X09 河川浸水想定 × 用途地域 — 浸水深ランク × 用途 主題図研究

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/X09_flood_landuse_zone.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 (3 段階)

1. 面の問い: どんな用途が浸水域に含まれるか？ (絶対面積)
2. 密度の問い: 各用途の "何 %" が浸水するか？
3. 深さの問い: その用途は どれだけ深く 沈むか？(rank=10 の浅瀬と rank=80 の 20m 超では命の危険度が違う)

立てた仮説 (H1〜H8)

1. H1: 浸水域内の最多用途は 住居系 (河川沿い平野部に多い)
2. H2: 計画 vs 想定最大規模で用途別比率は変わる
3. H3: 商業地は駅前低地に偏り、特定水系に集中
4. H4: 絶対面積と 浸水率(密度) でランキングは入れ替わる
5. H5: 太田川水系で住居系が集中
6. H6: 計画→想定最大の 増加倍率 は用途で異なる
7. H7: 工業/工業専用は河川沿いで浸水率が高い
8. H8: 3m 以上 (致命的) の浸水域内の最多用途は 住居系(命の危険)

用語の定義

• 用途地域: 都市計画法に基づく土地利用区分。住居系 7 + 商業系 2 + 工業系 3 + 田園住居 = 13 区分
• 浸水想定区域: 河川氾濫時の予想浸水範囲。計画規模 (中規模降雨) + 想定最大規模 (巨大降雨) の 2 階層
• rank (浸水深ランク): 10=0〜0.5m / 20=0.5〜1m / 30=1〜2m / 40=2〜3m / 50=3〜5m / 60=5〜10m / 70=10〜20m / 80=20m以上 (広島県河川防災情報システム凡例)
• 主題図 (choropleth): 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
• small multiples: 同じ枠で条件だけ変えた小図を並べ、比較を促す手法
• 浸水率: 用途別 浸水重なり / 用途総面積。0〜100%

結果サマリー (詳しい本文の前に概観)

使用データ

• 河川浸水想定区域 (計画規模): 416 polygons, 総面積 195.1 km², rank列あり
• 河川浸水想定区域 (想定最大規模): 613 polygons, 総面積 829.7 km², rank列あり
• 用途地域 GeoJSON (広島市): 999 features → 用途別dissolve後 12 用途
• CRS: EPSG:6671 (Japan Plane Rectangular III) で面積計算
• 属性列の発見: flood Shapefile の rank 列(整数 10-80) が浸水深ランク。これまでの研究では未活用だった

ダウンロード

分析1: 用途 × 浸水深ランク ヒートマップ (主役の発見)

狙い

flood Shapefile の rank 列(浸水深ランク) を活用し、 「どの用途が、どれくらいの深さで沈むか」 を 1枚の地図様マトリクスで把握する。

手法

• gpd.overlay(landuse_d, flood_max[['rank', ..., 'geometry']], how='intersection') で rank 列を保持したまま 交差を計算。
• 結果を (yoto_name, rank) で集計 → ピボット → ヒートマップ。
• セルに数値を直接書き込み、視認性 (要件 P) を確保。

実装

↑ X09_flood_landuse_zone.py 行 533–548

533
534
535
536
537
538

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

結果

なぜこの図か: 2 軸 (用途×深さ) の値分布をひと目で見るにはヒートマップが最適。

用途×浸水深ランク 重なり面積 (想定最大規模)

読み取り:

• 第一種住居の 0.5〜3.0m 帯が圧倒的に大きい
• 商業/工業も浅瀬 (0〜2m) で広く分布
• 3m 以上の深い帯 でも住居系が上位 → 命の危険
• 10m を超える極端に深い帯 (rank 70-80) は限定的だが、点在

分析2: 主題図 — 用途 × 浸水深 重ね合わせ

狙い

地図上で「どこ」 を確認する。用途地域を背景の色面、浸水深を半透明の青〜紫で重ねる。

手法

• geopandas.GeoDataFrame.plot() で 2 レイヤを順に描画
• 背景: 用途別 13 色 / 上層: rank 別 8 色 (青→紫で深さ表現)
• 2 つの凡例を併設 (左下=用途, 右上=深さ)

結果

なぜこの図か: ヒートマップでは「どこ」が分からない。地図にすることで地理的偏りを補完する。

広島市 用途×浸水深 主題図

読み取り:

• 太田川河口デルタ地帯に浸水が集中 (中区/南区/西区)
• 深い紫 (10m超) は限定的、本流分岐部に点在
• 商業地 (紫色) が浸水深の濃い部分と重なる → 駅前低地仮説支持

分析3: 主題図 — 浸水内ポリゴンだけ抽出

狙い

「実際に浸水する用途地域」の 形と地理的分布 を強調表示。

結果

なぜこの図か: 浸水域内の polygon だけ用途別色分けし、非浸水部はグレーにすることで、リスクが地理的に どこに集中するか を直感的に把握できる。

浸水域内の用途地域ポリゴン

読み取り:

• 浸水内ポリゴンの外形が太田川河口に集中
• 住居系 (オレンジ系) が広く分布、商業 (紫) は中心部に固まる
• 工業 (青) は港湾部・海沿いに偏る

分析4: 用途別 small multiples (12 panels)

狙い

用途を 1 つずつ取り出し、その用途だけの浸水分布 を 12 panel で並べる。形状の違いを比較。

結果

なぜこの図か: 1 枚に全用途を重ねると密集して読み取れない。条件 (用途) だけ変えて並べる small multiples は比較用途で最適。

用途別 浸水内ポリゴン (12 panels)

読み取り:

• 第一種住居は市内全域に分散、第一種低層住居専用は西部の一部に偏る
• 商業は中心部 (紙屋町・八丁堀周辺) に集中
• 工業/工業専用は港湾・南区に集中、深い rank で出現
• 準工業・近隣商業は中間的

分析5: 用途別 浸水重なり 絶対面積ランキング

狙い

シンプルに「面積で何が一番多いか」をランキング。

手法

↑ X09_flood_landuse_zone.py 行 612–619

612
613
614

diss = ovl.dissolve(by="yoto_name")  # 用途ごとに union (重複除去)
diss["overlap_ha"] = diss.geometry.area / 10000
diss.sort_values("overlap_ha", ascending=False)

なぜこの図か: 面積を直接比較するなら横棒グラフが最も読み取りやすい。

用途別 浸水重なり面積 ランキング

読み取り: 第一種住居 が突出。住居系 4 種で全体の半分超 (H1 支持)。

分析6: 用途別 浸水率 (密度) - 絶対面積では見えない真実

狙い

絶対面積では 「広い用途ほど浸水量が多い」のは当たり前。これを 浸水率(=浸水重なり / 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。

手法

↑ X09_flood_landuse_zone.py 行 627–634

627
628
629

total = landuse_d.groupby("yoto_name")["total_ha"].sum()
overlap = sum_max.set_index("yoto_name")["overlap_ha"]
rate = overlap / total * 100

なぜこの図か: 絶対面積と密度は別物。両方を並べることで「面積大なのに密度低い用途」「面積小なのに密度高い用途」が浮かぶ。

用途別 浸水率 (密度)

読み取り:

• 浸水率 1 位は 準工業 (93.8%)
• 絶対面積トップだった第一種住居は密度では中位 (広いから絶対面積も大)
• 面積小 + 密度大の用途 (例: 工業専用) は 港湾部に立地が集中 → 高浸水率
• 仮説 H4 支持: 絶対と密度でランキング入れ替わり

分析7: 計画規模 vs 想定最大規模 + 増加倍率

狙い

降雨規模を変えると、用途別の重なりはどう変化するか?

用途別 計画 vs 想定最大 重なり

読み取り:

• 住居系で 2倍以上 に拡大
• 増加倍率最大は 第一種低層住居専用 (×9.31)
• 商業地は計画規模でも一定面積、想定最大規模でさらに拡大 (低地に集中)

分析8: 用途 × 水系 ヒートマップ

狙い

水系単位で重なり面積を集計。どの河川がどの用途を浸水させるか?

用途×水系 重なり面積

読み取り:

• 太田川水系が最大 (広島市中心部を貫流)
• 瀬野川水系・八幡川水系 も住居系で上位
• 仮説 H5 支持

分析9: 致命的浸水 (3m 以上) × 用途

狙い

命の危険を伴う 3m 以上の浸水深 (rank ≥ 50) に絞り、用途別ランキング。

結果

なぜこの図か: 浸水域全体ではなく、致命的な深さに絞ることで「人的被害が真に懸念される用途」がわかる。

致命的浸水 (3m以上) × 用途

上位用途の浸水深内訳 (積み上げ棒)

読み取り:

• 住居系が上位を占める。「住宅地に住む人が、命の危険ある深さで浸水する」 という事実
• 積み上げ棒で見ると、第一種住居の浸水域内訳は浅瀬中心だが 3m以上も無視できない量
• 仮説 H8 支持

浸水深ランクの全体分布

狙い

用途を問わず、想定最大規模の浸水域全体での 深さの分布 を確認する。

読み取り:

• 浅瀬 (0.5〜3.0m) が最多。0.5m未満も比較的多い
• 5m 以上の深さは少数だが 絶対面積で数百 ha 存在
• 20m 以上はごく一部 (堤防決壊・本流氾濫の極端ケース)

用途×水系 上位 10 ペア

クロス集計の上位 10 ペアを抽出。リスクが集中する組合せ。

仮説検証と考察

考察

• 都市計画と水害リスクの不整合: 住居系が浸水域に最多 = 戦後の都市開発が河川沿い平野を許容してきた歴史的背景
• 密度視点の重要性: 絶対面積だけでは「広い住居地が多くて当然」だが、浸水率で正規化すると工業専用などの危険性が浮上 (H4)
• 致命的浸水域の住居集中: H8 は防災教育上の最優先事項。3m 浸水は 2階建て住宅の 1階を越える
• 計画規模の限界: 計画規模だけ見ると「安全」と思いがちだが、想定最大規模では数倍に拡大 (H6)

発展課題 (結果から導かれる新たな問い)

1. 住居系の細分化 × 深さ:
   • 結果X: 住居系が浸水重なりの 4 割超
   • 新仮説Y: 第一種住居 (高密度) と 第一種低層住居専用 (低密度) で 命の危険深さ の分布が異なる
   • 課題Z: 住居系 7 区分を全て分解した浸水深ヒストグラムを作成
2. 市町別の用途×浸水パターン: 階層クラスタリングで市町を「商業集中・工業集中・住宅集中・低リスク」群に分類
3. X07/X08 との結合: DID 人口集中地区(X07) と避難所立地(X08) の3層分析で、 「人がいるのに避難先が遠い」 高深度浸水域を特定
4. 過去災害との照合: S66 過去災害情報 と本記事の致命的浸水域 (3m以上) を照合し、想定の妥当性を経験的に検証
5. 建築年代との交差: 浸水域内の住居の建築年代 (古い木造?新しい RC?) を国勢調査建物データと交差
6. 用途地域変遷との時系列比較: 過去の用途指定変更履歴と現在の浸水想定の整合を確認

補足: 用途地域コード対照表 / GIS メソッドの黒箱化

用途地域コード(YOTO_CD) → 名称

GIS メソッドの黒箱化 (ツール化視点)

本記事で使った GIS 操作は、原理を理解した上で 「何が入って何が出るか」だけ覚えれば 利用できる。

ツール化の意味: 内部で R-tree 空間インデックス、トポロジ修正、Boolean 演算が走るが、利用者はそれを知らなくても結果が得られる。原理の理解 + ブラックボックス利用 が DoBoX の方針。

処理時間とパフォーマンス (要件S対応)

• 本スクリプトは 1〜3分 で完走するよう設計 (ハンズオン制約)
• 用途地域は YOTO_CD で先に dissolve し 999 polygons → 12 polygons へ削減
• buffer(0) で TopologyException を予防
• 県全域版 (340006, 2629 features) は時間が伸びるため、本記事は広島市版 (341002) を採用