Landslide ＋ 機械学習の傾向

Landslide identification using machine learning techniques: Review, motivation, and future prospects | Earth Science Informatics

大きく分けて、２つの目的で機械学習が使われていました。

• 発生場所の特定（Landslide detection, identification, mapping）
• 危険度予測（Landslide susceptibility prediction, mapping）

2022年までですので、画像を扱う場合はCNNが多いようです。機械学習分野で利用されているの ViT ベースのアーキテクチャは見当たりません。

Landslide susceptibility は2003年から。2017年までは ANN と SVM が主体。その後はCNN, RF, DNN, GBDTなど。現在は LightGBM でしょうか。 

少し古い情報ですが、変遷の一例として使えそうです。

Year	Objective	Machine Learning Model
2003	Landslide susceptibility analysis	GIS and ANN
2005	Landslide susceptibility analysis	Multiple ANN and GIS
2005	Landslide susceptibility assessment	ANN
2005	Landslide susceptibility mapping	Neural networks and GIS
2006	Landslide susceptibility analysis	SVM
2007	Landslide susceptibility analysis	ANN and GIS
2008	Landslide susceptibility analysis	SVM
2008	Landslide susceptibility analysis and prediction	GMM
2008	Landslide susceptibility zonation	ANN and DA
2009	Landslide susceptibility analysis	Decision tree
2011	Landslide susceptibility zonation	SVM
2012	Landslide susceptibility assessment	SVM, Decision Tree, and Logistic
2013	Landslide susceptibility mapping	SVM
2014	Landslide susceptibility mapping	Decision tree
2014	Landslide susceptibility mapping	Decision tree
2016	Landslide susceptibility mapping	ANN
2017	Landslide susceptibility assessment	SVM
2017	Landslide susceptibility mapping	SVM
2018	Landslide susceptibility mapping	Genetic Algorithm
2019	Landslide susceptibility mapping	Random forest, Naive Bayes, and Boosted Logistic Regression
2019	Landslide susceptibility mapping	CNN
2020	Landslide susceptibility prediction	FC-SAE
2021	Landslide susceptibility mapping	Random forest
2021	Landslide susceptibility prediction	GB
2021	Landslide susceptibility prediction	CNN
2022	Landslide susceptibility mapping	CNN and GWO
2022	Landslide susceptibility mapping	Random Forest
2022	Landslide susceptibility mapping	Deep Neural Networks
2018a	Landslide susceptibility assessment	Random forest
2018b	Landslide susceptibility assessment	Boosted tree

土石流発生予測＋機械学習の傾向

土石流発生危険度を機械学習を利用して示した文献のレビューです。
Machine-Learning-Based Prediction Modeling for Debris Flow Occurrence: A Meta-Analysis

要旨

1. 84文献を調査（英文のみ）。
2. MLに基づく土石流発生予測に関する研究は、計13カ国で実施。
3. ベースライン作成として、logistic regression (LR) 、random forest (RF) が一般的。LR(43編)、SVM(24編)、BPNN(21編)、RF(21編)。ただし、直近5年間では、XGBoost、GBDT、CNN、MLP。
4. 特徴量エンジニアリング（53編）とモデル比較（46編）が一般的に利用されている。前者は、多重共線性分析(26編)、stepwise(18編)、importance(13編)。
5. 解釈手法が活用されることは少ない（16編）。
6. ROC‐AUCが最も多く報告された評価指標であった。
7. LRはRF、BPNN、SVMに比べて劣っていた。SVMはRFに匹敵。
8. データ作成、モデルの構築・評価、予測結果の3つのステップから構成。
9. ポリゴン？49編、ポイント36編。ポイントはグリッドセルを利用。
10. 特徴量
    

    Category	Description
    Topography	Factors related to topography, such as slope, curvature, main channel length, etc.
    Morphology	Factors related to the morphology of the surface evaluation unit, such as area, shape coefficient, perimeter, etc.
    Geomorphology	Factors related to geomorphic type and evolution, such as landform, hypsometric integra, geomorphic information entropy, etc.
    Geology	Factors related to geological structure, geological movement, and geological type, such as active fault density, seismic intensity, lithology, etc.
    Meteorology	Factors related to meteorological factors such as rainfall, temperature, snow cover, etc.
    Hydrology	Factors related to water flow movement, such as flow accumulation, stream power index, distance to rivers, etc.
    Soil	Factors related to soil type, property, and thickness, such as soil texture, soil types, soil depth, etc.
    Vegetation	Factors related to vegetation type and state, such as vegetation coverage index, normalized difference vegetation index, forest density, etc.
    Fire	Factors related to forest fires, such as fire severity (low, moderate, high), proportion of watersheds burned at high or moderate severity, etc.
    Material source	Factors related to loosen accumulation of internal solids, such as collapsed areas, landslide areas, debris reserves, etc.
    Human activity	Factors that directly or indirectly characterize human behavior, such as land use, population density, distance to road, etc.
    Past debris flow	Factors related to past debris flows in the evaluation unit, such as maximum volume, occurrence frequency, etc.

     

実際に検討を進める上で、1技術者が最近の傾向を口頭で説明しても根拠になりません。このような文献はお客様に根拠として受け入れてもらいやすいので、価値があります。土石流以外にもあるでしょう。探してみましょう。