科学 / 地域研究

研究が根ざす
場所は アゾレス諸島。

SOILRISKの地域開発で、地球観測、環境データ、機械学習がどのように結び付いたか。

研究を知る
研究の舞台
アゾレス諸島
アプローチ
機械学習
当初のモデル入力
20以上の素因

01 / 研究の出発点となった問い

次の斜面崩壊は
どこで
起こるのか?

アゾレス諸島では、長く続く雨や大雨が斜面崩壊を引き起こし、人、住宅、インフラを危険にさらすことがあります。

当初のSOILRISK事例研究は、備えや緊急時の計画を支援できる空間的な詳細さで、今後数日間に斜面崩壊が起こりうる場所を特定するという実用的な課題に取り組みました。

研究では、地形と変化する環境状況の情報を組み合わせました。目指したのは、どの斜面が崩れやすいかを知ることから、リスクが時間とともにどう変化しうるかを知ることへの前進です。

02 / アプローチ

多様な要素。
ひとつにつながる視点。

機械学習の手法に基づく独自の早期警戒アルゴリズム。

当初のSOILRISKの手法は、20を超える素因を扱います。土地被覆、地質、植生、土壌水分、風、降水、地盤の動きが、それぞれ異なる情報をもたらします。

これらの要素を組み合わせることで、モデルは斜面の特性と周辺の変化する状況の両方を考慮できます。

03 / 支える情報

衛星から
現地の 状況へ。

元の技術概要で説明されている四つのデータソース。

01 / 地盤変動

捉えるのは
斜面の動き。

衛星レーダー干渉法(InSAR)は、地表の動きの検出に役立ちます。これらの観測は、斜面活動が空間と時間にわたりどう変化するかについて情報を加え、局所的な不安定性の発見にも役立つ場合があります。

02 / 植生

理解するのは
地表を覆うもの。

植生、土壌特性、斜面勾配は、崩壊しやすい地域の特定に役立ちます。この研究ではSentinel-2画像から、植生の状態を表す指標NDVIを算出しました。

03 / 土壌水分

土壌水分の
変化を追う。

当初の手法では、Sentinel-1のレーダーデータと変化検出を使って土壌水分を推定しました。土地被覆図を用いて、推定の信頼性が低い地域をマスクしていました。

04 / 天気

変わり続ける
状況を加味する。

降水量と風が動的変数としてアルゴリズムに入力されます。利用可能な場合、現地の気象観測所の毎時観測値が、天気予報サービスとともに状況の把握を補います。

04 / 研究からアプリへ

地域に根ざす基盤。
より広い視点。

アゾレス諸島での取り組みは、Eyecon独自のSOILRISKモデルを支える科学的基盤の一部です。

アプリは地域のSOILRISKモデルを、世界のLHASA情報、天気、対応する現地測定値と組み合わせます。各情報源は、対象範囲、解像度、予測期間が異なります。

ご自身の場所で利用できるモデルと情報をアプリでご確認ください。ここで紹介する地域研究は、世界共通の仕様を意味しません。

SOILRISKを支える科学を知る

さらに相談する

もっと詳しく知りたいですか?

アゾレス諸島での取り組み、手法、地域研究についてチームにご相談ください。

研究について相談する

アゾレス諸島の事例研究と、以下に掲載された技術概要に基づきます: SOILRISKの元のウェブサイト ↗.

写真、動画、イラスト

画像と
動画。

画像は環境の様子を例示するものです。SOILRISKが予測した事象を示すものではありません。