処理プロセス

衛星データ選択戦略

1. バンド適合

   Cバンド（Sentinel-1）は短期変動監視に適応。
   Lバンド（ALOS-2）は植生透過性優位、Xバンド（TerraSAR-X）は0.25m解像度。

2. 時空間ベースライン最適化

   Dijkstraアルゴリズムで最適干渉対を選定（Cバンド垂直ベースライン＜300m）。

3. 国際データソース接続

   ESAコペルニクス：Sentinel-1 SLCデータ自動取得
   ASF DAAC：ALOS/PALSAR-2データ統合
   商用衛星API：ICEYE/Capella Spaceからオンデマンド取得

精密軌道補正

1. 精密軌道ファイル（POE）適用

   ESA提供の精密軌道データ（誤差＜5cm）で衛星位置誤差を除去。

2. ベースライン精密化

   特異値分解（SVD）で相対軌道パラメータを計算（誤差1%以内）。

3. ドップラー補正

   スライディングスポットライトモードのスペクトル偏移を補償。

放射較正・ノイズ抑制

1. 絶対放射較正

   コーナーリフレクターまたはアマゾン熱帯雨林を用いたσ0後方散乱係数変換。

2. マルチルック処理

   4:1（距離・方位）処理でSNR向上。

3. 適応フィルタリング

   Goldstein-Wernerフィルタ（最適ウィンドウ32×32画素）。

干渉図生成・平地位相除去

1. 複素データ位置合わせ

   相互相関法によるサブピクセル精度（0.001ピクセル）。

2. 理論位相計算

   衛星軌道パラメータとDEM（SRTM 30m等）を使用。

3. 残留軌道誤差除去

   軌道多項式モデルで長波長位相勾配を除去（残差＜1rad）。

位相アンラッピング

1. 最小コストフロー法

   コヒーレンス＞0.3領域で三角網を構築（誤差伝播率＜5%）。

2. マルチスケール戦略

   低解像度：トレンド面構築
   高解像度：ブランチカット法
   AI強化：U-Netモデルで効率3倍向上

3. 大気遅延補正

   MERRA-2気象データによる大気位相スクリーン（APS）生成。
   時空間フィルタリング（カットオフ波長20km）。
   GNSS連携：CORS局データで電離層擾乱補償（精度±1.5mm）。

時系列変動逆解析

1. SBASアルゴリズム：冗長干渉網構築（平均15干渉/画素）、特異値分解（SVD）で時系列変動を算出。
2. PS-InSAR：PS点選別（振幅偏差指数＜0.25）、位相差2階差分モデルでDEM誤差分離。

地理座標変換・精度検証

WGS84楕円体面/UTM座標系へ変換後、地上検証を実施：

1. GNSSデータ比較：IGS観測点で検証（R²＞0.95）
2. 水準測量：重要区域で実施（平均誤差±2.3mm）
3. 不確実性定量化：モンテカルロシミュレーションで誤差楕円生成。

エンジニアリング製品出力

1. 標準フォーマット：

-- GeoTIFF：変動速度場（mm/年）
-- CSV：時系列変位データ（UTCミリ秒単位）
-- KMZ：Google Earth可視化レイヤー

2. API連携サービス（開発中）：

-- RESTful APIによる閾値警報
-- Python/Matlab SDKによるアルゴリズム呼び出し