リモートセンシングとGISのジャーナル

概要

大規模空間スケールにおける傾斜感受性の過大評価を最小限に抑える多段階手法

カレン CA、カシュク S、スヒリ R、ハンビルヴァルディ R、テミミ M

降雨による地滑りは、傾斜地で最も頻繁に発生する自然災害の 1 つです。世界中で重大な経済的損失と死亡者を出しています。表層地滑りを引き起こす要因のほとんどは局所的であり、大規模では高いレベルの不確実性でしかマッピングできません。この研究では、バッファと閾値の手法を使用して大規模なエリアを縮小し、局所規模での傾斜の不確実性を最小限に抑え、次に第 2 段階でロジスティック回帰を使用して大規模での感受性を決定することで、斜面の不安定性を判断する試みを示します。ASTER GDEM V2 は、傾斜の地形的特徴付けとバッファ解析に使用されます。米国本土の包括的な地滑り目録に記載されている 230 件の降雨による浅層地滑りの 4 つの静的パラメータ (傾斜角、土壌タイプ、土地被覆、標高) が調べられます。各地滑りイベントの周囲に 5、25、または 50 km に相当する境界バッファが作成され、傾斜閾値の統計的分析が容易になります。ピクセル ポイント 50、75、95、99 および最大パーセンタイルにおける傾斜角しきい値が相互に比較され、ロジスティック回帰環境で最適な適合性がテストされます。75 パーセンタイルしきい値より低い値は、35° を超える傾斜を含めないことで、影響を受けやすい傾斜角を誤って表すことが判明しています。99 パーセンタイル傾斜角しきい値を使用すると、傾斜角の最適な範囲と回帰適合性を実現できます。結果として得られるロジスティック回帰モデルは、97.2% の精度で最も多くのケースを正しく予測します。ロジスティック回帰モデルは ArcGIS に引き継がれ、そこですべての変数が対応する係数に基づいて処理されます。米国本土の地域的な地すべり確率マップが作成され、利用可能な地すべり記録とその空間分布に対して分析されます。将来、降水量などの動的パラメーターや土壌水分などの他のプロキシがモデルに組み込まれることで、精度がさらに向上すると予想されます。キーワード: 表層地すべり、斜面の不安定性、しきい値分析ロジスティック回帰、地域分析、GIS、リモートセンシング はじめに 降雨によって引き起こされる地滑りは、傾斜地で最も頻繁に発生する自然災害の 1 つです。通常、世界中で大きな経済的損失と死者を出します。2004 年から 2010 年の間に世界中で少なくとも 32,322 人が死亡したと報告されており [1]、米国だけでも、地滑りによって毎年 10 億から 20 億ドルの損害と平均 25 人以上の死者が出ています [2]。これらの壊滅的な出来事の余波を理解し、マッピングし、モデル化し、防止することは、重要な科学的かつ運用上の取り組みです [3]。「地滑り」という用語は、岩、土、瓦礫、またはこれらの組み合わせを含む斜面形成物質の下方および外方への動きを表します [4]。地すべりは、いくつかの静的および動的要因の複雑な相互作用に依存すると考えられていますが [5-7]、傾斜角は斜面の滑りやすさに大きな影響を与えます。傾斜角が大きくなると、斜面上の物質分布が均一で等方性であっても、通常は崩壊の可能性が高くなります [5]。もちろん、他の多くのパラメータが地すべりリスクの分析に不可欠です。たとえば、森林伐採、森林伐採、道路建設、耕作、急斜面での火災など、土地利用や土地被覆の変化は、地すべり活動に大きな影響を与える可能性があります [8]。さらに、森林の植生は、地すべりの活動に大きな影響を与える可能性があります [9]。