報告書番号

N07033

タイトル（和文）

水蒸気および風に関するリモートセンシング観測値のメソ気象モデルへのデータ同化 －豪雨事例の解析に対する３次元変分法の適用－

タイトル（英文）

Data Assimilation of Remote-Sensing Water Vapor and Wind Observations into a Mesoscale Meteorological Model -An Application of a Three-Dimensional Variational Method to Analyze a Heavy Rainfall Case-

概要 （図表や脚注は「報告書全文」に掲載しております）

メソ対流システムに伴う激しい降水は，電力設備にさまざまな被害を及ぼしうる．そこで，被害時の迅速な復旧活動の支援や設計の安全性評価に資するべく，激しい気象の高精度な解析・予測が必要とされている．一方，わが国では，海上で対流システムが発生・発達し，陸域に到来し続けるパターンによる集中豪雨事例が多いが，海上における気象観測が少ないため，メソ気象モデルによる豪雨の解析・予測は一般的に難しい．本研究の目的は，メソ気象モデル WRF（Weather Research and Forecasting）モデルとその 3 次元変分法によるデータ同化システムと併用した気象の解析・予測手法を提案し，実事例に対する適用可能性を検討することにある．本手法は，メソ気象モデルの初期値・境界値の作成時に考慮していない観測データを同化することにより新たな初期値に関する解析結果を得て，その結果を基にした解析・予測計算を行うことにより精度向上を図るという方針をとっている．
本手法を梅雨前線に伴う集中豪雨事例の解析に適用した．その際，熱帯降雨観測衛星に搭載されたマイクロ波放射計（TMI）に加え，GPS 可降水量やウィンドプロファイラ水平風といった地上リモートセンシング観測値をデータ同化している．適用した結果，降水量の定量性や集中豪雨パターンの解析精度が向上し，メソ気象モデルがもつスピンアップ問題が軽減されるなど，提案手法，ならびに水蒸気や風に関するリモートセンシング観測値の有用性が示唆された．特に，TMI データの同化効果は大きく，データ同化後の解析計算において，6 時間先を越えて効果が顕著であった．その一方，地上リモートセンシング観測値の同化効果も確認できたが，その効果は TMI データの同化時ほど長続きしていなかった．この持続時間の違いは，九州を中心とした地域を解析対象としていること，本豪雨事例では海上における降水の発生・発達過程を修正することが特に重要であったこと，および衛星データ数の多さに起因していると考えられる．

概要 （英文）

Intense rainfall by mesoscale convective systems (MCSs) has the potential for causing disastrous damages to electric power facilities. Around Japan, the initiation and the organization of MCSs often occur over the ocean in the subsequence of the arrival of MCSs. This episode makes forecasting or reproduction of precipitation difficult due to the lack of in-situ field observations over the ocean. The success of assimilation is crucial especially for space-borne radiance measurements. The purpose of this study is to develop a framework based on three-dimensional variational data assimilation for the Weather Research and Forecasting model to assimilate remote-sensing observations including space-borne radiance measurements from Tropical Rainfall Measuring Mission satellite as well as ground-based data of GPS (Global Positioning System) precipitable water and horizontal wind from wind profilers.
The framework developed is applied to a severe torrential rainfall case caused by a Baiu front. In this framework, observations within a 4-hour assimilation window are assimilated with a cycling mode. Results indicate that the framework works reasonably well in improving quantitative precipitation forecasting (QPF). As a notable benefit, the inherent spin-up problem of a mesoscale model is significantly mitigated by assimilation in any of case studies. The use of all kinds of dataset shows the best performance. The powerful performance of radiance assimilation is remarkable in that the capability of forecasting the intermittent arrival of convections from the ocean is increased. Positive impact of radiance assimilation on QPF is found in lead times over 6 hours, while impact of assimilation of ground-based observations does not keep so long.

報告者

キーワード