JP6599935B2 - 日射強度推定装置、日射強度推定システム及び日射強度推定方法 - Google Patents

Description

本発明の実施形態は、日射強度推定装置、日射強度推定システム及び日射強度推定方法に関する。

太陽発電の有効活用のためには地表面での日射強度を正確に把握することが必要になる。しかしながら、日射計は地表の特定の地点（以下、観測地点と呼ぶ）に疎に配置されているに過ぎないため、任意の対象地点の日射強度を推定するには、複数の観測地点での日射強度を空間的に内挿する必要がある。これにより、疎に配置された複数の観測地点で得られた日射強度から、その間に位置する任意の対象地点の日射強度を推定することができる。

日射強度の推定手法として、対象地点と複数の観測地点の距離に応じて、各観測地点の日射強度を重み付けして合成する手法などがよく利用されている。この手法の場合、対象地点と観測地点の間の日射強度の変化がある程度滑らかである必要がある。しかしながら、実際には日射強度は雲の有無により急激に変化することが多く、日射強度の滑らかな変化は保証されない。このため、最近では、例えば気象衛星画像などのように、広域的に観測される雲状態データを利用した日射強度推定が行われる。

気象衛星画像は、地上での日射強度を直接観測しているわけではないため、日射計で観測された日射強度と突き合わせて日射強度を推定する必要がある。しかしながら、各地点ごとに気象条件が異なるため、日射強度の推定精度を向上させることは容易ではない。

特開平１１−２１１５６０号公報

本発明の実施形態は、日射強度の推定精度を向上させることが可能な日射強度推定装置、日射強度推定システム及び日射強度推定方法を提供するものである。

本実施形態では、推定モデル生成部と、推定モデル内挿部と、日射強度推定部とを備える日射強度推定装置が提供される。推定モデル生成部は、観測された雲状態データと複数の観測地点で観測された日射強度とに基づいて、前記複数の観測地点での日射強度の推定モデルを生成する。推定モデル内挿部は、前記複数の観測地点での日射強度の推定モデルに基づいて、対象地点での日射強度の推定モデルを生成する。日射強度推定部は、前記雲状態データにより得られる前記対象地点の反射強度と、前記対象地点での日射強度の推定モデルとに基づいて、前記対象地点の日射強度を推定する。

第１の実施形態による日射強度推定装置の原理を説明する図。 第１の実施形態による日射強度推定システムの概略構成を示すブロック図。 日射強度の観測地点と対象地点とを説明する図。 図２をより具体化した日射強度推定装置の概略構成を示すブロック図。 雲状態ＤＢのデータ構成を示す図。 日射強度ＤＢのデータ構成を示す図。 環境ＤＢのデータ構成を示す図。 推定モデル生成部の内部構成の一例を示すブロック図。 推定モデルＤＢのデータ構成を示す図。 推定モデル内挿部の内部構成の一例を示すブロック図。 準備手順のフローチャート。 推定手順のフローチャート。 気象条件の類似性を説明する図。 第２の実施形態による日射強度推定システムの概略構成を示すブロック図。 補助変数ＤＢのデータ構成を示す図。 第２の実施形態による推定モデル生成部の内部構成を示すブロック図。 推定モデル内挿部の内部構成の一例を示すブロック図。 類似性の高い画素間を矢印で結んだ図。 光学的深さと反射強度の関係を示すグラフと、光学的深さと日射強度の関係を示すグラフ。 日射強度計算部の内部構成の一例を示すブロック図。 反射強度−光学的深さ取得部における反射強度と光学的深さｄとの対応関係を示すグラフと、光学的深さ−日射強度取得部における修正光学的深さｄ’と日射強度との対応関係を示すグラフと、光学的深さ変換部における光学的深さｄと修正光学的深さｄ’との対応関係を示すグラフ。

以下、図面を参照して実施の形態について説明する。なお、本件明細書と添付図面においては、理解のしやすさと図示の便宜上、一部の構成部分を省略、変更又は簡易化して説明及び図示しているが、同様の機能を期待し得る程度の技術内容も、本実施の形態に含めて解釈することとする。

（第１の実施形態）
図１は第１の実施形態による日射強度推定装置１の原理を説明する図である。本実施形態による日射強度推定装置１は、地上の任意の対象地点の日射強度を推定するものである。地上には、日射計２が点在しているが、日射計２は設置場所での日射強度を観測するものであり、日射計２が設置されていない場所の日射強度は正確にはわからない。地球の上空には気象衛星３が存在しており、気象衛星３が撮影した衛星画像には、雲４で反射された太陽光の反射強度に応じた輝度情報が含まれている。本実施形態による日射強度推定装置１は、衛星画像の反射強度と日射計２で観測された日射強度との対応関係を多数蓄積しておき、対応関係の学習を行うことで、衛星画像の反射強度から、地上の任意の対象地点の日射強度を精度よく推測するものである。

図２は第１の実施形態による日射強度推定装置１を備えた日射強度推定システム１０の概略構成を示すブロック図である。図２の日射強度推定システム１０は、日射強度推定装置１と、広域雲観測部５と、日射強度観測部６とを備えている。

日射強度推定装置１は、後述するように、地上の任意の対象地点Ｘの日射強度を推定する。より詳細には、日射強度推定装置１は、日射強度観測部６で観測された実測日射強度と、雲で反射された太陽光の反射強度とに基づいて、対象地点Ｘの日射強度を推定する。

広域雲観測部５は、日射強度を推定する対象地点Ｘと実測日射強度を観測する複数の観測地点とを含む広域にわたって雲の状態を観測するセンサを含んでいる。広域雲観測部５は、典型的には気象衛星３である。気象衛星３は、地球の上空から地球の画像を撮影する。気象衛星３が静止衛星である場合、赤道上の同じ経度上に常時位置している。地球から十分な距離が離れているため、地球のほぼ半球を撮影可能であり、非常に広域に連続的に気象データを収集できる。ここで、画像とは、可視光の画像には限定されず、赤外の画像を含む場合もありうる。

広域雲観測部５は、より低い軌道を通る衛星も利用可能である。この場合、地球の近くを周回することから、より高解像度のデータを収集可能である。この種の衛星は地上から見たときに固定されていないので、一つの衛星だけでは同一の領域の連続的なデータを収集できない。そこで、複数の衛星を、時間間隔を調整して対象領域上を飛行させることで、連続的な観測が可能となる。

広域雲観測部５は、気象レーダを含んでいてもよい。気象レーダは、広域の気象条件を収集できるため、広域の雲データを観測できる。気象レーダを用いる場合には、雲の状態を検出可能な周波数帯の電波を使用可能なものを用いれば、雲の状態を観測することができる。この他、広域雲観測部５は、航空機に搭載した撮影装置や地上観測カメラなどでもよい。

日射強度観測部６は、対象領域内に離散的に配置される複数の観測地点にて、地上の日射強度を観測する。日射強度観測部６は、例えば複数の観測地点に配置された複数の日射計２を有する。なお、日射強度観測部６は、間接的に日射強度を観測してもよく、日射強度観測部６は必ずしも日射計２には限定されない。また、太陽光発電装置も、間接的に日射強度を推定できるため、日射強度観測部６として用いることができる。

図２の日射強度推定システム１０は、オプションの構成として、日射強度応用部７を備えていてもよい。日射強度応用部７は、日射強度推定装置１で推定された日射強度を用いて種々の処理を行う。

日射強度応用部７は、例えば太陽光発電装置の診断機能を備えていてもよい。太陽光発電装置の出力は気象条件に大きく依存する。メガソーラーなどの大規模な装置の場合、敷地内に参照用の日射強度計測装置が設置されることが多い。しかし、小規模な設備や一般家庭の屋根などには、日射強度計測装置が設置されておらず、設備が適切な出力を出しているか判断しにくい。このため、設備に劣化や故障があってもそれが見逃される可能性がある。本実施形態による日射強度推定装置１にて、任意の対象地点Ｘでの日射強度が推定できれば、それに基づいて設備が正しく発電しているか診断が可能になる。

また、日射強度応用部７は、野外での画像認識処理機能を備えていてもよい。自動車の自動運転や、市外での監視カメラなど、野外における画像認識に基づく判断を必要とするシステムが増加している。野外において、物体がどのように見えるかは、その時その場所の日射の状況に大きく依存すると考えられる。本実施形態により日射強度が分かれば、画像認識の精度が向上し、自動運転における事故の回避、人物認識精度の向上による犯罪抑止効果が期待できる。また、日射強度の推定値に基づいてカメラの感度を調整することにより画質そのものの向上に利用することも可能である。

また、日射強度応用部７は、空調制御機能を備えていてもよい。一般に、建物内の室温の制御は、その時点の温度に基づいて行われる。建物が日射により暖められるような状況を考えると、その効果は時間的に遅れて現れるものと考えられる。従って、室温のみに基づく制御では制御が後手に回る可能性がある。日射強度の値を利用することにより予測的な制御が可能になり、空調効率の向上が期待できる。日射の影響が顕著な農業用のハウスなどで特に大きな効果が期待できる。

次に、本実施形態による日射強度推定装置１について詳細に説明する。図２に示すように、本実施形態による日射強度推定装置１は、推定モデル生成部１１と、推定モデル内挿部１２と、日射強度推定部１３とを備えている。

推定モデル生成部１１は、広域に観測された雲状態データと、複数の観測地点での実測日射強度とに基づいて、複数の観測地点での日射強度の推定モデルを生成する。雲状態データとしては、例えば衛星画像が用いられる。観測地点での実測日射強度は、例えば日射計２にて観測された日射強度である。推定モデルは、実測日射強度と複数のモデル変数（以下、モデルパラメータと呼ぶ）とによって表すことができる。推定モデルを表す具体的な式は後述する。

推定モデル内挿部１２は、推定モデル生成部１１で生成された複数の観測地点での複数の推定モデルに基づいて、対象地点Ｘでの日射強度の推定モデルを生成する。対象地点Ｘとは、日射計２が存在する複数の観測地点の間の任意の地点である。推定モデル内挿部１２は、日射計２が存在しない任意の地点での日射強度の推定モデルを生成することができる。

日射強度推定部１３は、雲状態データにより得られる対象地点Ｘの反射強度と、推定モデル内挿部１２にて生成された対象地点Ｘでの推定モデルとに基づいて、対象地点Ｘの日射強度を推定する。例えば、雲状態データとして衛星画像を用いる場合、衛星画像にて対象地点Ｘの反射強度を取得できる。日射強度推定部１３は、推定モデル内挿部１２にて生成された対象地点Ｘでの推定モデルに対象地点Ｘの反射強度を入力することで、対象地点Ｘの日射強度を推定する。

図３は、対象領域内の日射強度の複数の観測地点Ａ、Ｂ、…、Ｇと、日射強度を推定する対象地点Ｘとを説明する図である。後述するように、各観測地点には日射計２が配置されており、各日射計２は、対応する観測地点の日射強度を観測する。対象地点Ｘには日射計２が配置されていないため、日射強度推定部１３は、対象地点Ｘの周辺にある複数の観測地点の日射計２で観測した実測日射強度に基づいて、対象地点Ｘの日射強度を推定する。

図４は図２をより具体化した日射強度推定装置１の概略構成を示すブロック図である。図４の日射強度推定装置１は、推定モデル生成部１１と、推定モデル内挿部１２と、日射強度推定部１３とを備える他に、雲状態データベース（以下、雲状態ＤＢ）１４と、日射強度データベース（以下、日射強度ＤＢ）１５と、環境データベース（以下、環境ＤＢ）１６と、推定モデルＤＢ１７とを備えている。

雲状態ＤＢ１４は、広域雲観測部５で観測された雲状態データを格納する。雲状態ＤＢ１４は、典型的には気象衛星画像データベースなどである。この場合、衛星が観測した太陽光の反射強度を画像データ化したものになる。データは、時間的に連続して取得していると見なせる程度に十分に時間的に密に取られているものになる。また、空間的な位置を指定すると、その位置の観測データを取得可能である。例えば、衛星画像の場合、地球上の位置と画像上の画素が対応づけられているので、画像範囲内の任意の地点の反射強度を取得可能である。

図５は雲状態ＤＢ１４のデータ構成を示す図である。図５の雲状態ＤＢ１４は、雲状態値テーブル１４ａと位置テーブル１４ｂを有する。雲状態値テーブル１４ａは、各時刻ごとに、各位置１〜Ｎでの雲状態を格納する。位置テーブル１４ｂは、各位置１〜Ｎの位置番号と、各位置１〜Ｎの経度（ｄｅｇ）と緯度（ｄｅｇ）を含む位置情報との対応関係を格納する。位置１〜Ｎの中に、複数の観測地点と対象地点Ｘとが含まれている。

日射強度ＤＢ１５は、日射強度観測部６で観測された地上日射強度の観測値を格納する。より詳細には、日射強度ＤＢ１５は、観測地点に配置された日射強度観測部６により、一定期間以上観測された日射強度を格納する。日射強度の観測データは、時間的に連続と見なせる程度に十分に時間的に密に取られているものとする。観測地点と時刻を指定すると、指定した場所と時刻の日射強度を取得することができる。

図６は日射強度ＤＢ１５のデータ構成を示す図である。図６の日射強度ＤＢ１５は、日射強度テーブル１５ａと観測地点位置テーブル１５ｂとを有する。日射強度テーブル１５ａは、時刻と各観測地点Ａ〜Ｇの実測日射強度（Ｗ／ｍ^２）との対応関係を格納する。観測地点位置テーブル１５ｂは、各観測地点の経度（ｄｅｇ）と緯度（ｄｅｇ）を格納する。

環境ＤＢ１６は、日射強度の計算のために必要となる補助的な環境情報を格納する。環境情報は、具体的には、大気状態に関する情報とセンサ情報との少なくとも一方を含んでいる。大気状態に関する情報は、例えば、大気中の水蒸気量、大気中の微粒子量、地表面反射係数、大気外の太陽光強度などを含む。センサ情報は、例えば、気象衛星３の場合には衛星の位置情報（静止軌道上の経度）と観測地点の位置情報とを含む。

図７は環境ＤＢ１６のデータ構成を示す図である。図７の環境ＤＢ１６は、環境変数値テーブル１６ａと位置テーブル１６ｂとを有する。環境変数値テーブル１６ａは、各時刻における各位置での環境情報の種類を表す変数を格納する。位置テーブル１６ｂは、各位置を識別する位置番号と、経度（ｄｅｇ）と、緯度（ｄｅｇ）との対応関係を格納する。

日射強度の計算のために必要となる具体的な環境情報は、推定モデルの式によって異なり、上述した以外の環境情報が必要になる場合もありうる。

推定モデルＤＢ１７は、推定モデル生成部１１が生成した対象領域内の観測地点における日射強度推定モデルＩ_Ａ、Ｉ_Ｂ、…、Ｉ_Ｇを格納する。

推定モデル生成部１１は、雲状態ＤＢ１４に格納された雲情報データと、日射強度ＤＢ１５に格納された地上日射強度とに基づいて、各観測地点にて日射強度を推定する。時刻ｔでの観測地点Ａにおける雲状態データの値をｒ_ｔ、日射強度データの値をＩ_ｔとすると、観測地点Ａにおける推定モデルとは、ｒ_ｔを入力としてＩ_ｔの推定値を出力する関数Ｉ_Ａのことである。

図８は推定モデル生成部１１の内部構成の一例を示すブロック図である。図８の推定モデル生成部１１は、日射強度計算部１８と、比較部１９と、モデル修正部２０とを有する。

日射強度計算部１８は、雲状態ＤＢ１４に格納された雲状態データと、環境情報ＤＢに格納された環境情報と、初期の推定モデルとに基づいて、観測地点での日射強度を計算する。

比較部１９は、日射強度計算部１８で計算された日射強度と、観測地点での実測日射強度とを比較する。モデル修正部２０は、日射強度計算部１８で計算された日射強度が観測地点での実測日射強度に一致するように、初期の推定モデルを修正した推定モデルを生成する。

以下、簡易的な回帰モデルの例を用いて、推定モデル生成部１１の動作をより詳細に説明する。推定モデルは、例えば以下の（１）式に従って、雲状態データｒ_ｔから日射強度Ｉ_ｔを推定するモデルについての、回帰分析の問題として定式化できる。

Ｉ_Ａ(ｒ_ｔ)＝ａｒ_ｔ＋ｂ …（１）

上記の（１）式において、ａとｂは未定の係数であり、これらがモデルパラメータである。これらの値は、以下の（２）式に示すように、最小自乗法により決定される。

ここで、ｔは、過去の決められた期間（例えば１年）で変化する。（２）式の計算により、モデルパラメータａとｂを修正するのがモデル修正部２０である。

（２）式にて推定モデルの修正を行うのは、回帰分析の一般的な手法である。対象領域内に観測地点Ａ、Ｂ、…、Ｇがある場合、それぞれについての推定モデルＩ_Ａ、Ｉ_Ｂ、…、Ｉ_Ｇを生成する。以下、観測地点Ａ、Ｂ、…、Ｇに対応する推定モデルのモデルパラメータを（ａ_Ａ、ｂ_Ａ）、（ａ_Ｂ、ｂ_Ｂ）、…、（ａ_Ｇ、ｂ_Ｇ）と表記する。

推定モデルＤＢ１７に格納される各推定モデルは、モデルパラメータａとｂの値がそれぞれ異なるため、推定モデルＤＢ１７は、パラメータ値テーブル１７ａと、観測位置テーブル１７ｂとを有する。パラメータ値テーブル１７ａには、図９に示すように、各観測地点ごとにモデルパラメータａとｂの値が格納されている。推定モデルＤＢ１７に格納された各モデルパラメータａとｂは、必要に応じて、観測地点を指定して読み出すことができる。また、観測位置テーブル１７ｂには、各観測地点の経度（ｄｅｇ）と緯度（ｄｅｇ）を含む位置情報が格納されている。

推定モデル内挿部１２は、対象領域内の任意の対象地点Ｘにおける推定モデルＩ_Ｘを、その周辺の観測地点Ａ、Ｂ、…、Ｇの推定モデルから生成する。なお、対象地点Ｘの周辺の観測地点として、対象領域内のすべての観測地点の推定モデルを用いて、対象地点Ｘにおける推定モデルＩ_Ｘを生成してもよい。演算処理量の制限がある場合には、例えば、対象地点Ｘからの距離に応じた閾値を用いるなどして、一部の観測地点を選択してもよい。その結果、選択された観測地点がＡ、Ｂ、…、Ｇであると考えてもよい。

以下では、推定モデル内挿部１２が、対象地点Ｘと複数の観測地点との距離に応じた重み付け関数を用いた内挿処理について説明する。ここで、二地点間の距離の重み付け関数Ｗ（Ｌ）とする。典型的には、重み付け関数Ｗ（Ｌ）は、以下の（３）式で表される。

なお、重み付け関数Ｗ（Ｌ）は、必ずしも上記（３）式には限定されない。ただし、一般的に、距離が遠いほど重みを小さく設定するため、Ｗ（Ｌ）は距離Ｌの単調減少関数とされる。これを用いて、以下の（４）式のように対象地点Ｘにおける推定モデルＩ_Ｘを構成する。

Ｌ_ｉ（ｉ＝Ａ、Ｂ、…、Ｇ）は、観測地点ｉと対象地点Ｘとの距離である。

図１０は推定モデル内挿部１２の内部構成の一例を示すブロック図である。図１０の推定モデル内挿部１２は、重み計算部２１と、モデル合成部２２とを有する。

重み計算部２１は、例えば上述した（３）式に従って、対象地点Ｘに対する複数の観測地点の重みＷ（Ｌ）をそれぞれ計算する。モデル合成部２２は、例えば上述した（４）式に従って、複数の観測地点の推定モデルを、対応する重みで重み付けした上で合成し、合成された推定モデルＩ_Ｘ（ｒ）を生成する。

図４の日射強度推定部１３は、推定モデル内挿部１２が生成した対象地点Ｘにおける推定モデルＩＸを用いて、対象地点Ｘにおける日射強度を推定する。推定の対象となる時刻はｔである。ｔは過去のいずれの時間であってもよいし、雲状態データがすでに入手できている場合は、ほぼリアルタイムの時刻であってもよい。

日射強度推定部１３は、雲状態ＤＢ１４から対象地点Ｘの雲状態ｒ_tを取得するとともに、環境ＤＢ１６から対象地点Ｘの環境情報を取得する。日射強度推定部１３には、推定モデル生成部１１と同様の日射強度計算部１８が内蔵されており、推定モデルＩ_Ｘ、雲状態ｒ_t、及び環境情報を用いて、推定モデルＩ_Ｘ（ｒ_ｔ））を計算し、対象地点Ｘでの日射強度の推定値を求める。

次に、任意の対象地点Ｘの日射強度を推定する処理手順を説明する。日射強度を推定する処理手順は、準備手順と推定手順の２つに分けられる。図１１は準備手順のフローチャート、図１２は推定手順のフローチャートである。

図１１の準備手順では、まず雲状態データを収集する（Ｓ１）。より具体的には、広域雲観測部５で観測された雲状態データを雲状態ＤＢ１４に格納する。以下では、広域観測部が気象衛星３である例を説明する。衛星画像の場合、数分に一回程度の間隔で、対象領域の画像が撮影される。撮影された対象領域の画像は、ほぼリアルタイムで地上にある基地局に送信されると想定する。雲状態ＤＢ１４は、基地局にある受信装置と通信網で接続されており、送信された画像を格納する。気象衛星３の場合、衛星画像の収集は基本的に常時行われている。撮影される対象領域も基本的に決まっており、画像の画素と地点の対応付けは固定的である。

日射強度観測部６は、対象領域内の複数の観測地点に配置された複数の日射計２にて日射強度を観測する。観測された複数の日射強度は日射強度ＤＢ１５に格納（収集）される（Ｓ２）。通常、複数の日射計２を用いれば、１分程度の間隔で日射量を観測できる。観測された日射強度データは通信網等を介して、リアルタイムに日射強度ＤＢ１５に格納（収集）される。ただし、リアルタイムでの日射強度データの収集が困難な場合は、一時的な記憶装置に日射強度データを格納して、定期的に収集する仕組みを設けてもよい。

推定モデル生成部１１は、複数の観測地点Ａ、Ｂ、…、Ｇのそれぞれに対して、雲状態ＤＢ１４に格納された雲状態と、日射強度ＤＢ１５に格納された日射強度データとを用いて、推定モデルＩ_Ａ、Ｉ_Ｂ、…、Ｉ_Ｇを生成する（Ｓ３）。その際、推定モデルの更新頻度と推定モデルの生成に用いる雲状態データと日射強度データの期間が問題となる。

雲状態データが変動する時間スケールとは異なった、より長い時間スケールでも気象条件は変化している。典型的には季節的な変動があるが、より長い時間スケールでの気候時変動もある。したがって、推定モデルも、いったん生成すれば、それで終わりではなく、更新しなければならない。一般には、新しいデータを用いてモデルを更新した方が予測性能が良いが、モデルの更新頻度の増加は計算コストの増加を招く。一つの解決策は、モデルの予測性能を常時追跡していて、それが劣化したらモデルを更新することである。推定されたモデルは推定モデルＤＢ１７に格納される。

図１１のＳ３の処理が終了すると、図１２の推定手順の処理が開始される。図１２の推定手順では、まず雲状態データから対象地点Ｘの雲状態ｒ_ｔを抽出する（Ｓ１１）。雲状態ｒ_ｔとは、例えば、対象地点Ｘでの太陽光の反射強度である。

推定モデル内挿部１２は、対象地点Ｘの周辺にある複数の観測地点Ａ、Ｂ、…、Ｇの推定モデルＩ_Ａ、Ｉ_Ｂ、…、Ｉ_Ｇから、対象地点Ｘの推定モデルＩ_Ｘを生成する（Ｓ１２）。

日射強度推定部１３は、対象地点Ｘの雲状態ｒ_ｔと対象地点Ｘの推定モデルＩ_Ｘとに基づいて、対象地点Ｘの日射強度推定値Ｉ_Ｘ（ｒ_ｔ）を計算する（Ｓ１３）。

計算された対象地点Ｘの日射強度推定値Ｉ_Ｘ（ｒ_ｔ）は、応答プログラムである日射強度応用部７に引き渡される（Ｓ１４）。

ここで、応用プログラムとは、本実施形態により得られた対象地点Ｘの地上の日射強度の推定値を用いて行われる有用な処理や制御を指す。典型的には、太陽光発電設備の管理運用が挙げられる。太陽光発電設備は、劣化や故障により、太陽光の実際の日射強度に見合わない発電量になる場合がありうる。そこで、推定した日射強度と発電量を比較することにより、故障や劣化を早期に検出することが可能になり、経済的な損失を軽減できる。また、日射強度の推定は、暑さ対策や日焼け対策などに有効であり、応用プログラムは必ずしも太陽光発電関係に限定されるものではない。

このように、第１の実施形態では、衛星画像等の雲状態データに基づいて対象地点Ｘでの雲状態を抽出し、抽出した雲状態に基づいて対象地点Ｘの推定モデルを生成し、生成した対象地点Ｘの推定モデルに基づいて、対象地点Ｘの日射強度を推定する。これにより、対象領域内の日射計２が存在しない任意の対象地点Ｘであっても、簡易かつ精度よく、日射強度を推定できる。

（第２の実施形態）
第２の実施形態は、気象条件の類似性を考慮に入れて推定モデルの内挿処理を行うものである。

上述した第１の実施形態による推定モデル内挿部１２は、観測地点と対象地点Ｘとの距離に応じた重み付けにより内挿処理を行う例を説明した。ところが、空間的な距離が近いとか遠いということは、気象条件の類似性が高いとか低いことを必ずしも意味しない。

図１３は気象条件の類似性を説明する図である。図１３では、対象地点Ｘの周囲に３つの観測地点Ａ、Ｂ、Ｃが存在する例を示している。対象地点Ｘに対して、距離的には観測地点Ａが最も近く、観測地点Ｂ、Ｃの順に遠くなる。対象領域の上空には、雲４がかかっているとする。この雲４の塊は、対象地点Ｘと観測地点Ｃの上空を覆っているが、観測地点ＡとＢの上空には雲はかかっていない。このような状況では、対象地点Ｘに対して観測地点Ｃが気象条件的に最も近くなり、類似性が最大になる。

したがって、推定モデルを内挿する際には、単純に対象地点Ｘからの距離に応じて、各観測地点での推定モデルを重み付けするのではなく、気象条件上の類似性により重み付けするのが望ましい。広域雲観測部５は、広域にわたって雲状態データを観測するため、対象地点Ｘと観測地点との気象条件的な類似性を精度よく検出できる。

上述した気象条件的な類似性が役に立つのは、推定モデルが雲状態以外の変数に依存する場合である。典型的な例として、雲形が挙げられる。雲は、巻雲や高層雲などのいくつかの雲形に分類されており、雲形に応じて地上日射強度の特性が変わってくることが知られている。したがって、推定モデルの説明変数として雲形を組み込めば、日射強度の推定性能が向上することが期待できる。

雲形は地上の観測地点から判別することができるが、衛星画像などのように広域の雲状態データは、分解能が十分ではなく、雲形の判別は難しい。しかし、上記の例のように観測地点Ｃと対象地点Ｘが同じ雲の塊の下に覆われているならば、この二地点は同じ雲形の雲の下にあると推定できる。このことを用いて日射強度推定性能を上げることができる。

雲形のように、日射強度推定には有用であるが、広域雲観測部５では観測できない変数を補助変数と呼ぶことにする。

図１４は第２の実施形態による日射強度推定装置１を備えた日射強度推定システム１０の概略構成を示すブロック図である。図１４の日射強度推定装置１は、図２の日射強度推定装置１の内部構成に加えて、補助変数観測部２３と、補助変数ＤＢ２４とを備えている。

補助変数観測部２３は、雲状態データに基づいて複数の観測地点での補助変数を観測する複数のセンサを有する。補助変数は、上述したように、例えば対象地点Ｘと各観測地点における雲形を識別する変数であり、各地点ごとに補助変数は固有の値を有する。なお、補助変数の具体的な内容は問わないが、補助変数は雲状態データに含まれていない情報である。

補助変数ＤＢ２４は、補助変数観測部２３で観測された補助変数の値を格納する。図１５は補助変数ＤＢ２４のデータ構成を示す図である。図１５の補助変数ＤＢ２４は、パラメータ値テーブル２４ａと観測地点位置テーブル２４ｂとを有する。パラメータ値テーブル２４ａは、各時刻における各観測地点での補助変数の値を格納する。観測地点位置テーブル２４ｂは、各観測地点の経度（ｄｅｇ）と緯度（ｄｅｇ）とを格納する。

図１６は第２の実施形態による推定モデル生成部１１の内部構成を示すブロック図である。図１６の推定モデル生成部１１は、日射強度計算部１８ａの処理動作が図７の日射強度計算部１８とは異なっている。図１６の日射強度計算部１８ａは、雲状態データだけでなく、補助変数も考慮に入れて、各観測地点での日射強度を計算する。モデル修正部２０は、計算された日射強度と実測日射強度とに基づいて、各観測地点での推定モデルを修正する。これにより、補助変数に基づいてモデルパラメータａとｂが修正される。

補助変数をｚ_ｔとすると、推定モデルは、以下の（５）式で表される。

Ｉ_Ａ（ｒ_ｔ）＝ａｒ_ｔ＋ｂ＋ｃｚ_ｔ …（５）

図１７は推定モデル内挿部１２の内部構成の一例を示すブロック図である。図１７の推定モデル内挿部１２は、図９の推定モデル内挿部１２に類似性抽出部２５を追加したものである。類似性抽出部２５は、補助変数に基づいて、対象地点Ｘと複数の観測地点との雲状態の類似性を抽出する。

類似性の計算手法は伝搬モデルと呼ばれる。最初に、問題を分かりやすくするため、広域の雲状態データは格子状に各地点の雲状態を配列したものとなっていると仮定する。例えば衛星画像はまさにこの形になっている。レーダから得られる雲状態データは必ずしも格子状ではないが、格子状に変換することは容易である。以下では衛星画像の場合を念頭に、各格子点を画素と呼ぶ。

伝播モデルでは隣接する画素間の類似性に着目する。図１３の状況で、同じ雲塊の直下にある画素間の類似性と、雲塊の外側にある画素間の類似性は高い。これに対して、雲塊の外側にある画素と雲塊の直下にある画素の間の類似性は低い。図１８は類似性の高い画素間を矢印で結んだ図である。対象地点ＸはＣとは矢印で結ばれているが、Ａ，Ｂとは切り離されている。類似性がこの矢印に沿って伝播すると考えるのが伝播モデルである。

伝播モデルは以下のように数値的アルゴリズムとして実現することができる。画素の総数をｎとし、各画素には適当に指標が振られているものとする。隣接する画素ｉとｊに対して、それぞれの雲状態の値ｒ_ｉ，ｒ_ｊから以下の（６）式のように隣接する画素間の類似性ｗ_ｉｊを定義する。

ここで、σは画像内で雲状態データの取る値の標準偏差に設定するが、適切に調整してもよい。つぎに、ｗ_ｉｊを用いて、画素ｉから隣接する画素ｊへの伝播係ｐ_ｉｊを以下の（７）式のように計算する。

ここで、ｋの取る値の範囲はｉに隣接する画素全体である。さらに、類似性抽出部２５は、ｎ行ｎ列の伝播行列Ｐ＝（ｐ_ｉｊ）を構成する。

このとき、観測地点が存在する画素の指標を、Ｌ＝（ｉ_Ａ、ｉ_Ｂ、…、ｉ_Ｇ）とし、それ以外の指標をＵで表すことにすると、順番を適当に並べ替えることにより、伝搬行列Ｐは以下の（８）式で表される。

このとき、観測地点が存在する画素と、それ以外の画素とが類似性を示す伝播による類似性行列Ｓ_ＵＬは、以下の（９）式で表される。

Ｓ_ＵＬ＝（Ｓ_ｉｊ）＝（１−Ｐ_ＵＵ）Ｐ_ＵＬ …（９）

（９）式の行列における対象地点Ｘに対応する指標をｉ_Ｘとすると、以下の（１０）式に示すＳ_ＵＬのｉ_Ｘ行が対象地点Ｘに対する観測地点Ａ、Ｂ、…、Ｇの重みを表す。

（１０）式の重みを、上述した（４）式に代入することで、複数の観測地点の推定モデルを合成して対象地点Ｘの推定モデルを生成することができる。

このように、第２の実施形態では、対象地点Ｘと複数の観測地点との雲状態の類似性を考慮に入れて、複数の観測地点の重みを計算し、計算した重みを用いて各観測地点の推定モデルを合成して対象地点Ｘの推定モデルを生成するため、雲状態を考慮に入れて対象地点Ｘの日射強度を推定できる。

（第３の実施形態）
上述した第１及び第２の実施形態では、複数の観測地点での実測日射強度に基づいて、各観測地点の推定モデルのモデルパラメータを合わせ込んだ後に、各推定モデルを合成して対象地点Ｘの推定モデルを生成した。このように、推定すべき対象が本来備えている構造に深く立ち入らずに、統計的なデータの合わせ込みで推定モデルを生成する手法をブラックボックスアプローチと呼び、このアプローチに基づいて生成された推定モデルをブラックボックスモデルと呼ぶ。

第１の実施形態では、２つのモデルパラメータａとｂを有する簡易的な推定モデルを説明した。日射強度を推定するモデルは、実際には考慮するべき気象条件が多く、より複雑なものになる。例えば、気象衛星３が観測する太陽光の反射強度から地上日射強度を推定する場合、まず、太陽高度や緯度、経度などの太陽、衛星、地表面上の対象地点Ｘの三者の幾何学的配置が大きく影響する。これ以外にも、大気中の水蒸気含有量、大気中の微粒子含有量、地表面の太陽光反射係数なども考慮に入れる必要がある。これらを説明変数として、日射強度推定のための回帰モデルに組み込もうとすれば、より多くのパラメータが必要になり、推定モデル生成部１１の処理が複雑化してしまう。

衛星画像で観測される反射強度から地上日射強度を推定する計算手法は公知である。大気中の各成分、地表面での反射、散乱及び吸収を考慮して、入射した太陽光がどの方角へどのくらい出ていくかを計算できる。これを放射伝達計算という。正確な計算には大気状態を詳細に指定する必要があるが、近似的には大気状態を光学的深さと呼ばれる一つの量に集約できることが知られている。大気の光学的深さｄとは、大気圏外から来た太陽光がどれだけ地表面に到達するかを表す透過率Ｔと関係する量であり、透過率Ｔと光学的深さｄは、以下の（１１）式で表される。

Ｔ＝ｅｘｐ（−ｄ） …（１１）

放射伝達計算は、与えられた大気条件のもとで、光学的深さｄと衛星が観測する反射強度rの関係を関数ｒ＝Ｆ_１（ｄ）として与えるものである。この関係を用いて、反射強度ｒから光学的深さｄを逆算できる。放射伝達計算は、与えられた大気条件のもとで、光学的深さｄと、地上における日射強度Ｉ＝Ｆ_２（ｄ）の関係も与えることができる。

このように、反射強度ｒから光学的深さｄが求まり、光学的深さｄから地上日射強度Ｉを推定できる。

図１９は、光学的深さｄと反射強度の関係を示すグラフｇ１と、光学的深さｄと日射強度の関係を示すグラフｇ２とを示している。図１９に示す２つのグラフｇ１，ｇ２の計算式が既知であれば、衛星画像にて観測地点の反射強度が取得できれば、これらの計算式を用いて、容易に観測地点の地上日射強度Ｉを推定することができる。

図１９に示すように、推定すべき状態をもたらすメカニズムや手続きを明らかにした上で、それを計算して推定とすることをホワイドボックスアプローチと呼び、またその様にして作られたモデルをホワイトボックスモデルと呼ぶ。

しかしながら、このようにして計算した日射強度の推定精度は必ずしも高くない。その理由は、放射伝達計算にも近似が含まれていることと、大気条件の指定の精度には限界があって誤差が含まれることなどによる。日射強度の推定精度を上げるためには、観測データと突き合わせて推定モデルを調整する仕組みを導入する必要がある。

上述したホワイトボックスとブラックボックスの二つのアプローチの特長を取り入れて、その問題点を補うのがグレイボックスアプローチである。第３の実施形態による日射強度推定装置１は、推定モデルとしてグレイボックスモデルを持つことを特長とする。

第３の実施形態による日射強度推定装置１は、図２と同様のブロック構成を有するが、図７の推定モデル生成部１１内の日射強度計算部１８の処理動作が第１の実施形態とは異なっている。

図２０は日射強度計算部１８の内部構成の一例を示すブロック図である。図２０の日射強度計算部１８は、反射強度−光学的深さ取得部２６と、光学的深さ変換部２７と、光学的深さ−日射強度取得部２８とを有する。

反射強度−光学的深さ取得部２６は、衛星画像により得られる各地点での太陽光の反射強度と、太陽光が地上に届く割合を示す光学的深さとの対応関係を取得する。より具体的には、反射強度−光学的深さ取得部２６は、放射伝達計算を行うことにより、与えられた気象条件の下で、衛星が観測する反射強度から大気の光学的深さを計算する。この計算は時間を要するため、予め反射強度と光学的深さとの対応関係を計算して専用のテーブルに格納しておき、このテーブルに反射強度を入力すると、対応する光学的深さを読み出せるようにしてもよい。なお、このようなテーブルを用意する場合、テーブルに格納される反射強度の値は離散的になる。よって、テーブルに格納されていない反射強度に対応する光学的深さを求めたい場合は、テーブルに格納されていない反射強度に近接するテーブル内の複数の反射強度と、対応する光学的深さとに基づいて、補間処理を行って、所望の反射強度に対応する光学的深さを求めればよい。

光学的深さ−日射強度取得部２８は、光学的深さと日射強度との対応関係を取得する。より具体的には、光学的深さ−日射強度取得部２８は、放射伝達計算を用いることにより、与えられた気象条件の元で、大気の光学的深さから地表面の日射強度を計算する。この計算は時間を要するため、予め光学的深さと日射強度との対応関係を計算して専用のテーブルに格納しておき、このテーブルに光学的深さを入力すると、対応する日射強度を読み出せるようにしてもよい。なお、このようなテーブルを用意する場合、テーブルに格納される光学的深さの値は離散的になる。よって、テーブルに格納されていない光学的深さに対応する日射強度を求めたい場合は、テーブルに格納されていない光学的深さに近接するテーブル内の複数の光学的深さと、対応する日射強度とに基づいて、補間処理を行って、所望の光学的深さに対応する日射強度を求めればよい。

反射強度−光学的深さ取得部２６で取得される光学的深さと、光学的深さ−日射強度取得部２８に入力される光学的深さとは、本来的には一致するはずであるが、実際には、ずれが生じる。そこで、光学的深さ変換部２７は、反射強度−光学的深さ部により得られた光学的深さを、光学的深さ−日射強度取得部２８に適した光学的深さに変換し、変換後の修正光学的深さを光学的深さ−日射強度取得部２８に入力して、日射強度を取得する。このように、光学的深さ−日射強度取得部２８は、より正しくは、修正光学的深さと日射強度との対応関係を取得するものである。

図２１は、反射強度−光学的深さ取得部２６における反射強度と光学的深さｄとの対応関係を示すグラフｇ３と、光学的深さ変換部２７における光学的深さｄと修正光学的深さｄ’との対応関係を示すグラフｇ４と、修正光学的深さ−日射強度取得部２８における修正光学的深さｄ’と日射強度との対応関係を示すグラフｇ５とを示している。

光学的深さ変換部２７は、以下の（１２）式に基づいて、反射強度−光学的深さ取得部２６により得られた光学的深さｄを光学的深さｄ’に変換して、光学的深さ−日射強度取得部２８に入力する。

ｄ’＝ｆ（ｄ；α、β、γ）＝β（ｄ＋γ）^α …（１２）

なお、（１２）式は３つのパラメータを有する関数ｆを用いて光学的深さの変換を行う例を示しているが、これは一例にすぎず、関数ｆのパラメータの数は任意に変更してもよい。

（１２）式に基づいて光学的深さの変換を行う場合、光学的深さ−日射強度取得部２８にて推定される観測地点の日射強度Ｉは、以下の（１３）式で表される。

Ｉ（ｒ）＝Ｆ_２（ｆ（Ｆ_１（ｒ）；α、β、γ）） …（１３）

推定モデル生成部１１は、推定された日射強度が実測日射強度に合致するように、上述したパラメータα、β、γを最適化する。最適化の際に最小二乗法を用いる場合には、以下の（１４）式で表される。

このように、第３の実施形態では、例えば衛星画像から観測地点の反射強度を取得した後、
反射強度と光学的深さとの対応関係から光学的深さを取得し、その後に光学的深さ変換部２７にて光学的深さを変換し、変換後の光学的深さと日射強度との対応関係から観測地点の日射強度を推定する。これにより、細かい気象条件等を考慮に入れることなく、簡易かつ精度よく日射強度を推定できる。

上述した実施形態で説明した日射強度推定装置１及び日射強度推定システム１０の少なくとも一部は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、日射強度推定装置１及び日射強度推定システム１０の少なくとも一部の機能を実現するプログラムをフレキシブルディスクやＣＤ−ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。

また、日射強度推定装置１及び日射強度推定システム１０の少なくとも一部の機能を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ 日射強度推定装置、２ 日射計、３ 気象衛星、５ 広域雲観測部、６ 日射強度観測部、１０ 日射強度推定システム、１１ 推定モデル生成部、１２ 推定モデル内挿部、１３ 日射強度推定部、１４ 雲状態ＤＢ、１５ 日射強度ＤＢ、１６ 環境ＤＢ、１７ 推定モデルＤＢ、１８ 日射強度計算部、１９ 比較部、２０ モデル修正部、２１ 重み計算部、２２ モデル合成部、２３ 補助変数観測部、２４ 補助変数ＤＢ、２５ 類似性抽出部、２６ 反射強度−光学的深さ取得部、２７ 光学的深さ変換部、２８ 光学的深さ−日射強度取得部

Claims (12)

1. 観測された雲状態データと複数の観測地点で観測された日射強度とに基づいて、前記複数の観測地点での日射強度の推定モデルを生成する推定モデル生成部と、
   前記複数の観測地点での日射強度の推定モデルに基づいて、対象地点での日射強度の推定モデルを生成する推定モデル内挿部と、
   前記雲状態データにより得られる前記対象地点の反射強度と、前記対象地点での日射強度の推定モデルとに基づいて、前記対象地点の日射強度を推定する日射強度推定部と、を備える、日射強度推定装置。
2. 前記推定モデル生成部は、広域雲観測部で観測された前記雲状態データと、日射強度観測部で観測された前記複数の観測地点で観測された日射強度と、前記対象地点及び前記複数の観測地点の周囲の環境条件に関する環境情報と、に基づいて、前記複数の観測地点での日射強度の推定モデルを生成する、請求項１に記載の日射強度推定装置。
3. 前記広域雲観測部で観測された前記雲状態データを格納する雲状態格納部と、
   前記日射強度観測部で観測された前記複数の観測地点で観測された日射強度を格納する日射強度格納部と、
   前記環境情報を格納する環境情報格納部と、を備え、
   前記推定モデル生成部は、前記雲状態格納部に格納された前記雲状態データと、前記日射強度格納部に格納された前記日射強度と、前記環境情報格納部に格納された前記環境情報とに基づいて、前記複数の観測地点での日射強度の推定モデルを生成する、請求項２に記載の日射強度推定装置。
4. 前記推定モデル生成部は、
   前記雲状態データと、前記環境情報と、予め設定された推定モデルとに基づいて、観測地点での日射強度を計算する日射強度計算部と、
   前記日射強度計算部で計算された日射強度が当該観測地点で観測された日射強度に一致するように、前記予め設定された推定モデルを修正するモデル修正部と、を有する、請求項２又は３に記載の日射強度推定装置。
5. 前記環境情報は、観測地点における大気状態に関する情報と、観測地点の位置情報との少なくとも一方を含む、請求項２ないし４のいずれか一項に記載の日射強度推定装置。
6. 前記雲状態データは、衛星画像により得られる前記複数の観測地点及び前記対象地点での太陽光の反射強度を含み、
   前記推定モデル生成部は、前記複数の観測地点での反射強度と、前記複数の観測地点で観測された日射強度と、に基づいて、前記複数の観測地点での日射強度の推定モデルを生成する、請求項１ないし５のいずれか一項に記載の日射強度推定装置。
7. 前記推定モデル生成部は、雲観測部にて観測された前記雲状態データと、日射強度観測部にて観測された前記複数の観測地点での日射強度と、に基づいて、前記複数の観測地点での日射強度の推定モデルを生成し、
   前記日射強度推定部は、推定された前記対象地点の日射強度を日射強度応用部に供給する、請求項１ないし６のいずれか一項に記載の日射強度推定装置。
8. 前記対象地点と前記複数の観測地点との気象条件の類似性を抽出する類似性抽出部を備え、
   前記推定モデル内挿部は、前記複数の観測地点での日射強度の推定モデルと前記抽出された類似性とに基づいて、前記対象地点での日射強度の推定モデルを生成する、請求項１ないし７のいずれか一項に記載の日射強度推定装置。
9. 前記類似性抽出部は、前記複数の観測地点及び前記対象地点での雲形の類似性を抽出する、請求項８に記載の日射強度推定装置。
10. 衛星画像により得られる各地点での太陽光の反射強度と、太陽光が地上に届く割合を示す光学的深さとの対応関係を取得する反射強度−光学的深さ取得部と、
    前記光学的深さを修正した修正光学的深さを取得する光学的深さ修正部と、
    前記修正光学的深さと日射強度との対応関係を取得する光学的深さ−日射強度取得部と、を備え、
    前記推定モデル生成部は、衛星画像により得られる観測地点での太陽光の反射強度に対応する前記光学的深さを前記反射強度−光学的深さ取得部から取得し、次に、前記取得された光学的深さを修正した前記修正光学的深さを前記光学的深さ変換部から取得し、次に、前記取得された修正光学的深さに対応する日射強度を前記光学的深さ−日射強度取得部から取得する、請求項１に記載の日射強度推定装置。
11. 対象領域内の任意の対象地点の日射強度を推定する日射強度推定装置と、
    雲状態データを観測する広域雲観測部と、
    前記対象領域内の複数の観測地点での日射強度を観測する日射強度観測部と、を備え、
    前記日射強度推定装置は、
    観測された雲状態データと複数の観測地点で観測された日射強度とに基づいて、前記複数の観測地点での日射強度の推定モデルを生成する推定モデル生成部と、
    前記複数の観測地点での日射強度の推定モデルに基づいて、対象地点での日射強度の推定モデルを生成する推定モデル内挿部と、
    前記雲状態データにより得られる前記対象地点の反射強度と、前記対象地点での日射強度の推定モデルとに基づいて、前記対象地点の日射強度を推定する日射強度推定部と、を備える、日射強度推定システム。
12. 観測された雲状態データと複数の観測地点で観測された日射強度とに基づいて、前記複数の観測地点での日射強度の推定モデルを生成する処理と、
    前記複数の観測地点での日射強度の推定モデルに基づいて、対象地点での日射強度の推定モデルを生成する処理と、
    前記雲状態データにより得られる前記対象地点の反射強度と、前記生成された前記対象地点での推定モデルとに基づいて、前記対象地点の日射強度を推定する処理と、を有する、日射強度推定方法。

Images