物理プロセスを組み込んだ深層学習による水田内温度環境の予測モデルの構築
Project/Area Number |
22KJ0781
|
Project/Area Number (Other) |
22J10619 (2022)
|
Research Category |
Grant-in-Aid for JSPS Fellows
|
Allocation Type | Multi-year Fund (2023) Single-year Grants (2022) |
Section | 国内 |
Review Section |
Basic Section 41030:Rural environmental engineering and planning-related
|
Research Institution | The University of Tokyo |
Principal Investigator |
謝 文鵬 東京大学, 生産技術研究所, 特別研究員(PD)
|
Project Period (FY) |
2023-03-08 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥1,700,000 (Direct Cost: ¥1,700,000)
Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2022: ¥900,000 (Direct Cost: ¥900,000)
|
Keywords | PGNN / 水田水温 / 熱収支モデル |
Outline of Research at the Start |
本研究では、 観測対象水田において取得した観測データに基づき、物理プロセスを組み込んだニューラルネットワークを構築し、水田内の温度環境を再現する機械学習モデルを開発する。また、開発した機械学習モデルに対して、計算精度や他地域への適用性の評価、感度分析を実施する。さらに機械学習モデルの決定プロセスを局所的な解釈可能性とグローバルな解釈可能性の観点から明らかにすることで、モデルの信頼性を評価する。最後に、気象予測と組み合わせて水田内の温度環境を予測することで、水稲の品質向上に向けた水管理を支援するツールのプロトタイプを提示する。
|
Outline of Annual Research Achievements |
2022年6月から10月まで、奈良県高山町の水田で観測実験を行いました。観測項目は、群落外の気象データに加えて、群落内の日射量、湿度、気温、風速を観測しました。また、植物層のLAIを月に2回測定しました。 論文発表では、2019年から2020年の水田観測データに基づいて、深層学習モデルと水田の熱収支モデルを組み合わせた物理モデルに基づくニューラルネットワークを提案しました。そして、実験結果を整理し、"Interpretable Framework of Physics-guided Neural Network with Attention Mechanism: Simulating Paddy Field Water Temperature Variations" という論文を作成し、Water Resources Researchに投稿して発表しました。さらに、物理モデルを基にした大規模水田の灌漑システムを開発し、その結果を整理し、"Development of Short-term Hybrid Forecast Model of Paddy Water Temperature as Alert System for High-Temperature Damage" という論文を作成し、論文集Irrigation and Drainageに投稿して発表しました。 また、学会発表では、"Interpretable Framework of Physics-guided Neural Network with Attention Mechanism: Simulating Paddy Field Water Temperature Variations" の内容を整理し、アメリカの学会AGU Fall Meeting 2023でポスター発表を行いました。
|
Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
上記の計画を実行し、上手に終えたと思います。まず、私たちは水田の観測実験を行い、水田の環境の動的データや気象データを得ました。これらのデータを使用して、水田の熱環境をモデリングすることができました。これにより、私たちのデータベースが補完され、モデリングに使用できるデータがより豊富になりました。さらに、2022年の観測データの種類も増やし、モデルのトレーニングや物理モデルの校正に使用できるデータをさらに増やしました。これは私たちが提案した研究計画書の第一ステップと一致しています。
次に、私は第一著者として、水文学の分野で名のある学術雑誌に、物理的なガイドに基づく深層学習水温モデルに関する論文を発表しました。
最後に、私たちは国際学会でポスターを展示し、研究の進捗状況を説明し、参加者と積極的に交流しました。これは当初の計画に従って研究活動が行われたと考えています。
|
Strategy for Future Research Activity |
2023年3月に卒業し、DC2からPDに移行し、所属機関も変更され、現在は東京大学の生産技術研究所で働いています。以前の研究は影響を受けませんが、今年は6月に水田の気象と水温の観測も計画しています。また、今年のデータを使用してPGNNモデルを改善し、新しい論文を発表する予定です。さらに、私が提案した研究計画書の第三ステップである水田灌漑のガイドシステムの提案も今年実施されます。農業会社と協力して、提案した灌漑戦略を実験し、秋の収穫シーズン終了後に、新しい灌漑戦略が水田の収量や品質、農作業量などに与える影響を評価する予定です。
さらに、今年はAGU Fall Meeting、ICID会議、PAWEESに参加する予定です。これにより、研究の影響力を業界全体に広げることを期待しています。
全体的に、今年は非常に重要な節目だと感じています。個人的には、学生から研究員に身分が変わり、この研究に対して責任を持つべきです。また、研究の観点からは、JSPSの最後の年であり、より多くの成果を生み出したいと思っています。これは私自身のキャリアにとってだけでなく、研究資金を提供してくれるJSPS委員会にとっても重要なことです。
|
Report
(1 results)
Research Products
(2 results)