深層学習モデルで生成する豪雨の時空間分布を活用した流域の水害リスク評価
| Project/Area Number |
21K05841
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 41030:Rural environmental engineering and planning-related
|
|---|
| Research Institution | National Agriculture and Food Research Organization |
|---|
Principal Investigator |
皆川 裕樹 国立研究開発法人農業・食品産業技術総合研究機構, 農村工学研究部門, 上級研究員 (70527019)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
福重 雄大 国立研究開発法人農業・食品産業技術総合研究機構, 農村工学研究部門, 研究員 (80845850)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 流域水管理 / 豪雨対策 / 深層学習 / 水害リスク / 降雨時空間分布 |
|---|
| Outline of Research at the Start |
流域内に潜在する水害リスクの空間分布を明らかにする。まず、観測および将来の気候変動を考慮した予測豪雨データを深層学習モデルGANに学習させ、多数の豪雨の時空間分布パターンを模擬的に生成させる。次に、その時空間データを新たに開発する流出・湛水解析モデルに入力し、豪雨の局地性を考慮した解析を実施する。これにより、現在～将来の未経験の降雨パターンを考慮した水害リスク評価とその空間分布を明らかにするとともに、危険度が高い豪雨パターンを示す。最後に、モデル上で水田貯留の強化を想定し、その際の作物被害及び周辺浸水リスクの変化を比較して、流域治水への農業施設の貢献可能性を検証する。
|
| Outline of Annual Research Achievements |
敵対生成ネットワーク（GAN）を適用した降雨データ模擬発生モデルのプロトタイプを作成した。モデル化に当たり、①動画予測ベースと②圧縮画像ベースの生成モデルの2通りで検討したが、①は短時間先までの予測には適用可能性が見えたものの、降雨発生の予測ができないため３日雨量への適用は困難と判断した。一方②では、各ピクセルの72時間分の雨量データの時間変動を3次元（RGB）データに圧縮し、ある1枚の画像に変換する。GANによって、そのRGB画像を学習させるよう設計した。学習用データには1kmメッシュ単位の解析雨量を用いており、対象領域の最上川流域を包括する215km×127kmの矩形領域において、2008年から2020年までの間に一定以上の雨量が発生したイベントを抽出した（60イベント、合計528日分）。
画像の生成結果を見ると、学習結果多様な3次元画像データを生成できていることが確認された。これにより、本課題で目的とした降雨パターンの多様性を生成する点について一定の成果が表れた。ただし、発生させた画像を時間データに展開する際に使用するオートエンコーダの学習に3時間移動平均データを用いた関係で、画像展開時に雨量ピークが鈍る点が課題として挙げられた。観測と生成データで1時間雨量の強度分布を比較すると、大きな雨量の発生ができていないことを確認した。この課題の解消としては観測値との比較によるバイアス補正等が想定されるが、次年度の検討課題とする。
また同時に、水害リスクを評価する分布型モデルでは、対象流域における過去の豪雨イベント時の実績流量の再現性を高めるよう流出パラメータの最適化した。この結果、より精度の高い解析が可能となり、リスク評価さらに、流域内にある水田域の流出計算を改良し、豪雨対策として田んぼダムを実施した際の流出抑制効果を評価可能にした。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本課題の核となる、深層学習を用いた豪雨時空間データの模擬発生法のプロトタイプが作成できたことにより、広大な面積を持つ一級河川流域において様々な降雨パターンを想定が可能となった。同時に、分布型流出モデルの洪水再現性を向上させ、水田を活用した対応策の設定も組み込むなどモデル改良が進んだため、流域の水害リスク評価および、その緩和策の評価が可能となった。これにより、本課題は概ね順調に進捗していると考えている。
|
| Strategy for Future Research Activity |
豪雨の生成について、降雨パターン生成は進んだものの雨量強度の再現性について課題が残っている。この点について、雨量強度の補正、対象領域のサイズ変更（小さい領域に変更）、時間データの長さの変更（24時間などへ）等、複数の改良案を検討している。今年度はこれらの手法適用による生成降雨データ特性の改善を目指す。
それと同時に、生成データの取り扱い手法を整理して流域モデルへ入力可能な状態にして、多様な降雨パターンによる水害リスク評価を実現する予定である。
|
Report
(2 results)
Research Products
(1 results)
