欧州の衛星センチネル1号（Sentinel-1）に積んだ、雲を通し昼も夜も使えるレーダー（合成開口レーダー、SAR）の画像を、深層学習で前後比べする仕組みが報告されました。マイクロソフトのAIフォーグッド研究所（Microsoft AI for Good Lab）などの研究者は、2014年10月から2024年9月までの約10年分に当てはめ、過去に浸水したことがある場所の地図を作りました。光学衛星の既存地図より、全球で約71%、エチオピアでは約194%広い範囲を拾ったとしています。2024年春のケニアの大洪水では、農地約7万5000ヘクタールが浸水したかその近くにあったと見積もり、政府公表の約6万8000ヘクタールに近い値でした。2025年の学術誌ネイチャー・コミュニケーションズ（Nature Communications）の論文にもとづく内容です。
光学衛星は雲があると水面が見えません。洪水のときは雲が多いことが多いです。SARは雲を通し、水の面は電波が鏡のように跳ねて暗く写ります。研究チームは、同じ見え方の前後のSAR画像をペアにし、画像の判別でよく使われる軽いモデル（MobileNet）を土台にした変化検出モデルで「乾いていた場所が水になった画素」を見つけます。学習にはパキスタン、ギリシャ、モザンビーク、エチオピア南東部などの洪水事例の人手ラベルを使いました。
誤って水と見なす場所（砂漠の暗い地表、山の影、凍結と融解など）を減らすため、土壌水分・標高・気温・土地被覆などの別データを後から当て、都市・急傾斜・乾燥地などは「信頼しにくい」と示す排除マスクを付けています。モデルと予測データは公開しています。
| 📢 論文の数字 | ⚠️ こちらで確認できていないこと |
|---|---|
| 過去の浸水検知範囲は、光学系の既存地図より全球で約71%、エチオピアで約194%広い | 増分のうち、本当の見逃し回収と、残った誤検知の割合。別チームによる同じ10年分の再計算 |
| ケニア2024年春で農地約7万5000ヘクタール。政府公表は約6万8000ヘクタール | 見積もりの定義（「ごく近く」の幅）と政府統計の定義の一致。第三者の現地測量。政府や支援団体が実際の対応に使ったか |
| 変化検出モデルは、43の洪水を集めた公開の試験データ（クロシオ、Kuro Siwo）で、見落としの少なさとまちがいの少なさを合わせた点（F1）は約0.77 | 現場の毎日運用での見逃し・誤報の件数 |
📢＝当事者が公表している説明（左の列）。⚠️＝出典に書かれておらず、こちらで確認できていない点（右の列）。数字は開発側の論文（Nature Communications 2025）。
論文は、短い時間で終わる洪水や、建物が密集する都市の浸水は苦手だと書いています。稲作のように意図的に水を張る場所も「浸水」として出ます。年に数パーセントずつ増える傾向も見えますが、10年分では気候の変化との因果は分けられません。この地図を政府や支援団体が実際の対応にどう使ったかは、論文には書かれていません。
職員100人前後の土地改良区で、大雨のあと「どの水路とどの田が先に手当てか」を決める仕事に当てはまります。雲の多い日でも使えるレーダー衛星の前後ペアで浸水した画素を塗り、過去の浸水の重なりと農地の図を重ねます。排除マスクで信頼しにくい地形は外し、現地の巡視は重なりの多い区画から回します。
センチネル1号のレーダー画像と、前後を比べる変化検出のモデルで、過去約10年の洪水の広がりを地図にする研究です。光学の既存地図より広い範囲を拾い、ケニア2024年春では農地約7万5000ヘクタールを見積もりました。政府公表の約6万8000ヘクタールに近い値です。数字は開発側の論文で、外の再測定はありません。
