研究課題/領域番号 |
18KK0117
|
研究種目 |
国際共同研究加速基金(国際共同研究強化(B))
|
配分区分 | 基金 |
審査区分 |
中区分22:土木工学およびその関連分野
|
研究機関 | 東京大学 |
研究代表者 |
金 炯俊 東京大学, 生産技術研究所, 特任准教授 (70635218)
|
研究分担者 |
渡部 哲史 九州大学, 比較社会文化研究院, 准教授 (20633845)
内海 信幸 東京工業大学, 環境・社会理工学院, 准教授 (60594752)
|
研究期間 (年度) |
2018-10-09 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
17,810千円 (直接経費: 13,700千円、間接経費: 4,110千円)
2022年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2020年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2019年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2018年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
|
キーワード | 水文季節予測 / 衛星リモートセンシング / データ駆動型モデル / Physics-informed AI / TWS / Data-driven Forecast / Satellite remote sensing / GPM / Multi-task learning / Precipitation / lake surface area / remote sensing / water big data / データ駆動型モデリング / 水文季節予報 / 衛星観測 / テレコネクション / 人工知能 / 衛星高度計 / 河川の水位 / 海水面温度 / 陸域水貯留 / ニューラルネットワーク / 長期リードタイム予測 / data-driven modeling / seasonal prediction / satellite remote sensing |
研究成果の概要 |
河川流量の推定について、大河川における流量データの構築を目指した。具体的には、観測が定期的に広域・高頻度で行われている、衛星高度計による河川の水位データを用いて流量を推定した。全球の河川流量の長期的な変動性を推定し、気候モード(例:ENSO)がそれをどのように調整するかを調査した。Pekelの全球表面水データとHydroLAKESデータを組み合わせて140万の全球湖沼の過去34年間の長期月別変動を分析した。データ駆動型の陸面モデルを開発し、それを用いて長期的な全球陸域水貯留量の変化に対する人間の影響を検出した。樹木年輪に基づく気候再構築を行い、内陸東アジアの水文気候の転換点を検出した。
|
研究成果の学術的意義や社会的意義 |
人工衛星は地球の広範な領域をリアルタイムで観測し、アクセスが困難な地域でも情報を提供することができる。これは地上観測が難しい地域でも洪水や干ばつ予測に必要なデータを提供できることを意味し、迅速かつ正確な予測を可能にする。本研究を通じて、NASAなどとの国際的な共同研究を通じて、多様な人工衛星とデータ駆動型モデリングに関する研究成果を積み上げることができた。特に水循環を含む多様な分野でデータ駆動型モデルを開発し、それらを活用した研究は世界的に評価の高い学術誌で出版された。これは災害、食料、保健などのさまざまな社会部門での被害を減らし、持続可能な発展の促進に貢献するものである。
|