含まれる。激しい降雨（年間2000mm以上）は、浸透により間隙水圧を急速に上昇させる。現場の支援を受けて生成された局所的な水文地質学的モデル、たとえば圧力測定や不連続マッピングは、地すべりの運動学を解明するのに役立ちますが、香港での地すべり評価にリモートセンシングを使用することには、経験が不足することはありません。[ 4 ]例えば、干渉合成開口レーダー[ 27 ]と航空写真判読[ 35 ]は、それぞれ地表変形の検出と地すべり目録の更新に歴史的に用いられてきたツールです。GISはまた、地形（標高と傾斜角）や岩相、降雨量データをレイヤーに重ね​​合わせて地すべりハザードマップを作成するためにも用いられます。それぞれのパラメータに異なる重み付けをすることで、ハザードをゾーン分けし、リスクを管理することができます。[ 4 ]

都市環境への応用

リモートセンシングは環境分野において大きな可能性を秘めています。例えば、土地利用計画（例えば原子力発電所の立地や廃棄物処理場）、土壌浸食や大気汚染の監視、植生などは、ここ10年間で大きな関心を集めています。[ 3 ]

参考文献

  1. ^ a b c d e f g h i j k l m n o p Rees, WG (2013). リモートセンシングの物理的原理 第3版. ケンブリッジ大学出版局
  2. ^ a b c Kuehn, F., King, TVV, Hoerig, B., Peters, DC, Newcomb, C., Toms, H. (2000). サイト特性評価のためのリモートセンシング. Springer.
  3. ^ a b c d e f g h i j k l m n o p q r s t u v w x y z aa ab ac ad ae af ag ah ai aj ak al Gupta, RP (1991). リモートセンシング地質学. Springer-Verlag.
  4. ^ a b c d e f g h i j k l m調査とモニタリング、地滑り（2020年11月19日）、Ray、Ram（編）、地滑り - 調査とモニタリング、IntechOpen、ISBN 978-1-78985-824-2
  5. ^ a b c d e f g h i j k l m n o p q r s t u v w Mulder, VL, de Bruin, S., Schaepman, ME, Mayr, TR (2011). 土壌・地形図作成におけるリモートセンシングの活用 — レビュー. Geoderma, 162, 1–19
  6. ^ a b c Paradella, WR, Ferretti, A., Mura, JC, Colombo, D., Gama, FF, Tamburini, A., ... & Silva, AQ (2015). 統合SAR解析を用いたカラジャス州（アマゾン地域）の露天掘り鉄鉱山における地表変形のマッピング. Engineering Geology, 193, 61–78.
  7. ^ a b c d e f g h i Vincent, RK (1997). 地質・環境リモートセンシングの基礎. プレンティスホール.
  8. ^ a b c d Colomina, I., Molina, P. (2014). 写真測量とリモートセンシングのための無人航空システム：レビュー. ISPRS Journal of Photogrammetry and Remote Sensing 92 (2014) 79–97
  9. ^ a b c d Bürgmann, R., Thatcher, W. (2013). 宇宙測地学：地殻変動測定におけるテクトニックプロセスの革命. アメリカ地質学会特別論文500. 397–430.
  10. ^ a b c d e f g h i j k l m Jensen, JR (2007). 環境のリモートセンシング：地球資源の観点から. ピアソン.
  11. ^ Bartholomeus, H., Epema, G., Schaepman, ME (2007). 分光反射率とイメージング分光法を用いた地中海性土壌の部分的に植生が生い茂った地域の鉄含有量の測定. Int. J. Appl. Earth Obs. Geoinf. 9 (2), 194–203.
  12. ^ Clark, RN, et al., 2003. 「イメージング分光法：USGSテトラコーダとエキスパートシステムによる地球・惑星リモートセンシング」J. Geophys. Res. 108 (5), 44.
  13. ^二宮雄三、フー・B、クダヒ・TJ、2005年。「先進宇宙搭載熱放射反射放射計（ASTER）のマルチスペクトル熱赤外線「センサー位置放射輝度」データによる岩相検出」Remote Sens. Environ. 99(1–2), 127–139。
  14. ^ Asadzadeh, S., & de Souza Filho, CR (2016). 地質リモートセンシングのためのスペクトル処理手法のレビュー. International Journal of Applied Earth Observation and Geoinformation, 47, 69–90.
  15. ^ Kalinowski, A., Oliver, S. (2004). ASTER鉱物指数処理マニュアル. リモートセンシングアプリケーション. Geoscience Australia.
  16. ^ Wagner, W., Pathe, C., Sabel, D., Bartsch, A., Kunzer, C., Scipal, K., 2007. 南部アフリカ、SHAREプロジェクト、およびMISARプロジェクトにおけるENVISTAT ASARによる実験的1km土壌水分プロダクト。欧州宇宙機関。
  17. ^ a b c Paillou, P. (2017). 砂漠における古水文地質のマッピング：宇宙搭載型画像レーダーの貢献. 水, 9(3), 194. doi : 10.3390/w9030194
  18. ^ a b c d Permenter, JL、および Oppenheimer, C. (2007)。ティベスティ山塊（チャド、北アフリカ）の火山。火山学紀要、69(6)、609–626。
  19. ^ Roberts, GG, & White, N. (2010). アフリカの事例を用いた河川断面からの隆起速度履歴の推定. Journal of Geophysical Research: Solid Earth, 115(B2).
  20. ^ a b c d Blondeau-Patissier, D., Gower, JF, Dekker, AG, Phinn, SR, & Brando, VE (2014). 沿岸海域および外洋における植物プランクトンブルームの検出、マッピング、解析のための海色リモートセンシング手法と統計手法のレビュー. Progress in oceanography , 123 , 123-144.
  21. ^ a b c Bhambri, R., & Bolch, T. (2009). 氷河地図作成：インドヒマラヤ山脈を中心とするレビュー. Progress in Physical Geography , 33 (5), 672-704.
  22. ^ a b Joyce, KE, Belliss, SE, Samsonov, SV, McNeill, SJ & Glassey, PJ (2009). 自然災害の地図作成における衛星リモートセンシングと画像処理技術の現状レビュー. Progress in Physical Geography, 33(2), 183–207.
  23. ^ a bプレスコット、W. (1993). 遠くから地震を見る. Nature, 364, 100-101.
  24. ^ a b c d e欧州宇宙研究技術センター (2007). InSARの原則：SAR干渉法の解釈に関するガイドライン. ESA出版物.
  25. ^ a b c d e f Crosetto, M., Monserrat, O., Cuevas-González, M., Devanthéry, N. & Crippa, B. (2016). 持続散乱体干渉法：レビュー. ISPRS Journal of Photogrammetry and Remote Sensing, 115, 78–89.
  26. ^ a b c d e f Caduff, R., Schlunegger, F., Kos, A., & Wiesmann, A. (2015). 「地球科学における地表変化測定のための地上レーダー干渉法のレビュー」『地球表面プロセスと土地形態』 40(2), 208–228.
  27. ^ a b Chen F., Lin. H. & Hu X. (2014). LバンドALOS PALSARとXバンドTerraSARデータを用いた小基線SAR干渉法による斜面表層変位モニタリング：中国香港の事例研究. リモートセンシング, 6, 1564–1586.
  28. ^ Ouzounov, D., Freund, F. (2004). リモートセンシングデータによる強地震発生前の中間赤外線放射の解析. Advances in Space Research, 33, 268–273.
  29. ^ Dahdouh-Guebas、F.、Jayatissa、LP、Di Nitto、D.、Bosire、JO、Seen、DL、および Koedam、N. (2005)。マングローブは最近の津波に対する防御としてどれほど効果的でしたか?現在の生物学、15(12)、R443-R447。
  30. ^ a b c d e f Heumann, BW (2011). マングローブ林の衛星リモートセンシング：最近の進歩と将来の可能性. Progress in Physical Geography, 35(1), 87–108.
  31. ^ a b Bovolo, F., & Bruzzone, L. (2007). 分割ベースアプローチによる大規模多時点画像における教師なし変化検出：津波被害評価への応用. IEEE Transactions on Geoscience and Remote Sensing, 45(6), 1658–1670.
  32. ^ a b c d e f g Pyle, DM, Mather, TA, & Biggs, J. (2013). 火山と火山活動のリモートセンシング：観測とモデリングの統合–入門. 地質学会, ロンドン, Special Publications, 380(1), 1–13.
  33. ^ Hörmann, C.; Sihler, H.; Bobrowski, N.; Beirle, S.; Penning de Vries, M.; Platt, U.; Wagner, T. (2013年5月8日). 「GOME-2装置を用いた宇宙からの火山噴煙中の臭素一酸化炭素の系統的調査」 .大気化学物理学. 13 (9): 4749– 4781. Bibcode : 2013ACP....13.4749H . doi : 10.5194/acp-13-4749-2013 .
  34. ^ a b c d Scaioni, M.; Longoni, L.; Melillo, V.; Papini, M. (2014). 「地すべり調査のためのリモートセンシング：最近の成果と展望の概要」 .リモートセンシング. 6 (10): 9600– 9652. Bibcode : 2014RemS....6.9600S . doi : 10.3390/rs6109600 . hdl : 11311/886093 .
  35. ^ a b Ho, H. (2004).香港における地盤工学実務における航空写真判読の応用（修士論文）. 香港大学, 香港特別行政区, ポクフラム. doi : 10.5353/th_b4257758 . hdl : 10722/55931 .
  36. ^ Singhroy, Vernon; Fobert, Mary-Anne; Li, Junhua; Blais-Stevens, Andrée; Charbonneau, François; Das, M. (2021), Singhroy, Vernon (ed.) 「交通、エネルギー、鉱業、沿岸インフラの監視のための高度なレーダー画像」、インフラ監視のためのリモートセンシングの進歩、Cham: Springer International Publishing、pp.  3– 40、doi : 10.1007/978-3-030-59109-0_1、ISBN 978-3-030-59108-32025年4月9日閲覧{{citation}}：CS1 maint：ISBN（リンク）を含む作業パラメータ
  37. ^ Tomás, R.; Li, Z.; Lopez-Sanchez, JM; Liu, P.; Singleton, A. (2016年6月1日). 「InSAR時系列データからの季節変動解析のためのウェーブレットツールの使用：黄土坡地すべりの事例研究」 . Landslides . 13 ( 3): 437– 450. Bibcode : 2016Lands..13..437T . doi : 10.1007/s10346-015-0589-y . hdl : 10045/62160 . ISSN 1612-5118 
  38. ^トマス、ロベルト;異教徒、ホセ・イグナシオ。ナバロ、ホセ A.カノ、ミゲル。ホセ・ルイス牧師。リケルメ、アドリアン。クエバス・ゴンサレス、マリア;ミケーレ・クロセット。バーラ、アンナ。モンセラート、オリオール。ロペス・サンチェス、フアン・M.ラモン、アルフレド。イヴォラ、サルバドール。デル・ソルダート、マッテオ。ソラーリ、ロレンツォ（2019年1月）。「永続散乱干渉計データセットを使用した地質学的・地質工学的変形プロセスの半自動識別と事前スクリーニング」。リモートセンシング。11 (14): 1675。ビブコード: 2019RemS...11.1675T。doi : 10.3390/rs11141675 . hdl : 2158/1162779 . ISSN 2072-4292 . 
  39. ^バーラ、アンナ;ソラーリ、ロレンツォ。ベハル＝ピサロ、マルタ。モンセラート、オリオール。ビアンキーニ、シルビア。エレーラ、ヘラルド。ミケーレ・クロセット。サロ、ロベルト。ゴンサレス・アロンソ、エレナ。マテオス、ローザ・マリア。リゲルザナ、セルジオ。ロペス、カルメン。モレッティ、サンドロ（2017年10月）。「Sentinel-1 SAR 画像に基づいて活動的な変形領域を検出および更新する方法」。リモートセンシング。9 (10): 1002。ビブコード: 2017RemS....9.1002B。土井：10.3390/rs9101002。hdl : 10261/276682。ISSN 2072-4292 . 
  40. ^トマス、R.;ロメロ、R.ムーラス、J.マルトゥリア、JJ;マヨルキ、JJ;ロペス・サンチェス、JM。エレーラ、G.グティエレス、F.ゴンザレス、ペンシルベニア州;フェルナンデス、J.デュケ、S.コンチャディマス、A.コックスリー、G.カスタニェダ、C.カラスコ、D. (2014-01-01)。「地盤沈下現象の研究のためのレーダー干渉法技術: スペインの事例を通じた実際的な問題の検討」。地球環境科学。71 (1): 163–181。ビブコード: 2014EES....71..163T。土井：10.1007/s12665-013-2422-z。hdl : 10261/82968 . ISSN 1866-6299 . 
  41. ^胡、リルル;ナバロ＝エルナンデス、マリア I.劉暁傑。トマス、ロベルト。唐、新明。ブルー、グアダルーペ;エスケロ、パブロ。張、青島（2022-10-01）。「オープンアクセス航空 LiDAR データセットを使用した、アルト グアダレンティン盆地 (スペイン) における地域的な大勾配地盤沈下の分析」。環境のリモートセンシング。280 113218。Bibcode : 2022RSEnv.28013218H。土井：10.1016/j.rse.2022.113218。hdl : 10045/126163。ISSN 0034-4257。 
  42. ^ Hodgetts, D. (2013). 石油産業におけるレーザースキャンとデジタル露頭地質学：レビュー. Marine and Petroleum Geology, 46, 335–354.
  43. ^ Xu, Y., Ma, H., Peng, S. (2014). フィールドオブジェクトのスペクトルを用いたハイパースペクトル画像における変質岩石の識別に関する研究. 鉱石地質学レビュー, 56, 584–595.
  44. ^ a b c Jha, MK, Chowdhury, A., Chowdary, VM, & Peiffer, S. (2007). 統合リモートセンシングと地理情報システムによる地下水管理と開発：展望と制約. 水資源管理, 21(2), 427–467.
  45. ^ Beeri O, Phillips R, Hendrickson J, et al. (2007) 航空ハイパースペクトル画像を用いた北部混交草原における飼料の量と質の推定. Remote Sens Environ 110:216–25.
  46. ^ Davies, AG (2007). イオの火山活動：地球との比較. ケンブリッジ大学出版局.
  47. ^ Davis, AG, Keszthelyi, LP, Harris, AJL (2010). イオと地球における火山噴火の熱的特徴. Journal of Volcanology and Geothermal Research, 194, 75–99.
  48. ^ Delory, GT, Laver, C., de Pater, I., Pitman, J., Duncan, A. (2010). 木星系ミッションのための高解像度リモートセンシング観測：イオを事例として. Planetary and SpaceScience, 58, 1699–1707.
  49. ^ a b c Sener, E., Davraz, A., Ozcelik, M. (2007). 地下水調査におけるGISとリモートセンシングの統合：トルコ・ブルドゥルにおける事例研究. Hydrogeology Journal, 13, 826–834.
  50. ^ Tofani, V., Segoni, S., Agostini, A., Catani, F. & Casagli N. (2013). 技術ノート：ヨーロッパにおける地すべり調査におけるリモートセンシングの活用. Natural Hazards and Earth System Sciences, 13, 299–309.
  51. ^ Hencher, SR & Malone, AW (2012). 香港の地滑り. 地滑り：種類、メカニズム、モデル化. ケンブリッジ大学出版局.
「 https://en.wikipedia.org/w/index.php?title=Remote_sensing_in_geology&oldid=1306867322」より取得