集中豪雨の発達機構を解明する水物質同化手法の研究

水物质同化方法研究阐明暴雨发展机制

• 批准号: 21K03669
• 负责人: 幾田 泰酵
• 金额: $ 1.75万
• 依托单位: Japan, Meteorological Research Institute
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K03669/
• 关键词: 水物質の背景誤差; アンサンブル予測; 豪雨の発達機構; 深層学習; データ同化; 集中豪雨; 数値天気予報

本研究の目的の一つである大気中の水物質の解析変数化のために、水物質の背景誤差の特性解明とその高精度な推定値が必要となる。従来の統計的な背景誤差推定手法では、雲降水過程の多様性のため、水物質の背景誤差の高精度な推定値を得ることが困難であった。そこで、様々な状況における背景誤差共分散行列を深層学習によって求める手法の開発を進めている。まず、学習用のデータセットを作成するため、研究実施計画の課題①「アンサンブル予測」に基づき気象庁メソモデルを用いて夏と冬の典型的な降水事例を対象に100メンバーのアンサンブル予測の計算を実行した。このアンサンブル予測の結果から作成する背景誤差共分散行列のデータセットは、研究実施計画の課題②「深層学習」で学習用入力データとして使用するものであり、課題②を進めるうえで必要不可欠のものである。課題①で計算したアンサンブル予測のデータから背景誤差共分散行列の画像を生成し学習用のデータセットを準備した。画像データセットを利用して、深層学習の一つである条件付き敵対生成ネットワーク（cGAN）に夏と冬の背景誤差共分散行列の画像と条件画像のペアを学習させた。その結果、水物質の鉛直プロファイルを条件としてcGANに与え、背景誤差共分散行列の画像を生成することに成功した。これは、膨大な計算資源を必要とするアンサンブル予報を行うことなく流れに依存した背景誤差共分散を瞬時に生成できる可能性を示す革新的な結果である。また、雲降水過程の誤差特性を解明するため、水物質の予測と二重偏波レーダーを比較し予測誤差特性を調査した。その結果、雲微物理スキームの雨滴の粒径分布と雪粒子の形状の仮定に問題があることが判明したため、雲微物理スキームを改良しシミュレーションの精度向上に取り組んだ。降水予測の精度向上は本研究の主目的である豪雨の発達機構の解明を大きく進展させるものである。

Purpose this study の の つ で あ る の water material in large 気 の parsing - number change の た め に の characteristics, water material の background error interpret と そ の high-precision な presumption of numerical が necessary と な る. 従 to の statistical な background error estimate technique で の は, cloud precipitation process multiple others の た め presumption, water material の background error の high-precision な numerical を must る こ と が difficult で あ っ た. そ こ で, others 々 な condition に お け る background error covariance ranks を deep learning に よ っ て o め る gimmick の open 発 を into め て い る. ま ず, learning with の デ ー タ セ ッ ト を made す る た め be applied plan の topics, research (1) "ア ン サ ン ブ ル to measure" に base づ き 気 like 庁 メ ソ モ デ ル を with い て summer と winter の な precipitation of typical examples / を like に seaborne 100 メ ン バ ー の ア ン サ ン ブ ル to calculative を の line be し た. こ の ア ン サ ン ブ の ル to test results か ら made す る background error covariance ranks の デ ー タ セ ッ ト は, research be applied plan (2) "deep learning" で の subject studying into force デ ー タ と し て use す る も の で あ り, subject (2) を into め る う え で need not owe の も の で あ る. Subject (1) で computing し た ア ン サ ン ブ ル be の デ ー タ か ら background error covariance ranks の portrait を generated し learning with の デ ー タ セ ッ ト を prepare し た. Portrait デ ー タ セ ッ ト を using し て, deep learning の つ で あ pay き enemy る conditions generated seaborne ネ ッ ト ワ ー ク (cGAN) に summer と winter の background error covariance ranks の portrait painting と conditions の ペ ア を learning さ せ た. そ の results, water material の straight プ ロ フ ァ イ ル を conditions と し て cGAN に portraits and え, background error covariance ranks の を generated す る こ と に successful し た. こ れ は, expands な を computing resources necessary と す る ア ン サ ン ブ ル forecast line を う こ と な く flow れ に dependent し た background error covariance を instantaneous に generated で き る possibility を で す innovative な results indicated あ る. ま た の error characteristics, cloud precipitation process を interpret す る た め の, water material can be と double partial wave レ ー ダ ー を し to measuring error characteristics を investigation し た. そ の results and micro cloud physics ス キ ー ム の raindrops の と snow particle diameter distribution の shape の 仮 に minor problems が あ る こ と が.at し た た め, cloud physics ス キ ー ム を improved し シ ミ ュ レ ー シ ョ ン の precision に take up り group ん だ. The accuracy of precipitation premeasurement is upward. The main objective of this study is である. The institution responsible for heavy rain <s:1> explains を. The progress of large く く is させる and <s:1> である. Youdaoplaceholder4. Youdaoplaceholder4.

项目成果

1km格子 asuca を用いた豪雨をもたらした降水系の流跡線解析

利用1km网格asuca对造成暴雨的降水系统进行轨迹分析

• 发表时间: 2021
• 作者: Liu Ming-Chang、McCain Kaitlyn A.、Matsuda Nozomi、Yamaguchi Akira、Kimura Makoto、Tomioka Naotaka、Ito Motoo、Uesugi Masayuki、Imae Naoya、Shirai Naoki、Ohigashi Takuji、Greenwood Richard C.;et al.;甲斐憲次;瀬古弘
• 通讯作者: 瀬古弘

Evaluation and improvement of cloud microphysics scheme using ground-based polarimetric radar and disdrometer observations

利用地基极化雷达和测距仪观测评估和改进云微物理方案

• 发表时间: 2023
• 作者: 藤田 匡;瀬古弘;川畑拓矢;岡本幸三;Yasutaka Ikuta
• 通讯作者: Yasutaka Ikuta

メソアンサンブル予報を用いた豪雨の相関解析

利用中集合预报的暴雨相关性分析

• 发表时间: 2021
• 作者: Adachi Toru;Mashiko Wataru;甲斐憲次;瀬古弘
• 通讯作者: 瀬古弘

地上設置型マイクロ波放射計の4次元同化

地基微波辐射计的 4D 同化

• 发表时间: 2022
• 作者: 甲斐憲次;神 慶孝;河合 慶;幾田泰酵
• 通讯作者: 幾田泰酵

二重偏波レーダーを参照値とした雲微物理スキームの精緻化

以双偏振雷达为参考的云微物理方案细化

• 发表时间: 2022
• 作者: 甲斐憲次;河合慶;伊藤敦哉;相澤由樹;源祐輝;E. Munkhjargal;E. Davaanyam;藤田匡;幾田泰酵
• 通讯作者: 幾田泰酵