2023 Fiscal Year Annual Research Report
衛星観測による瞬時値情報を用いた時間積算降水量推定手法の開発
Project/Area Number |
19K15096
|
Research Institution | Tokyo Institute of Technology |
Principal Investigator |
内海 信幸 東京工業大学, 環境・社会理工学院, 准教授 (60594752)
|
Project Period (FY) |
2019-04-01 – 2024-03-31
|
Keywords | 降水量 / 衛星リモートセンシング / 降水リトリーバル |
Outline of Annual Research Achievements |
最終年度にはマイクロ波放射計観測による新しい降水量推定手法の開発を行った。衛星リモートセンシングによる降水推定においては降水有無の判定と降水強度の推定を異なるステップで行う場合が多い。本研究では、複数のタスクを同時に行うMulti-task learningと呼ばれる機械学習手法を降水量推定に応用した。提案した手法では、降水有無の判定と降水強度推定を同時に行うことで、それぞれを個別に行った場合よりも降水判定および降水強度推定の精度が向上することが示された。 本研究全体では、降水の鉛直分布と地上降水量の時間分布の関係を明らかにし、さらに降水の鉛直構造の情報を用いて地上での積算降水量の推定精度を向上させる手法を提案した。これはレーダ観測を用いて、上空の降水の鉛直分布情報から地上の時間積算降水量を推定する手法である。また、マイクロ波放射計観測を用いて降水鉛直構造の推定を現実的に行うことが可能であることを示した。従来、マイクロ波放射計観測では平面的な降水量の推定は行えるものの、立体的な情報を得ることを難しいと考えられており、本研究の成果はマイクロ波放射計観測の新しい可能性を示すものである。加えてMulti-task learningと呼ばれる機械学習手法を用いた新しい降水量推定手法を提案した。これまで個別に行われてきた降水有無の判定と降水強度の推定を同時に行うことによって、それぞれを個別に行う場合より推定精度が向上することがわかり、機械学習手法を用いた降水リトリーバルの改良の新しい方向性を示した。
|