Contenu connexe Similaire à Overall for Elevation Generation on Satellite Data Process (20) 5. 標高
• 数値表層モデル（DSM：Digital Surface Model）:
地表面とその上にある地物表面の標高からなる三次元データ。建物や樹木等の高さを含む。
• 数値地形モデル（DTM：Digital Terrain Model）:
地表面の標高からなる三次元データ。建物や樹木等の高さを含まない。
• 数値標高モデル（DEM：Digital Elevation Model）:
各種測量により計測した平面位置及び標高値を用いた三次元座標をデジタル表現したものの
総称。一般には DTM と同義。
5
6. 標高（例）
• ACE30
• ASTER 1Sec GDEM
• CDEM
• GETASSE30
• SRTM 1Sec Grid
• SRTM 1Sec HGT: このページに掲載のものでは一番きめ細かい
• SRTM 3Sec
6
※ SRTMのDEMは北緯60度から南緯54度の範囲までしかな
い為、それ以外を分析したい場合には他のものを使用する。
9. SAR搭載衛星一覧
国 運用状況 運用開始年 運用終了年 周波数帯 料金 参考URL（補足）
Radarsat Constellation Canadian ○ 2019 運用中 C 有料 https://en.wikipedia.org/wiki/RADARSAT_Constellation
TerraSAR-X 2 Germany ○ 2015 運用中 X 有料
科学・学術目的のデータ利用についてはDLRが窓口となり、
商用を含むその他のデータ利用については、Astrium GEOInformation Services社が販売権を獲得
（2013年07月25日時点）
https://www8.cao.go.jp/space/comittee/tyousa-dai3/siryou4.pdf
TerraSAR-HRWS Germany ○ 2018 運用中 X https://www.wmo-sat.info/oscar/satellites/view/638
COSMO-SkyMed Second Generation
1
Italy ○ 2019 2024 X
COSMO-SkyMed 1,2,3,4 Italy ○ 2007 もうすぐ X 有料 料金： http://www.nilim.go.jp/lab/bcg/siryou/tnn/tnn0760pdf/ks076007.pdf
SAOCOM-1A Argentina ○ 2018 2023 L https://www.wmo-sat.info/oscar/satellites/view/386
Paz Spein ○ 2018 運用中 X https://www.restec.or.jp/satellite/paz
TecSAR Israeli ○ 2008 運用中 X
https://www.restec.or.jp/satellite/tecsar
https://directory.eoportal.org/web/eoportal/satellite-missions/t/tecsar
TecSAR2 Israeli △ 2014 運用中 X https://directory.eoportal.org/web/eoportal/satellite-missions/t/tecsar
ALOS-2 Japan × 2014 2020年以降 L https://www.wmo-sat.info/oscar/satellites/view/6
Sentinel-1A Europe(ESA) ○
2014年04月03
日
2021年以降 C 無料
料金以外： https://www.wmo-sat.info/oscar/satellites/view/396
料金： https://sorabatake.jp/466/
Sentinel-1B Europe(ESA) ○
2016年04月25
日
2023年以降 C 無料
料金以外： https://www.wmo-sat.info/oscar/satellites/view/396
料金： https://sorabatake.jp/466/
→ 周波数帯と料金の観点からSentinel-1を選び、実験を行なった。 9
10. 周波数帯一覧
Pバンド Lバンド Sバンド Cバンド Xバンド
観測周波数
(Hz)
0.25-0.5Hz 1-2Hz 2-4Hz 4-8Hz 8-12Hz
衛星例 Biomass
ALOS-2
SAOCOM
NISAR
NovaSAR
Kompsat
NISAR
Sentinel-1
Radarsat
TerraSAR
COSMO-
SkyMed
Paz
TecSAR
Pバンドなどの短い波長域について
• 解像度が粗い
• 透過性が大きい
• 多くの電力が必要。
• センサを小型しづらい。
Xバンドなどの長い波長域について
• 解像度が細かい。
• 透過性が小さい。
• 電力が少しで良い。
• センサを小型化しやすい。
10
11. SARが衛星データを取得する際に生じる誤差: 電磁波散乱
地上の地形の影響を受け電磁波散乱が以下の様に歪になる：
• 表面散乱(surface scattering)・・・（粗い面など）不規則で微細な凹凸が有る面に入射した際に、様々な
方向に屈折、反射する散乱過程
• 二回散乱(double bounce)・・・（地面と幹、道路と建物の壁など）直角構造によって二回反射する散乱
過程
• 体積散乱(volume scattering)・・・（絡み合った枝など）電磁波が媒質の境界面を通り片方の媒質から
他方の媒質に入射したとき、媒質の内部で引き起こされる散乱過程
11
左図出典：
産総研、AI向けクラウドABCIで処理した衛星のレーダー画像をカラー
化し公開 －地表面の状態に応じて色分けした画像を地球規模で作
成し、一目で理解可能に－ :
https://bit.ly/2Kl9B5x
図 散乱モデルより。
13. 衛星画像に関する研究例
• 可視・近赤外域センサを搭載した衛星のキャリブレーションアルゴリズムの構築と評価(新井2019)
3次元の物体をカメラを用いて２次元の画像に撮影する時に生じる物体の歪みを補正する方法をキャリブレーションという。キャリブレーショ
ンはカメラやレンズの持つ特性パラメータからの計算によって行われる。ここでは、可視近赤外域センサの衛星画像のキャリブレーションに
ついて、衛星打ち上げ後の地表ターゲットを用いた絶対校正アルゴリズムの提案と評価が行われている。
( Kohei Arai e.t.c., “Method for Uncertainty Evaluation of Vicarious Calibration of Spaceborne Visible to Near Infrared
Radiometers”, International Journal of Advanced Computer Science and Applications, Jan 2019.)
• 統計量を用いた衛星画像の認識（西井1999）
土地被覆の種々の判別手法（例えば衛星データ内で道や森などの対象物を判定する方法）を評価する基準として、カッパ統計量が広く用い
られているが、これを比較基準として用いることは不適当であることを示し、さらにエントロピーに基づいた基準を提案し、その検定統計量を
提案している。
(Ryuei Nishii, Shojiro Tanaka, “Accuracy and Inaccuracy Assessments in Land-Cover Classification”, IEEE transactions
on geoscience and remote sensing, vol. 37, no. 1, Jan., 1999.)
13
19. 19
標高抽出<データ処理面>
Europian Satellite Agency , InSAR Principles: Guidelines for SAR Interferometry
Processing and Interpretation (ESA TM-19) Part C InSAR processing: a
mathematical approach: https://bit.ly/3mfyIDW
より。
𝜑 = 𝜑DEM + 𝜑flat + 𝜑disp + 𝜑atm + 𝜑noise
𝜑 : インターフェログラム処理後の位相
𝜑DEM : 標高の情報を保有する位相
𝜑flat : 曲面上の歪みからくるノイズ（位相）
𝜑disp : 地殻変位の情報を保有する位相
𝜑atm: 大気中の水蒸気によるノイズ（位相）
𝜑noise : （送受信する電磁波の散乱や衛星データの観測角度の違いなどに由
来する）上記以外のノイズ（位相）
20. 実験環境<計算機スペックと通信設備>
• [インターン]
• [1] リモート: Amazon Web Service (CentOS 64bit バージョン7; RAM128GB; ストレージ不明)
• [2] ローカル: Windows10 64bit; RAM4GB; ストレージ100GB
• 通信環境: 有線LAN (200-300Mbps)
• 使用ソフト: Sentinel Application Platform(SNAP) バージョン7, snaphu, VNC server, VNC viewer
• [今回]
• [3] macOS バージョン10; CPU 3.6GHz Quad-Core Intel Core i7; RAM32GB 2400MHz DDR4;
ストレージ1TB
• [4] macOS バージョン11; CPU 3.1GHz Dual-Core Intel Core i7; RAM16GB 1867MHz DDR3;
ストレージ1TB
• 通信環境: Wi-Fi (1Gbps)
• 使用ソフト: Sentinel Application Platform(SNAP) バージョン8
20
22. 準備: 標高抽出におけるSNAP各コマンドの目的や役割
• Read: ダウンロードした衛星データを読込。
• S-1 TOPSAR Split: 衛星データの分析範囲を選択する。
• Apply Orbit File: 読み込んだデータを衛星が取得していた時の衛星位置情報を付加
する。読み込んだ衛星データとの相性が悪い場合にはOrbit State Vectorsで
Sentinel Restitutedを選択して実行する。
• S-1 Back-Geocoding: このステップでダウンロードするDEM、及び、直前に付加した
衛星位置情報を基に、データ群を合わせて1つにする。（SRTMのDEMは北緯60度か
ら南緯54度の範囲までしかない為、それ以外を分析したい場合には他のものを使用す
る。）
• S-1 ESD(Enhanced Spectral Diversity): 直前で作成したデータに含まれている強
度を上げる。但し、2個以上のburstを分析する時のみで構わない。
22
23. 準備: 標高抽出におけるSNAP各機能の目的や役割
• Interferogram:
Subtract flat-earth phaseを選択して、地球が球体である事からくる位相 𝜙𝑓𝑙𝑎𝑡 を元の位相 𝜙 から除
去する。
Subtract topographic phaseは選択しない。
Include coherence estimationを選択してcoherence band(=coherenceを各地点毎に表示したも
の)を作る。
• S-1TOPS Deburst: burst間の繋ぎ目を取り除く。
• Goldstein Phase Filtering: Goldstein法を用いてデータの強度を上げる。Goldstein法とは
高速フーリエ変換(FFT)によって、ノイズに対する信号の比を上げる方法である。
• Subset(Specify Product Subset): coregistrationした時に発生する重なり合わない部分は
空っぽのデータとして存在するが、この空白(画面上では黄緑色に表示される)を除去する。
• Unwrapping: データの持つ位相の数値を 0 から 2𝜋 の間に収まる様に 2𝜋 の整数倍を差し
引いて変換する。そうする事で後に標高が見やすくなる。
23
24. 準備: 標高抽出におけるSNAP各機能の目的や役割
• Phase to Elevation: 位相情報から標高情報を作成する。
• Range Doppler Terrain Correction
• 倒れ込みによるノイズを除去する。
• Output bands for の箇所でDEMを選択すると、このステップで使用したDEMが“elevation”のファ
イル名で出力される。
• “elevation_VV”の名前のファイルはSentinel-1データから作成したDEMである。
• Write
• KMZやGeoTiff等様々なファイル形式で出力可能。
• KMZはGoogle Earthで見られる。
• GeoTiffはGISで見られる。
24
25. 実験<推定精度・・・成功4件，失敗32件 >
• Andreas Braun. January 2020. “DEM generation with Sentinel-1(Workflow and
challenges)”. Europian Satellite Agency: https://bit.ly/2J9kC9J .
• 日本（関東、北部九州、道東）、トルコ、イギリス、K2（山）、中国を対象に下図の方法で分析。
25
28. 実験No. 場所 衛星データ対 実験成功 Bperp(m)
Btemp
(days)
補足
JP1 関東南東部 A,A × 25442.25 12 二色画像。但し、海岸線は大体”認識”しているようである。
JP2 関東南東部 B,B × 86.66 12 虹色画像。但し、北東の山間部を大体”認識”しているようである。
JP3 関東北西部 A,A △ 21.16 12 関東平野と関東山地の境は大体”認識”している。
JP4 関東北西部 B,B × 89.03 12 標高の凡例を上手く設定し直しても誤差の原因が分かりそうにもない。
JP5 関東中央部
A,A
4th-5th
burst
× 25272.36 12
虹色画像。標高の凡例を上手く設定し直しても誤差の原因が分かりそ
うにもない。
JP6 関東中央部
A,A
5th-6th
burst
× 93.47 12 標高の凡例を上手く設定し直しても誤差の原因が分かりそうにもない。
JP7 関東中央部 B,B × 89.77 12
虹色画像。標高の凡例を上手く設定し直しても誤差の原因が分かりそ
うにもない。
JP8 関東中央部 A,A × 163.90 420
全体的に推定精度は悪いが、縞模様が所々にあるので何かしらの地
形は認識している様に見える。
JP9 関東中央部 B,B × 173.22 24
虹色画像。北西部分に何かしらの推定が少し見られるが他は凡例を
上手く再設定する等しても誤差の原因が分かりそうにもない。
JP10 道東 A,A × 8.57 12
虹色画像。北東部分は標高が高いのに低標高と推定されている。何を
しても誤差の原因が分かりそうにもない。
JP11 道東 B,B × 73.82 12
虹色画像。東部に山がある様に推定されているが実際には低地の湿
原である。
JP12 九州北西部 A,A × 14.68 12
青と白の二色画像。その為、標高の凡例を上手く設定し直せばより良
い標高マップが得られそうである。
JP13 筑後平野 B,B × 166.83 12
虹色画像。標高の凡例を上手く設定し直しても誤差の原因が分かりそ
うにもない。
28
実験地一覧（1/3） ＜日本のみ＞
※「虹色画像」とは、
ある方角からその真
反対の方角に向かっ
て（高さの凡例に従っ
て）虹の様に塗られた
下図の様な画像の事
である。
↓
29. 実験
No. 場所 衛星データ対 実験成功 Bperp（m）
Btemp
(days)
補足
U1
ウルムチ
（中華人民共和国）
A,A × 112.22 12
大体単色画像。但し、西部から東部にかけて若干の虹
色画像の傾向が見られる。
U2
ウルムチ
（中華人民共和国）
B,B △ 99.7 24
山の峰は”認識”しており、目盛りの設定を変えて凡例を
作り直せば誤差の発生原因が分かりそうである。
AK1
カブール
（アフガニスタン）
A,A ○ 57.57 12
平野部の推定精度は悪いが、山については”認識”して
いる様であり推定精度が高い。
K11
K2（山）
（ネパール）
A,A ◎ 58.34 12
誤った推定が南側部分に見られるが、山だけでなく谷
も”認識”している様である。
K12
K2（山）
（ネパール）
B,B △ 9.39 12
低精度ながらも、山だけでなく谷も”認識”している様で
ある。
K13
K2（山）
（ネパール）
A,A × 180.56 24
大体単色画像。但し、一部に異なる色も見られる為、何
かしらの地形は認識している様に見える。
UK1 ロンドン北半分 A,A × 79.96 12
大体単色画像。但し、西部から東部にかけて若干の虹
色画像の傾向が見られる。
UK2 ロンドン南半分 A,A × 79.43 12
大体単色画像。但し、西部から東部にかけて若干の虹
色画像の傾向が見られる。
UK3 ロンドン B,B × 46.49 12
低標高地域（青色部分）を高標高地域（黄色部分）と
誤って推定している。
UK4 ロンドン B,A × 16.38 6
二色画像。但し、南東から北西にかけて白い部分があり
他の二色画像とは種類が異なる。
UK5 スコットランド西部 A,A × 79.43 12
大体虹色画像。但し、一部の山についてその峰は”認
識”している様である。
UK6 スコットランド西部 B,B × 36.96 12
二色画像ではあるが、海面と陸地は”区別”できている
様である。
UK7 スコットランド西部 B,A × 129.22 6
大体虹色画像。但し、西側にある島嶼部の標高は推定
している様である。
29
実験地一覧（2/3） ＜海外（トルコ以外）のみ＞
※「虹色画像」とは、
ある方角からその真反対の
方角に向かって（高さの凡例
に従って）虹の様に塗られた
下図の様な画像の事である。
↓
30. 実験
No. 場所 衛星データ対 実験成功 Bperp(m)
Btemp
(days)
補足
T1 トルコ東部 A,A × 35.48 12
大体単色画像。但し、所々に異なる色も見られる為、何
かしらの地形は認識している様に見える。
T2 トルコ東部 B,B × 95.32 12
大体単色画像。但し、所々に異なる色も見られる為、何
かしらの地形は認識している様に見える。
T3 トルコ東部 B,A ◎ 3449.61 6
若干の誤差が見られる（白色や青色部分の誤推定）が、
全体的に細かく高精度に推定している。
T4 トルコ東部 B,A ○ 103.25 6
実際の地形から一律に地盤沈下した様な推定結果であ
る。
T5 トルコ東部 B,A × 17.25 6
大体単色画像。但し、所々に異なる色も見られる為、何
かしらの地形は認識している様に見える。
T6 トルコ東部 B,A × 19.19 6
大体単色画像。但し、所々に異なる色も見られる為、何
かしらの地形は認識している様に見える。
T7 トルコ東部 B,A × 39.62 6
大体単色画像。但し、所々に異なる色も見られる為、何
かしらの地形は認識している様に見える。
T8 トルコ東部 B,A × 306.50 1956
虹色画像。標高の凡例を上手く再設定する等しても誤差
の原因が分かりそうにもない。
T9 トルコ東部 B,A × 153.08 78
単色画像。標高の凡例を上手く再設定する等しても誤差
の原因が分かりそうにもない。
T10 トルコ東部 B,B × 150.97 384
大体単色画像。但し、所々に異なる色も見られる為、何
かしらの地形は認識している様に見える。
30
実験地一覧（3/3）＜トルコのみ＞
※「虹色画像」とは、
ある方角からその真反対の
方角に向かって（高さの凡例
に従って）虹の様に塗られた
下図の様な画像の事である。
↓
33. JP3実験結果: 関東北西部の標高マップ比較（S1A, S1A）
33
↑ phase画像 （interferogram直後）
↑ Bperp=21.16 (m)であり、 150-300に
収まっておらず分析には不向きとされてい
る。
しかし、Btemp=12(days)であり、私見で
はあるが分析に向いていると言える。
↑ coherence画像（interferogram直後）
←
coherence
（縦軸）とピク
セル数（横軸）
のグラフ
（高コヒーレン
スのピクセル
が少なく分析
には不適）
35. 結果: ウルムチの標高マップ比較（S1B, S1B）
35
↑ phase画像 （interferogram直後）
← coherence
（縦軸）とピクセ
ル数（横軸）の
グラフ
（高コヒーレンス
のピクセルが少
なく分析には不
適）
↑ Bperp=99.70 (m)であり、 150-300に
収まっておらず分析には不向きとされてい
る。
しかし、Btemp=24(days)であり、私見で
はあるが分析に向いていると言える。
↑ coherence画像（interferogram直後）
37. 結果:カブール(アフガニスタン)の標高マップ比較（S1A, S1A）
37
↑ phase画像 （interferogram直後）
← coherence
（縦軸）とピクセ
ル数（横軸）の
グラフ
（高コヒーレンス
のピクセルが極
めて多く分析に
とても適してい
る）
↑ Bperp=57.57 (m)であり、 150-300に
収まっておらず分析には不向きとされてい
る。
しかし、Btemp=12(days)であり、私見で
はあるが分析に向いていると言える。
↑ coherence画像（interferogram直後）
40. 結果: K2の標高マップ比較（S1A, S1A）
40
↑ phase画像 （interferogram直後）
← coherence
（縦軸）とピクセ
ル数（横軸）の
グラフ
（高コヒーレンス
のピクセルが少
なく分析には不
適）
↑ Bperp=58.34 (m)であり、 150-300に
収まっておらず分析には不向きとされてい
る。
しかし、Btemp=12(days)であり、私見で
はあるが分析に向いていると言える。
↑ coherence画像（interferogram直後）
42. 結果: K2の標高マップ比較（S1B, S1B）
42
↑ phase画像 （interferogram直後）
← coherence
（縦軸）とピクセ
ル数（横軸）の
グラフ
（高コヒーレンス
のピクセルが少
なく分析には不
適）
↑ Bperp=9.39 (m)であり、 150-300に
収まっておらず分析には不向きとされてい
る。
しかし、Btemp=12(days)であり、私見で
はあるが分析に向いていると言える。
↑ coherence画像（interferogram直後）
44. T3実験結果: トルコ東部の標高マップ比較（S1B, S1A）
44
↑ phase画像 （interferogram直後）
← coherence
（縦軸）とピクセ
ル数（横軸）の
グラフ
（高コヒーレンス
のピクセルが極
めて多く分析に
とても適してい
る）
↑ Bperp=3449.61(m)であり、 150-300
に収まっておらず分析には不向きとされて
いる。
しかし、Btemp=6(days)であり、私見では
あるが分析に向いていると言える。
↑ coherence画像（interferogram直後）
46. T4実験結果:トルコ東部の標高マップ比較（S1B, S1A）
46
↑ phase画像 （interferogram直後）
← coherence
（縦軸）とピクセ
ル数（横軸）の
グラフ
（高コヒーレンス
のピクセルが極
めて多く分析に
とても適してい
る）
↑ Bperp=103.25 (m)であり、 150-300
に収まっておらず分析には不向きとされて
いる。
しかし、Btemp=6(days)であり、私見では
あるが分析に向いていると言える。
↑ coherence画像（interferogram直後）
59. ベースラインのSNAPでの取り方
• [Radar] > [Interferometric] > [InSAR Stack Overview] を選択すると下記の画面
が表示される
• 引き続き下図で、青丸(Bperp[m])が垂直ベースライン、紫丸(Btemp[days])がテンポ
ラルベースラインの値である
59
62. 参考資料(1/5): ダウンロード先
• SNAP: http://step.esa.int/main/download/snap-download/
• snaphu: https://web.stanford.edu/group/radar/softwareandlinks/sw/snaphu/
• 衛星データ<※いずれもアカウント登録が必要>
• ESA: https://scihub.copernicus.eu/dhus/#/home
• ASF: https://search.asf.alaska.edu/#/
• ONDA: https://catalogue.onda-dias.eu/catalogue/
62
63. 参考資料[YOUTUBEや掲示板]
• 成功例
• [1] NASA ARSET: Generating a Digital Elevation Model (DEM), Part 3/3 ; NASA Video ;
https://youtu.be/9PbFbHqRufQ
• [2] HowTo Download Sentinel Image From Esa And Create DEM ; agnes moningkey ;
https://youtu.be/SOQQMX-Jkzo
• [3] DEM Creation from Sentinel 1 Imagery using SAR Interferometry Approach ; GEO 2004 ;
https://youtu.be/si9iCSe62lU
• 失敗例: [4] creating DEM with Sentinel-1 datasets in SNAP ; MrGIS ; https://youtu.be/7w_-
deMSRTs
• Pythonで動かす際の参考になりそうなもの
RUS webinar: Processing Copernicus data in Python using snappy - PY01 ; RUS Copernicus
Training ; https://youtu.be/PiU68g3WRIY
• Seintinel関連の情報が掲示板形式で掲載されている<質問等の書き込みにはアカウント登録必須>：
https://forum.step.esa.int/
63
64. 参考資料（3/5）
• Brian Lee Curless. “New methods for surface reconstruction from range
images”, Stanford University, pp.78-167, June 1997.
• Kohei Arai et.al. “Method for Uncertainty Evaluation of Vicarious Calibration of
Spaceborne Visible to Near Infrared Radiometers”, International Journal of
Advanced Computer Science and Applications, Jan 2019.
• 北海道・雪原域を用いた可視近赤外域センサのReflectance-Based Method による放射
輝度軌道上絶対校正、日本リモートセンシング学会誌, vol.18, no.1, pp12-31, 1998.
• Ryuei Nishii; Shojiro Tanaka. “Accuracy and Inaccuracy Assessments in Land-
Cover Classification”, IEEE transactions on geoscience and remote sensing, vol.
37, no. 1, Jan., 1999.
• 今村彰太、“三角形マーカーによるカメラキャリブレーションの簡易化”、三次元幾何モデリン
グ評価手法の提案とソフトウェア開発、九州大学IMI短期共同研究、2017年9月5日．
64
65. 参考資料（4/5）
a) Ian G. Cumming, Frank H. Wong. “Digital Processing of Synthetic Aperture
Radar: Algorithms and Implementation”, Artech House, 2005.
b) John C. Curlander, Robert N. McDonough. “Synthetic Aperture Radar: Systems
and Signal Processing”, Wiley-Interscience, 1991.
c) 大内和夫、リモートセンシングのための合成開口レーダの基礎、東京電機大学出版局、
2009．
d) 標高抽出の為のSNAP操作方法(阿川真士)： v_fin_elev_extr_SNAP_09Dec2019.xlsx
（CentOS向けだが、他のOSでも同じ。）
e) 衛星データ処理に関する資料集(溝口佳寛)： 20191211.pdf
f) Andreas Braun. January 2020. “DEM generation with Sentinel-1(Workflow and
challenges)”. Europian Satellite Agency: https://bit.ly/2J9kC9J
65
66. 参考資料(5/5)
• 水野正樹, 神山嬢子, 江川真史, 佐藤匠, 蒲原潤一；“2偏波SAR画像による大規模崩壊及び
河道閉塞箇所の判読調査手法(案)” ；国土交通省国土技術政策総合研究所；2014年6月:
https://bit.ly/361lLbQ
• Roland Buergmann, Paul A. Rosen , Eric J. Fielding. “Synthetic aperture radar
interferometry to measure earth’s surface topography and its deformation”.
Annu. Rev. Earth Planet. Sci. 2000. 28:169–209 : https://bit.ly/3pV94Ya
• RUS Copernicus , TRAINING KIT – LAND06 URBAN CLASSIFICATION WITH
SENTINEL-1 Case Study: Germany, 2018: https://bit.ly/34eQUra
• Europian Satellite Agency , InSAR Principles: Guidelines for SAR Interferometry
Processing and Interpretation (ESA TM-19) Part C InSAR processing: a
mathematical approach: https://bit.ly/3mfyIDW
66
68. 今後の課題（1/2）
• 各イメージデータに含まれるコヒーレンスの平均値と中央値、及び、 Off-nadir角𝜃_𝑖
の出し方。
← 出している論文は発見した為、やり方は必ずある。また、Off-nadir角の取り方を変
えれば今後の抽出精度向上に繋がりうるかもしれない。
• 標高生成における適正なBperp値とBtemp値の値の範囲の決定。
←参考資料(4/5)[f]にあるBraunの記事（ https://bit.ly/2J9kC9J ）によれば
150(m)から300(m)がBperp値の適正値である旨の記述があるが、実験No.11の筑
後平野での実験に見られるように反例が見られた。この問題の解決により、標高生成
精度の不正確さがデータのどの様な取り方によるものかという原因が分かりうる。
68
Notes de l'éditeur 完成 完成 完成 完成 完成 完成 トルコの画像を借用。 トルコの画像を借用。 トルコの画像を借用。
