[P-PS09] 火星と火星衛星

[PPS09-P19] 放射伝達モデルと深層学習を用いた火星ローバー撮影画像からのダスト光学的厚さ導出

*鹿志村 樹¹、黒田 剛史¹、佐藤 知紘²、岩渕 弘信¹、寺田 直樹¹ (1.東北大学、2.国立研究開発法人情報通信研究機構)

キーワード：火星、ダスト、深層学習、放射伝達モデル

火星ダストストームは局所的なものから全球規模まで発達するものもあり、火星大気の温度上昇や大気循環の強化に影響する重要な気象現象である。また、ダストストームは大気中のダスト量を増加させ、地表付近に到達する太陽放射を減少させることで視界不良や太陽光発電量の低下をもたらすことがある。今日まで、ダストストームをはじめとする火星大気の諸現象を解き明かすために周回機やローバーによる観測や数値シミュレーションを用いた研究などが行われてきたが、発生時の気象場の特徴は明らかになっておらず、モデルでの正確な再現は未だに達成されていない。そこで私たちは、将来の火星探査活動の安全な実施に向け、「火星天気予報」の確立を目指して研究を行っている。
火星天気予報を実現する上で、火星地表面からの観測データ不足や衛星観測における下層大気の高精度観測の難しさなどの理由から深い理解が進んでいない火星境界層(地表から高度数kmまでの層)の気象について、より重点的に観測を行う必要がある。また、地球での天気予報の発展にAMeDAS(地域気象観測システム)が大きく貢献してきたことを鑑みると、火星でもこのような多点での気象観測システムを構築することが望ましい。そこで私たちは、火星上で下層大気ダスト量を多点観測できるような新たな観測手法を開発することを考えた。ダストの量によって大気の視認性が異なることを利用し、火星ローバーが撮影した画像から深層学習によってダスト量を推定するという方法である。
我々は、火星ローバーCuriosityによってMY31~36に撮影された画像、及び同時期にCuriosityから観測した光学的厚さデータを用いて畳み込みニューラルネットワークを学習させ、画像からダスト光学的厚さを推定する実証を行った(Kashimura et al., JpGU 2024)。しかしこれまでは、画像とジオメトリ等のその他データをモデルに入力するのみの簡易的な解析にとどまり、学習させるデータにまだ改善の余地があったことから、本研究ではダストによる画像への影響を深層学習モデルがより直接的に学習するよう、モデルに入力するデータに工夫を加えた。具体的には、放射伝達モデルであるDISORT(DIScrete Ordinate Radiative Transfer)を用いてある基準の光学的厚さにおける空の放射輝度を計算し、観測画像と共にモデルに入力することで、光学的厚さの値に応じて空画像にどのような変化が現れるかを学習させた。
さらにモデル設計や画像からの特徴量エンジニアリング方法の見直し等を検討し、より観測値に近い値を画像から導出することを目指しており、発表ではその時までに得られた結果を紹介する。