大気水圏科学(A)
セッション小記号大気水圏科学複合領域・一般(CG)
セッションIDA-CG36
タイトル和文地球環境科学と人工知能
英文Earth & Environmental Sciences and Artificial Intelligence
タイトル短縮名和文Earth & Environmental Sciences and Artificial Intelligence
英文Earth & Environmental Sciences and AI
代表コンビーナ 氏名和文冨田 智彦
英文Tomohiko Tomita
所属和文熊本大学大学院 先端科学研究部
英文Faculty of Advanced Science and Technology, Kumamoto University
共同コンビーナ 1氏名和文福井 健一
英文Ken-ichi Fukui
所属和文大阪大学
英文Osaka University
共同コンビーナ 2氏名和文松岡 大祐
英文Daisuke Matsuoka
所属和文海洋研究開発機構
英文Japan Agency for Marine-Earth Science and Technology
共同コンビーナ 3氏名和文小野 智司
英文Satoshi Ono
所属和文鹿児島大学
英文Kagoshima University
発表言語J
スコープ和文近年、Society 5.0そして持続可能な開発目標（SDGs）の達成に向けて、気象学・海洋学・水文学などの地球環境科学を導く地点観測データ、地上レーダデータ、衛星観測、海洋観測、そして全球客観解析データなど多岐にわたる地球環境データの利活用が期待されています。しかし、現状これらの大量に蓄積されているビッグデータは十分に活用されているとは言えず、多くのデータが誰にも解析されず眠っているとまで言われています。そこでこのようなビッグデータを取り扱うため、人工知能による時空間データモデリング、予測・検知のための機械学習技術、自動化を含めたデータマイニング技術、等の研究が必要になります。そして地球環境データを横断的に分析し利活用することで、環境問題の解決や地球温暖化への対応が可能になります。さらに人工知能は真理探求の科学研究においても第4のパラダイム（第 1： 観測・実験、第 2： 理論、第 3： シミュレーション、第 4： データ駆動）としてデータと科学の橋渡役となることが期待されます。このような研究を加速するため、地球環境データに人工知能を適用する様々な取り組みについての発表を募集します。
英文In recent years, we have been required to explore the gigantic environmental data leading global environmental studies of modern meteorology, oceanography, and hydrology to accomplish Society 5.0 and Sustainable Development Goals (SDGs). Such environmental data, which are typical "big data," include the reliable long-term observatory data, ground radar data, satellite observation, oceanographic observation, global objective analysis data, and so on. However, it is hard to say that such big data are fully utilized, or nobody may have examined many of them. Therefore, to examine the global environment more faithfully, we need to apply the techniques of artificial intelligence/machine learning on such big data, that is, spatiotemporal data modeling of artificial intelligence, prediction and detection by machine learning, techniques of automated data mining, and so forth. Only cross-cutting diagnosis of the gigantic environmental data could resolve a wide variety of environmental problems including measures against global warming. In addition, the application of artificial intelligence/machine learning on the big data would raise us to the 4th paradigm of science (the 1st paradigm, observation/experiment; 2nd, theory; 3rd, simulation; 4th, data driven). This session sincerely invites various research initiatives that accelerate the application of artificial intelligence/machine learning on such gigantic environmental data.
発表方法口頭および（または）ポスターセッション
招待講演白川 真一 (横浜国立大学)
時間講演番号タイトル発表者予稿原稿
口頭発表 5月30日 AM2
10:50 - 11:20ACG36-01ディープニューラルネットワークモデルの最近の発展とその応用白川 真一予稿
11:20 - 11:35ACG36-02大気化学的知見に基づく学習データの最適化によるオキシダント機械学習予測精度の向上佐藤 知紘予稿
11:35 - 11:50ACG36-03Spatiotemporal Climate Forecasting with ConvLSTMEkasit Phermphoonphiphat予稿
11:50 - 12:05ACG36-04深層学習に基づく説明変数を考慮した海氷密接度の短期予測手法川嶋 一誠予稿
口頭発表 5月30日 PM1
13:45 - 14:00ACG36-05深層学習と三次元大気放射伝達モデルを用いた雲のリモートセンシング岩渕 弘信予稿
14:00 - 14:15ACG36-06全方位カメラ画像を用いた夜間の雲量時系列化宮部 花鈴予稿
14:15 - 14:30ACG36-07全天空画像および基本気象要素を用いた雲量の時系列予測小郷原 一智予稿
14:30 - 14:45ACG36-08時系列データに基づく帰納的降水量予測の基礎検討松本 直樹予稿
14:45 - 15:00ACG36-09機械学習を用いたSAR画像中の船舶の検出園家 俊予稿
講演番号タイトル発表者予稿原稿
ポスター発表 5月30日 PM2
ACG36-P01Automatic Detection of Illegal Waste Sites in UAS OrthoimagesYu-Ching Lin予稿
ACG36-P02Using machine learning models to predict the benefits of solar power generation in northern TaiwanSHIH-CHIAO TSAI予稿
ACG36-P033次元畳み込みニューラルネットワークを用いた気象時系列データにおける変化点の検知と注目範囲の可視化小野 智司予稿
ACG36-P04富士川周辺地域における素因と誘因を考慮した機械学習による土砂災害危険度推定相馬 一義予稿
ACG36-P05短期気象予測における降水量ガイダンスへの深層学習の活用に関する検討倉上 健予稿
ACG36-P06降水イベントの発生数比率にみる日本の降水の空間分布特性荻野 健太予稿