新興的地球觀測 (Earth observation, EO) 衛星 (或稱為地球資源衛星 (Earth Resources Satellite, ERS)) 無時無刻收集著全球範圍的各式EO資料，收集到的資料皆直接或間接地幫助了人類的環境、經濟和社會進展。隨著EO衛星技術的進步及衛星數量的飛速上升，缺乏資料已不再是學術研究的限制或理由。然而，儘管現代的資料計算和影像分析基礎設備相較過去已完善許多，但EO衛星資料卻受限於各自的資料儲存格式不同，提高了資料的使用門檻，以致使用者無法輕易上手，不易被廣泛應用 (圖1)。

本期電子報將以EO衛星資料整合概念的Data Cube為主軸，介紹Sentinel相關衛星任務，及說明歐洲資料立方(Euro Data Cube, EDC) 的發展情形，最後簡介類似EO衛星資料立方的線上圖台Google earth engine (GEE) 以及水土保持局巨量空間資訊系統 (BigGIS)。

美國1972年即開始了Landsat衛星任務 (圖2)，已持續收集約50年的EO資料，也是目前最常被使用的長時間跨度衛星觀測資料。同時，歐洲太空總署 (European Space Agency, ESA) 也致力於各項太空任務的發展，ESA的太空發展任務相對於美國年輕許多 (ESA - Our Missions) (圖3)，大部分係由歐洲的中小企業和新創企業主導，其中包含了最被大家耳熟能詳的旗艦任務：Copernicus Sentinel Missions。

在衛星遙測的領域裡，包含Sentinel-1及Sentinel-2的Copernicus Sentinel missions必定在每位遙測領域 (Remote Sensing) 研究者心中占有一席之地。Sentinel任務搭載一系列陸地、海洋或大氣監測雷達或多光譜成像儀器之EO衛星系統 (圖4)，以提供多種資料供研究分析。

此外，ESA正在持續地發展六個Sentinel延伸任務 (圖5)，以應對城市化、糧食安全、海平面上升、極地冰層減少、自然災害及氣候變遷等挑戰，目標是要符合歐盟和使用者的研究相關需求。

資料立方 (Data Cube) 的構想源自於如何更有效率地處理及分析多元衛星之異質多時序資料。透過Data Cube程式提供經處理 (pre-processing) 過的即用型資料 (Analysis Ready Data, ARD)(圖6)，統一各種EO衛星資料的資料儲存架構，以降低使用衛星資料時的技術門檻，讓更多使用者能更便捷地應用於各項學術研究。

國際地球觀測衛星委員會 (Committee on Earth Observation Satellites, CEOS) 為了更好地管理及應用各種EO衛星資料 (圖7)，以開源方式推動開放資料立方專案 (Open Data Cube, ODC)，希望藉著國際間的合作，讓各國不同的衛星，使用相同的格式來儲存與處理資料。此專案也因此為多個國際資料架構奠定了基礎，如歐洲資料立方 (Euro Data Cube, EDC)、非洲區域資料立方及台灣資料立方 (Taiwan Data Cube) 等。

如前文所述，ESA擁有眾多且複雜的衛星資料，歐盟為了要使其EO資料可以更容易地被使用，資助並建立了資料和資訊存取服務平台 (Data and Information Access Services, DIAS)(影片1)，使用者可透過DIAS來應用Sentinel-3、OLCI、SLSTR、Sentinel-5P或Landsat-5等完整EO資料檔案。

接著， ESA基於DIAS和Amazon Web Services (AWS) 上彙整的各式各樣的EO資料，建立了歐洲資料立方 (Euro Data Cube, EDC) 作為使用者的應用端，提供線上操作和大數據資料分析等處理功能 (影片2)，使用者在申請帳號後即可透過EDC Browser瀏覽公開的EDC數據。EDC Browser除提供種類繁多的EO資料，同時也可透過介面調整或使用Javascript來定義視覺化選項，以創建符合使用者需求的RGB顯示方式 (圖8)。

Google earth engine (GEE) 提供了多樣的衛星資料產品和雲端處理能力，目前仍為免費使用，是遙測相關學術研究上較為平易近人的平台。與傳統的「Data Cube」相比，GEE上的資料保留各自衛星的原始資訊，如衛星影像的投影資料、解析度及相關衛星屬性，也可避免因資料重新採樣 (resampling) 到特定網格大小時，將原有的資料降級 (Gorelick et al., 2017)。而GEE豐富的時序資料也已被廣泛應用於各項研究中，舉例來說，Pekel et al. (2016) 利用GEE上Landsat 5及7的時序資料，繪製了巴拉那河的季節性及常流水的河道變遷 (圖9)。

不過，不論是Data Cube或是GEE，在操作上均需先學習如何使用JavaScript或Python等相關語法，相對而言仍有一些使用門檻。為此，水土保持局建立的巨量空間資訊系統 (BigGIS)(https://gis.ardswc.gov.tw/)，即嘗試讓不會寫code的使用者，也能透過全圖像化的使用介面無門檻地使用各種衛星影像的加值服務。

BigGIS目前已整合1966 – 2022年的各式EO影像 (Sentinel、Landsat、SPOT、Pleiades、Corona、及福衛二號等)，針對開源衛星Sentinel除提供如同ARD的EO資料外，連同航照與UAV正射影像等皆已自適化增揚後發布於線上圖台，使影像呈現及對比更加清晰。同時，為讓使用者更容易上手，僅需點擊介面上的選項就能將各時期或多元衛星的影像於圖台上展示，並完成如裸露地自動圈繪及面積統計等相關加值應用分析。

此外，BigGIS亦已提供常態化差值植生指標 (NDVI) 及標準化燃燒指標 (NBR) 等線上Sentinel-2頻譜分析功能，不用撰寫任何程式編碼，即可快速分析所需目標。因此，不論是多時期衛星影像的時空變遷分析、Sentinel-2多光譜的應用分析，或是向量及影像圖層的相互套疊，皆可簡單且快速的在BigGIS線上圖台完成 (圖10)。

1.　Open Data Cube (資料來源：Open Source)
2.　Copernicus_DIAS (資料來源：Copernicus)
3.　Euro Data Cube (資料來源：EDC)
4.　Getting Data on Demand with EDC Browser (資料來源：William Ray)
5.　Euro Data Cube Facility service: the ultimate EO resource for researchers and value-adders (資料來源：ESA)
6.　CEOS Analysis Ready Data (資料來源：CEOS)

1.　Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote sensing of Environment, 202, 18-27.
2.　Pekel, J. F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global surface water and its long-term changes. Nature, 540(7633), 418-422.
3.　Sudmanns, M., Tiede, D., Lang, S., Bergstedt, H., Trost, G., Augustin, H., ... & Blaschke, T. (2020). Big Earth data: disruptive changes in Earth observation data management and analysis?. International Journal of Digital Earth, 13(7), 832-850.
4.　Tiede, D., Baraldi, A., Sudmanns, M., Belgiu, M., & Lang, S. (2017). Architecture and prototypical implementation of a semantic querying system for big Earth observation image bases. European journal of remote sensing, 50(1), 452-463.