12/12~16にシカゴでAGU(American Geophysical Union)のFall Meetingが開催されました。研究成果をポスター発表し、オンラインで参加してきましたので、紹介します。

AGU Fall Meetingとは

AGUとは、地球科学や宇宙科学分野の推進を目的としたアメリカの地球物理学連合で、世界中から約13万人のメンバーが参加しています。毎年12月にはFall Meetingを開催し、100カ国以上から25000人以上もの参加者が研究発表やネットワーキングのために参加する、地球・宇宙科学分野で最大規模の学会となります。2022年はシカゴで現地開催され、オンラインとのハイブリッド形式でした。

分野

発表形式は口頭とポスターの2種類があり、以下のセクションに分かれます。

Atmospheric and Space Electricity

地球の帯電大気・宇宙環境

Atmospheric Sciences

成層圏・対流圏を中心とした大気の物理・化学・ダイナミクス

Biogeosciences

生命科学および地球システム科学

Cryoshere Sciences

地球表面の氷河・海氷

Earth and Planetary Surface Processes

気候や地殻変動を及ぼす地表内部のダイナミクス

Earth and Space Science Informatics

地球科学・宇宙科学分野でのデータ管理、解析、計算モデリング

Education

地球科学・宇宙科学分野での教育

Geodesy

地球の幾何・構造・重力特性およびそれらのダイナミクス

GeoHealth

地球環境と人間健康の相互作用

Geomagnetism and Paleomagnetism and Electromagnetism

地球コアから他惑星や宇宙へ発される磁場

Global Environmental Change

長期間スケールでの地球変動、人間の影響

Hydrology

陸水のサイクルおよびそれらによる科学プロセス

Mineral and Rock Physics

地球および惑星内部の物質特性

Natural Hazards

地球物理学的な災害

Near-surface Geophysics

地球表面近傍物理学

Nonlinear Geophysics

数学的ツールなどを用いた非線形地球物理学

Ocean Sciences

海洋科学

Paleoceanography and Paleoclimatology

先カンブリア時代から現代までの地球気候・環境

Planetary Sciences

宇宙ミッション・惑星科学

Science and Society

人類を豊かにするための社会と地球・宇宙科学のコネクション

Seismology

地震学

Space Physics & Aeronomy

太陽・太陽圏・太陽系の上層大気および磁気圏の物理

Study of Earth’s Deep Interior

地球深部の内部構造

Tectonophysics

地殻物理学

Volcanology, Geochemistry, and Petrology

火山学・地球化学・岩石学

発表紹介

本学会は現地時間で開催のため、残念ながら時差の関係でオンタイムでの発表はあまり聞けませんでしたが、終日公開されているPOSTER GALLERYを拝見しました。特に、弊社の関心と関係のあるEarth and Space Science Informaticsで興味深かった研究を紹介します。

Multi-spectral Imagery in Senegal

Minh Tri Le, Konrad Wessels, Jordan Caraballo-Vega, Nathan Thomas, Margaret Wooten, Mark Carroll, Chris S.R. Neigh
George Mason University, NASA Goddard Space Flight Center, University of Maryland

• 従来の中解像度ではなく、WorldViewを用いた高解像度の衛星画像の土地被覆分類。
• NASAのデータプラットフォームを用いて、セネガルの農地をU-Netでセグメンテーションを行った。
• 学習データを増やした結果、学習精度は向上したが、テスト精度は頭打ちとなった。原因として、学習データに含まれない大気状態や一意の見え方の画像がテストデータに含まれていることが考えられる。

Quantum Enhanced Neural Networks for Satellite Image Classification

Abhinav A, Ashutosh Kumar Jha
Indian Institute of Remote Sensing, Indian Space Research Organization, Dehradun

• 衛星画像の分類を、通常の機械学習と量子機械学習で比較した。
• Sentinel2のBhuvanタイルデータセットを用いた。
• 学習データが少ない場合、量子機械学習の方が高い精度となり、データが少ない場合有効であることが分かった。

所感

今回は前回のIACに引き続き、地球・宇宙科学分野で最大規模の学会に参加しました。膨大な研究分野があり、専門外の発表を観ることも面白く、勉強になりました。しかし、オンラインではまだまだ不自由が多く、次回は現地参加してネットワーキングや直に発表を聞けるように精進していきたいです。