| Project/Area Number |
21K03668
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 17020:Atmospheric and hydrospheric sciences-related
|
|---|
| Research Institution | Japan, Meteorological Research Institute |
|---|
Principal Investigator |
堀田 大介 気象庁気象研究所, 気象観測研究部, 主任研究官 (60805365)
|
|---|
| Project Period (FY) |
2021-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2021: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
|
|---|
| Keywords | データ同化 / 非ガウス分布 / 画像データ / 赤外画像 / ガウス分布 / 自己符号化器 / 数値予報 / 非ガウス性 / 位置ずれ |
|---|
| Outline of Research at the Start |
数値天気予報において衛星画像等の稠密で面的な観測データの重要性が増してきているが、稠密・面的な観測データの同化には「次元の冗長性」「観測誤差相関」「観測誤差の非ガウス性」という３つの困難がある。
本研究では、機械学習分野で開拓されてきたアイデアを援用してこれら３つの困難が解決可能を探求する。非ガウス分布する面的観測データに対して、機械学習手法の一種である変分自己符号化器を用いた前処理を施すことで次元の削減と分布のガウス化を行い、前処理済みのデータを既存の手法で同化することを試みる。理想実験を通じて定式化を完成させ、赤外衛星画像データの領域大気モデルへの同化に適用することでその有効性を検証する。
|
| Outline of Annual Research Achievements |
本課題では雲や降水に影響される気象衛星画像などの、非ガウス性の強い画像状の気象観測データを、機械学習手法の一つである変分自己符号化器を用いてガウス性の高い潜在変数に変換し、変換後の空間でガウス分布を仮定したデータ同化手法により解析を実施することで、これまで実現し得なかった、非ガウス・稠密 データの同化を実現することを目標としている。
2023年度は、前年度に引き続きフランス気象局附属気象学学校との共同研究により静止気象衛星ひまわり8号によるバンド13の赤外画像を用いて、現実データの変分自己符号化器による学習に取り組んだ(交付申請書に記載の研究実施計画中、2023年度実施予定とした【課題3】に相当)。変分自己符号化器の符号化器・復号器のネットワーク構造を工夫することにより、複雑な衛星画像に対しても現実のデータ同化に実用できるだけの再構成誤差(一度符号化した潜在変数を復号器に通して得られる画像と元の画像が、測器の観測誤差と比べ十分に小さい程度になること)を達成することができた。また、符号化した潜在ベクトルの分布が目論見通り無相関なガウス分布に近くなることを確認することができた。次のステップである実観測データの同化に向けて非常に有望な成果があったと考える。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究実績の概要にて記したとおり、交付申請書記載の研究実施計画中、2023年度実施予定とした【課題3】（現実データの変分自己符号化器による学習）を着実に実施できた上、潜在変数の確率分布がガウス分布に近いことなど、期待通りの結果が得られており、順調な進捗があったと考える。
|
| Strategy for Future Research Activity |
順調な進捗があることから、交付申請書記載の研究実施計画に従い、2024年度は現実データの現実システムによるデータ同化実験に向けた技術的な準備を進める。具体的には、Julia言語で実装された符号化器を観測演算子とみなし、Fortanで書かれたデータ同化システムから呼び出す仕組みを検討し実装する。この結果を用いて最終年度である2025年度には、現実データの現実システムによるデータ同化実験を実施する。
|
