2023 Fiscal Year Annual Research Report
| Project/Area Number |
21H01592
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
牛尾 知雄 大阪大学, 大学院工学研究科, 教授 (50332961)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
黒田 大貴 長岡技術科学大学, 工学研究科, 助教 (20868731)
楠 研一 気象庁気象研究所, 台風・災害気象研究部, 室長 (40354485)
菊池 博史 電気通信大学, 宇宙・電磁環境研究センター, 准教授 (40783105)
和田 有希 大阪大学, 大学院工学研究科, 助教 (40879144)
吉川 栄一 国立研究開発法人宇宙航空研究開発機構, 航空技術部門, 主任研究開発員 (70619395) [Withdrawn]
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Keywords | 気象レーダ / フェーズドアレイ / 圧縮センシング |
|---|
| Outline of Annual Research Achievements |
畳み込みニューラルネットワークのU-Net を用いて，フェーズドアレイ気象レーダで観測したレーダ反射因子を入出力とした三次元深層降水ナウキャスト手法を検討した．三次元データをチャネル方向に格納することで，入力は 6 チャネルの三次元データとなり，U-Net のエンコーダ部とデコーダ部で活性化関数を LeakyReLU とした三次元畳み込みを繰り返すことで，出力シーケンス（5 チャネルの三次元データ）を算出した．10 分後の降雨領域（10 dBZ 以上）の出力結果を PR 曲線で評価した結果，各モデルが同様の精度で良好に予測を行っており，その中でも時間重みのみ WMAE モデルが Precision と Recall のバランスが最も良いことが確認された．二値分類に基づく指標において，観測値の閾値と予測値の閾値を等しく設定した場合，降雨領域においては各モデルの性能にほとんど差がないことが確認された．一方，強雨領域においては降水量重みをつけたモデルは Precision 以外の指標が改善された．特に WMAE モデルは重み無し MAE モデルと比べて、Recall を約 0.18 改善した．更に、F 値が最良となる予測値の閾値を比べることで，降水量重みを乗じたモデルでは強雨の過小予測がほとんど起こっていないことが分かった．結果，WMAE モデルは降雨領域の予測精度を保ちつつ，強雨領域の予測バランスを大きく改善できることを示した．これらの統計的な性質は，出力結果を比べることで視覚的にも確認でき，特に WMAE モデルは高度 5 km 以上の対流性降雨の発達をより正確に捉えることができることが示された．
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
