第３巻 地球観測データからの情報抽出 目次 表紙に戻る
第1章 はじめに
1.1 地球観測データから導かれる情報
1.2 本巻の構成
第2章 光学センサデータの物理量変換
2.1 校正実験
2.1.1 可視・近赤外域
2.1.2 熱赤外域
2.2 反射率導出
2.3 温度・放射率導出
2.3.1 背景
2.3.2 過去に提案された温度−放射率分離手法
2.3.3 ASTER TESアルゴリズムの検証
2.4 熱慣性の導出
2.4.1 熱慣性量
2.4.2 主要な地表面物質の熱慣性および地表面含水率との関連性
2.4.3 熱慣性と地表面熱収支
2.4.4 夜間における放射冷却を用いた熱慣性量の導出
2.4.5 熱慣性計測と地球環境モニタリング
第3章 スペクトル解析
3.1 リモートセンシング・データにおける大気および地形の影響
3.2 色彩強調処理によるスペクトル情報の抽出
3.2.1 Decorrelation Stretch
3.2.2 彩度強調法
3.3 マルチスペクトル・データの解析
3.3.1 比演算
3.3.2 主成分分析の幾何学的な意味とBase Line法としての利用
3.3.3 Maximum Noise Fraction (MNF) 法
3.3.4 植生指標
3.4.5 植生の影響の除去
3.4 ハイパースペクトル・データの解析
3.4.1 解析の手順
3.4.2 端成分スペクトルの抽出
3.4.3 反射・放射スペクトルの特徴および分類指標
3.4.4 対象とする物質の分布や量比のマッピング
第4章 分類
4.1 分類の種類
4.1.1 特徴空間
4.1.2 処理単位
4.1.3 先験情報の有無
4.2 統計理論に基づく分類手法
4.2.1 類似度の尺度−統計的距離
4.2.2 判別関数
4.3 主な教師つき分類法
4.3.1 マルチレベルスライス
4.3.2 最短距離法
4.3.3 最ゆう法
4.3.4 ディシジョンツリー（決定木）法
4.4 主な教師なし分類法
4.4.1 階層的クラスタリング
4.4.2 非階層的クラスタリング
4.5 新しい理論に基づく分類手法
4.5.1 遺伝的アルゴリズムに基づくクラスタリング
4.5.2 ニューラルネットに基づく教師つき分類手法
4.6 領域分割
4.6.1 統合法
4.6.2 分割・統合法
4.7 カテゴリー分解
4.7.1 単純線形結合法
4.7.2 改良型線形結合法
第5章 形状認識
5.1 形状の強調と抽出
5.1.1 形状の強調
5.1.2 形状の抽出
第6章 地形情報の抽出と利用
6.1 DEM
6.1.1 DEMの表現法
6.1.2 DEMの作成法
6.1.3 標高データの内挿法
6.2 DEMから抽出できる地形情報
6.3 地形情報の視覚化
6.4 地質調査への応用
6.5 DEMのその他の応用
第7章 SARデータからの情報抽出
7.1 後方散乱強度の解析
7.1.1 土壌水分・表面粗度(ラフネス)解析
7.1.2 森林解析
7.1.3 海洋データの解析
7.2 ポーラリメトリック解析
7.2.1 基本的な偏波SAR画像の作成
7.2.2 散乱行列からMueller行列への変換
7.2.3 ターゲットの分類・識別
7.3 インターフェロメトリック解析（干渉解析）
7.3.1 干渉計測幾何学
7.3.2 基本処理
7.3.3 DEM生成
7.3.4 変位マッピング（差分干渉）
7.4 スペックルへの対応
7.4.1 スペックルの生成と統計
7.4.2 代表的なスペックル低減フィルタ
7.4.3 スペックル低減フィルタの性能比較
7.4.4 ポーラリメトリックなSAR画像のスペックル低減
第8章 GISとデータフュージョン
8.1 GISとリモートセンシングの統合利用
8.1.1 GISとは
8.1.2 GISとリモートセンシングの統合
8.1.3 地理データとリモートセンシングデータの統合利用における課題
8.2 GISデータの標準化動向
8.2.1 国際的な標準化動向とわが国の標準化動向
8.2.2 リモートセンシングデータに関する標準化
8.3 データフュージョン