Spatial Analysis and Risk Assessment of the Solar Panel Using High Resolution Land Use Land Cover Map
2025 Volume 41 Issue 1 Pages 14-23
Details
2025 Volume 41 Issue 1 Pages 14-23
Abstract: The amount of photovoltaic power generation in Japan has been increasing rapidly since the start of the feed-in tariff (FIT) program, but there are concerns about environmental and disaster prevention issues associated with the construction of facilities. In this study, the location characteristics and disaster risks of solar panels was evaluated by overlaying the locations of solar panels extracted from high resolution land use land cover map, topographical conditions, and expected disaster zones. It was found that solar panels are mostly located on the Pacific side, which has good sunlight conditions, followed by Hokkaido, Ibaraki and Fukushima prefectures. The past land use and land cover is dominated by man-made structures in urban areas, while suburban areas are dominated by natural structures such as fields and forests, raising concerns about the environmental impact of solar panel construction. In addition, 3.1% of all solar panels in Japan are located in landslide hazard areas, and 13.4% are located in flood inundation areas (the maximum predicted area of flood), indicating that solar panels are located in areas with high risk of disasters, especially in the Chubu region.
1. はじめに
日本では，2012年7月に開始された固定価格買取(FIT)制度により，再生可能エネルギーの導入が急拡大している．なかでも太陽光発電の増加が顕著で，2022年度末の導入量は7,394万kWとなり，これはFIT制度開始の2012年度末(663万kW)の11倍に相当する1)．太陽光発電は，天候や日照により出力が不安定になるデメリットがあるものの，日当たりが良ければ設置適所となる2)．そのため，FIT制度の開始に加えて，環境やエネルギーに対する社会的関心の高まりを背景として，公共施設や大型商業施設，遊休地などに大規模な発電設備が敷設された．
その一方で，太陽光発電施設の建設に伴う市民生活や生態系サービス，景観への影響が懸念されており，なかには周辺住民とのトラブルや訴訟に至った事例もある3)．また，近年相次いでいる自然災害では，風雨や土砂崩れによりパネルが破損したり，太陽電池モジュールが水没したりするなど，二次災害につながる設備の損傷も発生している4)．これらの諸問題に対し，資源エネルギー庁は，太陽光発電事業実施における留意事項や関連法規制等を周知することを目的に「事業計画策定ガイドライン」を公表している5)．また，環境省では，災害により破損した太陽光発電設備について，管理上の注意事項や処理における二次被害の危険性を取りまとめている6)．加えて，自治体によっては，自然や生活環境との調和の観点から，太陽光発電施設の設置について条例により届出や確認，立地規制を課しているところもある7)．しかし，例えば，和歌山県では，対象施設が出力50kW以上の中規模以上の施設に限られるなど，必ずしもすべての発電施設が対象ではない7)．さらに，FIT制度で認定される太陽光発電施設のほとんどを占める低圧施設(10kW以上50kW未満)は，立地や管理，運営に関する法規制が十分に整備されておらず，さらに環境影響評価の対象外である8)．
以上のように，防災や環境の観点から太陽光発電施設の立地を分析することは重要であり，これまでに数多くの研究が行われている．これらの既往研究では，太陽光発電施設の立地データと，災害想定区域や土地利用土地被覆などのGISデータとを重ね合わせ，太陽光発電施設の災害リスクや生態系サービスへの影響を評価している8)-11)．このとき，日本では自治体や行政機関により地形情報やハザードマップが公開されていることから，既往研究の独自性は太陽光発電施設の立地データに依るところが大きい．
例えば，坂村ら(2014)9)は，FIT制度の事業計画認定情報で公開されている発電所の住所を，ジオコーディングによりポイントデータ化して立地データとしている．しかし，複数の発電設備が設置されている事業の中には，住所が代表地番のみで，すべての設備の住所が記載されていない場合があり，網羅性に欠けるという課題がある．また，住家の少ない山間部には，地番等が付与されていない地域や該当する大字の範囲が広い地域などがあり，それらの場合はジオコーディングによる空間精度が低くなる．
空間的に網羅性の高い太陽光発電施設の立地を特定する手法として，航空機や人工衛星による観測画像をもとに抽出する研究がある．村松ら(2021)8)は，航空写真をもとに発電施設の特定を行っているが，人による視認判別のため，広範囲での分析には多大な時間とコストが制約となる．嶌田・竹内(2022)10)は，光学衛星画像に加えて合成開口レーダー(SAR)による観測データを用いた，精度の高いソーラーパネルの抽出手法を構築したが，分析対象の範囲が限られている．Kim et al. (2021)11)は，FIT制度の事業計画認定情報による住所をもとに，航空写真や衛星画像を参照し，日本と韓国における太陽光発電施設の立地データを作成している．しかし．対象が50kW以上の中規模以上の施設に限られており，規模の小さな発電施設が含まれていないことが課題である．
衛星画像を用いて立地を特定した研究として，Yu et al. (2018)12)はアメリカを，Zhang et al. (2022)13)は中国を，それぞれ対象として機械学習により太陽光発電施設の抽出を行っている．同様に，衛星画像をもとにした日本における太陽光発電施設の空間分布データとして，宇宙航空研究開発機構(JAXA)地球観測研究センターの「日本域高解像度土地利用土地被覆図」14)がある．これは，空間解像度10mで土地利用土地被覆が分類されたデータであり，2021年公開のver21.11から分類カテゴリに「ソーラーパネル」が追加されている．そのため，空間解像度の高いソーラーパネル(太陽光発電施設)の立地データとして利用可能であるが，同データを用いて立地分析や災害リスクの評価を行った研究はこれまでにない．
以上の背景から，本研究では，日本全国を対象としたソーラーパネルの立地特性と災害リスクを評価することを目的とする．そのために，高解像度土地利用土地被覆図から抽出したソーラーパネルの立地と，地形や災害想定区域といったGISデータとを重ね合わせ，行政区域による集計と可視化により，地域特性や災害による危険性を明らかにする．
2. 手法
2-1 分析フロー
図1 分析のフロー
図1に，本研究の分析フローを示す．まず，現在の土地利用土地被覆図から分類カテゴリが「ソーラーパネル」に該当する箇所を抽出し，それをソーラーパネルの立地データとする．次に，立地データと，標高や過去の土地利用土地被覆，災害想定区域といった地形や災害に関するGISデータとを重ね合わせ，ソーラーパネルの立地特性を特定する．最後に，行政区域単位で集計することで，立地条件や災害リスクに関する地域特性を明らかにする．
2-2 使用データ
表1に，本研究で使用したデータを示す．ソーラーパネルの立地を特定するために使用するJAXAの「日本域高解像度土地利用土地被覆図」は，人工衛星に搭載された光学センサおよび合成開口レーダの観測データをもとに作成された，解像度が10m(1/12,000度)の土地分類図である14)．このデータは，教師付きピクセルベースの分類により，精度が95.33%の高精度のデータとなっている14)．また，データは時系列で整備されており，本研究では2022年の観測データをもとに作成されたver.23.12を「現在の土地利用土地被覆」，2006〜2011年の観測データをもとに作成されたver.16.09を「過去の土地利用土地被覆」として，それぞれ用いた．ここで，FIT制度開始前の「過去の土地利用土地被覆」を用いることにより，現在ソーラーパネルが設置されている土地の改変を把握することができる．
ソーラーパネルの立地データと重ね合わせるデータとして，標高と傾斜角の地形情報を用いた．これは，ソーラーパネルが山間部の急傾斜地に設置されていることが多く，地形条件を把握するためである．標高は，国土地理院による「基盤地図情報 数値標高モデル(10m)」15)を用いた．また，傾斜角は，標高値をもとにGISソフトウェア(ArcGIS 10.8.2)のエクステンション「Spatial Analyst」の「傾斜角(Slope)」ツールを用いて，当該メッシュの標高とその周囲8メッシュの標高とを用いて10mメッシュごとに傾斜角を算出した．
続いて，災害リスクの評価に用いる災害想定区域に関するデータとして，国土交通省の提供する国土数値情報の「土砂災害警戒区域データ」16)と「洪水浸水想定区域データ」17)とを用いた．土砂災害警戒区域データは，各都道府県が作成・整備している土砂災害警戒区域に関する資料をもとに作成した，土砂災害のおそれがある区域に関するGISデータである16)．警戒区域や特別警戒区域といった区分のほか，急傾斜地崩壊や土石流，地すべりの種類が属性情報として付与されている16)．また，洪水浸水区域データは，各河川管理者が作成した浸水想定データから，計画規模および想定最大規模別に，浸水域と浸水深を1次メッシュ単位のGISデータとして整備したものである17)．
表1 使用データ一覧
以上により作成したソーラーパネルの立地データと各種の立地・災害データとを重ね合わせ，これらを行政区域単位18)で集計した．ここで，標高と傾斜角は自治体ごとに平均し，過去の土地利用土地被覆は最頻の分類カテゴリ，それ以外の項目は該当するメッシュ数を集計した．なお，水域等により標高や傾斜角が参照できない「データ値なし(no data)」のメッシュは，平均値の算出から除外した．これらにより，ソーラーパネルの立地や災害リスクの地域特性を，都道府県や市区町村別に集計することで明らかにする．
3．結果
3-1 土地利用土地被覆データの精度検証
本研究による結果の精度は，ソーラーパネルの立地データを作成する際に使用した，高解像度土地利用土地被覆図の分類精度に依拠するところが大きい．データ作成者による精度検証では，ソーラーパネルに分類された200箇所すべてが，実際にソーラーパネルであったこと(正答率100%)が確認されている14)．さらに，以前のバージョン(v21.11)では正答率99.4%(分類172箇所のうち，正答は171箇所)であり，新版で精度は向上しているが，"検証点がランダムサンプリングでない理由等で誤差が生じること"が課題とされている14)．
そのため，土地利用土地被覆図と，既往研究であるKim et al. (2021)11)により作成されたソーラーパネルのGISデータとの比較を行った．まず，両データをもとに，都道府県別のソーラーパネルの面積を集計する．ただし，Kim et al. (2021)は，50kW以上の太陽光発電施設を対象としているため，土地利用土地被覆図とはデータ作成の対象が異なる．したがって，2022年12月末時点の都道府県別データ19)を用いて補正を行った．
図2 都道府県別のソーラーパネル面積の比較
まず，50kW以上の太陽光発電施設の導入量を，すべての太陽光発電施設の導入量で除して，50kW以上の施設の導入量の割合を算出した．次に，Kim et al. (2021)の面積を，算出した割合で割り戻しを行った．
図2に，都道府県別に集計した面積の比較を示す．Kim et al. (2021)に比べ，北海道や千葉県，栃木県などで誤差が大きいものの，概ね両データの値が等しくなる45度線の近傍に点が分散しており，両データの差は小さいものと考えられる．具体的には，RMSE(平均二乗誤差)は4.67[km2]であったことから，土地利用土地被覆図の精度は高いといえる．ただし，両データの作成に利用した原典資料の年次が異なり，さらに面積あたりの導入量は一定ではないため，誤差も含まれている．以上のことから，土地利用土地被覆図の分類精度は高いが，本研究の結果には誤分類されたソーラーパネルが含まれていることに留意が必要である．
3-2 都道府県別の集計結果
表2に，都道府県別に集計した結果を示す．ソーラーパネルは，日本全国で9,317,018メッシュあり，都道府県別では北海道(851,115メッシュ)が最も多く，次いで茨城県，福島県の順となっている．メッシュ数は積雪の多い日本海側で少なく，太平洋側や瀬戸内地方といった日照条件の良い都道府県で多い傾向があり，これは，概ねソーラーパネルの発電効率や設置要件に合った分布である．次に，過去の土地利用土地被覆についてみると，東京都や神奈川県，大阪府では人工構造物が最頻分類であり，これは都市部では建物の屋根や道路付属物にソーラーパネルが設置されているためと推測される．それ以外の地域では，田畑や森林，草地などが多く，ソーラーパネルが自然地形を土地改変した場所に設置されていることが示唆される．また，地形条件では，平均標高が50m未満であるのは茨城県，千葉県のみであり，25都道府県で平均傾斜が5度を超えていることから，ソーラーパネルが山間部に設置されている傾向があると考えられる．
次に，災害リスクについてみると，土砂災害警戒区域内に立地するソーラーパネルは289,691メッシュあり，これは全国の3.1%を占めている．地域分布では，土砂災害警戒区域の指定箇所数が多い広島県や兵庫県のほか，三重県や岐阜県，長野県といった中部地方で多い．また，洪水浸水区域に立地するソーラーパネルは，計画規模で658,017メッシュ，想定最大規模で1,247,217メッシュあり，それぞれ全国の7.1%，13.4%を占めている．これらの結果より，該当数に基づくと，土砂災害より洪水浸水のリスクがあるソーラーパネルが多いことが明らかとなった．都道府県別では，ソーラーパネルが多い北海道のほか，埼玉県や三重県で多い．とりわけ，三重県は土砂災害警戒区域に該当するメッシュ数も多いことから，災害リスクが高い場所にソーラーパネルが設置されているといえる．
なお，浸水想定区域に立地するソーラーパネルであっても，例えば建物の屋根に設置され，浸水深が浅い場合は浸水しないと考えられる．このように，洪水浸水想定区域内にソーラーパネルが立地していても，太陽光発電設備自体は被災しない可能性があり，それには建物の高さ情報を利用した浸水判定が必要である．
表2 都道府県単位の集計結果
3-3 市区町村別の集計結果
表3 各項目の上位10市区町村
図3に，市区町村別に集計した結果を示す．また，表3に，標高と傾斜角，過去の土地利用土地被覆を除く項目について，上位10市区町村を示す．図3より，ソーラーパネルの分布や過去の土地利用土地被覆は，市区町村単位で可視化することにより，都道府県単位での集計に比べ地域性が顕著となる．具体的には，メッシュ数が多い市区町村は，北海道や東北地方，関東地方の太平洋側に偏在している．また，東京都23区や名古屋市，大阪市といった大都市部とそれらの周辺地域では，過去の土地利用土地被覆が人工構造物である市区町村が密集している．
災害リスクでは，土砂災害警戒区域内に立地するソーラーパネルは，都道府県の集計結果と同様に，指定箇所が多い東広島市や佐世保市，三原市などで多く，中部地方や中四国の瀬戸内地方といった西日本で多い傾向がある．洪水浸水想定区域に該当するメッシュは，北海道や三重県のようなソーラーパネルのメッシュ数が多い市区町村で被災危険性が高くなっている．その他，利根川流域の太田市や野田市，加茂川流域の西条市など，規模が大きな河川沿いの市区町村でメッシュ数が多い．土砂災害警戒区域かつ洪水浸水区域に立地するソーラーパネルは，兵庫県や三重県，広島県などで多く，土砂災害警戒区域の傾向と似ている．これは，洪水浸水想定区域は全国に不偏なく分布しているのに対し，土砂災害警戒区域は建物や住民に被害が及ぶ可能性がある場所が指定されるため16)，その箇所が限定的であるためと考えられる．したがって，兵庫県や三重県では住家の近くの山間部にソーラーパネルが多く立地していると推測される．
図3 市区町村単位の集計結果
図3 市区町村単位の集計結果 (つづき)
3-3 地域詳細な分析結果
以下では，表3に示した結果より，顕著な特徴が見られた市区町村について詳細にみる．まず，もっとも洪水浸水想定区域(計画規模)の該当箇所数が多かった北海道釧路町を取り上げる．釧路町ではソーラーパネルが36,698メッシュあるが，そのうち洪水浸水区域に該当するのは，計画規模が24,622メッシュ，最大規模が25,508メッシュであり，町内のソーラーパネルの約7割が洪水浸水のリスクを抱えていると推計された．図4に，釧路町におけるソーラーパネルの分布と洪水浸水区域を示す．図中央の「トリトウシ原野太陽光発電所」は，2017年から運用開始された発電所で，面積は54ha，発電量は1,900万kW/年と国内屈指のメガソーラーである20)．しかし，全域が釧路湿原国立公園の下流に位置しており，この区域だけで24,392メッシュのソーラーパネルが洪水浸水区域に立地している．一方で，西側の「北海道釧路遠野太陽光発電所」は，山間部に位置しているため，洪水浸水区域に該当していない．以上のように，釧路町は大規模な太陽光発電施設が敷設されおり，さらにそれが洪水浸水区域に立地しているため，洪水浸水リスクが大きくなっている．
続いて，土砂災害かつ浸水想定(想定最大規模)に該当するメッシュが多かった三重県南伊勢町についてみる．図5に，三重県南伊勢町の河合地区周辺におけるソーラーパネルと災害想定区域の分布を示す．同地区では，二級水系である河合川沿いの谷間集落にソーラーパネルが設置されている．したがって，ソーラーパネルが洪水浸水想定区域に該当しているとともに，土砂災害警戒区域内にも位置している．それゆえ，図中の区域では358メッシュのソーラーパネルが，洪水浸水想定区域(最大規模)かつ土砂災害警戒区域に立地している．そのほか，三重県の松阪市や紀北町も同様に，山間部の谷間にある地域において，中小河川の氾濫想定区域にソーラーパネルが立地していることから，土砂災害と洪水の両方の被災リスクが高い．こうした災害リスクの高い場所に立地するソーラーパネルは，災害による設備の損傷や二次災害の危険性が懸念される．したがって，こうした被災リスクの高いソーラーパネルが多数ある市区町村では，事前対策として災害による損傷や，流出を想定した適切な管理・処理計画の策定が必要である．
図4 北海道釧路町における
ソーラーパネルの分布と洪水浸水区域
図5 三重県南伊勢町河内地区における
ソーラーパネルの分布と災害想定区域
4. おわりに
本研究では，日本全国を対象に，高解像度土地利用土地被覆図から抽出したソーラーパネルの立地と，地形や災害想定区域といったGISデータとを重ね合わせ，ソーラーパネルの立地特性と災害リスクの評価を行った．その結果，得られた知見は以下の通りである．
今後の課題として，上空から観測が困難なソーラーパネルの把握が挙げられる．本研究で対象としたソーラーパネルは，建物の屋上などに設置されているものに限られる．しかし，屋上設置に比べ発電効率は劣るものの，建物壁面に垂直設置されているソーラーパネルも多くあり2)，別途，事業計画認定情報などによる補完が必要である．
著者連絡先
杉本 賢二
〒558-8585 大阪市住吉区杉本3-3-138
大阪公立大学大学院 工学研究科
E-mail: sugimoto@omu.ac.jp
2024年7月16日受付 2024年11月21日受理
©日本環境共生学会(JAHES) 2025
本研究は，JSPS科研費23K11524の助成を受けたものです．
