Mesoscale Model Forecast Skill for Hourly Rainfall During Postfire Flood and Debris-Flow Events in California

山火事が険しく起伏の激しい地形を襲うとき、それは単に樹木や家屋を焼き尽くすだけでなく、地面そのものを根本的に変貌させてしまう。激しい熱は土壌を焼き固め、水を吸収するのではなく水を弾く性質に変えてしまう一方で、植生が失われることで大地は露出して緩んでしまう。火災後の数ヶ月から数年にわたり、これらの焼失した流域は雨に対して極めて危険なほど敏感になる。通常であれば無害な嵐であっても、突如としてフラッシュフラッド（鉄砲水）やデブリフロー（土石流）を引き起こすことがある。これらは、水、泥、岩、そして樹木が混ざり合った奔流となり、斜面を猛烈な勢いで駆け下りてくる。こうした事象は、多くの場合、1時間足らず続く短時間の激しい降雨によって引き起こされる。危険は非常に差し迫っているため、緊急管理者は、水が到達する前に人々が避難したり道路を封鎖したりするための時間を確保できるよう、気象予報を活用している。しかし、これほど局地的な激しい降雨が、いつ、どこで発生するかを正確に予測することは、現代の気象学における最も困難な課題の一つである。

研究チームは、現在の気象予測モデルが、この特定の、極めて重要な問題に対してどの程度の性能を発揮できるかを検証するために調査を行った。彼らは、山火事とそれに続く洪水が災害の循環となっているカリフォルニア州に焦点を当てた。科学者たちは、2021年から2025年の間に実際に発生した、火災後の洪水またはデブリフローの事例を10件抽出して調査した。各事例について、災害が発生する数日前に発行されていた気象予報を検討した。彼らは、大気を微細なスケールでシミュレートするように設計された2つの高度なコンピュータモデルによる予測を、焼失エリア付近の雨量計によって記録された実際の降水量と比較した。彼らの目的は、単にモデルが雨を予測できたかどうかを確認することではなく、デブリフローを引き起こす特定の降雨の強度とタイミングを正確に予測できるかどうかを判断し、予測が将来に向かって進むにつれて、その精度がどのように変化するかを理解することであった。

研究者たちは、これらのコンピュータモデルは緊急管理者に「雨が来る」と伝えることは非常に得意であるが、「どの程度激しく降るか」を予測することにはしばしば苦慮するということを突き止めた。イベント発生の1日以内に発行された予報を見たところ、モデルは適切な一般的な領域において激しい雨が降る可能性が高いことを示すことに成功していた。技術的な観点から言えば、モデルは降水量が1時間あたり10ミリメットルの臨界閾値を超えることを検知する上で、非常に高い成功率を示した。これは、もし嵐が焼失エリアに接近していれば、モデルは洪水やデブリフローが発生する条件が整っていることを警告する上で信頼できることを意味している。これは、意思決定者にとって極めて重要な情報であり、保護的な措置を講じるために必要なリードタイムを提供するものである。

しかし、本研究は、降雨の深刻さを定量化する能力におけるモデルの一貫した盲点を明らかにした。モデルは雨が降ることは正しく特定していたものの、その雨がいかに激しいかを予測することには頻繁に失敗した。調査されたすべての事例を通じて、予測された降水量は、実際に雨量計が測定した量よりも通常は少なかった。この過小評価は、降水量が毎時20ミリメートルを超える最も激しい嵐において、より顕著になった。また、モデルの精度は、予測が将来に向かって遠ざかるにつれて低下することも示された。予測がイベントの24時間以内に行われた場合は現実の状況に比較的近かったが、数日前に作成された予報では誤差が大きくなった。場合によっては、モデルはピーク時の強度を完全に見逃し、実際には豪雨が降っているときに、中程度のにわか雨であると予測することさえあった。

研究者たちはまた、これらのモデルをどのように評価するかによって結果が大きく変わることも発見した。もし予報者が地図上の単一の地点のみを見るならば、モデルが雨量計のある正確な地点ではなく、隣接するグリッドセル内で雨を予測したために、モデルが失敗したように見えることがある。しかし、研究者が雨量計の周囲約9キロメートルの範囲をカバーする、より広い領域を対象としたところ、モデルの性能は大幅に向上した。このことは、モデルが正確な一滴の雨粒の場所を特定できなくても、危険な降雨が発生しやすい一般的なゾーンを特定することにおいては非常に効果的であることを示唆している。この区別は緊急対応において極めて重要であり、当局が単一の水の流れの正確な経路を予測しようとするのではなく、焼失した流域全体を保護することに焦点を合わせることを可能にする。

こうした成功がある一方で、本研究は、モデルが最も極端な降雨イベントに対して保守的すぎる傾向にあるという、根強い限界を浮き彫りにしている。デブリフローの量と速度は、雨がどれほど激しく降るかに大きく依存するため、降雨強度の過小評価は、結果として発生する流れの危険性を過小評価することにつながりかねない。モデルが実際の降雨率よりも低い値を予測した場合、結果として得られる洪水モデルは、実際にやってくるものよりも小さく、危険性の低い流れを示唆してしまう可能性がある。研究者たちは、この問題は最も激しい嵐において特に深刻であると指摘した。それらの嵐こそが、最も大きな被害をもたらすものであることが多いからだ。また、モデルは、大規模で組織化された嵐のシステムと比較して、予測が極めて困難とされる孤立した低気圧によって駆動される特定の気象システムに対しても苦戦した。

最終的に、この研究は、これらの気象モデルが事後的な災害管理において何ができ、何ができないのかについて、明確かつデータに基づいた姿を提示している。モデルは早期警戒のための強力なツールであり、高い信頼性を持って数日前に激しい雨の脅威を察知することができる。これらは、緊急管理者がコミュニティを避難させ、インフラを確保するために必要な、決定的な事前通知を与えるものである。しかし、本研究は、これらの予報が完璧ではないことも改めて示している。モデルはしばしば、最も激しい降雨の全容を見落とし、予測期間が広がるにつれてその精度は低下する。最前線で活動する人々にとって、これは、モデルは計画を立てる上では不可欠であるが、最悪のシナリオを過小評価する傾向があることを理解した上で使用しなければならない、ということを意味している。最善のアプローチは、これらの予報を「嵐の正確な強度」を予測するために使うのではなく、「極端な状況が発生する可能性」に備えるために活用することである。