2017 Fiscal Year Annual Research Report
Development of new snow observation methods in severe climatic and topographic conditions: elucidation of snow melting processes
| Project/Area Number |
15K14824
|
|---|
| Research Institution | Ishikawa Prefectural University |
|---|
Principal Investigator |
藤原 洋一 石川県立大学, 生物資源環境学部, 准教授 (10414038)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 積雪 / 融雪 / 雨雪判別 / 音響 / 気候変動 / 機械学習 / 山岳域 / 森林帯 |
|---|
| Outline of Annual Research Achievements |
１．研究目的：気候変動が積雪・融雪に及ぼす影響の評価には何らかの積雪・融雪モデルが利用されるが、ほとんどの積雪・融雪モデルは標高がさほど高くなく、また、森林の影響を受けないオープンスペースにおける積雪観測データによって構築されている。本研究では、観測そのものが極めて困難であるために、観測データの空白地帯ともいえる高山地帯および森林内における積雪観測手法を新たに開発する。
２．研究成果：今年度は、雨や雪が物に当たる音が異なることや安価なICレコーダーの普及に着目し、音響特性に基づいて降水形態を判別する手法を開発することを試みた。低温実験室において、ICレコーダーとヒーターを内蔵した空き缶を設置した。空き缶に向けて5タイプの粒（あられ、水滴大、水滴小、結晶形の雪、球形の雪）を3mの高さから落とし、衝突音を記録した。波形の振幅が基準値より大きい部分（シグナルデータ）を抽出し、振幅が小さかった部分（ノイズデータ）を除去した。5つの粒タイプで合計89個のシグナルデータが得られ、それらを無作為に２つの期間（同定期間45個、検証期間44個）に分離した。期間ごとにシグナルデータの特徴量（14種類）を算出した。同定期間のシグナルデータを用いて粒タイプを判別するアルゴリズムを作成し、それらの精度を検証期間のシグナルデータを用いて検証した。アルゴリズムにはサポートベクターマシン、決定木、ランダムフォレストの３つのモデルを使用した。ランダムフォレストを用いた場合が最も判別精度が高く（68.2%）、決定木（61.4%）とサポートベクターマシン（54.6%）の順であった。これらのことから、音響を活用して降水形態を判別可能であることが分かった。
|
