取材・文／大草芳江

2023年1月26日公開

　近年のビッグデータ、AIを始めとする情報科学の著しい進展を踏まえ、地震の調査研究においても、従来技術に加え新たな科学技術の活用が期待されている。こうした背景を踏まえ、「情報科学×地震学」を推進するプロジェクトとして、文部科学省の「情報科学を活用した地震調査研究（STAR-E）プロジェクト」が令和3年度からスタートした。その採択課題のひとつ「データ同化断層すべりモニタリングに向けた測地データ解析の革新」で目指すものは何か。研究協力者の西村卓也さん（京都大学防災研究所　准教授）と、STAR-Eプロジェクトのプログラムオフィサーを務める平原和朗さん（京都大学名誉教授／理化学研究所 非常勤研究員）に、本プロジェクトへの意気込みや期待を聞いた。

※　本インタビューをもとに文部科学省採択課題「データ同化断層すべりモニタリングに向けた測地データ解析の革新」ホームページ作成を担当させていただきました。

地殻変動から見えるもの

―　はじめに、西村卓也先生の研究のモチベーションから伺います。もともと西村先生はどのようなことに興味があって、どんな研究をしているのですか？

[西村]　そもそもなぜ地震が起こるのか、そのメカニズムを知りたいという基本的な興味が、子どもの頃からあります。一方で、地震は災害をもたらしますから、地震被害を少しでも軽減できるよう、究極的には地震発生予測を目指して研究しています。

　特に（主に地表の動きである）地殻変動のデータを用いた研究に、学生時代から約30年取り組んでいます。研究している地殻変動は数日から数十年の時間スケールのデータなのですが、最近では、より長期的な地殻変動との関係、例えば日本列島がなぜ今このような形をしているのか等にも興味があります。

―　そのモチベーションに対して、これまでどのようなことがわかってきたのですか？

[西村]　地殻変動の研究に関しては、私が研究を始めた頃、観測技術の大きな進歩という、ブレイクスルーが起こりました。その典型が、人工衛星からの電波を受信して位置を正確に測るGNSS(Global Navigation Satellite System / 全地球衛星測位システム)、一般にはGPS（GNSSの中でもアメリカが管理運用している衛星測位システム）と呼ばれる技術です。GNSSは、地表の変形を非常に高精度で測定できるため、日本列島のどこが今どれくらいの速さで移動しているか、日々刻々と捉えられるようになりました。そのような地殻変動データを用いることによって、断層が急にずれ動く地震だけでなく、地震計では感知できないほどゆっくりと断層が動く現象（スロースリップ）の検出など、次々と新たな発見がありました。

【図１】GNSS及び海底地殻変動観測によって得られた西日本の地殻変動（データ期間：陸上2005-2009年、海底2004-2016年）。アムールプレートに対する１年あたりの各観測点の移動速度を表示。

　そのような地殻変動データを用いて、日本列島の地下で生じる地震やスロースリップ及び断層にどのようにひずみが蓄積されるか等の断層運動について、理解を深める研究に長年取り組んできました。

―　GNSSを用いて地殻変動を高精度に捉えられるようになったことで次々と新たな発見があった一方で、未だ難しい点とはどのようなことでしょうか？

[西村]　実は、地殻変動データが非常によくなったとはいえ、データにはノイズが含まれています。ノイズの中から、本当の地面の動き、しかも断層の動きが原因であるシグナル（S）と、観測ノイズ（N）を分離することが、とても難しいのです。

　断層のゆっくりすべり（スロースリップ）の中には、規模が大きくデータを見て明らかにわかるものもある一方で、シグナルかノイズか本当にわからないくらい小さなものも非常に多く発生しているので、それを見分けるのにかなり苦労します。

　さらに、地殻変動から地下の断層のすべりや、断層がどのように固着しているかの状態を知ることは、比較的単純にできますが、地震発生予測を目指すには、断層がどのような状態で固着したり・ずれたりするか、その摩擦特性まで知る必要があります。摩擦特性の推定は、さらに一段階進んだ研究が必要ですが、そこまで進まなければ地震の発生予測は難しいと考えています。

地震の発生予測を目指して

―　そのような研究の難しさがある中で、「情報科学を活用した地震調査研究（STAR-E）プロジェクト」が昨年度からスタートしました。西村先生の研究と本研究課題「データ同化断層すべりモニタリングに向けた測地データ解析の革新」との関わりについて教えてください。

[西村]　まず１点目は、地下で起こる断層のゆっくりしたすべり（スロースリップ）を私はGNSSデータから検出する手法を約10年前に提案したのですが、それが本研究課題にもつながっていくと考えています。

【図2】日本海溝から沈み込む太平洋プレートのプレート境界面で発生したスロースリップに伴う地殻変動と断層モデル

【図2】は、2005年4月14日頃並びに2016年7月19日頃に関東地方で発生したスロースリップを、GNSSデータを用いて検出した結果です。白い矢印が計算値、黒い矢印が観測値、図の右下にある矢印で2 mmですから、かなり小さな変化です。以前はこのような小さなスロースリップイベントを検出する手法はあまりありませんでしたが、簡単な統計指標を用いて客観的に探知する手法を提案し、SN（シグナル／ノイズ）比が低いデータからもイベントを抽出できることがわかってきました。

　客観的な統計指標を用いることは、機械学習以前に、科学としては当たり前のことですが、これがさらに進化していけば、機械学習が得意なディテクション（検出）などは今後、機械学習に置き換わっていくでしょう。

　２点目は、断層のすべりや固着は推定できても、そこから摩擦特性を知ることは難しいと先程も述べた点についてです。本プロジェクトの目標は、沈み込み帯における断層すべりのモニタリングシステムの確立であり、その中には摩擦特性の推定も含まれます。このモニタリングシステムを確立できれば、将来に向けた地震の発生予測に間違いなく近づくことになりますので、私もこのプロジェクトに関わっている次第です。

―　断層の摩擦特性の推定と地震発生予測の関係について、もう少し解説いただけますか？

[西村]　摩擦特性とは、断層がすべる時、つまり外から力をかける時にどのようにすべるかです。急激にすべると地震になるわけですが、急激にすべる場所もある一方で、ゆっくりとしかすべらない場所もあり、その摩擦特性は場所によって異なると考えられています。急激にすべる場所では、将来大地震が起こる可能性が高いですし、地震ではなくスロースリップ、あるいは普段からずるずるすべっている場所もあります（大地震とスロースリップイベントが相互作用して起きていることなども盛んに研究されています）。そのような摩擦特性を断層上でマッピングできれば、将来の地震発生予測に近づくだろう、と考えるわけです。

　それを知るためには、地殻変動から直接得られる断層すべりの速さ、つまり、いつ何時、どれくらいの速さですべったかの時間発展の履歴と、そこにどのような力が加わるか、その両方を知る必要があります。

　従来のモニタリングでも断層すべりの位置は一応推定できますが、そこから摩擦特性の推定まで行うことは、この研究課題の主目的でもあり、研究代表者である加納将行さん（東北大学理学研究科　助教）が長年取り組んでいる課題でもあるので、それが全部つながり摩擦特性の推定までいければ、将来の地震発生予測につながるものと大きく期待しています。

地殻変動研究のこれまでとこれから

―　続いて、文部科学省の「情報科学を活用した地震調査研究（STAR-E）プロジェクト」で全体のプログラムオフィサーを務めていらっしゃる、平原和朗先生に伺います。まずは、平原先生の自己紹介からお願いできますでしょうか。

[平原]　私自身は、5年前に京都大学を退職後、理化学研究所の革新知能統合研究センターという、人工知能を様々な分野に応用しようというセンターの防災科学チームに所属しています。そこでは、地震学や地殻変動学に機械学習を何とか取り入れようとしているので、このSTAR-Eプロジェクトは、まさに私もやろうとしたことなのですよ。

　ただ、難しさもあって、5年間で機械学習の専門家といろいろ話したのですが、やはり彼らも忙しいんですよね。さまざまな分野で今、機械学習の専門家が足りず、地震にはなかなか興味を持ってもらえない状況です。

　さらにデータの問題点も指摘されました。地震波形や地殻変動等のデータは特殊フォーマットで、誰でも使えるフォーマットになっていないと。機械学習の専門家が、ぱっと机に座ってザーッとやれる環境じゃないとか、いろいろな問題があります。

　そのような問題を打破するには、むしろ地震学者が機械学習に近づくしかないでしょう。機械学習の専門家が黙って寄って来てくれるわけではないので、地震学者がアピールしていく必要があると思います。さらに地震学者自身も、機械学習を学んで手を動かしながら、発展させていく。このSTAR-Eプロジェクトは、そのスターティングポイントになると思います。5カ年でどこまでいけるかは、非常に面白いところだと思いますね。

　機械学習の発展は、圧倒的な速さがあります。私自身、理研に入ってびっくりしたのですけど、地球科学者や地震学者が使うFortranというプログラム言語が、もう理研のコンピュータには入っていないのですよ...（笑）。Fortranを使うなら自分で入れろ、という。機械学習のプログラムコードはPythonで書かれています。確かにこれは学生にとっては非常にとっつきやすいですよね。

　脱線しましたが、要するに、若い人たちは、機械学習にかなりとっつきやすいと思います。それと、西村さんが先程仰っていた地震発生予測がマッチングすれば、大きな進歩につながると期待しています。

―　具体的にはどのような進歩をイメージされているでしょうか？

[平原]　西村さんが研究されていた、地表で2 mmという、ノイズの中にある地表の動きは、地下の動きに直す必要があるわけですが、地表の動きから地下の動きに直す過程にはまだまだ仮定がたくさんあります。地下が動くと地表が動くわけですが、プレート境界には、ずるっとすべる場所と、ずっと固着している場所があります。今のところは地球の内部構造が割と一様で不均質がない簡単な仮定でも十分通じますが、もう少し精度を上げようとすると、「ここが硬くて、ここは柔らかい」というものを入れてまた地下の動きに戻す必要があります。その固着の仕方を西村さんはGNSSデータ等から読み取ろうとしているわけです。

　その固着の仕方を、岩石の摩擦実験から得られた断層摩擦則の摩擦のパラメータで表すことができれば、今度はコンピュータの中で、プレート境界の動きを力学の方程式で再現することができます。さらに、それにGNSS観測等でその動きがよく分かっているプレート運動を与えることで、機械学習とはまた別の話ですが、地震が勝手に発生するシステムをつくることができます。すでに気象分野では数式を使った「数値気象予報」が実用化されていますが、いわば「数値地震予報」が理論的には可能になるわけですね。もちろん現実はそんなに甘くはないですが（笑）、我々研究者にとって夢のひとつです。

　STAR-Eプロジェクトで地殻変動をメインに扱っているのは、加納さんたちのグループだけですから、地震発生予測に近づく一歩をぜひ踏み出してほしいです。

―　他のSTAR-Eプロジェクトの採択課題では、どのような研究が行われているのですか？

[平原]　STAR-Eプロジェクト全体としては、加納さんたちのグループの他にも、例えば、地震が揺れた時にどこが揺れるかを予測してマッピングするグループや、地震活動の長期・中期・短期予測を目指すグループ、余震活動の予測精度を上げるグループ、緊急地震速報に機械学習を活用しようというグループ、紙に残る古い地震の記録を遡るグループなどがあります。その中で、地殻変動から地震発生予測というイメージがあるのは、加納さんたちのグループだけです。

―　揺れを伴うような地震ではなく、ゆっくりした断層すべりを地殻変動データでモニタリングすることが本課題の目標で、地震波形データではなく地殻変動データを扱う点が本研究課題の特徴とのことですが、地震学全体の中で地殻変動研究はどのような位置付けにあるのですか？

[平原]　難しい質問ですね...（笑）、まず人口比は、地殻変動より地震学の方が多いです。地殻変動は昔、「測地学」と呼ばれていました。話は脱線しますが、僕は卒業後、専門だった地震学で当時ポジションがなかったので、測地移動班でひたすら大気の温度を測っていましたよ（笑）。「光波測量」といって、（地殻変動の検出のために）断層を挟んで光波測量儀とミラーを置き、レーザー光を打ち反射して返ってくる時間から距離を求めることを年1回程度、測るのです。（気温や気圧による光の速度変化が誤差を生むため）大気が安定する夕方に測るのですが、ほとんど大気の揺らぎを測るようなものでした。

　ちょうど私が地殻変動の研究を始めようとした時にGPSが登場し、レーガン・中曽根の日米貿易摩擦解消のためGPS受信機を大量購入せよと言われました。京大防災研にいたのですが、当時は１台3,000万円～4,000万円もしたGPS受信機（現在は約100万円）を約10台買いました。そんな時代から始まりましたね。

　今は24時間、最低4個は衛星が飛んでいますが、最初の頃は3時間ぐらいしか飛んでいなくてね。ですから昔は夜中に起きて観測した時もありました。すみません、昔の話に脱線して（笑）。

―　昔のお話を伺って、GPS登場が如何に画期的だったかが、よくわかりました。

[平原]　そういう古い話ならいくらでも（笑）。まだ国土地理院がGPS観測点を設置していなかった昔に、南大東島に行きGPSで島（フィリピン海プレート）の動きを測ったことがあります。あそこは本当に面白いんですよ。沖縄に向かって年間10cmくらい、ひょっこりひょうたん島みたいに動いているのですよ。

―　私も昔の話に脱線しますが、幼い頃、「ハワイが日本に毎年約6cmずつ近づいている」と聞いて驚きました。それもGPSで地殻変動を観測できるようになってわかったことですか？

[平原]　それはVLBI （Very Long Baseline Interferometry／超長基線電波干渉法）で観測された結果ですね。地球から数十億年後年彼方にある準星（クエーサー）が放つ電波を複数のアンテナで同時に受信し、その到達時刻の差からアンテナ間の距離を数mmの精度で測る技術です。

[西村]　VLBIは、GPSと原理は似ていますが、大型のアンテナが必要です。GPSは人工衛星からの電波を受信して位置を測りますが、VLBIはクエーサーという非常に遠くにある星から来る電波を受信するために、10 m級のパラボラアンテナが必要です。非常にお金がかかるので、日本にも数台しかありません。それを使って日本とハワイとの距離を測ったのが最初です。GPSの登場によって、VLBIよりもずっと安価・小型で地球上の遠く離れた２地点の距離を計れるようになった、ということです。

データ科学との融合

―　昔のお話を伺って西村先生が冒頭仰っていたブレイクスルーの意味がよくわかりました。最後に、今後の研究の意気込みについて伺えますでしょうか？

[西村]　GNSSを用いた観測点は現在、国土地理院の基準点が全国1,300ヶ所ありますが、今後さらに爆発的に増える流れにあります。特に民間の携帯電話会社等が独自の基準点を運用するケースが増えており、例えば、日本ではソフトバンクが全国3,300ヶ所以上に設置しているGNSS観測データを活用する流れもあります。さらに陸上のみならず、海底の観測網が、南海トラフや日本海溝沿いにもどんどん新設されているので、データはさらに増大することが期待されます。

　観測点の数が、1,000点ぐらいまでなら人間の目でも判定できますが、それ以上増えれば、それもできなくなってきますよね。データの増大に対応するためにも、機械学習や情報科学を使った処理が今後は必須になると思います。

　また、私も今住んでいる西日本の人たちにとって大きな脅威である南海トラフ巨大地震が、今後数十年のうちに起こるだろうと言われています。それまでに、このプロジェクトで目標とする断層すべりのモニタリングシステムを確立し、その時を待ちたいです。たとえ、次の南海トラフ地震の発生予測は難しいにせよ、将来に向かって予測につなげられるよう、研究に邁進したいと考えています。

―　続いて、平原先生からも、本プロジェクトへの期待をお聞かせいただけますか？

[平原]　STAR-Eプロジェクトのグループ間でも、若い人たちは情報交換を積極的にされていると聞いています。５ヶ年のプロジェクトが終了し、ある程度の成果が出たら、それらが合体し、新しいものを生み出してくれると期待しています。

　そして、やはり、南海トラフ地震の発生予測に何らかの貢献をしてほしいと思いますね。西村先生も仰っていたように、次の地震の発生予測自体は難しいにせよ、何らかの爪痕を残したいものです。次の地震が発生する時、どういうことが起こりそうか何かアイデアを持った上で、観測しデータを見なければ、何が起きているかわからないですからね。必ずしもうまくいくわけではありませんが、そんな時にこのSTAR-Eプロジェクトが大きな役割を果たすことを期待しています。

　さらに、機械学習の研究者にも地震学や地殻変動学の研究課題を理解してもらい、新たな参入を呼び起こせると非常によいですね。「これ、結構面白そうじゃないか」と思っていただけるとありがたいです。

[西村]　平原先生も仰る通り、分野融合は重要だと思います。自分の視点が狭くなったり、情報科学の世界では常識でも、地震学や測地学の世界では全然知られてない手法等も多々ありますからね。そういうものを組み合わせて新しいものが研究できればと思います。

―　平原先生、最後に何か言い足りないことはありませんか？

　むしろ、こちらから伺いたい。「地震とAI」というタイトルから、何を想像されますか？

―　やっぱり素人ほど、「AIが地震発生を予測してくれるだろう」と思うと思いますね。

[平原]　だといいんですけどね（笑）。5年ではなかなか難しいですが、このプロジェクトを出発点として、地震学や地殻変動学がその方向へ大きく変わっていけるといいですね。

　そのためにも、繰り返しにはなりますが、やはり若い人たちに何とかアピールしたい。地震学も地殻変動も今、若い研究者が減っているのです。機械学習の研究者にもどんどん参入いただきたいですね。

―　西村先生、平原先生、本日はどうもありがとうございました。