Exploring Real-time Rainfall and Flood Predictions in Fugaku Era with the State-of-the-art Data Science

点击翻译按钮获取中文摘要

本研究の目的は、高精度・高頻度なリアルタイム豪雨・洪水予測を確立することである。2022年度は下記(a)-(d)の研究を推進した。(a) 極端気象予測の改善： 雲微物理の不確定要素である雪氷種は、モデル予測の精度を左右する重要な要素であるが、現状では検証データが十分にない。2022年度には雪氷種画像を分類する畳み込み画像識別器CNN開発し、ResNETやVGG16といった既存の事前学習付きモデルと組み合わせることで、背景ノイズも含む実雪氷種画像の分類・高精度化に成功した。(b) 水文データ同化による洪水予測の高精度化： 降雨・流出・氾濫一体解析モデルRRIにアンサンブルカルマンフィルタ (EnKF)を実装し、初期値改善によりリアルタイム洪水・浸水予測を高精度化した。雄物川を対象にしたRRI-EnKFのプロトタイプの高精度化を進め、気象庁のメソアンサンブル予測を用いてシステムの安定化を実現した。(c) 衛星ビッグデータを用いた豪雨の高頻度予測： 線状降水帯の発達の鍵となる水蒸気分布“湿舌”の形成を予測するため、時空間的に密な衛星ビッグデータを用いた、湿舌のデータ駆動型予測手法を構築する。ConvLSTMを解析雨量に適用し、粗い画像では雨域の大まかな予測が可能であることを確認した。更に、降水のダブルペナルティによる弱い雨の生成を解決するため、コスト関数にSinkhorn距離を適用するConvLSTMの開発を進めた。(d) AIダム操作最適化による災害緩和手法の構築：ここでは高速計算可能な洪水予測エミュレータを開発し洪水の高頻度予測を実現する。2022年度は、雄物川流域を対象に、洪水氾濫モデルの長期積分を行って入力データとし、降水量から最大浸水深を予測する深層学習器とその入力・出力関係を関連付ける機械学習・エミュレータを開発した。更に、浸水の時系列を予測可能な学習器を開発した。