知りたいものとの関係性

ども、カルロスです。

学園祭の後、修学旅行の後、雪山で遊んだ翌日… なんかそんな気持ちがふわふわするような、記憶を反芻するような、そんな日曜日です。そうです、昨日土曜日（今これを書いているのは日曜日の夜）盛況だったBrilliant Night3。そもそも衛星屋なんて皆さんにご披露できる技があるわけじゃないし、何か作るって言ってもねぇ。と言うことで、趣味、しかも初心者の域を出ないDJをご披露させていただきました。気になる音楽を並べただけなんですけどね。いやーいい時間だったなぁ。

さて、画像は浅草を中心としたSentinel-2の観測データです。ちょうど前日の金曜日がズバッと晴れていました（土曜日は観測範囲外）。隅田川の西側に薄緑の縦線に見えるのが仲見世通り。Brilliant Nightの会場となった梅と星はすぐそば。隅田川を挟んで反対東側にはスカイツリーの影が北に長〜く伸びています。

本題ですが、少し短めに

タイトルにもしていることですが、最近いろいろな方とお話しすることなんですが、ある観測で得られる情報はとても限られていると言うことです。衛星データによって、面的に、且つ詳細までわかるようになってきました。衛星の機数が多くなってきて観測頻度も上がってきています。見たいものがいつでも見れるようになるまでもう一息。

と言うのも、”見たいもの”がまだ限られているのです。そもそも海や陸に関しては表面しかわかりませんから。

例えば、お米の美味しさを左右するタンパク質の含有量。これはタンパク質が多すぎると美味しくないそうです。大切な栄養源ですが、過ぎたるは及ばざるが如し… 

衛星はお米の中のタンパク質を直接測ることはできません。しかし、稲の葉の色はわかります。つまり、クロロフィル量とタンパク質の関係性（相関性）がわかれば、葉の色からタンパク質の量が推定できますよね。

ジャガイモのデンプン質と葉の色、海上風速と波浪などなど、衛星から観測できるものと知りたいものの関係性を見つけることで利用がぐぐーっと広がるのです。そこが、頑張りどころで、最近では関係性を見つけだすのにAI（機械学習や深層学習）が使われ始めています。

気になる音楽のコーナー

土曜日にかけた曲から一曲ご紹介です。お約束というか、ずいぶん下手ですが東京のイベントなんで、東京は夜の7時をかけました。が、ピチカートファイブの原曲じゃなくて、野本かりあ(Karly) のカバーでさらにKagamiのリミックスです。Kagamiは日本のテクノDJですが若くして亡くなってしまいました。ほんと惜しいです。

では、またまた。