四川省における土砂災害気象警報モデルの構築と検証（その１）
2018年3月26日
李 雲君： 成都信息工程大学
研究テーマは地質災害警報、気象地理情報システムの研究開発、水文モデル。
劉 志紅： 成都信息工程大学教授
博士。研究テーマは3S集積と気象の応用。
呂 遠洋： 北京華云星地通科技有限公司
柳 錦宝： 成都信息工程大学
王 平： 広安市気象局
摘要：
四川省の土砂災害は深刻である。特に2008年以降は災害の深刻さが増したため、土砂災害をいかに予防するかが人命と財産の保護における効果的方法となった。このため、土砂災害警報モデルの研究が土砂災害予防分野における中核テーマとなっている。本稿では、四川省の土砂災害のリスクについて評価を実施し、かつ、土砂災害に関する気象リスク警報モデルの研究を行った結果、以下のことが明らかになった。すなわち、①決定係数を用いた方法により勾配、地形の起伏度、水文・地質岩性、植被率、地震の震度および年平均降水量等の因子を定量化し、ロジスティック回帰モデルを構築して四川省の土砂災害リスクを定量的に区分し、かつ、その結果を検証した。その結果、四川省の土砂災害ハイリスク地域は「Y」型に分布するほか、四川省中部と北東地域の土砂災害リスクも非常に高く、これは四川省における土砂災害の空間分布状況とも一致することがわかった。②過去の土砂災害と降水量の統計分析、土砂災害リスク評価をベースとして、土砂災害リスクを静的因子、日降水量データを動的因子と評価し、ロジスティック回帰モデルを経た結果、当日の降水確率値、土砂災害リスク値、前日の降水確率値、2日前の降水確率値、3日前の降水確率値を災害モデル影響因子と確定した。警報結果に対する各因子の影響レベルは上記の順に従って漸減することから、地質-気象のカップリングによる災害気象警報モデルを構築した。検証地域のデータによりモデルの検証を行ったところ、当該警報モデルにより土砂災害の80%以上の警報に成功したことが証明された。また、土砂災害の群発事例に対する検証により、当該警報モデルは四川省で現在使用されているモデルに比べて警報地域が明らかに減少し、誤報率と欠報率が著しく減ることが分かった。
キーワード：四川省、土砂災害、ロジスティック回帰、陽的警報モデル、気象警報
1 はじめに
地質災害地域の気象因子に基づく警報方法は、主に陰的統計による警報方法、陽的統計による警報方法と動力学的警報方法の3つに大きく分類できる［1］。陰的統計による警報方法は降雨を唯一のトリガーメカニズムとしており、その中核内容は降雨閾値の決定であって地質環境による土砂災害への影響を表現することはできない。このため、地質環境の複雑な地域に対しては、この方法では実際のニーズを満たすことはできない。動力学的警報方法は物理メカニズムによる警報モデルであり、主に降雨前、降雨中および降雨後における斜面への雨水の浸水による動力学的転化メカニズムを根拠として、降雨の全プロセスにおける斜面内の地下水の動力学的作用の変化と斜面の状態ならびにその安定性との対応関係を具体的に描写する。しかし、この方法はまだ、試験用地またはある特定の土砂災害地域における研究という模索段階にある。陽的統計による警報方法は地質環境因子と降雨パラメータ等を幾重にも積み重ねることにより警報モデルを構築しており、警報地域の地質環境因子を充分に考慮することから、地質環境モデルの比較的複雑な地域に適している。
四川省のこれまでの土砂災害警報モデルは主に陰的統計による警報モデルで、降水因子のみを考慮し、降水閾値を土砂災害警報の唯一の標準とした小スケールの予報・警報を行っていた。その後は専門家による点数化方法を採用し、かつての陰的統計による警報モデルを改良した。その結果、モデルの警報精度はやや向上したが、この方法は主観性が強く、精度が低い等の欠点があったため、依然として実務上のニーズを満たせるものではなかった。
このように、かつての四川省土砂災害警報モデルの研究では一定の成果があげられてはいたが、土砂災害データが完全ではなく、地質データや降水データの精度が劣ることによって制約を受けたために、全省を対象とし、地質-気象因子をカップリングさせた、より客観的で精密な地質災害警報モデルが不足していた［2-4］。
土砂災害リスク評価の精密化レベルを向上させ、降水量による土砂災害の発生率をより客観的かつ合理的に決定づけるために、本稿では、暗号化された雨量ステーションと地域気象ステーションを含めた1時間あたりの降水データ等を含む2008年-2013年の土砂災害データと30m解像度DEMデータを収集し、現在最も広範囲に応用され、適用性が高い陽的統計による土砂災害警報モデル［1］に基づいて予報・警報モデルを構築した。これによって警報精度のさらなる向上ならびに誤報率と欠報率の制御を目指し、土砂災害気象警報の正確率を高めたいと考える。
2 データおよび方法
2.1 データソース
本稿では中国内外の研究において広く適用される［5-11］地形因子を選択し、地質因子と気象因子を静的評価指標とし、土砂災害発生当日の降水量とそれまでの累積降水量を動的指標として、四川省の環境特性や使用する勾配、地形起伏度、地質岩性、地震の震度、植被率指数、年平均降水量、日降水量等の因子を結合して陽的土砂災害警報モデルを構築する。主なデータは表1のとおり。国土資源部の「県（市）地質災害調査および区画に関する基本要求」の実施細則によれば地質災害警報における最適区画は1~3 kmであるため、各影響因子のデータ解像度についてはArcGISソフトウェアによるリサンプリングを経て1kmとする。
| データタイプ | 名称 | 時期 | データソース | 解像度/縮尺 |
| 文書データ | 四川省土砂災害災情データ | 2008-2013 | 四川省地質環境監測 総合ステーション |
9354件 |
| 四川省降水データ | 2008-2013 | 四川省気象台 | 時間 | |
| ベクターデータ | 四川省水文地質岩性データ | 1981 | 四川省環境科学研究院 | 1:20万（53 m） |
| ラスターデータ | 四川省DEM | 2009 | 地理空間データクラウド （http://www.gscloud.cn/） |
30m |
| 四川省NDVI | 2000-2011 | 地理空間データクラウド （http://www.gscloud.cn/） |
250m | |
| 四川省の地震の震度 | 2010 | 四川省地質環境監測 総合ステーション |
3000m |
2.2 研究方法
陽的統計による警報方法は警報地域の地質環境因子の変化を充分に反映し、さまざまなカップリング手段を通じて地質因子と降水因子の加重係数を柔軟に調節できることから、調査研究精度の向上に伴って地質災害の空間警報精度も高めることができる［12］。
ロジスティック回帰モデル［13］は、半定量的な多元的統計分析方法であり、非連続的変数による特殊な対数線形モデルの解決に用いられる。中国内外の関連研究によって、地質災害研究においてロジスティック回帰モデルは仮説がシンプルで、制約条件が少なく、取り扱いが容易で、影響因子の自動スクリーニングが可能である等の明らかな長所があることが明らかとなっている上に、二元モデルでは考慮しない地質災害因子の相互依存という問題［14-15］を解決できることから、同一地域における地質災害リスクの評価または警報に必要とされる計算量がサポートベクターマシンやニューラルネットワークによる方法より少なく、結果の正確率がその他の方法に比べて高いことがわかっている。本稿では、ロジスティック回帰モデルを陽的地質災害警報モデルにおける地質災害リスクの評価と地質--気象因子のカップリングにおける基本的方法として選択する。
ロジスティック回帰モデルによるモデリング方法は以下のとおり。
式中のPは地質災害発生率で値は[0,1]の間であり、（1-P）は地質災害非発生率であり、X1,...,Xnは地質災害の発生に対する影響因子であり、B1,...,Bnは各影響因子に対応するロジスティック回帰係数である。
地質災害問題の解決において、ロジスティック回帰モデルは異質データ同化方法による制約を受けるが［16］、決定係数（CF）選択方法［17-18］と降水量の確率的方法によって、地質災害リスク因子と日降水量因子における異質データ同化の問題をそれぞれ解決することができる。
3土砂災害リスクの評価
土砂災害リスクの評価は、土砂災害活動の歴史や形成条件、変化の法則や進展傾向の調査をベースとして土砂災害発生の潜在性を決定づけるものであり、陽的土砂災害警報における基盤である。
3.1土砂災害リスクの区分
二次回帰モデルを採用して土砂災害のリスク評価を行う際には以下の2つの問題を解決する必要がある。①土砂災害影響因子の選択。本稿では勾配、地形起伏度、植被率、年平均降水量、地質岩性および地震の震度の6つの影響因子を選択している。②土砂災害因子の定量化問題、すなわち異質データタイプの結合問題である。本稿では土砂災害因子の定量化方法として決定係数（CF）を採用している。
誤差データを取り除いた後の有効な土砂災害の過去の災害記録データ8761件をモデリングデータ（全記録の70%）と測定データ（全記録の30%）に分類した。そして、張錫涛ら［19］および常鳴ら［20］の研究に基づき、地質災害ポイントの影響範囲を2km以内に設定し、地質災害ポイント3km緩衝地域を構築し、ArcGISソフトウェアの空間分析機能、ベクターデータツールセット等の機能を使用し、緩衝地域外において、有効な地質災害ポイントに相応する数の地質災害未発生ポイントをランダムに生成した。
そして、ArcGISソフトウェアのラスターデータ抽出ツールを使用して地質災害ポイントと地質災害未発生ポイントにおける災害因子CF値（図1-6）を抽出し、地質災害が発生したか否かを従属変数とし、勾配、地形起伏度、地質岩性、植被率、年平均降水量、地震の震度のCF値を独立変数として、SPSSソフトウェアにおいてロジスティック回帰モデルを構築した。
図1 勾配CFと土砂災害ポイント分布の関係
Fig. 1 Relationship between slope CF and distribution of landslide hazard points
図2 地質岩性CFと土砂災害ポイント分布の関係
Fig. 2 Relationship between lithology CF and distribution of landslide hazard points
図3 植被率CFと土砂災害ポイント分布の関係
Fig. 3 Relationship between vegetation coverage CF and distribution of landslide hazard points
図4 地形起伏度CFと土砂災害ポイント分布の関係
Fig. 4 Relationship between relief amplitude CF and distribution of landslide hazard points
図5 年平均降水量CFと土砂災害ポイント分布の関係
Fig. 5 Relationship between annual rainfall CF and distribution of landslide hazard points
図6 地震の震度CFと土砂災害ポイント分布の関係
Fig. 6 Relationship between seismic intensity CF and distribution of landslide hazard points
ロジスティック回帰モデルでは、因子の相関性分析により因子間の相互依存度を判断した。分析の結果、勾配と地形起伏度の相関性が0.5を超えたことから（表2）、両者間の相互依存度は高く、1つの因子として結合させるべきと判断した。このため、本研究においては勾配因子のみを保留してモデリングすることとした。
| 地震の震度 | 地質岩性 | 勾配 | 地形起伏度 | 年平均降水量 | 植被率 | |
| 地震の震度 | 1.000 | -0.001 | -0.008 | -0.011 | -0.281 | 0.014 |
| 地質岩性 | -0.001 | 1.000 | 0.011 | 0.032 | -0.152 | -0.016 |
| 勾配 | -0.008 | 0.011 | 1.000 | 0.610 | 0.015 | 0.097 |
| 地形起伏度 | -0.011 | 0.032 | 0.610 | 1.000 | 0.012 | 0.083 |
| 年平均降水量 | -0.281 | -0.152 | 0.015 | 0.012 | 1.000 | -0.310 |
| 植被率 | 0.014 | -0.016 | 0.097 | 0.083 | -0.310 | 1.000 |
地質災害未発生ポイントを複数回にわたってランダムに生成し、かつ、循環モデリングを行ったところ、尤度比検定-2LL値には明らかな変化はなく、カイ二乗検定の結果はやや小さかったことから、モデルの結果は安定していることがわかった。また、Cox & Snell R Squareは0.4を超え、Nagelkerke R Squareも0.5を超えたことから、モデル全体のフィッティング度は良好であることが示された。各因子はいずれも有意水準が0.05であるWald検定を通過し、かつ、因子間の相関係数は小さく、相互に独立していた。モデルによる地質災害発生の予測率は78.9%に達した。
そこで、地質災害リスク評価モデルを最終的に以下のように決定づけた。
式中のHは地質災害リスク値であり、X1は地質岩性CF値であり、X2は年平均降水量CF値であり、X3は植被率CF値であり、X4は地震の震度CF値であり、X5は勾配CF値である。
ARCGISの空間分析機能により地質災害リスクの区分（図7）を導き、0.1を間隔として四川省土砂災害リスクを10級に分類した。分類後の結果から、四川省において土砂災害リスクが0.8を超えた主な地域は「Y」字形の分布を呈し、四川盆地の西縁および四川盆地北西部の竜門山断裂帯付近、四川省西部の涼山州中部鮮水河断裂帯付近ならびに雅安市西部および東部に分布するとともに、四川省北東部の巴中、南充、達州市も土砂災害ハイリスク地域が集中的に分布する地域であることが明らかになった。また、土砂災害リスクが0.4-0.8の間にある地域は、四川盆地以外の四川省東部のほとんどの地域、四川省東南部の瀘州市、宜賓市のほとんどの地域、四川省西部の涼山州中部、攀枝花北部、甘孜州鮮水河断裂帯付近に主に分布し、四川省西部の高山高原地域区にもまばらに分布することがわかった。四川省西部のほとんどの地域や四川省北部の若爾蓋湿地保護区、四川盆地地域の土砂災害リスクは0.4未満であり、地質災害はほとんど発生しない。
図7 土砂災害リスクの区分
Fig. 7 Risk division of landslide geological hazard
3.2評価結果の合理性の検証
図8に示すように四川省の土砂災害リスクは0.1-0.2の間にある地域の面積が最も大きく、全省面積の22%を占める。土砂災害リスクの増加に伴って面積は減少傾向を示し、リスクが0.4以上の各区間においては面積の変動が小さく、全省面積の5%前後を占める。災害ポイントにおけるリスクが0.9を上回る区間はピーク値に達し、全災害数の35%を占める。土砂災害リスクの低下に伴って災害ポイント数は急速に減少し、リスクが0.4以下の場合は歴史的に災害が少なく、全災害数のわずか6%前後を占める。リスクが0.8を上回る地域は四川省面積のわずか20%であるが、災害ポイントの71%はこの地域に集中する点において実際の状況と一致する。土砂災害リスクが0.9を上回る地域は四川省面積のわずか5%であるが、過去の災害ポイントの35%がこの地域内に分布する。
図8 土砂災害地域の面積および検証地域災害ポイントのリスク率
Fig. 8 Proportion of different landslide hazard partition
また、ROC曲線により土砂災害リスク評価モデルによる土砂災害発生の感度を検定したところ、得られた曲線下の面積は0.819に達し、このモデルによる土砂災害の発生感度は非常に高く、土砂災害警報の正確率を効果的に高められることが分かった。
すなわち、四川省における土砂災害の空間分布は、主に以下の2つの明らかな特徴がある。①帯状分布という特徴。これは、四川省における地震の震度分布に対応するもので、竜門山断裂帯、安寧河断裂帯および竜泉山脈に沿って帯状に分布するという特徴が顕著である。②四川省北東地域の土砂災害における群発性という特徴。これは、四川省北東地域においては土砂災害の密度がその他の地域に比べてはるかに高い点に示されている。図9に示すように、土砂災害規模レベルは空間的に帯状に分布し、四川省北東地域に集中的に分布するという特徴から明らかなように、超大型土砂災害は竜門山断裂帯に主に分布するとともに安寧河断裂帯付近にまばらに分布し、四川省北東部の巴中、南充、達州の3市に集中的に分布することがわかる。
図9 土砂災害の規模レベル別分布
Fig. 9 Distribution of different landslide hazard scales
（その２へつづく）
参考文献：
[1] 劉伝正,劉艶輝.地質災害区域預警原理與顕式預警系統設計研究[J]. 水文地質工程地質,2007,34(6):109- 115.
[ Liu C Z, Liu Y H. Early warning theory for regional geohazards and design of explicit statistical system[J]. Hydrogeology & Engineering Geology, 2007,34(6):109-115. ]
[2] 劉艶輝,方志偉,温銘生,等.川東北地区強降雨誘発崩滑流災害分析[J]. 水文地質工程地質,2014,41(2):111- 115.
[ Liu Y H, Fang ZW, Wen M S, et al. Analysis of geo-hazards and rainfall in northeast of Sichuan Province[J]. Hydrogeology & Engineering Geology, 2014,41(2):111-115. ]
[3] 侯聖山,李昂,周平根.四川雅安市雨城区地質災害預警系統研究[J].地学前縁,2007,14(6):160-165.
[ Hou S S, Li Ang, Zhou P G. Preliminary study of the geohazard warning system based on weather forecasting and precipitation monitoring of Yucheng District, Ya an City, Sichuan Province[J]. Earth Science Frontiers, 2007,14(6):160-165. ]
[4] 李媛.区域降雨型滑坡預報預警方法研究[D].北京:中国地質大学(北京)2005.
[ Li Y. Method for the warning of precipitation- induced landslides[D]. Beijing: China University of Geosciences, Beijing, 2005. ]
[5] 斉信,唐川,鉄永波,等.基于GIS 技術的汶川地震誘発地質災害危険性評価----以四川省北川県為例[J].成都理工大学学報:自然科学版,2010,37(2):160-165.
[ Qi X, Tang C, Tie Y B, et al. Hazard assessment of geohazards triggered by the Wenchuan earthquake using GIS technology: Taking Beichuan county of Sichuan Province for example[J]. Journal of Chengdu University of Technology: Science & Technology Edition, 2010,37(2):160-165. ]
[6] Cross M. Landslide susceptibility mapping using the matrix assessment approach: A Derbyshire case study[J]. Geological Society, London, Engineering Geology Special Publications, 1998,15(1):247-261.
[7] 唐川,朱静.GIS 支持下的地震誘発滑坡危険区予測研究[J]. 地震研究,2001,24(1):73- 81.
[ Tang C, Zhu J. GIS based earthquake triggered landslide hazard prediction[J]. Journal of Seismological Research, 2001,24(1):73-81. ]
[8] 陳暁利,祁生文,叶洪.基于GIS 的地震滑坡危険性的模糊綜合評価研究[J].北京大学学報:自然科学版,2008,44 (3):434-438.
[ Chen X L, Qi S W, Ye H. Fuzzy comprehensive study on seismic landslide hazard based on GIS[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2008,44(3):434-438. ]
[9] Conoscenti C, Di Maggio C, Rotigliano E. GIS analysis to assess landslide susceptibility in a fluvial basin of NW Sicily (Italy)[J]. Geomorphology, 2008,94(3):325-339.
[10] 唐川,朱大奎.基于GIS 技術的泥石流風険評価研究[J].地理科学,2002,22(3):300-304.
[ Tang C, Zhu D K. Assessment of debris flow risk of Yunnan province by using GIS[J]. Scientia Geographica Sinica, 2002,22(3):300-304. ]
[11] 蘭恒星, 伍法権. 基于GIS 的雲南小江流域滑坡因子敏感性分析[J]. 岩石力学與工程学報,2002,21(10):1500-1506.
[ Lan H X, Wu F Q. Analysis on susceptibility of GIS based landslide triggering factors in Yunnan Xiaojiang watershed[J]. Chinese Journal of Rock Mechanics and Engineering, 2002,21(10):1500-1506. ]
[12] 蘭恒星,伍法権. GIS支持下的降雨型滑坡危険性空間分析予測[J].科学通報,2003,48(5):507-512.
[ Lan H X, Wu F Q. Spatial evaluation and forecast landslide risk based on GIS[J]. Chinese Science Bulletin, 2003,48(5):507-512. ]
[13] 王済川,郭志剛.Logistic 回帰模型:方法與応用[M].北京:高等教育出版社,2001.
[ Wang J C, Guo Z G. Logistic regression models: methods and application[M]. Beijing: Higher Education Press, 2001. ]
[14] 許冲,徐錫偉.邏輯回帰模型在玉樹地震滑坡危険性評価中的応用與検験[J].工程地質学報,2012,20(3):326-333.
[ Xu C, Xu X W. Logistic regression model and ITS validation for hazard mapping of landslides triggered by Yushu earthquake[J]. Journal of Engineering Geology, 2012,20(3):326-333. ]
[15] 許冲,戴福初,徐素寧,等.基于邏輯回帰模型的汶川地震滑坡危険性評価與検験[J].水文地質工程地質,2013,40 (3):98-104.
[ Xu C, Dai F C, Xu S N, et al. Application of logistic regression model on the Wenchuan earthquake triggered landslide hazard mapping and its validation[J]. Hydrogeology & Engineering Geology, 2013,40(3):98-104. ]
[16] 劉明学,陳祥,楊珊妮. 基于邏輯回帰模型和確定性系数的崩滑流危険性区劃[J]. 工程地質学報,2014,22(6):1250-1256.
[ Liu M X, Chen X, Yang S N. Zonation of landslide risk with logistic regression model and certainty factor[J]. Journal of Engineering Geology, 2014,22(6): 1250-1256. ]
[17] Heckerman D. Probabilistic interpretations for MYCIN's certainty factors[C]. Conference on Uncertainty in Artificial Intelligence, AUAI press, 1985:9-20.
[18] Shortliffe E H, Buchanan B G. A model of inexact reasoning in medicine[J]. Mathematical biosciences, 1975,23(3):351-379.
[19] 張錫涛,劉翔宇,謝謨文,等.基于岩質滑坡引発泥石流的影響範囲評価模型[J].工程地質学報,2013,21(4):598-606.
[ Zhang X T, Liu X Y, Xie M W, et al. Mathematical model for evaluating affected range of debris flow induced by rock landslide[J]. Journal of Engineering Geology, 2013,21(4):598-606. ]
[20] 常鳴,唐川,蘇永超,等.雅魯蔵布江米林段泥石流堆積扇危険範囲予測模型[J].工程地質学報,2012,20(6):971-978.
[ Chang M, Tang C, Su Y C, et al. Prediction model for debris flow hazard zone on alluvial fan in Milin section of Yarlungzangbo river, Tibet[J]. Journal of Engineering Geology, 2012,20(6):971-978. ]
※本稿は李雲君，劉志紅，呂遠洋，柳錦宝，王平「四川省滑坡災害気象預警模型建立与験証」（『地球信息科学学報』2017年第19卷第7期、pp.941-949）を『地球信息科学学報』編集部の許可を得て日本語訳／転載したものである。記事提供：同方知網（北京）技術有限公司