気象庁

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

気象庁

関係機関報道機関

　　　　　　　

観測資料

数値予報資料

航空機船舶

予報作成

実況監視

情報発表

警報作成

アメダス

気象衛星

レーダー

予報作業

高層観測

予測資料スーパーコンピュータ

民間気象事業者国民

（エンドユーザ )

気象庁 HP

テレビ、携帯電話、インターネット等

１．　数値予報とは

気象サービスと数値予報

気象庁

　秒後

初期の状態から次々に予測0

1

2

34

　秒後

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

原理的に予測可能

しかしボールの軌道計算のようには簡単ではない

気象庁

流体力学や熱力学の方程式

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

気象庁

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

↓

気象庁

数値予報の流れ

気象庁( 平成 21 年 7 月 28 日 21 時 )

地上観測 (観測所・船舶・ブイ )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 )

静止衛星観測 極軌道衛星観測

観測データ分布図

気象庁

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。　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。

気象庁

数値予報モデルの計算領域と地形

格子間隔　 ~20km 格子間隔　 5km

全球モデル メソモデル

気象庁

全球モデルによる予報例

気象庁

九州北部の豪雨の予測（ 7 月 26日）

　　解析雨量 　　　　　 7/25 18UTC 初期値　　　　 7/25 12UTC 初期値　（ 7/26 00-03UTC ） 　　　 FT=06-09 　　　　　　　　 FT=12-15

メソモデル（格子間隔５ｋｍ）による

気象庁

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。

アンサンブル予報

気象庁

2007年 9月 2日 18UTC台風第 9号

2007年 7月 29日 12UTC台風第 5号

台風アンサンブル予報例進路予報の信頼性を事前評価

気象庁

全球予報の精度向上

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）

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。

3 日予報誤差

1 日予報誤差

2 日予報誤差

気象庁

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

格子間隔鉛直層数

予報期間

格子間隔鉛直層数

メンバ

数　　　　　

予報期間

日本 20km60 層 9 日間 60km60 層 51 9 日間 5km50 層欧州中期予報センター（ ECMWF)

25km91 層 10 日間 50km62 層80km62 層

5151

10 日間+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 なし 7km40 層、2.8km50 層

米国（ NCEP)52km64 層105km64

層

7.5 日間

16 日間160km28

層 45 16 日間 12km60 層、4km50 層

カナダ 35km58 層 10 日間 100km28層 20 16 日間 10km58 層

気象庁

数値予報による台風進路予報の誤差（ｋｍ）

競いながら互いに精度向上

JMA

ECMWF

UKMO

US-NCEP

DWD

台風進路予報誤差

数値予報精度の国際競争

気象庁

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

気象庁

平成 17 年台風第 14 号

気象庁

近年の短時間大雨の発生状況

大雨予測精度の向上が求められる 観測システム数値予報

気象庁

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

気象庁

変分法による衛星観測の利用

「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

放射強

度解析値候補

の

放射強

度

比湿比湿比湿比湿比湿比湿比湿比湿

観測演算

子

観測

比較

比較に基づく「候補」の修正

繰り返し計算

観測演算子：モデル物理量から観測物理量への変換

気象庁

衛星観測のインパクト

衛星データ不使用 観測

衛星データ使用

雲が無い !

数値予報モデルの中の雲の分布

雲ができた !

気象庁衛星データの利用衛星データの利用

GOES(GOES(米米 ) ) 75W75W GOES(GOES( 米米 ) )

135W135W

GMS(GMS(日日 ) )

140E140E

METEOSAT(METEOSAT(欧欧 ) ) 0E0E

NOAA(NOAA( 米米 )) ；；２機２機極軌道極軌道

METEOSAT(METEOSAT(欧欧 ) ) 63E63E

GOS； Global Observing System

WMOホームページから

気象庁

観測種類 衛星 /センサ 全球解析 メソ解析①①

可視・赤外可視・赤外イメージャイメージャ

MTSAT-1R, Meteosat-7,9, GOES-11,12

風 AMV 風 AMV

輝度温度 CSR X

Aqua,Terra/MODIS 風 AMV X

②②散乱計散乱計

QuikSCAT/SeaWinds 海上風 海上風Metop/ASCAT 海上風 (海上風 )

③③GPSGPS 掩蔽掩蔽(GRACE/Black Jack ) (屈折率 ) X

(Metop/GRAS) (屈折率 ) X

③③GPSGPS 地上地上 地上受信機 X （可降水量）

④④

マイクロ波マイクロ波イメージャイメージャ

DMSP13/SSMI 輝度温度 可降水量、降水量TRMM/TMI 輝度温度 可降水量、降水量

Aqua/AMSR-E 輝度温度 可降水量、降水量DMSP16,17/SSMIS 輝度温度 ( 可降水量、降水

量 )

⑤⑤サウンダサウンダ

NOAA15-17/AMSU-A,-B 輝度温度 気温NOAA18,(19),Metop/AMSU-A,MHS 輝度温度 気温

Aqua/AMSU-A 輝度温度 X

DMSP16,(17)/SSMIS 輝度温度 X

(Aqua/AIRS, Metop/IASI) (輝度温度 ) X*AMV: Atmospheric Motion Vector 大気追跡風*CSR: Clear Sky Radiance 晴天輝度温度

数値予報に利用されている（一部予定）衛星データ数値予報に利用されている（一部予定）衛星データ

気象庁

衛星観測データの分布

⑤ サウンダ AMSU-A （気温）

⑤ サウンダ AMSU-A （気温）

④ マイクロ波イメージャ

④ マイクロ波イメージャ

② 散乱計② 散乱計 ①CSR①CSR

⑤ サウンダ AMSU-B,MHS （水蒸気）

⑤ サウンダ AMSU-B,MHS （水蒸気）

① 大気追跡風 AMV① 大気追跡風 AMV

⑤ サウンダ SSMIS （気温）

⑤ サウンダ SSMIS （気温）

気象庁

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

気象庁

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

965hPa

630hPa

270hPa

90S 90N

1992年 1月の一ヶ月積分。帯状平均。

55hPa

赤道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

気象庁

雲物理過程の比較

• 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

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

Alejandro Bodas-Salcedo & Mark Webb, Hadley Centre

気象庁

ライダー搭載衛星 CALIPSO の黄砂予報への利用

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

黄砂とは

気象庁の黄砂予報の例

気象庁

データ同化のインパクト

NASA/MODIS によって観測された光学的厚さ

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

気象庁

エーロゾルの様々な影響• 放射過程を通じて影響

– 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

気象庁

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。