都市部の「慢性疾患」に気をつけろ：中南大学のLiu Jianxin教授のチームがAIを活用して今後40年間の地盤沈下リスクを予測

2023年5月、天津市晋南区八里台鎮の風神中庭の所有者は、遠くから見ると25階建ての建物が「曲がっているように見えた」と「怖かった」。オーナーたちがさらにパニックになっているのは、建物周囲の草や道路が陥没してひび割れが始まっているだけでなく、建物の基礎部分にも沈下が生じ、壁に数十センチの亀裂や水の浸入が生じていることだ。一部の地下駐車場では数千人が負傷し、所有者は帰宅できなくなった。

実際、地盤沈下（LS）は一般的な現象となっています。すでに2012年には、国土資源部、水資源部、国家発展改革委員会、財政部などが共同で作成した中国初の「国土沈下防止管理計画（2011年～2020年）」が策定されている。 10の省庁と委員会は、現在全国で地盤沈下災害に見舞われている都市は50以上あり、北京、天津、河北、山西、内モンゴルなど20の省、自治区、直轄市に分布していると指摘した。

さらに、ユネスコ地盤沈下作業部会が2021年にサイエンス誌に発表した研究でも、2040年までに地盤沈下が世界人口のほぼ5分の1を脅かすと警告している。地盤沈下の迅速なモニタリングと正確なシミュレーションをいかに実現するかが、現在の都市開発における主要な問題となっていることがわかります。

この問題を解決するために、中南大学地球科学情報物理学部のLiu Jianxin教授のチームは、広東省地質環境監視局、広東省第4地質旅団、ボワニー大学と協力して、コートジボワール、環境科学生態学の国際学術アカデミーで研究プロジェクトを実施 都市地盤沈下のインテリジェント予測に関する研究結果がJournal of Environmental Managementに掲載されました。彼は、都市部の地盤沈下モデリングに eXtreme Gradient Boosting Regressor (XGBR) および Long Short-Term Memory (LSTM) ネットワークを初めて使用しました。これは、複雑なシナリオに対処する際の単一モデル フレームワークに固有の制限を解決するだけでなく、データ駆動型戦略による防災、軽減、土地利用戦略のための効果的な予測方法も提供します。

研究のハイライト

※テイラープロットを用いることで、XGBRモデルとLSTMモデルと決済データとの強い相関関係と、予測精度が実証されました。

* InSAR、地質およびボーリングデータを使用して地表活動の変化率を推定し、地表活動に影響を与える重要な変数を明らかにする

* 持続可能な都市開発と資源管理実践の基礎を築くため、データ駆動型戦略を通じて積極的な土地利用管理を促進する

用紙のアドレス:
https://doi.org/10.1016/j.jenvman.2024.120078
公式アカウントをフォローし、バックグラウンドで「地盤沈下」に返信すると全文PDFが入手できます

研究範囲：南沙地区に焦点を当て、珠江デルタ地域の地盤沈下リスクを調査

珠江デルタ地域の沈下面積は1万1397平方キロメートルに達し、沈下振幅は一般に500ミリを超え、最大で1000ミリ以上に達することもある。このうち南沙区は広州市の最南端に位置し、西江、北江、東江の交差点に位置し、総面積は約803平方キロメートルです。岩石学の観点から見ると、南沙地域は主に褐赤色粘土、淡黄色砂利、中粗砂、斑岩粘土、灰白色、褐赤色砂利などの軟弱な土壌堆積物が分布しています。水文地質学的条件の観点から、南沙地区の地下水は非限定帯水層と限定帯水層の 2 つの主要な帯水層に分類できます。

珠江デルタ地域の急速な発展に伴い、南沙地区は急速な都市開発による地表開発にとどまらず、地下水の採取も増加し、地下水位の低下につながった。一方で、高層ビルや産業施設の増加により地表の圧力がさらに高まり、地盤沈下が深刻化しています。

工学的および水理地質学的掘削を含む地質工学的調査により、南沙区の地盤沈下は初期段階（2015～2016年、-125mm）、開発段階（2016～2018年、-170mm）、拡張段階の4つの異なる段階を経ていることが示されています。 (2018-2020、-222mm)、急速な開発段階 (2020-2022)年、-320mm）、これらの段階は基本的に都市開発とインフラ建設と一致しています。

データセット: SAR と地質データを同時に使用して、局所的な地質情報を総合的に復元します。

この研究で使用された SAR (合成開口レーダー) 画像データは、欧州宇宙機関のコペルニクス計画 (GMES) のセンチネル 1 衛星です。

これは、Sentinel-1A と Sentinel-1B の 2 つの衛星から構成されるアクティブマイクロ波リモートセンシング衛星であり、2 つの衛星に搭載されたセンサーは、昼夜およびさまざまな気象条件下で連続画像を提供できます。 2015 年 6 月 15 日から 2022 年 12 月 23 日まで、センチネル 1 は c バンド合成開口レーダーを搭載し、合計 213 のシーンを撮影しました。研究者らは、SAR データと、毎年基準点を通じて収集された実際のデータを照合しました。

南沙区の包括的な地質と掘削データをより深く理解するために、この研究では地元の土壌特性、地下水レベルなども分析しました。

* 地質データ:広東省地質局の地質系情報の収集により、南沙地区は第三紀、白亜紀、ジュラ紀、三畳紀、ペルム紀、石炭紀、デボン紀、シルル紀の 8 つの地質帯に分類されます。

* 盛土厚さ (FSt) と砂層分布 (SLd):この研究は、異なる時期の土木掘削から盛土厚さ（FSt）と砂層分布（SLd）に関するデータを注意深く収集することにより、南沙地域の地下地盤の状態を効果的に評価します。

* 建物密度 (BC):2015年から2022年まで広東省地質局からの大規模建築物を分析し、建築構造物の包括的な土木工学データに基づいて南沙地区の建築密度（BC）を導き出すことで、都市インフラの密度と都市の関係を深く調査することができます。この人口密集地域におけるインフラ密度と地盤沈下との関係。

※地下水位（GWL）：この研究では、広東省のすべての掘削結果を組み合わせて作成された地下水位マップに基づいて、水文地質学的掘削を通じて南沙地区の地下水の存在、深さ、量、および質に関するデータも取得しました。

研究方法: InSAR と機械学習を統合し、Δr 戦略を使用して変数を当てはめる

この研究は、SAR データの処理手順と機械学習に基づく統合技術の概要として構成されています。

大気遅延、軌道残差、非相関ノイズの影響により、干渉型合成開口レーダー (InSAR) 技術では 2 つのイメージング サイクル以内の表面変形しか測定できず、時間とともに変化する変形は測定できません。大気遅延の影響を軽減するために、現在主流の時系列 InSAR 法は永久散乱体干渉法 (PS-InSAR) と小ベースライン サブセット法 (SBAS-InSAR) に分類できます。 PS-InSAR テクノロジーは、デコヒーレンス ノイズなどの要因の影響を大幅に克服します。 SBAS-InSAR テクノロジーは、既存の SAR データを最大限に活用して、高速かつ正確な表面変形反転を実現します。

この研究の機械学習モデルは、極度勾配ブースティング回帰 (XGBR) と長期短期記憶ネットワーク (LSTM) で構成されています。

その中で、XGBR は回帰タスク用の勾配ブースティング アルゴリズムの変形であり、ランダム サンプリング プロセスを通じて多様なトレーニング データ セットを生成できます。LSTM アーキテクチャは、長期的な関係を取得して学習する際の従来のリカレント ニューラル ネットワークの制限を解決することを目的としています。 、また、時間間隔を超えて情報を効果的に管理および保持できます。

上記の方法に基づいて、この研究では、まず SAR 画像を分析することで一次データセットを取得しました。2015 年 6 月から 2022 年 12 月までに、Sentinel-1 衛星は合計 225 シーンの SAR 画像を収集しました。次に、研究者らはPS-InSAR技術を使用して2015年6月から2019年11月までに取得した144枚の画像を処理し、そのうち2018年12月に撮影された画像がメイン画像として使用され、研究者らはSBAS-InSAR技術を使用して撮影された66枚の画像を処理した。 2019年1月から2022年12月まで。最後に、PS-InSAR と SBAS-InSAR のモニタリング結果を使用し、2015 年 6 月から 2019 年 11 月までの累積沈下データを変形系列ベンチマークとして使用し、2015 年 6 月から 2022 年 12 月までの累積変形変数の時系列融合を実行しました。 。

次、この研究は、地下水位 (GWL) データの抽出に焦点を当てています。これは、地下水の動態が地表形態に及ぼす影響を理解する上で重要なステップです。この研究は、2015年6月から2018年12月まで広東省全域で実施された水理地質学的掘削に基づいて帯水層をマッピングした。この地図は、両方の帯水層の各坑井から収集された情報に基づいています。この調査では、Golden Software Surfer 25.1 を使用して水文地質データを分析し、次に ArcGIS Pro 1.2 を使用してラスター処理を行いました。

やっと、この研究では、高度な機械学習アルゴリズムを使用してデータを解釈し、さらに分析するデルタ レート (Δr) 戦略を詳しく調べています。すべての変数を同じ時間スケールに適合させるために、この研究ではデルタ レート (Δr) 計算を使用し、それをカテゴリ特徴量 Lith を除くすべてのデータに適用します。これらの問題を解決するために、2 つの異なる手法が LSTM と XGBR に適用されます。 LSTMでは、本研究では損失関数Lasに係数の絶対値に相当するペナルティ項を追加することで特定の特徴量の影響を低減することで、Lasso回帰（L1正則化）をLSTMネットワークに直接実装した。 XGBR では、スタディではツリーの深さを制御することでモデルの複雑さを制限でき、それによって間接的に特徴量の重要性に影響を与えることができます。

研究結果: XGBR は LSTM モデルよりも優れています

この研究は、2015年から2022年までの南沙区の空間的および時間的パターンを分析することにより、さまざまな期間における南沙区の地盤沈下または変形を計算しました。

※2015年6月～12月：南沙地区では変形の兆候はなく、最大累積沈下量は-21mmで、土地と建物は非常に安定しています。 

*2015-2016:南沙区の多くの街路周辺で大きな変形が発生し、最大累積沈下量は-64mmに達した。
* 2015 ～ 2017 年:南沙地区の南東側では最も大きな変形が発生しており、最大累積沈下量は-128mmとなっている。 

* 2015 ～ 2018 年:南沙地区の最大累積沈下量は-176mmです。
* 2015 ～ 2019 年:南沙地区の最大累積沈下量は-225mmです。 

* 2015 ～ 2020 年:南沙地区の西側は明らかな変形があり、最大総沈下量は-263mmとなっている。
*2015-2021:大規模な変形信号は多くのコミュニティで発生し、最大の累積沈下は -320 mm に達しました。 

*2015 ～ 2022:最大累積沈下量は-364mmです。

この研究では、XGBR とランダム フォレスト (RF) を使用して、さまざまな特徴の重要性を評価します。どちらのモデルもそれを示しています地下水位と建物密度は地盤沈下に最も大きな影響を与える要因であり、それらの累積重要度は約 51% です。その直後、平均Δrを用いた地盤沈下予測モデルを構築し、80%による地下水位と建物密度の低減による沈下問題の解決を試みた。

結果は次のことを示しています地下水面と建物密度を下げると、地盤沈下率を大幅に減らすことができます。また、XGBR モデルと LSTM モデルの予測結果には若干の差異が生じる場合があります。実際、XGBR は突然の変更をより適切に捕捉できますが、LSTM は長期的な依存関係をより適切に捕捉できます。

この研究ではさらに、XGBR および LSTM シミュレーションを使用して、2060 年までの沈下データを予測しました。結果は次のとおりです。

※2024年までに、XGBR は、ほとんどの地域が -250 mm 未満である比較的小規模な沈下を予測しています。 

※2030年までに、地盤沈下の蓄積はより顕著になり、その後徐々に悪化します。
* 2060 年までに、一部の地域では沈下データが-450mmを超える見込みです。

全体として、LSTM の予測傾向は XGBR と一致していますが、全体的な重大度は小さくなっています。

この研究のテスト段階では、正規化された地下水位に関するモデルのパフォーマンスを評価するために、RMSE、MAE、および R² が使用されました。

結果は、XGBR の予測値が実際の値に非常に近く、より多くの変動を捉えることができることを示しています。また、LSTM は XGBR に比べて平均予測誤差が大きく、平均予測精度が低くなります。同時に、テイラー図は次のことも示しています。どちらのモデルも観測データとの相関係数は高いが、地盤沈下との相関および標準偏差はXGBRモデルの方が一致に近い。

さらに、この研究は、地下水位と建物密度によって引き起こされる地盤沈下のリスクが効果的に低減されるため、将来の地表沈下の程度を効果的に制御できることも示しています。何も対策が講じられなければ、2040 年までに地盤沈下のリスクは研究の予測よりも深刻になる可能性があります。

地盤沈下：全国各地で発生する地質学的災害現象

地盤沈下は劉建新教授をはじめとする研究者らから大きな注目を集めているが、関連分野における人工知能の研究はまだ初期段階にあり、さらなる取り組みが緊急に必要とされている。

中国地質調査所が発表した「華北平原における地盤沈下調査と監視に関する総合研究」と「中国地下水資源環境調査」によると、華北平原のさまざまな地域の沈下中心が互いにつながっている傾向があることが示されている。過去30年間の長江地域の累積地盤沈下は200mmを超え、その面積は1万平方キロメートル近くに達し、同地域の総面積の3分の1を占めている。このうち、上海や江蘇省蘇州、無錫、常州では地割れなどの地質災害が発生し始めた。それだけでなく、中国北西部や南部を含むさらに多くの場所が、ゆっくりとした地盤沈下という長期的な問題に悩まされている。

地下水のオーバードラフトは、地盤沈下や永久地下水貯留の喪失など、さまざまな悪影響を及ぼす可能性があります。 2023年10月、ネイチャー・コミュニケーションズ誌に掲載された最新の研究では、毎年世界中で約17立方キロメートルの地下水貯留能力が失われ、地盤沈下と地下水埋蔵量の恒久的な減少につながっていることが示された。研究者らは、米国、中国、イランが地下水埋蔵量の損失が最も大きい国であり、将来の地盤沈下の「最も大きな被害を受ける地域」でもあると予測している。

現在、機械学習と合成データセット、およびランダム フォレスト アルゴリズムに基づく機械学習手法を活用することで、研究者は地下水の過剰汲み上げによってもたらされる環境問題をより深く理解し、水資源を保護するための事前対策の必要性を強調できるようになりました。地盤沈下の影響を軽減します。しかし、この記事の研究と同様に、人工知能の予測は、地域の地下水危機と地盤の建物密度を本当に軽減できるかどうかという指針をもたらすだけです。