森林冠雪荷重の機械学習予測：倒木リスク管理

同じ「積雪10cm」でも、雪の種類しだいで樹冠が受ける重さは10倍以上変わります。冠雪害は、北日本や日本海側の山で林業をいちばん悩ませる気象災害で、林野庁の統計では森林の気象害のうち雪害が面積で3〜4割、被害材積は年に40万〜80万m³にのぼります。近年はこの被害を、気象データと衛星画像、森林簿を組み合わせた機械学習で前もって予測する取り組みが進んでいます。ここでは雪荷重の基本から、予測技術、現場での使い方までを整理します。

こわいのは「重い湿雪」

雪荷重を考えるカギは、雪の密度の幅広さです。荷重は「雪密度 × 重力 × 積雪深」でおおよそ決まるので、軽い粉雪と重い湿雪では同じ深さでもまるで違います。下の表のように、新雪は1m³あたり50〜100kgしかありませんが、0℃前後の湿雪は300〜500kgにもなります。

湿雪は含水率20〜40%で枝葉に付きやすく、風が吹いても落ちにくいのが厄介です。2014年2月の関東甲信豪雪では甲府市で積雪114cmを記録し、樹冠雪荷重は約4.0 kN/m²に達して山梨・群馬の人工林で5,200haを超える冠雪害が出ました。逆に新潟の山で積雪3mあっても、軽い粉雪なら数日かけて圧密しながら風で落ちていくので、被害は意外と限られます。深さより「重さ」が問題なのです。

樹齢と樹種で耐える力が違う

どれくらいの荷重で被害が出るかは、樹種・樹齢・林分密度で大きく変わります。スギ人工林の場合、森林総研の長期観測ではおおむね次のしきい値です。

樹種では、円錐形の樹冠で雪をためやすいトドマツ・エゾマツが北海道で被害多発。枝が水平に近く着雪面積の広いスギは日本海側で深刻です。枝が下垂気味のヒノキは雪が落ちやすく中程度、落葉するカラマツや広葉樹は冬の樹冠が疎なので比較的軽微です。林分密度が高すぎると初期は木どうしが支え合いますが、いったん倒れ始めるとドミノ式に広がる「連鎖倒木」が起きることも分かっています。被害の形は、枝が折れる枝折損、幹が途中で折れる幹折損、根ごと抜ける根返り、幼木が雪の重みで湾曲する押し倒し（雪起こしの対象）の4つに整理できます。

気象・衛星・森林簿を重ねて予測する

近年の予測は、気象データ・衛星画像・森林簿の3層を統合するのが主流で、経験則だけのリスク評価を大きく上回る精度を出しています。信州大学は長野県のスギ・カラマツ林で、AMeDASとLiDAR樹冠構造、地形からランダムフォレストで被害有無を判別し、AUC 0.87を達成。3日累積降雪量と風速の組み合わせが最重要でした。岐阜大学は飛騨のヒノキ林でXGBoostによる枝折損確率モデルを作り、雪荷重2.5 kN/m²を超えると折損が急増する非線形性を捉えています。森林総研北海道支所は雲に左右されないSentinel-1のSAR画像と深層学習（U-Net）で被害検知を実装し、新潟県森林研究所は雪起こし対象地の優先順位付けにXGBoostを使って作業効率を28%改善しました。

予測精度を分けるのは特徴量の設計です。各研究で繰り返し上位に入るのは、直近24〜72時間の累積降雪量、降雪中の平均気温（湿雪かどうかの判定）、最大瞬間風速といった気象系で、これだけでモデルの予測寄与の5〜6割を占めます。次いで樹高をDBHで割った「形状比」が効きます。密植して放置された林は形状比が100を超え、折損リスクが跳ね上がるからです。さらに北西〜北向き斜面など地形条件、その林分の過去の被害履歴も強い手がかりになります。

現場での使い方と気候変動への備え

予測を現場につなげる流れはシンプルです。秋に森林簿と気候平年値からシーズン全体のリスクマップを作って点検対象を絞り、冬はAMeDASの実況と数値予報から3〜7日先の被害確率を更新して警報水準を超えたら通知。大雪の後はSAR画像の差分で被害域の候補を抽出し、ドローンで現地確認します。高リスクの林分は本数密度を10〜20%下げて荷重を分散したり、押し倒しが予測される若齢林の雪起こしを優先したりします。被害が出たら、被害材を早めに搬出して材価の下落を防ぐことが大切です。

気候変動の影響は一筋縄ではいきません。日本海側の年間降雪日数はこの50年で2〜3割減っている一方、1日あたりの降雪強度の極大値は増える傾向です。気温上昇で雪が乾雪から湿雪へシフトするため、降雪量が減っても樹冠雪荷重リスクはむしろ増す地域があります。森林総研の試算では、2050年までに東北日本海側のスギ人工林で湿雪着雪リスクが現状比15〜25%増。「暖冬だから雪害も減る」と一律に安心するのは禁物です。だからこそ機械学習モデルも、毎年の再訓練と気候シナリオを組み込んだ将来予測の併用が標準になりつつあります。なお全国森林組合連合会の森林国営保険（加入面積約42万ha）では、こうした林分単位のリスク評価を保険料率の精緻化に活かす動きも始まっています。

よくある質問

雪荷重のkN/m²とkg/m²はどう換算しますか？

1 kN/m²はおよそ102 kg/m²に相当します（重力加速度9.81 m/s²で換算）。たとえば樹冠雪荷重3 kN/m²は約306 kg/m²です。

予測精度70〜92%は実用に足りますか？

林分単位の予防伐の優先順位付けやリスクマップ作成には十分実用的です。ただし1本ずつの被害有無まで当てるのは現状でも7割程度なので、現地計測との併用が前提になります。

個人の林業者でも予測を使えますか？

今のところ研究機関・大手林業会社・自治体が中心です。林業クラウドサービスやスマホアプリ化が進んでおり、数年内には小規模な林業者でも使えるようになる見込みです。