2019 Fiscal Year Annual Research Report
Regional mapping of soil thickness predicted by machine learning techniques
| Project/Area Number |
17K07865
|
|---|
| 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) |
大貫 靖浩 国立研究開発法人森林研究・整備機構, 森林総合研究所, 地域研究監 (10353616)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 土層厚 / 土壌深度 / 機械学習 / マッピング / 広域評価 / 山地・丘陵地 / デジタル土壌マッピング / 空間推定モデル |
|---|
| Outline of Annual Research Achievements |
日本の山地・丘陵地における土層厚（土壌深度）の地理空間情報はほとんど明らかになっておらず、グローバルな環境問題（土壌炭素蓄積量など）からローカルな防災（土壌雨量指数など）にいたる様々な分野での影響評価における不確実性要因となっている。本研究は、既存の土層厚測定値を収集・整理し、これを教師データとした機械学習モデルを構築することにより、全国の表層土層厚を約10mの空間解像度で推定することを目的とした。また、マップの検証・精緻化を進めるため、複数の地域で土層強度検査棒と林道法面観測による効率的な広域土層厚測定を実施した。
最終年度は、小流域スケールでの測定値を用いた「局所地形－土層厚モデル」と、広域スケールでの測定値を用いた「大地形・土壌・地質・気象－土層厚モデル」を組み合わせることにより、多層スケールでの土層厚推定を実現し、最終的なマップを出力した。機械学習モデルの説明変数に数値標高モデルから算出された約20の地形因子（例：傾斜、斜面方位、曲率、地形分類）及び地質、土壌、気象、火山分布等を用いるとともに、土層厚の空間依存性も考慮した予測をおこなった。得られたマップを10倍交差検証法によって評価するとともに、予測誤差マップを同時に出力した。
その結果、全国スケールでは東日本と九州でより厚く、近畿・中国・四国でより浅い土層厚が予測されたが、土層厚の厚い地域では予測誤差も大きかった。小流域スケールでは斜面下部・上部で厚く、斜面中腹部で浅い土層厚が予測され、斜面上部での予測誤差が大きいことが示された。この結果は、これまで経験的に知られてきたテフラ（火山噴出物）の有無や微地形分類による顕著な土層厚の空間変動を支持していた。本マップの最終的な精度は誤差1m程度と良好であったが、テフラ影響下にある土層の厚い地域における不確実性が大きく、今後の課題として残された。
|
Research Products
(5 results)
