1. トップ
  2. 太陽系

火星のダストストームを深層学習で自動検出する方法

このエントリーをはてなブックマークに追加
過去の気象データを深層学習することで、火星で発生する局所的なダストストームを自動検出する方法が開発された。

【2022年2月15日 京都産業大学】

火星では時おり、惑星全体を覆うようなダストストーム（砂嵐）が出現し、地球からも観測できるほど大規模に発達することがある。一方、本州程度の面積よりも小さな局所的ダストストームは年間（1火星年＝687日）に1000個以上発生しているが、局所的ダストストームの発生メカニズムはよくわかっていない。

京都産業大学の小郷原一智さんと滋賀県立大学の義忠隆生さんは、局所的ダストストームの発生時に典型的な周囲の大気状態（気圧配置）を調べることで、このメカニズムの解明に取り組んだ。ダストストームが高気圧や低気圧、あるいは前線の通過に伴って発生するかどうかがわかれば、メカニズムを知る手がかりとなる。

研究を行うにあたっては局所的ダストストームがいつどこで発生しているのかを知る必要があるが、そのためのデータベースは存在していなかった。探査機による過去20年にわたる火星大気の観測データは存在するが、その中から局所的ダストストームを人力で探し出すのは難しい。そこで小郷原さんたちは深層学習により、ダストストームの自動検出を試みた。

まず、数十枚程度のダストストームの観測画像を抽出し、ダストストームの位置を機械に示すための「教師画像」を手作業で作成する。それらを用いて深層学習の「ダストストーム識別器」を訓練すると、未知の画像を見てどの部分がダストストームらしいかを示せるようになるという仕組みだ。

ダストストームの領域分割の例
火星のアルカディア平原西部におけるダストストームの領域分割の例。（上）NASAの探査機「マーズ・グローバル・サーベイヤー」がとらえたダストストームの観測画像、（中）小郷原さん作成の教師画像。白いところがダストストーム領域、（下）深層学習の結果から示されたダストストームっぽさ。明るい（白い）ほどダストストームである可能性が高いと判断している（提供：京都産業大学リリース）

この方法を開発したことで、観測画像中にダストストームがあるかないかだけでなく、面積も計測できるようになった。今後さらに改良を加えることで、大雑把な形状の自動認識も可能になるという。

〈参照〉

〈関連リンク〉

関連記事