ディープラーニングモデルによる河川水温の拡張範囲予測

概要。河川水温は水質に影響を及ぼし、水生生物の多様性、飲料水の供給、電力生産、農業、レクリエーションに影響を与えます。したがって、利害関係者は迅速な対応を支援する運用可能な予測サービスの恩恵を受けるでしょう。ディープラーニングモデルは、監視ネットワークの各ステーションで確率的予測を提供するのに適しています。本研究では、スイス全土54のステーションからの10年分のデータを使用して、いくつかの最先端モデルのトレーニングと評価を行います。モデルの予測因子には、静的流域特性、季節、過去64日間の気象観測値、および次の32日間のアンサンブル予測が含まれ、今後32日間の毎日の最大水温を推定します。結果は、Temporal Fusion Transformer（TFT）モデルが最も優れており、すべてのリードタイム、ステーション、および1年間に分散した90の予測を平均して0.70°Cの連続順位確率スコア（CRPS）を示しました。TFTの次は、CRPSが0.74°Cのリカレントニューラルネットワークエンコーダーデコーダー、次にCRPSが0.75°Cの時系列のためのニューラル階層的補間です。これらのディープラーニングモデルは、各ステーションでトレーニングされた他の単純なモデルを上回ります：ランダムフォレスト（CRPS = 0.80°C）、多層パーセプトロンニューラルネットワーク（CRPS = 0.81°C）、および自己回帰線形モデル（CRPS = 0.96°C）。TFTの平均CRPSは、リードタイム1日で0.38°Cからリードタイム32日で0.90°Cに悪化し、主に気象アンサンブル予測の不確実性によって引き起こされます。さらに、新規および未測定のステーションでのTFT水温予測は、他のモデルよりも優れています。モデル入力の重要性を分析すると、観測された水温と将来の気温の支配的な役割が明らかになり、降水量と季節を含めることで予測スキルがさらに向上します。毎日の最大水温の運用確率予測は、当社のTFTモデルを使用して週に2回生成され、https://www.drought.ch/de/impakt-vorhersagen-malefix/wassertemperatur-prognosen/で公開されています。全体として、この研究は河川水温の拡張範囲の予測可能性と水文学におけるディープラーニングモデルの適用性についての洞察を提供します。