アンサンブルハインドキャスト実験結果を 用いた葉いもち発生確率予報の精度検証

Slides:



Advertisements
Similar presentations
過去の気象データ ダウンロードページ紹介 気象庁 気候情報課 気候リスク管理技術係 荒井 宏明 8 月 21 日(水) ヤマセ研究会.
Advertisements

ヤマセ海域の SST 分布の将来予測 ー CMIP3 と CMIP5 の比較ー 児玉安正 協力者 Ibnu Fathrio, 佐々木実紀 (弘前大学大学院・理工学研究 科)
過去 100 年に観測された 夏季日本の気候変動 気象研究所 遠藤洋和 第 10 回ヤマセ研究会.
「葉面濡れセンサーで計測した葉面濡れ時間、誘電率といもち病の感染について」
JRA-55再解析データの 領域ダウンスケーリングの取り組み
気候変動適応研究推進プログラム H22-26 MEXT
島田照久(1) 沢田雅洋(2) 余偉明(2) 川村宏(1)
数値気象モデルCReSSの計算結果と 観測結果の比較および検討
北日本における4月と8月気温の強い相関関係とその時間変動(2)
東北地方の 長期積雪終日の予測 須田卓夫(仙台管区気象台).
いもち病感染危険度予測へ向けた 観測・モデル研究
アンサンブルハインドキャスト実験結果を用いたイネ葉いもち病の発生確率予報の精度検証
2週目の気温予測を用いた東北地方の稲作への影響予測
東北地域のヤマセと冬季モンスーンの 先進的ダウンスケール研究 1.気候研究 地球温暖化時代の東北の気候
来客者数に与える気温と降水量の影響に関する研究
ダウンスケールのためのデータ同化システムの構築に向けて ~海風の事例~
第6回ヤマセ研究会 2012年9月24~25日 2011年と2012年のヤマセが 水稲に及ぼした影響 宮城県古川農業試験場 菅野博英.
力学的ダウンスケールによる2003年東北冷夏の アンサンブル予報実験
情報処理実習 第08回 Excel練習問題(追加分).
新たな気候情報を利用した、異常気象に負けない農業技術開発
2.WWRP北京オリンピック予報実証研究開発実験 (B08FDP/RDP)について
大気再解析データで表現されるヤマセ -モデルによるSSTの違いと解析された気温への影響-
農業経営分析 -データに基づく但馬牛肥育とその限界について-
いまさら何ができるのか?何をやらねばならないのか?
交通量観測地点を考慮した時間OD推定 モデルの開発と大規模ネットワークへの適用
第8回ヤマセ研究会 宮城県古川農業試験場 日平均気温を用いた小麦の開花期予測.
CMIP5マルチ気候モデルにおける ヤマセに関連する大規模大気循環の 再現性と将来変化
CMIP5マルチ気候モデルにおける ヤマセに関連する大規模大気循環の 再現性と将来変化(その2)
近年の北極振動の増幅 Recent Arctic Oscillation amplification
2013年7月のヤマセについて 仙台管区気象台 須田卓夫 昨年のまとめ(赤字は研究会後の調査)
ヤマセ研究会のこれから 気象・気候情報の高度利用 (防災 + 農業 + 再生可能エネルギー + 健康...)
菅野洋光 (農研機構中央農業総合研究センター) 山崎 剛 (東北大学) 大久保さゆり・紺野祥平 (農研機構東北農業研究センター)
気象変動の影響による 雪氷環境の変化に関する研究
東北地域のヤマセと冬季モンスーンの 先進的ダウンスケール研究
気象庁 地球環境・海洋部 気候情報課 中三川 浩
農業支援システムの2012年度運用実験(途中経過)と課題
2005年度・公開講座( ) 長期予報はなぜ当たらないか? 北海道大学大学院地球環境科学院 山崎 孝治.
アンサンブル気候予測データベース(d4PDF)における東アジア気候の再現性と将来変化
ヤマセによる冷夏をターゲットにした アンサンブルダウンスケール予報実験
気象予測値を用いた カンシャコバネナガカメムシの 防除適期予測の精度検証 気象庁 地球環境・海洋部 気候情報課
東北地域のヤマセと冬季モンスーンの 先進的ダウンスケール研究
ヤマセによる農作物被害軽減のためのダウンスケールデータ
気候予測情報を活用した 農業技術情報⾼度化に関する 研究成果概要 中三川 浩 気象庁 地球環境・海洋部 気候情報課 第12回やませ研究会
Chiba campaign MAX-DOAS(2D) day2 2017/11/22
熱帯海上における降水特性による 降水・循環の将来変化パターンの マルチモデル間の違い 廣田渚郎、高薮縁 (東大AORI) 2011/6/9.
予測に用いる数学 2004/05/07 ide.
2013年7月の東北地方の長雨と 日照不足の要因とその予測
4月11日魚沼守門週間天気情報 ポイント予報 魚沼市 週間天気予報 中越地方 注意報 融雪 乾燥 なだれ
東北地域のヤマセと冬季モンスーンの 先進的ダウンスケール研究 1.気候研究 地球温暖化時代の東北の気候
植生熱収支モデルによる いもち病感染危険度予測を目指して
事業リスク分析をベースとした 意思決定・事業評価手法
背景 課題 目的 手法 作業 期待 成果 有限体積法による汎用CFDにおける 流体構造連成解析ソルバーの計算効率の検証
2週目の気温予測情報の 農業情報への翻訳 農業分野において利用しやすい情報作成のために
気候シナリオモデルを用いた将来のヤマセ発生可能性について
気候モデルのダウンスケーリングデータにおける ヤマセの再現性と将来変化
菅野洋光 (農研機構東北農業研究センター) 渡部雅浩 (東京大学大気海洋研究所)
東北地域のヤマセと冬季モンスーンの 先進的ダウンスケール研究 1.気候研究 地球温暖化時代の東北の気候
Chiba campaign MAX-DOAS(2D) day1 2017/11/21
CMIP3/CMIP5気候モデルにおける ヤマセに関連する大規模大気循環の再現性 ~モデル解像度による違い~
CMIP5気候モデルにおける ヤマセの将来変化
気候モデルのダウンスケーリングデータにおけるヤマセの再現性と将来変化2
CMIP3 マルチモデルにおける熱帯海洋上の非断熱加熱の鉛直構造 廣田渚郎1、高薮縁12 (1東大気候システム、2RIGC/JAMSTEC)
「ヤマセの季節変化と経年変化について」 境田清隆(東北大学環境科学研究科)
MIROC5による将来のヤマセの再現性について(2)
東北地域のヤマセと冬季モンスーンの 先進的ダウンスケール研究 1.気候研究 地球温暖化時代の東北の気候
地球環境気候学研究室 谷口 佳於里 指導教員:立花義裕 教授
夏季日本における前線帯の変動と その天候への影響
気象庁 気候情報課 伊藤 晋悟、比良 咲絵、萱場 亙起、中三川 浩
1km格子で再現された2003年7月の気温の誤差評価
CMIP3マルチ気候モデルにおける 夏季東アジアのトレンド
Presentation transcript:

アンサンブルハインドキャスト実験結果を 用いた葉いもち発生確率予報の精度検証 第11回ヤマセ研究会(平成27年2月27~28日) アンサンブルハインドキャスト実験結果を 用いた葉いもち発生確率予報の精度検証 紺野祥平*・大久保さゆり(農研機構東北農業研究センター) 菅野洋光(農研機構中央農業総合研究センター) 福井真・吉田龍平・岩崎俊樹(東北大学)

背景 [テーマ] 気象予測データを用いた葉いもち発生確率予報の精度検証 気象データ → 農業気象モデル → 予察結果 → 発生確率 →   気象予測データを用いた葉いもち発生確率予報の精度検証   対象期間 : 2000~2009年 6月25日~8月3日   気象予測データ: アンサンブルハインドキャスト予測実験結果(9メンバー)   気温、降水量、風、日照時間 農業気象モデル: 葉いもち発生予察モデル(BLASTAM)               (越水1988;林・越水 1988) 気象データ → 農業気象モデル → 予察結果 → 発生確率 → 精度検証 予測値 予察結果 気温、降水量、風、日照 あり/なし    % → あり/なし 検証指数 適中率 見逃し率 空振り率 BLASTAM 実況値 予察結果 気温、降水量、風、日照 あり/なし

背景 [今回の発表内容] 使用データおよび手法変更後の精度検証結果をご紹介します。 変更点 予報日 5日~14日先 → 2日~14日先   5日~14日先 → 2日~14日先 再解析データ   JRA-25 → JRA-55 総観場の予測精度の指標   空間相関係数 → アノマリー相関

気象予測値の精度検証 ・ 気象予測値 (アンサンブル予測実験結果) ・ 気象実況値 (気象庁再解析データ JRA-55) 850hPa高度値 ・ 気象予測値   (アンサンブル予測実験結果) ・ 気象実況値   (気象庁再解析データ JRA-55) 850hPa高度値 アノマリー相関およびスプレッド算出 予測日とアノマリー相関およびスプレッドの関係

気象予測値の精度検証 再現性非優良日 再現性優良日 再現性優良日 計102日 90%:翌日~3日先 10%:4日~5日先 各予測日における再現性優良日の日数 再現性優良日 計102日  90%:翌日~3日先  10%:4日~5日先 アノマリー相関とスプレッドの関係

検証指数の算出 検証指数 再現性優良日 vs 再現性非優良日 全メッシュ・全期間について算出 検証指数の算出方法 予報 感染あり 感染なし   再現性優良日 vs 再現性非優良日 検証指数の算出方法 予報 感染あり 感染なし 計 実況 A B N1=(A+B) C D N2=(C+D) M1=(A+C) M2=(B+D) N=(A+B+C+D) 全メッシュ・全期間について算出 「感染あり」予報の適中率(%) =A÷M1✕100 「感染なし」予報の適中率(%) =D÷M2✕100 見逃し率(%) =B÷N✕100 空振り率(%) =C÷N✕100

検証指数の算出 「感染あり」予報の適中率 約15% 「感染あり」予報の適中率 約5% 空振り率 約17% の改善 <参考(手法変更前)> 再現性優良日および非優良日における検証指数結果 「感染あり」予報の適中率 約15% 「感染あり」予報の適中率 約5% 空振り率 約17%   の改善 <参考(手法変更前)> 「感染あり」予報の適中率 約7% 空振り率 約15%   の改善

検証指数の算出 発生確率と「感染あり」予報の適中率の関係 発生確率が高くなると共に「感染あり」予報の適中率が高くなる傾向が認められた

まとめ 過去10年間(2000年~2009年)を対象に、アンサンブルハインドキャスト実験結果を用いた葉いもち発生確率予報の精度検証を行った。 葉いもち発生予測の精度は、BLASTAMの入力値となるアンサンブル気象予測値の精度に依存する。 アンサンブル気象予測値が精度良く総観場を予測できるのは、およそ5日先までである。 発生確率予報の精度は発生確率が高いほど良くなる。