Core Concepts
天気予報データを入力として使用することで、深層学習モデルを用いた蒸発散の推定精度が向上する。
Abstract
本研究では、天気予報サービス(VC、OWM)から取得した15日間の天気予報データを入力として、蒸発散推定モデルの性能評価を行った。
2つのアプローチを検討した:
限定的な気象パラメータを入力として直接蒸発散を推定するモデル(ET_ANN)
限定的な気象パラメータから太陽放射量を推定し、それを用いてFAO56-PMによる蒸発散を算出するモデル(ET_Hyb.)
ET_Hyb.モデルの方がET_ANNモデルよりも良好な結果を示した。
VC、OWMの両方の天気予報データを用いた場合、ほぼ同等の精度が得られた。
天気予報データを用いた場合、観測データを用いた場合と比べて精度が低下するが、11日先までの蒸発散推定が可能であることが示された。
Stats
天気予報データを用いた場合のET_ANNモデルのR2は0.859-0.886の範囲
天気予報データを用いたET_Hyb.モデルのR2は0.866-0.893の範囲
天気予報データを用いたSR_ANNモデルのR2は0.849-0.858の範囲
Quotes
"天気予報データを入力として使用することで、深層学習モデルを用いた蒸発散の推定精度が向上する。"
"ET_Hyb.モデルの方がET_ANNモデルよりも良好な結果を示した。"
"VC、OWMの両方の天気予報データを用いた場合、ほぼ同等の精度が得られた。"