| Project/Area Number |
21H04571
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 22:Civil engineering and related fields
|
|---|
| 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) |
佐藤 陽祐 北海道大学, 理学研究院, 准教授 (10633505)
岡崎 淳史 千葉大学, 環境リモートセンシング研究センター, 准教授 (10790842)
渡部 哲史 九州大学, 比較社会文化研究院, 准教授 (20633845)
山田 真史 京都大学, 防災研究所, 助教 (50897858)
小林 亮太 東京大学, 大学院新領域創成科学研究科, 准教授 (70549237)
|
|---|
| Project Period (FY) |
2021-04-05 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥41,860,000 (Direct Cost: ¥32,200,000、Indirect Cost: ¥9,660,000)
Fiscal Year 2024: ¥10,530,000 (Direct Cost: ¥8,100,000、Indirect Cost: ¥2,430,000)
Fiscal Year 2023: ¥10,530,000 (Direct Cost: ¥8,100,000、Indirect Cost: ¥2,430,000)
Fiscal Year 2022: ¥8,320,000 (Direct Cost: ¥6,400,000、Indirect Cost: ¥1,920,000)
Fiscal Year 2021: ¥12,480,000 (Direct Cost: ¥9,600,000、Indirect Cost: ¥2,880,000)
|
|---|
| Keywords | データ同化 / 機械学習 / 数値気象モデル / 豪雨予測 / データサイエンス |
|---|
| Outline of Research at the Start |
本研究の目的は、これまで独立して進んできた気象・水文モデル予測とデータ同化・機械学習を統合し、「富岳」時代の高精度・高頻度なリアルタイム豪雨・洪水予測を確立することである。近年、台風や線状降水帯などの水害が頻発化し、豪雨・洪水予測の更なる改善や、ダム操作等による緩和が急務である。スパコン「富岳」を用いた研究により、(1) 天気予報で発展した最先端データ同化を活用した、気象・水文モデルによる豪雨・洪水予測、(2)高速計算可能な機械学習による高頻度な豪雨・洪水予測、(3) AIによるダム操作の最適化 を実施し、新時代のリアルタイム豪雨・洪水予測技術を実現する。
|
| Outline of Annual Research Achievements |
本研究の目的は、高精度・高頻度なリアルタイム豪雨・洪水予測を確立することである。2022年度は下記(a)-(d)の研究を推進した。
(a) 極端気象予測の改善： 雲微物理の不確定要素である雪氷種は、モデル予測の精度を左右する重要な要素であるが、現状では検証データが十分にない。2022年度には雪氷種画像を分類する畳み込み画像識別器CNN開発し、ResNETやVGG16といった既存の事前学習付きモデルと組み合わせることで、背景ノイズも含む実雪氷種画像の分類・高精度化に成功した。
(b) 水文データ同化による洪水予測の高精度化： 降雨・流出・氾濫一体解析モデルRRIにアンサンブルカルマンフィルタ (EnKF)を実装し、初期値改善によりリアルタイム洪水・浸水予測を高精度化した。雄物川を対象にしたRRI-EnKFのプロトタイプの高精度化を進め、気象庁のメソアンサンブル予測を用いてシステムの安定化を実現した。
(c) 衛星ビッグデータを用いた豪雨の高頻度予測： 線状降水帯の発達の鍵となる水蒸気分布“湿舌”の形成を予測するため、時空間的に密な衛星ビッグデータを用いた、湿舌のデータ駆動型予測手法を構築する。ConvLSTMを解析雨量に適用し、粗い画像では雨域の大まかな予測が可能であることを確認した。更に、降水のダブルペナルティによる弱い雨の生成を解決するため、コスト関数にSinkhorn距離を適用するConvLSTMの開発を進めた。
(d) AIダム操作最適化による災害緩和手法の構築：ここでは高速計算可能な洪水予測エミュレータを開発し洪水の高頻度予測を実現する。2022年度は、雄物川流域を対象に、洪水氾濫モデルの長期積分を行って入力データとし、降水量から最大浸水深を予測する深層学習器とその入力・出力関係を関連付ける機械学習・エミュレータを開発した。更に、浸水の時系列を予測可能な学習器を開発した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
(a)-(d)のいずれの研究も、提案時の計画通りに進捗している。2年度を終え、複数の英語論文が出版されるなど、着実に科学成果が出始めている (Kotsuki et al. 2023 JGR; Momoi et al. 2023 AIES; Kotsuki et al. 2022 GMD; Ouyang et al. 2022 JoH)。また、参加する修士学生もセンサ位置最適化や洪水氾濫モデルのデータ同化に関して和文誌を発表し、更に土木学会・水工学講演会で論文奨励賞を受賞するなど、防災分野で評価の高い研究結果が出ていると言える(斎藤ら2022, 藤村ら2022, 塩尻ら2022)。研究進捗・成果創出の両面で、良好に進捗しているといえる。
|
| Strategy for Future Research Activity |
今後の推進方策は、下記(a)-(d)の推進となる。
(a) 極端気象予測の改善： 2022年度までに開発した雪氷種を分類する畳み込み画像識別器CNN開発について、複数の論文化を図る。更に、北海道で進められている実雪氷種に関するフィールドキャンペーンデータを取得して雪氷種分類を行い、雪氷種モデル検証をサポートする。
(b) 水文データ同化による洪水予測の高精度化： 2022年度に開発した、雄物川を対象にしたRRI-EnKFのプロトタイプを高度化する。具体的には、観測インパクト推定やスパースセンサ位置最適化の技術を応用し、観測位置を提案することで費用対効果の高い洪水予測の改善を実現する。
(c) 衛星ビッグデータを用いた豪雨の高頻度予測：2022年度までに開発した、最適輸送問題をコスト関数にしたデータ駆動型降水予測手法の開拓を進める。また、スパース幾何変換場推定手法を用いて、直進だけではなく変形・回転も考慮可能な雨域の移動ベクトルを推定する、新しい降水予測手法の開発にも着手する。
(d) AIダム操作最適化による災害緩和手法の構築: 2022年度に開発した機械学習・エミュレータを更に高度化を引き続き進め、浸水の時系列データを予測可能な学習器を開発する。
|
