本研究では、カエルの分布監視を改善するために、FrogDeepSDMという手法を提案しています。従来のデータ収集方法は限界があり、特に情報の網羅性や完全性が不足しています。種分布モデル（SDM）を用いて、発生データと環境変数を分析し、特定地域におけるカエルの存在を予測します。本研究では、EY - 2022生物多様性チャレンジから得たデータを使用し、深層学習とデータ補完手法を適用しました。その結果、データバランスを調整することで、カエルの数え方における平均絶対誤差（MAE）が189から29に減少し、モデルの性能が向上しました。また、環境要因の選択が発生に影響を及ぼす重要な要素を特定し、入力の最適化を行いました。マルチモーダルアンサンブルモデルは、個別モデルよりも優れた性能を見せ、未知の地域でも高い予測精度を維持しました。この研究は、データが不十分な場合における生態学的モデリングの精度向上に貢献します。