[P2] ポスター発表 #2

[P2-44] 素因と誘因を考慮した高解像度かつ解釈可能な土砂災害リスク評価 －令和6年能登半島豪雨への適用－

*Yuya Tanaka¹, Shintaro Goto² (1. Graduate School of Geo-Environmental Science, Rissho University, 2. Faculty of Geo-Environmental Science, Rissho University)

Keywords:

土砂災害,素因と誘因,リスク評価,機械学習

本研究は，土砂災害に関する素因18指標（標高，傾斜角，傾斜方向，平面曲率，断面曲率，地形位置指数，断層からの距離，表層地質区分，正規化植生指数，植生区分，土壌区分，累積流量，流路距離，地形湿潤指数，河川からの距離，道路からの距離）と誘因2指標（XRAIN，XRAINより3段タンクモデルで算出したXSWI）を考慮し，機械学習モデルを用いて50 m メッシュでリスク評価手法を構築し，令和6年能登半島豪雨に適用した．CatBoostがPR-AUC 0.213（ランダム基準0.077の約2.7倍）を達成し，最適モデルであることを明らかにした．10分更新の時系列推定では，降雨強度に伴う高リスク域の拡大と，降雨ピーク後の遅延応答を確認した．モデルの解釈可能性と物理的妥当性は，SHAP（SHapley Additive exPlanations）により裏付けられた．提案手法は空間解像度を1 kmから50 mへと高め（格子密度で約400倍），確率的リスク推定とその根拠を提供することで防災における実践的な意思決定を支援することが可能である．