Development of an AI topographic classification model by the use of Landform Evolution Models with geohistorical transition AI training data

Research Project

Project/Area Number	20K20726
Research Category	Grant-in-Aid for Challenging Research (Exploratory)
Allocation Type	Multi-year Fund
Review Section	Medium-sized Section 4:Geography, cultural anthropology, folklore, and related fields
Research Institution	Okayama University
Principal Investigator	Kumamoto Takashi 岡山大学, 自然科学学域, 教授 (60285096)
Project Period (FY)	2020-07-30 – 2023-03-31
Project Status	Completed (Fiscal Year 2022)
Budget Amount *help	¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000) Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000) Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000) Fiscal Year 2020: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Keywords	AIによる地形分類 / 地形変化シミュレータ / AIの地形区分評価関数 / AIによる地形面区分図 / AIのための教師データ生成 / 喜界島の海成段丘面 / 室戸半島の海成段丘面 / シミュレーションの初期地形 / 地形分類 / AIの機械学習 / 地形変化シミュレーション / 機械学習 / 薩摩半島の火砕流堆積域
Outline of Research at the Start	地形学の分野の地史を考察しながらの総合評価である地形区分について，近年の高精度DEMの活用のために，分析手法にも新しい技術の導入が必要である．そこで，AIによる機械学習を地形学においても検討する．そのために，本研究では，火砕流堆積面という相対的に単純な初期地形に地形変化プロセスをシミュレーションで作用させ，その地形変化量だけでなくプロセスの履歴も記録する．これにより，標高値だけではなく地史に該当する計算結果の情報も利用できることになり，それらをもとにしたAIによる地形分類を実現する．
Outline of Final Research Achievements	The traditional work of terrain classification and creation of maps based on the experience and judgment of experts is carried out using high-resolution digital elevation models and artificial intelligence (AI) machine learning in this study. One of the original aspects of this work is the use of computer simulations of landform evolution to provide the large amount of training data needed for AI. To solve the initial topography problem of the simulation, I selected the Ito pyroclastic flow distribution area in the Satsuma Peninsula, Kagoshima Prefecture, and the marine terrace topography of Kikai Island, Kagoshima Prefecture. To confirm the generality of the AI in this study, a topographic classification map of the Muroto Peninsula in Kochi Prefecture, is created. As a result, the AI could provide a topographic classification map of the marine terrace topography that is consistent with the topographic classification created by conventional experts.
Academic Significance and Societal Importance of the Research Achievements	近年のAI技術の実装環境の普及を受けて，画像などデジタルデータに記録されている形状の判別や分類の自動化の研究の進展は著しいが，地表面形状の分類は，画像から読み取れる形状の相違だけでは成しえない．しかし，人が地形の形成プロセスを単元ごとに教科書や野外実習で学ぶのと同様に，AIが河川の侵食・堆積のプロセス，斜面の従順化や地すべりなどのプロセス，また，海水準変動や地殻変動などの広域変化プロセスと逐次自動で地形分類を更新する履歴情報までを学習できれば，そこで得られるAIの地形分類の評価関数は，従来の専門家判断による地形分類と比較が可能なレベルに高度化できる可能性があると考え，本研究を実施した．