| Project/Area Number |
23H00351
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 41:Agricultural economics and rural sociology, agricultural engineering, and related fields
|
|---|
| Research Institution | National Institute for Environmental Studies |
|---|
Principal Investigator |
増冨 祐司 国立研究開発法人国立環境研究所, 気候変動適応センター, 室長 (90442699)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
仲江川 敏之 気象庁気象研究所, 応用気象研究部, 室長 (20282600)
石崎 紀子 国立研究開発法人国立環境研究所, 気候変動適応センター, 主任研究員 (20843212)
高谷 祐平 気象庁気象研究所, 全球大気海洋研究部, 主任研究官 (30782289)
飯泉 仁之直 国立研究開発法人農業・食品産業技術総合研究機構, 農業環境研究部門, 上級研究員 (60616613)
滝本 貴弘 国立研究開発法人農業・食品産業技術総合研究機構, 農業環境研究部門, 主任研究員 (60788694)
吉兼 隆生 東京大学, 生産技術研究所, 特任准教授 (40392964)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2025)
|
| Budget Amount *help |
¥46,800,000 (Direct Cost: ¥36,000,000、Indirect Cost: ¥10,800,000)
Fiscal Year 2025: ¥15,080,000 (Direct Cost: ¥11,600,000、Indirect Cost: ¥3,480,000)
Fiscal Year 2024: ¥15,080,000 (Direct Cost: ¥11,600,000、Indirect Cost: ¥3,480,000)
Fiscal Year 2023: ¥16,640,000 (Direct Cost: ¥12,800,000、Indirect Cost: ¥3,840,000)
|
|---|
| Keywords | 収量予報 / 季節予報 / 作物モデル / ダウンスケーリング / 機械学習 / 気候変動 / 適応 |
|---|
| Outline of Research at the Start |
世界の栄養不足人口は2014年にそれまでの減少から増加に転じた。この増加の要因に挙 げられているのが気候変動による異常気象である。このような気象に関連した災害は特定の場所や時期に発生する訳ではない。そのため気象予報などを用いて災害が発生する前にできる限り早くその場所や時期を特定し、有効な事前事後の対策を進めていくことが重要である。これに対し本研究の目的は、3ヶ月先までの作物収量を高解像度に予報し、作物不良等の早期警戒情報を配信する「高解像度作物収量予報・早期警戒システム」を構築することである。
|
| Outline of Annual Research Achievements |
テーマ①(季節予報データ作成)では、一般に予報データに含まれる系統的な予報誤差を予報月別・予報期間別にそれぞれの変数について同定した。季節予報データには気象庁/気象研で開発されている最新の季節予報モデルJMA/MRI-CPS3の予報データを用いた。これによると、気温も降水量も予報の長さに関わらず系統的な誤差があることが明らかになった。また予報月によって、予報精度の空間パターンが異なることも明らかになった。
テーマ②(高解像度データ作成)では、Yoshikane et al. (2022, PLOS Water)で開発された手法を用いて、季節予報データに対しアジアだけでなくグローバルを対象に高解像データを作成するプログラムを開発を行なった。またYoshikane et al. (2022, PLOS Water)以外の機械学習による手法の比較が行えるよう手法のレビューを行い、用いる手法によって精度が異なることなどを確認した。
テーマ③(収量予報データ作成/システム構築)では、本課題で利用するMATCRO-Rice (Masutomi et al., 2016, Geosci. Model Dev.)の高精度化を行なった。特に作物収量計算において最も重要な光合成速度の計算コンポーネントにおいて、新しい計算アルゴリズムを提案し、これによりグローバルに高精度に収量計算が可能であることを示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
テーマ①(季節予報データ作成)では、一般に予報データに含まれる系統的な予報誤差を予報月別・予報期間別にそれぞれの変数について同定し、順調に進捗している。
テーマ②(高解像度データ作成)では、Yoshikane et al. (2022, PLOS Water)で開発された手法を用いて、季節予報データに対しアジアだけでなくグローバルを対象に高解像データを作成するプログラムを開発を行い、順調に進捗している。
テーマ③(収量予報データ作成/システム構築)では、本課題で利用するMATCRO-Rice (Masutomi et al., 2016, Geosci. Model Dev.)の高精度化を行い、グローバルに高精度に作物収量が計算できることを示し、順調に進捗している。
|
| Strategy for Future Research Activity |
テーマ①：季節予報データ作成に関しては、過去の季節予報データ(1991-2020年)に対し、開発した手法を使って系統的な予報誤差を除去した季節予報データを収量予報の精度評価用に作成する
テーマ②：高解像度データ作成に関しては、テーマ①で作成された収量予報の精度評価用の過去の季節予報データ(1991-2020年)に対し、開発した高解像度化手法を適用し、高解像度の季節予報データを作成する
テーマ③：高精度化したMATCRO-Riceにテーマ②で作成された過去の高解像度季節予報データ(1991-2020年)を入力し、収量予報精度を検証する
|
