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

点击翻译按钮获取中文摘要

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。