AWS Ground Station v2.0 完全ガイド 2026

AWS Ground Station は、低軌道（LEO）・中軌道（MEO）衛星との通信を AWS が運用する地上局ネットワーク経由でマネージド化し、衛星データの受信・処理・クラウド統合を自動化するサービス です。従来は数億～数十億円の地上局設備投資・各国での周波数免許取得が必須でしたが、Ground Station は AWS が世界 20+ 地点に配置した高精度パラボラアンテナ（直径 5m）を従量課金で共有利用でき、地球観測・気象予測・海事追跡・衛星テレメトリ等の衛星データ利用事業を低コストで迅速に立ち上げられます。2025-2026 年は Amazon Leo（AWS の衛星コンステレーション）の拡大に伴い地上局 300+ 地点への増強、衛星データの SageMaker・Bedrock 統合による解析の高度化が加速しており、宇宙スタートアップから大規模エンタープライズまでの衛星データ利用が爆発的に拡大しています。

目次

1. 概要・課題・特徴
2. アーキテクチャ
3. コアコンポーネント
4. 主要ユースケース
5. 衛星コンタクトのスケジューリング
6. ミッションプロファイル
7. 設定・操作の具体例
8. 受信データの処理・分析
9. 類似サービス比較表
10. ベストプラクティス
11. トラブルシューティング
12. 2025-2026 最新動向
13. 学習リソース・参考文献
14. 実装例・チェックリスト
15. まとめ

概要・課題・特徴

本質

AWS Ground Station は 「衛星との通信をマネージド化し、地球観測・気象データ・衛星テレメトリを低コストで AWS クラウドに直接取り込める宇宙データ基盤サービス」 です。衛星（LEO・MEO 衛星）の軌道上を通過する数分間（タイポイカルな LEO パス 8-12 分）に、AWS の地上局アンテナが RF（高周波）信号を受信、デジタル変換してデータエンドポイント（EC2 UDP サーバー）に配信します。受信データは直接 S3・EBS に保存され、SageMaker・Lambda で即座に処理・解析できるため、衛星画像 AI・気象予測モデル・海事監視を迅速に構築できます。

解決する課題

1. 地上局インフラ投資の巨額化：5m パラボラアンテナ 1 台 10-50 億円、冷却・電力・建屋等含め数十億円規模の投資
2. 各国での周波数免許申請：各国の通信局に個別申請、承認まで 6-12 ヶ月
3. 地上局の恒久的な保守・運用：給電・冷却・点検に常時スタッフが必要
4. 衛星パスの限定性：自社地上局では対象衛星が上空を通過する時間帯のみ受信（1-2 時間/日）
5. データ処理パイプラインの複雑性：受信した生データの衛星フォーマット（CCSDS）デコード、クラウド転送、AI 解析の統合
6. 宇宙スタートアップの参入障壁：初期投資 10-50 億円では事業化が困難

主な特徴

アーキテクチャ

graph TB
    subgraph "Space（宇宙）"
        LEO["LEO衛星<br/>（地球観測・気象・通信）<br/>高度: 300-2000 km<br/>周期: 90-120 分"]
        MEO["MEO衛星<br/>（測位・通信）<br/>高度: 5000-20000 km"]
    end
    
    subgraph "AWS Ground Stations（地上局ネットワーク）"
        GS1["Ground Station<br/>（米国オレゴン）<br/>X-band/S-band"]
        GS2["Ground Station<br/>（日本 東京）<br/>X-band/S-band"]
        GS3["Ground Station<br/>（欧州フランクフルト）<br/>X-band/S-band"]
        GSN["+ 17+ Ground Stations<br/>（世界各地）"]
    end
    
    subgraph "Signal Processing（信号処理）"
        RF["RF信号受信<br/>（7750-8400 MHz）"]
        ADC["アナログ-デジタル変換"]
        Demod["復調（Demodulation）"]
        Decode["CCSDS デコード"]
    end
    
    subgraph "AWS Cloud Processing"
        EC2["EC2 UDP Endpoint<br/>（リアルタイムデータ受信）"]
        S3["Amazon S3<br/>（衛星画像・データ保存）"]
        EBS["Amazon EBS<br/>（一時キャッシュ）"]
        DDB["Amazon DynamoDB<br/>（メタデータ・軌道情報）"]
    end
    
    subgraph "AI/Analytics Pipeline"
        SM["SageMaker<br/>（地球観測 AI・解析）"]
        Lambda["Lambda<br/>（自動トリガー処理）"]
        Athena["Athena<br/>（衛星データクエリ）"]
    end
    
    LEO -->|RF信号| GS1
    LEO -->|RF信号| GS2
    MEO -->|RF信号| GS3
    
    GS1 --> RF
    GS2 --> RF
    GS3 --> RF
    GSN --> RF
    
    RF --> ADC
    ADC --> Demod
    Demod --> Decode
    
    Decode --> EC2
    EC2 --> S3
    EC2 --> EBS
    S3 --> SM
    S3 --> Athena
    SM --> Lambda
    Lambda --> DDB

データフロー詳細

1. 衛星軌道予測：衛星 NORAD TLE データから、Ground Station 上空通過時刻（Contact Window）を計算
2. Contact スケジューリング：ユーザーが希望 Contact Window を予約、確認
3. 衛星通信：衛星パス継続中（8-15 分）、アンテナが自動追跡、RF 信号受信
4. 信号処理：RF → アナログ-デジタル変換 → 復調 → CCSDS フォーマットデコード
5. Dataflow Endpoint：処理済みデータを EC2 UDP サーバーにリアルタイム配信
6. クラウド統合：S3 保存 → SageMaker で地球観測 AI 実行 → Lambda トリガー処理
7. ユーザーアプリケーション：結果を API・ダッシュボード・レポートで提供

コアコンポーネント

1. Ground Station（地上局）

AWS が世界に配置した高性能衛星受信施設。

構成要素：

• パラボラアンテナ：直径 5m、高精度指向制御、3-10°/秒で衛星を自動追跡
• RF 受信機：X-band（7750-8400 MHz）、S-band（2025-2300 MHz）、UHF（400-500 MHz）
• 信号処理装置：リアルタイム復調・デコード
• データネットワーク：AWS ネットワークに直結、低レイテンシー転送

主要地点（2026）：

2. Mission Profile（ミッションプロファイル）

衛星通信の実行方式を定義する設定セット。

構成：

• ミッション名：プロジェクト・衛星識別子
• Tracking Config：衛星追跡方式（Two-line Element TLE 値）
• Dataflow Edges：入力（衛星受信）→ 出力（EC2 UDP サーバー等）のマッピング
• 最小接触時間：Contract が予約対象となる最短時間（通常 180 秒）

3. Contact（衛星パス）

衛星が地上局上空を通過する時間帯。

Contact 属性：

• Start Time：衛星上空到達時刻

• End Time：衛星水平線下降時刻

• Ground Station：受信施設

• Max Elevation：衛星高仰角（0° = 地平線、90° = 天頂）

• Status：AVAILABLE（予約可）/ SCHEDULED（予約済）/ PASSED（終了）

• Contact Window の例：

• 2026-01-15T14:22:00Z → 2026-01-15T14:35:30Z （13 分間）

• 東京地上局、最大仰角 78°、推定受信データ 400 MB

4. Dataflow Endpoint Group（データフロー終端）

受信衛星データを配信する先（EC2 UDP サーバー等）。

# Dataflow Endpoint の例
{
  "endpoint": {
    "address": {
      "name": "satellite-receiver-01",
      "port": 55888
    },
    "name": "satellite-receiver",
    "mtu": 1500
  },
  "securityDetails": {
    "subnetIds": ["subnet-0123456789abcdef0"],
    "securityGroupIds": ["sg-0123456789abcdef0"],
    "roleArn": "arn:aws:iam::123456789012:role/GroundStationRole"
  }
}

5. Config（アンテナ・周波数設定）

受信パラメータの詳細設定。

タイプ：

• Antenna Downlink：X-band / S-band ダウンリンク設定
• Antenna Uplink：コマンド送信用アップリンク（Advanced）
• System Uplink：S-band アップリンク
• RF Attenuator：受信信号減衰（強い信号対策）

主要ユースケース

1. 地球観測衛星（Earth Observation）

農業・都市開発・災害監視の画像データ取得。

衛星例：

• Sentinel-1（SAR 衛星、雲を透視）
• Sentinel-2（光学衛星、RGB + 赤外）
• Landsat（USGS、30m 分解能）
• Planet Labs（複数小型衛星コンステレーション）

データフロー：

1. Ground Station で衛星 Downlink 受信
2. S3 に RAW 画像ファイル保存（1GB-10GB/Contact）
3. SageMaker で土地利用分類・作物監視 AI 実行
4. 結果を API で農家・金融機関に提供

用途：

• 農業：作物生育監視、肥料・水管理最適化
• 不動産：開発適地評価、資産管理
• 環境：森林減少・生態系監視
• 防災：洪水・地滑り・火災の早期警戒

2. 気象予測衛星（Meteorological Data）

リアルタイム気象データの入手。

衛星例：

• NOAA GOES-R（赤外・可視）
• Meteosat（欧州気象機関）
• Himawari-8/9（日本気象庁、高頻度）

実装：

import boto3

gs = boto3.client('groundstation', region_name='us-west-2')

# Meteosat Contact の確認
response = gs.list_contacts(
    groundStation='eu-central-1-gs-001',
    statusList=['AVAILABLE'],
    startTime='2026-01-15T00:00:00Z',
    endTime='2026-01-16T00:00:00Z'
)

# 気象予測モデルへのデータ投入
for contact in response['contactList']:
    print(f"Contact: {contact['startTime']} - {contact['endTime']}")
    # 気象データ取得 → 予測モデル実行

3. 海事監視・漁業管理（Maritime Monitoring）

船舶位置追跡・漁業資源管理。

データソース：

• VMS（漁業管理・AIS）：船舶自動識別信号
• SAR 衛星：不法投棄・密漁検知
• 海面温度データ：好漁場予測

4. 気候変動研究・データアーカイブ

長期的な地球環境監視。

用途：

• 氷床・氷河の衛星観測
• 海水温度・海面水位の長期傾向
• CO2 濃度・メタン検出（分光衛星）

5. 新型衛星のミッション制御・テレメトリ（Spacecraft Telemetry）

宇宙スタートアップの衛星運用基盤。

例：

• Axiom Space：商用宇宙ステーション
• Relativity Space：3D 印刷ロケット
• Rocket Lab：小型ロケット衛星

実装フロー：

1. スタートアップが地球観測・通信小型衛星を打ち上げ
2. AWS Ground Station で Downlink（テレメトリ・科学データ）受信
3. SageMaker で衛星ヘルス監視・データ解析
4. 顧客に解析結果 API で提供

6. SAR（Synthetic Aperture Radar）データ処理

合成開口レーダーによる高精度観測。

特徴：

• 雲を透視できる（光学衛星の弱点を補完）
• 地表の微細な変化検知（地震・地滑り変形）
• 24 時間観測可能

用途：

• インフラ監視：橋・ダムの変形検知
• 防災：地震後の地変検出
• 安全保障：軍事施設の活動監視

衛星コンタクトのスケジューリング

衛星パス予測

# 利用可能な Ground Station の確認
aws groundstation list-ground-stations \
  --region us-west-2 \
  --query 'groundStationList[*].{Name:groundStationName,Region:region}'

# 出力例：
# [
#   {'Name': 'us-west-2-gs-001', 'Region': 'us-west-2'},
#   {'Name': 'ap-northeast-1-gs-001', 'Region': 'ap-northeast-1'}
# ]

Satellite（衛星）登録

# 衛星の Ephemeris（軌道情報）を登録・更新
# NORAD Catalog Number を指定
aws groundstation describe-satellite \
  --satellite-id 25544  # ISS（国際宇宙ステーション）の Catalog ID
  --region us-west-2

# Sentinel-1A（地球観測衛星）
aws groundstation describe-satellite \
  --satellite-id 39634
  --region us-west-2

Mission Profile の作成

aws groundstation create-mission-profile \
  --name "earth-observation-mission" \
  --minimum-viable-contact-duration-seconds 180 \
  --tracking-config-arn arn:aws:groundstation:us-west-2:123456789012:config/tracking/satellite-tle-config \
  --dataflow-edges '[{
    "source": "arn:aws:groundstation:us-west-2:123456789012:config/antenna-downlink/x-band",
    "destination": "arn:aws:groundstation:us-west-2:123456789012:config/dataflow-endpoint/ec2-receiver"
  }]' \
  --region us-west-2

Contact 検索・予約

# 今後 7 日間の利用可能 Contact を検索
aws groundstation list-contacts \
  --ground-station 'ap-northeast-1-gs-001' \
  --satellite-arn 'arn:aws:groundstation::satellite/39634' \
  --status-list AVAILABLE \
  --start-time "2026-01-15T00:00:00Z" \
  --end-time "2026-01-22T00:00:00Z" \
  --region ap-northeast-1

# 出力例：
# {
#   "contactList": [
#     {
#       "contactId": "contact-abc123",
#       "startTime": "2026-01-15T14:22:00Z",
#       "endTime": "2026-01-15T14:35:30Z",
#       "groundStation": "ap-northeast-1-gs-001",
#       "missionProfile": "earth-observation-mission",
#       "maximumElevation": 78.5
#     }
#   ]
# }

# Contact を予約確定
aws groundstation reserve-contact \
  --contact-id 'contact-abc123' \
  --satellite-arn 'arn:aws:groundstation::satellite/39634' \
  --mission-profile-arn 'arn:aws:groundstation:ap-northeast-1:123456789012:mission-profile/earth-observation-mission' \
  --ground-station 'ap-northeast-1-gs-001' \
  --start-time "2026-01-15T14:22:00Z" \
  --end-time "2026-01-15T14:35:30Z" \
  --region ap-northeast-1

ミッションプロファイル

Dataflow Edge（データ流線定義）

# YAML 形式の Dataflow Edge 例
DataflowEdges:
  - Source:
      AntennaDownlink:
        AntennaName: "x-band-downlink"
        TransmitBandwidth:
          Value: 10
          Units: MHz
    Destination:
      DataflowEndpointRegion: "us-west-2"
      DataflowEndpointName: "satellite-receiver-01"

# 複数 Dataflow Edge の例
DataflowEdges:
  # 衛星 Downlink → EC2
  - Source:
      AntennaDownlink:
        AntennaName: "x-band-downlink"
    Destination:
      DataflowEndpointRegion: "us-west-2"
  # 制御信号 → Uplink
  - Source:
      DataflowEndpointRegion: "us-west-2"
    Destination:
      AntennaUplink:
        AntennaName: "s-band-uplink"
        TransmitBandwidth:
          Value: 5
          Units: MHz

Config の詳細

# アンテナ Downlink Config 作成
aws groundstation create-config \
  --config-data '{
    "antennaDownlinkConfig": {
      "specificationDetails": {
        "polarization": "RIGHT_HAND"
      }
    }
  }' \
  --config-type antenna-downlink \
  --name "x-band-downlink-config" \
  --region us-west-2

# System Uplink Config（テレメトリ/コマンド）
aws groundstation create-config \
  --config-data '{
    "systemUplinkConfig": {
      "specificationDetails": {
        "antennaUplinkRateInKbps": 2400
      }
    }
  }' \
  --config-type system-uplink \
  --name "s-band-uplink-config" \
  --region us-west-2

設定・操作の具体例

AWS CLI での実装

#!/bin/bash

# 1. ミッションプロファイル作成
MISSION_PROFILE_ARN=$(aws groundstation create-mission-profile \
  --name "sentinel-1-eo-mission" \
  --minimum-viable-contact-duration-seconds 240 \
  --dataflow-edges '[{
    "source": "arn:aws:groundstation:ap-northeast-1:123456789012:config/antenna-downlink/x-band",
    "destination": "arn:aws:groundstation:ap-northeast-1:123456789012:config/dataflow-endpoint/ec2-receiver"
  }]' \
  --region ap-northeast-1 \
  --query 'missionProfileArn' \
  --output text)

echo "Mission Profile ARN: $MISSION_PROFILE_ARN"

# 2. 衛星の利用可能 Contact を検索
aws groundstation list-contacts \
  --ground-station 'ap-northeast-1-gs-001' \
  --satellite-arn 'arn:aws:groundstation::satellite/39634' \
  --status-list AVAILABLE \
  --start-time "2026-01-15T00:00:00Z" \
  --end-time "2026-01-22T00:00:00Z" \
  --region ap-northeast-1 \
  --output json > contacts.json

# 3. 希望する Contact を予約
CONTACT_ID=$(jq -r '.contactList[0].contactId' contacts.json)

aws groundstation reserve-contact \
  --contact-id $CONTACT_ID \
  --satellite-arn 'arn:aws:groundstation::satellite/39634' \
  --mission-profile-arn $MISSION_PROFILE_ARN \
  --ground-station 'ap-northeast-1-gs-001' \
  --start-time "$(jq -r '.contactList[0].startTime' contacts.json)" \
  --end-time "$(jq -r '.contactList[0].endTime' contacts.json)" \
  --region ap-northeast-1

echo "Contact reserved: $CONTACT_ID"

# 4. Contact 進捗の監視
while true; do
  STATUS=$(aws groundstation describe-contact \
    --contact-id $CONTACT_ID \
    --region ap-northeast-1 \
    --query 'contactStatus' \
    --output text)
  
  echo "Contact Status: $STATUS"
  
  if [[ "$STATUS" == "PASS" ]] || [[ "$STATUS" == "FAILED" ]]; then
    break
  fi
  
  sleep 30
done

Python SDK での実装

import boto3
from datetime import datetime, timedelta
import time

gs = boto3.client('groundstation', region_name='ap-northeast-1')
s3 = boto3.client('s3', region_name='ap-northeast-1')

# 衛星データ受信・処理パイプライン
class SatelliteDataPipeline:
    def __init__(self, satellite_id=39634):  # Sentinel-1A
        self.satellite_id = satellite_id
        self.ground_station = 'ap-northeast-1-gs-001'
        
    def find_available_contacts(self, days_ahead=7):
        """利用可能な Contact を検索"""
        start_time = datetime.utcnow()
        end_time = start_time + timedelta(days=days_ahead)
        
        response = gs.list_contacts(
            groundStation=self.ground_station,
            satelliteArn=f'arn:aws:groundstation::satellite/{self.satellite_id}',
            statusList=['AVAILABLE'],
            startTime=start_time.isoformat() + 'Z',
            endTime=end_time.isoformat() + 'Z'
        )
        
        return response['contactList']
    
    def reserve_contact(self, contact):
        """Contact を予約"""
        response = gs.reserve_contact(
            contactId=contact['contactId'],
            satelliteArn=f'arn:aws:groundstation::satellite/{self.satellite_id}',
            missionProfileArn='arn:aws:groundstation:ap-northeast-1:123456789012:mission-profile/eo-mission',
            groundStation=self.ground_station,
            startTime=contact['startTime'],
            endTime=contact['endTime']
        )
        return response
    
    def monitor_contact(self, contact_id):
        """Contact 進捗を監視"""
        while True:
            response = gs.describe_contact(contactId=contact_id)
            
            status = response['contactStatus']
            print(f"Contact {contact_id} Status: {status}")
            
            if status in ['PASS', 'FAILED', 'CANCELLED']:
                return status
            
            time.sleep(30)
    
    def process_satellite_data(self, bucket, key):
        """受信した衛星データを SageMaker で処理"""
        sagemaker = boto3.client('sagemaker', region_name='ap-northeast-1')
        
        # SageMaker Processing Job で画像解析
        response = sagemaker.create_processing_job(
            ProcessingJobName=f'eo-analysis-{datetime.utcnow().timestamp()}',
            ProcessingInputs=[{
                'InputName': 'input',
                'S3Input': {
                    'S3Uri': f's3://{bucket}/{key}',
                    'LocalPath': '/opt/ml/processing/input',
                    'S3DataType': 'S3Prefix',
                    'S3InputMode': 'File'
                }
            }],
            ProcessingOutputConfig={
                'Outputs': [{
                    'OutputName': 'output',
                    'S3Output': {
                        'S3Uri': f's3://{bucket}/eo-results/',
                        'LocalPath': '/opt/ml/processing/output',
                        'S3UploadMode': 'EndOfJob'
                    }
                }]
            },
            ProcessingResources={
                'ClusterConfig': {
                    'InstanceCount': 1,
                    'InstanceType': 'ml.p3.2xlarge',  # GPU インスタンス
                    'VolumeSizeInGB': 100
                }
            },
            RoleArn='arn:aws:iam::123456789012:role/SageMakerProcessingRole',
            ProcessingAppSpecification={
                'ImageUri': '123456789012.dkr.ecr.ap-northeast-1.amazonaws.com/eo-processor:latest'
            }
        )
        
        return response['ProcessingJobArn']

# 使用例
pipeline = SatelliteDataPipeline(satellite_id=39634)

# 1. 利用可能な Contact を検索
contacts = pipeline.find_available_contacts(days_ahead=7)
print(f"Found {len(contacts)} available contacts")

# 2. 最初の Contact を予約
if contacts:
    contact = contacts[0]
    reserved = pipeline.reserve_contact(contact)
    print(f"Reserved contact: {reserved['contactId']}")
    
    # 3. Contact 実行を監視
    status = pipeline.monitor_contact(reserved['contactId'])
    print(f"Contact execution result: {status}")

受信データの処理・分析

CCSDS フォーマットのデコード

衛星データは CCSDS（Consultative Committee for Space Data Systems）フォーマットで送信される。

import struct

def decode_ccsds_telemetry(raw_data: bytes):
    """
    CCSDS Telemetry Header をデコード
    """
    # CCSDS Primary Header (6 bytes)
    header = struct.unpack('>HHHHH', raw_data[0:6])
    
    packet_version = (header[0] >> 13) & 0x07
    packet_type = (header[0] >> 12) & 0x01  # 0=Telemetry, 1=Telecommand
    secondary_hdr = (header[0] >> 11) & 0x01
    apid = header[0] & 0x7FF  # Application Process ID
    
    sequence_flags = (header[1] >> 14) & 0x03
    packet_seq_count = header[1] & 0x3FFF
    
    packet_length = header[2] - 1  # バイト単位
    
    print(f"APID: {apid}")
    print(f"Packet Length: {packet_length}")
    
    # ペイロードデータ（CCSDS Header 後）
    payload = raw_data[6:6+packet_length]
    
    return payload

# 衛星画像処理の例（Sentinel-1 SAR データ）
def process_sar_image(raw_data: bytes):
    """
    SAR（合成開口レーダー）画像をデコード・処理
    """
    import numpy as np
    from PIL import Image
    
    # CCSDS Header をスキップ
    payload = decode_ccsds_telemetry(raw_data)
    
    # SAR データを画像配列に変換（例：512x512 ピクセル）
    width, height = 512, 512
    image_data = np.frombuffer(payload, dtype=np.uint16).reshape((height, width))
    
    # 画像正規化
    image_data = (image_data / image_data.max() * 255).astype(np.uint8)
    
    # 画像保存
    img = Image.fromarray(image_data, mode='L')
    img.save('satellite_image.png')
    
    return image_data

# SageMaker で AI 解析
def analyze_with_sagemaker(image_data):
    """
    SageMaker Endpoint で土地利用分類等を実行
    """
    import boto3
    import json
    
    sagemaker_runtime = boto3.client('sagemaker-runtime', region_name='ap-northeast-1')
    
    # 画像を JPEG に変換
    from PIL import Image
    import io
    
    img = Image.fromarray(image_data.astype('uint8'))
    buf = io.BytesIO()
    img.save(buf, format='JPEG')
    image_bytes = buf.getvalue()
    
    # SageMaker Endpoint に推論送信
    response = sagemaker_runtime.invoke_endpoint(
        EndpointName='eo-classification-endpoint',
        ContentType='image/jpeg',
        Body=image_bytes
    )
    
    result = json.loads(response['Body'].read().decode())
    print(f"Land Classification: {result['classes']}")
    
    return result

S3 への自動保存・処理パイプライン

import boto3
from datetime import datetime

s3 = boto3.client('s3')
lambda_client = boto3.client('lambda')

def setup_satellite_pipeline():
    """
    衛星データ受信 → S3 → Lambda トリガー → SageMaker 解析
    """
    
    # S3 イベント通知の設定
    s3.put_bucket_notification_configuration(
        Bucket='satellite-data-bucket',
        NotificationConfiguration={
            'LambdaFunctionConfigurations': [
                {
                    'LambdaFunctionArn': 'arn:aws:lambda:ap-northeast-1:123456789012:function/process-satellite-data',
                    'Events': ['s3:ObjectCreated:*'],
                    'Filter': {
                        'Key': {
                            'FilterRules': [
                                {'Name': 'prefix', 'Value': 'raw-data/'},
                                {'Name': 'suffix', 'Value': '.dat'}
                            ]
                        }
                    }
                }
            ]
        }
    )

# Lambda 関数（S3 イベント駆動）
def lambda_handler(event, context):
    """
    衛星データ（S3）を受信 → SageMaker で解析 → 結果を保存
    """
    import json
    
    for record in event['Records']:
        bucket = record['s3']['bucket']['name']
        key = record['s3']['object']['key']
        
        print(f"Processing: s3://{bucket}/{key}")
        
        # S3 からダウンロード
        response = s3.get_object(Bucket=bucket, Key=key)
        raw_data = response['Body'].read()
        
        # CCSDS デコード
        payload = decode_ccsds_telemetry(raw_data)
        
        # 画像処理
        image_data = process_sar_image(raw_data)
        
        # SageMaker で解析
        analysis_result = analyze_with_sagemaker(image_data)
        
        # 結果を S3 に保存
        result_key = f"analysis-results/{datetime.utcnow().isoformat()}.json"
        s3.put_object(
            Bucket=bucket,
            Key=result_key,
            Body=json.dumps(analysis_result),
            ContentType='application/json'
        )
        
        print(f"Results saved to: s3://{bucket}/{result_key}")
    
    return {'statusCode': 200, 'message': 'Processing completed'}

類似サービス比較表

AWS Ground Station の強み：

• AWS ネイティブ統合（SageMaker・Lambda・S3）
• グローバルネットワーク（20+ 地点、今後 300+）
• 初期投資 0、従量課金
• Amazon Leo（AWS 衛星）との統合

ベストプラクティス

✅ Do

1. 複数地点での Contact 予約：衛星パスをカバーする複数地上局から受信（データ量最大化）
2. リアルタイムストリーミング処理：EC2 UDP Endpoint で受信 → Lambda トリガー
3. S3 Intelligent-Tiering：頻繁アクセスデータは S3、古いデータは Glacier へ自動遷移
4. SageMaker での即座解析：受信直後に AI 処理で付加価値化
5. CCSDS フォーマット検証：信号処理エラー検知のため Checksum 確認
6. EventBridge での自動化：Contact 完了 → Lambda → 解析開始のパイプライン
7. CloudWatch 監視：Contact 成功率・データ転送量・レイテンシーを常時監視
8. DynamoDB でメタデータ管理：衛星位置・Contact Window・解析済みフラグを記録
9. マルチリージョン構成：高可用性・レイテンシー最小化
10. コスト追跡：Contact 数・Dataflow Endpoint 転送量を月次レビュー

❌ Don’t

1. 単一地上局のみ使用：受信機会が限定（通常 1-2 時間/日）、複数地点での受信を推奨
2. Contact 予約忘れ：自動化されていない場合、受信機会を逃す
3. 生データの長期保持：処理後の圧縮済みデータのみ保持すべき
4. CCSDS デコードエラーの無視：信号品質悪化の兆候
5. EC2 UDP Endpoint の過負荷：受信レート（Mbps）に対応した インスタンスサイズ不足
6. セキュリティグループ設定不完全：EC2 へのアクセス制限なし
7. CloudWatch ロギング無効化：トラブルシューティング困難
8. 衛星 TLE データ更新忘れ：Contact 予測精度低下（2-3 日で古くなる）
9. データ転送を NAT Gateway 経由：不要なレイテンシー、Direct Connection推奨
10. SageMaker インスタンスの常時稼働：オンデマンド / スポットインスタンス推奨

トラブルシューティング

2025-2026 最新動向

Amazon Leo（AWS 衛星コンステレーション）

AWS が自社衛星 LEO コンステレーション展開中。

状況（2026 年 4 月）：

• 2 個プロトタイプ衛星を軌道上で運用
• 231 個本体衛星を製造・順次打ち上げ
• 目標：500+ 衛星で地球全体をカバー

Ground Station 拡大：

• 現在：20+ 地点
• 2026 年末：300+ 地点を予定
• 受信機会を大幅増加（現在 1-2 時間/日 → 3-4 時間/日）

新機能・統合拡大

• Low Latency Dataflow：UDP 遅延 < 100ms（金融・ライブ配信用）
• SageMaker Autopilot 統合：衛星データの自動 AI 分析
• Bedrock 統合：衛星画像の自然言語解析（“このエリアの作物は？”）
• AWS QuickSight ダッシュボード：衛星データのリアルタイム可視化
• Cost Optimization：Contact 合算割引、Reserved Capacity

用途拡大

• 衛星インターネット：Starlink・OneWeb との連携（AWS ネットワーク拡張）
• 量子通信テスト：Ground Station での量子鍵配送テスト
• 深宇宙通信（Future）：月・火星ミッション支援

学習リソース・参考文献

公式 AWS リソース

1. AWS Ground Station - 概要
2. User Guide
3. Pricing
4. Tutorials & Samples
5. Mission Profile Configuration
6. Amazon Leo Announcement
7. From Fields to Orbit: AgTech Startups（2026）

ベンダー・技術リソース

1. CCSDS - Consultative Committee for Space Data Systems
2. NORAD TLE Data
3. ESA Sentinel-1 Documentation
4. Planet Labs API
5. Orbital Mechanics - Algorithms

実装例・チェックリスト

シナリオ：地球観測衛星データを用いた農業監視システム

1. 計画フェーズ

   • [ ] 対象衛星の選定（Sentinel-1 SAR / Sentinel-2 光学）
   • [ ] 監視対象地域・作物タイプ定義
   • [ ] 受信スケジュール・データ処理パイプライン設計
   • [ ] 月額 Contact 数・データ転送量見積

2. セットアップフェーズ

   • [ ] AWS Ground Station アカウント設定
   • [ ] Mission Profile 作成（Sentinel-1A Catalog ID: 39634）
   • [ ] Dataflow Endpoint Group 作成（EC2 UDP receiver）
   • [ ] S3 バケット・KMS 暗号化設定

3. 統合フェーズ

   • [ ] Contact スケジューリング API 実装
   • [ ] CCSDS デコーダー実装
   • [ ] SageMaker Processing Job で土地利用分類 AI
   • [ ] Lambda トリガー → S3 → SageMaker パイプライン自動化
   • [ ] EventBridge で Contact 完了時自動起動

4. テストフェーズ

   • [ ] Contact 予約・実行テスト
   • [ ] 受信データ品質確認（RSSI・BER）
   • [ ] CCSDS デコード検証
   • [ ] SageMaker 推論精度確認

5. 運用フェーズ

   • [ ] 月次 Contact スケジュール確認・予約
   • [ ] CloudWatch でデータ受信レート監視
   • [ ] 農家向けダッシュボード構築（QuickSight）
   • [ ] 月次コスト分析・最適化

実装チェックリスト

準備段階

• [ ] NORAD Catalog ID 取得（衛星識別）
• [ ] Ground Station リージョン選定（地理的カバレッジ）
• [ ] Mission Profile テンプレート作成
• [ ] VPC・セキュリティグループ設定

受信パイプライン

• [ ] EC2 UDP Endpoint 構築
• [ ] CCSDS Header パーサー実装
• [ ] S3 自動保存スクリプト
• [ ] エラー処理・ロギング

AI 処理

• [ ] SageMaker モデル学習（衛星データセット）
• [ ] Inference Endpoint デプロイ
• [ ] Lambda 統合テスト
• [ ] 出力形式定義（JSON・GeoJSON）

監視・運用

• [ ] CloudWatch ダッシュボード構築
• [ ] Contact 予約自動化スクリプト
• [ ] AlertManager 設定（受信失敗等）
• [ ] 月次レポート自動生成

まとめ

AWS Ground Station は 「衛星データの受信・処理・クラウド統合をマネージド化し、低コストで衛星データビジネスを立ち上げられるサービス」 です。

適切な利用場面

• 地球観測衛星（農業・都市開発・災害監視）
• 気象予測データ取得
• 海事・航空機追跡
• 宇宙スタートアップの衛星運用基盤
• 気候変動研究・データアーカイブ

不適切な利用場面

• 地上局が 1 つで十分（通常 1-2 時間/日の受信なら自社地上局検討）
• リアルタイム性不要（数日遅延で問題ない場合は衛星データ購買サービス利用）

導入チェック

1. 衛星データビジネスの立ち上げが必要か？
2. 地上局インフラ投資を避けたいか？
3. グローバルカバレッジが必要か？
4. AWS との統合（SageMaker・Lambda）でメリットあるか？

バージョン：v2.0 | 最終更新：2026-04-26