RadNet：風雲4A衛星データを用いた中国全土のキロメートル解像度の日射量推定のための解釈可能な深層学習モデル

日射量マップが日常生活で重要な理由

屋根上や砂漠の太陽光パネルの背後には常に基本的な疑問があります：実際に地表にどれだけの太陽光が到達しているのか、時間ごとに、年ごとにどのように推移しているのか。クリーンエネルギーの拡大と炭素排出削減を急ぐ中国のような国では、どこでいつ太陽が最も安定して照るかを知ることが不可欠です。本研究は、中国の最新気象衛星からの生データを詳細で信頼できる日射量マップに変換する新しい方法を提示し、プランナーや電力事業者が太陽エネルギーをより効率的に活用するのに役立ちます。

衛星の観測を日射マップに変える

太陽光発電システムは「全球水平放射照度（global horizontal irradiance）」、すなわち地表の平面に当たる太陽放射に依存します。地上設置の観測器による直接測定は非常に精度が高い一方で点在しており希薄で、観測点間に大きな空白が残ります。従来の数値気象モデルや古い衛星プロダクトは広域をカバーしますが、現代の太陽光計画には解像度が粗すぎたりバイアスがあったりします。中国の気象衛星「風雲4A」は新たな機会を提供します：全国を継続的に観測し、14の異なるスペクトル帯域で4×4キロメートルの解像度で輝度を記録します。課題は、これらの衛星データの連続的な流れを全国規模での地表の日射量の精密推定に変換することです。

RadNet と名付けられた新しい学習機

著者らはこの問題を解くために RadNet と名付けた深層学習モデルを設計しました。手作りの規則に依存するのではなく、RadNet は衛星観測値と中国全国100の地上観測局の時間ごとの日射量観測を照合してデータから直接学習します。複数の衛星バンド、太陽の位置、局地地形などの情報を取り込み、これらの要因が地表に到達する光量をどのように決定するかを学びます。重要なのは、RadNet が元々「表形式（tabular）」データ向けに開発されたアーキテクチャに基づいており、どの入力が重要かを自動的に抽出できるため、従来の機械学習手法で必要とされた手間のかかる特徴選択の工程を大幅に削減する点です。

より鋭く、より信頼できる日射量推定

チームが RadNet の推定値を他の手法や既知の日射データベースと比較したところ、新しいモデルは一貫して優れていました。複数年にわたり、RadNet はランダムフォレストや別の深層学習手法、広く使われる国立太陽放射データベースや衛星ベースのひまわりおよびCERES データセットよりも誤差が小さくバイアスも小さいことを示しました。特に快晴時には、大気中の雲の干渉が最小限のため優れた性能を発揮しました。雲の割れ目や急速に変化する雲場がモデルを混乱させやすい曇天下でも、RadNet は代替手段を上回りましたが、誤差は依然として大きくなりました。また、モデルは時間的にも良好に一般化しました：主に 2022 年のデータで訓練されていても、2021 年および 2023 年の独立データで高い精度を維持しました。

ブラックボックスの内部をのぞく

多くの深層学習システムは「ブラックボックス」と批判されますが、RadNet はより透明性を持つよう設計されています。モデルが各決定ステップでどの入力に注目しているかを追跡することで、研究者はどの衛星バンドや角度が最も影響力があるかを確認できます。彼らは、雲に特に感度の高い近赤外バンドがモデルの性能の大部分を担い、次いで日中の昇降を符号化する太陽天頂角が重要であることを見出しました。他の赤外バンドは水蒸気や雲頂、地表の特徴に関する情報をもち込みます。この組み込みの解釈可能性により、モデルを信頼し洗練することが容易になり、例えば雲による視差や地上観測が見る範囲と衛星が平均化するより広い領域とのスケール不一致といった誤りが生じる場合に、いつどのように誤るかを理解しやすくなります。

クリーンエネルギー計画への意義

結局のところ、RadNet は中国全土で約4キロメートル格子の高解像度日射量マップを生成し、既存の再解析や衛星プロダクトよりも高い精度を提供します。これらの詳細な時間ごと・年ごとのマップは、青海–チベット高原や内モンゴル高原のような日照に恵まれた領域を浮き彫りにし、雲や大気汚染が季節や年ごとにどのように日射を変動させるかを明らかにします。複雑な雲場や極端な黄砂事象下での性能改善の余地は残るものの、このアプローチは注意深く設計された解釈可能な深層学習モデルが生の衛星画像を太陽光開発者や系統運用者、政策決定者が利用できる実用的な資源に変え、中国がより信頼性の高い気候配慮のあるエネルギー未来を計画するのに役立つことを示しています。

引用: Lu, C., Qin, Y., Jiang, Y. et al. RadNet: an interpretable deep learning model for kilometer resolution solar irradiance estimation over China with Fengyun-4A satellite data. npj Clean Energy 2, 7 (2026). https://doi.org/10.1038/s44406-026-00023-x

キーワード: 日射量, 衛星リモートセンシング, 深層学習, 太陽エネルギー資源, 中国の再生可能エネルギー