気象予測方法
【課題】 観測値を用いて気象予測精度を向上する。
【解決手段】 ＧＰＶデータの初期値を取った時刻（９時）とＧＰＶデータを受信完了した時刻（１５時）との間において観測値が観測されている。気象モデル（ＲＡＭＳ）を用いた気象予測演算は、１５時ではなく９時から開始し、９時から１５時の間の予測演算値に対して観測値により同化処理をする。このように観測値を用いて同化処理しているため、１５時における予測精度が向上し、更には、１５時を含めて１５時以降の気象予測精度が向上する。
【解決手段】 ＧＰＶデータの初期値を取った時刻（９時）とＧＰＶデータを受信完了した時刻（１５時）との間において観測値が観測されている。気象モデル（ＲＡＭＳ）を用いた気象予測演算は、１５時ではなく９時から開始し、９時から１５時の間の予測演算値に対して観測値により同化処理をする。このように観測値を用いて同化処理しているため、１５時における予測精度が向上し、更には、１５時を含めて１５時以降の気象予測精度が向上する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は気象予測方法に関するものである。更に詳述すると、広域気象データを基に狭域気象データを予測する際に、広域気象データを受信完了した時刻よりも時間的に前に観測された観測値を用いて同化処理することにより、狭域気象データの予測精度を向上させたものである。
【背景技術】
【０００２】
広域気象データを基に、狭域気象データを予測（狭域気象予測）するには、メソスケール（methoscale）気象解析モデルを用いた数値流体解析演算（ＣＦＤ：Computational Fluid Dynamics）を行っている。
なお、ＣＦＤとは、計算領域を格子状に分割して、各格子点の気象要素（風速，温度，気圧，湿度等）について、気象要素の微分方程式を時間積分演算することにより気象データを得る演算手法である。
【０００３】
広域気象データとしては、例えば、気象庁から１日に２回配信されている気象ＧＰＶ（Grid Point Value）データがある。このＧＰＶデータは、日本全国を格子状（格子間隔は２ｋｍ）に分割したときの格子点上の各気象要素（風速，温度，気圧，湿度等）の３時間毎の予測値が５１時間にわたり示されている。なおこのＧＰＶデータは、約６時間の配信遅れがある。例えば、ある日の午前９時を初期値とした５１時間分のＧＰＶデータ（予測データ）は、その日の午後３時（１５時）に配信が完了する。
【０００４】
またメソスケール気象モデルとしては、例えば、ＲＡＭＳ（Regional Atmospheric Modeling System：米国のコロラド州立大学で開発された気象解析モデル）がある。このＲＡＭＳで示されている気流場解析の基本方程式は、運動方程式、熱エネルギー方程式、水分の拡散方程式、連続の式からなり、次のような式（１）〜（６）で表される。
【０００５】
【数１】
【０００６】
ＧＰＶデータを基に、ＲＡＭＳを用いて気象要素の微分方程式を時間積分演算して、狭域気象予測するには、時間積分演算開始時刻でのＧＰＶデータを微分方程式の初期値として取り込み、一定時毎（例えば１時間毎）のＧＰＶデータを微分方程式の境界条件として取り込んで、ＲＡＭＳで示されている微分方程式を時間積分演算する。
【０００７】
なお配信されたＧＰＶデータは、時間的にも空間的にも粗い気象データ（時間間隔が３時間で、格子間隔が２ｋｍ）であるので、実際には、この粗いＧＰＶデータに対して、時間内挿補間演算と空間内挿補間演算をして、時間的にも空間的にも密な（例えば、時間間隔が１時間で、格子間隔が２００ｍ）の密なＧＰＶデータを求め、この密なＧＰＶデータを、上述した「初期値」や「境界条件」として用いている。
【０００８】
ここで、ＧＰＶデータを基に狭域気象データを予測する、従来手法を、図６を参照して説明する。
【０００９】
図６に示すように、このＧＰＶデータは９時を初期値とした５１時間分の予測データであり、１５時に配信が完了する。気象モデルとしてＲＡＭＳを用いた予測計算は、ＧＰＶデータの配信完了時（受信完了時）である１５時から開始する。ＲＡＭＳを用いた予測計算では、１５時におけるＧＰＶデータ（時間内挿補間演算と空間内挿補間演算をして時間的にも空間的にも密なＧＰＶデータ）を初期値として取り込み、その後の１時間毎のＧＰＶデータ（時間内挿補間演算と空間内挿補間演算をして時間的にも空間的にも密なＧＰＶデータ）を境界条件として取り込み、１５時から以降１時間毎の予測計算を行う。
【００１０】
なお、対象としている狭域に存在する観測点の観測値は、１時間毎に観測されている。従って、９時から配信完了時（受信完了時）である１５時までの間の、９時、１０時、１１時、１２時、１３時、１４時の各時刻においても観測値が観測されている。
【００１１】
【特許文献１】特開２００３−９０８８８
【発明の開示】
【発明が解決しようとする課題】
【００１２】
ところで図６に示す従来手法では、ＲＡＭＳを用いた予測計算に、ＧＰＶデータの初期値を取った時刻（９時）からＲＡＭＳによる予測計算を開始した時刻（１５時）までの６時間における観測値（９時から配信完了時である１５時までの間の、９時、１０時、１１時、１２時、１３時、１４時の各時刻においても観測された観測値）が反映されていない。このため、ＲＡＭＳを用いた予測計算の精度に限界があった。
【００１３】
本発明は、上記従来記述に鑑み、気象解析モデルを用いた予測計算の開始時刻よりも時間的に前に観測された観測値を同化処理することにより、予測計算の精度を向上させることができる気象予測方法を提供することを目的とする。
【課題を解決するための手段】
【００１４】
上記課題を解決する本発明の構成は、
広域気象データを基に、気象解析モデルを用いて気象要素の微分方程式を時間積分演算することにより狭域気象データを予測する気象予測方法において、
前記広域気象データを受信完了してこの広域気象データを取得すると共に、前記広域気象データの初期値を取った時刻から前記広域気象データを受信完了した時刻までの間に観測された観測値を取得し、
前記広域気象データの初期値を、広域気象データの初期値を取った時刻の観測値により同化し、この同化した値を、前記微分方程式の初期値として時間積分演算を開始し、
前記広域気象データを受信完了した時刻よりも時間的に前となっている前記広域気象データの初期値を取った時刻から、前記広域気象データを受信完了した時刻までの間の予め決めた一定時間間隔離れた各時刻では、当該時刻における広域気象データを境界値として前記微分方程式を時間積分演算して狭域気象データを求めると共に、このようにして求めた狭域気象データを当該時刻における観測値により同化し、この同化した狭域気象データを基にして当該時刻以降の時間積分演算を継続し、
前記広域気象データを受信完了した時刻、及び、前記広域気象データを受信完了した時刻以降の予め決めた一定時間間隔離れた各時刻では、当該時刻における広域気象データを境界値として前記微分方程式を時間積分演算して狭域気象データを求めることを特徴とする。
【００１５】
また本発明の構成は、上記気象予測方法において、
観測値により同化する気象要素は、少なくとも風速の東西成分及び風速の南北成分を含むこと、
観測値により同化する際に用いる重みファクターは、観測地点から離れるにしたがい小さくなっていること、
観測値により同化する際に用いる重みファクターは、演算により求める狭域気象データが高さ方向に沿う複数箇所のデータである場合に、高層の狭域気象データに用いるものほど、小さくなっていること、
同化の処理を複数回行うこと、
同化の処理は、観測値が観測された時刻を含みこの時刻の前後を含む時間帯の狭域気象データに対して行うことを特徴とする。
【発明の効果】
【００１６】
本発明では、広域気象データの初期値を取った時刻から、この広域気象データを受信完了した時刻までの間に観測された観測値を用いて同化をしているため、受信完了時刻から以降に予測演算して得た気象データの精度を向上させることができる。
【発明を実施するための最良の形態】
【００１７】
本発明を実施するための最良の形態を、以下に詳細に説明する。
【００１８】
［気象予測の演算手法］
図１及び図２は本発明の実施例を示す説明図である。本実施例では、メソスケール気象解析モデルとしてＲＡＭＳを用い、広域気象データとしてＧＰＶデータを用いたものである。ＲＡＭＳやＧＰＶデータは、［背景技術］で説明したものと同じであるので、その詳細説明は省略する。
また、実施例の気象予測演算は、図２に示す気象解析モデル演算部１０により行う。この気象解析モデル演算部１０により行う演算手法を、以下に示す。
【００１９】
ＧＰＶデータは９時を初期値とした５１時間分の予測データであり、１５時に配信が完了する。
【００２０】
本実施例では、狭域気象予測をするため、１５時にＧＰＶデータの受信（ＧＰＶデータの取得）を完了すると共に、過去６時間分（９時、１０時、１１時、１２時、１３時、１４時の各時刻）の観測値をも取得する。ここにおいて「過去６時間分の観測値」とは、ＧＰＶデータの初期値を取った時刻からＧＰＶデータを受信完了した時刻までの時間において観測された観測値である。
【００２１】
気象モデルとしてＲＡＭＳを用いた予測計算は、ＧＰＶデータの配信完了時刻（受信完了時刻）である１５時を起点として６時間前（つまり９時）のＧＰＶデータ（時間内挿補間演算と空間内挿補間演算をして時間的にも空間的にも密なＧＰＶデータ，以降同様）、つまりＧＰＶデータの初期値を、ＲＡＭＳを用いた予測計算の初期値として取り込む。また１５時を起点として６時間前（つまり９時）の観測値を取り込む。そして、この観測値により、予測計算の初期値となる９時のＧＰＶデータを同化する。なお同化の具体的手法については後述する。
【００２２】
このようにして同化した初期値を基に、ＲＡＭＳによる気象要素の微分方程式を時間積分演算を開始する。
【００２３】
次に、ＧＰＶデータの配信完了時刻（受信完了時刻）である１５時を起点として５時間前（つまり１０時）のＧＰＶデータを境界値として取り込む。また１５時を起点として５時間前（つまり１０時）の観測値を取り込む。
そして、５時間前（つまり１０時）のＧＰＶデータを境界値として取り込むことにより、５時間前の狭域気象データを予測演算する。また、予測演算した狭域気象データを、５時間前の観測値により同化する。そして、同化した狭域気象データを基にして、この時刻以降のＲＡＭＳによる気象要素の微分方程式の時間積分演算を継続する。
【００２４】
次に、ＧＰＶデータの配信完了時刻（受信完了時刻）である１５時を起点として４時間前（つまり１１時）のＧＰＶデータを境界値として取り込む。また１５時を起点として４時間前（つまり１１時）の観測値を取り込む。
そして、４時間前（つまり１１時）のＧＰＶデータを境界値として取り込むことにより、４時間前の狭域気象データを予測演算する。また、予測演算した狭域気象データを、４時間前の観測値により同化する。そして、同化した狭域気象データを基にして、この時刻以降のＲＡＭＳによる気象要素の微分方程式の時間積分演算を継続する。
【００２５】
以降同様に、ＧＰＶデータの配信完了時刻（受信完了時刻）である１５時を起点として３時間前（つまり１２時）、２時間前（つまり１３時）、１時間前（つまり１４時）においても、その時刻のＧＰＶデータを境界値として取り込んでその時刻の狭域気象データを予測演算し、この予測演算した狭域気象データをその時刻の観測値により同化し、同化した狭域気象データを基にして、その時刻以降のＲＡＭＳによる気象要素の微分方程式の時間積分演算を継続していく。
【００２６】
現在時刻（つまり１５時）及び、現在時刻（つまり１５時）以降は、１時間毎（１５時，１６時，１７時・・・）のＧＰＶデータ（時間内挿補間演算と空間内挿補間演算をして時間的にも空間的にも密なＧＰＶデータ）を境界条件として取り込み、１５時から以降１時間毎の狭域気象データの予測計算を行う。
【００２７】
このように本実施例では、ＧＰＶデータの受信完了時刻の６時間前のＧＰＶデータ（つまりＧＰＶデータの初期値）からＲＡＭＳによる計算をスタートさせ、６時間分の観測値を同化させながら計算を進めるようにしたので、ＧＰＶデータの受信完了時刻（１５時）とその後の１時間毎の時刻における狭域気象データの予測精度を向上させることができる。
【００２８】
［同化の第１の手法］
ここで、気象データを観測値により同化する同化の第１の手法について説明する。
ＲＡＭＳで使用されている同化手法は式（７）で表される。
【００２９】
【数２】
【００３０】
気象解析モデル演算部１０では、観測値が存在する時刻において、気象解析モデル内の一連の方程式（運動方程式、熱力学方程式等）に対して時間積分演算を終えた後、風速のＵ（東西）成分、Ｖ（南北）成分に対して、式（７）に示す同化式により、地表面付近の（最下層格子点の）風速のＵ成分，Ｖ成分を観測値に近づける（ナッジングさせる）。
【００３１】
即ち、気象解析モデル演算部１０は、図３（ａ）に示す同化の影響範囲の半径ｒを適宜設定し、観測データを観測した観測地点を中心とした影響範囲内（半径ｒ内）に存在する複数の気象データ（計算格子の格子点上の計算値）のＵ成分，Ｖ成分に対して、式（７）で求めた値を加えることにより同化を行う。
なお、この例では、重みのファクターεは図３（ｂ）に示すように、水平方向に均一にしている。
【００３２】
［同化の第２の手法］
同化の第２の手法では、同化の第１の手法に追加して、更に気象場を実現象に近づけるため、気温に対しても式（７）を適用する。即ち、気象要素φとして気温を追加する。
【００３３】
［同化の第３の手法］
同化の第３の手法では、同化の第１，第２の手法に追加して、更に気象場を実現象に近づけるため、気圧に対しても式（７）を適用する。即ち、気象要素φとして気圧を追加する。
【００３４】
［同化の第４の手法］
同化の第４の手法では、同化の第１，第２，第３の手法に追加して、更に気象場を実現象に近づけるため、湿度に対しても式（７）を適用する。即ち、気象要素φとして湿度を追加する。
【００３５】
［同化の第５の手法］
ＲＡＭＳによる気象要素の微分方程式の時間積分演算をして求めた気象データ（格子点上のデータ）としては、例えば、地上（最下層格子点）でのデータ、地上から例えば１００ｍの高さ（第２層格子点）でのデータ、地上から例えば２００ｍの高さ（第３層格子点）でのデータがある。なお、高さ方向に関しては、第１０層格子点程度（地上から１０００ｍ程度）まで気象データを設定することができる。
【００３６】
そこで、上述した同化の第１〜第４の手法に追加して、同化の第５の手法では、地上のデータだけでなく、上層の格子点のデータ（例えば第２層格子点や第３層格子点）に対しても、式（７）の適用をする。
【００３７】
これは、地表付近の影響が及んで発達する大気境界層の厚さは１０００ｍ程度であり、地表付近の影響は上空にまで及ぶと考えられるからである。
【００３８】
［同化の第６の手法］
観測値を同化する場合には、観測地点から離れるほど同化の影響は小さく、観測地点周辺で同化の影響が大きいことが現実的である。このため、上述した同化の第１〜第５の手法に追加して、同化の第６の手法では、観測地点からの距離に応じて重みファクターεの重みを決定する。例えば図４（ａ）に示すように、Ｘ，Ｙ方向（平面方向）に対しては、重みファクターεの大きさは、観測地点が最も大きく観測地点から離れるに従い小さくなるような、一種のガウス分布のような重みをつける。
【００３９】
更に、ＲＡＭＳによる気象要素の微分方程式の時間積分演算をして求めた気象データ（格子点上のデータ）としては、地上（最下層格子点）でのデータ、地上から例えば１００ｍの高さ（第２層格子点）でのデータ、地上から例えば２００ｍの高さ（第３層格子点）でのデータがある。
そこで、図４（ｂ）（ｃ）（ｄ）に示すように、重みファクターεはガウス分布の重みとなっているが、上空に行くほど重みが小さくするようにした。つまり、上空に行くほど、同化の影響を小さくしている。
【００４０】
［同化の第７の手法］
上述した同化の第１〜第６の手法に追加して、同化の効果をより強化したい場合には、観測時刻において式（７）を複数回使用する。即ち、同化の第７の手法では、式（７）で求められた計算値に対して、式（８）に示すように、更に観測値を同化させる。これを繰り返すほど、計算値は観測値に近づくことになる。
【００４１】
【数３】
【００４２】
［同化の第８の手法］
同化の第１〜第７の手法に追加して、同化の効果をより強化したい場合には、観測時刻に対してのみ式（１）を適用させずに、図５に示すように、観測時刻前後に対しても式（１）を適用する。つまり同化の第８の手法では、観測時刻１点での同化ではなく、同化させる時間帯を決定する。この手法は、地形の影響が小さく（観測地点の周辺に地形の変動が少なく）、風向等の時間的な変動が小さい場合に有効である。
【００４３】
［同化の第９の手法］
同化の第９の手法では、同化の第１〜第８の手法に対して、式（７）の代わりに、式（９）を使用する。式（９）は式（７）の右辺に、φについての通常の方程式（運動方程式、熱エネルギー方程式等）Ｆ（φ）を加えており、式（７）に比べて、物理的な現象を考慮しながら同化を行う。なおＦ（φ）は、気象解析モデル内の各気象要素φについての通常の式であり、具体的には式（１）〜式（６）が相当する。
【００４４】
【数４】
【００４５】
ここで、同化について説明する。
同化とは、気象解析モデルに観測値を取り込んで、気象解析モデルの計算結果を観測値に近づける手法である。
本件で使用する同化式は式（７）で表される。式（７）を差分化した形で表すと、
【００４６】
【数５】
【００４７】
この式では、右辺第二項の分だけ計算値（φbefore）を補正（同化）している。
つまり、計算値（φbefore）が観測値（φo）より小さければ、右辺第二項は計算値（φbefore）を大きくするように作用し、逆に計算値が観測値より大きければ、右辺第二項は計算値（φbefore）を小さくするように作用して、新しい計算値（φafter）を得る。
【産業上の利用可能性】
【００４８】
本発明は、広域気象データから狭域気象データを求める気象予測方法に適用することができる。
【図面の簡単な説明】
【００４９】
【図１】本発明の実施例に係る気象予測方法を示す説明図。
【図２】本発明の実施例に係る気象予測方法を示す説明図。
【図３】同化手法を示す説明図。
【図４】同化手法を示す説明図。
【図５】同化手法を示す説明図。
【図６】従来の気象予測方法を示す説明図。
【符号の説明】
【００５０】
１０ 気象解析モデル演算部
【技術分野】
【０００１】
本発明は気象予測方法に関するものである。更に詳述すると、広域気象データを基に狭域気象データを予測する際に、広域気象データを受信完了した時刻よりも時間的に前に観測された観測値を用いて同化処理することにより、狭域気象データの予測精度を向上させたものである。
【背景技術】
【０００２】
広域気象データを基に、狭域気象データを予測（狭域気象予測）するには、メソスケール（methoscale）気象解析モデルを用いた数値流体解析演算（ＣＦＤ：Computational Fluid Dynamics）を行っている。
なお、ＣＦＤとは、計算領域を格子状に分割して、各格子点の気象要素（風速，温度，気圧，湿度等）について、気象要素の微分方程式を時間積分演算することにより気象データを得る演算手法である。
【０００３】
広域気象データとしては、例えば、気象庁から１日に２回配信されている気象ＧＰＶ（Grid Point Value）データがある。このＧＰＶデータは、日本全国を格子状（格子間隔は２ｋｍ）に分割したときの格子点上の各気象要素（風速，温度，気圧，湿度等）の３時間毎の予測値が５１時間にわたり示されている。なおこのＧＰＶデータは、約６時間の配信遅れがある。例えば、ある日の午前９時を初期値とした５１時間分のＧＰＶデータ（予測データ）は、その日の午後３時（１５時）に配信が完了する。
【０００４】
またメソスケール気象モデルとしては、例えば、ＲＡＭＳ（Regional Atmospheric Modeling System：米国のコロラド州立大学で開発された気象解析モデル）がある。このＲＡＭＳで示されている気流場解析の基本方程式は、運動方程式、熱エネルギー方程式、水分の拡散方程式、連続の式からなり、次のような式（１）〜（６）で表される。
【０００５】
【数１】
【０００６】
ＧＰＶデータを基に、ＲＡＭＳを用いて気象要素の微分方程式を時間積分演算して、狭域気象予測するには、時間積分演算開始時刻でのＧＰＶデータを微分方程式の初期値として取り込み、一定時毎（例えば１時間毎）のＧＰＶデータを微分方程式の境界条件として取り込んで、ＲＡＭＳで示されている微分方程式を時間積分演算する。
【０００７】
なお配信されたＧＰＶデータは、時間的にも空間的にも粗い気象データ（時間間隔が３時間で、格子間隔が２ｋｍ）であるので、実際には、この粗いＧＰＶデータに対して、時間内挿補間演算と空間内挿補間演算をして、時間的にも空間的にも密な（例えば、時間間隔が１時間で、格子間隔が２００ｍ）の密なＧＰＶデータを求め、この密なＧＰＶデータを、上述した「初期値」や「境界条件」として用いている。
【０００８】
ここで、ＧＰＶデータを基に狭域気象データを予測する、従来手法を、図６を参照して説明する。
【０００９】
図６に示すように、このＧＰＶデータは９時を初期値とした５１時間分の予測データであり、１５時に配信が完了する。気象モデルとしてＲＡＭＳを用いた予測計算は、ＧＰＶデータの配信完了時（受信完了時）である１５時から開始する。ＲＡＭＳを用いた予測計算では、１５時におけるＧＰＶデータ（時間内挿補間演算と空間内挿補間演算をして時間的にも空間的にも密なＧＰＶデータ）を初期値として取り込み、その後の１時間毎のＧＰＶデータ（時間内挿補間演算と空間内挿補間演算をして時間的にも空間的にも密なＧＰＶデータ）を境界条件として取り込み、１５時から以降１時間毎の予測計算を行う。
【００１０】
なお、対象としている狭域に存在する観測点の観測値は、１時間毎に観測されている。従って、９時から配信完了時（受信完了時）である１５時までの間の、９時、１０時、１１時、１２時、１３時、１４時の各時刻においても観測値が観測されている。
【００１１】
【特許文献１】特開２００３−９０８８８
【発明の開示】
【発明が解決しようとする課題】
【００１２】
ところで図６に示す従来手法では、ＲＡＭＳを用いた予測計算に、ＧＰＶデータの初期値を取った時刻（９時）からＲＡＭＳによる予測計算を開始した時刻（１５時）までの６時間における観測値（９時から配信完了時である１５時までの間の、９時、１０時、１１時、１２時、１３時、１４時の各時刻においても観測された観測値）が反映されていない。このため、ＲＡＭＳを用いた予測計算の精度に限界があった。
【００１３】
本発明は、上記従来記述に鑑み、気象解析モデルを用いた予測計算の開始時刻よりも時間的に前に観測された観測値を同化処理することにより、予測計算の精度を向上させることができる気象予測方法を提供することを目的とする。
【課題を解決するための手段】
【００１４】
上記課題を解決する本発明の構成は、
広域気象データを基に、気象解析モデルを用いて気象要素の微分方程式を時間積分演算することにより狭域気象データを予測する気象予測方法において、
前記広域気象データを受信完了してこの広域気象データを取得すると共に、前記広域気象データの初期値を取った時刻から前記広域気象データを受信完了した時刻までの間に観測された観測値を取得し、
前記広域気象データの初期値を、広域気象データの初期値を取った時刻の観測値により同化し、この同化した値を、前記微分方程式の初期値として時間積分演算を開始し、
前記広域気象データを受信完了した時刻よりも時間的に前となっている前記広域気象データの初期値を取った時刻から、前記広域気象データを受信完了した時刻までの間の予め決めた一定時間間隔離れた各時刻では、当該時刻における広域気象データを境界値として前記微分方程式を時間積分演算して狭域気象データを求めると共に、このようにして求めた狭域気象データを当該時刻における観測値により同化し、この同化した狭域気象データを基にして当該時刻以降の時間積分演算を継続し、
前記広域気象データを受信完了した時刻、及び、前記広域気象データを受信完了した時刻以降の予め決めた一定時間間隔離れた各時刻では、当該時刻における広域気象データを境界値として前記微分方程式を時間積分演算して狭域気象データを求めることを特徴とする。
【００１５】
また本発明の構成は、上記気象予測方法において、
観測値により同化する気象要素は、少なくとも風速の東西成分及び風速の南北成分を含むこと、
観測値により同化する際に用いる重みファクターは、観測地点から離れるにしたがい小さくなっていること、
観測値により同化する際に用いる重みファクターは、演算により求める狭域気象データが高さ方向に沿う複数箇所のデータである場合に、高層の狭域気象データに用いるものほど、小さくなっていること、
同化の処理を複数回行うこと、
同化の処理は、観測値が観測された時刻を含みこの時刻の前後を含む時間帯の狭域気象データに対して行うことを特徴とする。
【発明の効果】
【００１６】
本発明では、広域気象データの初期値を取った時刻から、この広域気象データを受信完了した時刻までの間に観測された観測値を用いて同化をしているため、受信完了時刻から以降に予測演算して得た気象データの精度を向上させることができる。
【発明を実施するための最良の形態】
【００１７】
本発明を実施するための最良の形態を、以下に詳細に説明する。
【００１８】
［気象予測の演算手法］
図１及び図２は本発明の実施例を示す説明図である。本実施例では、メソスケール気象解析モデルとしてＲＡＭＳを用い、広域気象データとしてＧＰＶデータを用いたものである。ＲＡＭＳやＧＰＶデータは、［背景技術］で説明したものと同じであるので、その詳細説明は省略する。
また、実施例の気象予測演算は、図２に示す気象解析モデル演算部１０により行う。この気象解析モデル演算部１０により行う演算手法を、以下に示す。
【００１９】
ＧＰＶデータは９時を初期値とした５１時間分の予測データであり、１５時に配信が完了する。
【００２０】
本実施例では、狭域気象予測をするため、１５時にＧＰＶデータの受信（ＧＰＶデータの取得）を完了すると共に、過去６時間分（９時、１０時、１１時、１２時、１３時、１４時の各時刻）の観測値をも取得する。ここにおいて「過去６時間分の観測値」とは、ＧＰＶデータの初期値を取った時刻からＧＰＶデータを受信完了した時刻までの時間において観測された観測値である。
【００２１】
気象モデルとしてＲＡＭＳを用いた予測計算は、ＧＰＶデータの配信完了時刻（受信完了時刻）である１５時を起点として６時間前（つまり９時）のＧＰＶデータ（時間内挿補間演算と空間内挿補間演算をして時間的にも空間的にも密なＧＰＶデータ，以降同様）、つまりＧＰＶデータの初期値を、ＲＡＭＳを用いた予測計算の初期値として取り込む。また１５時を起点として６時間前（つまり９時）の観測値を取り込む。そして、この観測値により、予測計算の初期値となる９時のＧＰＶデータを同化する。なお同化の具体的手法については後述する。
【００２２】
このようにして同化した初期値を基に、ＲＡＭＳによる気象要素の微分方程式を時間積分演算を開始する。
【００２３】
次に、ＧＰＶデータの配信完了時刻（受信完了時刻）である１５時を起点として５時間前（つまり１０時）のＧＰＶデータを境界値として取り込む。また１５時を起点として５時間前（つまり１０時）の観測値を取り込む。
そして、５時間前（つまり１０時）のＧＰＶデータを境界値として取り込むことにより、５時間前の狭域気象データを予測演算する。また、予測演算した狭域気象データを、５時間前の観測値により同化する。そして、同化した狭域気象データを基にして、この時刻以降のＲＡＭＳによる気象要素の微分方程式の時間積分演算を継続する。
【００２４】
次に、ＧＰＶデータの配信完了時刻（受信完了時刻）である１５時を起点として４時間前（つまり１１時）のＧＰＶデータを境界値として取り込む。また１５時を起点として４時間前（つまり１１時）の観測値を取り込む。
そして、４時間前（つまり１１時）のＧＰＶデータを境界値として取り込むことにより、４時間前の狭域気象データを予測演算する。また、予測演算した狭域気象データを、４時間前の観測値により同化する。そして、同化した狭域気象データを基にして、この時刻以降のＲＡＭＳによる気象要素の微分方程式の時間積分演算を継続する。
【００２５】
以降同様に、ＧＰＶデータの配信完了時刻（受信完了時刻）である１５時を起点として３時間前（つまり１２時）、２時間前（つまり１３時）、１時間前（つまり１４時）においても、その時刻のＧＰＶデータを境界値として取り込んでその時刻の狭域気象データを予測演算し、この予測演算した狭域気象データをその時刻の観測値により同化し、同化した狭域気象データを基にして、その時刻以降のＲＡＭＳによる気象要素の微分方程式の時間積分演算を継続していく。
【００２６】
現在時刻（つまり１５時）及び、現在時刻（つまり１５時）以降は、１時間毎（１５時，１６時，１７時・・・）のＧＰＶデータ（時間内挿補間演算と空間内挿補間演算をして時間的にも空間的にも密なＧＰＶデータ）を境界条件として取り込み、１５時から以降１時間毎の狭域気象データの予測計算を行う。
【００２７】
このように本実施例では、ＧＰＶデータの受信完了時刻の６時間前のＧＰＶデータ（つまりＧＰＶデータの初期値）からＲＡＭＳによる計算をスタートさせ、６時間分の観測値を同化させながら計算を進めるようにしたので、ＧＰＶデータの受信完了時刻（１５時）とその後の１時間毎の時刻における狭域気象データの予測精度を向上させることができる。
【００２８】
［同化の第１の手法］
ここで、気象データを観測値により同化する同化の第１の手法について説明する。
ＲＡＭＳで使用されている同化手法は式（７）で表される。
【００２９】
【数２】
【００３０】
気象解析モデル演算部１０では、観測値が存在する時刻において、気象解析モデル内の一連の方程式（運動方程式、熱力学方程式等）に対して時間積分演算を終えた後、風速のＵ（東西）成分、Ｖ（南北）成分に対して、式（７）に示す同化式により、地表面付近の（最下層格子点の）風速のＵ成分，Ｖ成分を観測値に近づける（ナッジングさせる）。
【００３１】
即ち、気象解析モデル演算部１０は、図３（ａ）に示す同化の影響範囲の半径ｒを適宜設定し、観測データを観測した観測地点を中心とした影響範囲内（半径ｒ内）に存在する複数の気象データ（計算格子の格子点上の計算値）のＵ成分，Ｖ成分に対して、式（７）で求めた値を加えることにより同化を行う。
なお、この例では、重みのファクターεは図３（ｂ）に示すように、水平方向に均一にしている。
【００３２】
［同化の第２の手法］
同化の第２の手法では、同化の第１の手法に追加して、更に気象場を実現象に近づけるため、気温に対しても式（７）を適用する。即ち、気象要素φとして気温を追加する。
【００３３】
［同化の第３の手法］
同化の第３の手法では、同化の第１，第２の手法に追加して、更に気象場を実現象に近づけるため、気圧に対しても式（７）を適用する。即ち、気象要素φとして気圧を追加する。
【００３４】
［同化の第４の手法］
同化の第４の手法では、同化の第１，第２，第３の手法に追加して、更に気象場を実現象に近づけるため、湿度に対しても式（７）を適用する。即ち、気象要素φとして湿度を追加する。
【００３５】
［同化の第５の手法］
ＲＡＭＳによる気象要素の微分方程式の時間積分演算をして求めた気象データ（格子点上のデータ）としては、例えば、地上（最下層格子点）でのデータ、地上から例えば１００ｍの高さ（第２層格子点）でのデータ、地上から例えば２００ｍの高さ（第３層格子点）でのデータがある。なお、高さ方向に関しては、第１０層格子点程度（地上から１０００ｍ程度）まで気象データを設定することができる。
【００３６】
そこで、上述した同化の第１〜第４の手法に追加して、同化の第５の手法では、地上のデータだけでなく、上層の格子点のデータ（例えば第２層格子点や第３層格子点）に対しても、式（７）の適用をする。
【００３７】
これは、地表付近の影響が及んで発達する大気境界層の厚さは１０００ｍ程度であり、地表付近の影響は上空にまで及ぶと考えられるからである。
【００３８】
［同化の第６の手法］
観測値を同化する場合には、観測地点から離れるほど同化の影響は小さく、観測地点周辺で同化の影響が大きいことが現実的である。このため、上述した同化の第１〜第５の手法に追加して、同化の第６の手法では、観測地点からの距離に応じて重みファクターεの重みを決定する。例えば図４（ａ）に示すように、Ｘ，Ｙ方向（平面方向）に対しては、重みファクターεの大きさは、観測地点が最も大きく観測地点から離れるに従い小さくなるような、一種のガウス分布のような重みをつける。
【００３９】
更に、ＲＡＭＳによる気象要素の微分方程式の時間積分演算をして求めた気象データ（格子点上のデータ）としては、地上（最下層格子点）でのデータ、地上から例えば１００ｍの高さ（第２層格子点）でのデータ、地上から例えば２００ｍの高さ（第３層格子点）でのデータがある。
そこで、図４（ｂ）（ｃ）（ｄ）に示すように、重みファクターεはガウス分布の重みとなっているが、上空に行くほど重みが小さくするようにした。つまり、上空に行くほど、同化の影響を小さくしている。
【００４０】
［同化の第７の手法］
上述した同化の第１〜第６の手法に追加して、同化の効果をより強化したい場合には、観測時刻において式（７）を複数回使用する。即ち、同化の第７の手法では、式（７）で求められた計算値に対して、式（８）に示すように、更に観測値を同化させる。これを繰り返すほど、計算値は観測値に近づくことになる。
【００４１】
【数３】
【００４２】
［同化の第８の手法］
同化の第１〜第７の手法に追加して、同化の効果をより強化したい場合には、観測時刻に対してのみ式（１）を適用させずに、図５に示すように、観測時刻前後に対しても式（１）を適用する。つまり同化の第８の手法では、観測時刻１点での同化ではなく、同化させる時間帯を決定する。この手法は、地形の影響が小さく（観測地点の周辺に地形の変動が少なく）、風向等の時間的な変動が小さい場合に有効である。
【００４３】
［同化の第９の手法］
同化の第９の手法では、同化の第１〜第８の手法に対して、式（７）の代わりに、式（９）を使用する。式（９）は式（７）の右辺に、φについての通常の方程式（運動方程式、熱エネルギー方程式等）Ｆ（φ）を加えており、式（７）に比べて、物理的な現象を考慮しながら同化を行う。なおＦ（φ）は、気象解析モデル内の各気象要素φについての通常の式であり、具体的には式（１）〜式（６）が相当する。
【００４４】
【数４】
【００４５】
ここで、同化について説明する。
同化とは、気象解析モデルに観測値を取り込んで、気象解析モデルの計算結果を観測値に近づける手法である。
本件で使用する同化式は式（７）で表される。式（７）を差分化した形で表すと、
【００４６】
【数５】
【００４７】
この式では、右辺第二項の分だけ計算値（φbefore）を補正（同化）している。
つまり、計算値（φbefore）が観測値（φo）より小さければ、右辺第二項は計算値（φbefore）を大きくするように作用し、逆に計算値が観測値より大きければ、右辺第二項は計算値（φbefore）を小さくするように作用して、新しい計算値（φafter）を得る。
【産業上の利用可能性】
【００４８】
本発明は、広域気象データから狭域気象データを求める気象予測方法に適用することができる。
【図面の簡単な説明】
【００４９】
【図１】本発明の実施例に係る気象予測方法を示す説明図。
【図２】本発明の実施例に係る気象予測方法を示す説明図。
【図３】同化手法を示す説明図。
【図４】同化手法を示す説明図。
【図５】同化手法を示す説明図。
【図６】従来の気象予測方法を示す説明図。
【符号の説明】
【００５０】
１０ 気象解析モデル演算部
【特許請求の範囲】
【請求項１】
広域気象データを基に、気象解析モデルを用いて気象要素の微分方程式を時間積分演算することにより狭域気象データを予測する気象予測方法において、
前記広域気象データを受信完了してこの広域気象データを取得すると共に、前記広域気象データの初期値を取った時刻から前記広域気象データを受信完了した時刻までの間に観測された観測値を取得し、
前記広域気象データの初期値を、広域気象データの初期値を取った時刻の観測値により同化し、この同化した値を、前記微分方程式の初期値として時間積分演算を開始し、
前記広域気象データを受信完了した時刻よりも時間的に前となっている前記広域気象データの初期値を取った時刻から、前記広域気象データを受信完了した時刻までの間の予め決めた一定時間間隔離れた各時刻では、当該時刻における広域気象データを境界値として前記微分方程式を時間積分演算して狭域気象データを求めると共に、このようにして求めた狭域気象データを当該時刻における観測値により同化し、この同化した狭域気象データを基にして当該時刻以降の時間積分演算を継続し、
前記広域気象データを受信完了した時刻、及び、前記広域気象データを受信完了した時刻以降の予め決めた一定時間間隔離れた各時刻では、当該時刻における広域気象データを境界値として前記微分方程式を時間積分演算して狭域気象データを求めることを特徴とする気象予測方法。
【請求項２】
請求項１において、観測値により同化する気象要素は、少なくとも風速の東西成分及び風速の南北成分を含むことを特徴とする気象予測方法。
【請求項３】
請求項１または請求項２において、観測値により同化する際に用いる重みファクターは、観測地点から離れるにしたがい小さくなっていることを特徴とする気象予測方法。
【請求項４】
請求項１乃至請求項３のいずれか一項において、観測値により同化する際に用いる重みファクターは、演算により求める狭域気象データが高さ方向に沿う複数箇所のデータである場合に、高層の狭域気象データに用いるものほど、小さくなっていることを特徴とする気象予測方法。
【請求項５】
請求項１乃至請求項４の何れか一項において、同化の処理を複数回行うことを特徴とする気象予測方法。
【請求項６】
請求項１乃至請求項５の何れか一項において、同化の処理は、観測値が観測された時刻を含みこの時刻の前後を含む時間帯の狭域気象データに対して行うことを特徴とする気象予測方法。
【請求項１】
広域気象データを基に、気象解析モデルを用いて気象要素の微分方程式を時間積分演算することにより狭域気象データを予測する気象予測方法において、
前記広域気象データを受信完了してこの広域気象データを取得すると共に、前記広域気象データの初期値を取った時刻から前記広域気象データを受信完了した時刻までの間に観測された観測値を取得し、
前記広域気象データの初期値を、広域気象データの初期値を取った時刻の観測値により同化し、この同化した値を、前記微分方程式の初期値として時間積分演算を開始し、
前記広域気象データを受信完了した時刻よりも時間的に前となっている前記広域気象データの初期値を取った時刻から、前記広域気象データを受信完了した時刻までの間の予め決めた一定時間間隔離れた各時刻では、当該時刻における広域気象データを境界値として前記微分方程式を時間積分演算して狭域気象データを求めると共に、このようにして求めた狭域気象データを当該時刻における観測値により同化し、この同化した狭域気象データを基にして当該時刻以降の時間積分演算を継続し、
前記広域気象データを受信完了した時刻、及び、前記広域気象データを受信完了した時刻以降の予め決めた一定時間間隔離れた各時刻では、当該時刻における広域気象データを境界値として前記微分方程式を時間積分演算して狭域気象データを求めることを特徴とする気象予測方法。
【請求項２】
請求項１において、観測値により同化する気象要素は、少なくとも風速の東西成分及び風速の南北成分を含むことを特徴とする気象予測方法。
【請求項３】
請求項１または請求項２において、観測値により同化する際に用いる重みファクターは、観測地点から離れるにしたがい小さくなっていることを特徴とする気象予測方法。
【請求項４】
請求項１乃至請求項３のいずれか一項において、観測値により同化する際に用いる重みファクターは、演算により求める狭域気象データが高さ方向に沿う複数箇所のデータである場合に、高層の狭域気象データに用いるものほど、小さくなっていることを特徴とする気象予測方法。
【請求項５】
請求項１乃至請求項４の何れか一項において、同化の処理を複数回行うことを特徴とする気象予測方法。
【請求項６】
請求項１乃至請求項５の何れか一項において、同化の処理は、観測値が観測された時刻を含みこの時刻の前後を含む時間帯の狭域気象データに対して行うことを特徴とする気象予測方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公開番号】特開２００６−６４６０９（Ｐ２００６−６４６０９Ａ）
【公開日】平成１８年３月９日（２００６．３．９）
【国際特許分類】
【出願番号】特願２００４−２４９５３９（Ｐ２００４−２４９５３９）
【出願日】平成１６年８月３０日（２００４．８．３０）
【出願人】（０００００６２０８）三菱重工業株式会社 (10,378)
【Ｆターム（参考）】
【公開日】平成１８年３月９日（２００６．３．９）
【国際特許分類】
【出願日】平成１６年８月３０日（２００４．８．３０）
【出願人】（０００００６２０８）三菱重工業株式会社 (10,378)
【Ｆターム（参考）】
[ Back to top ]