2016 Fiscal Year Research-status Report
機械学習を用いた南極域周辺における擾乱に伴う雲抽出と降雪量推定に関する研究
| Project/Area Number |
16K21585
|
|---|
| Research Institution | The Institute of Statistical Mathematics |
|---|
Principal Investigator |
鈴木 香寿恵 統計数理研究所, データ同化研究開発センター, 特任研究員 (20455190)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 画像解析 / 降雪 / ディープラーニング |
|---|
| Outline of Annual Research Achievements |
地球温暖化の影響を受けた将来の気候変動をより正確に予測するために、海水を除いた地球上の水のほとんどを保有する南極氷床の質量収支を正確に捉えることが重要である。南極氷床の堆積を増やす効果をもたらすのは、降雪現象だけであるがその挙動を観測することは技術面・環境面でも以前困難を極めている。
そこで、本研究はこれまで蓄積されてきた衛星観測による雲画像と現地における降雪情報から、降雪をもたらす雲構造の抽出および自動検出を行い、降雪量の推定を行うことを目的としている。
近年、従来は手動で設計していた特徴自体をデータから学習するディープラーニングが、コンピュータービジョンやロボティクス、医療などの画像認識でめざましい成果をあげている。しかしながら、衛星観測データからの雲領域の推定のように、非常に自由度が高い複雑な形状を識別させる問題は前例がなく、教師あり学習器の新たな可能性を切り開くチャレンジングな課題といえる。
平成28年度は、研究計画に従い雲構造の分類・抽出を行った。ディープラーニングを用いて衛星観測による雲画像中の雲領域の推定および分類を試みた。観測データはNOAA/AVHRRの可視光チャンネル、識別手法はConvolution Neural Networkを用いた。まずはデータ整備の一環として、Stitching、リサイズ等を実施し、Matlabで計算が可能なデータセットを作成した。実験に用いたCNNの構造は全16層のうち、畳込み層7層、プーリング層7層、前結合層2層となっている。結果、雲の特徴を抽出している画像が得られたが、途中で特異行列が発生し、識別にまで至っていない。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
9月に出産し、8月から1月まで産前産後休暇および育児休暇を取得した。そのため作業が遅れている。共同研究を進めている部分については、共同研究者との打合せや情報共有はメールベースで進めてきた。雲構造の抽出手法については訓練データを増加したり、他チャンネルを利用することで引き続き行う検討予定である。
|
| Strategy for Future Research Activity |
産前産後の休暇又は育児休業の取得に伴う補助事業期間延長承認申請を怠ったため、本年度分の研究に費やす時間が不足している。最終的には研究期間の延長も視野に入れ、平成29年度中に遅れた部分の研究を遂行する予定である。特に、訓練データが不足していることから、訓練データを類似画像を生成して増加し、雲識別アルゴリズムの検討を実施する。
|
| Causes of Carryover |
出産に伴う産休・育休を取得し、出張予定がキャンセルとなったため次年度使用額が生じた。
|
| Expenditure Plan for Carryover Budget |
次年度もしくは次年度以降に国際共同研究者の招聘を行い、研究成果についての発表や議論を深める予定である。
|
