リモートセンシングは、衛星、航空、ドローンの画像を解析して、土地被覆、環境モニタリング、地理空間理解、地球観測を実現する最先端の中核技術です。これは主に、人間の地球観測における地理的制約によって生じる「マクロ的な視点の欠如とデータ取得の困難さ」という課題に対処するものです。このアーキテクチャは、対象物と物理的に接触することなく、衛星、航空、ドローンの画像を解析して土地被覆と環境情報を取得し、現場での人間の偵察を必要とせずに、同時閉ループの地理空間理解を実現します。通常、衛星、航空機、ドローンに搭載された光学、レーダー、赤外線、ハイパースペクトルセンサーを使用して、対象物から反射または放射された電磁波を受信し、データを解析して地形の特徴を特定し、環境変化を監視します。

リモートセンシングは、もともと人工知能の分野で提唱された概念ではなく、地球科学、測量、空間情報から生まれたものです。1950年代、米国海軍研究局（ONR）の地理学者たちは… エブリン・L・プルイット 「リモートセンシング」という用語は、地球に物理的に接触することなく情報を取得する方法を説明するために造語されました。エブリン・L・プルイットのリモートセンシングの概念は、今日の人工知能分野における「リモートセンシング」とは直接関係がありません。当時、人工知能や深層学習はまだ開発されておらず、リモートセンシングは主に航空写真、物理モデル、手動による解釈、そして従来の統計的手法による分析に依存していました。1972年にNASAがランドサット1号などの地球観測衛星を打ち上げたことで、リモートセンシングは徐々に現代の地球観測システムへと発展し、地球規模の環境、資源、地理情報を取得するための重要な技術となりました。

2012年に畳み込みニューラルネットワーク（CNN）がコンピュータビジョン分野で画期的な成果を上げて以来、AIはリモートセンシング画像分類、物体検出、セマンティックセグメンテーション、変化検出といったタスクに幅広く応用されてきた。近年では、大規模モデル技術の発展に伴い、リモートセンシング基盤モデル、GeoAI（地理空間人工知能）、マルチモーダル地球観測モデルといった分野へと研究がさらに発展している。

人工知能リモートセンシング分野における代表的な研究成果としては、2012年に発表されたAlexNet（深層学習ビジュアルモデルの開発を促進し、リモートセンシング画像のインテリジェント分析のための技術的基盤を提供した）、2020年に発表されたVision Transformer（ViT）（ビジュアルタスクにTransformerを導入し、リモートセンシングシナリオでの応用を促進した）、そして2023年のIBMとNASAによる共同打ち上げなどが挙げられる。 プリトヴィ 大規模な事前学習済みモデルを衛星リモートセンシングデータの解析に適用する地球観測基礎モデルは、リモートセンシング基礎モデルの重要な代表例となっている。関連論文には… 汎用地理空間人工知能のための基礎モデル(2023)待って。