[PYTHON] Essayez de dessiner un "front de type carte météo" par apprentissage automatique basé sur des données météorologiques (1)

Dessinons un "front de type carte météorologique" par apprentissage automatique basé sur des données météorologiques. Partie 1

C'est tout le flux

introduction

J'étais une SE qui avait été en charge des systèmes de calcul technique pendant longtemps après avoir obtenu mon diplôme en sciences de la terre lorsque j'étais étudiant. En réponse au boom de l'apprentissage automatique qui a commencé il y a plusieurs années, je jouais avec les données météorologiques en utilisant mon Mac mini à la maison parce que je voulais essayer quelque chose après mes études.

Cette fois, j'ai essayé de tracer une "ligne de front" par apprentissage automatique, donc je l'ai résumé (premier article de Qiita).

Puisqu'il y a plusieurs processus, je pense poster en plusieurs fois. Cet article est un flux général et une annonce préliminaire.

Ce que j'ai fait cette fois

La "carte météo" est créée par l'Agence météorologique sur la base des données d'observation météorologique. Les fronts et les pressions hautes et basses sont dessinés sur des lignes isobares, souvent vues à la télévision et dans les journaux. La figure ci-dessous est la "Breaking Weather Map (SPAS)" à 18h00 UTC le 25 novembre 2019 (3h00 le 26 JST).

Le "front de stagnation" s'étend de la mer du sud-est du Kanto au nord-est, et le "front froid" s'étend plus à l'est à partir de 150 ° de longitude est.

Le «front» est la frontière entre des groupes d'air de nature différente, généralement la frontière entre l'air froid et l'air chaud. Cependant, si vous essayez de visualiser les données météorologiques (vent, pression, température) sur la surface du sol à ce moment,

C'est comme ça (j'ai utilisé le GSM GPV téléchargé de l'Institute for Living Areas, Université de Kyoto). Il semble y avoir une frontière entre l'air froid et chaud partout, et je me dis "Pourquoi un seul est-il dessiné sur la carte météo en première ligne?" Sur cette figure, le vent est Yaha, la ligne de contour épaisse est la pression, et la ligne de contour mince et la couleur (passage du chaud au froid du rouge au bleu) représentent la température.

Si la ligne de front est dessinée automatiquement, il se peut que l'endroit où la différence est grande soit calculé en fonction des données de température, mais dans ce cas, celui dessiné dans la carte météo est Je n'ai pas envie d'être identifié. Par conséquent, le thème était de dessiner un "front de type carte météo" par apprentissage automatique.

En conclusion, c'est la première ligne illustrée dans la figure ci-dessous qui a finalement généré l'apprentissage automatique.

Cette figure est une pure visualisation de la pression et un front superposé appris par machine. Eh bien, la ligne de front est générée à une certaine position.

En réalité, c'est un cas assez réussi, et dans d'autres cas, ce n'est pas le cas.

Carte météorologique de rupture (19 septembre 2019 à 6h00 UTC)

Dessin machine learning

Dans ce cas, un front de stagnation au sud est généré, mais différents fronts (blocage, froid, chaud) s'étendant de la dépression bloquée près de Saharin au nord de Hokkaido ne sont pas générés.

Flux d'apprentissage automatique

Plus précisément, en utilisant les informations météorologiques numériques (GPV), la visualisation de certains éléments météorologiques est entrée, et la carte avant de la "carte météo flash" publiée par l'Agence météorologique est utilisée comme données d'enseignant, U-Net. Il a été formé par un CNN comme.

Données à saisir

Une image qui visualise les données de surface du sol (vent / température / pression) et les données du ciel (pression, température, vent, température équivalente, humidité) à partir des données temporelles initiales du modèle de prévision globale (GSM) de l'Agence météorologique.

En prenant la précédente 18h00 UTC le 25 novembre 2019 à titre d'exemple, c'est comme suit.

Données de surface au sol

Des données dans le ciel Pression / vent / température 850hPa (environ 1500 m au-dessus du ciel)

500hPa (près de 5500m au-dessus du ciel)

Température équivalente (850hPa) Le niveau de température équivalent est un concept qui combine la quantité de vapeur d'eau et la température. Une valeur élevée indique une température et une humidité élevées.

Humidité (700hPa) Le nombre d'humidité est la différence entre la température et la température du point de rosée, et plus l'humidité est élevée, plus la valeur est petite. Ceci est coloré à moins de 3 degrés.

Plomb DC (700hPa) Il représente le mouvement de l'air dans la direction verticale et est une mesure de l'activité de convection (activité des précipitations).

Quelle est la sortie

À partir de l'image ci-dessus, CNN produit la figure suivante.

Ceci et la carte de pression visualisée à partir des données météorologiques

La sortie finale est celle dans laquelle les heures sont ajoutées et l'heure est entrée.

En d'autres termes, où le CNN lui-même devrait-il regarder plusieurs images et tracer une «ligne de front»? Tu es en train d'apprendre.

Flux des futurs postes (prévu)

Je publierai sur le processus que j'ai effectué cette fois dans l'ordre suivant.

[Partie 2: Essayez de dessiner un "front de type carte météorologique" par apprentissage automatique basé sur les données météorologiques (2)](https://qiita.com/m-taque/items/988b08185097dca5f5b5 "Basé sur les données météorologiques Dessinons un "front de type carte météo" par apprentissage automatique (2) ") C'est une histoire de visualisation des données météorologiques en entrée. L'histoire de la visualisation de données numériques au format GPV (manipulation de matplotlib, format GRIB)

[Partie 3: Essayez de dessiner un "front de type carte météorologique" par apprentissage automatique basé sur les données météorologiques (3)](https://qiita.com/m-taque/items/4d5bb45e6b5dc42dc833 "Basé sur les données météorologiques Dessinons un "front de type carte météo" par apprentissage automatique (3) ") L'histoire de l'extraction de la première ligne de la carte météorologique couleur pour les données de formation, c'est-à-dire l'histoire de l'extraction de la seule partie de la ligne de front pour créer les données des enseignants du SPAS de l'Agence météorologique

[4e: Essayez de dessiner un "front de type carte météorologique" par apprentissage automatique basé sur des données météorologiques (4)](https://qiita.com/m-taque/items/80ba51b74167b2aa669e "Basé sur des données météorologiques Dessinons un "front de type carte météo" par apprentissage automatique (4) ") L'histoire de la création d'un CNN qui colorise les cartes météorologiques en noir et blanc pour augmenter les cartes météorologiques en couleur Dans la deuxième histoire dérivée, il y avait peu de cartes météorologiques en version couleur, j'ai donc utilisé à nouveau CNN pour coloriser les cartes météorologiques en version noir et blanc.

[5e: Essayez de dessiner un "front de type carte météorologique" par apprentissage automatique basé sur des données météorologiques (5) Détection automatique de front par apprentissage automatique dans les données météorologiques](https://qiita.com/m-taque/ articles / 2788f623365418db4078)

C'est l'histoire du dessin de la ligne de front CNN, c'est-à-dire l'histoire de CNN qui est le corps principal de l'apprentissage.

Eh bien.