状態遷移を用いたゲリラ豪雨の予測* 集中豪雨による災害防止に向けて Guerrilla Rainstorm prediction of using a state transition 稲福澄春** 玉城史朗***1 平田哲兵***2 山田広幸***3 大澤慎吾***4 Subaru INAFUKU Shiro TAMAKI Teppei HIRATA Hiroyuki YAMADA Shingo OHSAWA 1. 研究背景 ような自然現象を解析することが可能となれば豪雨に 近年ゲリラ豪雨による被害が全国で多発している。 ゲリラ豪雨は降雨の範囲が局地的で突発的に発生する よる被害を防止するための有力な手段と成り得る。 ため予測が困難である。ゲリラ豪雨による被害の具体 例として以下のものが報告されている。 2. WITH レーダー 2013 年 7 月 28 日に発生した山口島根豪雨で死者 2 ダーを使用する。WITH レーダーにより観測されたデー 人、行方不明者 2 人、家屋の全壊が 41 戸 [1]。 気象庁は「特別警報」に準じた初めての対応を取 タを使用し、局所的地域における降水強度を推定する。 WITH レーダーは琉球大学工学部一号館屋上に設置され る。 2013 年 8 月 24 日島根県において 2013 年 7 月 28 ており、以下の特徴を持つ。 本体のサイズは全長 1m 弱 日の豪雨に匹敵する記録的な大雨となり、死者 1 ゲリラ豪雨などの発生原因である積乱雲の発達過 人、家屋の全壊が 8 戸 [2]。 気象庁は「特別警報」に相当すると発表。 程をとらえるため、高度 2km 以下の観測が可能 ドップラー方式を用いた観測 また、(株)ウェザーニューズのまとめによると東京 都内でゲリラ豪雨の発生回数が昨年の 2 倍にものぼっ 周波数は 9340MHz(X バンド)、30W サンプリングタイムは約 6 秒 ていることが明らかとなった。このようなゲリラ豪雨 による被害を未然に防止するためには可能な限り長時 観測可能範囲は半径 50km 空間解像度は 150m メッシュ 本研究では、(株)ウェザーニューズ所有の WITH レー すなわち、WITH レーダーはドップラー効果を応用し 間後における降水量を予測する必要がある。我々はこ れまで(株)ウェザーニューズ所有の WITH レーダー [3]による観測データを基に自己回帰モデルを用いて て観測対象の位置に加えて移動を観測できるため、雨 雲の発達、持続時間に加え、移動方向、移動速度の観 解析を行い降水強度の予測を行ってきた [4]。しかし、 WITH レーダーのサンプリングタイムが不等間隔である 測が可能となる。 図 1 (左)は 2010 年 9 月 13 日に沖縄県北谷町を中心 という問題点があった。また、長時間後の降水強度を とした局所的集中豪雨を琉球大学工学部一号館屋上か 予測する際は予測値を用いての予測となるため誤差が 拡大する。 ら観測した画像である。図 1(右)は WITH レーダーで計 測した地域的な降水量である。降水量は、青色から赤 我々の研究目的は、数時間後(30 分~1 時間)におけ るゲリラ豪雨の発生を可能な限り予測し、その推移を 色に推移するにつれ増大する。従って、地図上の赤色 の部分が図 1 左の写真で観測された集中豪雨の領域で 解析することである。本研究では、まず、30 分~1 時 間以内で発達・消滅するゲリラ豪雨の雨量予測を行う。 ある。この領域は、降水強度 30mm/h 以上であった。 予測手法として、現在の状態から次の状態へ変化する 事象をマルコフモデルとみなした状態遷移アルゴリズ ムを導入する。ところで、状態遷移を用いた予測方法 は任意に定義できるため、様々な予測方法が発案可能 となる。このように、状態遷移を用いてゲリラ豪雨の 図 1. 観測画像およびゲリラ豪雨 *平成 25 年 11 月 13 日第 35 回風力エネルギー利用シンポジウムにて講演 **,***1 会員 琉球大学 ***2,***3 非会員 琉球大学 3. WITH レーダーによる台風の観測 ***4 非会員 (株)ウェザーニューズ ここでは、2012 年に沖縄本島に上陸した台風の観測 *** 非会員 (株)○○○○工業 -375- 結果を示す。 3.1. レーダーで観測した台風 図 2 は名護に設置された WITH レーダーで観測した 台風 15 号の画像である。図 2(左) は降水強度を観測 した画像、図 2 (右)はドップラー速度を観測した画像 である。画像中の観測データの抜けている部分が円を 描いており、この部分が台風の目である。 図 4. 折り返し補正例 4. 予測方法 図 5 のように時系列順に観測した横 X ピクセル、縦 Y ピクセルの観測画像をサンプル値データ群とする。 時刻 i における座標(j,k)の降水強度を と表記 図 2. WITH レーダーで観測した台風画像 3.2. する。ここで i を 0 から t まで増分することにより、 時系列データ 、 、 ・・・、 が作成 観測値折り返しについて 雲の移動速度および移動方向を表すドップラー速度 については風速-16m/s~16m/s の範囲まで観測可能で できる。データは時間とともに、降水強度の状態間を 遷移する。この様子を状態遷移図で表す。得られた降 ある。しかし、台風等で雲の移動速度がこの観測範囲 を超える場合は折り返し現象が起こるため、実際のド 水強度の時系列データを基に状態遷移図を作成し、予 を求める。この処理を座標(0,0)から 測値 ップラー速度を観測することはできない。その場合は 補正を行い解析する必要がある。 (X,Y)まで処理することで全座標の予測値が求まる。 各ピクセルに適用する予測方法として状態遷移確率 折り返し現象とはナイキスト定理による信号再構成 期待値による予測を提案する。具体例として、ある注 の概念を適用したものである。ここで、補正前後の周 波数折り返しの概要を図 3 に示す。実際の標的のドッ 目するピクセルから以下の 30 個の時系列データ {0,0,13,13,・・・,9,8,8}(左から時刻 t=1,2,・・・,30) プラー周波数が、検出可能な最大ドップラー周波数を 超える場合は、レーダーで測定される周波数に折り返 が得られた場合の予測方法について説明する。 図 6 に状態遷移図を示す [6]。状態遷移確率の期待 しが生じ、ドップラー周波数が不確定になる [5]。 値による予測とは、予測直前の値が状態遷移する確率 図 4 に実際の観測画像を用いた折り返し補正例を示 す。この例では、台風 21 号について折り返し補正を行 から降水強度期待値を求める方法である。この例にお いては予測直前の値が 8 であるため図 6 の 8 の部分に った。本来レーダーで観測可能な範囲は、図 4(右)の ラベルが示す-16m/s(青)~16m/s(赤)であるが、補正を 注目する。この場合は 8×2/3+10×1/3 8.67 が予測値 となるが、降水強度は 0~14 の整数で表されるため、 行う場合は新たな範囲を定義しなければならない。こ の例では、新たに風速 32m/s(緑)までの範囲を定義し 四捨五入を行い 9 を予測値とする。 補正を行った。補正後の画像から確認できるようにレ ーダーに近づく方向へ移動が観測された青色の部分を、 赤色よりも遠ざかる緑色の部分へ補正を行った。 図 5. サンプル画像中における各座標の降水強度 図 3. ドップラー速度折り返し -376- 図 7. 発達過程予測結果 表 1. 発達過程予測精度比較 自己回帰モデルによる予測 最尤法 91.45% Burg 法 90.93% Yule-Walker 88.63% 最小二乗法 87.43 状態遷移による予測 期待値予測 91.96% 図 6. 状態遷移図例 5. 図 8 に予測画像、表 2 に先行研究 [4]との予測精度比 較を示す。表 2 に示すように、状態遷移を用いた期待 予測精度評価手法 本章では、予測画像の予測精度評価方法を説明する。 降水強度は 0~14 までの 15 段階で表されるため、実 測値と予測値の誤差の最大値は 14 となる。予測精度の 値予測は先行研究と比べ精度の高い予測を行うことが できた。 評価方法とし、誤差率(ER)は以下のように定義した。 式(1)に誤差率の定義式を示す。また、予測精度を 100% から式(1)で求めた誤差率を引いた値と定義した。予測 精度の定義式を式(2)に示す。予測画像全体の予測精度 は実測画像と対応する各ピクセルごとに予測精度を求 図 8. 減衰過程予測結果 め、その平均値とした。また、実測画像、予測画像共 に降水強度が 0 の部分は無視し予測精度を求めた。 表 2. 減衰過程予測精度評価 ER:誤差率 (1) PA:予測精度 (2) 6. 自己回帰モデルによる予測 予測結果 本章では雨雲の発達過程、減衰過程についての結果 を示す。予測間隔はレーダーのサンプリングタイムで ある約 6 秒である。先行研究においては自己回帰モデ ルを 4 つのアルゴリズム(最尤法、Yule-Walker 法、 Burg 法、最小二乗法)により構成し、予測を行った。 6.1. 雨雲発達過程の予測結果 本節では雨雲の発達過程について予測結果を示す。 図 7 に予測画像、表 1 に先行研究 [4]との予測精度比 較を示す。表 1 に示すように、状態遷移を用いた期待 値予測は先行研究と比べ精度の高い予測を行うことが できた。 6.2. 最尤法 88.66% Burg 法 88.06% Yule-Walker 86.35% 最小二乗法 76.53% 7. 期待値予測 89.29% 5 分後の予測 これまでは、予測時間を 6 秒としていた。しかし、 我々の研究目的は集中豪雨による被害を未然に防止す ることである。そのためには、可能な限り長時間後に おける降水強度の予測を行う必要がある。そこで本章 では予測時間を約 6 秒から約 5 分へ伸ばし予測精度を 求めた。予測には降水強度の最も強い部分を強調する ため、状態遷移を用いた新たな予測アルゴリズムを提 案する。5 分後の降水強度を予測する際は状態遷移確 率の期待値を 50 ステップ先(WITH レーダーのサン プリングタイムが約 6 秒であるため)まで求め 5 分後 の予測とする。 雨雲減衰過程の予測結果 状態遷移による予測 本節では雨雲の減衰過程について予測結果を示す。 -377- 7.1. 状態遷移を用いた新たな予測手法 まず、通常の状態遷移アルゴリズムにより 5 分後の ータを用いて、状態遷移による降水強度の予測を行っ た。ここでは、まず約 6 秒後の降水強度の発達過程、 予測を行うと降水強度の最も強い部分を確認すること ができなかった。また、5 分後の予測を行う場合、雨 および減衰過程について予測を行った。5 章で説明し た予測精度評価により先行研究と比較を行った結果、 雲が移動するため、予測精度が落ちる場合がある。そ 発達過程、および減衰過程の、どちらの場合について こで、5 分後の降水強度を予測する際は降水強度の最 も強い部分を強調できるよう状態遷移則を変更する必 も先行研究と比べ精度の高い予測を行うことができた。 しかし、我々の研究目的は可能な限り長時間後にお 要がある。そこで、降水強度が時間とともに増加する データに注目し、予測に用いる現在値の強度以上の値 ける集中豪雨の発生を予測することである。そこで、 予測時間を延ばし 5 分後における予測を行った。その のみを用いて、状態遷移則を改良した。図 6 に示した 例においては、1 ステップ後予測値は 9 となり、2 ステ 際は雨雲の重心を定義し、基準となる重心座標へ雨雲 を移動させたサンプルデータを用いて、状態遷移図を ップ後の予測値は 9 から予測が下がる 8 への状態遷移 作成した。また、降水強度の最も強い部分を予測する を考慮しない。従って、予測値は となる。このよう に 50 ステップ予測を行い、5 分後の予測とする。 ため、予測直前の値以上への値のみの状態遷移を用い て予測を行った。その結果、通常の状態遷移による予 また、予測する間に雨雲が移動する問題を解決する ために雨雲の重心を定義し、基準となる重心座標へ雨 測では確認不可能な降水強度の最も強い部分を予測画 像中に確認することができた。また、通常の状態遷移 雲を移動させた上で、4 章で説明したように各ピクセ を用いた予測と比べ予測精度を改善することを可能と ルからの時系列データを基に状態遷移図を作成した。 雨雲の重心は、その画像の中で最も強い降水強度の座 した。今後は予測精度の向上および高精度の雨雲の重 心座標予測である。また、本研究においては最長で 5 標の平均とした。雨雲の重心座標を考慮した場合、予 測画像における雨雲は基準とした重心座標の位置へ出 分後における集中豪雨の予測を行った。しかし、突発 的な集中豪雨の対策を講じるためには、予測時間をさ 現する。そのため、予測したい時刻における雨雲の重 心座標へ移動させる必要がある。今回は重心座標は実 らに延長する必要がある。今後の我々の目標は、約 30 分後の集中豪雨の発生、推移を予測することである。 測値を用いた。 謝辞 7.2. 予測結果 本降雨データを提供していただいた(株)ウェザーニ 図 9 に予測結果を、表 3 に通常の状態遷移による 予測との予測精度比較を示す。図 9 から予測画像中に 降水強度の最も強い赤い部分を確認することができる。 また、表 3 から通常の状態遷移による予測と比べ予測 精度向上を達成できた。今後は予測時間を可能な限り 延ばし、より高精度な予測を行うことが課題である。 図 9. 5 分後予測結果 表 3. 5 分後予測精度比較 予測手法 予測精度 通常の状態遷移による予測 60.90% 状態遷移を用いた新たな予測 84.64% 8. ューズ社に深く感謝申し上げます。 参考文献 1. 総務省消防庁. 島根県及び山口県の大雨の被害 状況等(最終報). 2013. 2. 総務省消防庁. 8 月 23 日から 28 日までの大雨等 による被害状況等について(第6報). 2013. 3. 手柴充博(ウェザーニューズ). WNI におけるレー ダーの取り組み. 2012. 第 6 回 MU レーダー・赤道 大気レーダーシンポジウム. 4. 仲栄真言祈. 高分解能レーダー画像を用いた気 象予測モデルに関する研究. 2012. 修士(工学)学位 論文. 5. 深尾昌一郎・浜津享助. 気象と大気のレーダーリ モートセンシング. 京都大学学術出版会, 2009. 6. 森本英典・高橋幸雄. マルコフ解析. 日科技連出 版社, 2000. まとめと今後の課題 本研究では WITH レーダーから得られる時系列デ -378-
© Copyright 2024 Paperzz