宇宙分野では、「解像度」と「分解能」という言葉がたびたび登場する。どちらも衛星データを説明するときによく使われる言葉だが、意味は同じではない。
本記事では、それぞれの意味の違いを整理しながら、衛星データを理解するうえで押さえておきたい基本的な考え方を解説する。
目次
基礎編｜「解像度」と「分解能」の違いとは
結論から言えば、両者の違いは「データとしての細かさ（どれだけ細かく区切っているか）」と「センサの能力（どれだけ見分けられるか）」である。
解像度：画像の細かさを示す目安
解像度とは、画像の1ピクセルが地上のどれくらいの範囲を表しているかを示すものである。例えば「0.5m解像度」の画像は、1ピクセルが地上の約50cm四方に対応していることを意味する。
高解像度な画像ほど滑らかで鮮明な画像となるが、解像度が高いからといって、必ずしも対象がはっきり見えるとは限らない。実際の見え方は、以下のような撮影条件やセンサの性能によって変わるためだ。
- 衛星が真上ではなく斜めから地表を撮影すると、建物や地形はゆがんで見えやすい
- 雲や霧、大気中の細かな粒子の影響によって、画像全体がかすんで見えることがある
- センサや光学系の性質によっては、輪郭がぼやけ、細かな境界が見分けにくくなる場合もある
このように、解像度は画像の細かさを知るうえで重要な目安ではあるが、それだけで「どこまで見分けられるか」が決まるわけではない。
分解能：対象を見分ける“能力”
分解能とは、近くにある2つのものを、別々のものとして見分けられる能力のことである。衛星画像でいえば、隣り合う建物や道路、車などをどこまで区別して捉えられるかを左右する。
この能力は、主に次のような要素に影響される。
- レンズや鏡の性能： 衛星に搭載されたレンズや鏡の性能が十分でないと、画像はぼやけやすくなる。そのため、たとえ画像を細かく区切っていても（解像度を高く設定しても）、細部まで見分けられるとは限らない。
- センサの性能とノイズの少なさ： センサが受け取る情報にノイズが多いと、対象と背景の違いが分かりにくくなる。その結果、本来は見分けられるはずの細かな違いも捉えにくくなる。
つまり、解像度が「画像の細かさ」を示すのに対し、分解能は「どこまで見分けられるか」を示すものだといえる。
応用編｜衛星データ理解を深める視点
「分解能」には種類がある
「分解能」は1つではなく、いくつかの種類に分けて考えられる。
1. 空間分解能
空間分解能とは、近くにある2つの物体を別々のものとしてどこまで見分けられるかを示す指標である。
本記事の前半で説明した「分解能」も、主にこの空間分解能を指している。
2. 時間分解能
時間分解能とは、同じ地点をどれくらいの頻度で観測できるかを示す指標である。
「撮影頻度」や「再訪周期」と表現されることもある。
これは、時間の経過とともに変化する対象を追ううえで重要な考え方である。
例えば、農作物の生育状況や災害時の被害の広がりのように、短い時間で状況が変わる対象では、より高い時間分解能が求められる。
3. 波長分解能
波長分解能とは、光の違いをどれだけ細かく見分けられるかを示す指標である。
衛星は、地表や植物、水などから反射される光を観測しているが、その光を細かく分けて捉えられるほど、対象の違いをより詳しく見分けやすくなる。
例えば、一見すると同じように見える植物でも、波長ごとのわずかな反射の違いを細かく捉えることで、生育状態の違いやストレスの有無を把握できる場合がある。同じように、水のにごりや地表面の性質の違いも読み取れることがある。
このように、波長分解能が高いほど、見た目だけでは分からない違いを捉えられるのだ。
低解像度画像を鮮明にする「超解像」技術
近年、AI（ディープラーニング）を用いて低解像度の画像を鮮明化する「超解像（Super Resolution）」技術が普及している。
超解像は、元の画像に含まれる情報や過去の学習データを参考に「もっともらしい値」を補完することで、ピクセル数を増やして見た目のジャギー（ギザギザ）を消し、より細かく、はっきりとした画像を作成することができる。
ここで注意すべき点は、もともと観測されていなかった情報そのものを新たに得られるわけではないことだ。見た目が改善していても、その細部が観測データに裏付けられたものとは限らないためだ。
この点は、画像の正確な読み取りが求められる場面ほど重要になる。
例えば、防災や安全保障の分野では、AIが補った細部を事実そのものと受け取ってしまうと、判断を誤るおそれがある。そのため、超解像画像を見るときは、「鮮明に見えること」と「本当に確認できていること」は同じではないと理解しておく必要がある。
実用的な評価指標：NIIRS
解像度や分解能だけでは、その画像で実際に何が読み取れるのかまでは十分に分からない。
そこで参考になるのが、ノイズの多さやコントラスト、画像の鮮明さなども含めて、画像の「読み取りやすさ」を総合的に評価する指標であるNIIRS（National Imagery Interpretability Rating Scale）だ。
代表的な目安は以下の通り。
- レベル4： 大型車両（トラックなど）の有無やおおまかな種類の識別が可能。
- レベル5： 車種（セダン、ピックアップトラック等）の判別や、航空機の主翼形状が把握可能。
- レベル6： 自動車のドアミラーや、航空機の細かなエンジン構造の識別が可能。
分解能が「どこまで見分けられるかという能力」を示すのに対し、NIIRSは「その画像から実際に何が読み取れるか」を示す目安といえる。また、解像度が高い画像であっても、撮影条件が悪ければNIIRSは下がり、実際に読み取れる情報も限られることがある。
さいごに
本記事で見てきたように、解像度は画像の細かさを示すものであり、分解能は実際にどこまで見分けられるかに関わる。この2つは似た言葉として使われがちだが、同じ意味ではない。
衛星データは、地上では得られない広域かつ客観的な情報をもたらす強力なツールである。だからこそ、正しく読み解くためには、画像の見た目や数字だけで判断するのではなく、その背景にある意味まで理解することが大切である。
現在、宇宙業界では様々な企業が人材を募集している。興味のある方は、業界特化型の人材マッチングサービス「スぺジョブ」をチェックしていただきたい。
