JP2016205930A - 天候情報予測装置、天候情報予測方法、及びプログラム - Google Patents

Abstract

【課題】類似する画像の抽出に要する時間を低減し、天候情報を高精度に予測する。
【解決手段】天候に関する天候情報が関連付けられた複数の衛星画像を天候情報に基づきグループ化し、グループに属する衛星画像の特徴を取得し、取得された特徴情報に基づき、複数の衛星画像を再度グループ化し、天候情報を予測する際に用いられる予測対象衛星画像を取得し、予測対象衛星画像の特徴情報を取得し、取得された特徴情報に基づき、予測対象衛星画像に類似する衛星画像を抽出するグループを、特徴グループ分類部により分類されたグループから特定し、特定されたグループに属する衛星画像から、予測対象衛星画像に最も類似する衛星画像を抽出し、抽出された衛星画像に関連付けられた天候情報に基づき、将来の天候情報を予測する。
【選択図】図６

Description

本発明は、天候情報予測装置、天候情報予測方法、及びプログラムに関する。

近年、再生可能エネルギーが注目を浴びており、例えば、太陽光発電設備の設置が急速に普及してきている。太陽光発電の発電量は、天候などの自然環境により発電量が増減するため、太陽光発電設備が電力系統に接続された場合に、電力系統の安定性への影響が懸念されている。例えば、太陽光発電の発電量が予め予測された発電量から外れた場合には、火力発電などの発電設備を利用して電力系統の需給バランスを調整する必要がある。しかし、火力発電の立ち上げには数時間を要するため、太陽光発電の導入量がさらに増加した場合には、需給バランスが調整しきれない可能性がある。

こうした太陽光発電の発電量を予測する技術として、日射量データと、気象データとにより、予め区分けされた地域ごとの一定時間の日射量を推定し、推定した日射量によって、発電能力ＤＢに基づいて、予め区分けされた地域ごとの太陽光発電の発電量を算定する技術が開示されている（例えば、特許文献１を参照）。
また、過去に撮像された衛星画像から現在撮像された衛星画像と類似した画像を抽出し、日射量を予測する技術もある。

特開２０１２−５３５８２号公報

しかしながら、過去に撮像された莫大な量の衛星画像の中から現在撮像された衛星画像に類似した画像を抽出するためには、１つずつ類似度又は相違度等を算出しなければならないため、非常に時間を要するという問題点があった。

本発明は、上記問題を解決すべくなされたもので、その目的は、類似する画像の抽出に要する時間を低減し、天候情報を高精度に予測することができる天候情報予測装置、発電予測方法、及びプログラムを提供することにある。

上記問題を解決するために、本発明の一態様は、天候に関する天候情報が関連付けられた複数の衛星画像を前記天候情報に基づきグループ化する天候グループ分類部と、前記天候グループ分類部によりグループ化されたグループごとに、当該グループに属する前記衛星画像の特徴を取得する第１特徴取得部と、前記第１特徴取得部により取得された特徴情報に基づき、前記複数の衛星画像を再度グループ化する特徴グループ分類部と、天候情報を予測する際に用いられる予測対象衛星画像を取得する対象画像取得部と、前記対象画像取得部により取得された前記予測対象衛星画像の特徴情報を取得する第２特徴取得部と前記第２特徴取得部により取得された特徴情報に基づき、前記予測対象衛星画像に類似する衛星画像を抽出するグループを、前記特徴グループ分類部により分類されたグループから特定する特定部と、前記特定部により特定されたグループに属する衛星画像から、前記予測対象衛星画像に最も類似する衛星画像を抽出する抽出部と、前記抽出部に抽出された衛星画像に関連付けられた前記天候情報に基づき、将来の天候情報を予測する予測部とを有することを特徴とする。

また、本発明の一態様は、上記の天候情報予測装置において、前記天候情報は、晴天指数及び日射量を含み、前記天候グループ分類部は、前記晴天指数に基づき前記複数の衛星画像をグループ化し、前記予測部は、前記抽出部に抽出された衛星画像に関連付けられた前記日射量に基づき、将来の日射量を予測することを特徴とする。

また、本発明の一態様は、上記の天候情報予測装置において、前記第１特徴取得部は、前記天候グループ分類部によりグループ化された前記グループに属する衛星画像のうち、前記衛星画像予測対象衛星画像が撮像された日時に撮像された衛星画像の特徴を取得することを特徴とする。

また、本発明の一態様は、天候に関する天候情報が関連付けられた複数の衛星画像を前記天候情報に基づきグループ化する天候グループ分類ステップと、前記天候グループ分類ステップによりグループ化されたグループごとに、当該グループに属する前記衛星画像の特徴を取得する第１特徴取得ステップと、前記第１特徴取得ステップにより取得された特徴情報に基づき、前記複数の衛星画像を再度グループ化する特徴グループ分類ステップと、天候情報を予測する際に用いられる予測対象衛星画像を取得する対象画像取得ステップと、前記対象画像取得ステップにより取得された前記予測対象衛星画像の特徴情報を取得する第２特徴取得ステップと、前記第２特徴取得ステップにより取得された特徴情報に基づき、前記予測対象衛星画像に類似する衛星画像を抽出するグループを、前記特徴グループ分類ステップにより分類されたグループから特定する特定ステップと、前記特定ステップにより特定されたグループに属する衛星画像から、前記予測対象衛星画像に最も類似する衛星画像を抽出する抽出ステップと、前記抽出ステップに抽出された衛星画像に関連付けられた前記天候情報に基づき、将来の天候情報を予測する予測ステップとを有することを特徴とする天候情報予測方法。

また、本発明の一態様は、コンピュータに、天候に関する天候情報が関連付けられた複数の衛星画像を前記天候情報に基づきグループ化する天候グループ分類ステップと、前記天候グループ分類ステップによりグループ化されたグループごとに、当該グループに属する前記衛星画像の特徴を取得する第１特徴取得ステップと、前記第１特徴取得ステップにより取得された特徴情報に基づき、前記複数の衛星画像を再度グループ化する特徴グループ分類ステップと、天候情報を予測する際に用いられる予測対象衛星画像を取得する対象画像取得ステップと、前記対象画像取得ステップにより取得された前記予測対象衛星画像の特徴情報を取得する第２特徴取得ステップと、前記第２特徴取得ステップにより取得された特徴情報に基づき、前記予測対象衛星画像に類似する衛星画像を抽出するグループを、前記特徴グループ分類ステップにより分類されたグループから特定する特定ステップと、前記特定ステップにより特定されたグループに属する衛星画像から、前記予測対象衛星画像に最も類似する衛星画像を抽出する抽出ステップと、前記抽出ステップに抽出された衛星画像に関連付けられた前記天候情報に基づき、将来の天候情報を予測する予測ステップとを実行させるためのプログラムである。

本発明によれば、類似する画像の抽出に要する時間を低減し、天候情報を高精度に予測することができる。

天候情報予測装置の一例を示す概略ブロック図である。 画像記憶部が記憶するデータ例を示す図である。 実績記憶部が記憶するデータ例を示す図である。 予測手順の一例を説明するための図である。 特徴を取得する方法を説明するための図である。 予測処理の一例を示すフローチャートである。

以下、本発明の一実施形態による天候情報予測装置について、図面を参照して説明する。
図１は、本実施形態による天候情報予測装置１の一例を示す概略ブロック図である。
天候情報予測装置１は、記憶部１０及び制御部２０を備えている。本実施形態では、各種天候情報を用いるため、それらが記憶されている記憶部１０について最初に説明する。

記憶部１０は、画像記憶部１１及び実績記憶部１２で構成される。このうち、画像記憶部１１が記憶するデータ例について、図２を用いて説明する。図２に示すように、画像記憶部１１は、「撮像時刻情報」、「衛星画像」、及び「分類パラメータ情報」を関連付けて予め記憶している。
ここで、「撮像時刻情報」は、衛星画像を撮像した撮像日時を示し、日付を示す情報と、時刻を示す情報とが含まれる。また、「衛星画像」は、衛星画像を示す画像データであり、本実施形態では可視画像を示す画像データとする。

「分類パラメータ情報」は、各種天候情報を含む情報である。「分類パラメータ情報」には、天候情報として「時刻情報」、「季節情報」、「気温」、「日射量」、「特徴点」、「平均輝度」、「エッジ情報」、「晴天指数」、及び「輝度分布」が含まれる。これら天候情報を、以下の説明では単にパラメータと表現することがある。
「時刻情報」は、衛星画像が撮像された撮像日時を示す。「季節情報」は衛星画像が撮像された季節を示す。「気温」は撮像日時における気温を示す。「日射量」は撮像日時における日射量を示す。「特徴点」は、衛星画像において雲の集中している位置、または、雲があまりない位置などの衛星画像における特徴的な位置を示す。「平均輝度」は、衛星画像の平均輝度を示す。「エッジ情報」は、衛星画像の微分値を示す。「晴天指数」は、撮像日時における晴天指数を示す。この晴天指数とは、日射が大気を通過する際の雲などによる透過率を表す指数である。「輝度分布」は、衛星画像の輝度分布を示す。

例えば、１行目のデータ例において、「撮像時刻情報」は「２０１３／４／１０ ７：００」を示している。「衛星画像」は、「画像Ａ」を示している。「時刻情報」は「７：００」を示している。「季節情報」は「春」を示している。「気温」は「１０度」を示している。「日射量」は「１．００（ｋｗ／ｍ^２（メガジュール／平方メートル））」を示している。
また、「特徴点」は、「（ＸＸ１，ＹＹ１）」を示している。「平均輝度」は「ＸＸＸ」を示している、「エッジ情報」は「エッジ情報Ａ」を示している。「晴天指数」は「０．５」を示している。「輝度分布」は「輝度分布Ａ」を示している。

なお、上述した「衛星画像」は、可視画像を示す情報に限らず、赤外画像としてもよい。また、「分類パラメータ情報」に示される天候情報は、図２に示されるものに限らず、例えば地上気象観測及び上層気象観測で得られた気温・気圧・温度・風向・風速・日射量を示す情報や、天気図の気圧配置（高気圧・低気圧・前線の位置）を含むようにしてもよい。

図３は、実績記憶部１２が記憶するデータ例を示す図である。
図３に示すように、実績記憶部１２は、天候情報として、「日付」、「時刻情報」、「日射量」、「気温」、及び「晴天指数」を関連付けて予め記憶している。このうち、「日付」及び「時刻情報」は、日時を示す。「日射量」は、例えば太陽光発電装置が設置されている場所での日射量を示す。「気温」は、例えば太陽光発電装置が設置されている場所での気温を示す。「晴天指数」は、例えば太陽光発電装置が設置されている場所での晴天指数を示す。

例えば、１行目のデータ例において、「日付」は「２０１３／４／１０」を示している。「時刻情報」は「７：００」を示している。「日射量」は「１．００（ｋｗ／ｍ^２）」を示している。「気温」は「１０度」を示している。「晴天指数」は「０．５」を示している。従って、１行目のデータ例は、２０１３／４／１０の７：００の日射量は１．００（ｋｗ／ｍ^２）であり、気温は１０度であり、晴天指数が０．５であることを示している。

図１の説明に戻り、制御部２０について説明する。制御部２０は、天候グループ分類部２１、特徴取得部２２、対象画像取得部２３、特徴グループ分類部２４、グループ特定部２５、抽出部２６、及び予測部２７を備えている。
天候グループ分類部２１は、画像記憶部１１に記憶されている天候情報が関連付けられた複数の衛星画像を天候情報に基づきグループ化する。特徴取得部２２（第１特徴取得部、第２特徴取得部）は、天候グループ分類部２１によりグループ化された天候グループごとに、天候グループに属する衛星画像の特徴を取得する。

対象画像取得部２３は、天候情報を予測する際に用いられる予測対象衛星画像を取得する。また、対象画像取得部２３は、予測衛星画像とともに、予測衛星画像に関連付けられたパラメータも取得する。この予測対象衛星画像の一例として、天候情報を予測する日の朝に撮像された衛星画像が挙げられる。取得された予測対象衛星画像は、上述した特徴取得部２２により、その特徴が取得される。なお、対象画像取得部２３は、画像記憶部１１に既に予測対象衛星画像が記憶されている場合には、画像記憶部１１から予測対象衛星画像を取得し、そうでない場合には、不図示のネットワークや着脱自在な記憶媒体などにより予測対象衛星画像を取得する。

特徴グループ分類部２４は、特徴取得部２２により取得された特徴ごとに、画像記憶部１１に記憶されている衛星画像を分類することで、衛星画像を再度グループ化する。ここでグループ化されたグループを特徴グループと称する。
グループ特定部２５は、取得された予測対象衛星画像の特徴に基づき、予測対象衛星画像に類似する衛星画像を抽出する特徴グループを特定する。抽出部２６は、グループ特定部２５により特定された特徴グループに属する衛星画像から、予測対象衛星画像に最も類似する衛星画像を抽出する。
予測部２７は、抽出部２６に抽出された衛星画像に関連付けられた天候情報に基づき、将来の天候情報（例えば、予測対象衛星画像が撮像された時間帯の日射量など）を予測する。

以上説明した構成を備えた天候情報予測装置１による予測手順の一例について説明する。図４は、予測手順の一例を説明するための図である。以下に説明する予測手順の一例は、天候情報として日射量を予測する予測手順を示している。
まず、天候グループ分類部２１は、画像記憶部１１に記憶された衛星画像から、晴天指数に基づき、天候グループＡ、Ｂ、Ｃ、Ｄの４つにグループ化する（Ｓ１）。天候グループＡは、ほぼ１日快晴となった日に撮像された衛星画像のグループである。具体的に、天候グループＡは、衛星画像が撮像された日に対応する実績記憶部１２に記憶された「晴天指数」の平均値が０．７より大きく、かつ晴天指数の日変化が小さいグループである。
天候グループＢは、ほぼ１日曇天か雨となった日に撮像された衛星画像のグループである。具体的に、天候グループＢは、衛星画像が撮像された日に対応する実績記憶部１２に記憶された「晴天指数」の平均値が０．４以下となっているグループである。
天候グループＣは、晴れのち曇りに急変した日に撮像された衛星画像のグループである。具体的に、天候グループＣは、衛星画像が撮像された日に対応する実績記憶部１２に記憶された「晴天指数」が０．５５以上で数時間継続したのち、短時間で０．４未満に低下したグループである。天候グループＤは、天候グループＡ、Ｂ、Ｃのいずれにも属さない衛星画像のグループである。

次いで、特徴取得部２２は、天候グループごとに、天候グループに属する衛星画像の特徴情報を取得する（Ｓ２）。特徴取得部２２において特徴情報を取得する方法の一例について説明する。特徴取得部２２は、分類パラメータ情報に含まれるパラメータの数がｎ個の場合には、分類パラメータ情報をｎ次元のベクトルとみなし、特徴を抽出する。説明を簡単にするために、２次元のベクトルとして特徴情報の取得方法について説明する。

図５は、特徴情報の取得方法を説明するための図である。図５に示される２次元座標は、横軸にパラメータＰ、縦軸にパラメータＱをもつ座標である。この２次元座標において、「天候グループＡ分布範囲」は、天候グループＡに属する衛星画像のパラメータが分布している範囲を示す。同様に、「天候グループＢ分布範囲」は、天候グループＢに属する衛星画像のパラメータが分布している範囲を示す。
また、領域４１を、天候グループＡに属する衛星画像の８割が含まれる領域とする。同様に領域４２を、天候グループＢに属する衛星画像の８割が含まれる領域とする。このとき、特徴取得部２２は、天候グループＡの特徴情報として、０≦Ｐ≦ａと０≦Ｐ≦ｄとを取得し、天候グループＢの特徴情報として、ｂ≦Ｐ≦ｃと０≦Ｐ≦ｄとを取得する。

このような取得方法の他に、天候情報予測装置１の操作者が入力した特徴情報を取得する方法もある。例えば、操作者が天候グループＡの衛星画像の特徴として、例えば「広域に雲がほとんどない」など画像的な特徴を得た場合には、操作者は、衛星画像のパラメータである「平均輝度」Ｐがｂ≦Ｐ≦ｃを満たすという特徴情報を入力することで、特徴取得部２２は、操作者が入力した特徴情報を取得することができる。
なお、特徴取得部２２が特徴を抽出する対象は、グループに属する全ての衛星画像に限るものではない。例えば、グループに属する衛星画像のうち、予測対象衛星画像が撮像された日時、または略一致する日時などを示す撮像時刻情報に関連付けられた衛星画像や、同一季節に撮像された衛星画像を対象としてもよい。この場合、対象となる衛星画像が減少するため、特徴を抽出するための処理負荷を軽減できるので、効率よく特徴情報を取得できる。なお、上述した「予測対象衛星画像の撮像日時と略一致する撮像時刻」とは、例えば撮像日が一致し、撮像時刻が前後１時間以内の時刻である。

図４に戻り、特徴取得部２２により、天候グループＡ、Ｂ、Ｃに対し、以下の特徴情報が取得されたとする。
天候グループＡ（特徴情報Ａ）：「広域に雲がほとんどない」or「四国の南海上に筋状の雲があり、かつ朝鮮半島高松間の雲域が少ない」
天候グループＢ（特徴情報Ｂ）：「関西地域の８割以上が雲に覆われている」or「高松の風上方向にまとまった雲域がある」
天候グループＣ（特徴情報Ｃ）：「四国の南海上に筋状の雲があり、かつ四国山地地上に雲があり、かつ朝鮮半島とその西方の雲の距離が小さい」

こうして特徴取得部２２により得られた特徴情報Ａ，Ｂ，Ｃから、特徴グループ分類部２４は、衛星画像を再度グループ化する（Ｓ３）。例えば、図５に示した領域４１に含まれる衛星画像のグループを特徴情報Ａのグループ（特徴グループＡ）とする。同様に、領域４１に含まれる衛星画像のグループを特徴情報Ｂのグループ（特徴グループＢ）とする。同じようにして、特徴グループＣ（不図示）も分類化される。なお、特徴グループ分類部２４は、特徴グループＡ，Ｂ，Ｃのいずれにも属さない衛星画像を特徴グループＤに分類する。従って、天候グループＡ分布範囲内に分類された衛星画像であっても、領域４１に分類されなかった衛星画像は、グループＤに属することとなる。なお、上記特徴情報Ａ，Ｂ，Ｃ，Ｄにより実際に２６９の衛星画像について調査したところ、特徴グループＡに属する衛星画像は２９個、特徴グループＢに属する衛星画像は２４個、特徴グループＣに属する衛星画像は１３個となった。従って、全体の約２５％が特徴グループＤ以外に分類可能であった。

次に、グループ特定部２５は、取得された特徴に基づき、予測対象衛星画像に類似する衛星画像を抽出するグループを、特徴グループ分類部２４により分類されたグループから特定する（Ｓ４）。グループ特定部２５は、予測対象衛星画像の特徴情報と一致する特徴情報のグループがあれば、当該グループを特定し、一致する特徴情報のグループがない場合には、特徴情報が最も近いグループを特定する。
例えば、図５に示されるように、点４３が予測衛星画像のパラメータを示す場合、グループ特定部２５は、特徴グループＡが予測対象衛星画像の特徴情報と一致する特徴情報のグループであるので、予測対象衛星画像に類似する衛星画像を抽出するグループとして特徴グループＡを特定する。図５の場合、特徴情報が一致するグループが特定されている。特徴情報が一致するグループがない場合、特徴情報が最も近いグループを特定する場合には、予測対象衛星画像のパラメータが示す点とユークリッド距離が最も小さい点を含むグループを特定するようにしてもよい。

次に、抽出部２６は、グループ特定部２５により特定されたグループに属する衛星画像から、予測対象衛星画像に最も類似する衛星画像（類似衛星画像）を抽出する（Ｓ５）。抽出部２６は、類似度が最も大きい衛星画像、または相違度が最も小さい衛星画像を類似衛星画像として抽出する。抽出部２６は、類似度としてＮＣＣ(Normalized Cross Correlation)、ＰＯＣ(Phase-Only Correlation)、相違度としてＳＡＤ(Sum of Absolute Differences) 、ＳＳＤ(Sum of Squared Differences)など手法を用いて類似衛星画像を抽出する。なお、類似衛星画像を抽出する場合には、衛星画像そのものではなく、当該衛星画像の輝度分布が類似している画像を抽出するようにしてもよい。
次に、予測部２７は、類似衛星画像に関連付けられているパラメータである日射量に基づき、日射量を予測する（Ｓ６）。例えば、予測部２７は、類似衛星画像に関連付けられている日射量そのものを予測日射量とする。

図６は、天候情報予測装置１により行われる予測処理の一例を示すフローチャートである。このフローチャートは、天候情報の一例として晴天指数を用いており、また日射量を予測する場合の処理を示している。図６において、天候グループ分類部２１は、画像記憶部１１に記憶された衛星画像を晴天指数に基づきグループ化する（ステップＳ１０１）。次いで、対象画像取得部２３は、予測対象衛星画像を取得する（ステップＳ１０２）。
特徴取得部２２は、効率よく特徴を取得するために、予測対象衛星画像の撮像日時とほぼ一致する撮像時刻に関連付けられた衛星画像（日時一致衛星画像）を、晴天指数でグループ化された天候グループごとに取得する（ステップＳ１０３）。次いで、特徴取得部２２は、天候グループごとに一致衛星画像の特徴情報を取得する（ステップＳ１０４）。ここで取得された特徴情報は、上記特徴情報Ａ，Ｂ，Ｃとする。

次いで、特徴グループ分類部２４は、特徴情報に基づき、複数の衛星画像を再度グループ化する（ステップＳ１０５）。ここでは、特徴グループ分類部２４は、上述した特徴グループＡ、Ｂ，Ｃ，Ｄに分類する。そして、特徴取得部２２は、予測対象画像の特徴情報を取得する（ステップＳ１０６）。
次いで、グループ特定部２５は、取得された特徴情報に基づき、予測対象衛星画像に類似する衛星画像を抽出するグループを、特徴グループ分類部２４により分類されたグループから特定する（ステップＳ１０７）。次いで、抽出部２６は、グループ特定部２５により特定されたグループに属する日時一致衛星画像から、最も類似する類似衛星画像を抽出する（ステップＳ１０８）。ここでは、抽出部２６は、予測対象衛星画像の輝度分布と類似する輝度分布をもつ衛星画像を抽出する。

そして、予測部２７は、類似衛星画像に関連付けられている日射量から日射量を予測して（ステップＳ１０９）、予測処理を終了する。
予測部２７は、日射量を予測する場合に、例えば図２のデータ例の「衛星画像」の画像Ａが抽出部２６により抽出されたときは、画像Ａに関連付けられた「撮像時刻情報」が２０１３／４／１０を示しているため、実績記憶部１２に記憶されている２０１３／４／１０の日射量を予測対象衛星画像が撮像された日の日射量として予測する。

以上説明したように、本実施形態では、まず天候情報でグループ化し、その後特徴情報で再グループ化し、その中から類似衛星画像を抽出するようになっている。このように、特徴取得部２２が特徴を抽出する対象を絞り込むことにより、抽出処理に要する処理負荷を低減できることから、より高速に類似衛星画像を抽出することができるので、類似衛星画像の抽出に要する時間を低減することができる。
さらに、本実施形態では、天候情報でグループ化し、その後特徴情報で再グループ化することから、従来技術のように天候情報を考慮せずに単純に衛星画像を画像として比較して抽出する場合と比較して、天候情報をより高精度に予測することができる。

なお、上述した天候情報予測装置１が備える各構成は、内部に、コンピュータシステムを有している。そして、上述した天候情報予測装置１が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述した天候情報予測装置１が備える各構成における処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。

また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に天候情報予測装置１が備える各構成で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

また、上述した機能の一部又は全部を、ＬＳＩ（Large Scale Integration）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、又は全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、又は汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

１ 天候情報予測装置
１０ 記憶部
１１ 画像記憶部
１２ 実績記憶部
２０ 制御部
２１ 天候グループ分類部
２２ 特徴取得部
２３ 対象画像取得部
２４ 特徴グループ分類部
２５ グループ特定部
２６ 抽出部
２７ 予測部

Claims (5)

1. 天候に関する天候情報が関連付けられた複数の衛星画像を前記天候情報に基づきグループ化する天候グループ分類部と、
   前記天候グループ分類部によりグループ化されたグループごとに、当該グループに属する前記衛星画像の特徴を取得する第１特徴取得部と、
   前記第１特徴取得部により取得された特徴情報に基づき、前記複数の衛星画像を再度グループ化する特徴グループ分類部と、
   天候情報を予測する際に用いられる予測対象衛星画像を取得する対象画像取得部と、
   前記対象画像取得部により取得された前記予測対象衛星画像の特徴情報を取得する第２特徴取得部と、
   前記第２特徴取得部により取得された特徴情報に基づき、前記予測対象衛星画像に類似する衛星画像を抽出するグループを、前記特徴グループ分類部により分類されたグループから特定する特定部と、
   前記特定部により特定されたグループに属する衛星画像から、前記予測対象衛星画像に最も類似する衛星画像を抽出する抽出部と、
   前記抽出部に抽出された衛星画像に関連付けられた前記天候情報に基づき、将来の天候情報を予測する予測部と
   を有することを特徴とする天候情報予測装置。
2. 前記天候情報は、晴天指数及び日射量を含み、
   前記天候グループ分類部は、前記晴天指数に基づき前記複数の衛星画像をグループ化し、
   前記予測部は、前記抽出部に抽出された衛星画像に関連付けられた前記日射量に基づき、将来の日射量を予測することを特徴とする請求項１記載の天候情報予測装置。
3. 前記第１特徴取得部は、前記天候グループ分類部によりグループ化された前記グループに属する衛星画像のうち、前記予測対象衛星画像が撮像された日時に撮像された衛星画像の特徴を取得することを特徴とする請求項１または請求項２記載の天候情報予測装置。
4. 天候に関する天候情報が関連付けられた複数の衛星画像を前記天候情報に基づきグループ化する天候グループ分類ステップと、
   前記天候グループ分類ステップによりグループ化されたグループごとに、当該グループに属する前記衛星画像の特徴を取得する第１特徴取得ステップと、
   前記第１特徴取得ステップにより取得された特徴情報に基づき、前記複数の衛星画像を再度グループ化する特徴グループ分類ステップと、
   天候情報を予測する際に用いられる予測対象衛星画像を取得する対象画像取得ステップと、
   前記対象画像取得ステップにより取得された前記予測対象衛星画像の特徴情報を取得する第２特徴取得ステップと、
   前記第２特徴取得ステップにより取得された特徴情報に基づき、前記予測対象衛星画像に類似する衛星画像を抽出するグループを、前記特徴グループ分類ステップにより分類されたグループから特定する特定ステップと、
   前記特定ステップにより特定されたグループに属する衛星画像から、前記予測対象衛星画像に最も類似する衛星画像を抽出する抽出ステップと、
   前記抽出ステップに抽出された衛星画像に関連付けられた前記天候情報に基づき、将来の天候情報を予測する予測ステップと
   を有することを特徴とする天候情報予測方法。
5. コンピュータに、
   天候に関する天候情報が関連付けられた複数の衛星画像を前記天候情報に基づきグループ化する天候グループ分類ステップと、
   前記天候グループ分類ステップによりグループ化されたグループごとに、当該グループに属する前記衛星画像の特徴を取得する第１特徴取得ステップと、
   前記第１特徴取得ステップにより取得された特徴情報に基づき、前記複数の衛星画像を再度グループ化する特徴グループ分類ステップと、
   天候情報を予測する際に用いられる予測対象衛星画像を取得する対象画像取得ステップと、
   前記対象画像取得ステップにより取得された前記予測対象衛星画像の特徴情報を取得する第２特徴取得ステップと、
   前記第２特徴取得ステップにより取得された特徴情報に基づき、前記予測対象衛星画像に類似する衛星画像を抽出するグループを、前記特徴グループ分類ステップにより分類されたグループから特定する特定ステップと、
   前記特定ステップにより特定されたグループに属する衛星画像から、前記予測対象衛星画像に最も類似する衛星画像を抽出する抽出ステップと、
   前記抽出ステップに抽出された衛星画像に関連付けられた前記天候情報に基づき、将来の天候情報を予測する予測ステップと
   を実行させるためのプログラム。

Images