跳到主要內容

國際合作

2022日本東北豪雨災害-國際合作聯合調查案例
更新日期2022年11月09日

1.水保局啟動國際合作

有感於日本東北災情之嚴峻,以及後續可能持續惡化之災情,行政院農業委員會水土保持局於812日正式啟動「2022日本東北豪雨災害-國際合作聯合調查」,整合水保局、日本弘前大學、朝日航洋株式会社(あさひこうよう)、中央太空遙測中心、國立成功大學全球觀測與資料分析中心、以及鉅網資訊股份有限公司等單位之人力、資訊與研究量能,從衛星遙測資料蒐集分析、航空遙測資料蒐集分析與數值模式分析等不同層面,協助日本相關災害防救單位進行災情掌握。

2.透過媒體進行災情資訊蒐集

為了掌握遙測資料蒐集的時間、空間範圍,團隊透過新聞媒體進行災情資訊蒐集。受到滯留鋒面影響,東北地方部分地區及新潟縣降下破紀錄大雨,氣象廳從周三(3日)晚到周四清晨,共對山形縣及新潟縣共10個市町村發布大雨特別警報。截至周四上午8時的24小時累積雨量,新潟縣關川村高達560毫米、同縣村上市410毫米、福島縣北塩原村314毫米、山形縣飯豐町306毫米,均創當地觀測史上最大雨量紀錄(新聞資料來源:https://hd.stheadline.com/news/realtime/wo/2361171/)。

受到鋒面停滯,加上太平洋高壓夾帶大量暖濕空氣影響,日本北陸、東北甚至西日本地區陸續出現超大豪雨,福井縣南越前町5日竟然在24小時內降下405.5毫米的大雨,這個雨量已經超過當地8月平均降雨量的2倍。(新聞資料來源:https://www.setn.com/News.aspx?NewsID=1157661)。

日本從北海道到東北9日降下暴雨,青森縣和秋田縣一天內降下往年8月整個月的平均雨量,其中青森縣深浦町24小時內降雨超過300毫米,創下觀測史上紀錄;另外弘前市也是災區。日本預測這波鋒面預計停留到16日左右,代表當地在未來一周還要嚴防豪大雨釀成、土石流等災情。

 

3.衛星遙測資料蒐集與分析

經過前述工作,團隊已經可以初步握災情分布狀況,因此開始進行衛星遙測資料蒐集與分析的工作。首先,確認各項衛星遙測資料的拍攝範圍以及未來預計拍攝日期,其中包含:Sentinel-1【圖1所示、Sentinel-2【圖2所示、Landsat-8Landsat-9【圖3所示等。於災害期間,光學影像經常容易受到雲層遮蔽而影響觀測效率,為了提升災情掌握的效能,於災害期間還是可以先建立Sentinel-2災前影像。為了提升團隊之間的資訊共享效能,建立完成的影像會透過巨量空間資訊系統進行資料展示,如【圖4】所示。

圖

【圖1】2022年6月30日至8月29日Sentinel-1取像範圍

 

圖

【圖2】Sentinel-2於日本東北取像範圍

 

圖

【圖3】Landsat-8/9於日本東北取像範圍

 

圖

【圖4】Sentinel-2前期影像已發布至BigGIS圖資彙整頁面

 

除了Sentinel-2前期影像之外,Sentinel-1衛星透過雷達感測器是不受雲層影響,且能全天候對地表變異狀況進行偵測。於災中期間已完成Sentinel-12022727日前期與83日之後期影像,並且發布於BigGIS系統上,如【圖5所示。淹水也是豪雨事件中的常見災情,而水體偵測也正是雷達感測器的重要應用之一,首先透過雷達回波強度在水體與陸地不同的特性進行水體範圍偵測,接著再將前後期水體偵測的結果進行比對,如【圖6所示,根據比對結果即可快速掌握災中淹水範圍。

圖

【圖5】Sentinel-1前後期影像發布至BigGIS圖資彙整頁面

 

圖

【圖6】 Sentinel-1前後期影像水體判釋結果發布至BigGIS圖資彙整頁面

 

4.航空攝影資料蒐集與分析

除了前述的衛星遙測影像之外,日本朝日航洋株式会社也快速啟動航拍工作,於202285日取得新潟縣村上市正射與光達影像,在弘前大學農學生命科學部地域環境工學科鄒青穎教授的協助下,判釋村上市土砂災害,並將相關災害情資發布於BigGIS系統,如【圖7所示。為確保各項資料提供者的貢獻都能完整呈現,系統內也會註明資料來源,並附上聯結網址,如【圖8所示。

圖

【圖7】弘前大學鄒青穎教授協助透過朝日航洋株式会社提供航照影像判釋村上市土砂災害判釋結果發布至BigGIS圖資彙整頁面

 

圖

【圖8】各項資料提供者貢獻都能完整呈現,系統內也會註明資料來源,並附上聯結網址

 

5.簡易土石流模式災情模擬

有了村上市土砂災害判釋結果,接著選擇子集水區進行模擬目標,模擬土砂運移的狀況,例如追蹤【圖9之土砂沖積扇運移狀況。從鄒教授提供的崩塌判釋成果中,選取沖積扇最大的一個子集水區,用34處崩塌作為材料來源,假設崩塌都是一公尺深,並使用以下參數設定開始跑BigGIS上的Simplified Debris Flow (SDF) model,每0.5秒為一個時步,共1,200個時步的成果,如【圖10所示。透過BigGIS系統建立之簡易土石流模式可以快速掌握集水區內崩塌所造成的土方運移狀況。該模式也提供多種不同的參數設定,讓使用者可以透過調整不同的參數去模擬出最接近真實災情的狀況。本次模擬之參數設定如下:

vs = 0.5;運動黏滯係數,建議值0.25~1,粒徑越大,數值越高。

cv = 0.603;體積濃度,代表單位體積的土石流中的泥砂含量。飽和狀況下,建議值0.603

dt = 0.5;演算時距,單位秒,如5m DEMdt = 0.1s;如20m DEMdt = 0.5s

本次事件充分整合台日多個團隊的專業能力,展現了災情快速掌握與實務災害緊急應變的可行性。針對2022日本東北豪雨災害-國際合作聯合調查案工作,也收到來自日本地滑學會的來信,感謝水保局帶領各團隊完成國際合作任務。

圖

【圖9】     SDF簡易土石流模式選擇模擬之目標土石沖刷沖積扇

 

 

【圖10】SDF簡易土石流模式模擬土砂運移動態