2021 Fiscal Year Annual Research Report
Meteorological downscaling and atmospheric environment prediction using deep learning
| Project/Area Number |
21H03593
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Japan, Meteorological Research Institute |
|---|
Principal Investigator |
関山 剛 気象庁気象研究所, 全球大気海洋研究部, 主任研究官 (90354498)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
梶野 瑞王 気象庁気象研究所, 全球大気海洋研究部, 主任研究官 (00447939)
福井 健一 大阪大学, 産業科学研究所, 准教授 (80418772)
|
|---|
| Project Period (FY) |
2021-04-01 – 2026-03-31
|
| Keywords | 機械学習 / 数値天気予報 / 移流拡散シミュレーション / 高解像度シミュレーション |
|---|
| Outline of Annual Research Achievements |
採択時の研究計画調書に記されていた初年度の研究計画をほぼ完全に実施することができた。
U-netやResNetの技術を組み合わせて深層畳み込みニューラルネットワークを構築し、風向風速ダウンスケーリングに特化した超解像システムを開発することができた。その動作テストとして、気象庁の20km全球解析値と5kmメソ解析値を教師データとして関東平野周辺のダウンスケーリングを試み（水平解像度20kmから5kmへの6時間毎ダウンスケーリング）、ヨーロッパ域を対象とした先行研究と同等の精度を出すことができた。
この深層学習超解像のシステム開発と同時進行で、次年度以降の本番実験に使用する高解像度教師データの作成も終えることができた。教師データの作成には過去10年間の気象庁5kmメソ解析値を初期値および側面境界値として用い、気象庁現業メソ予報モデルの水平解像度を5kmから1kmに高解像度化して（ただし計算領域は関東地方・中部地方東部・東北地方南部に限定して）実施した。計算には気象研究所のスパコンで4ヶ月を要した。
機械学習を用いた気象場ダウンスケーリングの先行研究では気温や降水量を対象にすることがほとんどで、風向風速を対象にしたものはベクトル場を対象とする困難性のため極めて少ない。また、他の先行研究では全球データ（水平解像度10－50km程度）をメソデータ（水平解像度3－10km程度）に変換することが目標となっており、本研究のようにメソデータからメソデータ（水平解像度1km以下；地上の複雑地形や乱流の影響を極めて大きく受ける）への変換は実施されたことがなく、先行研究が存在しない。しかしもし成功すれば日常生活に身近な地域ごとの風の流れを小さな計算機負荷で知ることができるようになり、技術的な重要性は大きい。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究代表者が一昨年度に開発していた地上気温のダウンスケーリング超解像システムをプロトタイプとし、それにU-netやResNetの技術を加えて、風向風速ダウンスケーリングに特化した深層学習超解像システムの開発を順調に済ませた。その動作テストとして、気象庁が保有する過去5年間の20km全球解析値と5kmメソ解析値をそれぞれ教師データとして関東平野周辺を抜き出して使用した（20kmから5kmへの6時間毎ダウンスケーリング）。そのダウンスケーリング結果はヨーロッパ域を対象とした先行研究と同等の精度を出すことができた。
この深層学習超解像のシステム開発と同時進行で、次年度以降の実験の教師データとして使用する気象場の格子点ファイル（これを気象解析値と呼ぶ）を作成した。作成には過去10年間の気象庁5kmメソ解析値の3時間毎データを初期値および側面境界値として用い、気象庁現業メソ予報モデルの水平解像度を5kmから1kmに高精度化して（ただし計算領域は関東地方・中部地方東部・東北地方南部に限定して）実施した。計算には気象研究所のスパコンで4ヶ月を要した。この10年間分1時間毎の気象解析値を次年度の教師データとして使う。
これらはすべて当初計画通りである。
|
| Strategy for Future Research Activity |
初年度に作成した10年間分1時間毎の水平解像度5kmおよび1kmの気象解析値を教師データおよび検証データとして使い、風向風速ダウンスケーリングに挑戦する。他の先行研究の気象場ダウンスケーリングでは全球データ（水平解像度10－20km程度）をメソデータ（水平解像度3－5km程度）に変換してきたが、本研究のようにメソデータからメソデータ（水平解像度1km以下；地上の複雑地形や乱流の影響を極めて大きく受ける）への変換は実施されたことがなく、極めてチャレンジングである。ダウンスケーリングに用いる深層学習超解像システムの精度向上、特にベクトル場の取り扱い方法の改良が必要になると考えられ、情報科学を専門とする研究分担者・研究協力者とともに最新の知見を取り入れてシステム開発・改良を進める。
また同時に、ダウンスケーリングによって作成した高解像度の風向風速場を使って大気微量成分の移流拡散シミュレーションが自由に実施できるように、独自の境界層ラグランジュモデルの開発を進める。
|
Research Products
(4 results)
