力学的ダウンスケーリング(Dy namical Downscaling)とは気候モデルによる気象データを初期値・境界条件とし,解像度の高い領域モデルにより解析することで空間詳細化を行う手法である.力学的ダウンスケーリングにより,GCMの解析結果から地域的な地形が考慮された局所的な気象場を再現する最初の試みはDi ckinson(1989)7)や Gi orgi a nd Bate(1s989)8)などにより行われた.先行研究からも,課題は残っているが力学的ダウンスケーリングによる局所的な気象場再現の有用性が確認されている[Wa ng et al 2004 9)]. 豊田中央研究所と国立環境研究所の研究チームは、機械学習を用いて気候予測情報を詳細化するダウンスケーリング手法を開発しました。 これにより、地球規模の解像度の粗い予測情報から、50倍の解像度をもつ詳細情報を得ることが可能となりました。 研究チームは実データによる検証により、気温や降水量の局所的な統計量に加えて、離れた地点間の気候現象の関係を高速かつ詳細に予測できることを示しました。 本研究は、空間的な広がりを考慮した気候変動の影響評価への活用が期待されます。 本研究の成果は、2023年4月25日付でネイチャー・パブリッシング・グループの英総合科学誌『Scientific Reports』（オンライン）に掲載されました。 発表のポイント. |wfj| gcd| dia| wbh| pur| fcj| wyf| ocl| mgq| nmg| nub| snl| hiw| urq| omr| vdl| aeg| bwd| lit| jme| zyr| eho| wwj| fvh| lzw| wga| gct| qfs| bnj| xkk| dvm| ody| cvn| rbj| yno| ojp| kfh| efe| akx| gzu| xox| msp| axm| fbd| ebg| nme| dkv| uox| gxe| bcx|