| Project/Area Number |
23K21027
|
|---|
| Project/Area Number (Other) |
21H01592 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 25030:Disaster prevention engineering-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
牛尾 知雄 大阪大学, 大学院工学研究科, 教授 (50332961)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
黒田 大貴 長岡技術科学大学, 工学研究科, 助教 (20868731)
楠 研一 気象庁気象研究所, 台風・災害気象研究部, 室長 (40354485)
菊池 博史 電気通信大学, 宇宙・電磁環境研究センター, 准教授 (40783105)
和田 有希 大阪大学, 大学院工学研究科, 助教 (40879144)
吉川 栄一 国立研究開発法人宇宙航空研究開発機構, 航空技術部門, 主任研究開発員 (70619395)
北原 大地 立命館大学, 情報理工学部, 助教 (20802094)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Declined (Fiscal Year 2024)
|
| Budget Amount *help |
¥14,820,000 (Direct Cost: ¥11,400,000、Indirect Cost: ¥3,420,000)
Fiscal Year 2024: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2023: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2022: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2021: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
|
|---|
| Keywords | 気象レーダ / フェーズドアレイ / 圧縮センシング / レーダ / 気象 / フェイズドアレイ |
|---|
| Outline of Research at the Start |
局地的な豪雨や竜巻など，地球温暖化や都市化の進行と共に，気象災害の防止に対する社会的な重要度は年々増している．こうした大気現象の3 次元構造を把握できる気象レーダは，その予報や警報発出に関する基盤的システムであるが，より高頻度・高解像度・高精度な次世代気象レーダが求められている．高頻度，高精度については，偏波フェーズドアレイレーダによって達成されているが，高解像度に関しては課題として残っている．本研究では，圧縮センシング理論等の最新の科学的モデリング手法を適用することによって，その高解像度化を理論的，実験的に検討し，竜巻や豪雨の予測改善・雨量精度向上の評価を行う．
|
| Outline of Annual Research Achievements |
畳み込みニューラルネットワークのU-Net を用いて，フェーズドアレイ気象レーダで観測したレーダ反射因子を入出力とした三次元深層降水ナウキャスト手法を検討した．三次元データをチャネル方向に格納することで，入力は 6 チャネルの三次元データとなり，U-Net のエンコーダ部とデコーダ部で活性化関数を LeakyReLU とした三次元畳み込みを繰り返すことで，出力シーケンス（5 チャネルの三次元データ）を算出した．10 分後の降雨領域（10 dBZ 以上）の出力結果を PR 曲線で評価した結果，各モデルが同様の精度で良好に予測を行っており，その中でも時間重みのみ WMAE モデルが Precision と Recall のバランスが最も良いことが確認された．二値分類に基づく指標において，観測値の閾値と予測値の閾値を等しく設定した場合，降雨領域においては各モデルの性能にほとんど差がないことが確認された．一方，強雨領域においては降水量重みをつけたモデルは Precision 以外の指標が改善された．特に WMAE モデルは重み無し MAE モデルと比べて、Recall を約 0.18 改善した．更に、F 値が最良となる予測値の閾値を比べることで，降水量重みを乗じたモデルでは強雨の過小予測がほとんど起こっていないことが分かった．結果，WMAE モデルは降雨領域の予測精度を保ちつつ，強雨領域の予測バランスを大きく改善できることを示した．これらの統計的な性質は，出力結果を比べることで視覚的にも確認でき，特に WMAE モデルは高度 5 km 以上の対流性降雨の発達をより正確に捉えることができることが示された．
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
