シミュレーション・観測データ融合学習による極端現象発生予測の高度化

通过模拟和观测数据融合学习改进极端现象发生的预测

基本信息

批准号：
22H01316
负责人：
松岡大祐
金额：
$ 11.07万
依托单位：
Japan Agency for Marine-Earth Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

项目摘要

シミュレーションデータと観測データ間のスタイル変換を行うために必要となる機械学習用データの作成、および両データにおける特徴的パターンの分析を行った。前者においては、30年分のシミュレーションデータ（水平解像度14kmの全球非静力学モデルNICAM）に対して熱帯低気圧のトラッキングアルゴリズムを適用し、熱帯低気圧の中心を含む1000km四方の矩形領域のデータ（外向き長波放射量、東西風、南北風、温度、海面校正気圧等）の切り出しを行った。また、衛星観測データ（水平解像度7kmのGridSat）に対しては、熱帯低気圧のベストトラックデータを用い、同じく熱帯低気圧を中心に含む1000km四方の矩形領域のデータ（赤外）を切り出した。さらに、各パッチデータに対して、台風発生からの経過時間、中心最大気圧および最大風速等の値をラベル付けし、データリポジトリより公開を行った。後者については、畳み込みニューラルネットワークを用いた教師なし学習の一種である畳み込みオートエンコーダを用いることで、シミュレーションデータおよび観測データそれぞれに含まれる空間的特徴パターンの抽出を試みた。特に、入力および出力の真値として同一の雲画像（外向き長波放射量または赤外）を与え、エンコードすることで圧縮された情報を用いて、デコードを用いた復元を行った。このとき、畳み込みフィルタの出力を可視化することにより、シミュレーションおよび観測データそれぞれにおいて、熱帯低気圧の雲を構成するエッジや濃淡等の低次特徴のパターンの把握を行った。

我们创建了模拟数据和观察数据之间风格转换所需的机器学习数据，并分析了这两种数据的特征模式。前者采用热带气旋跟踪算法，采用30年的模拟数据（水平分辨率为14 km的全球非静水模型NICAM），以及包括热带气旋中心在内的1000平方公里区域的数据（Outward提取长波辐射、东西风、南北风、温度、海平面校准压力等）。另外，卫星观测数据（水平分辨率为7公里的GridSat）采用了热带气旋的最佳轨迹数据，以热带气旋为中心的1000平方公里的矩形区域的数据（红外）为也提取出来了。此外，每个补丁数据都标注了台风发生以来经过的时间、中心最大气压、最大风速等数值，并从数据存储库向公众开放。对于后者，我们尝试使用卷积自动编码器提取模拟数据和观察数据中包含的空间特征模式，这是一种使用卷积神经网络的无监督学习。具体来说，给出相同的云图像（向外的长波辐射或红外辐射）作为输入和输出的真实值，并使用编码压缩的信息进行解码恢复。此时，通过可视化卷积滤波器的输出，我们能够理解模拟和观测数据中构成热带气旋云的边缘和阴影等低阶特征的模式。