マーケティング分析、金融データ解析、ロボティクスAIなど、民間企業のさまざまなデータ解析領域でご活躍中のデータサイエンティスト・機械学習エンジニアの皆さまへ。

これまで培ってきたPythonデータ解析スキルが活きる、新しいキャリアフロンティアの話を共有します。

📚 本シリーズについて（全3回）

本記事は、データサイエンティスト向けに IMINT/Geospatial Analysis（画像・地理空間情報分析） という新しいキャリアフロンティアを紹介する、全3回シリーズの 第1回（導入編） です。

第1回（本記事）：導入編 ── なぜ衛星画像から市場が読めるのか
- IMINT/GEOINT とは何か、業界の構造変化、民間需要の急拡大
第2回：規制と政策編 ── OFAC、EUDR、日本政府の動向
- 米OFAC「観測ベース・コンプライアンス」、EU 森林破壊規則、日本の重要経済安保情報保護活用法、日本の IMINT 組織
第3回：技術とキャリア編 ── Python実装とキャリア戦略
- マルチスペクトル、NDVI、SAR、物体検出（YOLO）、変化検出、影長による貯蔵量推定、産業構造の4レイヤー、5つのキャリアパス、LLM 時代の留意点

筆者は先日、以下の記事等を公開しました。本記事は、これらと隣接する別領域（衛星画像・地理空間情報の解析）を扱います。

Qiita記事「写真1枚から場所と時間を特定する技術：PythonでOSINT入門【コピペで動く5実装】」

Zenn Book「OSINTデータ解析技術の全貌」（無料）

Qiita記事「【データサイエンティスト向け】民間産業界で広がるSIGINT/ELINT需要とPython解析入門 ── 経済安全保障時代のキャリア機会」

Zenn Book「民間技術者のための SIGINT／ELINT 入門」（無料）

OSINT（公開情報分析）、SIGINT/ELINT（電波信号情報分析）、そしてIMINT/Geospatial Analysis（画像・地理空間情報分析）は、現代インテリジェンスを支える3本柱です。

本記事は、3本目の柱である IMINT/Geospatial Analysis とは何なのか、そして、データサイエンティストにとって、この技術領域で、どのようなキャリアの機会が広がっているのかを、Python実装コード例を交えてお伝えします。

なぜ、民間企業で働くデータサイエンティストがこの記事を読むべきなのか？

「IMINT/Geospatial Analysis」というと、軍事や諜報の世界の話に聞こえるかもしれません。

しかし2020年代、この技術領域は、民間企業の業務基盤 へと急速に拡張しつつあります。本記事を読む実用的なメリットを、5点にまとめます。

1. 既存のスキルがそのまま活きる新領域である

衛星画像解析の中核技術は、画像処理・コンピュータビジョン・深層学習・統計解析です。

マーケティング分析、金融データ解析、ロボティクスAI、製造業の品質検査、医療画像解析 などで皆さんがすでに培ってきたデータサイエンスのスキルが、追加学習なしにそのまま活用できる領域です。

SIGINT/ELINT 領域が、通信工学・無線工学・複素関数を含む高度な信号処理の知識を要求するのに対し、IMINT/GEOINT は 「画像データの処理」が中核業務 であるため、参入障壁が比較的低いという特徴があります。

2. ビジネスインパクトの大きさ

衛星画像から得られる情報は、すでに以下のような巨大なビジネス価値を生んでいます。

ヘッジファンドが Walmart の四半期決算を 決算発表前に予測 する
コモディティ商社が世界の原油在庫を OPEC 発表より早く 把握する
損害保険会社が、災害発生から 数時間で 被害規模を推定して保険金支払いを行う
農業企業が、世界の主要穀物産地の収穫量を 政府発表より早く 予測する

これらは「データサイエンスが、決定論的なビジネス価値を直接生む」最も明快な事例の一つです。

3. 経済安全保障とキャリアの追い風

日本では2025年5月、重要経済安保情報保護活用法 が施行されました。
加えて、内閣情報調査室を格上げする 国家情報局設置法案 が国会審議中です。

今後数年間、日本政府の情報収集・分析機能は大幅に強化される見通しで、IMINT/GEOINT 領域は、人材需要が継続的に拡大する公算が高い分野です。

民間企業側でも、コモディティ商社、海運企業、損保会社、再保険会社が 社内 GEOINT 人材 の採用を始めています。新しい職種カテゴリが、日本でも本格的に形成されつつあります。

4. 米国 OFAC の規制圧力による「観測ベース・コンプライアンス」への転換

米国財務省 OFAC（外国資産管理室）は、2024年10月と2025年4月に、海事業界向けに重要なガイダンスを発出しました。

これは、米国企業だけでなく 日本企業を含む外国企業にも事実上適用 されます。

商品ブローカー、保険会社、船舶管理会社、商社、銀行は、取引相手の船舶や企業の動きを、衛星画像で独立に検証する ことが、業務上の必須要件となりつつあります。

これは、企業内のデータサイエンティストにとって、新しい中核業務領域の出現を意味します。

なぜ規制が「衛星画像での独立検証」を要求するのでしょうか？
背景には、制裁逃れの手口の巧妙化があります。

ロシア産原油や、イラン・北朝鮮の制裁対象貨物を運ぶ船舶は、自らの正体を隠すために、さまざまな偽装工作を行います。代表的な手口が AIS（船舶自動識別装置）の意図的な停止 です。

用語ノート：AIS（Automatic Identification System、船舶自動識別装置）
船舶が自船の位置・針路・速度・船名などを電波で発信する仕組み。本来は船舶同士の衝突防止のための安全装置で、国際条約で一定以上の船舶に搭載が義務付けられています。この信号を受信すれば、世界中の船舶の動きをリアルタイムで追跡できます。

制裁対象の取引を行う船舶は、公海上で AIS を切断し、「どこにいたか分からない」空白を作り出します。その間に、洋上で別の船に貨物を積み替えたり（瀬取り）、書類上の出発港・経由港を偽装したりします。AIS が切れている間の航跡は、通常の追跡手段では追えません。

ここで、制裁逃れに加担した企業に何が起きるでしょうか？

米国OFACは、たとえ「知らなかった」場合でも、取引相手が制裁対象だった事実そのものに対して 巨額の罰金を科し、米ドル決済網からの締め出し（事実上の国際取引停止）という、企業にとって致命的な制裁を加えます。

これは米国企業に限らず、米ドルや米国市場と接点を持つ日本企業にも及びます。

つまり、企業は「取引相手の船舶や企業が、本当に申告通りに動いていたか」を、取引相手の自己申告とは独立した手段で確かめる 必要に迫られることになったのです。

相手の言い分を信じて取引した結果、それが制裁逃れだったと後で判明すれば、責任を免れないからです。

そして、AIS が切られて追跡が途切れた空白を埋められる、ほぼ唯一の独立した手段が、衛星画像です。

光学衛星・SAR 衛星は、AIS を切った船舶でも、その姿を上空から直接捉えられる
ある時刻にある海域で「2隻の船が接舷していた」事実（瀬取りの痕跡）を、画像として記録できる
申告された航路と、衛星が観測した実際の航跡の食い違いを、客観的に検出できる

こうして、「相手の申告を信頼する（申告ベース）」だけでは制裁リスクを回避できなくなり、「衛星画像という独立した観測データで裏を取る（観測ベース）」ことが、商品ブローカー・保険会社・船舶管理会社・商社・銀行にとっての業務上の必須要件へと変わったのです。

実際に、企業はどう対応しているのか

「衛星画像で独立検証」と言われても、本当に企業がそこまでやっているのか、と疑問に思われるかもしれません。実際の動きを見てみましょう。

専業プラットフォーム企業の台頭

OFAC 規制対応を、衛星画像・AIS・AI を組み合わせて支援する専業企業が、すでに複数立ち上がっています。

Windward（イスラエル/英国）：
AIS を「数ある信号の一つにすぎず、鵜呑みにできる情報源ではない」と位置づけ、船舶の行動分析、衛星によるリモートセンシング、制裁データを組み合わせて、巧妙な偽装を検出するプラットフォームを提供しています。
Kpler / MarineTraffic：
世界最大級の AIS ネットワークに加え、衛星画像と専門アナリストによって、制裁貨物の瀬取り（ship-to-ship transfer）を検出するサービスを展開しています。
Pole Star Global（英国）：
AIS 信号のスプーフィング（偽装）やトランスポンダーの意図的な切断を行う不審船を、持続的な追跡で検出するソリューションを提供しています。
CLS（フランス）：
衛星 AIS・地上 AIS に加え、RF（電波）探知・レーダー・光学画像という異種データを統合した広域監視システム（Maritime Awareness System）を提供し、OFAC・国連などの制裁リストと照合します。

注目すべきは、CLS のシステムが RF（電波）探知 を含んでいる点です。

これは、本シリーズの隣接領域である SIGINT/ELINT（電波信号情報分析）の技術が、IMINT（画像情報）と統合されて使われていることを示しています。

現実の海事コンプライアンスの現場では、画像・電波・AIS という複数の情報源を融合して、はじめて巧妙な偽装を見破れるのです。

規制当局自身が「衛星画像を使え」と明示している

こうした民間サービスは、規制当局の方針と歩調を合わせています。

米政府の海事業界向け助言文書は、商用衛星画像が、AIS で送信された情報と矛盾する船舶を特定し、その行動を監視し、位置を突き止めるのに役立つと、明示的に言及しています。

つまり「衛星画像で独立検証せよ」というのは、民間の過剰反応ではなく、規制当局自身が推奨する対応なのです。

日本企業の状況

日本企業でも、衛星データの海事活用は始まっています。

たとえば商船三井は2020年、人工衛星の位置情報をもとに、危険な海域に進入しようとする船舶へ自動警告を出す座礁リスク監視システムの開発に着手しました（フィンランドのナパ社との共同開発）。

ただし、こうした日本企業の取り組みの多くは、現時点では 安全運航や環境保護を主目的としたものであり、「OFAC制裁対応として衛星画像分析を導入した」と公表されている事例は、海外の専業企業ほど明確ではありません。

しかし、米ドル決済網と接点を持つ日本の商社・海運・金融機関にとって、OFAC規制が事実上の遵守義務である以上、海外の専業プラットフォーム（Windward、Kpler等）の導入や、社内での独立検証体制の構築は、今後さらに進むと考えられます。

この領域で独立検証システムを構築・運用できるデータサイエンティストの需要は、日本でもこれから本格的に拡大すると見込まれます。

5. LLM 時代でも、人間の専門家が価値を発揮し続ける領域

衛星画像解析は、「ハルシネーション（事実無根の出力）」が許されない領域 です。

災害時の被害判定、保険金支払いの根拠データ、コモディティ取引の判断材料として使われる場面では、LLM の出力をそのまま信頼することはできず、人間専門家による検証 が必須となります。

このため、LLM がデータサイエンティストの業務を全面的に代替することは、当面起きません。

むしろ、LLM を道具として使いこなしつつ、最終判断と検証を担う専門家 としての価値が、今後10年〜20年にわたって維持されていきます。

本記事の全体像（TL;DR）

本記事は、約7万字の長文です。お忙しい読者の方が必要なセクションだけを読めるよう、全体構成を以下に示します。

セクション	内容	想定読了時間
コード例	衛星画像から原油タンク貯蔵量を推定する Python コード（30行）	5分
IMINT/GEOINT とは何か	用語の定義、歴史（U-2、Corona、KH 衛星、NGA）	7分
なぜ今、民間 IMINT/GEOINT か	小型衛星革命、SAR 民間化、30cm 分解能、災害頻発化、ESG、地政学	10分
業界別需要	海運、海事保険、コモディティ商社、エネルギー、損保、農業、不動産、金融の8セクター	10分
米OFAC ガイダンス	「観測ベース・コンプライアンス」への転換	5分
EU 規制（EUDR）	ESG 開示規制と衛星画像の活用	5分
日本政府の動向	重要経済安保情報保護活用法、国家情報局設置法案	8分
日本の IMINT 組織	内閣衛星情報センター（CSICE）、防衛省情報本部、JAXA、Tellus、国土地理院、海上保安庁	8分
技術の中身	マルチスペクトル、NDVI、SAR、物体検出（YOLO）、変化検出、影長から貯蔵量推定	15分
キャリアパス	産業構造の4レイヤー、5つの参入パターン、30〜40代転職論	10分
LLM 時代の留意点	6つの活用シナリオとそれぞれのリスク水準	5分

全体通読：約90分

特定領域だけ知りたい場合の推奨読み順：

既存スキルの活かし方を知りたい → 「業界別需要」「キャリアパス」「LLM 時代の留意点」
技術の中身を知りたい → 「コード例」「技術の中身」
転職・キャリアを検討したい → 「業界別需要」「日本政府の動向」「キャリアパス」
規制環境を理解したい → 「米OFAC ガイダンス」「EU 規制（EUDR）」「日本政府の動向」
日本の現状を知りたい → 「日本政府の動向」「日本の IMINT 組織」

読んだ後、読者は何を得ているか？

本記事を読み終えた読者の皆さんは、以下を獲得しているはずです。

知識面で得るもの

IMINT、GEOINT、Geospatial Analysis という用語の意味と、その違い を、自分の言葉で説明できるようになる
衛星画像（光学・SAR・マルチスペクトル）の基本的な性質 を、技術的に理解する
NDVI、物体検出、変化検出、影長による物体高さ推定 といった、IMINT の基本技術の Python 実装イメージをつかむ
世界の主要衛星オペレーター（Maxar、Planet Labs、Capella Space、ICEYE、synspective 等）の事業構造を理解する
8つの民間業界（海運、海事保険、商社、エネルギー、損保、農業、不動産、金融）における衛星画像の活用例を把握する
米OFAC ガイダンスと EU 森林破壊規則（EUDR） が、なぜ日本企業の業務に影響するかを理解する
日本政府の経済安全保障政策の最新動向（重要経済安保情報保護活用法、国家情報局設置法案）を把握する
日本の IMINT 組織（CSICE、防衛省情報本部、JAXA、Tellus、国土地理院、海上保安庁）の役割分担を理解する

キャリア戦略面で得るもの

自分の現在のスキル が、IMINT/GEOINT 領域でどのように活きるかを評価できる
キャリアパスの5つのパターン（衛星オペレーター、アナリティクス企業、ユーザー企業、政府機関、調査報道機関）から、自分に合う方向性を選べる
30〜40代からの参入可能性 と、追い風になる経歴・留意点を把握する
セキュリティ・クリアランス（SC）制度 が、自分のキャリアにどう影響するかを理解する
LLM 時代に人間専門家が価値を発揮し続ける領域 としての IMINT/GEOINT の特性を理解する

思考の枠組みとして得るもの

「協調的システム」と「非協調的観測手段」 という、現代インテリジェンスを理解する基礎概念を獲得する
「申告ベース・コンプライアンス」から「観測ベース・コンプライアンス」への転換 という、ビジネス規制の構造変化を理解する
OSINT・SIGINT/ELINT・IMINT/GEOINT の3本柱が、実務でどう連携するか を俯瞰的に把握する
公開情報のみに基づく分析（OSINT 系の方法論） が、現代ビジネスでどのような価値を持つかを理解する
データサイエンスの応用が、特定業界の業務基盤になっていく構造 を、IMINT/GEOINT を題材として体感する

本記事が、皆さんのキャリア戦略の選択肢を広げる一助となれば幸いです。

まずは、Pythonの実装コードを見てください

衛星画像から原油タンクの貯蔵量を推定する Python 実装コード（例）

import math

# シナリオ：上空から撮影された衛星画像に映る、ある原油タンクについて、
# その「影の長さ」と「タンクの直径」を画像上のピクセル数で測定し、
# そこから、タンク内の原油貯蔵量（おおよその割合）を推定する。

# 観測値（衛星画像のピクセル数から実距離に変換した値）
tank_diameter_m = 80.0        # タンクの直径（メートル）
tank_full_height_m = 20.0     # タンクが満タンのときの高さ（メートル、設計値）
shadow_length_m = 3.5         # タンク内側の影の長さ（メートル）
sun_elevation_deg = 35.0      # 撮影時刻の太陽高度角(度)

# タンクの蓋(フローティングルーフ)が、タンクの縁から何メートル下に
# 沈んでいるかを、影の長さから三角関数で計算する。
# tan(太陽高度角) = 蓋の沈み込み深さ / 影の長さ
sun_elevation_rad = math.radians(sun_elevation_deg)
roof_depth_m = shadow_length_m * math.tan(sun_elevation_rad)

# 現在の原油量 = 満タン量 - (沈み込み深さ × タンク断面積)
tank_area_m2 = math.pi * (tank_diameter_m / 2) ** 2
empty_volume_m3 = roof_depth_m * tank_area_m2
full_volume_m3 = tank_full_height_m * tank_area_m2
current_volume_m3 = full_volume_m3 - empty_volume_m3
fill_ratio = current_volume_m3 / full_volume_m3

# バレル換算（1 m^3 ≒ 6.29 バレル）
current_volume_barrels = current_volume_m3 * 6.29

print(f"蓋の沈み込み深さ: {roof_depth_m:.2f} m")
print(f"現在の原油量: {current_volume_m3:,.0f} m^3 (約 {current_volume_barrels:,.0f} バレル)")
print(f"タンク充填率: {fill_ratio*100:.1f} %")

このコードを実行すると、以下のような出力が得られます。

蓋の沈み込み深さ: 2.45 m
現在の原油量: 87,683 m^3 (約 551,524 バレル)
タンク充填率: 87.7 %

これが IMINT（画像情報インテリジェンス） の最も基本的な操作の一つです。Pythonの標準ライブラリと数学モジュールだけで動く、わずか30行のコードです。

用語ノート：IMINT（Imagery Intelligence、画像情報）
写真・画像・動画から得られる情報の総称です。「イミント」と読みます。歴史的には、第二次世界大戦中の航空写真偵察、冷戦期の偵察衛星（米国の Corona 計画など）に端を発します。

用語ノート：Geospatial Analysis（地理空間解析）
位置情報を伴うあらゆるデータの解析を指します。衛星画像はもちろん、地図、住所、GPS 軌跡、移動経路など、「どこで」という情報がついたデータすべてが対象です。GEOINT（Geospatial Intelligence、地理空間インテリジェンス） と呼ばれることもあり、ほぼ同義として使われます。

「画像」「衛星」「インテリジェンス」と聞くと、軍事や諜報の世界の特殊技術というイメージがあるかもしれません。

しかし、その技術的な中身は、データサイエンティストが日常的に扱う 画像処理・統計・機械学習の応用 です。そして今、この技術領域で、民間企業のデータサイエンティスト需要が急拡大しています。

冒頭のコードで行った計算（「フローティングルーフ式原油タンクの影から貯蔵量を推定する」手法）は、Orbital Insight という米国企業が、世界中の原油タンクの貯蔵量を継続的に推定し、WTI 原油先物市場のヘッジファンドに販売する商用サービスとして、すでに事業化しています（事例の詳細は本記事後半で紹介します）。

用語ノート：フローティングルーフ式原油タンク
原油を貯蔵する大型タンクの一種で、タンク内部の蓋が原油の量に応じて上下に浮き沈みする構造になっています。原油の蒸発損失を防ぐための工夫です。蓋の位置が下がっているほどタンク内の原油量が少ない、ということになります。

用語ノート：ヘッジファンド
富裕層や機関投資家から資金を集めて、株式・債券・コモディティなどに投資する、高い収益を目指す投資ファンドのこと。市場が動く前に独自情報を入手することに大きな価値を見出します。

用語ノート：WTI 原油先物
米国テキサス州産の原油 "West Texas Intermediate" を対象とした、将来の取引価格を約束する金融取引のこと。世界の原油価格の指標の一つです。

IMINT、GEOINT とは何か

聞き慣れない用語が並んでいるかもしれません。最初に、用語解説をさせてください。

IMINT（Imagery Intelligence、画像情報） は、写真・画像・動画から得られる情報の総称です。

歴史的には、第二次世界大戦中の航空写真偵察に端を発します。

第二次世界大戦中、米軍と英軍は、ドイツ軍の航空写真を判読する専門部隊（米軍では Photo Interpretation Branch）を組織し、敵の工場・飛行場・防空陣地の位置を割り出していました。

戦後、1950年代から1960年代にかけて、米国は U-2 偵察機を運用し、冷戦初期のソ連の核戦力配備状況を把握しました。

1962年のキューバ危機は、U-2 偵察機が撮影したキューバのミサイル基地の写真を、ジョン・F・ケネディ大統領の前で当時の国防長官や国家安全保障担当補佐官や CIA 長官らが解説する場面で、世界史の表舞台に IMINT が登場した瞬間でした。

1960年代以降は、U-2 のような航空機ではなく、人工衛星に撮影プラットフォームの主役が移ります。

米国の Corona 計画（1959〜1972年、世界初の運用偵察衛星プログラム）、その後継の KH（Key Hole）衛星シリーズが、冷戦期の IMINT の中核でした。

これらの衛星は当初、フィルムカートリッジを大気圏に投下し、空中で航空機が回収するという、現代の感覚では信じがたい方法でデータを地上に届けていました。

用語ノート：偵察衛星（Reconnaissance Satellite）
軍事・諜報目的で、地球上の特定地点を継続的に撮影する人工衛星。光学カメラだけでなく、レーダーや赤外線センサーを搭載するものもあります。当初は米国とソ連の独占でしたが、現在は中国、ロシア、フランス、ドイツ、イスラエル、インド、日本、韓国などが運用しています。

GEOINT（Geospatial Intelligence、地理空間情報） は、IMINT より広い概念です。

米国国家地理空間情報局（NGA: National Geospatial-Intelligence Agency）の定義によれば、GEOINT は「地球上の物理的特徴と地理参照活動を記述、評価、視覚的に表現するために、画像、画像情報、および地理空間情報を活用すること」とされています。

用語ノート：地理空間情報（Geospatial Information）
位置情報を伴うデータの総称です。緯度経度、住所、地名、地図、衛星画像、GPS 軌跡、人口分布、土地利用区分など、「どこで」という情報がついたデータすべてが含まれます。地理情報システム（GIS、Geographic Information System） という関連用語もよく登場します。

整理すると、以下のような関係になります。

GEOINT（地理空間インテリジェンス）
  ├── IMINT（画像情報インテリジェンス）
  │     ├── 衛星画像（光学・SAR・赤外）
  │     ├── ドローン画像
  │     ├── 航空写真
  │     └── 監視カメラ映像
  ├── 地図情報
  ├── 地名情報
  ├── 人口・経済の地理分布
  ├── 移動経路情報
  └── その他、位置情報を伴うあらゆるデータ

実務的には、IMINT と GEOINT はほぼ同義として使われる ことが多く、本記事でも厳密な区別はせず、両者を併用します。

データサイエンティストの視点で言えば、IMINT/GEOINT は「衛星画像・地理情報をデータとして扱い、データサイエンスの手法でビジネス価値ある情報を抽出する技術領域」 です。

冒頭のフローティングルーフ式タンクの貯蔵量推定を行った Python 実装コードは、まさにその基本動作を示したものでした。

なぜ今、民間 IMINT/GEOINT なのか

2010年代以降に世界で起きた構造変化

2010年代以降、衛星画像の世界では 3つの巨大な構造変化 が同時並行で起きました。

構造変化1：　小型衛星革命

2010年頃まで、地球観測衛星は、1機あたり数百億円〜数千億円のコストをかけて開発・打ち上げられる大型衛星が主流でした。1機の衛星が10年〜15年の運用期間中に故障してしまうと、その後継が打ち上げられるまで観測能力に空白が生じる構造でした。

この状況を一変させたのが、2010年に米サンフランシスコで創業した Planet Labs（プラネット・ラブズ、現 Planet）という企業です。同社は、靴箱大の超小型衛星「Dove」を数百機の編隊で打ち上げ、地球全体を毎日1回ずつ撮影する という、それまでは想像できなかった観測体制を実現しました。

用語ノート：CubeSat（キューブサット）
1辺10cmの立方体（1U と呼ばれる）を基本単位とする超小型衛星の規格。複数の U を組み合わせて、3U や 6U といったサイズの衛星を組み立てます。Planet の Dove 衛星は 3U（10cm × 10cm × 30cm）サイズです。

用語ノート：衛星コンステレーション
多数の衛星を編隊で運用する形態。各衛星が異なる軌道を周回することで、地球全体を高頻度でカバーします。Planet の Dove コンステレーションは、ピーク時に約200機が稼働していました。

構造変化2：　SAR 衛星の民間アクセス可能化

光学衛星（可視光カメラを搭載する衛星）は、雲があると地表が見えません。世界の陸地の約半分は常に雲に覆われており、光学衛星だけでは「いつでもどこでも見える」とは言えません。

この問題を解決するのが SAR 衛星 です。SAR（Synthetic Aperture Radar、合成開口レーダー）は、衛星から地表に向けて電波を発射し、その反射波を解析することで、雲を貫通して地表の画像を得る技術です。

用語ノート：SAR（合成開口レーダー）
「サー」と読みます。電波（マイクロ波）を地表に向けて発射し、跳ね返ってきた反射波の強さと時間を測定することで、地表の起伏や物体を「画像化」する技術です。「合成開口」とは、衛星の移動を利用して、実際よりも巨大な仮想的なアンテナを作り出す数学的手法のことを指します。

SAR は冷戦期から軍事衛星には搭載されていましたが、2010年代後半以降、フィンランドの ICEYE（アイサイ）、米国の Capella Space（カペラ・スペース）、日本の synspective（シンスペクティブ）といった民間企業が、商用 SAR 衛星サービスを開始しました。

これにより、雨や雲に覆われた地域、夜間でも、商用衛星画像が入手可能となりました。

構造変化3：　高解像度光学衛星の民間アクセス可能化

冷戦期、米国の偵察衛星 KH-11 は地上分解能 15cm 程度の画像を撮影していたとされますが、これは長く軍事機密でした。

用語ノート：地上分解能（GSD：Ground Sample Distance）
衛星画像の1ピクセルが地表で何メートルに相当するかを表す指標です。30cm分解能であれば、1ピクセルが地表で30cm四方の領域を表します。分解能が小さいほど細かいものが見え、人間や自動車も識別可能になります。

民間用途では、長らく1m分解能が事実上の上限でした。しかし、米国 Maxar（マクサー、旧 DigitalGlobe）社の WorldView 衛星シリーズや、欧州 Airbus の Pléiades Neo 衛星が、30cm分解能 の商用画像を提供できるようになりました。

30cm 分解能では、駐車場の車1台1台が識別でき、建物の屋根の素材まで判別可能です。これにより、民間ビジネスでの活用範囲が劇的に拡大しました。

上の3つの構造変化により、「衛星画像を見るのは政府の偵察機関だけ」という時代は、完全に終わりました。Planet Labs、Maxar、Airbus、Capella Space、ICEYE、synspective、Satellogic、BlackSky、ImageSat International といった民間衛星会社が、API（Web 経由のプログラム的アクセス手段）で誰でも衛星画像を購入できる時代になったのです。

災害頻発化、気候変動、ESG の3つの新たな需要

衛星画像の供給側の革命と並行して、需要側でも構造変化が起きています。

気候変動による災害頻発化

近年、世界各地で大規模災害が頻発しています。2024年だけでも、能登半島地震（日本）、スペイン東部の洪水、フロリダのハリケーン Milton、カナダ西部の山火事、ブラジル南部の洪水、欧州中部の洪水と、毎月のように大規模災害が発生しました。

このような状況で、損害保険会社・再保険会社にとって、災害発生直後の被害規模を、現地調査を待たずに迅速に推定する ことが、極めて重要なビジネス課題となっています。

衛星画像、特に SAR 衛星画像（雲を貫通できる）と光学衛星画像（高解像度）の組み合わせは、災害発生から数時間〜数日で被害範囲を推定できる、唯一の現実的手段です。

用語ノート：再保険会社
損害保険会社（東京海上、損保ジャパン、三井住友海上など）が、自社で引き受けた保険のリスクを、さらに別の保険会社（再保険会社）に再保険するための保険会社。世界の再保険会社の代表格は、ドイツの Munich Re、スイスの Swiss Re、フランスの SCOR、英国の Lloyd's of London などです。

ESG 投資の拡大

ESG（Environment、Social、Governance、環境・社会・統治）は、企業の財務情報だけでなく、環境への配慮、社会への貢献、企業統治の在り方も評価して投資判断を行うという考え方です。2010年代後半以降、世界の機関投資家の間で急速に普及しました。

ESG 投資が拡大すると、投資先企業が「自社のサプライチェーンで森林破壊が起きていないか」「自社の工場から温室効果ガス（メタン等）の漏出はないか」「自社の鉱山開発が違法に環境を破壊していないか」を、独立した客観的データで証明する必要が生じます。

衛星画像は、こうした「環境への影響の独立検証」を行う唯一の手段として、ESG 投資の文脈で需要が急増しています。

用語ノート：機関投資家
個人ではなく、組織として投資を行う主体のこと。年金基金、生命保険会社、投資信託、ヘッジファンドなどが該当します。世界の機関投資家の運用資産総額は数百兆ドル（数京円）規模に達します。

サプライチェーン分断と地政学的緊張

2022年のロシアのウクライナ侵攻以降、世界のサプライチェーン（原材料の調達から製造、流通、販売に至る一連の流れ）に、地政学リスクが恒常的に存在することが明らかになりました。

製造業企業にとって、自社のサプライチェーンが「ある国の特定地域に過度に依存していないか」「途中の港湾・倉庫・工場が地政学的に脆弱な場所にないか」を継続的に監視することが、新たなリスク管理業務として浮上しています。

衛星画像は、海外の工場の生産活動、港湾の混雑度、内陸の物流ハブの動向を、現地に行かずに継続的に把握する手段として活用され始めています。

民間企業の需要が急拡大

具体的な業界別ニーズを整理します。

海運・物流業界

世界の海運業界は、自社船・契約船の航路リスク評価のために、衛星画像を継続的に活用するようになっています。

具体的には、港湾の混雑状況の把握（コンテナ船・タンカーの寄港数を衛星画像でカウント）、運河の通航状況の監視（パナマ運河・スエズ運河の混雑度）、競合船社の動向観察（どの航路にどの船を投入しているか）などです。

2021年3月にスエズ運河で発生した大型コンテナ船「エバーギブン」の座礁事故では、世界の海運関係者が衛星画像をリアルタイムで確認し、滞留する船舶の数や運河の通航再開状況を把握しました。

これは、衛星画像が 海運業界の業務インフラ として定着している象徴的な事例です。

海事保険・P&I クラブ

用語ノート：P&I クラブ（Protection and Indemnity Club、船主責任相互保険組合）
船主同士が組合形式で運営する相互保険。
船舶事故による第三者被害（油濁、人身事故、貨物損害など）を補償します。
世界の商船の約9割が P&I クラブに加入しており、英国 Lloyd's of London の保険組合とともに、海事保険の中核を担っています。

海事保険・P&I クラブの業務には、保険引受時の船舶リスク評価、事故発生時の客観的状況把握、戦争危険地域を航行する船舶への加算料率の動的算定 などが含まれます。

これらすべてに、衛星画像を含む地理空間データが活用されつつあります。

コモディティ商社

用語ノート：コモディティ商社
原油、天然ガス、鉱物、穀物、金属など、世界共通の規格商品（コモディティ）を国際的に取引する商社。日本では三菱商事、三井物産、伊藤忠商事、住友商事、丸紅などが該当します。

コモディティ商社では、原油・LNGタンカーの実位置追跡、世界の主要鉱山・農地・油田の生産動向監視、各国の港湾在庫水準の推定 などに衛星画像を活用しています。

冒頭で紹介した「フローティングルーフ式タンクの貯蔵量推定」は、米国 Orbital Insight 社が提供するサービスの中核で、ヘッジファンドだけでなく、コモディティ商社にも販売されています。世界の主要原油備蓄基地（米国クッシング、ロッテルダム、新加坡、上海等）の在庫水準を、衛星画像から日次で推定することで、商社は原油先物市場での取引判断や、原油の調達計画に活用しています。

エネルギー企業

石油・ガス会社、電力会社、再生可能エネルギー事業者でも、衛星画像の活用が広がっています。

具体的には、洋上プラットフォームの監視、シェールガス田の掘削リグ稼働率把握、太陽光発電所・風力発電所の建設進捗確認、送電線・パイプラインの侵食・損傷検知 などです。

特に、メタンガス漏出の検出 は、ESG 投資の拡大とともに急速に注目されている用途です。

米国の Carbon Mapper、加国の GHGSat、米国環境保護団体 EDF の MethaneSAT といった衛星が、石油・ガス施設から漏出するメタンを上空から検出するサービスを提供しています。

損害保険・再保険会社

損害保険・再保険会社では、自然災害発生時の被害規模の迅速推定 が、最も典型的な衛星画像活用例です。

2024年1月の能登半島地震、2024年8月のハリケーン Beryl、2024年10月のスペイン東部洪水など、世界各地の大規模災害において、損保会社・再保険会社は、災害発生から数時間〜数日のうちに衛星画像を取得し、被災範囲・損害額を推定しています。

用語ノート：パラメトリック保険
災害の規模（震度、風速、洪水の浸水深など）が一定値を超えた場合に、自動的に保険金が支払われる、新しい形式の保険商品。
従来の損害査定型保険と異なり、現地調査を待たずに迅速に保険金が支払われます。
衛星画像が、保険金支払いの根拠データとして活用されつつあります。

農業・食品産業

農業・食品産業では、作物の生育状況の遠隔監視 が、最も普及した衛星画像活用例です。

具体的には、衛星画像から NDVI（正規化植生指数） を計算し、農地の植生の活発度を可視化することで、収穫予測、施肥量の最適化、病害虫の早期発見などに活用します。

用語ノート：NDVI（正規化植生指数、Normalized Difference Vegetation Index）
衛星画像のうち、可視光の赤色（B04）バンドと近赤外（B08）バンドの強度を使って、(B08 - B04) / (B08 + B04) という単純な式で計算される指数。植物の葉緑素は近赤外を強く反射し、可視光の赤を吸収する性質があるため、この指数が高いほど植物の活発な生育を示します。1970年代に米国 NASA の研究者が考案した古典的な手法ですが、現代でも農業 IMINT の中核として広く使われています。

米国の Climate FieldView（Bayer Crop Science の子会社、旧 Climate Corporation）、日本の クボタ、ヤンマー、ファームノート などが、衛星画像 + 機械学習を用いた精密農業サービスを展開しています。

世界の主要穀物産地（米国中西部のコーンベルト、ブラジルのマットグロッソ州、ウクライナの黒土地帯、アルゼンチンのパンパス）の作況予測は、米国 USDA（農務省）の WASDE レポートと並んで、穀物先物市場の重要な情報源となっています。

不動産・REIT 業界

用語ノート：REIT（Real Estate Investment Trust、不動産投資信託）
投資家から集めた資金で不動産を購入・運営し、賃料収入や売却益を投資家に分配する金融商品。日本では J-REIT と呼ばれます。

不動産業界では、商業施設の集客動向の推定、建設プロジェクトの進捗監視、駐車場の利用率測定 などに衛星画像が活用されています。

米国の RS Metrics、Cape Analytics、Zesty.ai といった企業が、衛星画像を用いた不動産分析サービスを提供しています。

ヘッジファンドや機関投資家は、Walmart、Target、Home Depot、Costco といった大手小売チェーンの駐車場の車の台数を、衛星画像で四半期ごとにカウントし、決算発表前の業績予測に活用しています。

これは、米国 Bloomberg Second Measure や Orbital Insight のサービスとして商業化されています。

金融機関

金融機関では、融資先企業の業績モニタリング、ESG 投資のためのデュー・デリジェンス、地政学リスク評価 などに衛星画像を活用しています。

用語ノート：デュー・デリジェンス（Due Diligence）
投資・融資・買収などの重要な意思決定の前に、対象企業の財務状況、事業内容、法的リスクなどを綿密に調査すること。「DD」と略されます。

ここで、なぜ衛星画像がデュー・デリジェンスの手段になるのか、補足します。

従来、金融機関が投資・融資の判断に使う情報は、対象企業が自ら提出する資料（決算書、事業計画、IR 資料、現地視察の報告）が中心でした。

しかし、これらはすべて「企業側が見せたい情報」であり、意図的に良く見せたり、不都合な事実を伏せたりする余地があります。

衛星画像は、この構造に 「企業の自己申告とは独立した、客観的な裏取り手段」 をもたらします。

具体的には、次のような検証が可能です。

稼働実態の検証：融資先が「工場をフル稼働させている」と報告していても、衛星画像で駐車場の車の少なさ、原料置き場の在庫の低さ、煙突から煙が出ていない様子が確認できれば、稼働率の誇張を見抜ける
建設・投資の進捗検証：「新工場の建設は順調」という報告に対し、衛星画像で実際の工事の進み具合を時系列で確認できる
ESG の裏取り：投資先が「環境に配慮した操業をしている」と主張していても、衛星画像で工場周辺の水質汚染、違法な森林伐採、廃棄物の不法投棄が確認されれば、ESG 評価を覆す客観的証拠になる
地政学リスクの評価：投資先の海外資産（工場、鉱山、農地）が、紛争地域や制裁対象国の近くにないか、その地域の情勢が悪化していないかを、衛星画像で継続監視できる

つまり、衛星画像は、企業の決算書や IR 資料という「申告ベース」の情報を、上空からの観測という「観測ベース」の証拠で裏付ける（あるいは矛盾を暴く）手段なのです。

これは、本記事で繰り返し登場してきた 「申告ベースから観測ベースへ」 という構造変化が、金融のデュー・デリジェンスの場面にも及んでいることを意味します。

このため、米国の RS Metrics、Orbital Insight をはじめとする衛星画像分析企業は、ヘッジファンド・投資銀行・資産運用会社といった金融機関を主要顧客としています。

▶ 次回予告：第2回・規制と政策編

第1回では、IMINT/GEOINT の概念、業界の構造変化、民間需要の急拡大を見てきました。

第2回（規制と政策編）では、こうした民間需要を 直接押し上げている規制・政策環境 を整理します。

米国 OFAC ガイダンスによる「観測ベース・コンプライアンス」への転換
EU 森林破壊規則（EUDR）と ESG 開示規制
日本の重要経済安保情報保護活用法と国家情報局設置法案
日本の IMINT 組織（内閣衛星情報センター、防衛省情報本部、JAXA、Tellus、国土地理院、海上保安庁）の役割分担

民間データサイエンティストのキャリア戦略を考える上で、規制環境の理解は不可欠です。第2回をお楽しみに。

📚 本シリーズについて（全3回）

関連記事

なぜ、民間企業で働くデータサイエンティストがこの記事を読むべきなのか？

1. 既存のスキルがそのまま活きる新領域である

2. ビジネスインパクトの大きさ

3. 経済安全保障とキャリアの追い風

4. 米国 OFAC の規制圧力による「観測ベース・コンプライアンス」への転換

実際に、企業はどう対応しているのか

専業プラットフォーム企業の台頭

規制当局自身が「衛星画像を使え」と明示している

日本企業の状況

5. LLM 時代でも、人間の専門家が価値を発揮し続ける領域

本記事の全体像（TL;DR）

読んだ後、読者は何を得ているか？

知識面で得るもの

キャリア戦略面で得るもの

思考の枠組みとして得るもの

まずは、Pythonの実装コードを見てください

衛星画像から原油タンクの貯蔵量を推定する Python 実装コード（例）

IMINT、GEOINT とは何か

なぜ今、民間 IMINT/GEOINT なのか

2010年代以降に世界で起きた構造変化

構造変化1：　小型衛星革命

構造変化2：　SAR 衛星の民間アクセス可能化

構造変化3：　高解像度光学衛星の民間アクセス可能化

災害頻発化、気候変動、ESG の3つの新たな需要

気候変動による災害頻発化

ESG 投資の拡大

サプライチェーン分断と地政学的緊張

民間企業の需要が急拡大

海運・物流業界

海事保険・P&I クラブ

コモディティ商社

エネルギー企業

損害保険・再保険会社

農業・食品産業

不動産・REIT 業界

金融機関

▶ 次回予告：第2回・規制と政策編

関連する Qiita 記事・Zenn Book

📚 本シリーズについて（全3回）

関連記事

なぜ、民間企業で働くデータサイエンティストがこの記事を読むべきなのか？

1. 既存のスキルがそのまま活きる新領域である

2. ビジネスインパクトの大きさ

3. 経済安全保障とキャリアの追い風

4. 米国 OFAC の規制圧力による「観測ベース・コンプライアンス」への転換

実際に、企業はどう対応しているのか

専業プラットフォーム企業の台頭

規制当局自身が「衛星画像を使え」と明示している

日本企業の状況

5. LLM 時代でも、人間の専門家が価値を発揮し続ける領域

本記事の全体像（TL;DR）

読んだ後、読者は何を得ているか？

知識面で得るもの

キャリア戦略面で得るもの

思考の枠組みとして得るもの

まずは、Pythonの実装コードを見てください

衛星画像から原油タンクの貯蔵量を推定する Python 実装コード（例）

IMINT、GEOINT とは何か

なぜ今、民間 IMINT/GEOINT なのか

2010年代以降に世界で起きた構造変化

構造変化1： 小型衛星革命

構造変化2： SAR 衛星の民間アクセス可能化

構造変化3： 高解像度光学衛星の民間アクセス可能化

災害頻発化、気候変動、ESG の3つの新たな需要

気候変動による災害頻発化

ESG 投資の拡大

サプライチェーン分断と地政学的緊張

民間企業の需要が急拡大

海運・物流業界

海事保険・P&I クラブ

コモディティ商社

エネルギー企業

損害保険・再保険会社

農業・食品産業

不動産・REIT 業界

金融機関

▶ 次回予告：第2回・規制と政策編

関連する Qiita 記事・Zenn Book

構造変化1：　小型衛星革命

構造変化2：　SAR 衛星の民間アクセス可能化

構造変化3：　高解像度光学衛星の民間アクセス可能化