本研究では、ノイズを含む空間点過程の強度関数に対して変数選択を行う手法を提案しています。近年、高解像度の空間データがリモートセンシングや自動画像解析によって入手可能となっており、イベントの局所化に影響を与える空間共変量の特定は、そのメカニズムを理解する上で重要です。しかし、自動取得技術による結果はしばしば計測不確実性や検出エラーによるノイズを含むため、虚偽の変位や見逃しが生じます。本研究は、ポアソン過程やトーマス過程を含む様々なモデルにおけるスパースな点過程推定に対するノイズの影響を検討し、ポイントプロセスのサブサンプリングに基づく安定選択と非凸のベストサブセットペナルティを用いてモデル選択のパフォーマンスを向上させることを提案します。シミュレーション結果から、このアプローチが多様なノイズシナリオにおいて真の共変量を正確に回復し、選択精度と安定性を改善することが示されました。さらに、熱帯雨林における樹木の分布と標高および土壌栄養素との関係を分析するために提案手法を適用し、その実用性が示されました。