Development of Climate Change-Responsive Surface Failure Risk Map by Integration of Vegetation and Geotechnical Information
| Project/Area Number |
22K04318
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22030:Geotechnical engineering-related
|
|---|
| Research Institution | Okayama University (2023)
Kyushu University (2022) |
|---|
Principal Investigator |
古川 全太郎 岡山大学, 環境生命自然科学学域, 准教授 (70735985)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
|
|---|
| Keywords | 豪雨災害 / 土石流 / 植生 / 斜面安定 / 表層崩壊 / 機械学習 / 災害リスク評価 / 地盤情報 |
|---|
| Outline of Research at the Start |
地震・豪雨によ山間部斜面の表層崩壊による災害リスクを広域的に評価し，人的被害をゼロにするソフト対策を目的に，植生による地盤の補強効果を考慮した「気候変動対応型表層崩壊リスクマップ」の構築を行う．
衛星画像・空中写真から得られた植生の色・分布と植生統計データを用いてニューラルネットワーク，分類木等による機械学習を行い，表面情報から根系の分布及び地盤補強効果を推定する手法を確立する．
九州地方で起こった近年の豪雨災害を基に根系の補強効果を考慮した不飽和斜面安定解析を行い，崩壊危険性がある斜面を推定する．加えて，将来の気候変動による降雨量増加を想定した斜面の健全度を評価できる革新的なシステムを構築する．
|
| Outline of Annual Research Achievements |
気候変動対応型表層崩壊リスクマップを構築するため，地形・地質・雨量・植生状況が過去の豪雨によって起こった土砂災害に及ぼした影響を機械学習により確認した．現在気象庁が土砂災害警戒情報の運用に使用している発令基準 (土砂災害警戒発生危険基準線，CL) の境界値 (土壌雨量指数と60分間積算雨量) は，過去の豪雨により土砂災害が起こった地点の降雨データを基に設定されており，災害発生の原因となる地形や地質，植生等に関する情報が十分に考慮されていないという問題点がある．そのため，地形・地質・雨量・植生とCL境界値の関連性を網羅的に把握することにより，表層崩壊リスクマップ構築に必要な情報を抽出した．
今年度は，福岡県で過去土砂災害が起こった地域 (計177規準地域メッシュ (第三次)) のCLの境界値を対象に，土壌雨量指数と60分間積算雨量を目的変数として，対象地域の地形・地質・雨量・植生情報を説明変数 (計100種類) として推定する3種の機械学習アルゴリズム (ランダムフォレスト (RF) ，XGBoostおよびLightGBM) を構築した．また，再帰的特徴量削減 (RFE) を行い，推定精度を高めることができる説明変数の個数と種類を明らかにした．さらに，説明可能なAI (SHAP値) を用いて算出されたモデルの推定根拠について考察した．その結果，1) 3つの手法のうち，60分間積算雨量の推定ではXGBoost，土壌雨量指数の推定ではLightGBMが，それぞれ決定係数が最大となった．2) 土壌雨量指数の推定精度が最も高かったLightGBMでは，重要な説明変数として植生群のデータとして，常緑広葉樹二次林，植林地，竹林などが抽出された．3) モデルや目的変数を問わず，最大24時間雨量が大きいとSHAP値が大きくなる傾向が見られた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
R5年度には，機械学習により植生状況が土砂災害に及ぼす重要度を網羅的に把握する手法を構築できた．その際，表層崩壊リスクマップを構築するためのデータ取集や処理方法を確立できたため，研究の進捗状況はおおむね順調である．また，現在は，R6年度の解析のためのデータ収集を行い，根系の補強効果を深さごとに評価する手法を検討している．
|
| Strategy for Future Research Activity |
衛星画像・空中写真および現地調査結果から得られた地上部の植生種とその色の情報(NDVI値)と植生統計データをGIS上で統合し，ニューラルネットワーク，決定木系モデルの機械学習を用いて，地盤の表面情報から根系の深さと広がり，および根系の地盤補強効果を広域的に推定する．推定された根の地盤補強効果を，平成30年西日本豪雨災害をはじめとした，近年の豪雨災害の斜面崩壊データ・地下水位変動データを適用して広域的な不飽和斜面安定解析を行い，実際の崩壊箇所からモデルの精度を確認したうえで，今後崩壊が起こる危険性がある斜面に対して安全率を計算し，そのリスクを評価する．将来の気候変動による降雨量の増加，地震と豪雨による複合災害を想定した斜面の健全度をリアルタイムで評価できるシステムの構築を構築する．最終的に，西日本を中心とした将来の降雨量増加を考慮した土砂災害リスクマップを作成する．
|
Report
(2 results)
Research Products
(22 results)
