[S-CG60] 機械学習による固体地球科学の牽引

[SCG60-09] 深層学習とGNSSを用いた断層すべり検出手法開発と四国西部における適用

*中川 亮¹、福島 洋^1,2、加納 将行¹、矢野 恵佑³、田中 優介¹、岡田 悠太郎²、平原 和朗^4,5 (1.東北大学大学院 理学研究科、2.東北大学災害科学国際研究所、3.統計数理研究所、4.理化学研究所、5.香川大学)

沈み込み帯における断層すべり現象は、プレート境界での応力蓄積および解放の過程を理解する上で極めて重要である。特に、スロースリップイベント（SSE）は、大地震の前駆活動として生じた事例があり（e.g. Voss et al., 2018）、大地震に伴う断層すべりとの相互作用の研究のためにもその時空間的発生の特徴を把握する必要がある。本研究では、高ノイズレベルのGNSSデータから微小な断層すべりを検出するための新たな深層学習手法を構築し、四国地方西部に設置されたGNSS観測局のデータへの適用を通じて提案手法の有効性を検証した。

構築手法は、2つの畳み込みニューラルネットワーク（CNN）で構成される。第1のCNN、補間器は静的GNSS変位データから高密度かつノイズを大幅に低減した平滑な水平変位場を推定する。第2のCNN、すべり推定器は、補間器により推定された変位場に基づいてプレート境界面上のすべり分布を推定する。深層学習モデルの学習にプレート境界面上のすべりを模した合成データを用い、多様なすべりパターンや観測ノイズ条件を考慮することで、検知能力が高くかつ頑健な推定を可能とするモデルを構築した。

提案手法を先行研究（Sekine et al., 2010; Okada et al., 2022）で報告された短期SSE発生期間の地殻変動データに適用した結果、47のカタログ化されたイベントのうち、89%にあたる42イベントおいて先行研究と整合的なすべり分布を推定した。また、1996年から2023年までのGNSS日座標時系列に移動窓とともに適用することによりすべりの時空間発展解析を実施した結果、複数の未報告の短期SSEを検出した。さらに、これらの新たに検出されたイベントは、既知のイベントと同様に微動活動と時空間的に同期または隣接していることがわかった。この結果は、本手法が実際のSSE発生を的確に検出する能力を有することを示唆するものである。

謝辞
本研究では、京都大学防災研究所の西村卓也教授によりRINEXデータから解析された、国土地理院GEONEET観測局の日座標データを解析に使用した。