水工学オンライン連続講演会

武内 慶了 氏（国土技術政策総合研究所）

佐山 敬洋 氏（京都大学防災研究所）

題目
「河川技術論文賞受賞者講演～河川技術の更なる深化に向けて～」

内容
　河川技術シンポジウムでの議論や問題意識を水工学の他分野に広く共有し、 河川技術のさらなる展開や学際領域の拡大に貢献するため、河川技術論文賞の受賞者（国総研武内様）に今後の展開を含めてご講演いただきます。 また、受賞論文と関連する研究の話題提供を京都大学佐山教授からご講演いただきます。ぜひたくさんの皆様にご参加頂けましたら幸いです。

講演1：「動力学的モデルに基づく洪水時における避難開始人数の時間分布に及ぼす地域特性係数の影響に関する考察」
 

講演2：「降雨流出氾濫(RRI)モデルv2の開発と応用」

Tristan Hascoet（トリスタン　ハスコエト）氏
　　　　　　　　　（理化学研究所計算科学研究センターデータ同化研究チーム研究員）

題目
「Differentiable river routing for end-to-end learning of hydrological processes　(水文過程のend-to-end学習に向けたdifferentiable river routing)」
内容
　Deep learning has transformed rainfall-runoff modeling, yet large-scale hydrological simulations still commonly separate learned runoff generation from externally prescribed river routing. This separation limits the ability to train hydrological systems end to end from streamflow observations and to learn physically consistent dynamics across river networks. In this seminar, I will present DiffRoute, a differentiable river-routing framework that reformulates classical linear time-invariant routing schemes as a combination of transitive closure and block-sparse convolution operators. By exploiting the graph structure of river networks, DiffRoute enables GPU-accelerated routing, automatic differentiation, and seamless integration into modern deep-learning pipelines. I will show how classical routing concepts such as impulse response functions, Muskingum routing, Nash cascades, and diffusive-wave approximations can be expressed within a unified computational framework. The talk will then demonstrate the scalability and accuracy of this approach, including national-scale end-to-end learning of river discharge simulations and global scale routing parameter estimation. Finally, we will discuss key limitations of the proposed approach, and more broadly, remaining challenges in learning hydrological dynamics from sparse and noisy observations.

ディープラーニング（深層学習）は降雨流出過程のモデル化を大きく変革してきた が、大規模な水文計算では依然として、学習による流出生成と、外部から規定した河 道追跡とを分離して扱うことが一般的である。この分離は、流量観測データから水文 システム全体をend-to-endで学習することや、河道網全体にわたる物理的に整合的な 水動態を学習することを困難にしている。本セミナーでは、DiffRoute と呼ばれる differentiable river-routingの枠組みを紹介する。これは、従来の線形かつ時間変 化しない追跡手法を、transitive closureおよびblock-sparse畳み込み演算子の組み 合わせとして再定式化したものである。河道網のグラフ構造を活用することで、 DiffRoute は GPU による高速計算、自動分化、そして最新のディープラーニングパ イプラインとのシームレスな統合を可能にする。また、インパルス応答関数、 Muskingum法、Nash cascades、拡散波近似といった従来型の河道追跡概念を、統一的 な計算フレームワークの中でどのように表現できるかを示す。さらに、本手法の scalabilityと精度について、全国規模での河川流量シミュレーションのend-to-end 学習や、全球に対する河道追跡パラメータ推定の事例を通じて紹介する。最後に、本 手法の限界点や、より一般的には、疎でノイズを含む観測データから水文動態を学習 する上で残されている課題について議論する。
講演資料

渡邉 健治　先生
（東京大学大学院　教授）

題目
「近年の豪雨・出水による河川橋りょうの被災とその分析　～地盤工学・河川工学の融合への試み～」
内容
　近年，豪雨・出水により河川橋りょう橋脚の基礎周辺で洗掘・侵食現象が生じ、それにより橋脚の傾斜・沈下・倒壊等の被害が多く発生している。洗掘に伴う橋脚基礎の不安定化現象は「地盤の支持力問題」であり、従来は地盤工学分野で取り扱われることが多かった。しかしながら、最近は従来とは異なる被災パターンとして、①出水数日後に突然橋梁が倒壊する「遅れ洗掘」，②水位がさほど上昇せずに被災する「低水位洗掘」、③河川の減水期に被災する「減水期洗掘」が多く見られるようになり、実務的な洗掘リスク評価が難しくなっている。
　これらの現象には、河道特性や出水の継続時間（洗掘の時間進行性）等の要因が複雑に関連しあっていると考えられ、地盤工学分野だけではなく河川工学の視点も重要である。本発表では、過去の被災事例や河川橋りょうの維持管理法を総括しつつ、地盤工学・河川工学両方の視点から上記①~③の被災事例を分析する。