National-scale spatial prediction of thickness of mountainous regolith by integration of soil and geological big-data using semi-supervised learning approach

• Project/Area Number: 25K02051
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 40010:Forest science-related
• Research Institution: Forest Research and Management Organization
• Principal Investigator: 山下 尚之 国立研究開発法人森林研究・整備機構, 森林総合研究所, 主任研究員 等 (30537345)
• Co-Investigator(Kenkyū-buntansha): 岩橋 純子 国土地理院(地理地殻活動研究センター), その他部局等, 主任研究官 (90391698) ; 秋田 寛己 国立研究開発法人防災科学技術研究所, 極端気象災害研究領域水・土砂防災研究部門, 契約研究員 (60880820) ; 渡壁 卓磨 国立研究開発法人森林研究・整備機構, 森林総合研究所, 主任研究員 等 (10883663)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000); Fiscal Year 2028: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000); Fiscal Year 2027: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2026: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000); Fiscal Year 2025: ¥7,020,000 (Direct Cost: ¥5,400,000、Indirect Cost: ¥1,620,000)
• Keywords: 土層厚 / レゴリス厚 / 広域マッピング / 機械学習 / 森林

Outline of Research at the Start

日本の山地の土層厚は空間変動が大きく、斜面災害リスク評価における不確実性要因の一つである。しかし、既存の土層厚マップには風化層や未固結層（レゴリス）の厚さが含まれておらず、斜面災害リスクの評価には不十分であった。レゴリス厚の推定に必要なボーリング調査や簡易貫入試験データは調査地点に地理的な偏りがあるため全国規模のマッピングが困難であったが、半教師あり学習を使うことでこれを大きく低減できる可能性がある。本研究はこの手法によって全国の山地レゴリス厚マップを初めて作成し、広範な検証調査を通じて斜面災害リスク評価に役立つ空間情報として提供する。