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

点击翻译按钮获取中文摘要

「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