2022 Fiscal Year Annual Research Report
観測ビッグデータを活用した変分法データ同化の高度化
| Project/Area Number |
19K23467
|
|---|
| Research Institution | Japan, Meteorological Research Institute |
|---|
Principal Investigator |
藤田 匡 気象庁気象研究所, 気象予報研究部, 室長 (50847283)
|
|---|
| Project Period (FY) |
2019-08-30 – 2023-03-31
|
| Keywords | 観測誤差相関 / 流れに依存する背景誤差 / データ同化 / 高頻度高密度観測 / ドップラー速度 |
|---|
| Outline of Annual Research Achievements |
急速に進歩するリモートセンシング技術による高頻度、高密度の観測データを数値予報において有効に活用するためのデータ同化手法の高度化に取り組んだ。
2019年度は、札幌レーダーのドップラー速度について、観測誤差の時間空間相関を統計的に診断し、変分法データ同化に導入するためのモデル化を行った。単純な変分法データ同化で観測誤差相関を考慮することにより、高密度観測の詳細な情報が偏りなく解析値に反映されることを確認した。また、「流れに依存する背景誤差」を取り入れた四次元変分法に観測誤差相関を導入し、札幌レーダードップラー速度の高頻度高密度同化実験を行った。
2020年度は、観測誤差相関の診断において観測誤差相関や観測時空間間隔の一貫性を高める実験、四次元変分法における「流れに依存する背景誤差」の局所化・気候学的背景誤差との比重・アンサンブル摂動構成に関する感度実験など、分析をより堅牢にするための調査を進めた。
2021年度は、観測誤差相関の診断について、背景誤差の流れへの依存性やドップラー速度観測のセル平均に対する感度実験を行った。また、解析インクリメント（解析値－第一推定値）のスペクトル特性を分析した。流れに依存する背景誤差の効果により、同化ウィンドウ初期から解析インクリメントの高波数成分が大きくなり、観測データからより詳細な情報を気象状況に応じて抽出できるようになることが分かった。これに伴い、北海道付近の停滞する前線の事例について予測に改善がみられた。以上の結果から高頻度高密度観測を有効に活用するために、流れに依存する背景誤差が重要となることが示唆された。これらの分析をまとめた論文を執筆して出版した。
2022年度は、対象レーダーサイトを増やし、全国の一般気象レーダーのドップラー速度について観測誤差の時間空間相関を統計的に診断してその平均的特性をモデル化し、高頻度高密度同化実験を行った。
|
-
[Journal Article] 第12回データ同化ワークショップの報告2022
Author(s)
川畑拓矢, 上野玄太, 中野慎也, 藤井陽介, 三好建正, 増田周平, 藤田匡, 雨宮新, 小槻峻司, 清水宏幸, 関谷高志, 森下侑哉
-
Journal Title
天気
Volume: 69
Pages: 593-596
-
-
