Se propone un método para la detección de áreas de deslizamientos de tierra basado en EfficientNetV2 con imágenes ópticas convertidas de imágenes SAR utilizando pix2pixHD con un mecanismo de atención espacial en la función de pérdida. Los deslizamientos meteorológicos, como los deslizamientos después de fuertes lluvias, ocurren independientemente del día o la noche y de las condiciones climáticas. Los deslizamientos meteorológicos son más fáciles de juzgar visualmente utilizando imágenes ópticas que imágenes SAR, pero las imágenes ópticas no se pueden observar de noche, bajo la lluvia o en días nublados. Por lo tanto, ideamos un método para convertir imágenes SAR, que permiten la observación en todas las condiciones climáticas independientemente del día o la noche, en imágenes ópticas utilizando pix2pixHD, y para aprender sobre áreas de deslizamientos utilizando las imágenes ópticas convertidas para construir un modelo entrenado. Utilizamos imágenes SAR y ópticas derivadas de Sentinel-1 y -2, que capturaron deslizamientos causados por el terremoto del 14 de abril de 2016, como datos de entrenamiento, y construimos un modelo de aprendizaje que clasifica áreas de deslizamientos utilizando EfficientNetV2. Evaluamos la superioridad del método propuesto comparándolo con un modelo de aprendizaje que utiliza solo imágenes SAR. Como resultado, se confirmó que el F1-score y el AUC fueron 0.3396 y 0.2697, respectivamente, al utilizar solo imágenes SAR, pero mejoraron de 1.52 a 1.84 veces a 0.6250 y 0.4109, respectivamente, al utilizar el método propuesto.