本研究は，近年頻発する水害に対してより適切な水防活動や避難行動を行うため，数時間先の水位予測の精度向上を目的としている．予測対象は大淀川水系の樋渡（ひわたし）地点流域とし，上流部の水位観測所，流域周辺の雨量観測所の情報を用いて水位予測を試みた．水位予測モデルはGBDT（Gradient Boosting Decision Tree）モデルを用いて1～6時間の予測を行った．スタッキングモデルでは，近い時間の予測から段階的に行うものとし，予測結果を次の時間の予測を行うための特徴量として加えることで，時系列的な水位予測に適用した．構築したモデルとスタッキングを行わないモデルとの精度比較を行い，スタッキングモデルによる精度向上を確認した．

国土交通省高性能レーダ雨量計ネットワーク（XRAIN）は、マルチパラメータ（MP）レーダによって計測可能となった偏波間位相差変化率（KDP）を利用したアルゴリズム（KDP-R法）を採用することにより、地上雨量観測値によるオンライン補正を行うことなしに、高精度の降雨強度評価と高速処理・配信を両立させ、時空間的に高解像度（250mメッシュ、１分毎）の雨量データ提供を可能としている。したがって、XRAINにおいて高い雨量観測精度を確保するためには、KDP-R法が対象とする液相の降水粒子かつ地上降雨と同等とみなせる雨を観測することが前提となる。このため、XRAINを構成する各レーダ雨量計が様々な条件下で配置・運用されている中で、上空の雪氷粒子が融解して雨滴となる高さや降雨の鉛直分布は季節・地域・降水イベント毎に変化し得るため、結果として、レーダビームの観測条件と降雨構造との関係が、XRAINの雨量観測精度に影響を及ぼしているものと想定される。そこで、レーダ雨量計のビーム高度条件とXRAIN雨量データの精度との関係を整理を行った。すなわち、XRAIN雨量のメッシュ毎に確保されている複数のレーダビームのうち最低高度を観測するビーム中心高度を指標としてレーダ観測領域を区分し、その区分毎に地上雨量計の10分観測値を真値とした場合のXRAIN雨量値の地上雨量値との相関係数と総雨量比について整理した。比較対象として、旧式のCバンド単偏波レーダも含めて地上雨量によるオンライン補正を行っているCバンドレーダオンライン合成雨量値についても同様に整理した。その結果、相関係数・総雨量比とも高度2km以下のレーダビームを確保できている領域ではXRAINがCバンドレーダオンライン合成を上回る精度を確保できていた。一方、最低ビームの高度が4kmを超える領域では、XRAINの精度が低下する傾向が見られた。本結果は、XRAIN網の今後の持続的な整備・管理運用方針を考える上で最も基本的な検討条件を再確認させるものである。

　大規模アンサンブル気候実験データの現在再現結果1500年相当を入力値とした降雨流出氾濫モデル実験結果を教師データとする機械学習手法により，浸水範囲予測を行う流出氾濫モデルのエミュレータを作成した．過去に水害が頻発している雄物川流域を対象とした検証結果を行い，河道付近に広がる主要な浸水範囲に関しては，およそ8割から9割の精度でモデル実験結果を機械学習により再現できることを明らかにした．機械学習により得られたエミュレータに対して平成29年7月洪水における実観測降雨量を入力した結果を実績の浸水範囲と比べた結果，機械学習の方法により再現精度は異なるものの，降雨流出氾濫モデルによる実験と同程度の予測結果を得ることができた．

　過去の強雨の再現期間計算や降水イベント解析のため高精度な面的降水量データが必要である．著者らは既往研究で国土交通省のXバンド MPレーダネットワーク(XRAIN)に着目して豪雨イベント解析を行ったが，その際にXRAIN降水強度の過大評価についてGPM主衛星二周波降水レーダDPRデータを使った補正を行っている．山岳部やレーダサイト付近にて降水量の低下が確認されたが，結果検証が十分で無い問題がある．そこで，本研究ではXRAINの過大評価補正を行ったデータについて，気象庁雨量計及び気象庁全国合成レーダGPVデータによる検証を行った．結果，XRAIN過大評価補正の効果が確認された．

The purpose of this review is to clarify the issues to cope with from now in order to establish more reliable and practical flood forecasting technology. This paper, as the outline of the recent efforts aimed at advancement of flood monitoring and forecasting technology by MLIT, describes the advancements of topography data, rainfall information, water level measurement, flood forecasting model and data assimilation. The current accuracy of radar rainfall information and trends of its application research for rainfall and flood forecasting are also introduced.

For rainfall forecasting, it is noted that the technology to forecast guerrilla-type heavy rain forecasting has been proposed and its forecasting accuracy with new radar rainfall information (XRAIN) has been improved. For the improvement of flood forecasting, it is important to make the best use of existing and/or new adhoc type of water level gauging data, to improve the accuracy of flood flow observation, and to innovate rainfall-runoff model & its feedback system.

　本論文では，欠測値を含むデータセットから直接学習可能な欠測対応スパースモデリング（HMLasso）による水位推論を提案し，その有効性を検証した．河川情報で生じる観測所の未観測，観測エラーなどによる欠測への対応手法として，HMLassoによる欠測処理の有用性を検証するため，令和4年8月に出水事例が報告された最上川を対象に，従来法と比較した．さらに，学習データの欠測率を最大50%まで人為的に増加させ評価した．その結果，HMLassoモデルはNash-Sutcliffe係数で，実測値で学習した場合で0.876に対し，50%欠測では0.842と，欠測率による性能低下が少ないとわかった．

In flood prediction, reduction of the uncertainty is one of the biggest issues. As a novel river stage prediction model, the artificial neural network model which is trained by the deep learning method was developed. The model is composed of 4 layer feed-forward network. As a network training method, stochastic gradient descent method based on the back propagation method was applied. Input of the model is hourly change of water level and hourly rainfall, output data is water level of prediction point. Developed model was applied to 4 rivers in Japan, OOYODO River, KOKAI River, ONGA River and KANO River.

As a result, there was a significant improvement at OOYODO and ONGA River, which has relatively many observation stations. In these basins, enhance of the learning ability may contributed to the result. On the other hand, at KOKAI and KANO River, there may be little margin for improvement even though learning ability enhanced.

In recent years, flood damage and landslide disasters have occurred frequently due to increasing localized heavy rainfall. In order to capture the extensive surface precipitation in real time, Ministry of Land, Infrastructure and Transport (MLIT) has launched a real time surface rain observation system that combines the conventional XRAIN with C-band dual polarimetric radar. In this study, we have clarified observation characteristics of C-band dual polarimetric radar by comparing the surface rain gauge, X-band dual polarimetric radar and Radar-AMeDAS. As a result, C-band dual polarimetric radar has shown to have larger observation error from surface rain gauge than X-band dual polarimetric radar. One of the reasons is that the rainfall intensity changes vertically around the edge of the band-shaped precipitation system. The accuracy of the C-band dual polarimetric radar tends to decrease near the center of the cumulonimbus clouds, and the observation characteristics change with vertical wind.

In flood prediction, reduction of the uncertainty is one of the biggest issues. As a prediction model, artificial neural network (ANN) is one of the potent methods. To improve the accuracy and lead-time of the river-stage prediction model, it is desirable to take advantage of as many observation data as possible. However, due to the limitation of the learning ability of ANN model, it is undesirable to use too many input data into the model. As a new learning method of ANN, deep learning is said to have an excellent ability of learning, and able to handle huge input data. In this study, we developed to models, 4 layered deep learning based ANN and 3 layered conventional ANN. We applied 2 models to the 3 rivers in Japan, Ooyodo River, Onga River and Kokai River. Compared to the conventional ANN, deep learning based ANN model could reflect more observational information and could reproduce the past flood well.

Based on existing various kinds of knowledge, we have considered a framework of the way of design and management of estuarine tidal flats. In the Ota River Floodway, estuarine tidal flat was designed in three types of cross section and was completed on March in 2010. We surveyed the change of landform and bed material and found that the pattern of change was different in every cross section. Sand was gradually piled up at the area where the gradient changed, eroded in the flood on July in 2010, and was piled again. Behind the band of sand, fine grained soil was piled up. We considered the mechanism of these changes and the effect of microtopography for physical environments and creature.