不確実性下における気候変動適応対策の経済的評価 …独立行政法人国際協力機構(JICA) 不確実性下における気候変動適応対策の経済的評価に関する分析業務

独立行政法人国際協力機構(JICA)

不確実性下における気候変動適応対策の経済的評価に関する分析業務

報告書

平成 28 年 7 月

日本工営株式会社

－目次－

1. はじめに ........................................................................................................................... 1 1.1. 背景 ...................................................................................................................................... 1 1.2. 業務目的............................................................................................................................... 2 1.3. 業務の対象範囲と留意事項 ................................................................................................. 2 1.3.1. 対象範囲 ................................................................... 2 1.3.2. 留意事項 ................................................................... 2

2. 計画準備 ........................................................................................................................... 3 2.1. 基本認識............................................................................................................................... 3 2.2. 業務実施フロー .................................................................................................................... 3

3. 資料の収集 ....................................................................................................................... 5 4. 適応策検討枠組みの設定 .................................................................................................. 6 4.1. 気候変動シナリオの作成 ..................................................................................................... 6 4.1.1. GCM (General Circulation Model) データの収集 ............................... 6 4.1.2. 月雨量、月平均気温の気候値変化の整理と検討のための GCMの選定 .............. 10 4.1.3. バイアス補正 .............................................................. 21 4.1.4. 気象水文データの収集 ...................................................... 26 4.1.5. 気象データの気候値の整理 .................................................. 42 4.1.6. バイアス補正の実施(ISI-MIPの方法とその改良) .............................. 55 4.1.7. 流出解析のための将来気候プロジェクション .................................. 92

4.2. 社会シナリオの作成 ........................................................................................................ 101 4.2.1. 資料収集 ................................................................. 101 4.2.2. ケニアの人口 ............................................................. 102 4.2.3. 一人あたりの米消費量の変化 ............................................... 106 4.2.4. 国内コメ生産量 ........................................................... 109 4.2.5. 輸入米に対する国産米の競争力の変化 ....................................... 110

4.3. 事業オプションの設定 ..................................................................................................... 117 4.3.1. SAPROF で検討されている灌漑プランおよびクロッピング・パターン ............ 117 4.3.2. 1996年実施 D/D での開発計画 .............................................. 117 4.3.3. SAPROF で設定された開発事業 4ケース ...................................... 117 4.3.4. 計画作付パターン 4ケース ................................................. 118 4.3.5. 本検討業務で検討する事業オプション ....................................... 119

4.4. 評価指標の検討 ................................................................................................................ 120 4.4.1. 評価指標の設定 ........................................................... 120

4.4.2. 事業効果の捉え方 ......................................................... 123 4.4.3. 現地ヒアリングによる参考情報の整理 ....................................... 127

4.5. 適応策枠組みの設定 ........................................................................................................ 129 4.5.1. XLRM Framework の作成 .................................................... 129

5. シミュレーションモデルの構築 .................................................................................... 131 5.1. 気候変動影響評価に必要なシミュレーションモデル ..................................................... 131 5.2. 流出解析モデルの構築 ..................................................................................................... 132 5.2.1. 実績河川流量の整理 ....................................................... 132 5.2.2. SHERモデル .............................................................. 138 5.2.3. モデルデータの作成 ....................................................... 138 5.2.4. キャリブレーション ....................................................... 144 5.2.5. 将来気候プロジェクションデータでの流出解析 ............................... 146

5.3. 水収支モデルの構築 ........................................................................................................ 152 5.3.1. 現況の灌漑システムの把握 ................................................. 152 5.3.2. SAPROF で検討された代替案での灌漑システム ................................ 157 5.3.3. 水収支モデルのための基礎データ整理 ....................................... 165 5.3.4. 水収支解析 ............................................................... 174

5.4. 作物収量予測モデルの構築 ............................................................................................. 182 5.4.1. 作物収量予測モデル DSSAT ................................................. 182 5.4.2. コメ収量の評価 ........................................................... 183 5.4.3. 畑作物収量の評価 ......................................................... 199

6. シナリオシミュレーションの実施と評価の実施 ........................................................... 202 6.1. 長期流出解析・収量予測解析の実施 ............................................................................... 202 6.1.1. 長期流出解析の実施 ....................................................... 202 6.1.2. 作物収量計算の実施 ....................................................... 202

6.2. 評価の実施と整理 ............................................................................................................ 203 6.2.1. 費用便益分析の実施 ....................................................... 203 6.2.2. 複数指標での評価 ......................................................... 214 6.2.3. 需要（コメ消費量）と供給（コメ生産量） ................................... 221 6.2.4. コメ自給率と農業収益 ..................................................... 222 6.2.5. 白米輸入量の削減による外貨節約 ........................................... 223 6.2.6. 農家サイドでの評価 ....................................................... 224

7. 分析結果のとりまとめ .................................................................................................. 226 7.1. 結論 .................................................................................................................................. 226 7.2. RDM の有効性 ................................................................................................................. 227 7.3. 今後の課題 ....................................................................................................................... 227

外貨換算 JICA 統制レート（2009 年 3 月） US$ 1.00 = KSh 77.13 = J.Yen 97.95

略称・接頭語 ARC2 Africa Rainfall Estimate Climatology Version 2 BCR Benefit-Cost Ratio CenTrends The Centennial Trends Greater Horn of Africa Precipitation CIF Cost, Insurance and Freight CP Cropping Pattern CMIP5 Coupled Model Intercomparison Project Phase 5 DSSAT Decision Support System for Agrotechnology Transfer EIRR Economic Internal Rate of Return FAO Food and Agriculture organization of the United Nations FAO-PM FAO Pennman-Monteith equation GCM General Circulation Model GDP Gross Domestic Products HW Headworks IPCC Intergovernmental Panel on Climate Change IPCC AR5 IPCC Fifth Assessment Report ISIMIP The inter-Sectoral Impact Model Intercomparison Project JICA Japan International Cooperation Agency LR Long Rain season MCM Million Cubic Meter MIAD Mwea Irrigation Agriculture Development Centure MIS Mwea Irrigation Settlement MISWUA MIS Water Users Association MOA Ministry of Agiculture MOA ERA MOA Economic Review of Agriculture NCEP National Centers for Environmental Prediction NIB National Irrigation Board NPV Net Present Value NWMP2030 Kenya National Water Master Plan 2030 NRDS National Rice Development Strategy (2008-2018) OECD Organisation for Economic Co-operation and Development O&M Operation and Maintenance

RDM Robust Decision Making

RCP Representative Concentration Pathways

RMSE Root Mean Square Error

SAPROF Special Assistance for Project Formulation

SHER Model Similar Hydrologic Element Response Model

SR Short Rain season

WRMA Water Resource Management Authority

WUA Water Users Association

WATCH Forcing Data methodology applied to ERA-Interim data

WPP 2015 World Population Prospects 2015

Meteorological Variables

pr Precipitation

tas Near-Surface Air Temperature

tasmax Daily Maximum Near-Surface Air Temperature

tasmin Daily Minimum Near-Surface Air Temperature

sfcWind Ner-Surface Wind Speed

huss Near-Surface Specific Humidity

hurs Near-Surface Relative Humidity

rsds Surface Downwelling Shortwave Radiation

rlds Surface Downwelling Longwave Radiation

ps Surface Air Pressure

ET Evapotranspiration

Climate Scenarios

BL Baseline

DH Dry-High Scnario

DL Dry-Low Scenario

MM Medium-Medium Scenario

WH Wet-High Scenario

WL Wet-Low Scenario

1

1. はじめに

1.1. 背景

気候変動に関する政府間パネル（IPCC）が 2014 年に発表した第 5 次評価報告書第 2 作業部会

報告書では、既に全大陸と海洋において気候変動の影響が表れていることを指摘しており、気候

変動影響への適応は、将来的に対応が必要となる課題ではなく、既に眼前にある課題となってい

る。こうした状況を踏まえ、開発途上国からは気候変動適応策への支援要請が従来に増して強く

なりつつある。しかし、これまで JICA を含む開発援助機関の気候変動対策支援は緩和策（”

mitigation”－温室効果ガスの削減）に偏る傾向があった。その要因のひとつとして、緩和策は

温室効果ガス排出量または吸収量という明確な評価指標があるのに対し、適応策はその効果を測

る共通指標や手法が存在せず、適応策に資する事業を特定しにくい、適応策の効果の評価が困難

で適応策案件の形成が促進しにくいといった点が挙げられる。こうした背景から、国際的に気候変動適応策プロジェクトの評価手法開発へのニーズが高まっ

ているが、OECD 等で議論は行われてきているものの、未だに決定的な評価手法は存在しない。

そこで JICA は世界銀行と連携し、不確実性下における意思決定分析に関する方法論の最新の知

見（具体的には Robust Decision Making：RDM）を活用し、将来的に JICA 事業の評価に応用

可能な気候変動適応策評価手法の開発を目的として研究を開始した。同研究では、まず不確実性

を考慮した気候変動適応対策に関する評価手法を検討し、検討の結果得られた評価手法を、ケニ

ア・ムエア灌漑開発事業（有償資金協力事業）を対象としたケーススタディに応用し検証すると

ともに、手法の改善を試みる計画である。ムエア灌漑開発事業をケーススタディの対象として選定した主な理由としては、RDM の気候

変動適応策評価の研究で先行する世界銀行が既にベトナムの洪水対策、ペルーの上水道事業に

RDM を適用したケーススタディを実施しており、対象地域・分野のバランスを考慮し、今回の

ケーススタディの対象をアフリカの農業案件に絞ったこと、その中でムエア灌漑事業は比較的最

近開始された案件であり、事業計画の調査を JICA が支援したため RDM を適用した分析に必要

なデータが比較的良く揃っていることが挙げられる。ムエア灌漑事業は、JICAが2008年11月から2009年9月にかけて案件形成促進調査（SAPROF）

によって施設計画・設計をレビューし、事業の必要性、効果、経済性を検証し、その後、円借款

につながった。円借款事業は 2010 年から 2018 年までの計画で実施中である。かかる背景の下、本業務はムエア灌漑事業について、RDM を活用し、複数の事業オプション

をそれぞれ複数の将来シナリオの下で評価し、気候変動適応策としての効果を分析することを通

じ、RDM の有効性検証と適切な事業評価指標の開発に役立てることを意図して実施するもので

ある。

2

1.2. 業務目的

本業務は、ケニア国のムエア灌漑事業を対象に RDM を活用し、様々な将来シナリオに対して堅固

（Robust）な対策検討プロセスのあり方、及び必要な情報提供のあり方について検討を行ない、今後、RDM

を応用した気候変動適応策の評価手法・指標を開発するための基礎となる知見の創出を目的とする。

1.3. 業務の対象範囲と留意事項

1.3.1. 対象範囲 JICA との協議を通じ、ムエア灌漑事業を対象に 5 種類の気候変動シナリオ（気温・降雨等の

変化に対応）、及び９種類の社会シナリオ（人口、コメ消費量、輸入米価等の変化に対応）を作

成する。これら将来シナリオの計画対象年次は 2030年とする。

適応策としての評価対象となる事業オプションとして、３つのオプションを設定する。

各事業オプションを様々な将来シナリオの下で評価するため、流出解析モデル、及び作物収量

予測モデルを構築する。

作成したモデルを使い、3つの事業オプションそれぞれについて、設定した気候変動シナリオ

と社会シナリオの全ての組合せの下で分析・評価し、得られた知見を整理する。

1.3.2. 留意事項本業務では、ムエア灌漑事業に係る SAPROF 報告等の既存資料、及びインターネットなどで入

手可能な情報を用いて実施するものとし、受注者による現地調査は行わない。

適応策検討枠組みの設定は、現地ステークホルダーとの議論を通じてまとめることが有効であ

るが、現地でのステークホルダーとの議論は JICA が行うこととし、本業務の対象とはしない。

本業務では、議論や合意形成を円滑に行うための説明資料の原案を作成する。

3

2. 計画準備

2.1. 基本認識

Robust Decision Making (RDM)は、近年注目されている計画手法である。気候変動適応策は、

計画対象の時点での外力（気候、社会条件）の想定に含まれる不確実性が強いことが計画策定上

の困難な点である。RDM は、気候や社会条件などの不確実なオプションを可能な限り設定し、

プロジェクトの効果をシミュレーションによって定量的に評価することが基本となる。いわば、

気候条件や社会条件に対するプロジェクト効果の感度分析を行うものであり、後悔の少ない、ま

た、柔軟な計画を探るものである。RDM が対応とする事象は、治水、防災、環境保護など、様々

な分野に対応出来うるだけでなく、同時に複数の目的のトレードオフを踏まえた総合的な評価よ

り意思決定に繋げることが含まれている。 JICA では、今後実施していく開発計画において、気候変動の主流化を提唱しており、RDM は

各種計画に共通する重要な計画論となり得る。したがって、本業務実施において、RDM 検討における留意点をとりまとめること、また、今

後さらに詳細の検討を必要とする事項を洗い出すなど、今後の展開に留意した検討を心がけるこ

とが重要である。

2.2. 業務実施フロー

業務実施フローを図 2-1 に示す。

4

図 2-1 業務実施フロー図

（０）計画準備

（１）資料の収集

（２）適応策検討枠組みの設定

•MWEA灌漑事業に関する既

存検討資料の収集

•水文資料、地形データ、作物

評価のための関連資料

•RDM実施事例などの収集

気候変動シナリオの作成

•GCMデータの収集

•月雨量、月平均気温の気候値

変化の整理と検討のためのGCMの選定

•バイアス補正

社会シナリオの作成

事業オプションの設定

評価指標の検討

適応策検討枠組みの設定

（XLRM Frameworkの設定）

ケニア国

ステークホルダーと

のワークショップ

（JICA担当）

（３）シナリオシミュレーションモデルの構築

（現況再現モデルの作成）

流出解析モデルの構築

作物収量予測モデルの構築

いずれも気候変動のインパクト

を適正に評価できるモデルでな

くてはならない

（４）シナリオシミュレーションの実施と評価の実施

長期流出解析・収量予測解析の実施

評価の実施と整理

気候変動シナリオ：

(将来5ケース＋現況1ケース)×

事業オプション：3ケース

27ケース設定

5ケース設定

3ケース設定

（５）分析結果のとりまとめ

シミュレーション実施18ケース

×

社会シナリオ27ケース

＝486ケース

5

3. 資料の収集

ムエア灌漑プロジェクトに関する水文資料、地形データ、作物評価のための関連資料などを収集した。

ムエア灌漑プロジェクトは、2008 年 11 月から 2009 年 9 月までに実施した SAPROF によって策定された計

画である。SAPROF は、1996 年に実施された詳細設計をレビューしたものであるが、その際に使用した気象

水文データ、現地の状況、社会情勢などは、検討当時の最新情報に基づいたものである。

SAPROF 検討完了後 6 年程度経過した現在では、灌漑エリアの状況、社会情勢などが当然ながら変化し

ている。しかし、最新の水文資料を新たに入手することが困難であること、また、流出解析モデル、作物収量

モデルのモデルデータ構築においても、新規に最新情報に基づいて構築することは、再び SAPROF と同様

の時間と費用を要することとなる。

本件では、RDM の検討を実施し、有効性を検証し、他の開発計画への適用する際に留意すべき点など

を整理し、今後の気候変動適応策の評価手法・指標を開発することが目的である。したがって、最新の情報

ではなく、SAPROF にて収集された情報を用いることとした。

図 3-1 ムエア灌漑プロジェクトエリア概略地図

6

4. 適応策検討枠組みの設定

4.1. 気候変動シナリオの作成

影響評価に用いる気候変動シナリオとして、気候モデル（GCM: General Circulation Model）および放射強制力シナリオ（RCP：Representative Concentration Pathways）の組み合わせを

選択した。

4.1.1. GCM (General Circulation Model) データの収集 4.1.1.1 収集対象

CMIP5 (Coupled Model Inter Comparison Project Phase 5)1に整備されている GCM を収集

した。CMIP5 は、2014 年に発表された IPCC 第５次評価報告書において評価の基礎データとし

て用いられた GCM による気候予測情報のデータベースとなっている。収集対象を以下に示す。

表 4-1 GCM データの収集対象

時間解

像度対象シナリオ※1 期間※2 範囲気象変数

月入手できるすべての

GCMによるRCPシナリ

オでの将来計算結果と、

対応する現況再現計算

結果。（約 130 組）

現況: 1976-2005 将来: 2006-2100

全球降水量(pr)、地表面気温日平均(tas) 地表面気温日最大(tasmax) 地表面気温日最小(tasmin) 比湿（huss）下向き短波放射(rsds) 日選択した 5 つの気候シナ

リオでの将来計算結果。

対応する現況再現計算

結果（10 組）

現況: 1976-2005 将来: 2016-2045

全球

3 時間同上同上同上降水量（pr） ※1 モデルによっては、アンサンブル計算結果（摂動を与えた複数の初期値から計算を開始したもの）も入手

可能であるが、本検討ではアンサンブル 1（cmip5 の呼び名で r1i1p1）のみを収集対象とした。

※2 対象年度は 2030 年であるが、さらに長期的な変動傾向を把握するため、月データに関しては 2100 年まで

収集した。

1 CMIP5: http://cmip-pcmdi.llnl.gov/cmip5/

7

4.1.1.2 放射強制力シナリオ（RCP シナリオ）とは CMIP5 における放射強制力シナリオは RCP によるもので、2100 年以降長期的に 2.6W/m2,

4.5W/m2, 6.0 W/m2として安定化させるものと、2100 年持点で 8.5 W/m2に達しその後も上昇す

るものの４種類からなる。

図 4-1 RCP シナリオ説明図 2

図 4-2 RCP シナリオに基づく放射強制力 3

2 全国地球温暖化防止活動推進センター(JCCCA)ホームページより (http://www.jccca.org/ipcc/ar5/rcp.html, 2015/7/10 参照) 3 文部科学省ホームページより (http://www.mext.go.jp/b_menu/houdou/26/03/attach/1346369.htm, 2015/10/5 参照)

http://www.jccca.org/ipcc/ar5/rcp.html

http://www.mext.go.jp/b_menu/houdou/26/03/attach/1346369.htm

8

4.1.1.3 CMIP5 における GCM のデータ存在状況 IPCC の Web サイト 4によると CMIP5 には約 49 のモデルが存在する。ただし、この内のすべ

てのモデルが本検討に必要なデータを有しているわけではない。例えば一部の気象変数が得られ

ないモデルもある。本検討で必要な要件は、以下のとおりである。

現況再現（historical）および将来（何れかの RCP シナリオ）の結果が得られる事評価に必要な気象変数（降水量(pr)、地表面気温(tas)、湿度(huss)、下向き短波放射(rsds)）

の日データが存在する事実際にダウンロードできた月データからデータ存在状況を整理し、表 4-2 に示した。上記の条

件を満たすモデルは、約 31 モデルである。ただし、月データが存在しても日データが存在しな

いモデルもあるため、実際に利用できるモデルはこの数よりも少ない。

表 4-2 CMIP5 のデータ存在状況

※CEDAにアーカイブされている月データの存在状況を元に、月データで現況および将来（RCP何れかのシナリ

オ）が揃っているモデルを利用可能として整理した。

4 IPCC (http://www.ipcc-data.org/sim/gcm_monthly/AR5/Reference-Archive.html)

tas pr rsds rlds hussChina Beijing Climate Center BCC 1 BCC-CSM1.1 ✔ ✔ ✔ ✔ ✔

2 BCC-CSM1.1(m) ✔ ✔ ✔ ✔ ✔

China Beijing Normal University BNU 3 BNU-ESM ✔ ✔ ✔ ✔ ✔

Canada Canadian Centre for Climate Modelling and CCCma 4 CanAM45 CanCM46 CanESM2 ✔ ✔ ✔ ✔ ✔

Italy Centro Euro-Mediterraneo sui Cambiamenti CMCC 7 CMCC-CESM ✔ ✔ ✔ ✔

8 CMCC-CM ✔ ✔ ✔ ✔

9 CMCC-CMS ✔ ✔ ✔ ✔

France Centre National de Recherches Mété CNRM-CERFACS 10 CNRM-CM5 ✔ ✔ ✔ ✔ ✔

11 CNRM-CM5-2Australia Commonwealth Scientific and Industrial CSIRO-BOM 12 ACCESS1.0 ✔ ✔ ✔ ✔ ✔

13 ACCESS1.3 ✔ ✔ ✔ ✔ ✔

Australia Commonwealth Scientific and Industrial CSIRO-QCCCE 14 CSIRO-Mk3.6.0 ✔ ✔ ✔ ✔ ✔

China The First Institute of Oceanography, SOA FIO 15 FIO-ESM ✔ ✔ ✔ ✔

Netherlands/Ireland EC-EARTH consortium published at Irish ICHEC 16 EC-EARTH ✔ ✔

Russia Russian Academy of Sciences, Institute of INM 17 INMCM4.0 ✔ ✔ ✔ ✔ ✔

Brazil National Institute For Space Research INPE 18 HadGEM2-ES (INPE)France Institut Pierre Simon Laplace IPSL 19 IPSL-CM5A-LR ✔ ✔ ✔ ✔ ✔

20 IPSL-CM5A-MR ✔ ✔ ✔ ✔ ✔

21 IPSL-CM5B-LR ✔ ✔ ✔ ✔ ✔

China Institute of Atmospheric Physics, Chinese LASG-CESS 22 FGOALS-g2 ✔ ✔ ✔ ✔ ✔

China Institute of Atmospheric Physics, Chinese LASG-IAP 23 FGOALS-gl24 FGOALS-s2

Japan Atmosphere and Ocean Research Institute MIROC 25 MIROC-ESM ✔ ✔ ✔ ✔ ✔

26 MIROC-ESM-CHEM ✔ ✔ ✔ ✔ ✔

27 MIROC4h28 MIROC5 ✔ ✔ ✔ ✔ ✔

UK Met Office Hadley Centre MOHC 29 HadCM330 HadGEM2-A31 HadGEM2-CC32 HadGEM2-ES

Germany Max Planck Institute for Meteorology MPI-M 33 MPI-ESM-LR ✔ ✔ ✔ ✔

34 MPI-ESM-MR ✔ ✔ ✔ ✔

35 MPI-ESM-PJapan Meteorological Research Institute MRI 36 MRI-AGCM3.2H

37 MRI-AGCM3.2S38 MRI-CGCM3 ✔ ✔ ✔ ✔ ✔

39 MRI-ESM1USA NASA/GISS (Goddard Institute for Space NASA-GISS 40 GISS-E2-H ✔ ✔ ✔ ✔ ✔

41 GISS-E2-H-CC ✔ ✔ ✔ ✔ ✔

42 GISS-E2-R ✔ ✔ ✔ ✔ ✔

43 GISS-E2-R-CC ✔ ✔ ✔ ✔ ✔

USA National Center for Atmospheric Research NCAR, NSF-DOE-NCAR 44 CCSM4 (Journal) ✔ ✔ ✔ ✔ ✔

45 CESM1(BGC) (Journal) ✔ ✔ ✔ ✔ ✔

46 CESM1(CAM5) (Journal) ✔ ✔ ✔ ✔ ✔

47 CESM1(CAM5.1,FV2) (Journal)48 CESM1(FASTCHEM)49 CESM1(WACCM) (Journal)

Norway Bjerknes Centre for Climate Research, NCC, NMI 50 NorESM1-M ✔ ✔ ✔ ✔ ✔

51 NorESM1-ME ✔ ✔ ✔ ✔ ✔

South Korea National Institute of Meteorological Research, NIMR, KMA 52 HadGEM2-AO ✔ ✔ ✔ ✔ ✔

USA Geophysical Fluid Dynamics Laboratory NOAA-GFDL 53 GFDL-CM2.154 GFDL-CM3 ✔ ✔ ✔ ✔ ✔

55 GFDL-ESM2G ✔ ✔ ✔ ✔ ✔

56 GFDL-ESM2M ✔ ✔ ✔ ✔ ✔

57 GFDL-HIRAM-C18058 GFDL-HIRAM-C360

Number of Models 37 37 35 36 31

Country Centre Acronym(s)monthly data availability (historical + rcp)

Centre(s) Model No. Model

http://www.ipcc-data.org/sim/gcm_monthly/AR5/Reference-Archive.html

9

4.1.1.4 CMIP5 データの収集方法 CMIP5 データは一般に公開されており Web から収集が可能である。収集対象のファイル数が

非常に多く、手作業でダウンロードすることは困難であることから、スクリプトによる自動取得

が可能な Web サイトを調査した。なお、調査にあたっては、CMIP5 本家 5や、ENES (European Network for Earth System modeling) による解説 6を参考にした。

CMIP5 データがダウンロード出来る Web サイトを表 4-3 に示す。本検討では、すべてのサイ

トでアカウントを取得しダウンロードを試みたが、最も使いやすかった CEDA を主に利用した。

表 4-3 CMIP5 データがダウンロードできる Web サイト

サイト名概要

ESGF7

(Earth System Grid

Federation)

CMIP5の monthly, 3-hourly の全データのデータをダウンロード可

能。

2015年 7月～2015年 9月まで、オーバホールにより利用できない状

況であったが、2016 年 7月現在は利用できるようになっている。

ESGFからのデータ取得が可能なサイトは以下４サイトあるが、PCMDI

が使いやすい。

PCMDI: http://pcmdi9.llnl.gov/

BADC: http://esgf-index1.ceda.ac.uk

DKRZ: http://esgf-data.dkrz.de

NCI: http://esg2.nci.org.au

CEDA8

(Centre for

Environmental Data

Archival)

アカウントを作成してデータ利用申請を行い、許可されればデータ

をダウンロードできる。

データ申請に当たっては、利用目的等を記述したデータ利用申請を

行う必要がある（注 1）。

DIAS9

(Data Integration

and Analysis

System)

CMIP5データをダウンロードするためには、コアシステムアカウン

トを取得する必要がある。コアシステムアカウントは、原則として一

部の研究プロジェクト関係者のみに配布されており、一般には公開さ

れていない。

5 CMIP5 本家：http://cmip-pcmdi.llnl.gov/cmip5/data_getting_started.html 6 ENES: https://verc.enes.org/community/announcements/news/esgf-data-nodes-down

7 ESGF: http://dev.esg.anl.gov/esgf-web-fe/ 8 CERA: https://services.ceda.ac.uk/ 9 DIAS 利用ガイドブック

（http://www.diasjp.net/wp/wp-content/uploads/2015/05/DIAS_guidebook_v.1.02.pdf）

http://pcmdi9.llnl.gov/

http://esgf-index1.ceda.ac.uk/

http://esgf-data.dkrz.de/

http://esg2.nci.org.au/

http://cmip-pcmdi.llnl.gov/cmip5/data_getting_started.html

https://verc.enes.org/community/announcements/news/esgf-data-nodes-down

https://services.ceda.ac.uk/dj_security/account/signin/?r=https%3A%2F%2Fservices.ceda.ac.uk%2Fcedasite%2F%2Fresreg%2Fapplication%3Fattributeid%3Dcmip5_research

10

注１：CEDA のデータ利用申請に必要な情報

# Description

What is the purpose of your research? What is the title of your research project?

JICA Research Project “Economic Evaluation of Adaptation Measures to Climate Change under

Uncertainty”

How do you intend to use the data for which you are applying for access to?

To apply uncertainty analysis called the RDM approach for Kenya using CMIP5 dataset.

What are your publication prospects? Please give the type of publication (e.g. article) and where this will be

available (e.g. open literature, name of journal, etc.)

(1) JICA Project Report (Open literature, published by JICA)

http://www.jica.go.jp/english/publications/library/

(2) We also plan to publish a research article (name of journal has not been decided).

What is the exact nature of the funding for your research?

Japan International Cooperation Agency (JICA)

Are there any commercial aspects to your research (e.g. work carried out for a commercial partner?)

No, there aren’t.

# Funding: Government department

# Grant ref: none

※Enter 'none' if you do not have a grant for this research or 'unknown' if you have a grant but do not know

the reference. Please note that if you do not give a valid grant reference number it may delay your application.

4.1.2. 月雨量、月平均気温の気候値変化の整理と検討のための GCM の選定 GCM と排出シナリオの組合せの下図は 100 以上となり、すべての組合せで計算するのは、計算

リソースと労力の面で困難である。本検討では、以降の検討に用いる気候変動シナリオとして５

つのシナリオを選定した。

4.1.2.1 選定手順選定の手順は、以下のとおりである。

① 対象エリアにおいて GCM の性能評価を行い、特に性能が悪いモデルは対象外とする。 ② 残ったモデル全てについて、月単位で将来への変化傾向（差もしくは率）を評価し、評

価結果から得られた将来のばらつきの範囲を網羅できるよう、GCM と排出シナリオの

組合せを５パターン抽出する。

11

図 4-3 GCM 選定の考え方

再解析値データとGCMの気候値を比較する。（対象変数：降雨、気温など）

RCP 2.6

RCP 4.5

RCP 6.0

RCP 8.5

GCM

1

GCM

2

GCM

3

GCM

4

GCM

3X

GCM

3X

……

全てのRCPシナリオ、GCMを対象とする。

百数十の気候シナリオ

GCM気候値の算出（現況再現計算の20年間）

GCMの気候値算出期間と同期間の

再解析値データをダウンロードする。（JRAを利用）

ケニア付近の現況気候値再現性の低いGCMを除外する。

足切りを通過したモデルでの降雨量、気温などの変化率を整理し、CMIP5のGCM群のバラつき範囲を網羅できるように抽出する。

• 降雨、気温、長波放射、蒸気圧など、全ての気象変数で変化率をする。

• 計画対象年である2030年での評価だけでなく、100年後までの長期の変化率も考慮に入れる。

12

4.1.2.2 GCM の性能評価気候モデルの再現性を数値化したものをメトリクスという。IPCC AR5 でも様々な変数につい

てメトリクスが分析されており、主に Gleckler et al. (2008)10の方法が採用されている。本検討

でも同様の手法で評価することとした。

＜メトリクスの評価方法＞ • 変数毎に規格化した平均自乗誤差（Normalized RMSE (Root Mean Square Error)）を

評価する。空間分布及び季節変動の再現性能をまとめてひとつの指標で評価するシンプ

ルな手法である。 • GCM の現況再現結果と再解析値（観測相当）を比較する。

＜評価対象範囲＞ GCM で再現できる現象のスケールは、モデル格子の数倍のスケールであり、特定のモデル格

子の結果だけではなくある程度の広がりを持つ領域を見るべきである。従い、モデル格子が少な

くとも 5x5 グリッドは含まれている必要がある。また、赤道直下に位置するケニアにおいては、

ITCZ の南北移動により一年に雨季が２回ありこれはケニアの気候を考える上で欠くことができ

ない。このような総観規模の現象を評価できるよう、評価対象範囲はケニア国全体およびその周

辺を含む以下の範囲とした。＜評価対象範囲＞経度：25E – 50E 緯度：10S – 10N ＜評価に用いる再解析値＞評価には、WFDEI (WATCH Forcing Data methodology applied to ERA-Interim data) 11を

利用した。本データは、再解析値である ERA-Interim を元にした 0.5 度解像度のグリッドデータ

であり、後述する ISI-MIP によるバイアス補正にも利用されている。他にも再解析値としてはよく NCEP が用いられるが、空間解像度が 2.5 度であり、WFDEI の

方が作成時期も新しいことから、より信頼性が高いと考えられる。＜評価方法＞ GCM 現況再現結果（historical run）と再解析データ（WFDEI）を比較した。比較においては、

下記の手順により両者のグリッド解像度を揃えた後、同じ位置のグリッド値を比較した。 • GCM の解像度を、空間内挿（bi-linear 法）により WFDEI の解像度（0.5 度）に合わ

10 Gleckler, P. J., K. E. Taylor, and C. Doutriaux (2008), Performance Metrics for Climate Models, Journal of Geophysical Research, Vol. 113, D06104, doi:10.1029/2007JD008972. 11 WFDEI: http://www.eu-watch.org/data_availability

13

せる。 • 0.5 度グリッドの GCM 及び WFDEI について、緯度経度方向 5×5 格子分（計 25 格子）

の平均を取り、解像度を 1/5 に下げる。解像度を下げることにより、モデルの解像度の

違いが評価結果に大きく影響を及ぼさないようにした。

表 4-4 評価対象とした気象変数及び評価に用いた再解析データ

No. 気象変数 CMIP5 変数名比較対象とした再解析データ 1 地表面気温（2m）

Surface Air Temperature tas WFDEI

2 降水量 Precipitation

pr WFDEI

WFDEIのグリッドサイズ

WFDEIの 1/5の解像度

CMIP5で最も解像度の低い GCM

CMIP5で最も解像度の高い GCM

図 4-4 グリッドサイズ

14

＜メトリクス評価結果＞メトリクスの分布状況を図 4-5 にボックスプロットで、評価した指標値を表 4-5 に示した。評

価の結果、Gleckler et. al. の指標値において、地表面気温のみ１つのモデル（inmcm4）で異常

値があった。つまり、inmcm4 は、対象エリアにおいて、他のモデルに比べて地表面気温の再現

性能が大きく劣る。従い、このモデルは選定の対象外とすることとした。降水量に関しては、全

体に比べ特に大きく劣るモデルはなかった。参考に、月別に RMSE を評価した結果も併記した。降水量に関しては、平均として大雨季（3

月～4 月）よりも小雨季（10 月～12 月）の方が誤差は大きく、モデルによる再現が難しい現象で

あるといえる。

図 4-5 GCM の性能評価（ボックスプロット）。左：Gleckler et. al. (2008) の指標。右：月別

に分けて評価した RMSE（参考）。

15

表 4-5 GCM の評価結果（評価が悪い順に降順で並び替え。黄色のハッチは異常値に該当）

RMSE Normal RMSE Normaltas pr

inmcm4 1.2212 ACCESS1-3 0.4252FGOALS-g2 0.4965 MIROC5 0.3527NorESM1-ME 0.4576 GISS-E2-H-CC 0.3014NorESM1-M 0.3975 NorESM1-ME 0.2813CESM1-CAM5 0.168 IPSL-CM5A-MR 0.2698GFDL-ESM2G 0.1552 NorESM1-M 0.2673MIROC-ESM-CHEM 0.1296 GISS-E2-H 0.2592BNU-ESM 0.0854 FIO-ESM 0.2338MIROC-ESM 0.0823 GISS-E2-R 0.1551GISS-E2-R-CC 0.0758 GISS-E2-R-CC 0.1366GISS-E2-R 0.0753 inmcm4 0.0494GISS-E2-H-CC 0.0608 CCSM4 0.0336GFDL-ESM2M 0.0392 BNU-ESM 0.0278bcc-csm1-1 0.0176 CESM1-BGC 0.0198FIO-ESM 0.0022 MIROC-ESM 0.0051GFDL-CM3 -0.0022 IPSL-CM5A-LR -0.0051CCSM4 -0.0195 MIROC-ESM-CHEM -0.0066CESM1-BGC -0.0581 CanESM2 -0.0144IPSL-CM5A-LR -0.0591 MRI-CGCM3 -0.0507GISS-E2-H -0.0594 CSIRO-Mk3-6-0 -0.0529IPSL-CM5B-LR -0.1276 bcc-csm1-1 -0.1099CNRM-CM5 -0.1817 GFDL-ESM2M -0.1254CanESM2 -0.2075 IPSL-CM5B-LR -0.1364ACCESS1-3 -0.2568 GFDL-ESM2G -0.1402CSIRO-Mk3-6-0 -0.3213 FGOALS-g2 -0.1692MRI-CGCM3 -0.345 CESM1-CAM5 -0.2128IPSL-CM5A-MR -0.4017 GFDL-CM3 -0.2359MIROC5 -0.4128 ACCESS1-0 -0.2843bcc-csm1-1-m -0.4305 bcc-csm1-1-m -0.3245ACCESS1-0 -0.4636 CNRM-CM5 -0.3605

GCM GCM

16

図 4-6 4 月の地表面気温の分布例（上：最も指標値が悪い、下：最も指標値が良いモデル）

図 4-7 4 月の降水量の分布例（上：最も指標値が悪い、下：最も指標値が良いモデル）

17

4.1.2.3 将来への変化傾向の評価性能評価でスクリーニングして残った GCM を用いて、将来への変化傾向を評価し、ばらつき

状況から 5 つの代表シナリオを選択した。＜変化傾向の評価方法＞各モデルのグリッドデータを 0.5 度グリッドに内挿補間した後、対象エリアを内包するグリッ

ドの値を抽出し、現況気候値（historical）から将来気候値（各 RCP シナリオ）への変化傾向（率

または量）を評価した。なお、取りうる値がプラスの変数（降水量、比湿、下向き短波・長波放

射）については比で、マイナスの値も取りうる変数（気温）については差で評価した。＜期間＞現況： 1976 - 2005 将来： 2016 - 2045 ＜指標＞変化率＝将来（30 年平均値）／現況（30 年平均値）変化量＝将来（30 年平均値）－現況（30 年平均値）＜評価対象とした気象変数＞降水量（年間、乾季、雨季（大雨季＋小雨季）、大雨季、小雨季）地表面気温（年平均値）比湿（年平均値）下向き短波放射（年平均値）下向き長波放射（年平均値）

4.1.2.4 評価結果およびシナリオ選定 RDM によるシナリオ選択では、全体の幅を抑えることが肝要であるため、全体の分布に比べ

極端に変化が大きい、小さいといったシナリオも含めた方が良い。従い、異常値は考慮しないこ

ととした（ボックスプロットでも異常値は表現していない）。

• 気温は全シナリオで増加傾向（中央値で 0.921 度の増加）である。 • 降水量は全体として増加傾向（中央値で 1.039 倍）であるが、3 割程度で減少傾向であ

る。 • 比湿は全シナリオで増加傾向（中央値で 1.066 倍）である。 • 下向き短波放射は全体に減少傾向（中央値で 0.992 倍）であるが、1 割程度で減少傾向

である。降水量が増えると雲が増え、反射される日射量が増えるためであると考えられ

る。

18

• 下向き長波放射は全シナリオで増加傾向（中央値で 1.021 倍）である。温室効果による

影響であると考えられる。 • 降水量については、年間だけでなく雨季・乾季別の評価も行ったが、全体の傾向は年間

での評価と大きな違いはなかったため、年間での評価結果を参照することとした。以上、複数の気象変数で評価を行ったが、降水量と比湿、地表面気温と下向き長波放射、降水

量と下向き短波放射の変化傾向には有意な相関関係があった（図 4-9）。従って、最終的には、降

水量と地表面気温の２つの気象変数でシナリオ選定を行うものとした。

降水量と気温について、変化傾向の大きい方から昇順に並べた際の順位を単位として、散布図

を作成した（図 4-10）。このばらつき状況より、全体の分布を表現する５つのシナリオとして、

４隅および中央からそれぞれ１つのモデルを選択した。幾つかのシナリオでは、月データは存在

しても日データが存在しなかったため除外し、必要なデータが揃っているシナリオを選択した。

最終的に選択したシナリオを表 4-6 に示す。

表 4-6 5 つの気候変動シナリオの選定

No. シナリオ名モデル（排出シナリオ）降水量気温

1 DH

(Dry, High)

GFDL-ESM2G（rcp85）減少

0.896 倍

上昇（大）

1.32 degC

2 DL

(Dry, Low)

FGOALS-g2 (rcp26) 減少

0.985倍

上昇（小）

0.622 degC

3 MM

(Moderate)

GFDL-ESM2M（rcp85）変化なし

1.025倍

上昇（中）

0.909 degC

4 WH

(Wet, High)

MIROC-ESM-CHEM（rcp85）増加

1.382 倍

上昇（大）

1.487 degC

5 WL

(Wet, Low)

CSIRO-Mk3-6-0（rcp60）増加

1.17倍

上昇（小）

0.805 degC

19

■年平均値で評価

地表面気温（変化量）

降水量（変化率）

比湿（変化率）

下向き短波放射（変化率）

下向き長波放射（変化率）

■降水量に関して、雨季・乾季に分けて評価

雨季の降水量（変化率）

大雨季の降水量（変化率）

小雨季の降水量（変化率）

乾季の降水量（変化率）

図 4-8 将来への変化傾向のボックスプロットによる評価

20

図 4-9 変化傾向の散布図（左：降水量と湿度、中：降水量と下向き短波放射、右：地表面気温

と下向き長波放射）

図 4-10 散布図からの気候変動シナリオ選定

R² = 0.5576

0

10

20

30

40

50

60

70

80

90

100

0 10 20 30 40 50 60 70 80 90 100

Spec

ific

Hum

idity

[ran

k]

Precipitation [rank]

Precipitation vs. Humidity

R² = 0.5633

0

10

20

30

40

50

60

70

80

90

100

0 10 20 30 40 50 60 70 80 90 100D

ownw

ard

Shor

twav

e R

adia

tion

[ran

k]

Precipitation [rank]

Precipitation vs. Downward Longwave Radiation

R² = 0.359

0

10

20

30

40

50

60

70

80

90

100

0 10 20 30 40 50 60 70 80 90 100

Dow

nwar

d L

ongw

ave

Rad

iatio

n [r

ank]

Surface Air Temperature [rank]

Surface Air Temperature vs. Downward Longwave Radiation

0

10

20

30

40

50

60

70

80

90

100

0 10 20 30 40 50 60 70 80 90 100

Prec

ipita

tion

[ran

k]

Surface Air Temperature [rank]er

←No

MIROC-ESM-CHEM (rcp85)

GFDL-ESM2M (rcp85)

FGOALS-g2 (rcp

CSIRO-Mk3-6-0 (rcp6

WH

DH DL

WL

MM

21

4.1.2.5 トレンド解析計画対象年である 2030 年での評価だけでなく、100 年後までの長期の変化率についても確認

した。評価結果は巻末資料に示す。

• 解析期間は、1981 年～2100 年までとした。 • グリッド解像度はそのままにして、対象領域を内包するグリッド値を抽出し、トレンド

解析している。 • 再解析値には WFDEI を用いている。 • 再解析値と GCM の値や年々変動に開きがあるが、この原因は GCM の再現性の悪さだ

けではなく、グリッド解像度が異なることにも起因していることに注意が必要である。

ここでは、現況期間において GCM のトレンドと再解析値のトレンドが一致しているか

を確認するために併記した。

図 4-11 トレンド解析結果の例（降水量、ACCESS1-0 モデルの rcp45 シナリオ）

4.1.3. バイアス補正 4.1.3.1 バイアス補正手法の検討

（1）バイアス補正手法の選択の考え方気候モデルは全球を対象として計算しており、地域レベルでの値の精度にはまだ課題がある。

影響評価においては、モデルの絶対値を定量的に将来の予測値として解釈するには誤差が大き

いため、誤差のうち補正できる部分（バイアス）を補正することが必要となり、これをバイア

ス補正と呼ぶ。なお、バイアス補正と空間的ダウンスケーリングとがしばしば混同されること

がある。今ある地点で気候モデルの値と観測値とを比較した場合に値が異なる原因は大きく２

22

つある。１つは気候モデルの解像度が荒いことによるものである。気候モデルの値はモデルの

解像度での格子平均値であり、観測値とは代表しているものそのものが異なるのである。もう

一つは気候モデルが持つ誤差によるものである。本来ならば、前者への対応が空間的ダウンス

ケーリング、後者への対応がバイアス補正と使い分けるのであるが、実際にはバイアス補正の

手順のなかで前者の空間解像度の違いによる差異も同時に補正してしまう場合も多い。本検討

でのバイアス補正でも同様で、空間解像度の違いによる差異も含まれていることに留意してお

く。バイアス補正手法には様々な手法があるが、基本的には、観測値と GCM による現況再現計

算結果とを比較して、これらの間で平均値や頻度分布等が等しくなるように統計的に補正を行

うものである。ここで、大体のバイアス補正はあくまでも統計値を対象としており、時系列（連

続性）や空間分布の「不自然さ」の問題は解決されないことに留意が必要である。例えば雨を

対象としてバイアス補正を行い、補正結果を使って流出解析を行う場合、バイアス補正でどん

なに雨の統計量を補正しても、気候モデルの雨の時系列や空間分布に問題があれば、結果とし

て評価される流量にも問題が残るのである。従って、特に水資源や洪水等の影響評価を行う場

合には、バイアス補正を行ったとしても、原則としてモデルの現在と将来を比較することで議

論するなどの対応が必要となる。バイアス補正手法については、これまでに多くの手法が提唱されているが、完璧な手法とい

うものはない。適応する問題によって手法を使い分けるという柔軟な対応が必要である。本検

討では、できるだけ多くの問題に適用可能な手法が望ましいため、①汎用性（乾燥地域、湿潤

地域問わず適用可能なこと）や、②説明性（学識者等によりオーソライズされていること）、③

適応実績といった点から最適な手法を設定することとする。

（2）バイアス補正手法のレビューバイアス補正手法の考え方は大きく３つに分けられる。表 4-7 にそれぞれの概要を示した。バイアス補正の手法を分類する場合の１つの視点として、

観測ベースの時系列に気候変動による変化分を与えるのか、あくまでも気候モデルの時系列を

補正するのかという事がある。前者の立場を取るものがスケーリング法（手法１）と呼ばれる。

手法２，手法３は、後者の立場のものである。手法２は手順が最も複雑であり、関数への当て

はめを行うため完全自動化が難しく不安定という欠点もあるが、説明性は最も高く、多くの研

究が進められており適用例も多い手法である。手法３は日本国内では適用例が多いが、海外で

はあまり見かけない。さらに個別のバイアス補正手法について、近年使われているものを表 4-8 に示した。このう

ち ISI-MIP は全世界を対象として分野横断型の影響評価を行った国際プロジェクトである。手

法の汎用化が最も進められており、複数の研究者によるオーソライズも進んでいる手法と言え

るだろう。

23

表 4-7 バイアス補正手法の概要

手法１

スケーリング法

手法２

クオンタイルマッピング法

（Quantile mapping）

手法３

並び替えによる方法

概要観測値の時系列をベース

にして、GCM の将来期間と

現況期間の差や比から評

価した変化分を上乗せす

ることにより将来の時系

列を作成する。

GCM現況の CDF（Cumulative

Distribution Function）を

観測の CDF に変換する変換

関数を作成し、これを将来

の CDFに適用する。

関連手法：

Piani et al. (2010 ） ,

ISI-MIP, 気象庁の地球温

暖化予測情報第８巻、東大

小池教授の方法

クオンタイルマッピング法に

近いが、CDF の作成において

分布関数を仮定しない。GCM

現況と観測の時系列データを

昇順に並び替えて同じパーセ

ンタイル値同士で比較を行

い、その差分を GCM 将来の同

パーセンタイル値に足すとい

う方法である。

関連手法：飯泉ら(2010)

利点シンプルである。観測時系

列をベースにすることで、

GCM 値の時系列に問題があ

る場合にこの問題を回避

できる。

説明性が高く、適用事例の

多い方法である。

シンプルで簡便。補正結果が

安定し、気象変数によらず適

用出来、極端な値が生じない

という点で実用上は利用しや

すい。

欠点気候変動による年々変動

等の変化が扱えないこと

や、観測値（20年）にたま

たま極端な現象（100 年に

１度など）が含まれていた

場合にリスク過大評価と

なるといった問題がある。

CDF を作成する際に分布関

数（正規分布やガンマ分布

等）を仮定するが、関数へ

の当てはまりが悪い場合に

補正結果が異常となる場合

がある。また、時系列の補

正ができない点に留意する

必要がある。

極値の補正や、時系列の補正

ができない点に留意する必要

がある。

適用例少ない海外で多い国内で多い

24

表 4-8 主なバイアス補正手法および適用実績（関連論文と概要）

手法論文タイトル概要

ISI-MIP 12の手

法

（手法２）

A trend-preserving bias correction – the ISI-MIP

approach

S. Hempel, K. Frieler, L. Warszawski, J. Schewe,

and F. Piontek

Earth Syst. Dynam. Discuss., 4, 49-92, 2013

Piani et al.(2010a, 2010b) をベー

スとしているが、全世界でバイア

ス補正を適用するために、乾燥地

帯や湿潤地帯問わず適用できる

よう、さらに一般化されている手

法といえる。

気象庁の地球

温暖化予測情

報第８巻

（2013）

（手法２）

・地球温暖化予測情報第８巻, 気象庁, 2014

・日本国内における気候変動による影響の評

価のための気候変動予測について（お知らせ）

別添資料, 環境省, 2014

気象庁による国内における予測

情報（NHRCM20）において採用

されているバイアス補正手法。

ISI-MIP の手法に近いが、よりシ

ンプルである。

Piani et al.

2010

（手法２）

Piani, C., G.P. Weedon, M. Best, S.M. Gomes, P.

Viterbo, S. Hagemann, and J. O. Haerter, 2010:

Statistical bias correction of global simulated

daily precipitation and temperature for the

application of hydrological models

J. Hydrol., 395,

doi:10.1016/j.jhydrol.2010.10.024, 199–215

ISI-MIP をはじめ多くのバイアス

補正手法で引用されている手法

飯泉ら（2010）

（手法３）

飯泉仁之直・西森基貴・石郷岡康史・横沢正

幸(2010)：統計的ダウンスケーリングによる気

候変化シナリオ作成入門．農業気象，66,

131-143.

バイアス補正および統計的ダウ

ンスケーリングに関するレビュ

ーとしてよくまとまっている。簡

便なバイアス補正方法を提唱し

ている。

花崎ら（2014）

（手法３）

花崎直太・高橋潔・肱岡靖明・日下博幸・飯

泉仁之直・有賀敏典・松橋啓介・三村信男

(2014) 日本の温暖化影響・適応策評価のため

の気候・人口・土地利用シナリオ（第２版）. 環

境科学会誌

S-8 の元で実施されており、日本

国内の影響評価のための気候と

人口・土地利用シナリオを作成し

ている。バイアス補正には飯泉ら

の方法を採用。

環境省 S-8 プ

ロジェクト 13

（手法３）

S-8 地球温暖化「日本への影響」－新たなシ

ナリオに基づく総合的影響予測と適応策－

平成 26 年 3 月

上記で作成されたシナリオを元

にした、国内における影響評価と

適応策である。

12 ISI-MIP: 世界的に包括的な気候変動影響評価を行う大規模なプロジェクト。現在 ISI-MIP2 が進

行中である。

( https://www.pik-potsdam.de/research/climate-impacts-and-vulnerabilities/research/rd2-cross-cutting-activities/isi-mip) 13 環境省環境研究総合推進費(S-8)

https://www.pik-potsdam.de/research/climate-impacts-and-vulnerabilities/research/rd2-cross-cutting-activities/isi-mip

25

（3）本検討におけるバイアス補正本検討では、以下の点により ISI-MIPの手法を採用する。

説明正：クオンタイルマッピング法を基本としている。国際的なプロジェクトの中で複

数の研究者によりオーソライズされている。

汎用性：全世界を対象とした分野横断型の影響評価を行えるよう、汎用化が進められた

手法である。

適用実績：全世界への適用実績があり実績面でも優れている。

また、補正対象は以下のとおりである。

降雨、気温（日平均、最大、最小）、湿度、風速、下向き短波放射

日単位データを対象とする。

なお、選択した ISI-MIP の手法も、研究途上であり完全な方法ではない。適用においては、適

用結果に問題があれば、手法の一部を改良するということも必要である。

26

4.1.4. 気象水文データの収集気象データ（降水量、地表面気温、比湿、放射）データは、流出解析、蒸発散量の推定、およ

び作物収量の推定モデルの入力データとして利用する。また、気候モデルのバイアス補正でも利

用する。これらの目的では、30 年間の連続した面的なデータが必要である。河川流量データは、流出解析のキャリブレーションで利用する。期間が連続していなくても、

数年間のデータがあれば、キャリブレーションは可能である。

4.1.4.1 気象グリッドデータの作成方針上述したように、検討では面的で連続したグリッドデータが必要であるが、対象エリアにおけ

る観測情報は限られた地点情報であり、欠測が多いため時間的にも連続していない。従って、再

解析データを基本に観測データの情報を追加してグリッドデータを作成することとした。各気象

変数のグリッドデータ作成方針を下表に示す。グリッドデータの空間解像度を全ての変数について揃えることが作業効率上望ましい。基礎情

報に用いている WFDEI 再解析値データが 0.5 度解像度である。バイリニア法などの単純な空間

内挿で解像度を挙げたとしても、空間情報が詳細化される新たな情報が付加されるわけではない。

一方、地表面気温のように地標高に対して線形に温度が低くなるといった特性が明らかな場合は、

DEM データと同様の空間解像度で程度の精度を確保しながら作成できる。流出解析対象となる

エリアは、ケニア山の頂上から中腹にかけた範囲であり、標高差に伴う降雨量の差、気温の差を

反映できるデータを与えることが重要となるため、ある程度の空間解像度が望ましい。以上のような状況を鑑み、降雨データで使用するCenTrendが0.1度グリッドであることから、

解析対象の気象変数全てについて 0.1 度グリッドで整理することとした。各気象変数のグリッドデータ作成方法の概要について、表 4-9 にしめす。また、図 4-12 には、

解析対象エリアと基礎グリッドポイント、ボックスの関係を示している。

表 4-9 気象グリッドデータの作成方針

気象変数作成方針

降水量(pr) 観測値（5地点）と再解析値（CenTrend及び WFDEI）から作成する。

地表面気温

(tas)

観測値は 1 地点（M.I.A.D 観測所）のみで期間も 5 年未満と限られている

ため、再解析値（WFDEI）を利用する。標高による面的変化が大きいため、

気温減率による標高補正を行う。

比湿

huss

観測値は 1 地点（M.I.A.D 観測所）のみで期間も 5 年未満と限られている

ため、再解析値（WFDEI）を利用する。

下向き短波

放射(rsds)

観測値（日照時間）は 1 地点（M.I.A.D 観測所）のみで期間も 5 年未満と

限られているため、再解析値（WFDEI）を利用する。

地表面気圧

(ps)

再解析値(WFDEI)の 0.5度グリッドからバイリニア空間内挿により 0.1度グ

リッドに変換する。地標高補正による修正も考えられるが、蒸発散量算定

に与える影響が少ないので、実施していない

27

図 4-12 気象変数データのグリッドポイントと解析対象エリアの関係

28

図 4-13 WFDEI のグリッド(0.5 度)と本検討の 0.1 度基本グリッド

29

4.1.4.2 降水量（1）観測データ存在状況

SAPROF で収集されている雨量観測所は、6箇所であった。データの存在状況を整理したものを

表 4-10 に、雨量観測所位置図を図 4-14 に示している。欠測が多く、データの時間的、空間的

密度は十分とはいえない。

バイアス補正では GCM の現況計算の期間に合わせ 30 年間（1976-2005 年）の連続したデータ

を利用することが望ましいが、1980 年以前は特に欠損が激しいため、1981 年～2010 年の 30 年

間のデータを利用することとした。

表 4-10 観測データ存在状況（日降水量）

図 4-14 雨量観測所配置図

（2）観測所の緯度経度の調査

1970

1971

1972

1973

1974

1975

1976

1977

1978

1979

1980

1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

1 Njuikini

2 Kerugoya water office

3 Castle Forest

4 Sagana

5 M.I.A.D

Legend

70 - 79% Available1 - 69% AvailableNo Data

No Gauging Station Name

90 - 99% Available

100% Available

80 - 89% Available

Year

30

観測データには緯度経度が書かれておらず、位置情報が不確かである。従い、ケニア気象局（KMD）

の web サイト 14より、対象の観測所の緯度経度情報を取得した。ただし、ここでも緯度経度は分

単位までしか整理されていないため、最大 2.0km 程度の誤差が含まれている。KMD の情報からも

位置情報がわからない観測所については、SAPROFで収集された地図データからおおよその位置を

把握した。

（3）観測データの異常値の除去観測データについて確認を行ったところ、Sagana観測所において 1992 年 10月 28日に 872.3mm

という異常に大きな日雨量が記録されていた。隣接する MIAD観測所でも 66.6mm程度であるため、

入力ミス等による異常値とみなし、欠損扱いとした。

（4）観測の年降水量 5つの雨量観測所での年降水量を算出した。上述のように欠測が非常に多いため、データが 90%

以上存在する年のみを対象として年降水量を算出した。計算では、欠測でない期間の雨量（ゼロ

もカウントする）の平均値を算出し年間日数を掛けている。

年降水量はケニア山中腹にある、Castle Forest 観測所で最も大きく、約 1,785mm/year であ

る。

図 4-15 観測所別の年降水量(1/2)

14 KMD (Kenya Meteorological Department) の web サイト：http://www.meteo.go.ke/obsv/

0

200

400

600

800

1000

1200

1400

1600

1800

Annu

al R

ainf

all

[mm

/yea

r]

Njuikini: Annual Rainfall [mm/year]Annual rainfall [mm/year]

Mean annual rainfall [mm/year]Mean value: 1,079mm/yrMean value: 1,079mm/yr

0

500

1000

1500

2000

2500

Annu

al R

ainf

all

[mm

/yea

r]

Kerugoya water office: Annual Rainfall [mm/year]Annual rainfall [mm/year]


31

図 4-15 観測所別の年間雨量(2/2)

0

500

1000

1500

2000

2500

3000

3500An

nual

Rai

nfal

l [m

m/y

ear]

Castle Forest: Annual Rainfall [mm/year]Annual rainfall [mm/year]


0

200

400

600

800

1000

1200

1400

1600

1800

2000

Annu

al R

ainf

all

[mm

/yea

r]

Sagana: Annual Rainfall [mm/year]Annual rainfall [mm/year]


0

200

400

600

800

1000

1200

1400

1600

Annu

al R

ainf

all

[mm

/yea

r]

M.I.A.D: Annual Rainfall [mm/year]Annual rainfall [mm/year]

Mean annual rainfall [mm/year]Mean value: 965mm/yrMean value: 965mm/yr

32

（5）観測の月降水量月降水量について整理されたグラフを SAPROF のレポートより引用した。ケニアでは、雨季が

年に２回あり、3月-5 月を大雨季（Long rain season）、10月-11月を小雨季（Short rain season）

と呼ぶ。

図 4-16 SAPROF 調査で整理されている月雨量データ

Note : Prepared by the SAPROF Team

Figure 3.2.3 Monthly Rainfalls at Major Stations

Monthly Rainfalls at Major Stations

-

100

200

300

400

500

Jan Feb Mar Apr May June July Aug Sept Oct Nov Dec

Rai

nfal

l (m

m)

Kerugoya water office

Sagana fish firm

CASTLE FOREST

MIAD

33

（6）地点観測値以外に利用できる降水量データ上述したように、対象エリアでは観測データが十分とはいえず、30 年連続の日雨量を

作成することが困難である。従って、他の降水量プロダクトとして、下表に示す３種類

のデータについても利用の可否を検討した。

表 4-11 対象エリアにおいて利用可能な降水量グリッドデータ

名前、提供機関諸元等

CenTrends v1.0 (The Centennial Trends

Greater Horn of Africa Precipitation

Version 1.0)15

UC Santa Barbara Climate Hazards Group

(CHG) and Florida State University

(FSU)

時間解像度：月

期間：1900 - 2014

空間解像度：0.1° x 0.1° 範囲：15°S-18°N, 28°E-54°E 作成方法：アフリカ各国の気象機関等から収集

した地点雨量を空間内挿して作成されている。

同じく地点雨量を空間内挿して作成されている

GPCCに比べ観測所の数が多い。

ARC2 (Africa Rainfall Estimate

Climatology Version 2)16

NOAA NCEP CPC (Climate Prediction

Center)

時間解像度：日

期間：1983 - 現在

空間解像度：0.1° x 0.1° 範囲：40°S-40°N, 20°W-5°5E 作成方法：衛星雨量（EUMETSAT）と WMO の GTS

地点観測雨量を組み合わせて作成されている。

WFDEI (WATCH Forcing Data methodology

applied to ERA-Interim data)17

WATCH EU Programme

時間解像度：3時間、日

期間：1979 - 2012

空間解像度：0.5° x 0.5° 範囲：全球

作成方法：再解析データである ERA-Interim を

元に、月ベースの地点観測データ（CRUと GPCC）

を利用してより詳細なデータを作成している。

15 CenTrends: http://chg.geog.ucsb.edu/data/centrends/ 16 ARC2: http://iridl.ldeo.columbia.edu/SOURCES/.NOAA/.NCEP/.CPC/.FEWS/.Africa/.DAILY/.ARC2/.daily/ 17 WFDEI: http://www.eu-watch.org/data_availability

34

WFDEI については、グリッド解像度が 0.5 度と粗く、対象領域にかかるグリッドが 2 グリッド

しかないため、まず CenTrend および ARC2 について利用の可否を検討した。それぞれについて、

年降水量の長期平均値（1983-2010年）の分布図を図 4-17に示す。CenTrendsではケニア山周辺

で1,800 mm/year程度の降水量が現れているが、ARC2ではこれよりもかなり降水量が小さく、1,000

mm/year 以下である。Kenya National Water Master Plan 2030 (NWMP2030) の検討で用いられて

いる年降水量分布を見ると、ケニア山周辺で 1,500～2,000 mm/year の年降水量を示している。

NWMP2030の検討では数多くの地上雨量観測所を収集して降水量データを作成しておりデータの信

頼性が高いことを考慮すると、CenTrends の値は確からしいが、ARC2 はかなり過小であり本検討

で利用するのは困難と考えられる。

a) CenTrends

b) ARC2

図 4-17 年降水量（1983 年～2010 年の 30 年間の平均値）の分布図

35

（7）観測降水量をベースとしたグリッド雨量の作成観測データをベースとしたグリッド雨量の作成手順を以下に示す。

① データ整理：SAPROF の地点観測値（日解像度）を整理した。利用できるのは 5 地点であ

る。

② WFDEI の追加：地点観測値のみでは、全観測所が欠損する期間が含まれてしまう。

WFDEI(0.5deg)から対象エリアをカバーする Grid値を抽出し、これも追加する。

③ 欠測補填：②のデータセットから観測所別に回帰分析を行い、最も相関の高い観測所との

線形回帰関係から欠損補填を行う。

④ 空間内挿：③で補填処理した地点データを元に、IDW（距離の１乗に比例）により Grid

雨量を作成(local_Gridと呼ぶ)する。Grid解像度は、CenTrendに合わせて 0.1度グリッ

ドとする。日データから月データも作成しておく.

⑤ 補正率の算出：CenTrend（月データ）と④で作成した月データを同じ Grid 同士で比較し、

各月の補正率を算出する(CenTrend/local_Grid).

⑥ 補正の実施：⑤で算出した補正係数を④で作成した日データに掛けることで補正する。以

上により、30年間の連続した日解像度のグリッドデータが作成される。

図 4-18 月降水量（観測値と CenTrend。ケニア山頂付近のグリッド値。）

0

100

200

300

400

500

600

700

Jan-

81

Apr

-81

Jul-8

1

Oct

-81

Jan-

82

Apr

-82

Jul-8

2

Oct

-82

Jan-

83

Apr

-83

Jul-8

3

Oct

-83

Jan-

84

Apr

-84

Jul-8

4

Oct

-84

Jan-

85

Apr

-85

Jul-8

5

Oct

-85

Jan-

86

Apr

-86

Jul-8

6

Oct

-86

Jan-

87

Apr

-87

Jul-8

7

Oct

-87

Jan-

88

Apr

-88

Jul-8

8

Oct

-88

Jan-

89

Apr

-89

Jul-8

9

Oct

-89

Jan-

90

Apr

-90

Jul-9

0

Oct

-90

Rai

nfal

l [m

m/m

onth

]

Monthly Rainfall (lat = -0.2, long = 37.3)Observed

CenTrend

0

100

200

300

400

500

600

700

Jan-

91

Apr

-91

Jul-9

1

Oct

-91

Jan-

92

Apr

-92

Jul-9

2

Oct

-92

Jan-

93

Apr

-93

Jul-9

3

Oct

-93

Jan-

94

Apr

-94

Jul-9

4

Oct

-94

Jan-

95

Apr

-95

Jul-9

5

Oct

-95

Jan-

96

Apr

-96

Jul-9

6

Oct

-96

Jan-

97

Apr

-97

Jul-9

7

Oct

-97

Jan-

98

Apr

-98

Jul-9

8

Oct

-98

Jan-

99

Apr

-99

Jul-9

9

Oct

-99

Jan-

00

Apr

-00

Jul-0

0

Oct

-00

Rai

nfal

l [m

m/m

onth

]


CenTrend

0

100

200

300

400

500

600

700

Jan-

01

Apr

-01

Jul-0

1

Oct

-01

Jan-

02

Apr

-02

Jul -0

2

Oct

-02

Jan-

03

Apr

-03

Jul-0

3

Oct

-03

Jan-

04

Apr

-04

Jul-0

4

Oct

-04

Jan-

05

Apr

-05

Jul-0

5

Oct

-05

Jan-

06

Apr

-06

Jul-0

6

Oct

-06

Jan-

07

Apr

-07

Jul-0

7

Oct

-07

Jan-

08

Apr

-08

Jul-0

8

Oct

-08

Jan-

09

Apr

-09

Jul-0

9

Oct

-09

Jan-

10

Apr

-10

Jul-1

0

Oct

-10

Rai

nfal

l [m

m/m

onth

]


CenTrend

36

図 4-19 月別補正係数（CenTrend / 観測降水量。ケニア山頂付近のグリッド値。）

図 4-20 比較で参照したケニア山頂付近のグリッド位置

05

101520253035404550

Jan-

81

Apr

-81

Jul-8

1

Oct

-81

Jan-

82

Apr

-82

Jul-8

2

Oct

-82

Jan-

83

Apr

-83

Jul-8

3

Oct

-83

Jan-

84

Apr

-84

Jul-8

4

Oct

-84

Jan-

85

Apr

-85

Jul-8

5

Oct

-85

Jan-

86

Apr

-86

Jul-8

6

Oct

-86

Jan-

87

Apr

-87

Jul-8

7

Oct

-87

Jan-

88

Apr

-88

Jul-8

8

Oct

-88

Jan-

89

Apr

-89

Jul-8

9

Oct

-89

Jan-

90

Apr

-90

Jul-9

0

Oct

-90

Rat

io

Ratio (CenTrend / Observed) (lat = -0.2, long = 37.3)

05

101520253035404550

Jan-

91

Apr

-91

Jul-9

1

Oct

-91

Jan-

92

Apr

-92

Jul-9

2

Oct

-92

Jan-

93

Apr

-93

Jul-9

3

Oct

-93

Jan-

94

Apr

-94

Jul-9

4

Oct

-94

Jan-

95

Apr

-95

Jul-9

5

Oct

-95

Jan-

96

Apr

-96

Jul-9

6

Oct

-96

Jan-

97

Apr

-97

Jul-9

7

Oct

-97

Jan-

98

Apr

-98

Jul-9

8

Oct

-98

Jan-

99

Apr

-99

Jul-9

9

Oct

-99

Jan-

00

Apr

-00

Jul-0

0

Oct

-00

Rat

io


05

101520253035404550

Jan-

01

Apr

-01

Jul-0

1

Oct

-01

Jan-

02

Apr

-02

Jul-0

2

Oct

-02

Jan-

03

Apr

-03

Jul-0

3

Oct

-03

Jan-

04

Apr

-04

Jul-0

4

Oct

-04

Jan-

05

Apr

-05

Jul-0

5

Oct

- 05

Jan-

06

Apr

-06

Jul -0

6

Oct

-06

Jan-

07

Apr

-07

Jul-0

7

Oct

-07

Jan-

08

Apr

-08

Jul-0

8

Oct

-08

Jan-

09

Apr

-09

Jul-0

9

Oct

-09

Jan-

10

Apr

-10

Jul-1

0

Oct

-10

Rat

io


37

作成した観測降水量によるグリッド雨量を以下に示す。補正前は、降水量の大きいエリア

でも 1,300 mm程度しかなく全体に過小であるが、補正後は CenTrendsの分布とほぼ一致

している。うまく補正できているといえる。

a) 観測降水量によるグリッド雨量（補正

前）

b) 観測降水量によるグリッド雨量（補正後）

c) CenTrends

図 4-21 年降水量（1983 年～2010 年の 30 年間の平均値）の分布図

38

4.1.4.3 降水量以外の気象変数の観測相当情報の整理（1）検討対象の気象変数

MWEA の灌漑事業への気候変動のインパクトを評価する上で、必要となる気象変数は、降雨量

と蒸発散量である。蒸発散量は直接測定できるものでなく、可能蒸発散能（ポテンシャル）を複

数の気象変数を用いて算出する。実際の蒸発散量は、可能蒸発散能を境界条件とした流出解析に

よって算出される。

MWEAの集水域は、標高 1,000mから 5,200m(ケニア頂上)の高地に位置するため気温が低い。し

かし、赤道直下に位置し、太陽からの放射エネルギーを強く受けるために、蒸発量が多い。この

ような特徴を表現するためには、Penman 法などの物理的な評価方法を用いるべきである。本検

討では、FAOによる修正 Pennman-Monteith法 18(以下、FAO-PM法)を用いる。

物理的な蒸発散量推定式では、多くの種類の気象変数データが必要であるが、観測がされてい

ないなど入手できないことが多い。特に、SAPROF で収集された気象観測データは、空間的、時

間的に著しく不足している。そこで、現況データは、WFDEI による再解析値を活用する。将来に

ついては、GCMのデータを用いる。FAO-PMで算出が可能であり、WFDEI などの再解析値、GCMの

計算変数で入手可能な気象変数の組合せは、以下のようになる。

表 4-12 蒸発散量算出のために用いた気象変数

気象変数記号備考

日平均地表気温 [℃] tas FAO-PM 法には、日最高気温、最低気温を用い

ることが推奨されているが、WFDEIには提供さ

れていない。蒸発散量算定には、日平均気温

を用いた。

日最高気温、最低気温[℃] tasmin,

tasmax

農作物収量予測モデルの DSSAT では、日最高

気温、最低気温が必須となっているため、

WFDEIの 3時間データより、UTCの 0時日界で

日最高、最低気温データを作成した。(ケニア

では、UTC+03:00。UTC0:00 日界での整理で問

題ない。)

地表風速 [m/s] sfcWind FAO-PMでは地表 2mの風速が必要。WFDEIでは、

地表 10m のデータとなっていることに注意が

必要。

比湿 [ND] huss FAO-PM では、相対湿度を用いるように解説さ

れているが、WFDEI では相対湿度が入手でき

ず、比湿が可能である。蒸発量算定では、蒸

気圧を算出することが目的であり、比湿を用

いて算出することとした。なお、GCMでは相対

湿度と比湿の両方を入手可能。

下向き短波放射 [W/m2] rsds 地表に到達する短波放射エネルギー。

地表面気圧 [hPa] ps 気圧分布は、地標高で補正が可能であるが、

蒸発量算出では、影響が少ないので、単純な

空間内挿で WFDEI のデータを用いた。

18 FAO Irrigation and Drainage Paper No.56 Crop Evapotranspiration

39

（2）観測値降雨以外の気象観測値について、SAPROF時のデータを整理した。

NIBによる気象観測所 MIADがある。他にはない。

MIADでの年平均気温は、22.2℃。

最高気温、最低気温の差が大きい。

期間は 5年未満である。

Prepared by SAPROF Team

Figure 3.2.1 Climate Features at MIAD Station

Climate at MIAD Station

-

5

10

15

20

25

30

35

40


Tem

pera

ture

(C

)

15

20

25

30

35

40

45

50

55

Rel

ativ

e H

umid

ity

(%)

Max. air temperatureMin. temperatureMean air temperatureMean relative humidity

0

50

100

150

200

250

300

350

400


Rai

nfa

ll (m

m)

2

3

4

5

6

7

8

9

10

Sun

shin

e ho

urs

(hrs

/day

)Monthly rainfall

Daily sunshine hours

40

（3）再解析値 WFDEI からのグリッドデータ作成再解析値である WFDEI を用いてグリッドデータを作成する。気象変数ごとに、空間分布の局所

性が高いもの、低いものがある。変数の空間分布に関する特徴を踏まえ、表 4-13 に示した方針

で 0.1 度グリッドデータを作成した。作成したデータの期間は、GCM の現況再現期間とあわせ、

1981 – 2010 年の 30 年間とした。

表 4-13 蒸発量算出のための気象変数のグリッドデータ作成方針

気温変数空間分布の特徴グリッドデータ作成方法

tas (地表気温)

tasmin, tasmax

(日最高気温、最

低気温)

地標高が高くなるほ

ど低くなる。

WFDEIの 0.5度グリッドから、0.1度へバイリ

ニア法で変換をするが、その際にそれぞれの

グリッドの標高差を用いて、気温減率γ=

0.065℃/m を用いた。

sfcWind (地表風

速)

局所性が高く、局所性

を生じる要員は複雑。

空間内挿の適切な方

法はない。

バイリニア法での単純な空間内挿を行った。

FAO-PM でも、一般に風速データを空間的に密

に得られることが難しいことを鑑み、風が強

い、中程度、弱いといった感覚に対応する風

速を利用することを提案している。バイリニ

ア法での空間内挿で精度があがるわけではな

いが、一定の推定値を用いるよりは、地域性

やその季節性を考慮できるものと考えた。

なお、FAO-PM で利用する風速データは、地表

2m での風速だが、WFDEI や GCM で得られる風

速データは、地表 10mのものである。

比湿(huss) ある程度はなだらか

な空間変化として捉

えてよい。

当然、水場のそばだったり、木陰、ひなたな

どで局所的な変化があるが、0.1度グリッドで

捉えるならば、その変化はなだらかなもので

ある。バイリニア法で十分と考えた。

下向き短波放射

(rsds)

なだらかな空間分布

と捉えられる。

バイリニア法で WFDEI の 0.5 度グリッドから

0.1度グリッドに変換した。

地表面気圧 (ps) なだらかな空間分布

であり、地標高と関係

が強い。

気温減率を用いて、気体の状態方程式から導

いた標高補正式を適応することもできるが、

蒸発量の算出では、気圧の値の影響が僅かで

あることから、単純なバイリニア法で WFDEI

の 0.5 度グリッドデータを 0.1 度グリッドに

変換した。

41

4.1.4.4 蒸発散量の算出可能蒸発散能として、FAO-PMの reference evapotranspiration ET0を算出した。可能蒸発散量

は、放射エネルギーと風による水蒸気の運搬で水蒸気として地表から損失する水量である。蒸発

できるエネルギーや風に見合う水量が地表にある場合に生じるのが可能蒸発散能である。FAO-PM

による ET0 は、地被状況として、アルファルファを想定しており、表面土壌に十分な水分がある

状態を想定したものである。植生によって可能な蒸発散能は、ET0より大きくなったり、小さくな

ることもある。FAO-PM では、ET0 を参照蒸発散能と称し、これを基準に植生毎、作物ごとに係数

を乗じて蒸発量を推定するのに用いている。

本検討では、ET0を可能蒸発散能として利用し、流出解析モデルの境界条件に用いる。流出量の

計算結果の再現性が悪い場合、その原因が可能蒸発散能の推定にあると想定される場合に限り、

ET0に係数を乗じることを検討する。

(FAO-PM式)

( ) ( )( )2

2

34.01273

900408.0

u

eeuT

GRE

asn

t ++∆

−+

+−∆=

γ

γ

Where, Et reference evapotranspiration [mm/day], Rn net radiation at the surface [MJ m-2day-1], G soil heat flux density [MJ m-2day-1], T mean daily air temperature at 2 m height [oC], u2 wind speed at 2 m height [m/s] es saturation vapour pressure [kPa] ea actual vapour pressure [kPa] es-ea saturation vapour pressure curve [kPa ∆ slope vapour pressure curve [kPa oC-1] γ psychrometric constant [kPa oC-1]

42

4.1.5. 気象データの気候値の整理前節で作成した現況の気象グリッドデータは、1981 年から 2010 年までの 30 年間について作

成している。現況の気候値を評価した。 MWEA 灌漑地に関連する集水域は、Nyaindi 川、Thiba 川の２河川水系にまたがっており、お

よそ 1,500km2 の範囲を検討対象とする必要がある。この集水域の水文環境を検討する上で注意

すべきは、ケニア山の山頂から山腹にかけて位置していることである。山頂付近では、降雨量が

多いが気温が低い。MWEA 灌漑地のある山腹では、降雨量が少なく、気温が高くなる。この集

水域の上下地域のそれぞれの気象水文の特徴を適切に定量的に把握することが、気候変動影響評

価においてのポイントとなる。図 4-22 にエリア平均値算出を行った上流域、下流域の範囲を示している。

図 4-22 気象データのエリア平均に用いた全集水域、上流域、下流域の範囲

43

4.1.5.1 月別気候値全集水域、上流域、下流域での空間平均値を算出し、1981~2010 年の 30 年間の月別気候値

を降雨、気温（日平均、日最高、日最低）、下向き短波放射、可能蒸発散能について整理した。

図 4-23 に示している。降雨量について、大雨季(3, 4, 5 月)、小雨季(10, 11 月)とその他の乾季という降雨パター

ンは全域、上流域、下流域で同じであるが、上流域で多く、下流域で少ないことが明ら

かに見られる。特に、下流域での乾季降雨量は、50mm/month を下回っている。気温は、上流域の日平均気温で 10~15℃と冷涼であるのに対し、下流域での日平均気温

では 20~25℃と温暖となっている。日最高気温で見れば、雨季より 1~2 ヶ月早い月で高温となり、30℃前後となっている。下向き短波放射量(日射量)については、下流域、上流域での差がない。上流域では気温が低いが、赤道直下の日射量があるため、可能蒸発散能が

60~100mm/month となっている。下流域での降雨量に対して、可能蒸発散能が高く、4, 5, 11 月以外では、蒸発ポテンシ

ャルが降雨量を大きく上回っている。つまり、MWEA 灌漑地はそこに降る雨だけでは

営農が難しいことが把握できる。 4.1.5.2 年々変動

図 4-24 に降雨、気温、可能蒸発散能の年々変動の状況を図化している。年間雨量の年々変動は大きく、上流域、下流域、全域のいずれにおいても 800mm/year

程度の幅で変動している。50%の範囲（ボックスプロットの箱の範囲）でも 300mm/year程度の変動がある。

気温の変動幅は、30 年間を通じて 3℃以内で収まっており、年間可能蒸発散能の年々変

動幅も最大で 200mm/year となっている。上流域、下流域での雨量、可能蒸発散能の大小が逆転していることが把握できる。全集水域の年間雨量の平均値、中央値が約 1,550mm/year 程度で、30 年の半分程度がこ

れを下回っていることがボックスプロットからわかり、年間可能蒸発散が安定して

1,450mm/year 程度となっていることから、水資源として余裕のない年が多いことがわ

かる。

44

図 4-23 全集水域、上流域、下流域でエリア平均した各気象データの月別気候値

45

図 4-24 年間降雨、日気温、年間可能蒸発散能の年々変動の状況

46

4.1.5.3 空間分布降雨、可能蒸発散能、そして、降雨量から可能蒸発散能を差し引いたものについて、年気候

値と月別気候値について空間分布を図示したものを図 4-25 から図 4-32 に示している。蒸発散

算出に必要な他の気象変数（風速、気圧、比湿、下向き短波放射）の空間分布図については、

巻末資料に示している。前項で整理したように、上流域で雨が多く、気温が低く、可能蒸発散が低いことに対し、

下流域でその逆となっていることが空間分布図でも明らかとなっている。特に重要なのが、図 4-31、図 4-32 に示している降雨量から可能蒸発散能を差し引いた

空間分布図である。可能蒸発散能は、ポテンシャルであって、必ずしも実際に蒸発する

ものでは無いが、降雨から差し引いた値の正負によって、水資源賦存量の状況を推察す

ることができる。年気候値で見た時（図 4-31）、集水域の上下半分ほどで、降雨量－可能蒸発散能が正と

負の部分となっている。月気候値で見た場合(図 4-32)、大雨季、小雨季の特に雨の多い月以外では、集水域の全

域が負の値となっている。雨季で特に降雨量の多い、4 月と 11 月で全域が正の値となっ

ている。空間的、時間的にみて、水資源賦存量が不均一に分布していることが把握できる。

47

図 4-25 年間雨量の気候値の分布

48

図 4-26 月雨量の気候値

49

図 4-27 年平均地表面気温の気候値の分布

50

図 4-28 月平均気温の気候値の分布

51

図 4-29 年間可能蒸発散能の気候値分布

52

図 4-30 月間可能蒸発散能の気候値の分布

53

図 4-31 年間の降雨量-可能蒸発散能の気候値の分布

54

図 4-32 月ごとの降雨量- 可能蒸発散能の気候値の分布

55

4.1.6. (ISI-MIP )4.1.6.1

4.1.3. ISI-MIP(S.Hempel , 201319)

ISI-MIP GCM

GCM

4-14

4-14

4.1.6.20.1 GCM 1

19 A trend-preserving bias correction -the ISI-MIP approach, S.Hempel, K.Frieler, L.Warszawski, J.Schewe, and F.Piontek, Eath Syt. Dynam., 4, 219-236,2013

56

(0.1 ) (1) GCM 0.1

GCM (hist) (rcp)

301 0.1

30

DAD(Depth

ISI-MIP 0.1 GCM

(4.1.7) ISI-MIP

4.1.6.31 ISI-MIP

ISI-MIP

obs GCM hist rcp

4 30 4 i

i j

1 30GCMhist

GCMhist

57

10 multip

:

(dry month)

GCM 0.01mm/day

GCM 0mm/day

GCM GCM GCM

GCM

GCMdrizzle

GCM 1mm/day 4 30

4 1mm/day (Ndry(obs)) GCMhist 30 4 Ndry(obs)

Ndry(obs)+1 GCMhist GCM 4

GCMrcp

GCM

GCM

model

GCMhist,

58

GCMrcp

GCMhist

ISI-MIP

a, b, GCMhist

GCM GCM

GCM

2 ISI-MIP

1 GCM GCM

0.1mm/day20%~50% GCM,

59

GCM 1.0mm/day Pij

1%

4-37 GCM

4-33 GCM

2 5~9 GCM ISI-MIP

10 10 GCM

4-38 GCMhist, GCMrcp

3 , 4 , 7 , 8 10

[mm/day]

[mm

/day

]

60

4-34 10

3

1mm/day1mm/day

4-38 1mm/day1mm/day

0.1mm/day

4-39 GCM

4-35 1mm/day

rank

Dai

ly p

recip

itatio

n [m

m/d

ay]

1.0mm/day

80%

1.0mm/day

61

4）分布形状の変換関数により、マイナスの降雨が算出される可能性がある ISI-MIP の方法で提唱されている日雨量分布形状の補正関数は、最適なパラメータが

見つけられれば、GCM の分布形状を観測値のものにうまく合わせることができる。し

かし、関数のパラメータの組み合わせによっては、微小な GCM 雨量に対して、マイナ

スの雨量に変換してしまうケースがある。このような場合には、ゼロとして対応する必

要がある。

5）分布形状の変換関数の最適パラメータを求める際の工夫分布形状の変換関数は、非線形関数であり、最小二乗法などで解析的に求めることが

できない。そのため、数値解析手法を用いて、誤差の自乗和が最小となるような収束計

算を行うこととなる。最適化という演算を行う。変換関数は 3 つのパラメータを持っており、局所的な解があるようで、最適化演算に

工夫が必要であった。

① 最適解探索のアルゴリズムには、シンプレックス法(アメーバ法とも呼ばれる)を用いて、なるべく局所的な解に落ち込まないようにした。

② 最適解探索のためには、３つのパラメータの初期値を設定するが、その初期値

によっては、やはり、局所的な解に落ち込み、分布形状の変換がうまくいかな

いパラメータとなる。そこで、初期値を乱数で複数回発生させ、最適探索アル

ゴリズムを実施し、その時の評価値（誤差の自乗和）が最小となる結果を利用

することとした。図 4-40 に分布形状のバイアス補正の前後を比較したものを示す。

62

図 4-36 日雨量の分布形状の補正

63

（3）降雨のバイアス補正結果検討対象の5つのGCMについて、改良した ISI-MIPの降雨バイアス補正手法を適用した。

年間降雨量の気候値の空間分布を作成し、観測値、選択した 5 つの GCM の現況気候再現計

算データ(hist)と 2030 年将来データ(rcp)を比較した。図を 2 列の表に配置してしめしている。最上段に観測値の気候値を示しており、２行目よ

り下には GCM のデータが配置されている。GCM については、左側に現況気候計算値(hist)、右側に将来気候計算値(rcp)を示している。

GCMhist それぞれは、観測値の空間分布をよく再現していることがわかる。また、5 つの

GCM は、将来において降雨が増えるもの、減るもの、あまり変わらないものとして、生じ

うるシナリオの範囲をカバーするように選択しており、それぞれの将来像が把握できる。巻末資料では、月雨量の気候値の空間分布を図示したものを作成している。

表 4-15 バイアス補正を施した GCM データでの年間降雨量気候値の空間分布比較

Present Climate Condition Future Climate Condition (2030)

BL: O

bser

ved

Dat

a

64

WL:

CSI

RO-M

k3-6

-0

DL:

FG

OAL

S-g2

65

DH

: GFD

L-ES

M2G

MM

: GFD

L-ES

M2M

66

WH

: MIR

OC-

ESM

-CH

EM

67

4.1.6.4 気温のバイアス補正（1）バイアス補正方法

気温のバイアス補正は、ISI-MIP の方法で説明されている通りで問題なく補正ができた。バイ

アス補正は、２段階で行われる。

1）気候値合わせ気温では、比ではなく、観測値と GCMhist の差分で気候値をあわせる。

図 4-37 に、あるグリッドについて、観測値(obs)と GCM による現在気候(hist)の補正前データ

(raw)と additive correction実施後のデータ(additive corrected GCM hist)の比較が示されている。

WFDEI では 1981 年から 2010 年の 30 年間が収集されており、GCM の historical scenario デー

タは、2005 年までの 30 年間なので、時間軸でずれている。本検討では、5 年間は、気候値で大き

な差がないと考えている。図の青線(観測値)に対し、GCM の補正前のデータ(赤線)は、2 度程度高く分布しているが、

additive correction(緑の線)によりレベルが揃うようになっていることがわかる。

68

図 4-37 気候値合わせ（気候値の差分を付加）後の日気温データの状況

2）分布形状の補正気温では、月別気候値からの日データの偏差を正規化変量として取り扱う。気温の偏差量の分

布は、ゼロを中心とした正規分布になることが知られており、データのランクでプロットしたク

ォンタイルプロットが直線上に並ぶ。観測値と GCMhistの直線の傾きを用いて、補正を行う。

69

図 4-38 日気温データの分布形状の補正

図 4-38 は、正規化した日気温分布の補正前後の状況を示したものである。青の点が日データ

の分布の補正前、赤の点が補正後を示している。補正により、GCM と観測値の日データ分布を同

順位でプロットしたものが y=x の直線に乗るようになっており、意図通りの補正ができているこ

とがわかる。

（2）補正結果の確認（年間平均気温分布の気候値での比較）

年間平均気温の気候値の空間分布について、観測値、GCMの現況気候、将来気候での比較を

70

表 4-16 バイアス補正を施した GCM データでの地表面気温(日平均気温)の年平均値の気候値

分布の比較

Present Climate Condition Future Climate Condition (2030)

BL:

Obs

erve

d D

ata

WL:

CSI

RO-M

k3-6

-0

71

DL:

FG

OA

LS-g

2

DH

: GFD

L-ES

M2G

72

MM

: GFD

L-ES

M2M

WH

: MIR

OC

-ESM

-CH

EM

73

4.1.6.5 下向き短波放射のバイアス補正（1）バイアス補正の方法

ISI-MIP では、月平均値の気候値に合わせるために、GCMhistの気候値に対する観測値気候値の

比を乗じるだけとしている。しかしながら、日データの分布について、観測値と GCM の値を確認

したところ、分布形状の差は明らかであり、無視し得ないものと判断し、開発を行った。

1）観測値と GCMhist のデータの比較＜日データ、月データ時系列の比較＞

下向き短波放射データの観測値(青線)と GCMhist(緑)の状況をプロットして確認した。日

データ（図 4-39）では、特徴の差があまりわからないが、月データ（図 4-40）でみたとき、

平均値は似通っているものの、データの振幅の異なることが把握できる。

図 4-39 日データ時系列の比較

74

図 4-40 月平均値の時系列での比較

＜気候値の比較＞

月平均値の気候値を算出し、比較した。季節的な変動はよく再現されているが、絶対値を合

わせる必要があることがわかる。一方、下向き短波放射については、将来で大きな変化がない

ことがわかる。

図 4-41 下向き短波放射（日射量）の気候値での比較

75

＜月ごとの日データの分布形状の比較＞

月ごとに日データのクォンタイルプロット、ヒストグラムを作成し、観測値と GCM の比較

を行った。短波放射の分布は、降雨や気温と異なっており、正規分布に近いが、右側に歪んだ

形状であることがわかる。したがって、分布形状の補正では、気温のようなランクプロットの

直線回帰では不十分であることが予見される。

図 4-42 下向き短波放射の月別の日データ分布

76

図 4-43 下向き短波放射の月別日データのヒストグラムでの比較

77

2）気候値合わせ気候値合わせとして、まず、観測値と GCMhist の比を用いて補正した。気候値合わせの

結果の月別の日データの分布形状の変化を図 4-48 に示している。気候値の補正を行っても、分布形状の補正が必要であることが確認できる。

図 4-44 気候値合わせ前後での日データ分布形状の変化

78

3）分布形状の変換関数

分布形状の変換関数には、降雨での変換関数を参考にして、試行錯誤的に求めた。まず、

正規化変量として、日データを月別気候値で割ったものを用いた。変換関数として、a, b, τの 3 パラメータで表現される以下の形式でうまく補正できることがわかった。

図 4-45 下向き短波放射量のバイアス補正結果

79

（2）補正結果 WFDEI や GCM で入手できる下向き短波放射データは、日平均値の値である。これの年間平均値

の 30年間気候値の空間分布図を作成し、観測値、GCM の現在気候、将来気候について比較した。

いずれの GCM においても、現在気候での分布が観測値の分布を忠実に再現できていることがわ

かる。将来においては、気温が高くなるシナリオ、低くなるシナリオなどで日射量が増減してい

る状況が見て取れる。

表 4-17 バイアス補正を施した GCM データの下向き短波放射量の年平均値気候値分布の比較

Present Climate Condition Future Climate Condition

BL:

Obs

erve

d D

ata

80

WL:

CSI

RO-M

k3-6

-0

DL:

FG

OA

LS-g

2

81

DH

: GFD

L-ES

M2G

MM

: GFD

L-ES

M2M

82

WH

: MIR

OC

-ESM

-CH

EM

83

4.1.6.6 比湿のバイアス補正比湿は、その地点の水蒸気量を示すものであり、蒸発量に与える影響が大きい。ISI-MIP では、

比湿のバイアス補正は、比での気候値合わせのみの記述となっているが、分布形状を確認したとこ

ろ、分布形状をあわせる補正が必要と判断した。短波放射と同様に、本業務にて補正方法を開発し

た。

（1）補正関数

短波放射と同様に、気候値合わせのあと、気候値に対する比で変量を正規化し、日データの分

布系を変換する関数を試行錯誤的に求めた。補正関数は、下式で示されるもので、a, b, τの 3

母数関数である。

ある地点での月ごとの比湿のクォンタイル図を図 4-46 に示している。図中では、観測値（青

線）、GCMの現況気候データ(緑)、将来気候データ（赤）が重ねて示されている。GCMについては、

補正前を破線、開発した補正関数で補正したものを実線で示している。開発した補正関数により、

GCM の日データの分布状況が観測値と一致するように補正できており、この補正関係により将来

の比湿の分布が推定されている状況が把握できる。

84

図 4-46 比湿の日データの分布形状の補正

（2）年間平均値の気候値分布比湿データについて、バイアス補正の状況を確認するために、年間平均値の気候値分布を図化

して比較した。観測値と GCMの現況気候データ、将来気候データを表形式で配置している。

現況の観測値とバイアス補正後 GCM 現況データでの気候値分布はよく一致しており、バイアス

補正が意図通りに実施できていることが確認できる。それぞれの GCM 将来のデータでは、いずれ

85

のモデルでも比湿の分布がやや増えている。

表 4-18 バイアス補正を施した GCM データでの比湿の年平均値気候値分布の比較


BL:

Obs

erve

d D

ata

WL:

CSI

RO-M

k3-6

-0

86

DL:

FG

OA

LS-g

2

DH

: GFD

L-ES

M2G

87

MM

: GFD

L-ES

M2M

WH

: MIR

OC

-ESM

-CH

EM

88

4.1.6.7 バイアス補正した変数を用いた蒸発散量の算出バイアス補正を行った気温、下向き短波放射、比湿を用いて、FAO のペンマンモンティース法

により GCM データでの蒸発散量を算出した。 FAO のペンマンモンティース法では、他にも地表面気圧(ps)と風速(sfcWind)が必要な変数であ

るが、残念ながら GCM のこれらの変数が公開されていない。したがって、WFDEI の現況気候再

解析値（観測値相当）より月別気候値を算出し、これを毎年繰り返して与え、現況気候、将来気候

での可能蒸発散能を算出した。地表面気圧の変動が蒸発散量に与える影響は、さほど大きくない。一方、風速が可能蒸発散能に

あたえる影響は大きいが、そもそも局所性が大きい風速を精度良く観測することは困難であるため、

FAO の蒸発散量算定マニュアル No.56 では、データが入手できない場合を想定し、風があまりな

い、そこそこある、年中風が吹いているというような感覚で３区分にわけ、その区分に対して推奨

される風速の値を一定で与えるように説明されている。このような状況を踏まえれば、本検討で地

表面気温、地上風速を WFDEI の気候値で代用することで大きな問題はないと言える。年間蒸発散量の気候値を算出し、その空間分布を図化した。蒸発散量推定では、複数の気象変数

を用いて算定するが、蒸発散量の現況気候値分布は、観測値のものと GCM 現況気候データのもの

で一致していることが把握できる。全ての変数でのバイアス補正がうまくできていることが確認で

きる。将来気候では、気温がいずれのシナリオでも現況より高くなるため、現在と比べ、可能蒸発散量

が高くなることが把握される。

89

表 4-19 バイアス補正した GCM データより、FAO-PM 法で算出した可能蒸発散能の年間平均

値気候値分布での比較


BL:

Obs

erve

d D

ata

WL:

CSI

RO-M

k3-6

-0

90

DL:

FG

OA

LS-g

2

DH

: GFD

L-ES

M2G

91

MM

: GFD

L-ES

M2M

WH

: MIR

OC

-ESM

-CH

EM

92

4.1.7. 流出解析のための将来気候プロジェクション 4.1.7.1 詳細グリッドへのバイアス補正降雨データを用いた流出計算上の問題

ISI-MIP の方法にしたがって、各種気象変数の将来気候データのバイアス補正を実施した。気

候値を算出し、観測値とバイアス補正後の GCMhistデータを比較したところ、年平均値、月平均

値の気候で一致した結果となっており、1度以上の空間解像度である GCMデータを 0.1度グリッ

ドの観測値データの統計的特性に合わせることができているといえる。この点で、より細かい空

間解像度へのダウンスケーリングができているといえる。

しかしながら、0.1度グリッドでの GCMバイアス補正データを用いて、後述の分布型流出解析

モデルでの流出解析を行うと、その流況で無視し得ない差を生じる。特に、洪水時の GCMhist

降雨で計算した流量が観測降雨での計算流量に比べて過大となる。（図 4-47）

図 4-47 0.1 度グリッドへのバイアス補正 GCM データを用いた流出計算結果と観測降雨デー

タでの流出計算結果の流況曲線での比較

Flow duration curve calculated with observed precipitation data of 0.1-degree

Flow duration curve calculated with bias-corrected into 0.1-degree grid.

Flow rate of bias-correctd GCM data for present climate is much larger than that of observed data, especially for top 20% of non-exceedance probability.

93

元の GCMデータのグリッドサイズは、1度より大きく、流域全体に匹敵するような規模のため、

GCM グリッドで高強度の降雨を生じた時、0.5 度グリッドでバイアス補正された降雨は、どのグ

リッドでも同時に高強度の降雨を生じることとなる。

年降雨量の気候値、月雨量の気候値など、時間進展のない静的な降雨分布を示すには、粗い

GCMグリッドデータを 0.5度の細かいグリッドにバイアス補正することでダウンスケーリングも

行われていると言ってよい。しかし、時間進展で見た時、降雨の空間分布に濃淡は付いているも

のの、GCMグリッドで年最大降雨を生じたときには、関係する小グリッド全てで年最大雨量が同

時に生起しており、降雨の空間分布のダウンスケーリングはできていないと考えるべきである。

このような降雨データを用いて流出解析を実施すると、全域で生じる高強度の降雨が河川に集中

し、非現実的に大きな流量を算出してしまう。

4.1.7.2 流出解析のためのバイアス補正の開発将来の気候値の変化を議論するならば、ISI-MIPの方法で粗い解像度の GCMデータを 0.1度の

ような細かいグリッドに対してバイアス補正を適用することでよい。しかし、日単位での時間進

行で見たときには、降雨の DAD(Duration – Area – Depth)関係の補正がされておらず、流出解

析に用いて水資源賦存量などの議論、洪水流量の議論には利用することができない。

本検討では、ISI-MIP のバイアス補正手法で得られる現況気候と将来気候の気候データの関係

を用いて、観測気象データ（降雨、気温、日射量、比湿）の時間分布、空間分布をベースに将来

気候データを作成することを行った。

いずれの変数においても、図 4-48に示した考え方で観測値の時間分布、空間分布をベースに

した将来データの投影を行った。

1. ISI-MIP の方法で GCMhistと GCMrcpのバイアス補正データを作成する。

2. バイアス補正後 GCMhist から GCMrcp の累積確率分布曲線の変換関数を求める。バイアス

補正後の現在気候正規化変量Xhistに対応する累積生起確率 P、P に対応する将来気候の正

規化変量Xrcpの関係をそれぞれノンパラメトリックな関数で求める。

3. 求めた現在気候から将来気候への変換関数を観測データの時系列、空間分布に対して適用

し、将来気候の気象データを得る。

降雨については、上記の手順の他に、ISI-MIPの方法で求められる将来の乾燥月の数、無降雨

日日数と同じとなるように、観測データの小さいデータから無降雨日、乾燥月を指定している。

94

図 4-48 ISI-MIP のバイアス補正で得られる現在と将来の関係の変換式を求め、観測データを

ベースにした将来データのプロジェクションを行う方法の概念図

これにより、0.1 度の空間解像度での将来気候データが取得されたが、これはダウンスケーリ

ングとは異なるものであることを明示するため、将来気候プロジェクションデータと呼ぶことに

する。将来気候プロジェクションデータは、観測値で生じる時系列順で降雨強度や気温などの大

きさを将来のものに差し替えたものとなっている。将来の強度は、ISI-MIPで推定されている方

法と統計特性が完全に一致するものを与えている。また、気候値を算出すれば、ISI-MIPで推定

した将来気候の気候値と一致する空間分布を与える。

プロジェクションデータでは、GCMによって推定されている将来の気候情報のうち、生起頻度

に対応する強度の変換のみを行っているものであり、次のような性質は表現されていないことを

留意する必要がある。

時系列特性に関する将来の変化。例えば、年々の年間降雨量の多寡の幅であるとか、渇水

年の継続など。

空間的特性の将来の変化。気候の変化により、例えば、保持される水蒸気量が増大し、降

95

雨帯が現在気候よりも将来気候でのほうが大きくなるというメカニズムがあるかもしれ

ない。GCMでは物理的にメカニズムが評価されているものが、プロジェクションの過程で

間接的な反映にとどまっている可能性がある。

気候変動による気象現象の特性がどのように変化するかということは、多面的な分析が必要で

ある。バイアス補正は、全ての気象現象の物理的メカニズムの整合を確保することはできない。

故に、検討で重視する特性が適切に評価できるような手法を選択する必要があり、逆に言えば、

他の気象現象の特性の補正は十分でないことを理解しながら主題の検討を進めざるを得ない。本

業務では、灌漑可能水量の評価、農作物の収量への影響が重要な検討項目であり、流出解析での

適用性を重視して将来プロジェクションデータを作成した。

4.1.7.3 将来気候の変化作成した将来プロジェクションデータを用いて、前述の図 4-22に示したエリアでの空間平均

値を算出し、その月別気候値を図にまとめ、将来気候の変化を確認した。対象とした変数は、降

雨量(図 4-49)、気温(図 4-50)、可能蒸発散能(図 4-51)、降雨量から可能蒸発散能を差し引い

たもの(図 4-52)である。なお、5 つの気候シナリオのコードと GCM の対応は、下表のようであ

る。

表 4-20 気候シナリオコードと GCM の対応関係

シナリオ名 GCM名と排出シナリオ降水量の変化気温の変化

BL(Baseline) 観測データ（WFDEI と観測デー

タを用いて作成）

DH GFDL-ESM2G (rcp85) 減少 (Drier) 上昇（High）

DL FGOALS-g2 (rcp26) 減少 (Drier) 上昇（Low）

MM GFDL-ESM2M (rcp85) 変化なし(Moderate) 上昇（Middle）

WH MIROC-ESM-CHEM (rcp85) 増加 (Wetter) 上昇 (High)

WL CSIRO-Mk3-6-0 (rcp60) 増加 (Wetter) 上昇 (Low)

＜降雨量に関する将来気候の変化、抽出した GCMの特徴＞

降雨の気候値の変化は大きい。これは、年間降雨量気候値で粗いスクリーニングをした上

で、全 GCM-rcp シナリオのデータの変化範囲を確認し、降雨、気温の変化範囲をカバーで

きるように選択したことによる。

降雨量の変化では、DHでの減少量と WHの増加量が著しい。

DH では、大雨季(3-5 月)での降雨減少量が目立って見えるが、小雨期(10-12 月) は現況

と変わらない。

96

＜気温に関する将来気候の変化、抽出した GCMの特徴＞

MWEA 周辺での気温の変化は年間を通じて少ない。しかし、日最高気温、最低気温の気候

値のさは、集水域の上流部、下流部、全域で見ても同じく摂氏で 10度から 15度程度の差

がある。

現況気候に対し、全ての GCM の気温は高くなっている。これは、日平均気温に限らず、日

最高気温、最低気温でも同様となっている。

選択した 5つの GCMは、全ての GCMより、将来への変化の範囲をカバーするように選択し

ているが、モデルごとの差はあまり大きくない。

＜可能蒸発散能に関する将来気候の変化、抽出した GCMの特徴＞

FAO Irrigation and drainage paper No.56に示されたペンマンモンティース法を用いて

可能蒸発散能を算出している。

気温の年内変化と同じように、2,3月と 9,10 月の 2回のピークがある。

気温は、いずれのモデルでも、年間全ての月で現状気候より上昇しているが、可能蒸発散

能では減少する月も見られる。比湿の変化、日射量の変化が可能蒸発散能の算出で考慮さ

れており、気温以外の影響が反映されている。

降雨量の季節性（年内の変化）と比べると、可能蒸発散能の季節性の変化は少ない。

＜降雨量から可能蒸発散能気候値を差し引いた値の将来気候での変化、抽出した GCMの特徴＞

水資源賦存量に与える気候変化のインパクトを把握できる指標といえる。

実際に蒸発できる量は、降雨の時系列などにより、可能蒸発散量よりは少なくなるとみられる。

DH シナリオでは、全流域、下流域での現況から将来への減少量が他のモデルに比べて顕著で

ある。しかしながら、小雨季の 11月では、降雨量の増加量の影響が強く見られる。

WH,WL シナリオは、降雨の増加量が多いシナリオであり、図 4-52 でも水資源賦存量にはプラ

スの影響となることが見られる。

97

4-49 (BL) 5

98

4-50 tas tasmax tasmin(BL) 5

99

4-51 FAO (BL) 5

100

4-52 (BL) 5

101

4.2. 社会シナリオの作成

ケニア国の開発計画「Kenya Vision 2030」等を踏まえ社会シナリオを作成した。設定する項

目は、下記 3 項目とし、それぞれ上位、中位、下位の 3 ケースを設定した。ケニアの人口ひとり当たりの米消費量の変化輸入米に対する国産米の競争力の変化

4.2.1. 資料収集社会シナリオ作成にあたり収集した資料は以下のとおりである。何れの資料も Web より入

手した。

表 4-21 収集資料一覧

No 資料名発行機関、発行日参照した情報

1 Kenya Vision 2030 Government of Kenya, October 2007

国家的な全体計

画

2 NRDS: National Rice Development Strategy (2008-2018)

ケニア国農務省 Ministry of Agriculture (MOA)

国家的な稲作振

興戦略

3 Census 2009: 2009 Kenya population and housing Census, Analytical Report on Population Projections, Volume XIV

ケニア国統計局 Kenya National Bureau of Statistics (KNBS), Ministry of State for Planning, March 2012

将来の人口推計

4 MOA ERA 2010: Economic Review of Agriculture 2010

ケニア国農務省 Ministry of Agriculture (MOA), June 2010

コメ生産量・消費

量、単価に関する

情報

5 OECD-FAO Agricultural outlook 2015

OECD, FAO 将来のコメ消費

量の予測

6 Commodity Forecast, July 2016, World Bank

世界銀行（World Bank） July 2016

コメ国際市場価

格の予測

7 WPP 2015: World Population Prospects 国連人口推計

国際連合（UN） 2015

将来の人口推計

8 FAO 2012: Monitoring African Food and Agricultural Policies

FAO 2012

コメ生産量、輸入

量、消費量等のレ

ビュー

102

4.2.2. ケニアの人口３つの人口予測情報（Census 2009、国連人口推計（WPP 2015）、NRDS）を参照し、本検

討における３つの将来人口シナリオを設定した。

4.2.2.1 Census 2009 将来の人口予測情報として、Kenya Vision 2030 においては、ケニア国統計局（KNBS）によ

る Census 1999 が参照されているが、現在では更に新しい情報である Census 2009 が公表され

ているため、本検討では後者を参照することとする。国内の人口は増加傾向であり、Census 2009 によると、2010 年人口が 38.5 百万人であるのに

対し、2015 年には 44.2 百万人、2020 年には 50.3 百万人、2025 年には 57 百万人、そして 2030年には 63.9 百万人に達する、と推計されている。特に都市部での伸びが顕著であり、ナイロビ

では最も高い増加率 4.7%を示している。全体人口に占める都市人口の割合は、2050 年時点では

20.1%であるが、2030 年までには 60%に達すると見込まれている。人口予測の手法は、Census 2009 では、コーホート要因法（cohort component method）を採

用しており、主に世代ごとの出生率および死亡率から推計されている。ここで移民による影響に

ついてはケニアにおいては１％以下と影響は小さいことから人口推計では考慮されていない。コーホート要因法では、上位・中位・下位の３つの予測値が評価されていると考えられるが、

Census 2009 で公表されているデータは１つである。最も予測の確度の高い中位予測のみを公

表したものと考えられ、上位および下位のシナリオについては別途設定する必要がある。

103

Source：Census 2009

図 4-53 ケニアの人口推計（2010-2030）

Source：2009 Census

図 4-54 ケニア人口の推移（実績と予測）

104

4.2.2.2 NRDS NRDS では年間の人口増加率を 2.7%として設定している事例があるがその根拠は書かれていな

い。NRDS に従い年率 2.7%で上昇する場合、2030 年時点の人口は約 64.7 百万人であり、これは

Census 2009による推計結果（2030 年で 63.9 百万人）と近い値である。

表 4-22 NRDS による人口予測

Source：NRDS

4.2.2.3 国連人口推計と Census 2009 の比較国連人口推計では、世界各国の現在の推計人口および将来推計人口が発表されている。Census

2009 の予測情報だけでは、上位、下位を得ることができなかったため、国連人口推計の予測値

を参照し、Census 2009との比較を行うこととした。

表 1-15 および図 1-39 に比較結果を示す。Census 2009 は国連の中位予測値よりも若干下回

っており下位予測値の方に近いが、大きくかけ離れているわけではない。国連人口推計での上

位・下位シナリオは、2030年時点で中位から約 3.79%離れている。

105

表 4-23 ケニアにおける 2030 年までの人口推計

Source：国連人口推計（WPP 2015）、KNBS 2009 National Census

出所：国連人口推計（WPP 2015）、KNBS 2009 National Census

図 4-55 ケニアにおける 2030 年までの人口推計

WPP 2015 High Variant Projection

WPP 2015 Medium variant Projection

WPP 2015 Low variant Projection

KNBS 2009 National Census Projection

2015 46 050 46 050 46 050 44 1572016 47 304 47 251 47 1992017 48 595 48 467 48 3392018 49 919 49 695 49 4712019 51 272 50 935 50 5992020 52 649 52 187 51 724 50 3192021 54 048 53 448 52 8482022 55 471 54 719 53 9672023 56 919 56 001 55 0842024 58 396 57 298 56 1992025 59 906 58 610 57 315 56 9992026 61 447 59 939 58 4302027 63 019 61 283 59 5472028 64 619 62 643 60 6672029 66 244 64 020 61 7952030 67 891 65 412 62 933 63 860

Total Population [thousands]year

0

10,000

20,000

30,000

40,000

50,000

60,000

70,000

80,000

1995 2000 2005 2010 2015 2020 2025 2030

Popu

latio

n [th

ousa

nds]

year

Population Projections in Kenya

WPP 2015 Population Estimates

WPP 2015 Medium variant Projection

WPP 2015 High Variant Projection

WPP 2015 Low variant Projection

KNBS 2009 National Census Projection

106

4.2.2.4 ３つのシナリオの設定本検討における人口推計の３つのシナリオについては、上位・中位・下位すべてのシナリオが

揃っている国連人口推計（WPP2015）を採用する。国内で評価された値である Census2009と比較

しても大きな差がないことから、国家政策との不整合もないと考えられる。

表 4-24 将来（2030 年時点）における人口の３つのシナリオ

シナリオ名人口 [千人] 根拠

現状 46,050 国連人口推計 WPP2015による 2015年の推定値

将来（上位） 67,891 国連人口推計 WPP2015による 2030年の予測値

将来（中位） 65,412 国連人口推計 WPP2015による 2030年の予測値

将来（下位） 62,933 国連人口推計 WPP2015による 2030年の予測値

4.2.3. 一人あたりの米消費量の変化ケニア国においてコメはメイズ、小麦に次ぐ主食作物である。NRDS によると、一人あたりの

コメ消費量は年間約 8kg であるが、特に都市部を中心に急増しており、12%の増加率を見せてい

る。これは、他の主食の増加率（小麦 4％、メイズ 1％）と比較しても特出して大きい。都会生

活では調理に時間がかからないコメを好むようになったなど、食生活の変化が１つの要因である

と考えられる。このように、コメ消費量は増加傾向にあるが、ここ数年の増加率を 30 年後まで適用するのは

適切ではない。従って、将来のコメ消費量の予測値については、OECD-FAO Agricultural Outlook 2015 を参照することとした。本データは、世界の食料消費量の予測情報を提供するものであり、

ケニア国としての予測はないが、サブサハラ・アフリカにおける予測が提供されている 20。サブ

サハラ・アフリカにおける一人あたりのコメ消費量は、2012-14 年平均値が 25.6 kg、2024 年予

測値が 28.6 kg となっている。一人あたりコメ消費量の年増加率については、2005-14 年平均値

が 2.53%、2015-24 年予測値が 1%である。以上より、中位シナリオとしては、現状が 8kg、将来は年増加率 1%で 2030 年まで増加させた

値を設定するものとする。下位シナリオについては、将来コメ消費量が減少するとは考えにくい

ため、現状値（8kg）固定の場合を設定する。上位シナリオについては、現実的な範囲での上限

を設定する必要があることから、目安として、コメ消費量の多い周辺国の値を参考にすることと

した。図 4-56 に、FAOSTAT によるアフリカ各国の一人あたりコメ消費量の平均値および増加

率のマップを示す。周辺国でコメ消費量が多いのは隣国のタンザニアであり 2011 年の消費量は

約 19.45kg である（表 4-26。FAOSTAT より評価）。以上から、上位シナリオは 20kg と設定す

ることした。これは、年増加率約 4.7％に相当する。一人あたりコメ消費量の３つのシナリオをまとめると、表 4-25 のとおりである。

20 Source: OECD/FAO (2015), “OECD-FAO Agricultural Outlook”, OECD Agriculture statistics (database). doi: dx.doi.org/10.1787/agr-outl-data-en

107

表 4-25 将来（2030 年時点）の一人当たりのコメ消費量の３つのシナリオ

シナリオ名 [kg/capita/year] 根拠現状 8.0 2008 年時点での値。NRDS より。

将来（上位） 20.0 隣国タンザニアにおける現在の消費量と同レベルに

なる設定。将来（中位） 9.76 年率 1%で増加した場合。OECD-FAO Agricultural

Outlook 2015 より。将来（下位） 8.0 現況維持。NRDS による現状値。

Sources: WARDA, “Rice Trends in Sub-Saharan Africa”, (based on FAOSTAT)

図 4-56 アフリカの一人あたりコメ消費量（左：平均値、上：増加率）

108

表 4-26 FAOSTAT より評価したアフリカ各国の一人あたりコメ消費量

Food supply quantity1) population1) per capita2)

[tonnes/year] [1000] [kg/capita/year]Y2011 Y2011 Y2011

Algeria 80,275 36,717 2.19Angola 146,771 21,942 6.69Benin 520,515 9,779 53.23Botswana 21,703 2,090 10.39Burkina Faso 327,652 16,107 20.34Cabo Verde 24,141 495 48.75Cameroon 457,077 21,119 21.64Central African Republic 29,856 4,531 6.59Chad 107,418 12,299 8.73Congo 83,549 4,177 20.00C・te d'Ivoire 1,217,755 20,604 59.10Djibouti 37,638 842 44.71Egypt 3,136,908 83,788 37.44Ethiopia 131,489 89,859 1.46Gabon 54,897 1,577 34.80Gambia 117,764 1,749 67.33Ghana 848,846 24,929 34.05Guinea 1,075,160 11,316 95.01Guinea-Bissau 148,581 1,674 88.78Kenya 432,097 41,420 10.43Lesotho 11,760 2,033 5.78Liberia 369,062 4,080 90.47Madagascar 2,241,520 21,679 103.40Malawi 73,337 15,227 4.82Mali 830,433 15,639 53.10Mauritania 150,888 3,683 40.97Mauritius 63,966 1,253 51.05Morocco 19,082 32,532 0.59Mozambique 520,338 25,017 20.80Namibia 8,576 2,240 3.83Niger 170,051 16,946 10.03Nigeria 4,949,559 163,771 30.22Rwanda 87,440 10,556 8.28Sao Tome and Principe 3,973 175 22.75Senegal 937,604 13,357 70.20Sierra Leone 575,444 5,909 97.39South Africa 889,041 52,237 17.02Swaziland 22,525 1,212 18.58Togo 152,808 6,566 23.27Tunisia 15,534 10,759 1.44Uganda 195,448 34,260 5.70United Republic of Tanzania 916,612 47,123 19.45Zambia 36,369 14,344 2.54Zimbabwe 114,834 14,256 8.061) FAOSTAT2) authors own calculation (Food supply quantity/population)

Rice (Milled Equivalent)

Country

109

4.2.4. 国内コメ生産量コメ自給率を評価する上で、現状の国内コメ生産量および輸入米の量が必要となるため、ここ

で整理しておく。ケニア国内のコメ生産量は、NIB（National Irrigation Board）および MOA（Ministry of

Agriculture）により調査されている。このうち、NIB が灌漑地域におけるモミ（unmilled rice）生産量を、MOA が精白米（milled rice）の国内総生産量を集計している。このようにコメに関

しては、精米前のモミなのか、精米後の白米なのかで重量や単価が異なることに注意が必要であ

る。本検討では、モミから得られる精白米の重量を、モミの 0.65 割（SAPROF と同値）と設定

して評価を行うものとした。表 4-27 にケニアにおけるコメ生産量を示す。精白米について、2004/05-2010 年の 6 年間の

平均値をとると、国内総生産量は 46,432 トン、MWEA 灌漑地域では 31,456 トン、MWEA 以

外での生産量は差し引きし 14,975 トンであり、MWEA の生産量は総生産量の約 6.8 割を占め

ていることになる。MWEA におけるコメ生産量が国内生産量に及ぼす影響は非常に大きい事が

分かる。

表 4-27 ケニアにおけるコメ生産量（モミおよび精白米）

tonnesyear 2005 2006 2007 2008 2009 2010 AverageMilled Rice Production in Kenya1 57,942 64,840 47,256 21,881 42,202 44,468 46,4321: MOA-ERA and CountryStat Database

tonnescrop year 2004/05 2005/06 2006/07 2007/08 2008/09 2009/10 AveragePaddy (Unmilled Rice) Production in MWEA1 58,520 57,422 51,458 38,560 32,406 52,000 48,394Paddy (Unmilled Rice) Production on all schemes1 62,677 62,986 53,113 40,065 37,198 72,500 54,757Milled Rice Production in MWEA2 38,038 37,324 33,448 25,064 21,064 33,800 31,456Milled Rice Production on all schemes2 40,740 40,941 34,523 26,042 24,179 47,125 35,5921: KNBS/NIB Statistical Abstract 2010 and Economic Survey 20112: Author's own calculations

110

4.2.5. 輸入米に対する国産米の競争力の変化本検討では、経済評価を次の二つの視点から行うこととする。

• 国家的な視点からの評価：事業から得られる国民経済に対する便益を評価する。農作

物価格としては、国際市場における価格を用い、指標としては経済的内部収益率（EIRR）、

費用対便益（B/C）を評価する。

• 農家を主体とする評価：事業から得られる農家の便益を評価する。農作物価格として

は、国内価格（農家における出荷単価）を用い、指標としては年間の純農業収益等を

評価する。

価格設定の条件は SAPROFと同様に設定した。

• 物価水準：2009 年時点

• 為替レート：JICA公正為替レート（2009 年 3月時点）

• 灌漑設備のプロジェクトライフ：50年

• 農産物の将来価格：プロジェクトの評価期間における平均的な値を用いる。世界コモ

ディティ予測（世界銀行）の予測値を参照する。

4.2.5.1 国際市場価格国際市場価格は、世界銀行が四半期ごとに公表している世界コモディティ予測の現状値および物価見

通し情報（2025 年まで）を参照した。本検討では、デフレータ調整後の 2010 年実質価格を参照し、

MUV 指数を用いてこれを 2009 年実質価格に変換した。現状値および 2025 年までの予測情報を

111

表 4-28 および図 4-57に示す。世界コモディティ予測では、2015 年時点での実質価格は 352.1

（2009 年 US$）であるのに対し、2025 年の予測では 317.4（2009年 US$）であり、価格は緩やか

に下降する見通しとなっている。一方、SAPROF 検討時点での設定価格は、444.8（2009 年 US$）

であり、現状値よりも高い。SAPROF 時には、2008年 11 月の世界コモディティ予測の 2020 年予

測値を参照しているが、2008 年から 2015 年に至るまでにコメ価格が大きく下降していることか

ら、見通し情報も大きく変わったものと考えられる。

本検討では、最も値の大きい SAPROFの設定値を上位シナリオに、2015年の現状価格を中位シ

ナリオに、上位としては最新の世界コモディティ予測の 2025 年予測値を設定することとする。

またベースラインは、2015年の現状価格とする。

112

表 4-28 コメ（精白米）国際市場価格の予測

図 4-57 コメ（精白米）の国際市場価格の予測

SAPROF

nominal priceconstant 2010 US

dollarsconstant 2009 US

dollarsconstant 2009 US

dollars

年 $/ton $/ton $/ton $/ton

2013 505.9 477.0 460.1

2014 422.8 399.0 384.9

2015 386.0 365.0 352.1

2016 400.0 372.0 358.8

2017 401.1 367.0 354.0

2018 402.2 362.0 349.2

2019 403.3 357.0 344.4

2020 404.4 352.0 339.5 444.8

2021 405.5 348.0 335.7

2022 406.6 343.0 330.9

2023 407.8 338.0 326.0

2024 408.9 334.0 322.2

2025 410.0 329.0 317.4

Note:

1) Based on the Commodity Forecast, July 26, 2016, World Bank: Developtment Prospects Group (website)

Rice (Thailand), 5% broken, white rice (WR), milled,

indicative price based on weekly surveys of export transactions, government standard, f.o.b. Bangkok.

2) The projected prices in 2010 constant US$ were adjusted by the factor of 96.462 (MUV)

to allow for price escalation between 2009 and 2010.

Commodities Price Forecast, July 2016

Hist

oric

al d

ata

Fore

cast

0

100

200

300

400

500

600

2012 2014 2016 2018 2020 2022 2024 2026

$/to

n

Commodities Price Forecast, July 2016, WB(Rice, Thailand, 5%)

constant 2009 US dollars nominal price SAPROF

H

M

L

113

農家庭先販売価格（Farm gate Price）

以上で示したのは、市場価格であり、ここから流通経費等を除いたコメ（モミ）の農家庭先販

売価格（Farm gate Price）を求めた。計算仮定を表 4-29～表 4-31に示す。ここで、精白米の

重量は精米前のモミの 65%と設定している。

表 4-29 Economic Farm gate Price for unmilled Rice (High Scenario)

Table 2 Economic Price Estimate for Traded Goods

Operation Unit Price

I. Rice/Paddy

1. Projected 2020 World Price (in 2000 constant price) /a US$/ton 344.01. Projected 2020 World Price (in 2009 constant price) /a US$/ton 444.82. Projected Price by adjusting Quality Difference = US$/ton 444.83. International Shipping and Handling + US$/ton 674. CIF Price at Mombasa Port = US$/ton 511.8

Equivalent in Shilling / ton /b = Ksh/ton 39,4115. Port Charge, Handling, Warehousing and Others + Ksh/ton 1,971

(5% of commodity value)6. Wholesale Price in Mombasa = Ksh/ton 41,3827. Shipping Cost (Mwea to Mombasa) /c + Ksh/ton 6,0768. Wholesale Price in Mwea = Ksh/ton 47,4589. Transport, handling charge (assumed 3%) - Ksh/ton 1,424

10. Ex-Mill Price = Ksh/ton 46,03411. Processing Ratio x % 65%12. Value of By-Products /c,d + Ksh/ton 80913. Processing Cost /c,e - Ksh/ton 1,76814. Mill Gate Price = Ksh/ton 28,96315. Transport/Handling from Farmgate /c,f - Ksh/ton 48016. Farmgate Price = Ksh/ton 28,483

Note: /a; Based on the Commodity Forecast, November 2008, Wold Bank: Development Prospects Group (website)The projected prices in 2000 constant US$ were adjusted by the factor of 129.32 (MUV)to allow for price escalation between 2000 and 2009. Rice (Thailand), 5% broken, white rice (WR), milled

/b; Exchange rate : US$ = Shilling 77 (US$1.0 = JYen97.95, Ksh.1 = JYen1.27) JICA monthly exchange rate in March 2009

/c; Adjusted with SCF of 0.96 /d; Rice bran: Ksh 50-400 /50-60kg, 20% of paddy weight, Rice husk: Ksh1,000/ 8ton lorry, 20% of paddy weight /e; Milling cost is from Ksh100 to 250 / 90-100 kg bag. /f; Transportation cost of paddy from farmgate is Ksh50/100kg bag.

Item

114

表 4-30 Economic Farm gate Price for unmilled Rice (Medium Scenario)



I. Rice/Paddy

1. Present 2015 World Price (in 2010 constant price) /a US$/ton 365.01. Present 2015 World Price (in 2009 constant price) /a US$/ton 352.12. Projected Price by adjusting Quality Difference = US$/ton 352.13. International Shipping and Handling + US$/ton 674. CIF Price at Mombasa Port = US$/ton 419.1




Note: /a; Based on the Commodity Forecast, July 2016, Wold Bank: Development Prospects Group (website)The projected prices in 2010 constant US$ were adjusted by the factor of 96.46 (MUV)to allow for price escalation between 2009 and 2010. Rice (Thailand), 5% broken, white rice (WR), milled



Item

115

表 4-31 Economic Farm gate Price for unmilled Rice (Low Scenario)

4.2.5.2 国内価格農作物の国内出荷価格は SAPROF 調査により作物別に調査されている。2009年のモミの出荷価

格は、Basmati米で 45 KSh/kg、Ratoonで 33 KSh/kg、NERICAで 33 KSh/kgとなっている。

将来の予測価格については、NRDS において、「国産米の国内価格は上昇傾向にあり、現在の傾

向が今後も続くとすると、50kg あたりの価格は 2008 年で約 3,500KShであるが、2018 年には約

4,500KSh まで上昇する」との言及がなされている（表 4-32）。ここでいうコメはおそらく精白

米である。上昇率は年率に換算すると約 2.5%となる。ただし、この値はインフレによる影響を

大きく受けていると考えられる。また、実際のコメ単価の変動を見ると、年々の変動が激しく上

昇傾向は必ずしもはっきりしていない。このため、現状のトレンドを当てはめて将来価格を推計



I. Rice/Paddy

1. Projected 2025 World Price (in 2010 constant price) /a US$/ton 329.01. Projected 2025 World Price (in 2009 constant price) /a US$/ton 317.42. Projected Price by adjusting Quality Difference = US$/ton 317.43. International Shipping and Handling + US$/ton 674. CIF Price at Mombasa Port = US$/ton 384.4




Note: /a; Based on the Commodity Forecast, July 2016, Wold Bank: Development Prospects Group (website)The projected prices in 2010 constant US$ were adjusted by the factor of 96.46 (MUV)to allow for price escalation between 2009 and 2010. Rice (Thailand), 5% broken, white rice (WR), milled



Item

116

するのは困難である。従って、本検討では国内価格の将来変化についても、国際市場価格の変化

傾向を当てはめて評価することとした。

表 4-32 コメ（精白米）国内価格の予測（2008-2018）（NRDS による）

4.2.5.3 将来のコメ価格シナリオ以上より、将来の国際価格および国内価格についての 3 つのシナリオを設定した。結果を下

表に示す。

表 4-33 将来のコメ（モミ）の農家庭先価格の３つのシナリオ

unmilled rice Ksh/kgBL priH priM priL

Percentage Change 0% -16.589% -22.803%

Basmati 28.483 28.483 23.758 21.988

Ratoon 28.483 28.483 23.758 21.988

Nerica3) 21.362 21.362 17.819 16.491

Basmati 45.000 45.000 37.535 34.739

Ratoon 33.000 33.000 27.526 25.475

Nerica3) 33.000 33.000 27.526 25.475

Remarks:

1) Projected 2025 World Price (in 2009 price), estimated based on the WB Comodity Markets

2) As of December 2008 prices

3) Price of Nerica was adjusted by rate between present price of Nerica and Basmati (=0.75)

Economic Price1)

Finantial Price2)

117

4.3. 事業オプションの設定

SAPROF に基づき、ムエア灌漑プロジェクトで検討された事業案の組合せにより、主要な比較

ケースとなった 3 ケースを選定した。

4.3.1. SAPROF で検討されている灌漑プランおよびクロッピング・パターン SAPROF で検討されている灌漑プランとクロッピング・パターンは、それぞれ 4 ケースずつあ

る。全ての組合せを考えると 16 ケースとなる。全ての組合せを検討することが、RDM としては

より議論が深まると考えられるが、不確実性のシナリオケースとの掛け合わせでのシミュレーシ

ョンケース数が現実的でなくなる恐れがある。

4.3.2. 1996 年実施 D/D での開発計画 1996年に検討されたムエア灌漑スキームの開発計画を図 4-54に示す。これは、1989年に JICA

が実施した F/S に基いており、限られた水資源を有効に活用することを主眼に計画されたもので

ある。このうち、JICA により、無償資金協力プログラムを 1989 年に開始し、シンニャミンディ

頭首工やリンク水路-I および II の建設、5 つの灌漑地区（テベレ、ティバ、ワムム、カラバ、総

面積約 6,600ha）の改修を実施している。

図 4-58 1996 年検討のムエア灌漑スキーム開発計画概要図

4.3.3. SAPROF で設定された開発事業 4 ケース SAPROF では開発事業ケースとして、4 ケースが設定されている。4 ケース設定する際に考慮

された事項を以下に列挙する。

ThibaH.W.

New NyamindiH.W.

Link Canal - I

Link Canal - II

Rua

mut

hanb

iRiv

er

Tebere1,900 ha

Mwea1,374 ha

Thiba1,182 ha

Wamumu1,134 ha

Karaba1,070 ha

Thi

baR

iver

Nya

min

diR

iver

Nyamindi H.W.

Detailed Design (1996)

RuamuthanbiH.W.

NderwaNorth

230 ha

Muthiti(Curukia)3,130ha

Link Canal - III.

Thiba Dam

RuamuthanbiH.W.

NderwaNorth

230 ha


Link Canal - III.

Thiba Dam

RuamuthanbiH.W.

NderwaNorth

230 ha


Link Canal - III.

Thiba DamIrrigated Area10,020 ha(Cropping Intensity:175%)

118

当時のムエア灌漑スキームでは、計画面積の灌漑に対し水資源が不足しているため、新規

の水資源開発が必要であること。⇒ ティバダムの開発ムエア地区外周地区の農民がリンク水路から不法取水（現在ではスキームに組み入れ、合

法）していたことを踏まえ、プロジェクトは幹線水路およびメインフィーダー水路を建設

し、各地への水路整備、ほ場整備は農民が実施することで地元の合意を形成したこと。ルアムタンビ頭首工の建設は、水資源の制約や社会配慮上の問題より、望ましくないと判

断されたこと。リンク水路-I, II は 1989 年に建設されたが老朽化しており、また、適切な監理がされてい

ない、不法取水のために部分的破壊されていることなど問題が認識されていた。⇒ リン

ク水路の改修の緊急度が高い。 SAPROF で比較検討のために設定された開発プラン 4 ケースを表 4-24 に示している。

表 4-34 SAPROF で比較検討のために設定された開発プラン

事業コンポーネント

比較案

プラン

1

プラン

2

プラン

3 プラン 4

ティバダム ● ● ● ● リンク水路-Iの改修 ● ● ● ● リンク水路-IIの改修 ● ● ● ● ンデルワノース地区とマルラ地区の改良 ● ● ● リンク水路-III ● ● チュルキア地区の改良 ● ● 東ムティティ地区 ● ● ルアムタンビ頭首工と導水路 ● 西ムティティ地区 ●

4.3.4. 計画作付パターン 4 ケース検討当時の作付パターンを踏まえ、ティバダム建設による水資源確保量増大を見込み、全ての

水田で小雨季の稲作が可能になると検討された。また、大雨期にコメの作付、畑作も可能である

という MIAD(Mwea Irrigated Agriculture Development Centre, NIB 内の組織)の試験結果があ

る。これらの状況を踏まえ、計画作付パターンを 4 ケース設定して検討している。ただし、4 つの作付けパターンの内 CP-1 と CP-2 はイネ作を提案していることから同じカテゴ

リーに分類できる。CP-4 は対象地区内に存在する水田に不適な土壌におけるパターンと想定して

いることから実際には CP-1 と CP-3 に包含される。以上より、SAPROF では水収支などの詳細

の検討では CP-1 と CP-3 を用いている。

119

表 4-35 SAPROF で設定、検討された計画作付 4 パターン

計画作付パターン作付けシーズン

小雨期 (SR) イネ株だし大雨期 (LR)

CP-1: 小雨期イネ作-大雨期イネ作ピショリ

(バスマティ）なし

ピショリ

(バスマティ）

CP-2: 小雨期イネ作-大雨期ネリカピショリ

(バスマティ）なしネリカ

CP-3: 小雨期イネ作-株だし

-大雨期畑作

ピショリ

(バスマティ）実施ネリカ、ダイズ、野菜

CP-4: 畑作-畑作ネリカ、ダイズ、野菜なしメイズ

4.3.5. 本検討業務で検討する事業オプション SAPROF では、生産性が最も高くなると期待できる灌漑計画 Plan3＋作付計画 CP3 をベスト

案として提案している。これを中心に、クロッピング・パターンを CP３と同様にコメ中心とし

ながら変更した CP1 としたもの、また、ベスト案に対して灌漑計画を変更した案の３種類を本検

討での事業オプション３ケースとする。

表 4-36 RDM 検討のための対策シナリオ設定案

対策シナリ

オ案クロッピングパター

ン灌漑計画備考

1 CP3 Plan3 SAPROF でベストに位置づけている組合せ。特

に Plan3 は、規定の設定である。 2 CP1 Plan3 ベスト案に対し、クロッピングパターンを変更した

比較。 3 CP3 Plan2 ベスト案に対し、灌漑計画を変更した比較。

120

4.4. 評価指標の検討

気候変動影響下における事業の効果を評価するのに適切な評価指標を検討した。また、指標算

出のために必要な変数を整理した。

4.4.1. 評価指標の設定気候変動影響の不確実性における対策の効果を評価することが指標の利用目的である。ただし、

従来の計画論のように、ベスト案を見出す、説明付けるための利用ではなく、シナリオをレビュ

ーするために利用することを念頭に置く必要がある。RDM では、シナリオを複数指標で評価し、

複数シナリオを並べたものを眺めて、それぞれのケースの脆弱性や効果を発揮する条件などを見

出していく。この作業を “Scenario discovery” と呼んでいる。本検討では、従来の金銭価値のみによらない多面的評価を行うため、複数の指標について検討

を行った。ここで、本質的に同じものの見せ方を変えただけの指標を複数設定することは、総合

的な判断において意図しない重みつけを与えることとなることから、指標設定において留意した。事業の経済収益性まず、基本となるのは事業の経済収益性である。費用便益分析を行い、各事業オプションの効

率性を評価する。評価指標は以下のとおりとする。 • 経済的内部収益率（EIRR） • 事業の純現在価値（NPV） • 費用便益比（BCR）

費用便益分析における設定条件は以下のとおりである。SAPROF と同じ条件としている。

• 現在価値（NPV）算出のための社会的割引率：10%（＋感度分析） • 検討年数：50 年（灌漑設備の標準耐用年数等を考慮） • 評価時点までの便益、費用は、物価変動分を除外するため、基準年次（2009 年）の実

質価格に変換した。デフレータには世界銀行の物価見通しデータを用いる。 • 事業による便益はダム建設完了時から発生するとした。ダム建設後の３年間は、収量が

毎年倍になるとし、その後の 3 年間、Ratoon 収量が徐々に増加するとする。 • 事業あり、事業なしにおける利益の差額を便益として計上する。

農家の経済収益性事業選択の意思決定においては、直接の利害関係者である農家との合意形成が欠かせない。従

い、農家の立場での事業効果についても整理しておく。事業を実施した場合と実施しなかった場

合に、農業生産や営農がどのように変化するか、維持管理がどのように変化するか等理解しやす

く具体的な指標で、将来予測される変化を整理するものとする。現状の MWEA 灌漑地区の農家は、灌漑地区各所で用水不足が発生すると言った慢性的な水不

121

足に見舞われている状況である。輪番灌漑制を導入することによって水不足を緩和しているもの

の、実績の収量が非常に小さい区画も含まれており、農家毎の生産性には大きなばらつきがある。

事業の実施により、利水機能が向上し、全体に満遍なく灌漑用水が行き渡るようになれば、農家

間の不均衡が改善され、MWEA 灌漑地区の平均的な単収が大きく増大することが期待できる。

また、輪番灌漑性が不要となり殆どの地区で２期作または２毛作が可能となることから、農家一

戸あたりの作付延べ面積が倍増する。このような効果を定量的に表現するため、評価指標として

以下の指標を評価する。 • 作物生産性に関する指標：単収、全灌漑面積、年間作付延べ面積、耕地利用率（耕

地面積を 100 とした作付延べ面積の割合） • 農家の経済収益性に関する指標：農業所得（※）

※ 農業所得は、農産物を販売して得た収入から、生産のために使った経費（農業経営

費）を差し引いたもの。経費の内訳は、肥料・農薬等の物財費、雇用労働費、NIBへ支払う維持管理費である。ここでは、本事業による事業負担および WRMA への

用水費用は計上しない。水資源本事業ではティバダムや新規リンク水路等の新規開発により、新たな水資源が開発される。ま

た、既存施設の改修・改良により、灌漑地域全体での水利用効率が改善される。これらの効果を

評価するため、以下の指標を評価する。 • 用水補給量（取水地点別、合計） • 用水補給量の充足率（用水補給量／必要補給量）：平均的な降水量と作付けパターンに

応じた水需要量から事前に設定した必要補給量（固定）を計画的に送水する灌漑方法を

想定（供給サイド主導型）した。なお、必要補給量は年々で固定とし、気候変動によっ

て変化しないとした。 • 作物に対してクリティカルな時期（収穫日の 50 日前から 15 日前の 35 日間）における

充足率食の安全保障ケニアではコメ自給率はわずか 10%程度と低く、不足分は輸入に頼っているのが現状である。

輸入量は 20～30 万トンにのぼり、貨幣にして約 1 億 US$に相当する（350 US$/t とした場合）。

FAO 2012 によれば、輸入米のうち 74%はパキスタン産である。この他には、ベトナム（9%）、

タイ（4%）、エジプト（4%）、インド（4%）等が続いている（2006-2010 年の統計に基づく）。本事業により国内生産が確保されれば、食料供給のリスクが抑制される。Kenya vision 2030

でも、コメ自給率を高めることは食の安全保障の面でも重要であることが言及されている。アフリカ稲作振興イニシアティブ（CARD）では、ケニア農業省が主体となり国家稲作開発戦

略（以降 NRDS）が策定されている。この戦略では「2018 年までのコメ生産の倍増と自給自足」

122

を戦略的な目標に据えている。NRDS では、目標達成の手段として灌漑水田の拡大を挙げており、

コメの増産およびそのための灌漑面積の拡大はケニア政府の重要な政策課題となっている。以上の国家戦略を踏まえ、本事業による効果として以下の指標を評価するものとする。

• 本事業により拡大される灌漑面積および作付延べ面積 • 事業がコメ国内生産の増加に及ぼす貢献度（コメ収量） • 事業がコメ国内自給率の向上に及ぼす貢献度（コメ自給率） • 事業により節約される外貨（白米輸入量減少による外貨節約）

なお、コメ自給率および外貨節約の評価は以下の条件で行う。

• MWEA 以外での国内生産量は事業実施後も不変とする。 • MWEA以外での国内生産量は 2004/05-2010年の約 6年間の平均値である 14,975 t

を用いる（4.2.4 参照）。 • 事業による生産量の増加分は国内生産量に加算し、輸入量から減算する。

表 4-37 ケニア国のコメ（精白米）生産量、輸出入、消費量（FAO 2012 より抜粋）（単位：tonnes）

環境 or 多面的機能事業によるその他の効果として、河川の流況安定、ダムによる水源涵養効果、景観・環境保全

効果、災害防止効果等が考えられる。また、環境への影響として、環境社会配慮に関する EIA 報

告書によると、事業実施による大きな負のインパクトはないが、肥料や農薬による水質の変化に

注意する必要があると記述されている。また、2009 年時点での RAP 報告書案によれば、ティバ

ダムサイトで 542 戸、用水路路線上で 85 戸が移転世帯として報告されており、これら移転対象

住民に対しては十分な配慮を行うことが求められる。これらの効果は定量評価が難しく、事業実施による大きな負のインパクトもないと考えられる

ことから、本検討では配慮事項として示すに留める。評価指標の選定結果

123

以上、選定した評価指標をまとめると以下のとおりである。

表 4-38 事業効果の評価指標の選定

分類評価項目

1 事業の経済収益性 EIRR、BCR、NPV

2 農家の経済収益性単収、農業所得

3 水資源用水補給量、用水補給量の充足率

4 食の安全保障灌漑面積、作付け延べ面積、コメ収量、コメ自給率、

白米輸入量

なお、本検討での事業オプションおよび気候・社会シナリオの組合せは以下の通りである。こ

れらのすべての組合せについて、選定した評価指標を評価することとなる。ただし、人口シナリ

オおよび一人あたりのコメ消費量シナリオの影響を受けるのはコメ自給率のみである。

表 4-39 シナリオおよび事業オプションの組合せ

No. 1 2 3 4 5 6 事業オプション case0 case1 case2 case3 気候シナリオ BL DH DL MM WH WL 人口シナリオ BL High Medium Low 一人あたりのコメ

消費量シナリオ BL High Medium Low

コメ価格シナリオ BL High Medium Low

4.4.2. 事業効果の捉え方事業により発生する効果の評価においては、気候変動や社会変化も大きく影響してくるため、

様々な条件での事業効果をどのように捉え、評価するかについてここで整理しておく。

事業により発生する効果

本事業の実施により発生する効果として以下が挙げられる。 • 作物生産効果：事業の実施により灌漑設備が整備されることに伴って、受益地域におい

て作物生産が増加する効果。 • 品質向上効果：水利条件の向上により、生産される作物の品質が変化し、単価が変動す

る事による効果。後者については定量化が困難（DSSAT では品質評価はできない）であるため、本検討では前者

の作物生産効果についてのみ定量評価を行う。作物生産への影響要因

124

本事業による作物生産への効果要因として以下が挙げられる。

• 既存設備の改良・改修や新規ダム開発による水利条件の向上に伴う単収増加 • 新規開発水量による作付増加

前者については、DSSAT で評価を行い、後者については計画値を用いる。この他、作物生産への影響要因として、気候変動による影響がある。気温・降水量等の変化に

より作物単収が増減すること、利用可能な水資源が変化することで灌漑水量の充足率が増減する

ことが考えられる。各事業オプション・気候シナリオ別に想定される作物生産効果の要因を下表に整理した。

表 4-40 各シナリオでの作物生産への影響要因

現況気候（BL）将来気候（DL,DH,MM,WH,WL）事業を実施

した場合（ case1, 2, 3）

現況の作物生産量＋灌漑整備による単収増加＋作付増による増収－ティバダム建設予定地にお

ける作物生産量の減収

現況の作物生産量＋気候変動による単収増減＋気候変動による灌漑水量の充足率増減＋灌漑整備による単収増加＋作付増による増収－ティバダム建設予定地における作物生産

量の減収事業を実施

しない場合

（case0）

現況の作物生産量現況の作物生産量＋気候変動による単収増減＋気候変動による灌漑水量の充足率増減

シナリオ間の比較方法気候変動影響下での事業の効果を定量的に評価するため、シナリオ別の作物生産量の比較を行

う。比較においては、事業効果と気候変動影響を分けて評価できるよう、３通りの比較を行うこ

ととする（以下で詳述）。効果の大きさを表す指標としては、変化量（Difference）および変化率

（Percentage Change）をそれぞれ評価する。１．気候変動影響の評価

各シナリオ・対策オプションについて、気候変動シナリオのみ BL に固定した場合を基

準として比較する。これにより、気候変動の影響のみを分離して評価する。

125

図 4-59 シナリオ間の比較方法（気候変動影響の評価）

２．事業効果の評価

各シナリオ・対策オプションについて、対策オプションのみ事業を実施しない場合（case0）に固定した場合を基準として比較する。これにより、事業効果のみを分離して評価する。

費用便益分析における比較条件と等しい。

図 4-60 シナリオ間の比較方法（事業効果の評価）

(a) (a) ’ (b) ’(b)

事業を実施しない場合事業を実施した場合

作物

の単

収

(A) 気候変動による影響

(A) 事業を実施しない場合：変化率 = { (a) ’-(a) } / (a) × 100 [%]変化量 = (a) ’ - (a)

(B) 気候変動による影響

現況気候将来気候現況気候将来気候

(B) 事業を実施した場合：変化率 = { (b) ’-(b) } / (b) × 100 [%]変化量 = (b) ’ - (b)

(a) (a) ’ (b) ’(b)


作物

の単

収

(C) 気候変動の影響を考慮しない場合：変化率 = { (b) -(a) } / (a) × 100 [%]変化量 = (b) - (a)


(D) 気候変動の影響を考慮した場合：変化率 = { (b) ’-(a) ’} / (a) ’ × 100 [%]変化量 = (b) ’ - (a)’

126

３．現況からの変化の評価各シナリオ・対策オプションについて、現況（すべてのシナリオで BL）を基準として

比較する。これにより、すべての影響を考慮した上で現況からどのように変化するのか、

について把握する。

図 4-61 シナリオ間の比較方法（現況からの変化の評価）

効果額の算定方法効果額の算定にあたっては、作物生産量の他、

• 単価（単位あたりの作物価格） • 作物生産費（種苗費、肥料、農機具費、労働費等の生産するために必要な費用）

が必要となる。単価に関しては、現況値は SAPROF による調査値を、将来値は社会シナリオの作成において

用意した３つのシナリオ（世銀の物価見通し情報が元）を用いる。なお、事業実施による品質向

上に伴う単価上昇は見込まない。作物生産費に関しては、単価と同じく、現況値は SAPROF による調査値を、将来値は世銀の

物価見通し情報を用いる。なお、事業実施による面積拡大に伴う作物生産費の変化は見込まない。

(a) (a) ’ (b) ’(b)


作物

の単

収

(E) 現況からの変化変化率 = { (b)’ -(a) } / (a) × 100 [%]変化量 = (b) ’ - (a)


127

4.4.3. 現地ヒアリングによる参考情報の整理 2015 年 9 月 14 日より 18 日にかけて、JICA 研究所の成田研究員により、ケニア現地でのヒア

リング調査が実施された。ヒアリングによる RDM 検討でのプロジェクト効果の評価指標の案を

以下にまとめた。本業務は SAPROF 時のデータや条件に基づくことが前提であるため、本業務

中で実施不可能な評価指標もある。また、情報やデータの制限に係わらず、指標として設定しに

くいもの、科学的、工学的に意味を持たないものということもあり得る。ここでは、ヒアリング調査より導かれるアイディアとして指標を列挙し、参考になることを鑑

みて整理しておくものである。

表 4-41 現地ヒアリングより導かれる指標案と対応可否、修正案

指標案指標の背景、意図本業務での実施可否、修正案「作付シーズン毎

の各世帯への水配

分量」または、「作付シーズン毎

の各世帯の収量」

農民、住民の意見。農民、住民からみれば、「年

平均の収量」では、実生活

との関連をイメージしに

くい。作付シーズン毎の各

世帯の値と言われる方が

わかりやすい。＜留意点＞各世帯への水分配に関す

るシステムが SAPROF 時

から変更になっている。 SAPROF 検討時は輪作 3グループだったのを、世銀

事業により 2 グループに

改組したとのこと。 2 グループの分けかたなど

条件に関する情報が無い

ため、世帯あたり水量の評

価は 3 グループ条件下で

実施せざるを得ない。

将来の気候変動下での各世帯の便益を議論

することは、重要。しかし、各シーズンの

値をというのは、将来推定気候の議論では

意味を成さない。「年平均」だけではなく、シーズンごとの

変化の振れ幅を実感できるような指標を示

すことが対応策として考えられる。他地域の GCM など気候変動予測モデルの

分析によれば、将来気候では、平均値の変

化だけでなく、年々変動が大きくなること

が見られる。修正案として変動係数を用いることが考え

られる。（意味合いを理解してもらえる

か？）「1 世帯あたりの年平均水配分量」＋「1 世帯あたりの水配分量の変動係数」変動係数：C. V. = σ

x （ここで、xをシーズン

ごとの 1 世帯あたり水配分量としたとき、

σ:x の標準偏差、x:x の 30 カ年平均値）水不足時により営

農出来ないことの

経済的損失

農民、住民の意見。水不足により、営農出来な

い、収入が不足する時にマ

イクロファイナンスなど

に頼る。

水不足によるリスクとして、収量期待値が

減ることで評価できる。収量期待値の変化

量だけでなく、見せ方として経済損失で整

理することが考えられる。

コメの品質農民、住民の意見。水不足はコメの品質が低

下するとの意見。

DSSAT の出力からコメの品質に関する指

標はない。対応は困難。

病害虫農民、住民の意見。水不足、高温により、住民

の病気が増えるとの考え。

DSSAT の出力データに、” Daily pest and disease damage” があるがコメの収量予

測モデルではモデリングされておらず、対

128

指標案指標の背景、意図本業務での実施可否、修正案家畜の餌が買いにくくな

り、家畜が育たない、住民

が肉を食べれなくなり、栄

養バランスが崩れるなど。また、トマトなどにつく害

虫が増えるとの意見。

応が困難。人への健康影響（栄養バランス、マラリア

など）についても対応困難。

住民移転による便

益、損失 NIBのMWEAプロジェク

ト現地行政担当者の意見住民移転は土地交換か現

金支払で行っている。土地

交換の場合、灌漑整備エリ

アに移転するならば恩恵

を得ることがあり得る。

住民移転の設定（どの地区の何世帯が、ど

のエリアに移動するのか、現金で解決する

のか）が必要となるため、不確定要素が多

い。この点の基準となる条件設定が可能な

らば、検討してみたい。現時点では、SAPROF にて検討がなされて

いないので、難しいと考えている。

生態系への影響 NIBのMWEAプロジェク

ト現地行政担当者の意見ムエア地区は、渡り鳥 quila-quila birds の経由

地となっている。

生態系影響については、重要な視点だが、

定量的な評価が困難。

129

4.5. 適応策枠組みの設定

前述の重要な不確実性、事業（適応策）の目標、事業オプション、事業オプションを評価する

モデルをそれぞれ特定し、これらを適応策検討枠組みとしてとりまとめた。

4.5.1. XLRM Framework の作成 RDMのためのシナリオ設定結果、評価指標をとりまとめたフレームワークをRDMではXLRM

フレームワークと読んでいる。この枠組に基づいて、具体的な指標値を算出し、シナリオ探索を

進めていく。枠組みの設定＝検討を行うシナリオの選定は、一意に決定できるものではなく、様々

なステークホルダーが納得できることが重要である。合意の形成のためには、ワークショップの

開催が有効、もしくは、不可欠といえる。 ClimDev-Africaの中で実施されたワークショップでのRAND社Lempert博士による説明資料

21の抜粋を図 4-55 に示す。

図 4-62 XLRM の説明資料（ClimDev Africa のワークショップ資料より）

21 http://www.climdev-africa.org/sites/default/files/EventDocument/%3Cem%3EEdit%20Event%3C/em%3E%20WorKShop%20on%20Climate%20Resilience%20of%20Africa%20Infrastructure,%20Ghana/Presentation%20C%20-%20XLRM%20Session.pdf (2015/7/10 参照)

http://www.climdev-africa.org/sites/default/files/EventDocument/%3Cem%3EEdit%20Event%3C/em%3E%20Workshop%20on%20Climate%20Resilience%20of%20Africa%20Infrastructure,%20Ghana/Presentation%20C%20-%20XLRM%20Session.pdf



130

本検討内容を XLRM マトリックスに当てはめると以下のように整理される。当然ながら、下表

に示した以外の要因(X)、対策案(L)、評価モデル(R)、評価指標(M)のオプションが考えられるも

のであるが、本検討で取り扱ったものを下表に整理している。

表 4-42 ムエアにおける XLRM フレームワーク

Uncertainty Factors (X) Response Packages / Policy Levers (L) ＜気候システム＞・将来気候・気候変動による作物収量への影響・気候変動による水資源への影響＜社会システム＞・将来のコメ需要量（人口×一人あたりの米消費量）・将来のコメ価格・将来の割引率

・開発事業なしの場合・SAPROF で設定された開発事業 3 ケー

ス（開発プラン（２ケース）、クロッピン

グパターン（２ケース））

Models (R) Performance Metrics (M) ・流出解析モデル（SHER モデル）・灌漑用水の水収支解析モデル・コメ収量予測モデル（DSSAT）

・作物の収量・灌漑面積・農業収益・プロジェクトの経済評価（EIRR、NRV、BCR）・コメ自給率・取水可能量

Documents

不確実性下における気候変動適応対策の 経済的評価 …独立行政法人 国際協力機構(JICA) 不確実性下における気候変動適応対策の 経済的評価に関する分析業務

不確実性下における気候変動適応対策の経済的評価 …独立行政法人国際協力機構(JICA) 不確実性下における気候変動適応対策の経済的評価に関する分析業務