|
平成30年度は，時空間変動解析への情報学的手法の適用について研究を進めた．自己組織化マップSOMを用いた熱帯太平洋域における時空間変動解析に関し，海面水温データに加えて可降水量と海上風速を用いた．ユニット間の遷移を時系列で見ると，可降水量は海面水温と類似の変化を示すが，海上風速はやや先行する特徴が見られた．海面水温の出力層ユニットの二次元化により，平常時に加えてエルニーニョモドキの識別も可能であることを示した．複数監視海域における偏差の線型結合であるEMI指標が適切に機能しない場合でもSOMは良好な結果を与え，広域の空間情報利用の有効性が示唆された．さらに膨大なデータセットに対する情報学的手法の適用については，ひまわり8号による降水域推定に対する深層学習の効果を調査した．多バンド赤外データを入力とし，XRAIN降水情報を教師として学習を試みた．所属部署のクラスタ計算機は機器換装で利用できなかったため，GPUによる高速化を図った．U-Netを用いて瞬時データから降水域の推定を試みたが，学習データ数の不足等の理由から現時点で満足な結果は得られていない．しかし，今後学習データを増やし2.5分間隔のデータを時系列方向に学習させることで精度を向上させる目処を得た．
研究期間全体では，平成28～29年度にマイクロ波放射計データから長期データセットを構築するための輝度温度相互校正手法を確立することができた．平成29～30年度に長期データセットへの情報学的手法の適用としてSOMを取り上げ，エルニーニョ現象等の変動識別と従来指標との比較評価を通じてその有効性を示した．平成30年度にひまわり8号データを用いてGPU並列計算による深層学習の検討を行い，降水域推定等の実時間情報抽出に関する知見を得た．上記により，長期衛星データセット構築と情報学的手法による変動検出に関する一定の成果が得られた．
|
