Innovating assimilation of non-Gaussian image-like observations

点击翻译按钮获取中文摘要

本課題では雲や降水に影響される気象衛生画像などの、非ガウス性の強い画像状の気象観測データを、機械学習手法の一つである変分自己符号化器を用いてガウス性の高い潜在変数に変換し、変換後の空間でガウス分布を仮定したデータ同化手法により解析を実施することで、これまで実現し得なかった、非ガウス・稠密データの同化を実現することを目標としている。2022年度は、フランス気象局附属気象学学校との共同研究により静止気象衛星ひまわり8号によるバンド13の赤外画像を用いて、現実データの変分自己符号化器による学習に取り組んだ（交付申請書に記載の研究実施計画中、2023年度実施予定とした【課題3】に相当）。現実データの収集・フォーマット変換とJulia言語による変分自己符号化器の実装を進め、実際に訓練ループを回せるところまで進捗している。現実のデータ同化に実用できるだけの再構成誤差（すなわち、一度符号化した潜在変数を復号器に通して得られる画像と元の画像が、測器の観測誤差と比べ十分に小さい程度になること）を達成するところまでは至っていないが、符号化器および復号器に多段の畳み込み層を導入することで訓練にかかる計算時間が大幅に短縮されることや、目的関数の設計において通常取り込まれる、近似潜在分布と標準ガウス分布のクルバック・ライブラー発散項を含めないことでむしろ潜在空間における特徴量の分離が明瞭になることなど、重要な知見がこれまでに既に得られている。