PyCon JP 2025 DAY1 「Hello, satellite data! ～Pythonではじめる衛星データ解析～」

PyCon JP 2025 DAY1にて発表した「Hello, satellite data! ～Pythonではじめる衛星データ解析～」の資料です。
デモは、以下のGoogle Colabから実行できます。
https://colab.research.google.com/drive/1B9Zw_mGelx8ouRPhcMm4ZfHcTWE4GPXv?usp=sharing

1. Hello, satellite data! ～Pythonではじめる衛星データ解析～ ぴっかりん (@ra0kley) PyConJP 2025 DAY1 2025.09.26
2. PyConJP 2025 はじめに • 本発表は、所属会社で行っていることではなく、 個人の立場でのものです • デモは、以下のリンクからGoogle Colab上で 実行することが可能です https://colab.research.google.com/drive/1B9Zw_mGelx 8ouRPhcMm4ZfHcTWE4GPXv?usp=sharing • X（旧Twitter）を見ていることが多いので、ぜひ #pyconjp_2 を付けて感想をポストして頂けると嬉しいです！ 2
3. PyConJP 2025 本日のトークのゴール ✓ 衛星データの基礎（種類・光と波長・分解能）がざっくり分かる ✓ 広島市を例に、検索・可視化の流れが分かる ✓ NDVI（植生指数）などを用いた簡単な解析が行えるようになる 3
4. PyConJP 2025 発表内容 1. 自己紹介 2. 衛星データの基礎知識 3. 衛星データを検索・表示してみよう 4. 簡単な解析をしてみよう 5. まとめ 4
5. 5 自己紹介 01
6. PyConJP 2025 1. 自己紹介 • 出身: 静岡県東部 • 趣味: 地理空間情報と戯れる、ラジオを聴く、散歩、旅行... • 推し: 鬼頭明里さん（声優）、すそのん（静岡県裾野市ゆるキャラ） • 活動: PLATEAU ADVOCATE 2025、 OSGeo.JP 運営委員、 SatAI.Challenge 運営メンバ ←「ぴっかりん」という名前でSNS等に 生息してます 6
7. PyConJP 2025 1. 自己紹介 私のPyCon参加歴 PyConJP 2021（オンライン） 7
8. PyConJP 2025 1. 自己紹介 私のPyCon参加歴 PyConJP 2021（オンライン） PyConJP 2022（オンサイト） PyCon APAC 2023（オンサイト） 8 「国土数値情報（行政区域データ）」（国土交通省）を加工して作成
9. PyConJP 2025 1. 自己紹介 私のPyCon参加歴 PyConJP 2021（オンライン） PyConJP 2022（オンサイト） PyCon APAC 2023（オンサイト） PyCon mini Shizuoka 2024 continue （オンサイト・発表） 9 「国土数値情報（行政区域データ）」（国土交通省）を加工して作成
10. PyConJP 2025 1. 自己紹介？ 実は右の地図、都道府県名のほかに 位置の情報も含まれているデータ から作成しています 10 「国土数値情報（行政区域データ）」（国土交通省）を加工して作成
11. PyConJP 2025 1. 自己紹介？ 11 「国土数値情報（行政区域データ）」（国土交通省）を加工して作成 ・・・ =
12. PyConJP 2025 ・・・ 1. 自己紹介？ 12 「国土数値情報（行政区域データ）」（国土交通省）を加工して作成 = 都道府県の形が緯度、経度で表され格納
13. PyConJP 2025 1. 自己紹介？ このように「位置情報」をもつデータ（位置情報＋αでも当然OK） → 地理空間情報 世の中には、様々な地理空間情報が溢れています！ 13
14. PyConJP 2025 1. 自己紹介？ 世の中には、様々な地理空間情報が溢れています！ 14 位置情報！ 広島市「広島市_観光施設一覧」を加工して作成
15. PyConJP 2025 1. 自己紹介？ 3Dの地理空間情報もあります！（この話はオープンスペースで！？） 15 出典: 広島県 インフラマネジメント基盤「Dobox」 ひろしま3Dマップ
16. PyConJP 2025 1. 自己紹介？ 今回お話する衛星データは、地理空間情報の1つです 16
17. 17 衛星データの基礎知識 02
18. PyConJP 2025 そもそも人工衛星って？ 人工衛星とは？ 定常的に惑星の周りを周回している人工物のこと 例) ✓ 気象衛星「ひまわり」 ✓ 測位システム「GPS」、「みちびき」 探査機とはどう違う？ 小惑星のサンプルリターンに成功した「はやぶさ」などは、人工衛星では なく、「探査機」に分類 → 定常的に惑星の周りを周回していないため 18
19. PyConJP 2025 人工衛星の主な種類 19 種類 地球観測 測位 通信・放送 目的 時々刻々と変化する地球環境 などの長期的な観測 位置情報の計測に必要な 信号の送信 無線通信の中継や放送 用途 天気予報、災害時の状況 把握、農業モニタリングなど スマホやカーナビなどの 位置情報など 衛星放送、船舶や航空機の通 信、携帯電話との通信など © 国土地理院
20. PyConJP 2025 人工衛星の主な種類 20 種類 地球観測 測位 通信・放送 目的 時々刻々と変化する地球環境 の長期的な観測 位置情報の計測に必要な 信号の送信 無線通信の中継や放送 用途 天気予報、災害時の状況 把握、農業モニタリングなど スマホやカーナビなどの 位置情報など 衛星方法、船舶や航空機の通 信、携帯電話との通信など © 国土地理院 このトークで扱うのは、「地球観測」の衛星
21. PyConJP 2025 地球観測衛星の主な種類 21 種類 光学 SAR（合成開口レーダー） 定義？ 地表などで反射した太陽光をセンサで 受け取って観測 衛星が自ら照射した電波の反射波を 受信し観測 強み 視覚的に分かりやすく地上の様子が 分かる よほどの大雨でない限り、雲が被って いたり夜間でも観測可能 弱み 雲や霧などが被っている場合や、夜は 観測できない 解釈や解析には専門的な知識が必要
22. PyConJP 2025 地球観測衛星の主な種類 22 図にすると下のような感じ
23. PyConJP 2025 地球観測衛星の主な種類 23 種類 光学 SAR（合成開口レーダー） 定義？ 地表などで反射した太陽光をセンサで 受け取って観測 衛星が自ら照射した電波の反射波を 受信し観測 強み 視覚的に分かりやすく地上の様子が 分かる よほどの大雨でない限り、雲が被って いたり夜間でも観測可能 弱み 雲や霧などが被っている場合や、夜は 観測できない 解釈や解析には専門的な知識が必要 このトークで扱うのは、「光学」衛星
24. PyConJP 2025 光学衛星データの基礎知識①: 光と波長 光は、そもそも「電磁波」という波の一種 電磁波には波長（波1つ分の長さ）によって、さまざまな種類があり 特徴も異なる 24 ※ 青、緑、赤が人間の目で見える範囲（いわゆる可視光）
25. PyConJP 2025 光学衛星データの基礎知識①: 光と波長 25 植物の葉を例にすると おもに赤色と青色の光を光合成に 使用し、緑色の光を反射する → 人の目で緑色に見える 人が見えない範囲まで含めると 近赤外を最も反射する
26. PyConJP 2025 光学衛星データの基礎知識①: 光と波長 26 実際には、「青色」、「赤色」など意味がある波長帯ごとに 反射・放射された電磁波を記録しています どの波長を扱っているかを示すのが「バンド（Band）」です 実際に、光学衛星画像はバンド単位で配布されています 衛星データを扱うときに、衛星固有のバンドの番号が必要に なる場合があるので、必ず使用前に確認しましょう！
27. PyConJP 2025 光学衛星データの基礎知識①: 光と波長 27 実際に、Sentinel-2というヨーロッパの衛星に割り当てられてる バンドの一部を見てみましょう 出典: https://www.restec.or.jp/satellite/sentinel-2-a-2-b.html
28. PyConJP 2025 光学衛星データの基礎知識②: 空間分解能 空間分解能とは？ → 衛星画像が「どれくらい細かく地表を見られるか」を表す指標 → 画像中の1pxが、実世界のどのくらいの距離に相当するかで表現 28
29. PyConJP 2025 光学衛星データの基礎知識②: 空間分解能 空間分解能と対応する衛星、見えるものの例 29
30. PyConJP 2025 光学衛星データの基礎知識②: 空間分解能 空間分解能の違いによる見え方の比較 1m程度 → 建物や道路も見える 10m程度 → 建物や道路がだいぶ分かりづらい 30
31. 31 衛星データを検索・表示してみよう 03 Pythonで
32. PyConJP 2025 “超”便利なライブラリ leafmap 衛星データを含め、地理空間情報の可視化や簡単な解析を簡単にできる Pythonライブラリ MITライセンスなので、比較的自由に利用可能 32 出典: https://leafmap.org/
33. PyConJP 2025 STAC APIを用いて衛星データを検索しよう 以下の条件に合う衛星データを探していきます 条件 検索開始日: 2025/08/01 検索終了日: 2025/09/15 画像が欲しい場所: 広島国際会議場(PyConJP 2025会場) 周辺 使用する衛星: Sentinel-2 → ヨーロッパが運用している衛星で、無料でデータが入手可能 雲量: 10%未満 → 衛星が撮影した画像全体のうち、雲の割合が10%未満 33
34. PyConJP 2025 STAC APIを用いて衛星データを検索しよう コード 34 # 衛星データの検索 search_result = leafmap.stac_search( url= “https://planetarycomputer.microsoft.com/api/stac/v1”, # STAC API bbox=[132.35, 34.25, 132.55, 34.55], # 地理的な範囲 datetime="2025-08-01/2025-09-15", # 検索開始日と終了日 collections=["sentinel-2-l2a"], # Sentinel-2を指定 query={"eo:cloud_cover": {"lt": 10}} # 雲量10%未満 ) # 検索結果を、リストに変換 items = list(search_result.items()) print(f"{len(items)}件の衛星データが見つかりました。") # 検索結果をDataFrame（表形式）で表示 # 列として、撮影日時、ID、雲量を設定 gdf = leafmap.stac_search_to_gdf(search_result) print(gdf[['datetime', 's2:granule_id', 'eo:cloud_cover']])
35. PyConJP 2025 STAC APIを用いて衛星データを検索しよう 結果 10件見つかりました！ 35
36. PyConJP 2025 検索で見つかった衛星データを表示してみよう 雲量が小さいものを選ぶ 複数の結果が得られたので、一番雲が少ない画像を選んでいきます → 雲があると、地上の様子が見えないため 雲量（画像中の雲の割合）は、「eo:cloud_cover」列に割合で 格納されています 36
37. PyConJP 2025 検索で見つかった衛星データを表示してみよう 雲量が小さいものを選ぶ → 雲量が一番小さいときのDataframeのインデックスを取得し、 それに該当する衛星データを検索結果から探す コード(※ 不具合が発生する可能性あり) 37 # 一番雲量が小さいデータのidを取得 min_cloud_idx = gdf["eo:cloud_cover"].idxmin() # 取得したidを使って雲量が一番少ない衛星データを選択 item = items[min_cloud_idx]
38. PyConJP 2025 検索で見つかった衛星データを表示してみよう True Color合成とは → 人の目で見える色に近い形で、自然な色合いを再現する表示方法 見た目は、航空写真やGoogle Earthのような「見慣れた色」に近い 38
39. PyConJP 2025 検索で見つかった衛星データを表示してみよう True Color合成の表示方法 ディスプレイのRGBチャンネルに対して、それぞれ表の通りに 割り当てることで表示できる 39 チャンネル （ディスプレイ） 割り当てる 波長帯 Sentinel-2衛星でのバンド番号 R 赤（Red） B04 G 緑（Green） B03 B 青（Blue） B02
40. PyConJP 2025 検索で見つかった衛星データを表示してみよう True Color表示のコード（assets引数が重要） 40 # 地図上にTrue Color合成画像の表示 m = leafmap.Map() # 地図の中心を広島国際会議場周辺に設定、13は地図をどのくらい拡大するか m.set_center(132.45094, 34.39217, 13) m.add_stac_layer( collection=collection, item=item.id, # Sentinel-2衛星データのTrue Color合成なので、B04（赤）、B03（緑）、B02（青）を設定 assets=["B04", "B03", "B02"], name="Sentinel-2 True Color", rescale="1000,4000", attribution="Contains modified Copernicus Sentinel data (2025), processed via Microsoft Planetary Computer.", fit_bounds=False ) m
41. PyConJP 2025 検索で見つかった衛星データを表示してみよう 表示結果 いつも地図アプリなどで表示しているような画像が表示できた！ 41
42. PyConJP 2025 検索で見つかった衛星データを表示してみよう False Color合成とは → 特定の情報を強調したり、目に見えない情報を可視化するために、 実際の色の代わりに別の色を割り当てる表示方法 例) 植生がある部分を赤色で表示するなど 42
43. PyConJP 2025 検索で見つかった衛星データを表示してみよう False Color合成画像の作成方法 今回は、植生部分を赤色で表示する画像を作成していきます ディスプレイのRGBチャンネルに対して、それぞれ表の通りに 割り当てることで表示できる 43 チャンネル （ディスプレイ） 割り当てる 波長帯 Sentinel-2衛星でのバンド番号 R 近赤外（Red） B08 G 赤（Red） B04 B 緑（Green） B03
44. PyConJP 2025 検索で見つかった衛星データを表示してみよう False Color表示のコード（assets引数に注目） 44 # 地図上にFalse Color合成画像の表示 m = leafmap.Map() # 地図の中心を広島国際会議場周辺に設定、13は地図をどのくらい拡大するか m.set_center(132.45094, 34.39217, 13) m.add_stac_layer( collection=collection, item=item.id, # Sentinel-2衛星データのTrue Color合成なので、B08（近赤外）、B04（赤）、B03（緑）を 設定 assets=["B08", "B04", "B03"], name="Sentinel-2 False Color", rescale="1000,5000", attribution="Contains modified Copernicus Sentinel data (2025), processed via Microsoft Planetary Computer.", fit_bounds=False ) m
45. PyConJP 2025 検索で見つかった衛星データを表示してみよう 45 表示結果 植生部分が赤色になっている画像が表示できた！
46. 46 簡単な解析をしてみよう 04 Pythonで
47. PyConJP 2025 植物が生えているところを探してみよう 単純に緑色のところのピクセルを見つけるだけではダメなの？ → この世の中には、植物以外にも緑色のものがたくさん！ 学校などの屋上が緑色で塗装されていたり。。。 近赤外の値が高いところを見つけるのは？ → 植物の葉は、先ほど述べたように近赤外を強く 反射しますが、雲や雪、特定の鉱物なども近赤外に強く反射するので、 植物だけを見つけるのは難しい。。。 47
48. PyConJP 2025 NDVI（正規化植生指標）とは？ 植物の光の反射特性に着目し、植物が茂り具合を示す指標 具体的には、 ✓ 近赤外の光を強く反射する ✓ 赤の光をよく吸収する という特徴から、「赤」と「近赤外」 の反射の差に着目して算出する 48
49. PyConJP 2025 NDVI（正規化植生指標）の算出 植物の葉が、近赤外の光を強く反射し、赤の光を吸収しやすい という特徴から、以下の数式を用いて-1～+1で算出 NDVI = 近赤外 − 赤 近赤外 + 赤 今回、使用しているSentinel-2衛星のバンド番号で示すと、 近赤外=B08、赤=B04なので、以下のようになる NDVI = 近赤外 − 赤 近赤外 + 赤 = B08 − B04 B08 + B04 49
50. PyConJP 2025 NDVI（正規化植生指標）の算出 コード（expression引数に注目） 50 # 地図上にFalse Color合成画像の表示 m = leafmap.Map() m.set_center(132.45094, 34.39217, 13) # NDVIを計算し、地図上に表示 m.add_stac_layer( collection=collection, item=item.id, # `expression`にNDVIを計算する引数を設定 expression="(B08-B04)/(B08+B04)", rescale="-1,1", fit_bounds=False, attribution="Contains modified Copernicus Sentinel data (2025), processed via Microsoft Planetary Computer.", name="NDVI", colormap_name="rdylgn" ) m
51. PyConJP 2025 NDVI（正規化植生指標）の算出 コード（expression引数に注目） 引数にバンド番号を用いた計算式を記載するだけで、 計算し、地図上に表示してくれる 51 # `expression`にNDVIを計算する引数を設定 expression="(B08-B04)/(B08+B04)",
52. PyConJP 2025 NDVI（正規化植生指標）の可視化 表示結果 山間部のほかに、平和大通りなどに植物が茂っていることが分かる 52
53. PyConJP 2025 NDVI（正規化植生指標）の可視化 平和大通り（赤丸部分）に植物が茂っている結果はあっているか？ → 今朝、撮ってきました！ ちゃんと街路樹がありました 53 NDVI算出画像 実際の地上の画像
54. 54 まとめ 05
55. 55 まとめと思いきや宣伝です！ 05
56. PyConJP 2025 宣伝 今回、用いたPythonライブラリであるleafmapのような 地理空間情報を扱う自由かつオープンソースなソフトウェア群を FOSS4G（Free and Open Source Software for Geospatial） といいます そして、このFOSS4Gのコミュニティを支援している団体が主催する 年次カンファレンスの名前もFOSS4Gです（ややこしい） 各地の支部が主催する会議の名前も“FOSS4G”を冠することが多い （自己紹介にあったOSGeo.JPは日本の支部） 56
57. PyConJP 2025 宣伝 そして、そのグローバルな年次カンファレンスを、来年 57
58. PyConJP 2025 宣伝 そして、そのグローバルな年次カンファレンスを、来年 広島 での開催が決定しました 58
59. PyConJP 2025 宣伝 そして、そのグローバルな年次カンファレンスを、来年 広島 での開催が決定しました 会場は、なんと“ここ（広島国際会議場） ” 59
60. PyConJP 2025 宣伝 FOSS4G 2026 Hiroshima開催するので、ぜひ遊びにきてください！ 60
61. PyConJP 2025 宣伝 位置情報に興味あるけど、いきなり国際カンファレンスというのは。。。 という方にも朗報があります 61
62. PyConJP 2025 宣伝 日本の支部が毎年？行っているFOSS4Gに関するカンファレンスが 2025/10/11～10/12に、神奈川県で開催されます！！ (10/12は、一部YouTube配信も予定しています) 62 出典: https://www.osgeo.jp/foss4g-2025-japan/
63. PyConJP 2025 まとめ • 人工衛星や衛星データは、日常で大活躍しています • 衛星データをPythonで扱うためのツールが開発されて 簡単に扱うことができるようになりつつある • なぜ、Pythonで扱う？ → 地理空間情報の処理ライブラリが豊富であり、 深層学習などの応用も行いやすい → 地理空間情報の処理は、Pythonと相性がよい（個人の意見） 63
64. PyConJP 2025 メッセージ 衛星データは、まだまだ戦争や災害など で使われることが多いです これを機に、明るい利用方法が広がると 嬉しいです！ 64
65. PyConJP 2025 メッセージ Pythonを用いて、地理空間情報で遊ぶのは めっちゃ楽しいです！！！ あなたもぜひ、地理空間情報の沼へ！ 65
66. ありがとうございました！ ↑ X (旧Twitter)アカウント ↑ GitHubアカウント 66