JP4045284B2 - Weather map generating apparatus, weather map generating method, and weather map generating program - Google Patents

Weather map generating apparatus, weather map generating method, and weather map generating program Download PDF

Info

Publication number
JP4045284B2
JP4045284B2 JP2005353465A JP2005353465A JP4045284B2 JP 4045284 B2 JP4045284 B2 JP 4045284B2 JP 2005353465 A JP2005353465 A JP 2005353465A JP 2005353465 A JP2005353465 A JP 2005353465A JP 4045284 B2 JP4045284 B2 JP 4045284B2
Authority
JP
Japan
Prior art keywords
data
weather
weather map
speed
map data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2005353465A
Other languages
Japanese (ja)
Other versions
JP2007155592A (en
Inventor
英朋 境野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Communications Corp
Original Assignee
NTT Communications Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NTT Communications Corp filed Critical NTT Communications Corp
Priority to JP2005353465A priority Critical patent/JP4045284B2/en
Publication of JP2007155592A publication Critical patent/JP2007155592A/en
Application granted granted Critical
Publication of JP4045284B2 publication Critical patent/JP4045284B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Processing Or Creating Images (AREA)

Description

本発明は、画像を生成する技術に関し、特に天気図を生成する技術に関する。   The present invention relates to a technique for generating an image, and more particularly to a technique for generating a weather map.

学術的に価値の高い過去の天気図が、数多く保存されている。これらの過去の天気図は、当時の天気模様を解析するための重要な資料として位置づけられている。しかしながら、古い時代の天気図は、１日当たり１２時間間隔の２回分の天気図しかないため、洪水や台風などによる自然災害が発生した時間帯の天気図が存在しない場合がある。そのため、専門家が、経験に基づいて、存在しない時間帯の天気図を手作業で再現および作成している。   Many historical maps with high academic value are stored. These past weather maps are positioned as important data for analyzing the weather patterns at that time. However, since weather maps of the old era have only two weather maps at 12-hour intervals per day, there are cases where there are no weather maps for times when natural disasters such as floods and typhoons occur. Therefore, experts manually reproduce and create weather maps in non-existing time zones based on experience.

なお、画像データを編集し、新たな画像データを生成する技術については、例えば、特許文献１に記載されている。
特開２００４−３３４６９４ A technique for editing image data and generating new image data is described in Patent Document 1, for example.
JP 2004-334694 A

さて、洪水、台風、低気圧などの自然災害や悪天候を及ぼす自然現象の解明は、一般的に、天気図に記載された等圧線や天気記号などに基づいて行なわれる。そのため、存在しない時間帯の過去の天気図を再現する必要があるが、専門家が手作業で過去の天気図を再現する現状においては、専門家の作業負荷が大きく、天気図の再現には長い時間を要する。   Now, elucidation of natural phenomena such as floods, typhoons, and low pressures that cause natural disasters and bad weather is generally performed based on isobars and weather symbols described in weather maps. Therefore, it is necessary to reproduce past weather maps in non-existing time zones, but in the current situation where experts manually reproduce past weather maps, the workload of experts is heavy, and it is necessary to reproduce weather maps It takes a long time.

本発明は上記事情に鑑みてなされたものであり、本発明の目的は、過去の天気図データを時間的に変化させて、存在しない時間帯の天気図データを生成することにある。   The present invention has been made in view of the above circumstances, and an object of the present invention is to generate weather map data in a non-existing time zone by temporally changing past weather map data.

上記課題を解決するために、本発明は、例えば、天気図生成装置であって、天気図データを入力する入力手段と、前記入力した天気図データから、少なくとも気象物理データと、地図データとをそれぞれ抽出する分離抽出手段と、前記気象物理データから速度を検出し、前記速度を補完した速度場を生成する速度生成手段と、前記気象物理データに対して、前記速度場を設定した偏微分方程式を適用し、前記気象物理データを時間的に変化させた少なくとも１つの予測データを生成する予測データ生成手段と、前記地図データに前記予測データを重ね合わせ、前記天気図データを時間的に変化させた天気図データを復元する復元手段と、を備える。   In order to solve the above-mentioned problems, the present invention is, for example, a weather map generation device, and includes input means for inputting weather map data, and at least meteorological physical data and map data from the input weather map data. Separation / extraction means for extracting, speed generation means for detecting a speed from the meteorological physics data, generating a speed field supplemented with the speed, and partial differential equation in which the speed field is set for the meteorological physical data And predicting data generating means for generating at least one prediction data obtained by temporally changing the meteorological physics data, and superimposing the prediction data on the map data, thereby changing the weather map data over time. Restoring means for restoring the weather map data.

また、本発明は、情報処理装置が行う天気図生成方法であって、前記情報処理装置は、天気図データを入力する入力ステップと、前記入力した天気図データから、少なくとも気象物理データと、地図データとをそれぞれ抽出する分離抽出ステップと、前記気象物理データから速度を検出し、前記速度を補完した速度場を生成する速度生成ステップと、前記気象物理データに対して、前記速度場を設定した偏微分方程式を適用し、前記気象物理データを時間的に変化させた少なくとも１つの予測データを生成する予測データ生成ステップと、前記地図データに前記予測データを重ね合わせて、前記天気図データを時間的に変化させた天気図データを復元する復元ステップと、を行う。   Further, the present invention is a weather map generation method performed by an information processing device, wherein the information processing device inputs an weather map data, and at least meteorological physical data and a map from the input weather map data A separate extraction step for extracting data, a speed generation step for detecting a speed from the meteorological physics data and generating a speed field supplemented with the speed, and the speed field set for the meteorological physics data Applying a partial differential equation to generate at least one prediction data in which the meteorological physics data is temporally changed, and a prediction data generation step for superimposing the prediction data on the map data, thereby converting the weather map data into time And a restoration step for restoring the weather map data that has been changed.

また、本発明は、情報処理装置が実行する天気図生成プログラムであって、前記情報処理装置に、天気図データを入力する入力ステップと、前記入力した天気図データから、少なくとも気象物理データと、地図データとをそれぞれ抽出する分離抽出ステップと、前記気象物理データから速度を検出し、前記速度を補完した速度場を生成する速度生成ステップと、前記気象物理データに対して、前記速度場を設定した偏微分方程式を適用し、前記気象物理データを時間的に変化させた少なくとも１つの予測データを生成する予測データ生成ステップと、前記地図データに前記予測データを重ね合わせて、前記天気図データを時間的に変化させた天気図データを復元する復元ステップと、を実行させる。   Further, the present invention is a weather map generation program executed by the information processing apparatus, an input step of inputting weather map data to the information processing apparatus, and at least weather physical data from the input weather map data, A separation extraction step for extracting map data, a velocity generation step for detecting a velocity from the meteorological physics data and generating a velocity field supplementing the velocity, and setting the velocity field for the meteorological physics data Applying the partial differential equation and generating at least one prediction data in which the meteorological physics data is temporally changed, and superimposing the prediction data on the map data, And a restoration step of restoring the weather map data changed with time.

本発明により、過去の天気図データを時間的に変化させて、存在しない時間帯の天気図データを生成することができる。   According to the present invention, weather map data in a non-existing time zone can be generated by temporally changing past weather map data.

以下、本発明の実施の形態について説明する。   Hereinafter, embodiments of the present invention will be described.

図１は、本発明の一実施形態が適用された天気図生成装置１の構成図である。図示する天気図生成装置１は、データ入力部１１と、画像蓄積部１２と、分離抽出部１３と、速度生成部１４と、予測データ生成部１５と、復元部１６と、表示部１７と、を備える。   FIG. 1 is a configuration diagram of a weather map generation apparatus 1 to which an embodiment of the present invention is applied. The illustrated weather map generation apparatus 1 includes a data input unit 11, an image storage unit 12, a separation / extraction unit 13, a speed generation unit 14, a prediction data generation unit 15, a restoration unit 16, a display unit 17, Is provided.

データ入力部１１は、過去の天気図など元となる天気図を入力し、画像蓄積部１２に記憶する。分離抽出部１３は、画像蓄積部１２に記憶された天気図から、気象物理量、地図などの各要素を、要素毎に分離して抽出する。速度生成部１４は、天気図を解析し、当該天気図の速度を生成する。予測データ生成部１５は、後述する偏微分方程式を用いて、天気図から抽出した気象物理量を変化させた予測データを生成する。復元部１６は、天気図から抽出した地図などに、生成した予測データを重ね合わせて天気図を生成（復元）する。表示部１７は、生成した天気図を出力装置に表示または出力する。   The data input unit 11 inputs an original weather map such as a past weather map and stores it in the image storage unit 12. The separation and extraction unit 13 separates and extracts each element such as a meteorological physical quantity and a map from the weather map stored in the image storage unit 12 for each element. The speed generation unit 14 analyzes the weather map and generates a speed of the weather map. The prediction data generation unit 15 generates prediction data in which the weather physical quantity extracted from the weather map is changed using a partial differential equation described later. The restoration unit 16 generates (restores) a weather map by superimposing the generated prediction data on a map or the like extracted from the weather map. The display unit 17 displays or outputs the generated weather map on the output device.

上記説明した、天気図生成装置１は、ＣＰＵと、メモリと、外部記憶装置と、キーボードやスキャナなどの入力装置と、ディスプレイなどの出力装置と、他の装置と接続するための通信制御装置と、これらの各装置を接続するバスと、を備えた汎用的なコンピュータシステムを用いることができる。このコンピュータシステムにおいて、ＣＰＵがメモリ上にロードされた天気図生成装置１用のプログラムを実行することにより、天気図生成装置１の各機能が実現される。なお、天気図生成装置１の画像蓄積部１２には、メモリまたは外部記憶装置が用いられる。   The weather map generation device 1 described above includes a CPU, a memory, an external storage device, an input device such as a keyboard and a scanner, an output device such as a display, and a communication control device for connecting to other devices. A general-purpose computer system including a bus connecting these devices can be used. In this computer system, each function of the weather map generating device 1 is realized by the CPU executing a program for the weather map generating device 1 loaded on the memory. Note that a memory or an external storage device is used for the image storage unit 12 of the weather map generation device 1.

また、天気図生成装置１用のプログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯなどのコンピュータ読み取り可能な記録媒体に記憶すること、または、ネットワークを介して配信することも可能である。   The program for the weather map generating device 1 can be stored in a computer-readable recording medium such as a hard disk, a flexible disk, a CD-ROM, or an MO, or can be distributed via a network.

次に、本実施形態の天気図生成装置１を用いた天気図の生成処理について説明する。   Next, a weather map generation process using the weather map generation device 1 of the present embodiment will be described.

まず、データ入力部１１は、所定の天気図データを入力し、画像蓄積部１２に記憶する。なお、天気図データは、過去の天気図が紙に記載されたデータ、または、過去の天気図の電子データなどが考えられる。画像入力部１１は、紙に記載された天気図データの場合はスキャナなどを用いて、また、電子データの場合は記憶媒体やネットワークを介して入力する。   First, the data input unit 11 inputs predetermined weather map data and stores it in the image storage unit 12. Note that the weather map data may be data in which past weather maps are written on paper or electronic data of past weather maps. The image input unit 11 uses a scanner or the like for weather map data written on paper, and inputs it via a storage medium or network for electronic data.

そして、分離抽出部１３は、画像蓄積部１２に記憶された天気図データを読み出し、天気図データに設定された各種のデータを、要素（カテゴリー、シンボル）毎にそれぞれ抽出する。   Then, the separation / extraction unit 13 reads the weather map data stored in the image storage unit 12 and extracts various data set in the weather map data for each element (category, symbol).

図２は、天気図データを各要素に分離して抽出する処理を模式的に示した図である。図２（ａ）は、画像蓄積部１２に記憶された元となる天気図データ２００の一例である。図示する天気図データには、日本列島を示す地図２０１と、緯度および経度を示す緯線・経線２０２と、同じ気圧の地点を結んだ等圧線２０３と、天気記号２０４など複数の要素が混在している。   FIG. 2 is a diagram schematically illustrating a process of extracting weather map data by separating it into each element. FIG. 2A is an example of the original weather map data 200 stored in the image storage unit 12. The weather map data shown includes a map 201 indicating the Japanese archipelago, latitude and longitude lines 202 indicating latitude and longitude, isobars 203 connecting points of the same atmospheric pressure, and a plurality of elements such as weather symbols 204. .

なお、台風域内の等圧線２０３は、同心円状となる。また、図示する天気図データでは、天気記号２０４として風の向きと風力とを示している。また、気圧を示す等圧線２０３および天気記号２０４は、天気の状態を示す気象物理量である。   The isobars 203 in the typhoon region are concentric. In the weather map data shown in the figure, the wind direction and the wind force are shown as the weather symbol 204. An isobar 203 indicating the atmospheric pressure and a weather symbol 204 are meteorological physical quantities indicating the weather conditions.

分離抽出部１３は、元の天気図データ２００から、これらの要素各々を個別に抽出する。図２（ｂ）は、地図２０１のみが抽出された地図データ２１０である。図２（ｃ）は、緯線・経線２０２のみが抽出された座標データ２２０である。なお、座標データ２２０は、緯度を示す緯線のみのデータ、または、経度を示す経線のみのデータであってもよい。図２（ｄ）は、等圧線２０３のみが抽出された等圧線データ２３０である。図２（ｅ）は、天気記号２０４のみが抽出された天気記号データ２４０である。   The separation extraction unit 13 individually extracts each of these elements from the original weather map data 200. FIG. 2B shows map data 210 from which only the map 201 is extracted. FIG. 2C shows coordinate data 220 from which only the latitude and longitude lines 202 are extracted. Note that the coordinate data 220 may be data of only latitude lines indicating latitude or data of only meridian lines indicating longitude. FIG. 2D shows the isobaric data 230 from which only the isobaric lines 203 are extracted. FIG. 2E shows the weather symbol data 240 from which only the weather symbol 204 has been extracted.

これらの各要素は、それぞれの色が大きく異なる。そのため、分離抽出部１３は、カラー画像処理により、各要素をそれぞれ抽出する。なお、カラー画像処理については、例えば、田村秀行、「コンピュータ画像処理入門」、総研出版に記載されている。   Each of these elements is greatly different in color. Therefore, the separation / extraction unit 13 extracts each element by color image processing. Color image processing is described, for example, in Hideyuki Tamura, “Introduction to Computer Image Processing”, and Soken Publishing.

具体的には、分離抽出部１３は、元の天気図データ２００のカラー画像（ＲＧＢ）を、カラーモデル変換として、ＨＳＶ（ＨＵＥ，ＳＡＴＵＬＡＴＩＯＮ，ＶＡＬＵＥ）変換を行う。本実施形態では、分離抽出部１３は、ＨＵＥ成分のみを用いて、色特徴量による分離抽出を行う。一般的な天気図データ２００においては、地図２０１は緑色、緯線・経線２０２は茶色、等圧線２０３は青色、天気記号２０４は橙色である。これらの各要素について、ＨＵＥ成分を図に示した場合、横軸にＲ、Ｇ、Ｂで角度を０度から３６０度までとり、縦軸に各色の画素数をとれば、それぞれの色についてのピーク（極大値）が得られる。分離抽出部１３は、このピークが所定の閾値以上のものを抽出する。分離抽出部１３は、ピーク毎に変換前の天気図データ２００（カラー画像）の画素のみを表示することにより、所定の要素のみを抽出することができる。   Specifically, the separation / extraction unit 13 performs HSV (HUE, SATULATION, VALUE) conversion using the color image (RGB) of the original weather map data 200 as color model conversion. In the present embodiment, the separation and extraction unit 13 performs separation and extraction based on color feature amounts using only the HUE component. In the general weather map data 200, the map 201 is green, the latitude and longitude lines 202 are brown, the isobaric lines 203 are blue, and the weather symbols 204 are orange. For each of these elements, when the HUE component is shown in the figure, if the horizontal axis is R, G, B and the angle is from 0 to 360 degrees, and the vertical axis is the number of pixels of each color, A peak (maximum value) is obtained. The separation / extraction unit 13 extracts a peak having a predetermined threshold value or more. The separation extraction unit 13 can extract only predetermined elements by displaying only the pixels of the weather map data 200 (color image) before conversion for each peak.

なお、データ入力部１１が入力した天気図データが紙の場合、紙面上に細かい汚れが付着している場合がある。そのため、分離抽出部１３は、カラー画像処理の前処理として、平滑化処理を行うこととしてもよい。また、分離抽出部１３は、カラー画像処理の前処理として、経験的な値を設定した閾値処理を行うこととしてもよい。   When the weather map data input by the data input unit 11 is paper, fine dirt may be attached on the paper surface. Therefore, the separation extraction unit 13 may perform a smoothing process as a pre-process for color image processing. Further, the separation / extraction unit 13 may perform threshold processing with empirical values set as pre-processing for color image processing.

次に、速度生成部１４が、天気記号から速度場を生成する処理について説明する。なお、本実施形態では、風の天気記号を用いて速度場を生成するものとする。   Next, processing in which the speed generation unit 14 generates a speed field from the weather symbol will be described. In the present embodiment, it is assumed that a velocity field is generated using a wind weather symbol.

図３は、風の天気記号を用いて速度場を生成する処理を模式的に示した図である。図３（ａ）は、天気図データから天気記号のみを抽出した天気記号データ３００である。図示する天気記号データ３００には、３つの風の天気記号が設定されている。風の天気記号は、羽の方向３０１が風の方向を表現し、羽３０１の横に設定された枝線３０２の数が風力を表現している。   FIG. 3 is a diagram schematically showing a process of generating a velocity field using a wind weather symbol. FIG. 3A shows weather symbol data 300 obtained by extracting only the weather symbol from the weather map data. In the illustrated weather symbol data 300, three wind weather symbols are set. In the wind weather symbol, the wing direction 301 represents the wind direction, and the number of branch lines 302 set beside the wing 301 represents the wind force.

速度生成部１４は、風の天気記号から速度ベクトルを生成する。すなわち、速度生成部１４は、風の天気記号の羽の方向３０１および枝線３０２を文字認識技術により読み取り、羽の方向３０１および枝線３０２に対応する速度ベクトルに生成（変換）する。図３（ｂ）は、風の天気記号に基づいて生成された速度ベクトル３１１を示す図である。図示する速度ベクトル３１１は、風の観測地点における速度ベクトルである。   The speed generation unit 14 generates a speed vector from the wind weather symbol. That is, the speed generation unit 14 reads the wing direction 301 and the branch line 302 of the wind weather symbol by the character recognition technique, and generates (converts) the velocities to the speed vector corresponding to the wing direction 301 and the branch line 302. FIG. 3B is a diagram showing a velocity vector 311 generated based on the wind weather symbol. A speed vector 311 shown in the figure is a speed vector at a wind observation point.

一般的な天気図では、風の観測地点が極めて離散的、すなわち、地図上で距離が離れている。そのため、天気記号から生成した速度ベクトル（観測地点の速度ベクトル）だけでは、天気図全体の風の速度場を取得することは困難である。そこで、速度生成部１４は、離散的な速度ベクトルのデータ補間を行う。本実施形態では、離散的なデータから連続的な値を生成する方法の１つである３次元スプライン曲面を用いてデータ補間を行うものとする。したがって、天気図全体の風の速度場は、３次元スプライン曲面を用いてデータ補間を行った滑らかな速度場であるものする。なお、３次元スプライン曲面については、例えば「ＮＵＭＥＲＩＣＡＬ ＲＥＣＩＰＥＳ ｉｎ Ｃ」、技術評論社、に記載されている。   In a general weather map, wind observation points are extremely discrete, that is, they are separated from each other on the map. For this reason, it is difficult to obtain the wind velocity field of the entire weather map only with the velocity vector (observation point velocity vector) generated from the weather symbol. Therefore, the speed generation unit 14 performs data interpolation of discrete speed vectors. In this embodiment, it is assumed that data interpolation is performed using a three-dimensional spline curved surface, which is one of methods for generating continuous values from discrete data. Therefore, the wind velocity field of the entire weather map is a smooth velocity field obtained by performing data interpolation using a three-dimensional spline curved surface. The three-dimensional spline curved surface is described in, for example, “NUMERICAL RECIPES in C”, Technical Review.

速度生成部１４は、３次元スプラインの境界条件に既知な値を用い、また、周辺領域は連続条件とする。これにより、速度生成部１４は、最小２乗法を用いて、スプライン関数の制御パラメータを算出する。境界条件に用いられる既知な値には、速度成分からその大きさを求めたものを用いる。また、既知な値の初期値としては、図３（ｂ）の速度ベクトルの大きさを用いる。   The speed generation unit 14 uses a known value for the boundary condition of the three-dimensional spline, and the surrounding area is a continuous condition. Accordingly, the speed generation unit 14 calculates the control parameter of the spline function using the least square method. As the known value used for the boundary condition, a value obtained from the velocity component is used. As the initial value of the known value, the magnitude of the velocity vector shown in FIG.

なお、スプライン関数の２次元面での分解能として、あらかじめ数十から数百程度の分割数を定義しておく。これにより、メッシュ（格子）が形成され、既知な値を通過する滑らかな曲面が形成される。すなわち、２次元画像の位置と３次元軸とは、スプライン関数の値となる。   Note that the number of divisions of about several tens to several hundreds is defined in advance as the resolution on the two-dimensional surface of the spline function. Thereby, a mesh (lattice) is formed, and a smooth curved surface passing a known value is formed. That is, the position of the two-dimensional image and the three-dimensional axis are spline function values.

そして、速度生成部１４は、速度の成分を算出する。これについては、曲面の勾配を算出すればよく、速度生成部１４は、１次微分を２次元画像の縦方向および横方向について算出する。これにより、全ての格子点上の速度の成分が連続的かつ滑らかに特定される。図３（ｃ）は、３次元スプライン曲面を用いてデータ補間された速度場を示す図である。   The speed generation unit 14 calculates a speed component. For this, the gradient of the curved surface may be calculated, and the speed generation unit 14 calculates the first derivative with respect to the vertical direction and the horizontal direction of the two-dimensional image. As a result, the velocity components on all the lattice points are specified continuously and smoothly. FIG. 3C is a diagram showing a velocity field obtained by data interpolation using a three-dimensional spline curved surface.

なお、速度生成部１４は、以上説明した風の天気記号から速度場を生成する処理と同様の方法で、等圧線データ（図２（ｄ）参照）から速度場を生成することとしてもよい。   The speed generation unit 14 may generate the speed field from the isobaric data (see FIG. 2D) by the same method as the process of generating the speed field from the wind weather symbol described above.

次に、予測データ生成部１５が、等圧線データ（図２（ｄ））および天気記号データ（図２（ｅ））などの気象物理データを、速度に基づいて時間的および空間的に変化させる処理について説明する。なお、等圧線データを例として以下説明する。   Next, a process in which the prediction data generation unit 15 changes meteorological physical data such as isobaric data (FIG. 2D) and weather symbol data (FIG. 2E) temporally and spatially based on the speed. Will be described. In the following description, the isobaric data is taken as an example.

図４は、天気図データから抽出した等圧線データ４００と、当該等圧線データ４００を所定の方向に移動および変形させて生成した予測データ４１０、４２０とを示す図である。図示する例では、予測データ４１０、４２０は、等圧線データ４００を図の右上方向に移動させている。   FIG. 4 is a diagram showing isobaric data 400 extracted from weather map data, and prediction data 410 and 420 generated by moving and deforming the isobaric data 400 in a predetermined direction. In the illustrated example, the prediction data 410 and 420 move the isobar data 400 in the upper right direction in the figure.

予測データ生成部１５は、速度生成部１４が生成した速度（速度場）を偏微分方程式に設定し、天気図データを時間的および空間的に変化させた予測データを、少なくとも１つ生成する。   The prediction data generation unit 15 sets the speed (speed field) generated by the speed generation unit 14 in the partial differential equation, and generates at least one prediction data in which weather map data is changed temporally and spatially.

本実施形態では、以下に示す式１の偏微分方程式を用いるものとする。なお、偏微分方程式については、例えば、池田俊介著「流体の非線形現象−数理解析とその応用−」朝倉書店に記載されている。   In this embodiment, the partial differential equation of Equation 1 shown below is used. The partial differential equations are described in, for example, Akira Shoten, “Nonlinear phenomena of fluids—Mathematical analysis and its application” by Shunsuke Ikeda.

I（x,y,n+1）= I（x,y,n）-Δt・（Ｕ・∇I（x,y,n）-λ∇・∇I（x,y,n）） 式１
また、上記式１を変形させて、以下の式２で表すことができる。 I (x, y, n + 1) = I (x, y, n) −Δt · (U · ∇I (x, y, n) −λ∇ · ∇I (x, y, n)) Equation 1
Further, the above formula 1 can be modified and expressed by the following formula 2.

｛I（x,y,n+1）−I（x,y,n）｝/Δt =-Ｕ・∇I（x,y,n）+λ∇・∇I（x,y,n） 式２
式２において、左辺が時間項、右辺の第１項が移流項、第２項は拡散項であって、画像を構成する画素の画像強度Ｉを変数とする。そして、画素を（x,y）、離散化された時間（または時刻）をｎとすると、Ｉ（x,y,n）は、画素（x,y）の離散化された時間ｎにおける画像強度である。なお、ここでの画像強度は、等圧線データの画像である。 {I (x, y, n + 1) −I (x, y, n)} / Δt = −U · ∇I (x, y, n) + λ∇ · ∇I (x, y, n) 2
In Equation 2, the left side is the time term, the first term on the right side is the advection term, the second term is the diffusion term, and the image intensity I of the pixels constituting the image is a variable. If the pixel is (x, y) and the discretized time (or time) is n, I (x, y, n) is the image intensity at the discretized time n of the pixel (x, y). It is. The image intensity here is an image of isobaric data.

Δtは時間間隔、λは拡散係数、Ｕは速度である。また、∇は１次空間微分演算子、∇・∇は２次空間微分演算子、「・」はベクトル内積である。なお、式２の移流項は、速度Ｕと、画像強度Ｉ（x,y,n）の１次空間微分との積で表される。   Δt is a time interval, λ is a diffusion coefficient, and U is a velocity. Further, １ is a primary spatial differential operator, ∇ / ∇ is a secondary spatial differential operator, and “·” is a vector inner product. Note that the advection term in Equation 2 is represented by the product of the velocity U and the first-order spatial derivative of the image intensity I (x, y, n).

時間間隔Δt、積分回数および拡散係数λについては、生成する画像の変形の程度などに応じて、所定の値をあらかじめ設定しておくものとする。例えば、１時間後の予測データを生成する場合、時間間隔Δtに「１０分」を、積分回数に「６」を設定することが考えられる。なお、演算の安定条件を考慮し、時間間隔Δtは比較的小さな値とし、その分、積分回数を比較的多くすることが好ましい。また、本実施形態では、拡散効果を不要とするため、拡散係数λに「０」を設定する。   As for the time interval Δt, the number of integrations, and the diffusion coefficient λ, predetermined values are set in advance according to the degree of deformation of the generated image. For example, when generating prediction data after one hour, it is conceivable to set “10 minutes” as the time interval Δt and “6” as the number of integrations. Note that it is preferable to set the time interval Δt to a relatively small value in consideration of the calculation stability condition, and to relatively increase the number of integrations accordingly. Further, in this embodiment, “0” is set to the diffusion coefficient λ in order to eliminate the diffusion effect.

速度Ｕには、速度生成部１４が生成した速度（速度場）が設定される。速度Ｕは、等圧線データの各画素が、新たに生成される予測データにおいてどのように移動するのか（移動の方法、移動の大きさ等）を規定するものである。すなわち、速度Ｕは、等圧線データの未来または過去に対応した動きを規定するものである。   In the speed U, the speed (speed field) generated by the speed generation unit 14 is set. The speed U defines how each pixel of the isobaric data moves in the newly generated prediction data (movement method, magnitude of movement, etc.). That is, the speed U defines the movement corresponding to the future or the past of the isobaric data.

予測データ生成部１５は、式１または式２に示す偏微分方程式を差分法に従って離散化し、２次元画像面および離散時間軸に沿って積分を再帰的に繰り返す。I（x,y,n）は、入力される画像強度（既知量）であって、I（x,y,n+1）は式１または式２を計算することにより出力される画像強度である。すなわち、所定の積分回数を設定し、設定した積分回数だけ式１または式２を繰り返し計算することで、等圧線の所望の予測データを生成（出力）することができる。なお、初期値の画像強度I（x,y,n）は、元の天気図データから抽出した等圧線データ４００である。また、生成される予測データは、入力された等圧線データを当該等圧線データに対応する時刻から指定された時刻（過去方向または未来方法）だけ、速度Ｕに基づいて変化させたものである。   The prediction data generation unit 15 discretizes the partial differential equation shown in Equation 1 or Equation 2 according to the difference method, and recursively repeats integration along the two-dimensional image plane and the discrete time axis. I (x, y, n) is the input image intensity (known amount), and I (x, y, n + 1) is the image intensity output by calculating Equation 1 or Equation 2. is there. That is, by setting a predetermined number of integrations and repeatedly calculating Formula 1 or Formula 2 for the set number of integrations, it is possible to generate (output) desired prediction data of isobars. Note that the initial image intensity I (x, y, n) is isobar data 400 extracted from the original weather map data. Further, the generated prediction data is obtained by changing the input isobaric data based on the speed U only at the time (past direction or future method) designated from the time corresponding to the isobaric data.

また、予測データ生成部１５は、気象物理データの１つである天気記号データ（図２（ｅ））についても、今まで説明した等圧線データと同様に、速度に基づいて時間的および空間的に変化させた予測データを生成する。   Further, the prediction data generation unit 15 also temporally and spatially determines the weather symbol data (FIG. 2 (e)), which is one of the meteorological physical data, based on the velocity, similarly to the isobaric data described so far. Generate changed prediction data.

そして、復元部１６は、予測データ生成部１５が生成した予測データを用いて天気図データを復元する。   Then, the restoration unit 16 restores the weather map data using the prediction data generated by the prediction data generation unit 15.

図５は、天気図データを復元する処理を模式的に示した図である。図５（ａ）は、分離抽出部１３が元の天気図データから地図２０１のみを抽出した地図データ６１０である。図５（ｂ）は、分離抽出部１３が元の天気図データから緯線・経線２０２のみを抽出した座標データ６２０である。図５（ｃ）は、予測データ生成部１５が等圧線データに偏微分方程式を適用して生成した予測データ６３０である。図２（ｄ）は、予測データ生成部１５が天気記号データに偏微分方程式を適用して生成した予測データ６４０である。   FIG. 5 is a diagram schematically showing a process of restoring weather map data. FIG. 5A shows map data 610 in which the separation and extraction unit 13 extracts only the map 201 from the original weather map data. FIG. 5B shows coordinate data 620 obtained by the separation / extraction unit 13 extracting only the latitude / longitude line 202 from the original weather map data. FIG. 5C shows prediction data 630 generated by the prediction data generation unit 15 by applying a partial differential equation to the isobaric data. FIG. 2D shows prediction data 640 generated by the prediction data generation unit 15 applying a partial differential equation to weather symbol data.

復元部１６は、分離抽出部１３が抽出した地図データ６１０および座標データ６２０に、予測データ生成部１５が生成した等圧線および天気記号の予測データ６３０、６４０を重ね合わせ、天気図データ６５０を復元（生成）する。そして、表示部１７は、必要に応じて復元部１６が復元した天気図データ６５０を出力装置に表示する。   The restoration unit 16 superimposes the isobaric line and weather symbol prediction data 630 and 640 generated by the prediction data generation unit 15 on the map data 610 and the coordinate data 620 extracted by the separation and extraction unit 13, thereby restoring the weather map data 650 ( Generated). Then, the display unit 17 displays the weather map data 650 restored by the restoration unit 16 on the output device as necessary.

以上説明した本実施形態では、天気図データから抽出した各気象物理データ（等圧線データ、天気記号データ）を偏微分方程式に入力することにより、当該気象物理データを時間的および空間的に変化させた様々なバリエーションの予測データを生成することができる。そして、生成した予測データに、天気図データから抽出した地図データおよび座標データを重ね合わせることで、元の天気図データを時間的および空間的に変化させた天気図データを生成することができる。   In the present embodiment described above, each meteorological physical data (isobaric data, weather symbol data) extracted from the weather map data is input to the partial differential equation, thereby changing the meteorological physical data temporally and spatially. Predictive data of various variations can be generated. Then, weather map data in which the original weather map data is temporally and spatially changed can be generated by superimposing map data and coordinate data extracted from the weather map data on the generated prediction data.

すなわち、本実施形態では、一枚の天気図を入力することにより、当該天気図の観測時点から所定の時間過去に遡った予測天気図、および、当該天気図の観測時点から所定の時間経過した未来の天気図を生成することができる。これにより、過去に発生した災害などの自然現象を、現存する数少ない過去の天気図から解明する際に、手助けとなる時系列な天気図データを短時間で提供することができる。また、解析時間の短縮化を図ることができる。   That is, in this embodiment, by inputting a single weather map, a predicted weather map that goes back a predetermined time in the past from the observation point of the weather map, and a predetermined time has elapsed from the observation point of the weather map Future weather maps can be generated. As a result, time series weather map data can be provided in a short time to assist in elucidating natural phenomena such as disasters that have occurred in the past from the few existing past weather maps. In addition, the analysis time can be shortened.

また、本実施形態では、天気図上の風の天気記号から生成される離散的な速度ベクトルを補完し、天気図全体の密度の高い速度（速度場）を生成する。この密度の高い速度を偏微分方程式に設定することにより、より高い精度の予測データを生成することができる。   In the present embodiment, the discrete velocity vector generated from the wind weather symbol on the weather map is supplemented to generate a high-density speed (speed field) of the entire weather map. By setting this high density speed in the partial differential equation, it is possible to generate prediction data with higher accuracy.

なお、本発明は上記の実施形態に限定されるものではなく、その要旨の範囲内で数々の変形が可能である。例えば、本実施形態では、１枚の天気図データから時間的および空間的に変化させた天気図データを生成することとした。しかしながら、本発明はこれに限定されず、１枚の天気図データを、時間的および空間的を時系列に連続して変化させた天気図データの動画を生成することとしてもよい。   In addition, this invention is not limited to said embodiment, Many deformation | transformation are possible within the range of the summary. For example, in the present embodiment, weather map data that is temporally and spatially changed from a single weather map data is generated. However, the present invention is not limited to this, and a weather map data moving image in which one piece of weather map data is continuously changed in time series in time and space may be generated.

本発明の一実施形態が適用された天気図生成装置の全体構成を示す図である。1 is a diagram illustrating an overall configuration of a weather map generation device to which an embodiment of the present invention is applied. 天気図データを各要素に分離して抽出する処理を模式的に示した図である。It is the figure which showed typically the process which isolate | separates and extracts a weather map data into each element. 風の天気記号から速度を生成する処理を模式的に示した図である。It is the figure which showed typically the process which produces | generates a speed from the wind weather symbol. 等圧線データを変化させて生成した予測データの一例を示す図である。It is a figure which shows an example of the prediction data produced | generated by changing isobaric data. 天気図データを復元する処理を模式的に示した図である。It is the figure which showed typically the process which restores weather map data.

符号の説明Explanation of symbols

１：天気図生成装置、１１：データ入力部、１２：画像蓄積部、１３：分離抽出部、１４：速度生成部、１５：予測データ生成部、１６：復元部、１７：表示部   1: Weather map generation device, 11: Data input unit, 12: Image storage unit, 13: Separation and extraction unit, 14: Speed generation unit, 15: Prediction data generation unit, 16: Restoration unit, 17: Display unit

Claims (6)

天気図生成装置であって、
天気図データを入力する入力手段と、
前記入力した天気図データから、少なくとも気象物理データと、地図データとをそれぞれ抽出する分離抽出手段と、
前記気象物理データから速度を検出し、前記速度を補完した速度場を生成する速度生成手段と、
前記気象物理データに対して、前記速度場を設定した偏微分方程式を適用し、前記気象物理データを時間的に変化させた少なくとも１つの予測データを生成する予測データ生成手段と、
前記地図データに前記予測データを重ね合わせ、前記天気図データを時間的に変化させた天気図データを復元する復元手段と、を備えること
を特徴とする天気図生成装置。 A weather map generation device,
An input means for inputting weather map data;
Separation and extraction means for extracting at least meteorological physical data and map data from the input weather map data,
Speed generating means for detecting a speed from the meteorological physical data and generating a speed field supplemented with the speed;
Predictive data generating means for applying the partial differential equation in which the velocity field is set to the meteorological physics data and generating at least one prediction data obtained by temporally changing the meteorological physics data;
A weather map generating apparatus comprising: a restoring unit that superimposes the prediction data on the map data and restores the weather map data obtained by temporally changing the weather map data. 請求項１記載の天気図生成装置であって、
前記偏微分方程式は、移流項と時間項とを含み、画素の画像強度を変数として有し、
前記移流項は、前記速度場と、前記画像強度の１次空間微分と、の積であること
を特徴とする天気図生成装置。 The weather map generating device according to claim 1,
The partial differential equation includes an advection term and a time term, and has a pixel image intensity as a variable,
The advection term is a product of the velocity field and a first-order spatial derivative of the image intensity. 請求項１記載の天気図生成装置であって、
前記物理気象データには、風の方向および風力が含まれ、
前記速度生成手段は、前記風の方向および風力に基づいて、前記天気図データに設定された観測地点の速度を検出すること
を特徴とする天気図生成装置。 The weather map generating device according to claim 1,
The physical weather data includes wind direction and wind power,
The speed generation means detects a speed of an observation point set in the weather map data based on the wind direction and the wind force. 請求項１記載の天気図生成装置であって、
前記抽出手段は、前記天気図データから、緯度および／または経度を示す座標データを、さらに抽出し、
前記復元手段は、前記地図データおよび前記座標データに、前記予測データを重ね合わせて、前記予測天気図データを復元すること
を特徴とする天気図生成装置。 The weather map generating device according to claim 1,
The extraction means further extracts coordinate data indicating latitude and / or longitude from the weather map data,
The restoration means restores the forecast weather map data by superimposing the forecast data on the map data and the coordinate data. 情報処理装置が行う天気図生成方法であって、
前記情報処理装置は、
天気図データを入力する入力ステップと、
前記入力した天気図データから、少なくとも気象物理データと、地図データとをそれぞれ抽出する分離抽出ステップと、
前記気象物理データから速度を検出し、前記速度を補完した速度場を生成する速度生成ステップと、
前記気象物理データに対して、前記速度場を設定した偏微分方程式を適用し、前記気象物理データを時間的に変化させた少なくとも１つの予測データを生成する予測データ生成ステップと、
前記地図データに前記予測データを重ね合わせて、前記天気図データを時間的に変化させた天気図データを復元する復元ステップと、を行うこと
を特徴とする天気図生成方法。 A weather map generation method performed by an information processing apparatus,
The information processing apparatus includes:
An input step for inputting weather map data;
A separation and extraction step for extracting at least weather physics data and map data from the input weather map data;
A speed generation step of detecting a speed from the meteorological physics data and generating a speed field complementary to the speed;
Applying a partial differential equation in which the velocity field is set to the meteorological physics data to generate at least one forecast data in which the meteorological physics data is temporally changed;
A weather map generation method comprising: a restoring step of superimposing the prediction data on the map data and restoring the weather map data obtained by temporally changing the weather map data. 情報処理装置が実行する天気図生成プログラムであって、
前記情報処理装置に、
天気図データを入力する入力ステップと、
前記入力した天気図データから、少なくとも気象物理データと、地図データとをそれぞれ抽出する分離抽出ステップと、
前記気象物理データから速度を検出し、前記速度を補完した速度場を生成する速度生成ステップと、
前記気象物理データに対して、前記速度場を設定した偏微分方程式を適用し、前記気象物理データを時間的に変化させた少なくとも１つの予測データを生成する予測データ生成ステップと、
前記地図データに前記予測データを重ね合わせて、前記天気図データを時間的に変化させた天気図データを復元する復元ステップと、を実行させること
を特徴とする天気図生成プログラム。

A weather map generation program executed by an information processing device,
In the information processing apparatus,
An input step for inputting weather map data;
A separation and extraction step for extracting at least weather physics data and map data from the input weather map data;
A speed generation step of detecting a speed from the meteorological physics data and generating a speed field complementary to the speed;
Applying a partial differential equation in which the velocity field is set to the meteorological physics data to generate at least one forecast data in which the meteorological physics data is temporally changed;
A weather map generating program, comprising: a step of superimposing the prediction data on the map data and restoring the weather map data obtained by temporally changing the weather map data.

JP2005353465A 2005-12-07 2005-12-07 Weather map generating apparatus, weather map generating method, and weather map generating program Active JP4045284B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2005353465A JP4045284B2 (en) 2005-12-07 2005-12-07 Weather map generating apparatus, weather map generating method, and weather map generating program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2005353465A JP4045284B2 (en) 2005-12-07 2005-12-07 Weather map generating apparatus, weather map generating method, and weather map generating program

Publications (2)

Publication Number Publication Date
JP2007155592A JP2007155592A (en) 2007-06-21
JP4045284B2 true JP4045284B2 (en) 2008-02-13

Family

ID=38240156

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2005353465A Active JP4045284B2 (en) 2005-12-07 2005-12-07 Weather map generating apparatus, weather map generating method, and weather map generating program

Country Status (1)

Country Link
JP (1) JP4045284B2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4499775B2 (en) * 2007-10-31 2010-07-07 日本電信電話株式会社 Pattern prediction apparatus, pattern prediction method, and pattern prediction program
JP4845998B2 (en) * 2009-05-13 2011-12-28 日本電信電話株式会社 Animation method, animation apparatus, and animation program

Also Published As

Publication number Publication date
JP2007155592A (en) 2007-06-21

Similar Documents

Publication Publication Date Title
CN101783872B (en) Apparatus and method for obtaining high resolution image
JP6612487B1 (en) Learning device, classification device, learning method, classification method, learning program, and classification program
JP2007000205A (en) Image processing apparatus, image processing method, and image processing program
CN101147172A (en) Image processing system and program
JP6612486B1 (en) Learning device, classification device, learning method, classification method, learning program, and classification program
CN109447897B (en) Real scene image synthesis method and system
KR20200008343A (en) Image processing apparatus and operating method for the same
CN116797787B (en) Remote sensing image semantic segmentation method based on cross-modal fusion and graph neural network
KR20220032382A (en) Method and system for high resolution sound source maps based on artificial neural network.
WO2017199498A1 (en) Lane specification method and lane specification device
CN110188427A (en) A kind of traffic data fill method decomposed based on non-negative low-rank dynamic mode
JP4045284B2 (en) Weather map generating apparatus, weather map generating method, and weather map generating program
CN104205807A (en) Image processing device and method, and program
CN104091364A (en) Single-image super-resolution reconstruction method
KR102007738B1 (en) Method and apparatus for content-based image resizing
CN117576578A (en) Method and device for labeling samples, electronic equipment and storage medium
JP2007058342A (en) Image-matching device, image matching method and image matching program
CN102724530B (en) Three-dimensional method for plane videos based on feedback control
CN110532868B (en) Method for predicting free space semantic boundary
US11922659B2 (en) Coordinate calculation apparatus, coordinate calculation method, and computer-readable recording medium
CN113724205A (en) Image change detection method, apparatus and storage medium
JP2018049583A (en) Simulation method, computer program, and simulation device
Gallardo et al. Data-based hybrid reduced order modeling for vortex-induced nonlinear fluid–structure interaction at low Reynolds numbers
CN112991249A (en) Remote sensing image fusion method based on depth separable CNN model
JPH04182860A (en) Combination problem solving method and image segmenting method

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20071012

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20071023

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20071119

R150 Certificate of patent or registration of utility model

Ref document number: 4045284

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20101122

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111122

Year of fee payment: 4

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121122

Year of fee payment: 5

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131122

Year of fee payment: 6

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250