2022 Fiscal Year Research-status Report
Exploring Cost-effective Observation Placements Using The Data-driven Sparse Sensor Placement
| Project/Area Number |
22K18821
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
小槻 峻司 千葉大学, 環境リモートセンシング研究センター, 教授 (90729229)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
市井 和仁 千葉大学, 環境リモートセンシング研究センター, 教授 (50345865)
|
|---|
| Project Period (FY) |
2022-06-30 – 2025-03-31
|
| Keywords | 観測位置最適化 / データ同化 / 数値気象予測 / データ駆動型 / 陸域モデル |
|---|
| Outline of Annual Research Achievements |
本研究は、情報科学分野で深化したスパースセンサ最適化手法を水工学に応用し、費用対効果の高い観測位置決定手法を開拓する。(1)「気象庁の2船舶を東シナ海のどこに配置しゾンデにより大気プロファイルを観測すると、集中豪雨予測を改善できるか」、(2)「新たな地表面フラックス観測をアジア圏のどこに設置すると、陸域水熱収支推定を効率的に改善できるか」という2つの問いを探求する。観測位置最適化を含む新しい観測システムシミュレーション実験 (OSSE) により、実務者/観測研究者を納得させうる効果を証明し、気象庁やAsia Fluxとの共同実証実験への展開に挑戦する。
本年度はスパースセンサ位置最適化 (SSP) アルゴリズムの開発を進め、局所低次元性、アンサンブル予測を活用する技術開発を行った。局所化をセンサ位置の選定や、復元方法に適用し、既存手法を上回る状態場の推定可能性を確認した。北海道の降水量を対象とした実験では、観測地点を最適配置することで、効果的に降水分布を復元可能であることを示した。アンサンブル予測に適用する手法では、全球大気モデル (SPEEDY)を用いた実験で機動的観測についても既存のアンサンブルスプレッドを用いた方法を上回ることが可能である事を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
SSPはより少ない観測点で全体の場を推定することに着目し、過去のデータから最適なセンサ位置を決定し、場の再構成を実現可能にする (Manohar et al. 2018)。これまで気象分野での前例はなく、流体解析分野で発展してきたセンサ位置最適化を大気などの高次元系に適用するための手法を開発した。この際、単純な手法の適用ではなく、局所化やL2正則化などの既存のデータ同化技術を組み合わせることで大次元系でも有効な手法となるよう工夫し、北海道の雨量計を対象とした実験ではSSPの有効性を示すことができた。アンサンブル予測に適用する手法では、SPEEDYを用いた実験で機動的観測についても既存のアンサンブルスプレッドを用いた方法を上回ることが可能である事を示した。これらの成果から次年度以降のOSSEの実施に向けて良好に進捗しているといえる。また本研究の成果に基づき、2023年度から鉄道総合技術研究所との実証実験を含む共同研究が開始される予定であり、社会実装に向けても着実に進捗を見せている。
|
| Strategy for Future Research Activity |
今度の方策は以下を推進する。
(1) 集中豪雨の予測: SPEEDY-OSSE準備を進め、船舶ゾンデ位置の最適化と集中豪雨へのインパクト推定に取り組む。気象庁・気象研究所とは共同研究契約を締結しており、2ヶ月に一度程度の定期的議論を図ってきた。今年度も引き続き、SPEEDYを用いた理想化実験を進める。また、より現実的な気象モデルを用いた実証実験も開始し、本研究で提案するスパースセンサ位置最適化研究の有効性を、数値実験で示していく。
(2) 陸域水熱収支推定: 上述の集中豪雨の予測向上を目指した機動的観測の観測位置最適化に加え、静的な陸域観測網の最適化研究を進める。本研究で進めるセンサ位置最適化研究は、一般にOSSEは可能であるが、実証実験が困難である。次年度から「現実世界に測器を置いて手法の有効性を検証する」実証実験を行う共同研究を開始する。鉄道総合技術研究所による実際の雨量計配置などの実証実験を行う計画で、開発してきた数理手法を検証する研究となり、相互的な進展が期待される。また2022年度の研究では、特異値分解などの線形情報圧縮手法を用いたスパースセンサ位置最適化研究を進めてきた。今年度は新たに、Non-negative matrix factorization (NMF) などの非線形情報圧縮手法についても調査し、より地球環境データに適した情報圧縮手法についても開拓する。
|
| Causes of Carryover |
2022年度に大きく研究が進捗したため、2023年10月にイタリアで開催される国際データ同化シンポジウムにおける複数の発表、論文化を予定している。
|
Research Products
(24 results)
