[論文レビュー] An omnibus likelihood test statistic and its factorization for change detection in time series of polarimetric SAR data

Allan Aasbjerg Nielsen, Knut Conradsen+1 more|arXiv (Cornell University)|Jan 1, 2016

Synthetic Aperture Radar (SAR) Applications and Techniques被引用数 14

ひとこと要約

本論文は、極化SAR時系列における変化検出のための新規統合尤度検定統計量とその因数分解を提案し、ガリレオ宇宙望遠鏡のCCD応答と太陽粒子イベントを相関付けるためにビッグデータ技術を活用している。太陽プロトンフラックスがL1で測定されてから、ガリレオのCCDに検出可能な放射線損傷の影響が現れるまでの4時間の遅れを同定し、時系列データの部分相関分析により強く相関していることを示している。

ABSTRACT

Big Data from Space refers to Earth and Space observation data collected by space-borne and ground-based sensors. Whether for Earth or Space observation, they qualify being called 'big data' given the sheer volume of sensed data (archived data reaching the exabyte scale), their high velocity (new data is acquired almost on a continuous basis and with an increasing rate), their variety (data is delivered by sensors acting over various frequencies of the electromagnetic spectrum in passive and active modes), as well as their veracity (sensed data is associated with uncertainty and accuracy measurements). Last but not least, the value of big data from space depends on our capacity to extract information and meaning from them. The goal of the Big Data from Space conference is to bring together researchers, engineers, developers, and users in the area of Big Data from Space. It is co-organised by ESA, the Joint Research Centre~(JRC) of the European Commission, and the European Union Satellite Centre (SatCen) and was held at the auditorio de Tenerife (Santa Cruz de Tenerife, Spain) from the 15th to the 17th of March 2016. These proceedings consist of a collection of 108 short papers corresponding to the oral and poster presentations presented at the conference. They are organised in sections matching the order of the conference sessions followed by the contributions that were presented during the poster session, also organised by topics. They provide a snapshot of the current research activities, developments, and initiatives in Big Data from Space.

研究の動機と目的

• L2ラグランジュ点で運用されるCCD検出器の放射線損傷効果を監視および特徴づけること。
• ガリレオの測地測定装置データの異常と太陽高エネルギー粒子（SEP）イベントおよび地磁気擾乱を相関させること。
• 宇宙ミッションからの大容量時系列データを処理・分析するためのスケーラブルなビッグデータシステムを開発すること。
• 太陽イベントとそれらが宇宙船検出器に与える測定可能な影響との間の時間遅れを同定すること。
• ガリレオにとどまらず、他の時系列データセットにも適用可能な汎用フレームワークを提供すること。

提案手法

• ガリレオの測地測定装置モデル（AIM）およびOMNIデータセット（ACE、WIND、GOES-13/15から）の時系列データを用いて、CCD応答を分析する。
• 時間シフトを施した入力を用いた部分相関分析を適用し、太陽粒子フラックスとCCDパラメータ（例：バックグラウンド、フラックス）の間の遅延相関を検出する。
• スケーラブルなストレージとメモリ内処理のため、SparkとCassandraを用いたビッグデータアーキテクチャを採用し、約2000万件の時系列アイテムを処理する。
• 移動平均と次元削減（PCA、ICA、DFA）を用いて前処理を行い、信号検出を向上させ、ノイズを低減する。
• SAX表現を用いて、処理済み時系列間の共通する行動パターンを検出する。
• 時間シフト付き相互相関フレームワークを実装し、L1からL2への伝搬遅延を推定する。

実験結果

リサーチクエスチョン

• RQ1 L1で測定された太陽プロトンフラックスと、ガリレオAIMのバックグラウンドやフラックスパラメータの変化との間に、統計的に有意な相関が存在するか？
• RQ2 太陽粒子イベントがL1で発生してから、それがガリレオのCCD検出器に観測可能な影響を及ぼすまでの時間遅れは何か？
• RQ3 ビッグデータ技術は、宇宙ミッションデータのリアルタイム多変量時系列分析と異常検出を効果的に支援できるか？
• RQ4 異なる星等級範囲（例：mag <13 と 15–16）では、CCD応答における放射線誘発変化の検出可能性にどのような影響があるか？
• RQ5 データ内の周期性（例：ガリレオの自転に起因する6時間サイクル）は、相関信号の明瞭さを向上させるために除去可能か？

主な発見

• OMNIプロトンフラックスとガリレオAIMのバックグラウンドおよびフラックスパラメータの間に、時間シフトの最初の数時間内でピークを示す有意な部分相関が観測された。
• 太陽プロトンイベントから約45個の5分間隔の時間シフト（すなわち3.75時間）後に一貫した相関ピークが現れ、L1からL2への伝搬遅れが約4時間であることを示している。
• この4時間の遅れは、MHD波または太陽風粒子がL1からL2に到達する予想される時間と一致しており、観測された相関の物理的妥当性を裏付けている。
• この相関は、星等級範囲（例：mag <13 と 15–16）にかかわらず一貫しており、明るい星や暗い星に限らず影響が及ぶことを示している。
• データ内の周期的信号（例：6時間サイクル）はガリレオの自転に起因するとされ、相関の明瞭さを向上させるために現在フィルタリング処理が行われている。
• 本システムは、SparkとCassandraを用いて約2000万件の時系列エントリを正常に処理し、大規模な宇宙データ分析におけるスケーラビリティを実証した。