日本語要旨

地形プロセスはさまざまな空間スケールで作用するため，それらの形態的表現，すなわち地形変数（Land Surface Variables, LSV）は，それぞれ適切な空間スケールで算出されるべきである。しかし，崩壊・地すべり危険度評価のモデル化や，それらの検出に関するこれまでの方法では，LSVには単一のスケールがしばしば選択されてきた。そこで本研究では，各々のLSVをその最適なスケールに適合させることによって，崩壊・地すべりの自動的な検出を改善するための方法を提案する。崩壊・地すべりの形態的特徴が異なる2つの地域に着目し，まず，デジタル標高モデル（Digital Elevation Model, DEM）から，標準的な3×3移動窓で7つのLSVを算出する。次に，崩壊・地すべりの痕跡と個々のLSVとの間で，ロジスティック回帰が最もよく合うスケールが見つかるまで，より大きな移動窓で平均統計量を算出し，各LSVを再スケーリングする。さらに，最適スケールのLSVは，ランダムフォレスト（RF）モデルの入力データとして使用する。モデルの精度に対するスケーリング予測子の影響を計算するために，曲線下面積 （Area Under the Curve, AUC）を使用して，入力データとしてスケーリングされていないLSVのRFモデルからの結果と比較する。その結果，（i）異なるLSVが異なる最適スケールを有すること，（ii）一つ目の調査地域ではAUCが0.73から0.80まで，そして2つ目の調査地域ではAUCが0.59から0.73まで変化し，多重スケールの手法がモデルを有意に改善したことを示した。このことから，複雑な地形環境において，崩壊・地すべりの自動検出モデルを使用する場合，多重スケールの変数を用いる方法を検討すべきであるといえる。