Pythonで学ぶ衛星データ解析基礎 ――環境変化を定量的に把握しよう（技術評論社） [電子書籍]

Pythonで学ぶ衛星データ解析基礎 ――環境変化を定量的に把握しよう（技術評論社） の 商品概要

• 2023/4/6紙版の2刷に対応するため更新しました。
  
  本書籍は，Pythonによる衛星データ解析に興味がある初学者に向けた入門書となっています。学校の情報の授業等で利用する際の副教材になることを意識し，衛星データだけでなくデータサイエンスの基礎的な内容も含めました。学校で地球環境やご自身が住んでいる地域がどのように変化しているか調べたい方はもちろんのこと，衛星データを使って何かビジネスを始めたい方にも読んでいただきたいと思っています。従来のデータサイエンスの教材の場合には身近なデータを利用することが難しかった中で，衛星データであれば身近な地域のデータを利用して解析することができます。少しのプログラミング変更で解析対象地域を変えることができるようになっているので，関心のある地域の変化についてぜひ調べてみてください。
  

• 目次

  第1章　解析環境の構築
  1-1　解析環境を構築する
  1-1-1　ローカルに解析環境を作成する
  1-1-2　Tellusに解析環境を作成する
  1-1-3　Gooble Colabを用いた基本操作
  1-2　アカウント登録について
  1-2-1　Tellus
  1-2-2　Landsat
  1-2-3　MODIS
  1-2-4　Sentinel
  column　データサイエンティストの役割①　「衛星データを利用した研究例」
  column　データサイエンティストの役割②　「衛星データを用いた学習方法についての紹介」
  column　データサイエンティストの役割③　「目に見えない波長の情報の見える化」
  
  第2章　衛星データの基礎
  2-1　衛星データの基礎
  2-1-1　衛星データの種類
  2-1-2　光学衛星が観測しているデータの種類
  2-1-3　波長帯の組み合わせでわかること
  2-1-4　水域の視認性を上げる
  2-1-5　複数バンドを組み合わせた演算
  2-1-6　利用する衛星データ
  2-2　衛星データ解析の概要
  2-2-1　衛星データ解析の流れ
  2-2-2　衛星データの前処理までの流れ
  2-2-3　解析からサービス提供までの流れ
  2-2-4　ラスターデータとは？
  2-2-5　ベクターデータとは？
  2-2-6　さまざまな解析手法
  column　データサイエンティストの役割④　「航空輸送産業×宇宙領域の可能性」
  
  第3章　衛星データ解析準備
  3-1　衛星データを取得する
  3-1-1　Sentinel-2について
  3-1-2　Sentinel衛星シリーズとは
  3-1-3　Copernicus Open Access Hubからの直接ダウンロード
  3-1-4　APIでSentinel-2の画像を取得する①
  3-1-5　APIでSentinel-2の画像を取得する②
  3-1-6　対象領域の画像を表示する
  3-1-7　SpatioTemporal Asset Catalog（STAC）を利用する
  3-2　衛星データと地上データを組み合わせる準備
  3-2-1　GeoPandasのインストール
  3-2-2　GeoPandasの基本
  3-2-3　座標系とは
  3-3　GDALを使った衛星データ処理
  3-3-1　Landsat 8の観測データ加工方法
  3-3-2　データ加工方法の背景
  3-3-3　画像の切り出し
  3-3-4　カラー合成
  3-3-5　パンシャープン画像の作成
  3-3-6　フォーマットの変換
  column　データサイエンティストの役割⑤　「衛星データで経済発展を測る」
  
  第4章　衛星データ解析手法別演習［解析編］
  4-1　バンド演算について
  4-1-1　リモートセンシングにおける波長の基礎知識
  4-2　森林分野における衛星データ利用事例
  4-2-1　森林の状態変化の視覚化
  4-2-2　森林の状態変化の可視化
  4-3　プランテーション林に開発された道路を抽出
  4-3-1　道路を検出するさまざまな方法
  4-4　農業分野における衛星データ利用事例
  4-4-1　米の収量推定に挑む
  4-4-2　水田域におけるEVIの集計
  4-4-3　日射量とEVIの比較
  4-4-4　水稲収量の予測
  4-5　浜辺の侵食の様子を確認する
  4-5-1　海岸線抽出のための前処理作業
  4-5-2　クラスタリングを行う
  column　データサイエンティストの役割⑥　「衛星データを利用した途上国支援」
  
  第5章　衛星データ解析手法別演習［教師あり機械学習編］
  5-1　線形回帰（回帰）
  5-1-1　この章で学習すること
  5-1-2　線形回帰とは？
  5-1-3　線形回帰の理論的背景
  5-1-4　最小二乗法とは
  5-1-5　実際にやってみよう
  5-1-6　線形回帰の実行
  5-2　サポートベクターマシン
  5-2-1　サポートベクターマシンの理論的背景
  5-2-2　SVMとは？
  5-2-3　SVMのアルゴリズム
  5-2-4　カーネルトリックについて
  5-2-5　データの準備
  5-2-6　サポートベクターマシンの実行
  5-2-7　推定結果の比較
  5-3　教師データの作成法
  5-3-1　QGISを用いた点データの作成方法
  5-3-2　QGISを用いたラベル付け
  column　データサイエンティストの役割⑦　「宇宙から観るアフリカの姿」
  column　Gデータサイエンティストの役割⑧　「自分が心地よく暮らせる場所をデータで見つけて行ってみる」
  
  第6章　衛星データ解析 手法別演習［分類編］
  6-1　scikit-learnの活用と教師あり／なし学習
  6-1-1　scikit-learnを使った学習データの準備
  6-1-2　サポートベクターマシンを実際にやってみよう
  6-2　決定木
  6-2-1　決定木とは？
  6-2-2　決定木の理論的背景
  6-2-3　実際にやってみよう（モデルの選択と学習）
  6-3　ロジスティック回帰（分類）
  6-3-1　ロジスティック回帰とは
  6-3-2　ロジスティック回帰の理論的背景
  6-4　ニューラルネットワーク
  6-4-1　ニューラルネットワークとは？
  6-4-2　ニューラルネットワークの理論的背景
  6-4-3　実際にやってみよう（モデルの選択と学習）
  6-5　ランダムフォレスト（分類）
  6-5-1　ランダムフォレストとは？
  6-5-2　ランダムフォレストの理論的背景
  6-5-3　実際にやってみよう
  6-6　ナイーブベイズ
  6-6-1　ナイーブベイズとは?
  6-6-2　ナイーブベイズの理論的背景
  6-6-3　実際にやってみよう（モデルの選択と学習）
  6-7　k近傍法
  6-7-1　k近傍法とは？
  6-7-2　k近傍法の理論的背景
  6-7-3　実際にやってみよう（モデルの選択と学習）
  6-8　scikit-learnを使った教師なし学習
  6-8-1　k平均法
  6-8-2　k平均法の理論的背景
  6-8-3　実際にやってみよう（モデルの選択と学習）
  column　データサイエンティストの役割⑨　「離れた現地とのデータ連携」
  
  付録
  A-1　CNN
  A-1-1　深層学習とは
  U-Netとは
  A-1-2　実際にやってみよう
  A-2　その他の教師なし学習
  A-2-1　階層クラスタリング
  A-2-2　階層クラスタリングとは何か
  A-2-3　階層クラスタリングの理論的背景
  A-2-4　実際にやってみよう
  column　データサイエンティストの役割⑩　「衛星データで精密農業の実現」
  

Pythonで学ぶ衛星データ解析基礎 ――環境変化を定量的に把握しよう（技術評論社） の商品スペック