[A-TT29] Machine Learning Techniques in Weather, Climate, Ocean, Hydrology and Disease Predictions

[ATT29-05] 教師なし機械学習アルゴリズムを用いた アリソフの全球気候区分図の更新

*島袋 琉¹、冨田 智彦²、福井 健一³ (1.熊本大学大学院　自然科学教育部、2.熊本大学大学院　先端科学研究部、3.大阪大学　産業科学研究所)

キーワード：アリソフの気候区分、気団、前線、教師なし機械学習

1954年に提案されたアリソフの気候区分は、1月と7月における大規模な気団帯および前線の南北変位に着目し分類された成因的気候区分の代表である。本研究では、全球の客観再解析データに機械学習のクラスタリング技術を適用し、気団域を定量的かつ客観的に決定し、気団の概念に基づいた全球気候区分を行った。10-3月と4-9月の２半年期間における４つの気団帯の南北変位から９つの気候帯を設定し、大陸性気候・海洋性気候、すなわちある気候帯を東西方向の気候の差異を考慮することで、さらに２７の気候区へと細分化した。本研究は先ず、1950年代にアリソフが行ったように、地球の気候を4つの気団帯に分けることは気候の不連続性を捉えられるのか、という点に疑いを持つことから始めた。その結果、1950年代のアリソフの４分類は、現代の高品質な全球再解析データを用いた データ駆動型の観点から支持されることが分かった。さらにクラスタリング技術は、中－高緯度における気団間の前線性降水を正確に捉えることができた。このように、本研究で新しく提案した気候区分は、アリソフの気候区分を約70年ぶりに更新するものであり、気象学・気候学分野へのデータ駆動型の機械学習技術を適用する１例として、成因的気候区分の標準を確立するものである。