教師あり分類と人工ニューラルネットワークを用いた山地のモルフォ多様性モデルの開発と最適化

山の形が重要な理由

自然保護を考えるとき、私たちは通常、希少な植物や動物を思い浮かべます。しかし、それらを支える地面――崖、谷、尾根、河谷――が静かに生物の生育場所を形作っています。本論文は、モルフォ多様性と呼ばれるその物理的な多様性を、正確かつ自動化された方法で測定する手法を探ります。ポーランドのピィェニニ山地を事例に、人工ニューラルネットワークを含む最新のコンピュータ技術が詳細な標高データを信頼できる地図に変換し、保全や土地利用計画の指針となり得ることを示しています。

景観多様性のための山岳実験場

ポーランドとスロバキアの国境にまたがるピィェニニ山地は、規模は小さいものの非常に多様な地形を持つ山域です。急峻な石灰岩の崖、ドゥナイェツ渓谷のような深い峡谷、緩やかなフリッシュ斜面、火山岩、平坦な盆地の底などが並存しています。この岩質や地形の混在は、日当たりの良い岩場から陰になる谷底まで多様な生息地を生み出し、豊かな生物多様性を支えます。地域が詳細に地図化・研究されているため、目視や地図上の印象を超えて景観の多様性を定量化する新しい方法を検証するのに理想的な“実験室”となっています。

生の標高データから測定可能な地形多様性へ

研究は高解像度のデジタル標高モデル（DEM）から始まります。ここから著者は7つの基本的な地形特徴を導出します：高度、斜面勾配、方位（斜面の向き）、2種類の曲率（表面の曲がり方）、局所的な高さ差、岩上露頭の有無。領域は多数の等サイズ六角形セルで覆われ、それぞれのセル内で画素ごとの地形特徴の変動量が計測されます。地形の“種類”を単に数えるのではなく、変動そのものを信号として扱う方法です。セル内で高さ、傾斜、向きに多くの変化があればあるほど、そのセルはよりモルフォ多様であると判定されます。

複雑な地形を識別するデジタル分類器の訓練

これらの数値を意味ある地図に変換するために、本研究は教師あり分類と人工ニューラルネットワークを用います。ニューラルネットワークはパターンを学習する脳の仕組みに着想を得た計算モデルです。まず専門家が明確に「モルフォ多様」（険しい峰、岩だらけの尾根、深く刻まれた谷、劇的な峡谷壁）あるいは「非モルフォ多様」（平坦な谷底、湖面、広く緩やかな斜面）とラベル付けしたサンプルセルを示します。これらのラベル付き例がニューラルネットワークに対して、どの高度、斜面、その他の特徴の組み合わせが複雑な地形に対応するかを教えます。訓練後、ネットワークは領域内のすべてのセルに対して、そのセルがモルフォ多様クラスに属する確率を割り当てます。結果は非常に低いから非常に高いまでの直感的なカテゴリにまとめられる連続的な地図です。

重要な情報だけを残すデータの剪定

従来の手法は多くの地形指標を単純に加算することが多く、同じ情報を重複して数え、像をぼやけさせてしまうことがありました。本研究はニューラルネットワークとグローバル感度解析を組み合わせることでこの問題に対処します。感度解析は各入力が予測精度にどれだけ寄与しているかを試す手法です。変数を段階的に“オフ”にしてモデル誤差の変化を追うことで、実際に情報を持つ特徴と冗長な特徴を特定します。最適化されたモデルは、セル内の高さ差、全体的な高度、斜面、斜面方位のパターン、岩上露頭の有無といった少数の要因でモルフォ多様性の本質的な構造を捉えられることを示しました。低価値の入力を除去しても、単純化モデルは完全版と非常に高い相関（0.96–0.98）で一致します。

結果が自然保護に示す意味

洗練されたモデル、特にRCMSC–ANN–M バージョンは、ピィェニニの景観に関する地形学者の理解とよく一致する地図を生成します。それは壮観な高尾根や峡谷壁だけでなく、見落とされがちな谷側面や麓の形態的に複雑な地域も強調します。この手法は広く利用可能な標高データと少数の主要変数に基づいているため、世界の他の山地にも適用可能です。保全計画担当者にとって、これは生物多様性や景観価値の基盤となる“地質的に豊かな”地域を客観的に特定・比較する手段を提供し、保護、観光管理、詳細な現地調査の優先順位付けに役立ちます。

引用: Bartuś, T. Development and optimization of a morphodiversity model for mountainous areas using supervised classification and artificial neural networks. Sci Rep 16, 6009 (2026). https://doi.org/10.1038/s41598-026-36326-3

キーワード: 地質多様性, モルフォ多様性, 山岳景観, ニューラルネットワーク, 地質保全