気象庁における取り組み 気象庁数値予報課長 隈 健一

Presentation on theme: "気象庁における取り組み 気象庁数値予報課長 隈 健一"— Presentation transcript:

1 気象庁における取り組み 気象庁数値予報課長 隈 健一
気象庁における取り組み 気象庁数値予報課長 隈　健一 １．数値予報とは ２．衛星観測の数値予報への利用 ３．EarthCAREへの期待

2 １． 数値予報とは 気象サービスと数値予報 観測資料 予測資料 予報作業 実況監視 予報作成 警報作成 情報発表 高層観測 気象衛星 航空機
１．　数値予報とは 気象サービスと数値予報 観測資料 高層観測 気象衛星 航空機 船舶 アメダス レーダー 実況監視 予報作成 警報作成 スーパーコンピュータ 予測資料 数値予報資料 予報作業 情報発表 気象庁HP 関係機関 報道機関 国民 （エンドユーザ) 民間気象事業者 テレビ、携帯電話、インターネット等

3 なぜ予測ができるのか 数値予報の原理 原理的に予測可能 最初の状態がわかり 現象を支配する法則がわかれば しかし
なぜ予測ができるのか 数値予報の原理　 最初の状態がわかり 現象を支配する法則がわかれば 4 3 2 　秒後 1 原理的に予測可能 　秒後 初期の状態から次々に予測 しかし ボールの軌道計算のようには簡単ではない

4 数値予報の計算の中身 格子（箱）に観測データを反映、それを出発点に 右の計算 流体力学や熱力学の方程式

5 数値予報モデルの計算量 （20kmメッシュ全球モデル）
格子数　8000万 計算量　240兆回/24時間予報 積分時間間隔　１０分 計算時間（８４時間予報＝　　約５００ステップ）　約２５分 必要な計算機資源　60ノード（960CPU） 膨大な計算量 ↓ 高速なスーパーコンピュータが必要

6 数値予報の流れ

7 高層観測 (ゾンデ・航空機・ウィンドプロファイラ・ドップラーレーダー)
観測データ分布図 (平成21年7月28日21時) 高層観測 (ゾンデ・航空機・ウィンドプロファイラ・ドップラーレーダー) 地上観測 (観測所・船舶・ブイ) 静止衛星観測 極軌道衛星観測

8 全球通信システム(GTS) 大気現象は地球規模で起っているため、正確な予報のためには地球全体の情報を短時間に集める必要がある。
　大気現象は地球規模で起っているため、正確な予報のためには地球全体の情報を短時間に集める必要がある。 　そのため、世界気象機関(WMO)の枠組みの元、世界の主要地域を結ぶGTSを通じて気象情報を迅速に収集できる体制を整備している。 　図の青線が主要な通信網を表す。

9 数値予報モデルの計算領域と地形 全球モデル メソモデル 格子間隔　~20km 格子間隔　5km

10 全球モデルによる予報例

11 九州北部の豪雨の予測（7月26日） メソモデル（格子間隔５ｋｍ）による 解析雨量 7/25 18UTC初期値 7/25 12UTC初期値
（7/ UTC） 　　　FT=06-09　　　　　　　　FT=12-15

12 アンサンブル予報 初期値が少しづつ異なる多数の数値予報を行うことで、気象現象を確率的に予報する。

13 台風アンサンブル予報例 進路予報の信頼性を事前評価
2007年7月29日12UTC 台風第5号 2007年9月2日18UTC 台風第9号

14 1980年代半ばの１日先予報にほぼ匹敵する精度を有する。
全球予報の精度向上 最近の３日先予報は 1980年代半ばの１日先予報にほぼ匹敵する精度を有する。 2日予報誤差 3日予報誤差 1日予報誤差 上空約5000mの大気の流れ（500hPa高度）についての、数値予報の誤差（平方根平均２乗誤差）を北半球全体で平均した後に１ヶ月平均したもの（短い横線は年平均）

15 世界の数値予報 国名またはセンター名 全球モデル 全球アンサンブル予報モデル 領域モデルの 格子間隔・ 鉛直層数 格子間隔 予報 期間
メンバ 数　　　　　 予報期間 日本 20km60層 9日間 60km60層 51 5km50層 欧州中期予報センター（ECMWF) 25km91層 10日間 50km62層 80km62層 +5日間 なし イギリス（Met　Office) 40km50層 6日間 90km38層 24 3日間 12km70層、4km60層 フランス 37km60層 4日間 55km55層 11 2.5日間 2.5km60層 ドイツ 40km40層 7日間 7km40層、2.8km50層 米国（NCEP) 52km64層 105km64層 7.5日間 16日間 160km28層 45 12km60層、4km50層 カナダ 35km58層 100km28層 20 10km58層

16 数値予報精度の 国際競争 競いながら互いに精度向上 台風進路予報誤差 数値予報による台風進路予報の誤差（ｋｍ） UKMO US-NCEP
ECMWF JMA DWD

17 数値予報開始50年と計算機 50年前の計算機の数10億倍 リチャードソンの人力数値予報の夢

18 平成17年台風第14号

19 近年の短時間大雨の発生状況 観測システム 数値予報 大雨予測精度の向上が求められる

20 ２．衛星観測の数値予報への利用 衛星で測っているのは、電波（赤外線、マイクロ波など）の強さ（「放射強度」という）など
放射強度は、気温、水蒸気等の鉛直分布によって決まる 数値予報で必要な格子点における気温、水蒸気等を直接観測しているわけではない 変分法という仕掛けが必要

21 「解析値」を一発で求めるのでなく、「解析値の候補」を少しずつ変えて最適な値を求める
変分法による衛星観測の利用 繰り返し計算 放射強度 解析値候補の 比湿 観測演算子 観測 比較 比較に基づく「候補」の修正 観測演算子：モデル物理量から観測物理量への変換 「解析値」を一発で求めるのでなく、「解析値の候補」を少しずつ変えて最適な値を求める

22 衛星観測のインパクト 雲が無い! 衛星データ不使用 観測 雲ができた! 数値予報モデルの中の雲の分布 衛星データ使用

23 GOS；Global Observing System
衛星データの利用 GOS；Global Observing System GOES(米) 75W GOES(米) 135W GMS(日) 140E METEOSAT(欧) 0E METEOSAT(欧) 63E NOAA(米)；２機極軌道 WMOホームページから

24 数値予報に利用されている（一部予定）衛星データ
観測種類 衛星/センサ 全球解析 メソ解析 ① 可視・赤外 イメージャ MTSAT-1R, Meteosat-7,9, GOES-11,12 風AMV 輝度温度CSR X Aqua,Terra/MODIS ② 散乱計 QuikSCAT/SeaWinds 海上風 Metop/ASCAT (海上風) ③GPS掩蔽 (GRACE/Black Jack ) (屈折率) (Metop/GRAS) ③GPS地上 地上受信機 （可降水量） ④ マイクロ波 イメージャ DMSP13/SSMI 輝度温度 可降水量、降水量 TRMM/TMI Aqua/AMSR-E DMSP16,17/SSMIS (可降水量、降水量) ⑤ サウンダ NOAA15-17/AMSU-A,-B 気温 NOAA18,(19),Metop/AMSU-A,MHS Aqua/AMSU-A DMSP16,(17)/SSMIS (Aqua/AIRS, Metop/IASI) (輝度温度) *AMV: Atmospheric Motion Vector 大気追跡風 *CSR: Clear Sky Radiance 晴天輝度温度

25 衛星観測データの分布 ①大気追跡風AMV ①CSR ②散乱計 ⑤サウンダSSMIS（気温） ④マイクロ波イメージャ
⑤サウンダAMSU-A（気温） ⑤サウンダAMSU-B,MHS（水蒸気）

26 ３．EarthCAREへの期待 大気モデルの中でよくわかっていない部分の科学的な裏づけ（雲・降水過程、雲・エーロゾル相互作用等）
雲について、モデルと観測との比較 黄砂予報への利用

27 どの雲が本当なのか？ 気象庁で使っているモデル イギリスで使われていたモデルに近いモデル 赤道 どっちが正しいのだろう？
55hPa 270hPa 630hPa 965hPa 90S 90N 赤道 1992年1月の一ヶ月積分。帯状平均。 どっちが正しいのだろう？ 普通は、熱帯の上層雲に隠されていて観測できない…。　 EarthCAREを使えばわかる

28 雲物理過程の比較 モデル結果から雲レーダー観測相当量を計算し（シミュレータ）、観測結果と比較
台風のレインバンド、集中豪雨をもたらす線状降水帯等、メソ降水システムの組織化には雲物理過程が重要 雲物理・雲放射過程が対流の維持にも寄与 Alejandro Bodas-Salcedo & Mark Webb, Hadley Centre

29 ライダー搭載衛星 CALIPSOの 黄砂予報への利用
黄砂とは 現状では黄砂に関する実況データは利用していない ライダー衛星観測データを利用した黄砂予報の改善を調査中 気象庁の黄砂予報の例

30 データ同化のインパクト 気象研究所関山剛氏より CALIPSO衛星のライダーデータの同化により、黄砂予測が改善できる可能性を調査
衛星データを使わないと 衛星データを使うと ●は黄砂を観測した、 ●は黄砂を観測しなかった、 観測点 ダスト地表面濃度 NASA/MODISによって観測された光学的厚さ

31 エーロゾルの様々な影響 放射過程を通じて影響 雲物理過程を通じて天気、降水に影響 エーロゾルと航空機運航 大気加熱による大循環への影響
特に砂漠付近で顕著 大規模火山噴火による寒冷化 雲物理過程を通じて天気、降水に影響 小さな雲粒が増加 海陸の降水過程の違い エーロゾルと航空機運航 火山灰でエンジン障害→火山灰予測業務 エーロゾル→視程（直接的な効果、凝結核として霧を強化）→離発着の制限 エーロゾル解析の結果を 数値予報に反映 雲物理・エーロゾル相互作用のプロセス研究

32 気象庁の取り組み 地球上の大気現象をリアルタイムで監視、解析、予測を行っています。
地上観測、衛星観測等様々な観測を反映して統合解析を作成する仕組み（データ同化）があります。 天気予報、豪雨予測、台風予測等の予測情報の提供を通じて、気象学の成果を社会に還元しています。予測情報の精度には、観測とその利用方法が大きく影響します。 黄砂、広域大気汚染等の大気環境予測にも取り組んでいます。