2018 Fiscal Year Annual Research Report
Study on spacial-temporal analysis of ground surface temperature for global warming countermeasures
| Project/Area Number |
17H01705
|
|---|
| Research Institution | The Institute of Statistical Mathematics |
|---|
Principal Investigator |
松井 知子 統計数理研究所, モデリング科学研究系, 教授 (10370090)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
村上 大輔 統計数理研究所, データ科学研究系, 助教 (20738249)
山形 与志樹 国立研究開発法人国立環境研究所, 地球環境研究センター, 主席研究員 (90239864)
AMES MATTHEW 統計数理研究所, 統計的機械学習研究センター, 特任助教 (90794769)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 空間・環境統計 / 時空間解析 |
|---|
| Outline of Annual Research Achievements |
本研究は、空間的かつ時間的に粒度の異なる計測データを統合的に活用して、大都市圏での地球温暖化対策を実現することを目指し、地表面温度の高度な時空間解析技術の開発に取り組む。低分解能の地上気象観測による気象要素の時系列計測データに加えて、高分解能の人工衛星による地表面温度の時系列計測データを用い、統計解析手法を高度に融合させることによって、これまで捉えられなかった大都市圏における地表面温度分布の時空間変動の高精度な推定方法と、厳しい熱波状況などの極端な極値事象発生に関与する要因の高度な検出方法の開発を行う。将来的に本技術は大都市圏での地球温暖化対策立案に貢献することが期待される。
当該年度は、クラスタリングとSpatial Best Linear Unbiased Estimator (Spatial-BLUE)を組み合わせた解析を行うことで、熱波状況の背後に潜む分布構造、具体的には期待値、分散、歪度、尖度が異なることを明らかにした。さらに、この結果を発展させて、上記解析のパラメータを、熱波の時空間過程とともに場所毎に推定する方法を新規開発した。ここでは局所空間過程の高速推定手法であるlocal approximate Gaussian process（laGP）とTukey g-and-h （TGH）modelを組み合わせた。それにより、衛星観測熱画像のような高解像度データから、各地の暑熱特性（期待値、分散、歪度、尖度）を現実的な時間スケールで推定することができた。この結果、真夏日の暑熱特性には尖度や歪度といった分布の裾の特徴量が顕著となることがわかった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究課題については、①高度解析手法の開発、②計測データの収集と観測実験、③地表面温度の高度な時空間解析技術の開発、④熱波状況のシミュレーションと解析実験の四つの検討を実施する計画であった。
①については、物理モデルを想定しない場合について、クラスタリングとSpatial Best Linear Unbiased Estimator (Spatial-BLUE)を組み合わせた解析手法を開発した。物理モデルを想定する場合については未着手である。②については、MODISデータ（気象関連）を整備した。③については、上記①の手法、上記②のデータを用いて、熱波状況の背後に潜む分布構造、具体的には期待値、分散、歪度、尖度が異なることを明らかにした。さらに、この結果を発展させて、上記解析のパラメータを、熱波の時空間過程とともに場所毎に推定する方法を新規開発した。ここでは局所空間過程の高速推定手法であるlocal approximate Gaussian process（laGP）とTukey g-and-h （TGH）modelを組み合わせた。④については、上記③の成果をもとに、各地の暑熱特性（期待値、分散、歪度、尖度）を現実的な時間スケールでシミュレーションした。この結果、真夏日の暑熱特性には尖度や歪度といった分布の裾の特徴量が顕著となることがわかった。
以上、概ね順調に進展していると自己評価する。
|
| Strategy for Future Research Activity |
方法と応用の2チーム体制で実施する。方法チームは、前年度に引き続いてモデリングの研究を行って、共変量の組み込みなどによるモデルの洗練化をはかるとともに、キャリブレーションの研究を行う。具体的には、物理モデルを想定する／しない場合に分けてモデリング、キャリブレーションを行う。物理モデルを想定する場合、並列計算効率に優れた局所アンサンブル変換カルマンフィルタなどの高速なデータ同化手法を適用する。物理モデルを想定しない場合には、状態空間モデルの観測、状態方程式は、表現力の優れたノンパラメトリックなガウス過程を用いて表す。計算コストが非常に小さいST-BLUEのアルゴリズムを新たに組み込むことについて検討する。
また、応用チームは、応用チームは前年度に引き続き計測データの取得・整備、地表面温度の観測実験を行う。
さらに、方法と応用の両チームとの協働のもと、GCPの海外の主要関連研究者の協力を得て、各種センサーからの計測データを用い、上記高度解析手法を応用して、衛星熱画像を高精度に時空間補間し、地表面温度分布の時空間変動を高精度に推定する方法を開発する。その際、計測データの時空間解像度、種類、精度を反映させた地表面温度分布のモデルを設計する。また、厳しい熱波状況などの極端な極値事象発生に関与する要因を高度に検出する方法を開発する。
|
