Development of a surrogate model using deep learning to establish an innovative carbon cycle inversion system

• Project/Area Number: 25K15432
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 63010:Environmental dynamic analysis-related
• Research Institution: Japan, Meteorological Research Institute
• Principal Investigator: 眞木 貴史 気象庁気象研究所, 全球大気海洋研究部, 室長 (50514973)
• Co-Investigator(Kenkyū-buntansha): 関山 剛 気象庁気象研究所, 気象予報研究部, 室長 (90354498)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2027: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2025: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
• Keywords: 炭素循環 / 深層学習 / 移流拡散モデル / 代理モデル / 逆解析

Outline of Research at the Start

パリ協定を受けたグローバルストックテイクや世界気象機関の温室効果ガス監視計画では二酸化炭素収支解析の高解像度化・高精度化が求められている。最近の衛星観測データの増加により、炭素収支解析の空間解像度を高められる環境が整いつつある。本研究では、近年急速に発展してきた深層学習による移流拡散代理モデルの開発を行い、演算速度を数百～数千倍に高速化して大量の移流拡散計算が必要となるベイズ統合逆解析の問題点を解消しつつ、全期間を一度に解析しつつかつ自然な解析値を得られるという有利な点を生かし、複数衛星観測データ導入による炭素収支解析解像度および精度の大幅な向上という革新的な展開を生み出すことを目指す。