Development of Watershed Management Models Integrating Land-and-sea Areas in South-east Asian Developing Countries by overcoming the Scarce Watershed Data

克服流域数据稀缺的问题，开发东南亚发展中国家陆海一体化流域管理模式

• 批准号: 21K05833
• 负责人: 平松 和昭
• 金额: $ 2.66万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K05833/
• 关键词: 統合流域管理; 水理モデル; 水文モデル; 衛星気象データセット; 分布型モデル; 人工知能技術; 機械学習技術; 衛星リモートセンシング

東南アジアの新興国・発展途上国では，経済発展に伴う都市化・混住化の進行で，農村地域や閉鎖性水域での有機汚濁が急速に拡がっている．日本が1970年代以降，経験してきた農業・農村地域での有機汚濁を，新興国・発展途上国では，近年，より深刻な水環境の悪化を伴って急速に経験しつつある．高い農業生産性を維持しつつ，陸域から排出される窒素・リンの負荷を削減するとともに，閉鎖性水域の水環境保全を図ることが喫緊の課題となっている．流域圏における水環境は，陸域上流から下流の閉鎖性内湾に至る流域圏の物質フロー系によって形成されるため，流域圏の水環境保全のためには，陸域と海域を個別に考えるのでは無く，連続的に捉え，陸海域流域圏全体の水循環系と物質循環系を統合的に俯瞰する，いわゆる陸海域統合－流域圏水環境管理が極めて重要である．本課題では，以上の問題意識を背景に，ベトナムの研究機関との強固なネットワークに基づき，4グループの研究組織を構成し，先ず陸域を対象に，面源負荷グループとGIS流域解析グループは連携してGIS援用－流域モデルの構築を進めた．両グループの成果を負荷源入力として，閉鎖性湖沼グループと閉鎖性海域グループは水理学－生態系モデルの開発を進めた．その際，東南アジア流域圏で不可避のデータ寡少性を補完するため，人工知能技術（AI）や機械学習技術，衛星リモートセンシング技術の援用を目指した．また，本課題では，東南アジア新興諸国のようなデータが寡少な地域でも適用可能で，将来的な地域開発や気候変動に対する流出量の長期的変化を予測可能な流出モデルの開発を目的に，分布型降雨流出モデルを既に開発している．このモデルを実流域に適用して，効率的かつ高精度で解析を行うためのモデル要件についても検討を行う必要がある．

在东南亚新兴和发展中国家，由于伴随经济发展的城市化进程和混合聚落，有机污染正在农村地区和封闭水体中迅速蔓延。近年来，新兴和发展中国家的农业和农村地区正在迅速遭遇有机污染，日本自20世纪70年代以来就曾经历过这种情况，水环境恶化更为严重。保持农业高生产力，减少土地氮磷排放负荷，保护封闭水域水环境是刻不容缓的问题。流域水环境是由流域内的物质流系统从上游陆地区域到下游封闭的内湾所形成的，因此为了保护流域区域的水环境，需要考虑相反，将陆地和海洋流域分开考虑，综合考虑整个陆地和海洋流域的水循环系统和物质循环系统是极其重要的。在本项目中，基于上述问题意识以及与越南研究机构的强大网络，我们将组建四个组的研究组织。首先，我们将重点关注陆地区域、地表源负荷组和GIS流域分析小组将共同构建GIS辅助的流域模型。利用两组的结果作为载荷源输入，封闭湖泊组和封闭海域组继续开发水力生态系统模型。在此过程中，我们的目标是利用人工智能技术（AI）、机器学习技术和卫星遥感技术来弥补东南亚盆地地区不可避免的数据稀缺。此外，在该项目中，我们的目标是开发一种径流模型，即使在数据有限的地区（例如东南亚新兴国家）也可以应用，并且可以预测由于未来区域发展和气候而导致的径流的长期变化降雨径流模型已经开发出来。还需要考虑将该模型应用于实际流域并高效、高精度地进行分析的模型要求。

项目成果

Three-layered Feedforward Artificial Neural Network with Dropout for Short-term Prediction of Class-differentiated Chl-a Based on Weekly Water-quality Observations in a Eutrophic Agricultural Reservoir

基于每周水质观测的富营养化农业水库分类叶绿素 a 短期预测的三层前馈人工神经网络 Dropout

• DOI: 10.1007/s10333-021-00874-3
• 发表时间: 2022
• 影响因子: 2.2
• 作者: Ren Yamamoto; Masayoshi Harada; Kazuaki Hiramatsu;Toshinori Tabata
• 通讯作者: Toshinori Tabata

Estimation of Class-differentiated in vivo Chlorophyll-a Based on Fluorescence Excitation Spectrum Using a Feedforward Artificial Neural Network

使用前馈人工神经网络基于荧光激发光谱估计体内叶绿素 a 的类别分化

• DOI: 10.15017/4486538
• 发表时间: 2021
• 作者: 山本 錬・原田 昌佳・平松 和昭・田畑 俊範

有明海における深層学習を活用した赤潮発生予測手法の検討

有明海深度学习赤潮发生预测方法研究

• 发表时间: 2022
• 作者: 田畑 俊範・杉江 秀香・ゴン 含遠・平松 和昭・原田 昌佳

Analysis of Salinity Behavior in Hakata Bay after Heavy Rainfall Using a Three-dimensional σ-Coordinate Model

利用三维<i>σ</i>坐标模型分析博多湾强降雨后的盐度行为

• DOI: 10.6090/jarq.55.137
• 发表时间: 2021
• 作者: Akihiro Fukuda; Toshinori Tabata; Kazuaki Hiramatsu;Masayoshi Harada
• 通讯作者: Masayoshi Harada

Assessment of Soil Fertility and Water Quality for Afforestation on Semi–submerged Land: New Insights to Inform Forestry Policy in Thac Mo Hydropower Reservoir

半淹没土地造林土壤肥力和水质评估：为 Thac Mo 水库林业政策提供新见解

• DOI: 10.5109/4772342
• 发表时间: 2022
• 作者: Do Van Quang; Trieu Anh Ngoc; Tran Dang An; Nguyen Van Hai; Vu Thi Hoai Thu; Le Cong Chinh;Kazuaki Hiramatsu
• 通讯作者: Kazuaki Hiramatsu