研究課題/領域番号 |
23H00531
|
研究種目 |
基盤研究(A)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
中区分64:環境保全対策およびその関連分野
|
研究機関 | 名古屋大学 |
研究代表者 |
谷川 寛樹 名古屋大学, 環境学研究科, 教授 (90304188)
|
研究分担者 |
松井 孝典 大阪大学, 大学院工学研究科, 助教 (30423205)
白川 博章 名古屋大学, 環境学研究科, 准教授 (50393038)
山末 英嗣 立命館大学, 理工学部, 教授 (90324673)
山下 奈穂 名古屋大学, 環境学研究科, 助教 (10971864)
|
研究期間 (年度) |
2023-04-01 – 2027-03-31
|
研究課題ステータス |
交付 (2024年度)
|
配分額 *注記 |
46,280千円 (直接経費: 35,600千円、間接経費: 10,680千円)
2024年度: 11,050千円 (直接経費: 8,500千円、間接経費: 2,550千円)
2023年度: 13,390千円 (直接経費: 10,300千円、間接経費: 3,090千円)
|
キーワード | マテリアルストック / マテリアルフロー / 都市物質循環 / ストック型社会 / 物質ストック・フロー分析 / 建設ストック / 機械学習 / 物質代謝・蓄積モデル |
研究開始時の研究の概要 |
人類の活動はどれほどの資源・エネルギーに支えられているのか、物質ストックの視点からは未だ詳細が明らかになっていない。物質ストックとは、社会基盤施設や建築物のように人間活動を支えるものであり、生活レベルを向上させるが、その整備や維持に必要な資材生産は、気候変動問題と資源制約問題に直結する。本研究は、衛星リモートセンシングデータ(夜間光と土地被覆)を利用し、人工知能による畳込みニューラルネットワークを用いて、世界全体の物質ストック量とその分布および動態を明らかにする世界初の試みである。本研究は代表者らが行った「社会を支える物質ストック量」に関する研究を、新技術を用いて飛躍的に進展させるものである。
|
研究実績の概要 |
本研究は、衛星リモー トセンシングデータ(夜間光と土地被覆)を利用し、人工知能による畳込みニューラルネットワーク分析を用いて、世界全体の物質ストック量とその分布および動態を明らかにする世界初の試みである。本研究は、代表者らがこれまで行ってきた「社会を支える 物質ストック量」に関する研究を飛躍的に進展させるものである。本研究では、深層学習技術と組み合わせ、開発途上国を含む全世界を対象に物質ストック分析を経年で実施する。2023年度の成果は以下の通り。 1)夜間光・昼間光衛星データを用いた深層学習によるフィッティングデータ作成:日本で計算している物質ストック分布データと衛星データ (VIIRS, ETM+)と重ね合わせて地物規模とのフィッティングを行う。研究代表者らが日本における物質ストックについて分析を行った結果を用い、構造物ごとの規模や構造,整備年代を都市スケールで比較し,VIIRS データ の 利用できる2012年から2020年まで、経年的な比較を行う。成果としてEnvironmental Science & Technologyに論文を発表した。 2)先進国・途上国への適用:日本近隣の台湾のデータを収集した。 3)物質ストックデータベースの精緻化:ストック推計の自動化システムの構築を行い、環境情報科学論文集に論文を発表した。 4)全世界での衛星データを用いた深層学習による自動分析システムの構築:上記1),3)の発表論文にて基礎的な自動化システムを構築した。 5)全世界での物質代謝・蓄積モデルの構築及び精度検証・公表:現在までの成果を取りまとめ、2024年度に国際会議で発表を行う。(ISIE SEM/AP 2024北京大会に3件申請済み)
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
計画時に設定した以下の5要素についてそれぞれ進展があり、論文発表や口頭発表を通じて成果の一部を取りまとめることが出来ており、当初の計画以上に進展していると言える。 1)夜間光・昼間光衛星データを用いた深層学習によるフィッティングデータ作成:英文ジャーナル発表1件(Environmental Science & Technology, IF2022=11.4) 2)先進国・途上国への適用:海外データ収集実績(1件、台湾) 3)物質ストックデータベースの精緻化:国内査読論文発表1件(環境情報科学論文集) 4)全世界での衛星データを用いた深層学習による自動分析システムの構築:上記1),3)と同じ 5)全世界での物質代謝・蓄積モデルの構築及び精度検証・公表:国際会議で2024年に発表予定(ISIE SEM/AP 2024北京大会に3件申請済み)
|
今後の研究の推進方策 |
計画時に設定した以下の5要素について、2024年度は以下を計画している。 1)夜間光・昼間光衛星データを用いた深層学習によるフィッティングデータ作成:日本の一部を対象とした分析から2年目以降に日本全土と先進国の一部に拡張する。 2)先進国・途上国への適用:数値標高モデルを構築できる人工衛星ALOS-2の合成開口レーダ(PALSAR-2)データも援用しつつ、都 市の特性に合わせて分析をすすめる。研究協力者のいる台湾、アメリカで先行実施する。 3)物質ストックデータベースの精緻化:フィッティングデータの元となる日本における物質ストックのGISデータについて、さらに精緻化を進める。また、建設構造ごとの物質投 入原単位を細分化する。 4)全世界での衛星データを用いた深層学習による自動分析システムの構築:1年目に引き続き、建物延床面積-夜間光画像データの結合による学習用の データ作成の自動化をすすめ、バッチ処理を可能にするシステムの構築を目指す。 5)全世界での物質代謝・蓄積モデルの構築及び精度検証・公表:精度の向上を常に目指しつつ、随時国際会議や国連の関連イベントを通じて本成果の公表を目指す。
|