权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

汎用性の高い湿度環境指標推定手法の開発と時空間分布評価

开发通用性强的湿度环境指数估算方法及时空分布评价

基本信息

批准号：
20K04757
负责人：
赤塚慎
金额：
$ 2.16万
依托单位：
Kochi University of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K04757/
关键词：
可降水量相対湿度数値予報データ MSM-GPV MSM 湿度水蒸気

项目摘要

「テーマ① アメダス観測点及びGNSS観測点における湿度環境指標推定手法の開発」に関して，四国地方を対象としてアメダス気象観測データと数値予報データを用いて相対湿度の分布を推定する手法を検討した．昨年度にGNSS可降水量を空間内挿することにより作成した四国地方の毎時の1kmメッシュ可降水量分布図から，気象庁アメダス観測点における毎時の可降水量を抽出し，その可降水量とアメダス気象観測データ(気温，気圧，風向・風速)を用いて，6つの機械学習手法により相対湿度推定モデルを検討した．各手法の精度を比較したところ，ランダムフォレスト(RF)回帰により相対湿度推定モデルの精度が最も高かった．そこで，RFの相対湿度推定モデルに対して，1kmメッシュのGNSS可降水量分布と5kmメッシュ数値予報データ(気温，気圧，風)を入力し，1kmメッシュで相対湿度分布を推定した．その結果，アメダス観測点では，RFの相対湿度推定モデルを用いてGNSS可降水量と気象観測データから，5kmメッシュ数値予報データの相対湿度予報値と同程度の精度で相対湿度を推定可能であることが明らかになった．しかし，RFの相対湿度推定モデルを用いて1kmメッシュのGNSS可降水量分布と5kmメッシュ数値予報データから，１kmメッシュで四国地方全体の相対湿度分布を数値予報データの相対湿度予報値と同程度の精度で推定することはできなかった．また，「テーマ② 気象衛星ひまわりデータを用いた湿度環境指標推定手法の開発」に関して，機械学習手法の一つであるRF回帰を用いて可降水量を推定し，観測時期および観測点による精度比較を行うことで可降水量の推定における精度検証や重要変数を検討した．その結果，位置条件による推定精度の違いに傾向は見られなかった．また，可降水量の推定モデルは各年，各月それぞれで作成する必要があることが分かった

"Development of humidity estimation method for GNSS measurement points" In the past year, GNSS precipitable water amount was measured in the space, and the precipitation distribution of each hour within 1km in the four countries was calculated. The precipitable water amount was extracted from the meteorological observation points. The precipitable water amount was measured in the meteorological observation points (temperature, pressure, wind direction and wind speed). The mechanical learning method was used to estimate the relative humidity. The accuracy of each method is compared and the accuracy of the method is the highest. The relative humidity of RF is estimated according to the temperature, pressure and wind input, and the relative humidity distribution of GNSS precipitation is estimated according to the temperature, pressure and wind input. As a result, the relative humidity estimation of RF is possible due to the difference between the measured temperature and the measured temperature, 5km between the measured temperature and the measured temperature. The relative humidity of RF is estimated by using 1km of GNSS precipitable water distribution and 5km of GPS precipitable water distribution. The relative humidity of RF is estimated by using 1km of GNSS precipitable water distribution and 5 km of GPS precipitable water distribution. In this paper, the author discusses the development of the method for estimating humidity environmental index by means of image satellite, the estimation of precipitable water amount by means of mechanical learning method, the accuracy comparison of the estimation of precipitable water amount by measuring time and measuring point, and the important factors. The result is that the positional conditions are not accurate enough to predict the accuracy of the error. For each month of the year, it is necessary to estimate the amount of precipitation.