ユセン・チェン (Yusen Cheng) 氏らは2026年8月26日(現地時間)、arXivにて、地滑り感受性マッピング (LSM) の精度を向上させる「Local-Geo and Spatial Context Fusion (LGSCF)」戦略を発表した。この戦略は、地滑り点の地理環境特性と空間コンテキストを、特徴ごとの変調メカニズムを通じて統合する。LGSCFベースモデルは、既存のデータ駆動型アプローチの課題に対処し、研究地域の台湾南投県における地滑り予測で顕著な性能向上を示した。
地滑り感受性マッピング (LSM) において、データ駆動型手法は地滑りと地理環境条件間の複雑な関係を効果的にモデル化するため広く利用されている。しかし、既存のアプローチには二つの主要なデータ表現形式があり、それぞれ課題を抱えていた。
一つ目の「ピクセルベースモデル」は、特定の地滑りの地理環境特性のみに焦点を当て、その周辺環境の影響を考慮しない。二つ目の「パッチベースモデル」は周辺の空間コンテキストを組み込むものの、対象となる地滑り位置と空間的な関連性が低い、あるいは全くないピクセルを含んでしまう可能性があった。
これらの限界に対処するため、本研究はLGSCF戦略を提案した。LGSCFは、地滑り点の地理環境特性とそれに対応する空間コンテキストを、特徴ごとの変調メカニズムを通じて相乗的に統合する。研究チームは、このLGSCF戦略を複数の代表的な畳み込みニューラルネットワーク (CNN) アーキテクチャに統合し、9種類のLGSCFベースモデルを作成して検証した。
研究対象地域は台湾南投県 (Nantou County) の仁愛郷 (Jenai Township) と信義郷 (Sinyi Township) にまたがる約2644平方キロメートルで、データセットには5332の地滑りサンプルと、同数の非地滑りサンプルが含まれた。
結果として、LGSCFベースモデルは、元のバージョンを一貫して上回り、F1スコアで最大87.09%、AUC値で最大0.9472を達成した。さらに、LGSCFベースモデルによって生成された感受性マップは、既知の地滑りが「非常に高い」感受性ゾーンにより正確に集中し、誤分類が少ないことを示した。これらの発見は、LGSCF融合戦略が地滑り感受性マッピングの精度を著しく改善できることを実証している。
参考: arXiv cs.CV (アーカイブ) — 2026年8月27日 13:00 (JST)
原文ハイライト"our fusion strategy can significantly improve the accuracy of landslide susceptibility mapping."