仮想的なフェーズドアレイ気象レーダーネットワーク。赤点はフェーズドアレイ気象レーダーが設置された17の地点（九州の地方気象台と特別地域気象観測所）。オレンジ色部分はレーダーの観測範囲を示す
理化学研究所（理研）は、もし九州全土に最新鋭のフェーズドアレイ気象レーダーを配置した場合、2020年7月の線状降水帯による豪雨の予測に役立ったかを調べるため、スーパーコンピューター「富岳」を使ってシミュレーションを実施。その結果、予測精度が大幅に上がることが示されたと3月7日に発表した。
年々脅威を増す線状降水帯による豪雨に備えるには、観測強化や観測データを高度に活用する予測技術を開発し、シミュレーションによる気象予測（数値天気予報）の精度を高めることが重要となる。その候補となる技術の有用性を事前に評価できれば、効果的な観測予測システムの設計に役立つ。理研計算科学研究センターデータ同化研究チーム（三好建正氏、前島康光氏）は、これまでにゲリラ豪雨の予測方法をスーパーコンピューター「京」で開発し、その手法に基づき、埼玉県のマルチパラメータ・フェーズドアレイ気象レーダー（MP-PAWR）による30秒ごとの雨雲の観測データとスーパーコンピューター「Oakforest-PACS」による首都圏の超高速降水予測のリアルタイム実験を行うなど、研究を重ねてきた。
そして今回、三好氏を中心とする理研の研究グループは、これまでに培ってきたフェーズドアレイ気象レーダーの観測ビッグデータを活かして、線状降水帯の予測精度の向上に取り組んだ。まずは、九州の地方気象台と特別地域気象観測所の計17カ所にフェーズドアレイ気象レーダーを設置したと仮定し、観測データのシミュレーションを行った。ここでは2020年7月に熊本県に豪雨被害をもたらした線状降水帯の観測データを使い、九州を中心とする600km四方のシミュレーションを「富岳」で行い、その結果を「正解データ」とした。
次に、線状降水帯をうまく再現しないシミュレーション実験（NO-DA）を行い、さらにフェーズドアレイ気象レーダーを使った30秒ごとのデータを用いた実験（30SEC）と、通常のレーダーで5分ごとデータを用いた実験（5MIN）を行った。その結果、NO-DAと5MINは線状降水帯は大きく南にずれてしまったのに対して、30SECは大きく改善し、正解データに近づいた。
2020年7月4日午前4時（日本時間）を初期時刻とした1時間先の雨粒量の水平分布。（a）線状降水帯をうまく再現しないシミュレーション結果（NO-DA）。（b）通常の気象レーダーによる、5分ごとの観測データを用いた実験（5MIN）。予測は改善されなかった。（c）フェーズドアレイ気象レーダーによる、30秒ごとの観測データを用いた実験（30SEC）。予測が改善された。（d）今回の研究における正解データ。赤・紫になるほど強い雨を表す
このことから、そもそも狭い領域で発生するゲリラ豪雨の予測を目的としたフェーズドアレイ気象レーダーだが、複数の積乱雲からなる線状降水帯の大規模な現象にも対応できることが示された。これは「地球規模の温暖化により脅威を増す線状降水帯の予測精度の向上や被害の軽減に向けた新しい予測技術や観測システムの提案」につながると研究グループは話している。
- Original:https://jp.techcrunch.com/2022/03/08/simulation-experiments-of-a-rich-phased-array-weather-radar-network/
- Source:TechCrunch Japan
- Author:tetsuokanai
Amazonベストセラー
Now loading...