• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

Machine-learning based bias correction of atmospheric chemistry simulations and its application to photochemical air pollution analysis

Research Project

Project/Area Number 23K11411
Research Category

Grant-in-Aid for Scientific Research (C)

Allocation TypeMulti-year Fund
Section一般
Review Section Basic Section 63010:Environmental dynamic analysis-related
Research InstitutionNational Institute for Environmental Studies

Principal Investigator

森野 悠  国立研究開発法人国立環境研究所, 地域環境保全領域, 室長 (50462495)

Co-Investigator(Kenkyū-buntansha) 茶谷 聡  国立研究開発法人国立環境研究所, 地域環境保全領域, 主幹研究員 (40394837)
Project Period (FY) 2023-04-01 – 2026-03-31
Project Status Granted (Fiscal Year 2023)
Budget Amount *help
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2025: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Keywords大気化学モデル / 光化学オゾン / 機械学習 / バイアス補正
Outline of Research at the Start

高濃度オゾン(O3)の対策立案においては数値シミュレーションが不可欠である一方で、時空間的な不均一性の高い窒素酸化物(NOx)と非メタン炭化水素(NMHC)の濃度をシミュレーションで再現できない問題が、O3対策立案の阻害要因となっている。本研究では、大気観測・数値シミュレーションと機械学習モデルを統合して、O3・NOx・NMHCの整合的なバイアス補正を実施するとともに、現実的な前駆物質の濃度場に基づいて、大気O3制御戦略の基盤となるO3生成レジームの経年変動を評価する。

Outline of Annual Research Achievements

高濃度O3の対策立案においては数値シミュレーションが不可欠である一方で、時空間的な不均一性の高いNOx・NMHC濃度をシミュレーションで再現できない問題が、O3対策立案の阻害要因となっている。そこで、本研究では、大気観測・数値シミュレーションと機械学習(ML)モデルを統合して、O3・NOx・NMHCの整合的なバイアス補正を実施するとともに、現実的な前駆物質の濃度場に基づいて、大気O3制御戦略の基盤となるO3生成レジームの経年変動を評価することを目的とした。2023年度には、機械学習モデルの説明変数データを作成するために、地域気象モデル・大気化学輸送モデルを利用して2019年における数値シミュレーションを実施した。合わせて、モデルバイアス補正のための機械学習モデルの初期計算を実施した。ここで、目的変数に同期間のO3大気濃度、説明変数に2019年通年の気象モデル・化学輸送モデルの出力結果や排出インベントリデータ、教師データ(学習・検証データ)として大気常時監視局で測定された光化学オキシダント濃度を設定し、機械学習モデルには、Random forestとLight GBMを用いた。さらに5分割交差検証などによりモデルの精度評価を実施した。その結果、機械学習モデルを用いてバイアス補正されたO3濃度場の再現性は、我々の先行研究よりも向上していた。これは、大気モデルを更新したことにより、説明変数に含まれるO3の実測再現性が向上していたことに起因すると考えられる。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

機械学習モデルの説明変数データを作成するために、計画に沿って、地域気象モデル・大気化学輸送モデルを利用した数値シミュレーションを実施した。排出量データ・地域気象モデル・大気化学輸送モデルを更新することで、研究代表者らが以前に実施した大気シミュレーション結果(木村ら, 2023)よりもO3濃度再現性が向上していた。機械学習モデルの学習手法としてRandom forestとLight GBMを実装し、学習データとして大気常時監視局で測定された光化学オキシダント、NOx、NMHC濃度データを整備した。合わせて、2019年のO3濃度を対象として、機械学習モデルによるモデルバイアス補正の初期計算を実施した。5分割交差検証などによる精度評価により、バイアス補正されたO3濃度場の再現性も、我々の先行研究より向上していることが示された。このように、研究は当該年度の計画に沿って順調に進展している。

Strategy for Future Research Activity

2000-2018年の地域気象モデル(WRF)、大気化学輸送モデル(CMAQ)の計算結果を準備するとともに、2019年におけるO3前駆物質(NOx・NMHC)のバイアス補正も合わせて進める。NOx・NMHCの再現性をさらに向上させるために、最適な学習・検証データ選択(交差検証)や説明変数選択 (Vsurfパッケージ)の手法を検討・評価するとともに、地球統計学的手法(クリギング)で利用した他成分濃度データを説明変数に利用することも検討する。2019年におけるO3とその前駆物質の濃度再現性を確認したのちに、2000-2019年にかけてのバイアス補正を実施する。また、MLモデルで計算される特徴量(NOx・NMHC濃度のバイアス補正時の各説明変数への感度)を、排出インベントリの精度向上に資する情報として整理する。

Report

(1 results)
  • 2023 Research-status Report
  • Research Products

    (6 results)

All 2024 2023

All Journal Article (2 results) (of which Peer Reviewed: 2 results) Presentation (4 results) (of which Int'l Joint Research: 2 results)

  • [Journal Article] Direct evaluation of the ozone production regime in smog chamber experiments2023

    • Author(s)
      Morino Yu、Sadanaga Yasuhiro、Sato Kei、Sakamoto Yosuke、Muraoka Tatsuya、Miyatake Kosuke、Li Jiaru、Kajii Yoshizumi
    • Journal Title

      Atmospheric Environment

      Volume: 309 Pages: 119889-119889

    • DOI

      10.1016/j.atmosenv.2023.119889

    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Journal Article] Source apportionment of anthropogenic and biogenic organic aerosol over the Tokyo metropolitan area from forward and receptor models2023

    • Author(s)
      Morino Yu、Iijima Akihiro、Chatani Satoru、Sato Kei、Kumagai Kimiyo、Ikemori Fumikazu、Ramasamy Sathiyamurthi、Fujitani Yuji、Kimura Chisato、Tanabe Kiyoshi、Sugata Seiji、Takami Akinori、Ohara Toshimasa、Tago Hiroshi、Saito Yoshinori、Saito Shinji、Hoshi Junya
    • Journal Title

      Science of The Total Environment

      Volume: 904 Pages: 166034-166034

    • DOI

      10.1016/j.scitotenv.2023.166034

    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Presentation] エアロゾルのHO2取込によるオゾンの生成抑制2024

    • Author(s)
      森野悠, 佐藤圭, 坂本陽介, Jiaru Li, 茶谷聡, 嶋寺光, 北山響, 梶井克純
    • Organizer
      第7回アジア域の化学輸送モデルの現状と今後の展開に関する研究集会
    • Related Report
      2023 Research-status Report
  • [Presentation] Model Bias Correction of Atmospheric Ozone for Evaluation of the Environmental Impacts2023

    • Author(s)
      Morino Y, Kimura C., Nagashima T, Araki S, Ueda K, Yonekura T.
    • Organizer
      CMAS-Asia-Pacific
    • Related Report
      2023 Research-status Report
    • Int'l Joint Research
  • [Presentation] Modeling studies of the effect of HO2 uptake by atmospheric aerosol on surface ozone2023

    • Author(s)
      Morino Y., Sato K., Sakamoto Y., Li J., Chatani S., Shimadera H., Kitayama K., Kajii Y.
    • Organizer
      CMAS Conference 2023
    • Related Report
      2023 Research-status Report
    • Int'l Joint Research
  • [Presentation] 機械学習手法に基づくオゾンとその前駆物質のモデルバイアス補正2023

    • Author(s)
      森野悠, 木村知里
    • Organizer
      第64回大気環境学会年会
    • Related Report
      2023 Research-status Report

URL: 

Published: 2023-04-13   Modified: 2024-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi