最終更新日: 2026年8月20日

クラウドネイティブ GIS ファイルフォーマットとは?開発者向けガイド
ジオスペーシャルパイプラインを構築したことがあるなら、"download-first"のボトルネックの痛みを知っているでしょう。従来、アプリケーションが15 GBの衛星シーンから500×500ピクセルのバウンディングボックスが必要だったり、4 GBの自治体パーセルデータセットから10行だけをフィルタリングしたりする場合、ファイル全体をダウンロードし、メモリにパースしてから、実際に必要な部分を切り出す必要がありました。
単にShapefileやGeoJSON、標準的なGeoTIFFをAmazon S3バケットやGoogle Cloud Storageにアップロードしただけでは、クラウドネイティブにはなりません。それは単にレガシーファイルを他人のハードドライブに置くだけです。
クラウドネイティブなGIS file formats は、空間データのディスク上での整理方法を再構築することでこの問題を解決します。クライアントにファイルを最初から最後まで順次読み込ませるのではなく、これらのフォーマットはネットワーク上での直接的かつ部分的な読み取りを可能にするよう設計されています。開発者にとっては、サーバーレスアーキテクチャを実現し、イングレスコストを大幅に削減し、ウェブクライアントが静的オブジェクトストレージから直接大規模データセットをクエリできるようになります。
仕組み:クラウドネイティブ地理空間が実際にどのように機能するか
特定のファイル拡張子に入る前に、それらを動かす根本的なエンジニアリングパターンを理解すると役立ちます。ほぼすべてのクラウドネイティブな地理空間フォーマットは、3つの主要なメカニズムに依存しています:
- HTTP Range Requests(
GETとRangeヘッダー): 標準の HTTP/1.1 および HTTP/2 は、リモートファイルから特定のバイト範囲を要求することをサポートします(例:bytes=0-16383)。AWS S3、Cloudflare R2、Azure Blob Storage などのクラウドオブジェクトストアは、これをデフォルトでネイティブにサポートしています。 - Front-Loaded(または Predictable)メタデータと空間インデックス: 地理領域をカバーする正確なバイトを取得するには、クライアントはまずファイル内部レイアウトのマップが必要です。クラウドネイティブフォーマットは、ヘッダーメタデータと空間インデックス(Rツリーやバウンディングボックス階層など)を予測可能な位置に保存します—通常はファイルの最初または最後です。クライアントはインデックスを読むために非常に小さな初回リクエストを行い、対象領域の正確なバイトオフセットを計算し、そのチャンクだけを取得します。
- 内部タイル化とチャンク化: ラスターを行ごとに保存したり、ベクトルを平坦なテキストの壁として保存したりする代わりに、データは自己完結型の圧縮ブロック(タイル、行グループ、またはN次元チャンク)に分割され、個別に取得および解凍できるようになっています。
主要なクラウドネイティブ GIS ファイルフォーマット
すべてを支配する単一のフォーマットは存在しません。適切なフォーマットの選択は、画像、表形式ベクトル、マップタイル、多次元配列、またはLiDAR点群のどれを扱っているかに依存します。
1. Cloud-Optimized GeoTIFF (COG) — ラスタ画像用
COG は全く新しい独自ファイルタイプではなく、公式OGC標準として採用された厳格な内部レイアウトを持つ標準的なGeoTIFF(.tif)です。GeoTIFFとして有効なままであるため、QGISやArcGISといった従来のデスクトップツールでも問題なく開くことができます。
- 動作原理: 画像全体の水平走査ラインにピクセルを保存する代わりに、COGはピクセルを内部タイル(一般的に512×512ピクセル)に整理します。また、同じファイル内に オーバービュー(事前計算された低解像度の画像ピラミッド)を埋め込みます。ユーザーがウェブマップでズームアウトすると、クライアントは低解像度のオーバービュータイルを取得し、ズームインすると、ビューポートと交差する高解像度タイルのみを取得します。
- ベスト用途: 衛星画像、航空オルソモザイク、デジタル標高モデル(DEMs)、および動的ラスタタイルサーバー(TiTiler のような)。
GDAL を使用した COG の生成:
gdal_translate input.tif output_cog.tif \
-of COG \
-co COMPRESS=DEFLATE \
-co OVERVIEWS=IGNORE_EXISTING
2. GeoParquet — 大規模ベクトル分析とデータウェアハウス向け
ワークフローが従来のカートグラフィよりもデータエンジニアリングに近い場合、GeoParquet(.parquet)が主力です。Apache Parquet を基盤として、ジオメトリを ISO 標準の Well-Known Binary(WKB)として、豊富な表形式属性と共に保存します。
- 仕組み: Shapefile や GeoJSON がデータを行単位で保存するのとは異なり、Parquet は カラム指向 です。
populationカラムに対して 5,000 万個のポリゴン上で集計を実行すると、エンジンは重いジオメトリバイトの読み取りを完全にスキップします。GeoParquet は行グループごとにバウンディングボックスメタデータを埋め込み(Hilbert 曲線や H3 インデックスによる空間ソートもサポート)、クエリエンジンが不要なチャンクをスキップできるようにします。 - ベスト用途: 大規模空間分析、クラウドデータウェアハウス(Snowflake、BigQuery、Databricks)、および DuckDB のようなサーバーレス SQL エンジン。
DuckDB を使用したリモート GeoParquet の直接クエリ:
INSTALL spatial;
LOAD spatial;
SELECT land_use, COUNT(*) AS parcel_count
FROM read_parquet('s3://example-bucket/parcels.parquet')
WHERE ST_Intersects(geometry, ST_MakeEnvelope(-122.5, 37.7, -122.3, 37.8))
GROUP BY land_use;
3. FlatGeobuf — Webへのベクトル機能ストリーミング向け
GeoParquet が分析エンジンで優れている一方で、フッターに基づくメタデータや列指向は、ブラウザマップへ生のベクトルジオメトリを直接ストリーミングするには必ずしも理想的ではありません。FlatGeobuf(.fgb)が登場します。
- 仕組み: Google の FlatBuffers バイナリシリアライズライブラリ上に構築され、FlatGeobuf はパックされた Hilbert R-tree 空間インデックスをファイルの先頭に配置します。Web クライアント(MapLibre GL JS、Leaflet、OpenLayers など)は、HTTP レンジリクエストを使用してバウンディングボックスクエリを実行し、残りのバイトがストリーミング中でも画面上にフィーチャの描画を開始できます。
- 推奨用途: インタラクティブなウェブアプリケーションで、PostGIS/GeoServer バックエンドを立ち上げずに、数メガバイト規模の GeoJSON ファイルを置き換えることに最適です。
4. PMTiles — サーバーレスベクトルとラスタベースマップ向け
従来、インタラクティブなマップタイル(/{z}/{x}/{y}.pbf)を提供するには、専用のタイルサーバー(Martin や Tileserver-GL など)を稼働させるか、数百万もの小さな .pbf ファイルを S3 にアップロードする必要があり、バケット管理や API リクエストコストの悪夢でした。
- 仕組み: Protomaps によって作成された PMTiles (
.pmtiles) は、Mapbox Vector Tiles (MVT) またはラスタタイルの全ピラミッドを単一のアーカイブファイルにパックします。Hilbert 曲線の空間局所性に最適化されたクラスタ化ディレクトリ構造を使用しており、ブラウザのマップライブラリは S3 や Cloudflare R2 上の単一の静的ファイルから HTTP 範囲リクエストを使ってタイルを直接取得できます。 - 対象: バックエンド不要のカスタムベースマップ、高トラフィックのウェブマップ、オフラインモバイルマッピングアプリケーションに最適です。
5. Zarr — 多次元科学データ向け
NetCDF と HDF5 は何十年もの間、気象学、海洋学、気候モデリングを支配してきましたが、そのモノリシックなファイル構造は分散クラウド環境で苦労しています。Zarr はオブジェクトストレージ向けに N 次元配列を再構築します。
- 仕組み: Zarr ストアは、巨大な多次元配列(例:
time × latitude × longitude × altitude)を小さく、均一なサイズの圧縮チャンクに分割します。各チャンクは、配列次元を記述する JSON メタデータと共に個別のオブジェクトとして(または Zarr v3 シャーディングで統合され)保存されます。多数の並列ワーカーが、ファイルロックの競合なしに異なる時間スライスを同時に読み書きできます。 - 最適な用途: 時系列衛星データキューブ、天気予報、気候モデル、そして分散Xarray/Daskパイプライン。
6. Cloud-Optimized Point Cloud (COPC) — LiDAR向け
標準の LAZ 1.4 圧縮 LiDAR フォーマットの拡張として構築された COPC (.copc.laz) は、3D 点群をクラスター化されたオクツリー構造に整理します。COG と同様に、既存の LAS/LAZ リーダーとの下位互換性を保ちつつ、Web ビューア(例: Potree や deck.gl)にカメラの視錐台と詳細レベルに基づいてポイントをストリーミングさせ、数ギガバイトの点群をダウンロードせずに表示できるようにします。
開発者意思決定マトリックス: どのフォーマットを選ぶべきか?
| データ型 | 主なワークロード | 最適なフォーマット | 置き換えられたレガシーフォーマット |
|---|---|---|---|
| ラスタ / 画像 | 動的タイル生成、ピクセル解析、ウェブ可視化 | COG (.tif) | インデックスされていない GeoTIFF、JPEG2000 |
| Vector | SQL 分析、データウェアハウス、大規模結合 | GeoParquet (.parquet) | Shapefile、File Geodatabase |
| Vector | ブラウザに直接ストリーミングで生のフィーチャを提供 | FlatGeobuf (.fgb) | 大きな GeoJSON, KML |
| 事前スタイル済みタイル | サーバーレスのインタラクティブウェブマップ&モバイルオフライン | PMTiles (.pmtiles) | MBTiles、ZXY フォルダツリー |
| N-D Arrays | 気候データ、時系列ラスタ、並列計算 | Zarr (.zarr) | NetCDF4, HDF5 |
| ポイントクラウド | 3D Web 可視化 & 空間 LiDAR サブセット化 | COPC (.copc.laz) | 標準 LAS / LAZ |
本番環境へデプロイする際の重要な注意点
クラウドネイティブ形式に移行するとバックエンドがシンプルになりますが、設定の責任がクラウドストレージ層に移ります。以下の3つの一般的な落とし穴に注意してください:
- CORS ヘッダーを忘れること: ブラウザアプリケーション(MapLibre、OpenLayers、または
geotiff.jsを使用)で S3 バケットに対して HTTP Range リクエストを行う場合、バケットの Cross-Origin Resource Sharing (CORS) ポリシー must 明示的にAllowedHeadersにRangeヘッダーを許可し、ExposeHeadersでContent-Range、Content-Length、Accept-Rangesを公開しなければなりません。これがないと、リクエストはブラウザで黙って失敗します。 - 未ソートのGeoParquet行グループ: 散らかったShapefileを直接GeoParquetに変換しても、バウンディングボックスクエリが自動的に高速になるわけではありません。特徴が行グループ間にランダムに散らばっている場合、クエリエンジンは依然としてすべての行グループをスキャンしなければなりません。ジオメトリは常に空間的にソートしてください(例: 書き込む前に
geopandasやDuckDBを使ってヒルベルト曲線でソートする)。空間的に近接した特徴が同じ行グループに収まるようにします。 - 最適でないチャンク/タイルサイズ: 小さすぎるチャンク(例: 64×64 ピクセル)は数千件のHTTPリクエストを発生させ、レイテンシとクラウドAPIコストが増加します。大きすぎるチャンク(例: 4096×4096 ピクセル)はクライアントに過剰なデータ取得を強制します。標準のデフォルトに従いましょう—COG の場合は 512×512 ピクセル、Zarr または GeoParquet 行グループの場合はチャンクあたり 10 MB から 100 MB とします。
まとめ
クラウドネイティブ GIS ファイル形式は、データを計算に移す から 計算(および軽量なレンジリクエスト)をデータに移す への根本的な転換を表します。COG、GeoParquet、FlatGeobuf、PMTiles のような形式を STAC(SpatioTemporal Asset Catalog) メタデータと組み合わせることで、開発者は高価な静的オブジェクトストレージ上に、重い空間データベースを必要とせずに、耐障害性のある地球規模のマッピングおよび分析パイプラインを構築できます—
よくある質問 (FAQ)
Q1. 何が GIS ファイル形式 "クラウドネイティブ" にするのか? フォーマットがクラウドネイティブであるとは、前もって空間インデックスを組み込み、内部でタイル化またはチャンク化されていることで、クライアントが HTTP レンジリクエストを通じてファイル全体をダウンロードせずに小さな地理的サブセットを取得できることを指します。
Q2. COG、GeoParquet、または PMTiles ファイルをホストするために専用の GIS サーバーは必要ですか? いいえ—標準的な HTTP レンジリクエストをサポートする任意の静的オブジェクトストレージ(例:AWS S3、Google Cloud Storage、Azure Blob Storage、または Cloudflare R2)でホストできます。
Q3. ベクトルデータには GeoParquet と FlatGeobuf のどちらを使用すべきですか? GeoParquet は、重い分析クエリや SQL エンジン(DuckDB など)、データウェアハウスで使用し、FlatGeobuf はベクターフィーチャをブラウザマップへ直接ストリーミングする場合に使用します。
Q4. Cloud-Optimized GeoTIFF(COG)は従来のデスクトップ GIS ソフトウェアと互換性がありますか? はい、COG は内部タイルとオーバービュー ピラミッドを持つ標準的な GeoTIFF であるため、QGIS、ArcGIS Pro、GDAL などのレガシーツールでシームレスに開くことができます。
Q5. PMTiles は MBTiles とどう違うのですか? MBTiles は SQLite データベースに依存しており(ウェブ上でクエリするにはサーバー側のコードが必要)、一方 PMTiles はタイルを静的アーカイブとして整理し、ウェブブラウザが HTTP レンジリクエストを通じて直接読み取ることができます。