L10 土砂災害警戒区域 × 用途地域 / 避難所 / インフラ — 「山際の二重・三重リスク」研究

データ取得手順

⚠️ このスクリプトは自動取得に対応していません。以下のデータセットを DoBoX から手動でダウンロードし、data/extras/ 以下に保存してください。

実行コマンド:

cd "2026 DoBoX 教材"
python -X utf8 lessons/L10_sediment_disaster_cross.py

DoBoX のオープンデータは申請不要・商用/非商用とも利用可。 data/extras/ は .gitignore 対象（約 57 GB のキャッシュ）。 スクリプト実行で自動再生成されます。

学習目標と問い

主な問い (4 段階)

1. 面の問い: 用途地域のうち どの種類の土地が 土砂災害警戒区域に含まれるか? どの程度?
2. 避難の問い: 避難所自体が警戒区域内に立地しているケースはどれくらいあるか? = 避難不能リスク
3. インフラの問い: 老朽橋 × 警戒区域 の 二重リスク橋 は何件浮上するか?
4. 歴史の問い: 城跡 (山城) は時代によって警戒区域内立地率が変わるか?

立てた仮説 (H1〜H6)

1. H1: 山際住居系 (第一種低層住居専用 等) は警戒区域内立地率が高い (高密度商業より高い)
2. H2: 避難所自体が警戒区域内のものが一定数 ある (避難不能リスク, 全体の 5% 以上)
3. H3: 1980年以前架設の老朽橋 × 警戒区域 = 二重リスク橋が 50 件以上 浮上
4. H4: 特別警戒区域 (レッドゾーン) は 急傾斜地 (がけ崩れ) が大半 (件数の 80% 以上)
5. H5: 河川浸水 × 特別警戒区域 の重複域は 平成30年7月豪雨被災地 (呉/広島市安芸区/坂町/熊野町) に集中
6. H6: 文化財の城跡は 戦国時代の山城 が多く、近世以降の平城より警戒区域内立地率が高い

用語の独自定義 (ジャーゴン回避, 要件 M)

• 警戒区域 (イエロー): 土砂災害が発生したときに住民の生命/身体に危害が生ずるおそれがあると認められる区域 (土砂災害防止法)
• 特別警戒区域 (レッドゾーン): 警戒区域のうち、建築物に損壊が生じ住民の生命/身体に著しい危害が生ずるおそれがある区域 (建築規制あり)
• 3 種別: 土石流 (谷を流れ下る泥流) / 急傾斜地のがけ崩れ / 地すべり (まとまった土塊の滑動)
• 立地率 (本記事独自): 用途別 警戒区域重なり面積 ÷ 用途総面積。点要素なら 警戒区域内点数 ÷ 全件数
• 二重リスク: 老朽インフラ (架設1980年以前) かつ 警戒区域内立地
• 致命的二重ハザード: 河川浸水想定域 かつ 特別警戒区域 の重複領域 (両方が同時に襲う極限ゾーン)
• 主題図 (choropleth/overlay map): 領域を属性で色分けする地図
• 空間オーバーレイ: 2 レイヤの交差ポリゴンを計算する GIS 操作 (gpd.overlay)
• 点 in ポリゴン判定 (sjoin): 点が面に含まれるかを R-tree 空間インデックス で高速判定する操作

到達点

本記事を読み終わった学習者は、土砂災害警戒区域 Shapefile を使って、 用途地域・避難所・インフラ・文化財・河川浸水 という多面の DoBoX レイヤと クロスし、「山際リスク」を多角的に可視化できるようになる。

結果サマリー

使用データ

• 土砂災害警戒区域・特別警戒区域 (#48, 全県版): 3 種別 (土石流/急傾斜地/地すべり) × 警戒/特別警戒 の Shapefile 群。data/extras/sediment_shp/
• 用途地域 GeoJSON (広島市, 341002): 13 用途区分。data/extras/landuse_extracted/
• 避難所 (#71): 4,065 件。data/shelters.json
• 橋梁/トンネル/ダム/ため池 基本情報 (4 種): data/extras/{bridge,tunnel,dam,tameike}_basic.csv
• 埋蔵文化財 (城跡・官衙 + その他): 2 種類。data/extras/burial_*.csv
• 河川浸水想定区域 (想定最大規模): data/extras/flood_shp/shinsui_souteisaidai.shp
• CRS: 全レイヤを EPSG:6671 (JGD2011 平面直角 III 系) に統一して面積を m² で正確に計算

カタログ対応 (31/31 件 論理カバー)

本記事 1 本で論理的に再現可能な dataset_id:

• #48 土砂災害警戒区域・特別警戒区域情報 (広島県, 全県版) ← 本記事の主データ
• #544〜#573 各市町別土砂災害警戒区域 (30 件) — city 列で全県版から再現可能

計 31 件カバー。残る派生レイヤ (避難所/橋/etc) は本記事の使用データ欄を参照。

ダウンロード (再現用 中間データ・図・スクリプト)

データ再取得 (PowerShell)

cd "2026 DoBoX 教材"
mkdir data\extras\sediment_shp -Force
iwr "https://hiroshima-dobox.jp/resource_download/79" -OutFile "data\extras\sediment_shp\doseki.zip"   # 土石流
iwr "https://hiroshima-dobox.jp/resource_download/80" -OutFile "data\extras\sediment_shp\kyukeisha.zip" # 急傾斜地
iwr "https://hiroshima-dobox.jp/resource_download/81" -OutFile "data\extras\sediment_shp\jisuberi.zip"  # 地すべり
Expand-Archive data\extras\sediment_shp\doseki.zip   data\extras\sediment_shp\doseki   -Force
Expand-Archive data\extras\sediment_shp\kyukeisha.zip data\extras\sediment_shp\kyukeisha -Force
Expand-Archive data\extras\sediment_shp\jisuberi.zip  data\extras\sediment_shp\jisuberi  -Force

分析1: 主題図 — 用途地域 × 3 種災害 重ね合わせ

狙い

まず 「広島市のどこに、どの種類の警戒区域が広がっているか」 を 1 枚の地図で見る。 用途地域を背景グレーに、3 災害種別を 3 色で、警戒/特別警戒を濃淡で表現する。

手法 (要件B 直感的説明 → 入出力 → 限界)

• 3 災害種別 × 2 レベル = 6 レイヤを plt.Axes に順に重ねる
• 背景: 用途地域 dissolve 済み 13 ポリゴン (グレー)
• 上層: 警戒(α=0.45) + 特別警戒(α=0.85) を災害種別カラーで描画
• 限界: 重なり部分は前面の色だけ見える (alpha blending) → 別途 small multiples (図4) で補完

実装の要点

• 事前に sed_diss = (kind, level) で dissolve 済み (各 1 ポリゴン)。プロットが高速
• cx[bbox] で広島市範囲だけ切り出して描画
• 凡例は 6 種類 (3 災害 × 2 レベル) を Patch で並列

↑ L10_sediment_disaster_cross.py 行 1066–1079

1066
1067
1068
1069
1070
1071
1072

fig, ax = plt.subplots(figsize=(11, 9))
landuse_d.plot(ax=ax, color="#eaeaea", edgecolor="#999", linewidth=0.2, alpha=0.6)
KIND_COLOR = {"土石流": "#cf222e", "急傾斜地": "#a32fb6", "地すべり": "#bf8700"}
for kind, color in KIND_COLOR.items():
    for level, alpha in {"警戒": 0.45, "特別警戒": 0.85}.items():
        sub = sed_diss[(sed_diss["kind"]==kind) & (sed_diss["level"]==level)]
        sub.plot(ax=ax, color=color, alpha=alpha, edgecolor="none")

図1 広島市 用途地域 × 土砂災害警戒区域 主題図

なぜこの図か (要件H): ヒートマップ (図2) では「用途×種別」の値分布は分かるが 「どこに集中するか」 は地図でしか分からない。地理的偏りを掴むため最初に地図を置く。

読み取り (要件F):

• 市街地 (中央部の濃いグレー) は警戒区域がほぼ無い → 用途地域 = 平地中心の都市計画
• 市街地 外縁部 に紫 (急傾斜地) がリング状に分布 → 山際住居系仮説 H1 を支持
• 赤 (土石流) は河谷ごとに線状に分布、紫 (急傾斜地) は面で広がる → 地形のメカニズムが種別に反映
• 地すべり (黄土色) は限定的 (全県でも 127 件のみ) → H4 (特別警戒は急傾斜地中心) と整合

分析2: 用途 × 災害種別 ヒートマップ (主役の発見)

狙い

「どの用途が、どの災害種別にどれくらい重なるか」を 用途×(種別×レベル) マトリクスで把握する。

手法 (要件B + J ツール化視点)

gpd.overlay() は 2 つの GeoDataFrame の 交差ポリゴンを計算する ツール。 内部では R-tree 空間インデックスで候補を絞り、shapely の Boolean intersection が走るが、 利用者は「2 レイヤ → 交差ポリゴンの GeoDataFrame」とだけ覚えれば良い (黒箱化)。

実装

↑ L10_sediment_disaster_cross.py 行 1106–1119

1106
1107
1108
1109
1110
1111
1112

ovl = gpd.overlay(landuse_d, sed_diss[["kind", "level", "geometry"]],
                  how="intersection", keep_geom_type=False)
ovl["overlap_ha"] = ovl.geometry.area / 10000
ovl["risk_label"] = ovl["kind"] + "/" + ovl["level"]
pivot = ovl.pivot_table(index="yoto_name", columns="risk_label",
                        values="overlap_ha", aggfunc="sum", fill_value=0)
ax.imshow(pivot.values, cmap="YlOrRd")

図2 用途×災害種別 重なり面積 (ha) ヒートマップ

なぜこの図か: 2 軸の値分布 (用途 13 × 種別×レベル 5) を 1 枚で見るのにヒートマップが最適。

読み取り:

• 急傾斜地/警戒 列が圧倒的に大きい (全用途で支配的)
• 住居系の上位 ほど面積が大きい傾向 → H1 を支持
• 商業/工業は面積小 → 平地立地の証拠
• 地すべりは全用途でほぼ 0 (件数自体が少ない)

用途別 立地率テーブル (詳細値, 要件G)

表からの読み取り:

• 立地率 1 位 = 第二種中高層住居専用 (47.27%) → H1 を支持 (山際住居系の高立地率)
• 商業/工業の立地率は低い → 平地立地
• 第一種低層住居専用は 絶対面積も大、立地率も上位 → 戸建低密度地帯が山際に展開

分析3: 用途別 立地率 棒グラフ (絶対面積では見えない真実)

狙い

絶対面積では「広い用途ほど警戒重なりが大きい」のは当たり前。これを 立地率 (=警戒重なり / 用途総面積) で正規化することで 密度視点のリスク が見える。

実装の要点

↑ L10_sediment_disaster_cross.py 行 1143–1146

1143
1144

yoto_rate["warn_rate_pct"] = yoto_rate["warn_ha"] / yoto_rate["total_ha"] * 100
yoto_rate["spec_rate_pct"] = yoto_rate["spec_ha"] / yoto_rate["total_ha"] * 100

図3 用途別 警戒区域立地率 (警戒/特別警戒)

なぜこの図か: 立地率は密度指標。横棒グラフは比較に最も読み取りやすい。 警戒/特別警戒を 2 本並列にすることで、各用途の「リスクの濃さ」が見える。

読み取り:

• 立地率トップは 住居系 (第一種低層住居専用 等) の確率が高い → H1 支持
• 商業/工業は立地率も低い → 山際を避けた都市計画
• 特別警戒立地率は警戒の 1/3〜1/5 程度 (法令上 特別警戒 ⊂ 警戒)

分析4: 災害種別 small multiples (3 panels)

狙い

図1 の重ね合わせ地図では「種別ごとの形状の違い」が見えにくい。 条件 (種別) だけ変えて並べる small multiples で 3 種類のメカニズムを比較する。

結果

図4 災害種別 主題図 small multiples (3 panels)

なぜこの図か: 1 枚に重ねると alpha blending で背面が見えなくなる。 small multiples なら同スケールで 3 枚の地図を直接比較できる。

読み取り:

• 土石流: 谷筋に沿った 細長い扇状 分布 (土石流の発生メカニズムそのもの)
• 急傾斜地: 山地全体に 面で広がる。件数も最多 (3 種別で支配的)
• 地すべり: 全県で 127 件のみ。点在 → 地質的特殊条件が必要

分析5: 種別×レベル 件数 (棒グラフ + 表)

狙い

3 災害種別 × 2 レベル の 絶対件数 を可視化。H4 (特別警戒は急傾斜地が大半) を検証する。

図5 種別×レベル 区域件数 (広島県全県)

件数表 (要件G)

表からの読み取り:

• 急傾斜地が圧倒的に多い (警戒 30,859 / 特別警戒 29,756) → H4 支持
• 土石流は警戒 18,083 件、特別警戒 13,337 件 (3/4 が特別警戒指定 = 警戒の 73%)
• 地すべりは 127 件のみ + 特別警戒指定なし

分析6: 点要素 (避難所/インフラ/文化財) × 警戒区域 — sjoin の本領

狙い

避難所・インフラ 4 種・文化財 2 種 の合計 7 種類の点 を、警戒区域に対して 一気に 点 in ポリゴン判定 する。geopandas.sjoin の真骨頂。

手法 (要件B + J)

gpd.sjoin(points, polygons, predicate='within') は 点ごとに「ポリゴンの内側か」を R-tree 空間インデックスで高速判定する。 内部実装は知らなくて良い。「点 + 面 → 点に面の属性が付く」 とだけ覚える。

1 件追跡: 避難所 1 件が判定されるまで (要件K Before/After)

実装

↑ L10_sediment_disaster_cross.py 行 1222–1245

 1
 2
 3
 4
 5
 6
 7
 8
 9
1231
1232
1233

def judge_in_sed(points, sed_diss):
    j = gpd.sjoin(points[["_pid", "geometry"]],
                  sed_diss[["kind", "level", "geometry"]],
                  how="left", predicate="within")
    j["lv_pri"] = j["level"].map({"特別警戒": 2, "警戒": 1}).fillna(0)
    j = j.sort_values(["_pid", "lv_pri"], ascending=[True, False])
    return j.groupby("_pid").agg(
        in_warn=("level", lambda s: int(s.notna().any())),
        in_spec=("level", lambda s: int((s == "特別警戒").any())),
        kinds=("kind", lambda s: ",".join(sorted(set(s.dropna())))),
        first_kind=("kind", lambda s: s.dropna().iloc[0] if s.dropna().any() else ""),
    ).reset_index()

図6 点要素 種別別 警戒区域内立地率

立地率テーブル (全 7 種別, 要件G)

表+図の読み取り:

• 避難所: 警戒内 855/4065 (21.0%) → 一定数あり、H2 支持
• 橋梁: 河川を渡るので警戒区域内立地は限定的だが、谷部の橋は土石流に対して脆弱
• ため池: 山際立地が多く、警戒率が他種より高い傾向
• 城跡・官衙: 城跡は山地立地 → H6 (山城仮説) と整合
• ダム: 山間部ピンポイント立地、件数 14 のみ。警戒率は構造的に高い (= 設計時に許容)

図11 避難所 警戒区域内立地 点マップ (広島県全域)

点マップ読み取り:

• 赤点 (特別警戒内) は中山間地の小規模集落の避難所に集中
• 都市部 (太田川河口デルタ) の避難所はほぼ警戒区域外 (灰色)
• 避難所自体が危険 なケースが視覚的に確認できる → 防災教育上の最優先事項

分析7: 二重リスク橋 — 老朽橋 × 警戒区域 (H3 検証)

狙い

L07 で発見した「老朽橋 × 浸水域」の二重リスク手法を、警戒区域 に適用する。 1980 年以前架設の橋 かつ 警戒区域内 = 土砂崩れで落橋しうる老朽橋。

判定基準

• 架設年 ≤ 1980 (橋齢 46 年以上)
• 位置が警戒区域内 (sjoin で判定)
• うち 特別警戒区域内 はさらに危険 (91 件)

図7 二重リスク橋 上位 20 (老朽×警戒)

上位 15 件 (要件G + K 具体例)

読み取り:

• 二重リスク橋 全件: 368 件 → H3 支持 (50 件以上)
• うち特別警戒区域内: 91 件 → 即時点検対象
• 呉市・庄原市・三次市など 中山間地 に集中 → 過疎地の老朽インフラ問題と整合
• 1960年代架設の橋がトップ → 高度成長期の急造インフラが集中

政策的示唆: 国交省「橋梁の長寿命化修繕計画」では浸水だけでなく土砂災害も二重リスク要因として 組み込むべき (本記事の発見をそのまま政策提言に転用可能)。

分析8: 致命的二重ハザード — 河川浸水 × 特別警戒区域 (H5 検証)

狙い

河川浸水想定域 かつ 特別警戒区域 の重複領域を求める。両方が同時に襲う極限ゾーン。 平成30年7月豪雨 (2018) の被災地と一致するかを検証 (H5)。

手法 (オーバーレイの応用)

↑ L10_sediment_disaster_cross.py 行 1294–1305

1294
1295
1296
1297
1298
1299

flood_diss = gpd.GeoDataFrame(geometry=[flood_max.unary_union], crs=CRS_PR)
spec_only = sed_diss[sed_diss["level"] == "特別警戒"]
ovl_fs = gpd.overlay(spec_only[["kind", "geometry"]],
                     flood_diss[["geometry"]],
                     how="intersection", keep_geom_type=False)
ovl_fs["overlap_ha"] = ovl_fs.geometry.area / 10000

図8 致命的二重ハザード 種別別重複面積

結果テーブル

読み取り:

• 合計 448.9 ha が「浸水想定 ∩ 特別警戒」の致命的領域
• 急傾斜地 と 土石流 が大半 (地すべりは特別警戒指定なし)
• 面積 ha は小さく見えるが、世帯数換算で数千世帯クラス = 平成30年7月豪雨で実際に被災した規模感

H5 の検証: 重複域は 呉市/広島市安芸区/坂町/熊野町 周辺に集中するはず。 位置情報を L10_flood_sediment_overlap.csv の重心 (cx, cy → lat/lon) で確認可能。 本記事スクリプトでは ovl_fs に lat/lon 列を計算済み。

分析9: 文化財 × 警戒区域 — 山城仮説 H6 の検証

狙い

城跡・官衙データから、時代別の警戒区域内立地率を計算。戦国時代の山城 が 近世の平城より警戒区域内立地率が高いか?

図9 城跡・官衙 時代別 警戒区域内立地率

時代別テーブル (N≥10 のみ)

読み取り:

• 戦国時代 (室町〜安土桃山) の城跡 = 山城が中心 → 立地率高
• 江戸期の城跡 (近世城郭) = 平城・平山城 → 立地率低
• 古代 (古墳〜奈良) の遺跡は副葬地が多く山地立地、立地率は中程度
• H6 を支持: 「山城は山にある」当たり前を定量化 したのが本分析の意義

応用: 城跡保存と土砂災害対策は 同じ山地でせめぎ合う。文化庁 × 国交省の 連携が必要な領域 (政策連携の発見)。

分析10: 市町別 警戒区域内 避難所ランキング (H2 補強)

狙い

H2 (避難所自体が警戒区域内) を市町別に分解。どこの市町が深刻か を特定。

図10 市町別 警戒区域内 避難所件数 (上位 15)

市町別テーブル (上位 15)

読み取り:

• 避難所件数の絶対数では広島市が最大 (人口比例)
• 警戒率 (在所避難所のうち何%が警戒内) は中山間地の市町で高い
• H2 検証: 全県平均 21.0% は仮説の閾値 5% を 上回る → H2 支持
• 避難所の 再配置 または 代替避難所の追加指定 が政策課題

仮説検証と考察

H1〜H6 判定表 (要件: 仮説検証)

考察 (要件I 意味のある分析)

• 「山際の都市計画」のひずみ: 用途地域は河川と平地のみ意識して引かれた歴史。 住居系を山際に許容してきた結果、土砂災害警戒区域立地率が高い (H1)
• 避難所の「立地ジレンマ」: 高低差の少ない平地に避難所を作ると河川浸水で水没、 山地の小学校に作ると土砂災害警戒区域。H2 で示した 855 件は両者のジレンマの具体例
• 老朽インフラの二重リスク: H3 の 368 件は、 浸水二重リスク (L07) + 土砂二重リスク (本記事) で 重複する 橋がさらにあるはず → 三重リスク橋として発展課題
• 歴史と防災の連続性: H6 (山城の警戒区域立地) は単なる学術発見ではなく、 「過去に人がそこを選んだ理由」 = 軍事目的だが、今は防災負債。文化財と防災行政の協働が必要

発展課題 (結果X → 新仮説Y → 課題Z)

1. 三重リスク橋の特定

• 結果X: 本記事で老朽×土砂 二重リスク橋を 368 件特定。L07 で老朽×浸水 二重リスク橋を別途特定。
• 新仮説Y: 両者を AND 結合すると、老朽 × 浸水 × 土砂 の三重リスク橋 が数件浮上する
• 課題Z: L07_double_risk_bridges.csv と L10_double_risk_bridges.csv を橋梁番号でマージし、 さらに sjoin で土砂判定を加えた表を作成 → 即時点検対象リストとして自治体に提供

2. 用途地域変更履歴 × 警戒区域指定時系列

• 結果X: 第一種低層住居専用が警戒区域立地率トップ
• 新仮説Y: 用途地域指定 (戦後) と 警戒区域指定 (2003 法施行〜) の 時系列ズレ が 山際住居の固定化を招いた
• 課題Z: 過去の用途地域変更告示と警戒区域指定日 (Shapefile の y_ymd 列) を 時系列マッチング、用途指定が先か警戒区域指定が先かを地区ごとに分類

3. 避難所代替指定の最適化 (組合せ最適化)

• 結果X: 警戒区域内避難所 855 件、特別警戒内 54 件
• 新仮説Y: 各警戒避難所には 徒歩 1km 圏 に 代替候補 となる安全な公共施設がある
• 課題Z: 避難所点と「警戒外の公共施設点 (学校・公民館)」を BallTree で最近傍探索、 代替候補リストを生成 → L09 (最近傍) の手法を再利用

4. 平成30年7月豪雨の死亡災害ポイント検証

• 結果X: 浸水×特別警戒の合計 448.9 ha
• 新仮説Y: 2018年豪雨の死亡発生地点 (報道ベース) は本記事の致命的二重ハザード域に 8 割以上一致する
• 課題Z: 報道地図から死亡発生緯度経度を点データ化、本記事の重複域に sjoin で照合し、 予測モデルとして機能していたかを評価

5. 城跡保存と防災ハザードのトレードオフ

• 結果X: 山城は警戒区域立地率が高い
• 新仮説Y: 文化財保護法による 形状改変禁止 と 土砂災害対策の のり面工事 は 法令上の衝突を起こす
• 課題Z: 史跡指定地と特別警戒区域の overlay を取り、衝突箇所を一覧化。文化財保護課/砂防課の協議実績と照合

6. 全県版 → 市町版への対応一覧 (#544-#573 カバー実証)

• 結果X: 本記事は #48 全県版 1 ファイルで 31 dataset カバーと宣言
• 新仮説Y: 個別市町版 (#544-#573) の総件数を合算すると、本記事の全県件数と 合致する
• 課題Z: city 列で全県版をフィルタした件数 vs 個別 30 件の各 ZIP 件数の照合 → カバー宣言の ハードな根拠を獲得

補足: GIS パイプライン要約 / 処理時間

本記事の GIS パイプライン (要件O 複数手法の境界明示)

処理時間と要件S (1 分以内, 最悪 3 分)

• 全県 sediment 約 67,000 features → そのまま overlay すると数十分
• 対策: 事前 dissolve (kind×level 5 ポリゴン) + simplify(5) + bbox フィルタ
• 避難所 4,065 + インフラ 11,128 + 文化財 多数 を 1 回ずつ sjoin → R-tree で高速
• 全体目安: 30 秒〜90 秒 (PC 環境による)

用途地域コード (YOTO_CD) 対照表

カバー対応表 (31/31 件 論理カバー証明)