宇宙から社会を動かす〜衛星データを「意思決定」に変えるデータサイエンス〜

by The Japan DataScientist Society

Embed

Start on current slide

Slide 1

Slide 1 text

Slide 2

Slide 2 text

自己紹介坂内匠（ばんないたくみ）株式会社ME-Lab Japan 代表取締役社長株式会社エル・ティー・エス執行役員 Data Lead事業部部長経歴衛星データから降水量を推定する研究 • 大学（経営学部）学士卒業 • エル・ティー・エス入社 • 業務・戦略・データ解析・AIプロジェクト • 衛星データ解析の研究活動 • 大学院（工学系研究科）修士課程 • ME-Lab Japan 設立 open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved.

Slide 3

Slide 3 text

会社・サービス紹介 ❶ 衛星 × AI × 物理の統合解析エンジン MetaEarth Lab, Inc. 株式会社エル・ティー・エス先端的な知見・解析技術 1,000人規模コンサル・エンジニアリソース ME-Lab Japan 衛星データ物理モデル AI ❷ オンボーディング支援（例. 衛星ダッシュボード開発・運用設計）気候関連サービス・デリバリ日本・グローバル市場防災カーボンクレジット気候シミュレーション 3

Slide 4

Slide 4 text

実績 • • • • • • • • • • 宇宙戦略基金（第二期）採択（2026）「トルコ/インドネシア・衛星＋地上センサー密結合の次世代インフラモニタリング」 JICA・水資源マスタープラン策定に向けたデジタル技術・宇宙技術の実証採択（2026）「ザンビア・衛星と河川物理モデルを組み合わせた越境水資源管理技術の実証」経産省・グローバルサウス補助金委託先として参加（2025）「トルコ共和国／鉄道インフラ防災プラットフォーム実証事業」経産省・グローバルサウス補助金委託先として参加（2025）「ベトナムでの洪水予測に向けた高品質雨量データの開発」静岡・森林カーボンクレジット創出促進事業採択（2025）「持続可能な森林経営管理の実現にむけた静岡版複合型クレジット創出モデル」山梨県・火山防災イノベーション事業採択（2025）「火山監視に向けたマルチSAR統合解析技術」 NEDO・SSIL 衛星データ活用アワード（2024）最優秀賞「衛星データを活用した潜在的なブルーカーボン評価AIシステムの開発」令和５年度国交相SBIR事業委託先として参加（2023）「次世代機器等を活用した河川管理の監視・観測の高度化に資する技術開発」経産省・NEDO Challenge, Satellite Data for Green Earth 審査員特別賞（2023）「森林成長モデルと衛星観測を用いた森林の水源涵養システムの開発」経産省・NEDO Supply Chain Data Challenge 災害対応部門準優勝（2022）「衛星データと洪水物理モデルを組み合わせた浸水予測＆サプライチェーン影響評価システム」 4

Slide 5

Slide 5 text

はじめに｜本日お話しすること INTRODUCTION 第二部では、衛星データを「社会で使われるもの」にするために何が必要かを考えます私たちの立ち位置データ提供・アクセス衛星の開発・運用衛星をつくる・届ける側本日の焦点分析・AI 社会実装・意思決定衛星データを「使う」側研究・PoCの“先”にある社会実装第一部第二部（本講演）地球観測データを「使えるようにする」そのデータを「社会で使われるもの」にするデータへのアクセスを容易にする技術データを社会価値に変える 5

Slide 6

Slide 6 text

衛星データは、データサイエンスのフロンティア PART 1 地球そのものが、データサイエンスの対象になるこれまで「データがない」と考えられていた世界が、急速にデータ化され始めているこれまでの分析対象これからの分析対象企業データ Earth Data 顧客商品森林農地河川海洋都市大気売上 Webアクセス工場設備活用が広がる領域農業森林海洋水資源災害インフラ都市気候変動分析対象が「企業の中」から「地球そのもの」へ広がっている open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 6

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

PART 1 地球そのものが、データサイエンスの対象になる Satellite Image → Earth Data Cube 衛星データは「画像」ではない。巨大な「時空間・多次元データ」である一般的なRGB画像 Earth Data Cube Time（観測日時） B Channel（波長） G R 可視光 1マス＝ 1枚の画像 X × Y（緯度・経度）赤外マイクロ波 X（経度） × Y（緯度） × 3バンド X×Y×3 X×Y 緯度・経度奥行き＝ Sensor 複数衛星・観測角度 SAR（偏波） X × Y × Time × Channel × Sensor Time 観測時刻・時系列 open Channel 可視光・赤外・マイクロ波・SAR偏波 Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. Sensor 複数衛星・観測角度 9

Slide 10

Slide 10 text

More Satellites × Higher Resolution × Higher Frequency PART 1 地球そのものが、データサイエンスの対象になる衛星の数も性能（解像度・頻度・波長・観測方式）も、この50年で桁違いに伸びた稼働中の商用地球観測衛星数 1972年（Landsat-1）と現在の比較 1,650機 1972年現在代表的な衛星空間解像度 80 m 0.3 m WorldView-3 観測頻度 18日ごと毎日 PlanetScope 波長バンド数 4 200以上観測方式光学のみ光学＋SAR 約12倍 590機 EnMAP 50機 2012 2022 2032E Sentinel-1、ICEYE 注：2032年は予測値。商用ベースでデータ提供される政府衛星を含む。出典：Novaspace「Earth Observation Satellite Systems」2024年版（ESA Φ-lab講演資料, 2024）、Belward & Skøien, ISPRS J. (2015)、各衛星の公開仕様 open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 10

Slide 11

Slide 11 text

Satellite × Multimodal Data PART 1 地球そのものが、データサイエンスの対象になる価値は衛星単体ではなく、データの組み合わせから生まれる衛星データ＋多様なデータ Satellite ＋＋ Weather IoT ＋ LiDAR ＋ Drone ＋ GIS ＋ Corporate Data 組み合わせると、ビッグデータとマルチモーダルデータの融合問題になる取り組み例 Big Data 量が爆発する衛星数・解像度・頻度・波長数の掛け算で、データ量はペタバイト級に膨らみ続ける × Multimodal 種類が異なる画像・時系列・点群・表・テキスト。解像度も更新間隔も座標系も違うデータをそろえて扱う必要がある open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. https://arxiv.org/abs/2604.10414 11

Slide 12

Slide 12 text

PART 2 しかし、データが増えれば地球が分かるわけではない But, More Data ≠ More Understanding データが増えることと、現実世界を理解できることは同じではない工場・情報システム比較的閉じたシステム。ルールや変数を管理しやすく、不確実性が小さい自然環境（地球観測の対象） ≠ 非常に複雑なオープンシステム 0/1では語れない大きな不確実性がある自然を観測することの難しさ観測できない変数がある空間・時間で状態が変化する人間活動とも相互作用するセンサーには観測限界がある衛星が捉えるのは地球の表層のごく一部。背後にある要因は直接見えない同じ場所でも、季節・天候・時刻によって状態が変わり続ける農業・ダム操作・開発など、人の営みが自然の状態を変える解像度・観測頻度・雲・波長など、センサーごとに見えるものが限られるデータが大量にあっても、簡単には「答え」にならない＝人間（データサイエンティスト）の仕事 open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 12

Slide 13

Slide 13 text

PART 2 しかし、データが増えれば地球が分かるわけではない Observation ≠ Reality 衛星が見ているのは「地球そのもの」ではなく、現実の断片である衛星は、特定のセンサーで、特定の時刻に、特定の物理現象の一部を観測している Observation 衛星で観測できること Reality 本当に知りたいこと SARで水面らしい領域を検出 ≠ 洪水被害（浸水範囲・深）が分かる植生指数を観測 ≠ 作物収量が分かる衛星から降水量を推定 ≠ 河川流量・洪水リスクが分かるデータは、『世界のごく一部を切り取った「断片」にすぎない』活用できる「情報」に変換する必要がある情報の価値は「コンテクスト（前提・文脈）」に依存するデータ＋バイアス・ノイズ情報＋コンテクスト世界（現実） open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 13

Slide 14

Slide 14 text

PART 3 では、データサイエンティストは何をするのか Observation → Inference → Decision → Action 衛星が主に提供するのはObservation。社会が必要としているのはAction Observation Inference 観測推論 Decision Action 意思決定行動 ▲ 衛星が主に提供する ▲ 社会が必要としている ObservationとActionの間を、何でつなぐか AI 統計物理モデル他データ専門知識現地情報断片的なデータと、その背後にある世界をつなぐロジックを作る。それがデータサイエンティストの仕事 open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 14

Slide 15

Slide 15 text

現地に行くデータ・サイエンティスト PART 3 では、データサイエンティストは何をするのか宇宙から見る・データで考える・現地情報で繋ぐ宇宙から見えるもの広域性時系列変化現地でしか見えないもの分布背景原因制約人の行動意思決定本当に困っていること＋地域間比較データを増やすだけでは、現実への理解は完成しない NEXT Case Study：ザンビアの水資源管理 open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 15

Slide 16

Slide 16 text

Slide 17

Slide 17 text

PART 4 Case Study：ザンビアの水資源管理 Case｜宇宙からアフリカの水を捉える観測が限られる地域でも、衛星・物理モデル・現地観測を組み合わせて水資源を捉える Problem Available Data 何に困っているのか何を組み合わせるのか • 目的は「水資源管理への衛星の活用」 • 観測所がない、または十分に機能していない地域がある • 河川流量を広域・継続的に把握することが難しい open 何が新しく見えるのか • 物理モデル：再解析データの流出量・地形データから河川流量を推定 • 過去〜現在の河川流量を再現し、流域の水資源を広く捉える • 地上観測：限られた地点のデータで補正・比較検証 • 地図・時系列で、流量と降水量の分布・変動を可視化 • 衛星：降水量・水位で分布・変動を把握し、推定の検証・補完を検討 • 観測がない場所のデータを補う可能性を検討衛星降水量推定 Courtesy of JAXA Satellite + Model 河川モデル Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 17

Slide 18

Slide 18 text

Slide 19

Slide 19 text

Slide 20

Slide 20 text

衛星だけでは分からなかったこと PART 4 Case Study：ザンビアの水資源管理現地の人の話をつなぐと、水資源が生活・電力・産業政策にどう関わるかが見えてきた現地で対話当初の目的対話を通じて具体化した問い「衛星を水資源管理に役立てる」「発電計画に必要な、将来の水量の見通しをどうつくるか」誰のどの意思決定につながるかは、まだ不明確生活電力産業水資源現地で得た情報現地で得た情報現地で得た情報現地で得た情報カフェで会った経営者：「電気を使えるのは1日3時間ほど」電力供給が、水力発電に大きく依存している（約8割）電力不足が、さまざまな産業政策の制約になっている発電計画には、将来どれだけの水を使えるかの見通しが必要見えてきた意味見えてきた意味見えてきた意味見えてきた意味電力不足が、人々の生活に深く関わっている河川の水資源と電力供給が、密接につながっている水資源の把握が、産業の発展や経済政策にも関わる過去・現在の把握に加え、将来の水量を予測する必要がある異なる立場の人のとの対話をつなぐことで、分析のストーリーが見えてくる open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 20

Slide 21

Slide 21 text

今後の展開〜データから意思決定へ〜 PART 4 Case Study：ザンビアの水資源管理「衛星で何が見えたか」ではなく、「誰の意思決定がどう変わるか」まで設計する現象の理解から、予測の考え方が見えてきた現地で得た知識河川を流下予測の仮説上流の集水域の雨量を捉えれば、下流のダムに届く水量の見通しに使えるのではないか検証の進め方高度な時系列モデルを選ぶ前に、集水域ごとの雨量と時間差の関係性で予測はできる時間差（ラグ）上流の集水域下流のダム降水 Observation 水力発電 Inference 観測技術実証で実施上流域の衛星降水量、衛星水位、現地観測などを捉える Decision 推論技術実証で実施物理モデル等と組み合わせ、水資源の状態を推定する今後の取り組み上流域の降水が、時間をかけて下流の流量に影響する Action 意思決定行動目指す姿目指す姿将来の水量の見通しを、電力公社や関係機関の発電計画に役立てる計画に基づく発電・水利用の運用や見直しにつなげる上流の降水と時間差の知識で、将来流量の予測を検討技術実証で実施 open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 今後の取り組み・目指す姿 21

Slide 22

Slide 22 text

まとめ PART 5 技術だけでは社会実装されない社会実装とは、モデルを導入することではなく、モデルを組み込んだ意思決定の仕組みを作ること補助金 Resource Network Protocol 実行し続けるための資源自分たちにない知識を持つ仲間導入を判断する受け入れ基準融資投資顧客予算ストーリーテリング想いだけでは、実行できない技術＋資源（お金）で提案する必要がある現地政府専門家研究機関建設コンサルコンサル民間企業例：衛星データ解析を導入するか大学測量会社自分たちだけでは、現場に入り込めない専門家と組めば、何十年分もの試行錯誤を省ける open Copyright ©2026 ME-Lab Japan, Inc. All rights reserved. 日本既存手法のベースラインがある → 超えれば導入、と判断できる現地比べるベースラインがない → 何を超えれば導入か決められない受入基準がなければ、高精度な技術でも導入は決まらない 22