Diagnosing Spatial Disparities in Urban Flood Burden through Hydro- Environmental Normalization in Jakarta, Indonesia

大洪水探偵ゲーム

なぜ、ある地域は豪雨で水浸しになるのに、他の地域は乾燥したままなのか、その理由を突き止めようとしているところを想像してみてください。科学の世界では、これは「都市洪水アセスメント（都市洪水評価）」と呼ばれます。通常、科学者は主に2つのことを見ます。それはハザード（どれだけの雨が降ったか、あるいは川の水位がどれほど上がったか）と、エクスポージャー（曝露）（そこにどれだけの人が住んでいるか）です。これは、波の大きさをチェックし、泳いでいる人の数を数えるようなものです。もし波が巨大で、かつ群衆も多ければ、私たちはその災害は甚大であると想定します。

しかし、ここにトリッキーな部分があります。時として、巨大な波が非常に少ない人々がいる場所を襲い、「災害」としては小さく感じられることがあります。また別の時には、中規模の波が混雑した地域を襲い、大混乱を招くこともあります。この論文は、巧妙な問いを投げかけています。「私たちが目にしている実際の混乱は、天候や地形を考慮した上で予想されるものよりも、大きいのか、それとも小さいのか？」と。これに答えるために、研究者たちは「観測値－期待値診断（observed-expected diagnostics）」と呼ばれる手法を用いています。これは、先生がテストを採点するようなものだと考えてください。もし生徒が超難問の試験で90％を取ったなら、それは素晴らしいことです。しかし、もし他の全員が99％を取るようなテストで90％を取ったとしたら、その生徒は十分に勉強していなかったのかもしれません。この論文は、ジャカルタの各地域を、単にどれだけ濡れたかではなく、「天候や地面の状態から、本来どれくらい濡れるはずだったか」と比較して採点しようとしているのです。

ジャカルタの洪水探偵の物語

インドネシアの活気あふれる低地都市、ジャカルタにおいて、洪水は激しい雨、海面上昇、地盤沈下、そして混雑した街路が複雑に絡み合ったものです。研究者のリフキー・フサイニ、ペルディナン、およびノビンドラは、ある謎を解明したいと考えました。「なぜ、天候が似ているにもかかわらず、一部の地域は他の地域よりも多くの被害を受けるのか？」彼らは単に水がどこへ流れたかをマッピングしたかったのではなく、その「負担（水が人々に与えるトラブル）」が異常に高いのか、あるいは低いのかを知りたかったのです。

これを行うために、彼らはHNFBDev（Hazard-Normalized Flood Burden Deviation：ハザード正規化洪水負担偏差）という新しいツールを作成しました。ロボットのような名前ですが、実際にはシンプルな「期待 vs 現実」のチェッカーです。彼らのゲームの手順は以下の通りです。

ステップ1：「期待値」のスコア
まず、彼らはジャカルタの「洪水の個性」のデジタルモデルを構築しました。彼らは降水量、土地の傾斜、海岸からの距離、地盤沈下の度合い、そして建物の数を調べました。これらの材料に基づき、洪水による負担が「どうあるべきか」を計算しました。もしある地域が海岸沿いにあり、地盤が沈下しているなら、モデルは「多くのトラブルを予想すべきである」と言います。もしある地域が高台にあり、川から離れているなら、モデルは「トラブルはほとんど予想されない」と言います。

ステップ2：「観測値」のスコア
次に、実際に何が起きたかを見ました。衛星の目（具体的には、雲を透過して見えるセンチネル1レーダー）を使用して、2020年から2024年までの主要な洪水を追跡しました。彼らは単に水の量を数えたのではなく、水の中に立っている「人々」を数えました。衛星画像による浸水エリアと、人々が住んでいる場所のマップを組み合わせることで、「負担スコア」を作成しました。

ステップ3：大公開（偏差）
最後に、「期待値」スコアから「観測値」スコアを差し引きました。

• プラスのスコア： その地域は、天候や地形から予測されるよりも多くのトラブルに見舞われた。
• マイナスのスコア： その地域は、予測されたよりも少ないトラブルであった。
• ゼロのスコア： その地域は、まさに予想通りの状態であった。

彼らが発見したこと

結果は非常に興味深く、ジャカルタの洪水の物語が単なる「雨 ＋ 人々 ＝ 災害」よりも複雑であることを示していました。

天候はある程度は説明できるが、すべてではない
研究者たちは、「洪水の個性（水文環境的強制力）」が負担の予測に一定の役割を果たしていることを発見しました。それは、地域間の差異の約**22.8%**を説明していました。これは、雨や地盤沈下が重要ではあるものの、それだけでは全容を語れないことを意味します。多くの謎が残されているのです。

「高・高」のホットスポット
「プラスのスコア（予想よりも多くのトラブルに見舞われた場所）」のマップは、ランダムではありませんでした。それは特にジャカルタの北部および中央部において大きなクラスター（集まり）を形成していました。タンキ、コタ・バンブ・ウタラ、ジェンバタン・ベシ、ドゥリ・スラタン、およびドゥリ・ウタラの各地域は、最も高い「偏差」スコア（3.56から3.83の間）を示しました。これらの地域は、天候や地形単独の予測よりもはるかに激しい影響を受けていたのです。

「低・低」のクールゾーン
逆に、南部や西部のいくつかの地域は「マイナスのスコア」を持っていました。これらの地域は、予想よりも少ないトラブルに見舞われました。これは、優れた排水システムやより良い防御策を備えているか、あるいは衛星がそこでの浸水を捉えきれなかった可能性を示唆しています。

パターンは実在する
研究者たちは、これらのパターンが数学的な偶然によるものかどうかを確認しました。彼らは、材料（重み付け）を変更し（例えば、雨の重要性を高める、あるいは地盤沈下の重要性を高める）、結果がほぼ変わらないことを確認しました。相関関係は極めて高く（標準的な重み付けで0.990、等重み付けで0.970）、この「余分なトラブル」や「余分な幸運」が、数学的なミスではなく、現実の物理的な現象であることを示唆しています。

これが意味すること（および、意味しないこと）

著者たちは、このツールが「何ではないか」についても非常に慎重に述べています。彼らは、高いスコアが出たことは、地方自治体が不適切であること、インフラが壊れていること、あるいは人々が脆弱であることを意味しないと明示しています。また、なぜ負担が高いのかという理由も教えてくれません。ただ、その地域を「疑わしい」としてフラグを立てるだけです。

HNFBDevを煙探知機と考えてください。アラームが鳴ったとき、それは火災が起きているのか、トーストを焦がしたのか、あるいはシャワーの湯気によるものなのかを教えてはくれません。ただ、「おい、ここでは通常のルールとは一致しない何かが起きているぞ」と教えてくれるのです。

この論文は、これらの「高・高」のクラスターが、より詳しく調査すべき場所であることを示唆しています。おそらく、隠れた排水のボトルネックや、塞がれた川、あるいは水を閉じ込めてしまう特定の建物レイアウトがあるのかもしれません。「低・低」のエリアは、現地の防御策がうまく機能している場所か、あるいは単に衛星が水を見逃した場所かもしれません。

まとめ

この研究は、洪水マップを見るための新しい方法を提示しています。単に「このエリアは濡れている」と言う代わりに、「雨と地面の状態を考慮すると、このエリアは本来あるべき姿よりも濡れている」と言うことができるのです。この「観測値－期待値」による探偵作業を用いることで、都市計画家は推測をやめ、洪水の負担が異常に発生している特定の地域を調査し始めることができます。これは、すべての謎を一度に解くためのものではなく、手がかりを見つけるためのツールです。著者たちは、これが、真の専門家をどこに派遣すべきかの優先順位をつけるためのスクリーニングツールであることを強調しており、これにより、洪水の負担が本当に異常な場所へと確実にリソースを投入できるようになります。