2021 Fiscal Year Annual Research Report
レーダー降雪分類と雲物理過程に基づく新積雪物理量の時空間変化推定手法の開発
| Project/Area Number |
19K04978
|
|---|
| Research Institution | National Research Institute for Earth Science and Disaster Prevention |
|---|
Principal Investigator |
中井 専人 国立研究開発法人防災科学技術研究所, 雪氷防災研究部門, 総括主任研究員 (20360365)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
橋本 明弘 気象庁気象研究所, 気象予報研究部, 主任研究官 (20462525)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 降雪 / 雲物理 / 数値気象モデル / レーダー / 機械学習 / 新積雪 / 比表面積 / SSA |
|---|
| Outline of Annual Research Achievements |
最終年度には、1)降雪起源の弱層となりうる雪の降水強度を気象レーダー観測から推定する式を作成し、機械学習を用いた降水分布特性の判別を実施した。次に、2)気象庁の数値気象モデルJMA-NHMの雪粒子の落下速度と雪粒子の凝集率を最適化したモデル改良の結果、地上降雪粒子の落下速度と粒径の代表値を概ね良く再現するレベルまで改良できた。3)では1)の降雪起源の弱層となりうる雪の特定、2)のモデル出力のアルゴリズム検証を行い、それぞれの解析の改良につなげた。以上のように、地上降雪粒子と新積雪特性の観測データをもとにしてレーダー解析及び気象モデル研究を進展させることができた。
研究期間全体については、新積雪物理量の観測で特定した降雪起源の弱層形成につながる雪について、レーダー降雪強度が非常に過小評価となることを指摘できたことはレーダー気象学上，及び雪氷防災上の意義が大きい。地上降雪粒子観測データをもとにJMA-NHMの雲物理過程を最適化できたことは、気象学的に、また予報業務への効果が大きいと言える。特に、雪粒子の凝集率を温度の関数として新たに与えた処理はオリジナリティが高い。この改良が衛星リモートセンシングシミュレータの出力も改善できた点は、当初想定より進展したと言える。機械学習を用いた降水分布分類については、11冬季分の気象庁合成レーダーデータについて手作業分類と自動分類を比較し、気象学的に知られている特徴をもとにした前処理の必要性を指摘した。
本研究では、新積雪特性観測データに基づき、気象モデルの雲物理過程、レーダー降水分布推定に改良を行うことができ、降雪起源の弱層形成の推定を行うための技術的基盤を整えることができ、衛星リモートセンシングに関する予定以上の成果も得られた。これら成果の改良と応用により、気象業務、雪氷防災の高度化が期待される。
|
| Remarks |
アウトリーチとして『サイエンスアゴラ２０２１温暖化時代の雪と私達の暮らし ～雪氷研究の最前線から〜』における「降雪と積雪」の講演(橋本明弘, 庭野匡思)、『(公社）日本気象学会中部支部第24回公開気象講座(2021) 豪雪』における「日本海側の”集中”豪雪」の講演(中井専人)を行った。
|
Research Products
(9 results)
