| 研究課題/領域番号 |
21K20443
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0303:土木工学、社会システム工学、安全工学、防災工学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
尹 高虹 東京大学, 生産技術研究所, 特任研究員 (00906282)
|
|---|
| 研究期間 (年度) |
2021-08-30 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | GRACE / TWS / Downscaling / Deep Learning / Flood / Drought / TWSA / LSTM / flood and drought / Machine learning |
|---|
| 研究開始時の研究の概要 |
The study propose to downscale GRACE terrestrial water storage (TWSA) using machine learning for flood and drought study. It will provide downscaled TWSA data in both space and time, assimilate TWSA into TE-system, and use downscaled TWSA to extend drought and flood forecasting lead time.
|
| 研究成果の概要 |
洪水と干ばつは、生態系、人命、経済に壊滅的な被害をもたらす世界的な問題です。ダウンスケールされたTWSは、小地域から局所的なスケールにおいて、高い空間分解能で干ばつを監視し、洪水を予測する絶好の機会を提供する。
本研究の成果は、リモートセンシングに基づくTWSを日本や韓国のような地域にも適用することを可能にする。
|
| 研究成果の学術的意義や社会的意義 |
1. Improve the understanding of the spatiotemporal variation of terrestrial water storage, which is important for water management and related policy making.
2. Monitor and forecast flood and drought on a sub-regional to local scale, which benefits more accurate and targeted hazards mitigation.
|
