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

利用深度学习模型生成的强降雨时空分布进行流域洪水风险评估

• 批准号: 21K05841
• 负责人: 皆川 裕樹
• 金额: $ 2.58万
• 依托单位: National Agriculture and Food Research Organization
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K05841/
• 关键词: 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

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。

我们使用生成对抗网络 (GAN) 创建了降雨数据模拟模型的原型。对于建模，我们考虑了两种方法：（1）基于视频预测的生成模型和（2）基于压缩图像的生成模型虽然（1）似乎适用于短时间内的预测，但不可能。据判断，该方法很难应用于日常降雨。另一方面，在步骤2中，每个像素的72小时降雨数据的时间波动被压缩为三维（RGB）数据并转换为单个图像。它被设计为使用 GAN 来学习 RGB 图像。训练数据使用以 1 公里网格为单位的分析降雨量，以及 2008 年至 2020 年期间在包含目标区域最上川流域的 215 公里 x 127 公里矩形区域内发生的降雨量超过一定水平的事件（60 次事件，528 天）。全部的）。查看图像生成结果，证实学习结果能够生成各种3D图像数据。因此，我们在实现本项目目标的降雨模式多样性方面取得了一定程度的成功。然而，出现的一个问题是，在生成图像时，峰值降雨量会减弱，因为使用 3 小时移动平均数据来训练自动编码器，用于将生成的图像生成时间数据。比较观测数据和生成数据之间的每小时降雨强度分布，确认没有发生大量降雨。该问题的一个可能解决方案是通过与观测值进行比较来修正偏差，但这将是下一财年考虑的主题。同时，在洪水风险评估的分布式模型中，优化径流参数，提高目标流域以往暴雨事件实际流量的再现性。因此，可以对流域内的稻田进行更准确的分析、改进风险评估和径流计算，从而可以评估在实施稻田水坝作为应对暴雨时减少径流的效果。 。

项目成果

農業水利施設の協働が広域の河川流量に与える影響の評価

农业灌溉设施合作对大范围河流流量影响评价

• 发表时间: 2023
• 作者: 皆川裕樹;相原星哉;吉田武郎;高田亜沙里;久保田富次郎
• 通讯作者: 久保田富次郎