Machine-Learning-Based Landslide Susceptibility Mapping Using an InSAR- Refined Inventory in the Mandi district, Northwestern Himalaya, India, Himalaya region

地球の表面を、巨大でスローモーションのパズルのように想像してみてください。時として、このパズルのピースである山腹、丘、斜面が、滑り落ちることを決めます。それが起きたとき、それは地滑り（ランドスライド）と呼ばれ、その進路に住む人々や道路、家々にとって災厄となります。科学者たちは、次にどこでこれらの滑落が起こるかを予測しようと長い間試みてきました。伝統的に、彼らは「静的な」手がかりを見てきました。つまり、その丘がいかに急か、どのような岩石でできているか、どれくらいの雨が降るか、そして過去にどこで古い地滑りが起きたかといったことです。それは、車の走行履歴や路面状況だけを見て、ドライバーが現在ハンドルを切って蛇行していることに気づかずに、交通事故を予測しようとするようなものです。

しかし、地球はダイナミックな存在です。重力、雨、そして構造プレートの重みの下で、常に動き、変化し、うなりを上げています。地滑りが起こる前にそれを捉えるためには、科学者は「衝突」の前の「蛇行」を見る必要があります。ここで、特別な種類の宇宙技術が登場します。衛星を、地面がわずか数ミリ動くのを測定できる、空にある巨大で超高感度な「目」だと考えてください。それは、人が転ぶ直前に取る小さな一歩に気づくようなものです。これらの「宇宙の目」を、パターンを学習する強力なコンピュータプログラム（機械学習と呼ばれるもの）と組み合わせることで、科学者はより鮮明な危険マップを構築できます。これは単に古い地図を見ることではありません。地滑りが起きる前に、地面がどのように「呼吸」し、動いているのかをリアルタイムで観察することなのです。

---

論文の物語：地球の巧妙な動きを捉える

インド北西ヒマラヤ地方のマンディ地区では、地面が少し「ドラマクイーン（感情的な性格）」です。そこは急峻な山々、激しいモンスーンの雨、そして活発な構造断層（地殻の割れ目）がある場所です。長年、科学者や当局はこの地区のどの部分が滑落しやすいかをマッピングしようとしてきました。彼らは以前、「静的なインベントリ（目録）」、つまりすでに発生して古いデータベースに記録されている地滑りのリストに頼っていました。しかし、この論文の著者たちは、このアプローチが「昨日の新聞を見て天気を予測しようとする」ようなものだと気づきました。それは、地滑りが近づいていることを示す、現在進行中の微細でゆっくりとした動きを見逃していたのです。

そこで、アキシャイ・ラジ・マノチャ氏率いるチームは、探偵業務のアップグレードを決意しました。彼らは、ハイテクなレーダーカメラとして機能し、2023年から2024年にかけてマンディ地区をスキャンしたSentinel-1衛星からのデータを活用しました。彼らは、データの処理に**PSI（永久散乱体干渉法）とSBAS（小基線サブセット法）**という2つの巧妙な手法を用いました。これらの手法を、地球の鼓動を聞くための2つの異なる方法だと考えてください。PSIは岩や建物のような安定した硬い地点の音を聞くのが得意であり、一方でSBASは、植生のあるエリアにおけるより柔らかく広範囲な動きを聞くのに適しています。これらを合わせることで、彼らは非常に敏感な地殻変動マップを作成し、たとえ崩落していなくても、地面がどこで這い、滑り、あるいは動いているのかを正確に示しました。

大発見：隠れた地滑りを見つける

チームはこの新しいハイテクな動きのデータを取り、古い地滑りリストを修正しました。彼らは衛星による「クリープ（緩慢な動き）マップ」と、政府の既存の地滑りデータベースを比較しました。その結果は驚くべきものでした。古いリストは、起きている事象を見落としていたのです。衛星データを使用することで、彼らは誰もマッピングしていなかった36件の新しい地滑りを発見しました。これにより、既知の地滑りの総リストは**18%**増加しました。それは、全員が完成していると思っていた地図の中で、36個の隠された宝箱を見つけたようなものでした。

しかし、彼らは地滑りを見つけるだけで終わりませんでした。彼らは、次にどこで地滑りが起きるかを予測したいと考えました。そのため、彼らはこの新しく「InSAR（干渉合成開口レーダー）によって精緻化された」地滑りリストを、4つの異なるコンピュータ学習モデル（データから学習するアルゴリズム）であるXGB（極限勾配ブースティング）、ランダムフォレスト、ロジスティック回帰、および多層パーセプトロンに投入しました。また、斜面の傾斜、道路への距離、岩石の種類、降水量など、地滑りを引き起こす可能性のある12の異なる要因についてもテストを行いました。

勝者とゲームのルール

コンピュータモデルは、どのモデルが最も上手く地滑りを予測できるかを競う「パターン発見ゲーム」を行いました。勝者はXGB（極限勾配ブースティング）でした。これが最も正確であり、特に研究者が3,000メートルのブロックサイズを用いた「空間ブロック交差検証」という特定の手法を用いた際にその精度を発揮しました。これは、モデルが単に近所を暗記しているのではなく、ゲーム全体のルールを実際に学習しているかどうかを確認するために、地図の異なる塊（ブロック）でテストすることだと考えてください。

結果は素晴らしいものでした。古い静的なリストの代わりに、衛星によって更新された新しいリストを使用することで、モデルの精度（AUCと呼ばれるスコアで測定）は**12〜15%**跳ね上がりました。これは、地面が「現在」どこで動いているかを知ることが、それが「最終的に」どこで崩落するかを予測する上で大きな違いを生むことを示唆しています。

何が地面を滑らせるのか？

コンピュータモデルは探偵としても機能し、どの手がかりが最も重要であるかを指摘しました。地滑りの発生に最も大きな指紋を残した「容疑者」は以下の通りです：

1. 斜面（勾配）： 傾斜が最大の要因です。丘が急であれば急であるほど、滑落の可能性が高まります。
2. 道路への距離： 意外にも、道路に近いことは地滑りの可能性を高めます。これは、道路建設がしばしば山腹を削り、水の排水方法を変えることで、斜面を弱体化させるためです。
3. 断層への距離： 地殻の割れ目（断層）の近くのエリアは、岩石がすでに壊れていて弱いため、より不安定です。
4. 降水量： 豪雨は「最後の一押し」として機能し、土壌を浸食させ、重く滑りやすくします。

チームは、非常に低い、低い、中程度、高い、非常に高い感受性の5つのゾーンに分かれた最終的なマップを作成しました。彼らは、**「高い」および「非常に高い」リスクゾーンが地区の約25%**を占めていることを発見しました。さらに優れたことに、このマップは正しかったのです。彼らが見つけた地滑りの大部分（古いものと36件の新しいものの両方）は、まさにこれらの高リスクゾーンに位置していました。

限界と未来

この論文は、これが魔法の水晶玉ではないことを慎重に注記しています。衛星技術には限界があります。非常に密な森林地帯や極端に急峻な岩場では、レーダー信号が乱される（「デコリレーション（脱相関）」と呼ばれる問題）ため、地区の約**15〜20%**において地面の動きを捉えることができませんでした。また、コンピュータモデルは現在のデータに基づいているため、将来的に気候変動が雨をさらに激しくさせる可能性については、まだ考慮されていません。

しかし、この研究は強力な点を証明しています。地面の動きを見る「宇宙の目」とスマートなコンピュータモデルを組み合わせることで、私たちは、静的で時代遅れの危険マップから、生き生きと動くマップへと移行できるのです。それは、地滑りが起こる前に地球の警告サインを察知する方法であり、ヒマラヤの人々と道路を守るためのより良い機会を提供します。