2018 Fiscal Year Annual Research Report
High precision, high certainty, and high efficiency future storm surge projection based on ensemble climate change experiment
| Project/Area Number |
16K06509
|
|---|
| Research Institution | Kansai University |
|---|
Principal Investigator |
安田 誠宏 関西大学, 環境都市工学部, 准教授 (60378916)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森 信人 京都大学, 防災研究所, 教授 (90371476)
中條 壮大 大阪市立大学, 大学院工学研究科, 講師 (20590871)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 高潮 / 気候変動 / 将来予測 / 確率台風モデル / ニューラルネットワーク / 氾濫解析 / バイアス補正 / 集積リスク |
|---|
| Outline of Annual Research Achievements |
全球気候モデル（GCM）で計算される台風に対して，観測データ（IBTrACS）を真値とみなしたバイアス補正手法について検討した．これを元に，AMR手法を採用した高潮モデルを使用し，気候計算に対応する長期積分の計算コストを抑えつつ確実性の高い高潮の将来変化予測を行った．高潮の将来変化は，瀬戸内海の安芸灘から周防灘にかけて0.5m程度増加し，大阪湾において0.5m程度減少する予測結果になった．
確率台風モデルと非線形長波モデルを用いて高潮解析を行い，安芸灘・伊予灘において高潮簡易予測式を提案した．広島と松山を対象に，簡易予測式の推定精度に及ぼす資料数や経路の影響評価を行った．資料数を増やすことにより誤差やばらつきは減少し，精度を向上できることを示した．経路を分類した上で係数を算定すれば，任意の地点で高潮の簡易予測式を提案できる可能性を示すことができた．
確率台風モデルを用いて人工的に台風を発生させることにより，観測データ数の不足を補った．これらのデータを用いてニューラルネットワークで学習を行い，伊勢湾を対象に統計的に高潮の長期評価を行った．また，台風強度，時間変化などを考慮した複数の学習方法の違いや，学習データ数の違いが予測結果に及ぼす影響についても検討した．教師データの偏りを減らし，台風強度の時間変化を考慮した学習方法が比較的精度良く予測できた．また，長期評価の結果から，再現期間が長くなると将来気候の高潮は現在気候に比べて1.3倍ほどで飽和する結果が得られた．
確率台風モデルで作成された人工台風データを用いて，我が国の主要湾を対象に高潮災害の年集積リスクの評価を行った．高潮解析と浸水解析を行い，年間被害額を算定した．年間被害額と年超過確率の関係を表すリスクカーブを作成し，年期待被害額を算定した．地域を選定して年集積リスク評価を行うことで，より実態に合った評価ができることを示した．
|
