sar-change-detection
Skill3 starsChanged yesterdayApache-2.0View on GitHub
SAR (Sentinel-1 などの C バンドの後方散乱) の、出来事 (大雨、浸水、土砂崩れなど) の前と後の撮影を比べ、どこがどちら向きに変わったかを測り、記録 (浸水実績、被害の報告、自治体の地図) と突き合わせる。撮影の選び方、位置のずれ、暗くなる変化と明るくなる変化、手順が水を見られることの確認 (陽性の対照)、土地被覆をそろえた対照、塊ごとの区間、偽の日付、元に戻るか、場所を知らずに探して上位に出るかを扱う。画像の分類やセグメンテーション、深層学習のモデルには使わない。
In this repository56 other files it gives its agents.
- AGENTS.mdAGENTS.md
- .agents/skills/AGENTS.mdAGENTS.md
- analysis-reportingSkill
- analysis-unit-designSkill
- analysis-visualizeSkill
- anomaly-detectionSkill
- areal-interpolationSkill
- causal-designSkill
- causal-estimationSkill
- clustering-analysisSkill
- cross-validation-designSkill
- data-quality-auditSkill
- dataset-discoverySkill
- data-variable-semanticsSkill
- dimensionality-reductionSkill
- eda-and-baselineSkill
- experiment-designSkill
- frontend-designSkill
- grid-risk-mappingSkill
- image-segmentationSkill
- land-cover-costSkill
- leakage-auditSkill
- location-privacySkill
- model-explanationSkill
- natural-japaneseSkill
- noise-ceiling-analysisSkill
- observation-bias-auditSkill
- poi-insightsSkill
- point-pattern-analysisSkill
- raster-cost-distanceSkill
- raster-data-integrationSkill
- research-paper-writingSkill
- research-question-generationSkill
- robustness-analysisSkill
- spatial-accessibility-analysisSkill
- spatial-autocorrelationSkill
- spatial-data-integrationSkill
- spatial-data-modelingSkill
- spatial-feature-engineeringSkill
- spatial-gnnSkill
- spatial-interpolationSkill
- spatial-network-analysisSkill
- spatial-optimizationSkill
- spatial-process-modelingSkill
- spatial-sampling-designSkill
- spatial-weights-designSkill
- spatiotemporal-modelingSkill
- stop-describing-uiSkill
- street-imagery-inspectionSkill
- terrain-hydrologySkill
- time-series-forecastingSkill
- trajectory-predictionSkill
- travel-time-reliabilitySkill
- uncertainty-estimationSkill
- web-design-guidelinesSkill
- yomiyasuSkill
The file
Files
sar-change-detection
SAR の変化は、比べる 2 つの時点と、比べる相手の場所で意味が決まる。「浸水した所は暗くなる」は開けた水面の話で、市街地の浸水はむしろ明るくなることがある。どちら向きの変化を数えるかを先に決め、両方を測る。
扱う範囲
扱うのは、同じ軌道から撮った線形の後方散乱 (γ0 か σ0) の、前と後の比。1 つの出来事について、決まった組 (記録の面、河道、想定の区域、対照) の画素の割合を比べる。
扱わないもの: 画像の分類、セグメンテーション、物体検出、深層学習、干渉 (InSAR) と位相、偏波の分解、GRD から RTC を作る処理 (放射量の補正と地形の補正)。データセットの事実 (コレクション、署名、ファイル名、測った位置のずれ) は dataset-discovery/references/ にある。
| reference | 読むとき | 中身 |
| scenes | 撮影を選ぶとき、いつも (手順 3 の前) | 撮影の選び方。同じ軌道、前の撮影を何枚、出来事の時刻と撮影の時刻、雨の最中と後、衛星の違い、偽の日付と後の撮影 |
| backscatter | 変化の向き (暗くなる、明るくなる) を読むとき (手順 1、9 の前) | 変化の向きの読み方。開けた水面は暗く、建物と水の二回反射は明るく、雨の最中は一様に明るい。読みのうち確かめたことと、外の知識による解釈 |
| controls | 比べ方 (陽性の対照、そろえた対照、区間、偽の日付) を決めるとき、いつも (手順 4、7、11 の前) | 比べ方。陽性の対照、土地被覆をそろえた対照、塊とブロックの区間、偽の日付、元に戻るか、場所を知らずに探す、ほかの記録との一致度 |
手順
- 問いを書く。何の出来事の、どの時点の、どの場所の、どちら向きの変化を数えるか。「記録の面は、対照より多く暗くなったか」「記録の面の市街地は、対照より多く明るくなったか」。両方の向きを主張にする。暗くなる向きだけを主張にすると、市街地の浸水を見落とす。
- 出来事の時刻を、気象庁や国土交通省などの記録で確かめる。記憶で書かない。いつ雨が止み、いつ水位が最大になり、いつ水が引いたか。
- 撮影を選ぶ (scenes)。同じ相対軌道の、前の撮影を 3 枚以上 (平均して斑点の雑音を減らす)、出来事の後の 1 枚、さらに後の 1〜2 枚 (元に戻るか)。撮影の時刻を出来事の時刻と並べて書き、雨の最中か後かを分ける。衛星 (S1A と S1B) が混ざるかも書く。
- 計画を固定する。閾値 (±3 dB など)、平滑化の大きさ、偏波、組の定義、対照の取り方、判断の規則を、画像を見る前に書いてコミットする。
- 同じ格子に、線形の値のまま積む。dB で平均しない (dB の平均は幾何平均で、暗い外れに引かれる)。
scripts/sar_change.pyで、前の平均と後の撮影の差 (dB) を作る。恒常的な水の面 (WorldCover の水など) を--waterに渡し、前の平均の位置のずれを測る。1 画素を超えるずれは、整数の画素で戻す。後の撮影の前の平均に対するずれ (post_vs_pre_shift_rows_cols) が 0 に近いことも確かめる。uvx --with numpy --with scipy --with scikit-image --with rasterio python scripts/sar_change.py \ --pre tmp/pre_*.tif --post tmp/post.tif --water tmp/water.tif --k 3 --threshold 3 --out tmp/delta.tif- 組の格子を作る。整数の符号で、0 は使わない画素、対照にも符号を付ける。陽性の対照 (水が確かに出た所。河川の高水敷、堤防の間) を必ず入れる。対照は、記録の面と想定の区域と河道から離した画素にする (controls)。
scripts/change_rates.pyで、組ごとに暗くなった割合と明るくなった割合を、土地被覆をそろえた対照と比べる。区間は、画素ではなく塊 (--components) か 1 km のブロック (--block) で引き直す。市街地の明るさを問うなら、市街地の画素だけの組の格子でも流す。uvx --with numpy --with scipy --with rasterio python scripts/change_rates.py --delta tmp/delta.tif \ --groups tmp/groups.tif --classes tmp/landcover.tif --control 9 --components 1 --block 1000 --n 2000 > tmp/rates.json- 陽性の対照から読む。陽性の対照で変化が出ないなら、手順か撮影が水を見られていない。その先の「出なかった」を読まない。
- 頑健性を流す。閾値 (±2、±4 dB)、平滑化 (1、5)、偏波 (VH、VV か VH)、前の撮影 (直前の 1 枚だけ)、位置を戻さない、衛星の違いの補正 (対照の差の中央値を引く)。どれで判断が変わるかを表にする。
- 結果を見た後の確認を足し、確認と探索を分けて書く。偽の日付 (出来事の前の 2 つの撮影の比)、後の撮影で元に戻るか、場所を知らずに区画を並べて記録の場所が上位に出るか、ほかの記録 (自治体の地図など) との重なり (controls)。
- 書き出す。ほかの記録との一致は、一致度であって真の精度ではないと書く。明るくなった所を「浸水した」と断定しない。
スクリプト
| スクリプト | 入力 | 出力 |
sar_change.py | 前の撮影 (複数) と後の撮影の GeoTIFF (同じ格子、線形)、任意で水の面 | 差の GeoTIFF (dB、float32、欠けは nan) と、画素の数、ずれ、閾値を超えた数の JSON |
change_rates.py | 差、組の符号、土地被覆のクラスの GeoTIFF (同じ格子) | 組ごとの割合、土地被覆をそろえた対照の割合、比、90 % 区間の JSON |
どちらも格子 (CRS、変換、形) が違えば止まる。全ての画素を数え、合わなければ止まる (sar_change.py は有効、前が無い、後が無い。change_rates.py は欠け、組の外、組ごとの数)。前の撮影の一部だけが欠ける画素は、残りの撮影で平均する。
テストは次のとおり (scripts の中で流す)。
uvx --with numpy --with scipy --with scikit-image --with rasterio --with pytest pytest -q test_sar_change.py
uvx --with numpy --with scipy --with rasterio --with pytest pytest -q test_change_rates.py前の撮影を線形で平均すること、平滑化してから比をとること、位相相関で既知のずれを戻すこと、格子が違えば止まること、対照を土地被覆の割合で重み付けすること、少ないクラスを落としてその割合を出すこと、画素でなく単位で引き直すことを確かめている。線形の平均を dB の平均に変えると、また重み付けを全体の率に変えると、テストが落ちることを確かめた (2026-11-04)。
実データでの確認
2026-11-04 に、台風第 19 号 (2019-10-12〜13) の東京の、Planetary Computer の sentinel-1-rtc の軌道 46 (前 6 枚、後 1 枚、VV) で流した。組は東京都の浸水実績図データの 2019 年の面 (塊で引き直す)、多摩川の河道、対照で、別に書いた分析のコード (リポジトリの projects/_flood/hagibis-tokyo-sar-flood-record/scripts/03_blocks.py、outputs/blocks.json) の結果と比べた。
| 量 | このスキル | 別の分析のコード |
| 位置のずれ (行、列) | 0.35、2.35 | 0.35、2.35 |
| 河道の暗くなった割合、対照、比 | 0.3561、0.0446、7.982 [6.6437, 9.6064] | 0.356、0.0446、7.98 [6.6425, 9.6038] |
| 記録の面の暗くなった割合、対照、比 | 0.0213、0.0184、1.1589 [0.3247, 1.3194] | 0.0213、0.0184、1.159 [0.295, 1.3199] |
| 記録の面の市街地の明るくなった割合、対照、比 | 0.1032、0.0185、5.5828 [3.7531, 7.4051] | 0.1032、0.0185、5.582 [3.7629, 7.419] |
点の値は一致した。区間の端が少し違うのは、乱数の引き方の順が違うため。位置を戻した後に端の 2 列 (4,588 画素) が欠ける。このスキルは差を作ってから戻し、別のコードは積んだ撮影を戻してから差を作るが、ずれが整数なので値は同じになった。GEOAI_REALDATA=1 で流れる照合のテストは、まだ無い。
適用できない条件
- 前と後で軌道 (相対軌道、上りと下り) が違う撮影。見る向きが違うと、変化が無くても値が変わる。
- 線形でない値 (dB の GeoTIFF)。
sar_change.pyは 0 以下を欠けとみなすので、dB を渡すとほとんどが欠ける。 - 格子の合っていない撮影。再投影と再標本化はこのスキルの外。
- 平滑化は k × k の箱だけ。Lee などの適応型のフィルタは無い。
- 閾値で 2 値にした割合だけを比べる。差の分布そのものの比べや、閾値を自動で決める方法 (Otsu など) は無い。
- 位置のずれは、画像全体で 1 つの平行移動とみなす。場所で変わるずれは測らない。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

