[M-GI35] 情報地球惑星科学と大量データ処理

[MGI35-02] 深層学習によるフックエコーの自動検出

*佐々 浩司¹、山脇 正也²、棚瀬 旺和³、久保 智哉²、本田 理恵¹ (1.高知大学教育研究部自然科学系理学部門、2.高知大学理工学部、3.高知大学大学院総合人間自然科学研究科)

キーワード：レーダー観測、深層学習、竜巻

レーダーによる竜巻親雲の捕捉には通常ドップラー速度の極大極小のペアが用いられる。これは、そのシグナルがメソサイクロンや竜巻渦そのものの存在を示すためであり、深層学習による自動検出も試みられている。しかし、ドップラー速度はレーダーに対する接近離反状況を示すものであり、環境風の大きい場合は親雲の移動速度も加わった信号となるため、極大極小のペアをシグナルとして捉える場合には多くの前処理を必要とする。一方、高知大学レーダーネットワークにより過去に捕捉してきた竜巻親雲のうち、被害がないかごく軽微なものを除くと多くは反射強度データに明瞭なフックエコーを示すことがわかっている。反射強度はレーダーの位置関係によって変化することはないため、前処理は必要としない。本研究は、反射強度データから深層学習によりフックエコーを自動検出できるかを明らかにすることを目的とする。
　高知大学レーダーデータで過去に竜巻事例と認定されたもののうち、明瞭なフックエコーが見られる6事例を用いて教師データとし、同じ事例においても観測仰角と観測時間が異なる４事例分の検証データに分けて解析を行なった。フックエコー検出にはCNNのアルゴリズムのうち、SSDを用いた。教師データとするフックエコー画像は４５度ずつ傾けて学習データを増やすとともに、フィルタリング処理をして用いた。
　学習には65時間ほどかかったが、１枚のデータからの検出は0.6秒であり、準リアルタイムで検出可能であることがわかった。親雲を拡大した画像では再現率0.8以上、精度0.9以上で検出精度は極めて高いが、レーダー観測範囲全体では親雲の画像データが相対的に劣化するため、今後検出精度を高めるための改良が必要であることがわかった。