レーダー ナウ キャスト 高 解像度。 東京都練馬区の雨雲レーダーと直近の降雨予報

気象庁が提供する天気予測サービスの決定版「高解像度降水ナウキャスト」を使ってみました

気象庁が降水、竜巻発生確度、雷活動度の分布について、1時間先までの予測を発表する気象予報システム。 ナウキャストは、英語の現在nowと、予報forecastを組み合わせた造語である。 短時間予報ともいう。 気象庁では、250メートルか1キロメートル（竜巻発生確度については10キロメートル）四方の格子に区分けしたエリアの予測を、5分あるいは10分ごとに配信している。 1日3回発表される一般的ななどとは異なり、狭い地域ごとに詳細な気象予報を短い間隔で得られるため、日常生活で当座の行動の参考となる予報を得られる。 また、大雨のときには、防災対策や避難行動をとるために有効な情報を得ることが可能である。 予測情報は国際気象通報式にのっとったデータ形式や画像データとして配信されており、気象庁のホームページや民間事業者のコンテンツサービスなどを利用して見ることができる。 気象庁は、2004年（平成16）からレーダー観測結果をアメダスなどの雨量計データをもとに補正し、降水の強さとその分布を予測して提供する降水ナウキャストの運用を開始した。 続いて、2010年から竜巻などの激しい突風の発生確度に関する竜巻発生確度ナウキャストと、雷の激しさや発生可能性に関する雷ナウキャストの提供を始めた。 さらに、2014年からは、局地的な大雨の観測精度を向上させるため、気象ドップラーレーダーの観測値に加え、気象庁と国土交通省、地方自治体が保有する全国の雨量計のデータ、ウィンドプロファイラやラジオゾンデによる高層観測データ、国土交通省のXバンドMPレーダー（XRAIN）などを活用した高解像度降水ナウキャストを運用している。 提供される予想値や解析値は以下の通り。 1 降水ナウキャスト 1キロメートル格子による、10分ごとの降水量と5分ごとの降水強度の予想値。 2 高解像度降水ナウキャスト 250メートルから1キロメートル格子による、5分ごとの降水量と降水強度の解析値と予想値。 3 雷ナウキャスト 1キロメートル格子による10分ごとの雷活動度。 4 竜巻発生確度ナウキャスト 10キロメートル格子による10分ごとの竜巻発生確度。 5 画像データ 250メートルから1キロメートル格子による5分ごとの、高解像度降水ナウキャスト、雷ナウキャスト、竜巻発生確度ナウキャストの画像データ。 なお、高解像度降水ナウキャストとして提供される250メートルの解像度の予測は、30分後までであり、これ以降の1時間後までは、同じアルゴリズムで予測された1キロメートルの解像度で提供される。 ［編集部］.

次の

高解像度降水ナウキャストの模様

高解像度降水ナウキャスト 高解像度降水ナウキャストとは は、気象レーダーの観測データを利用して、250m解像度で降水の短時間予報を提供します。 気象庁は全国20箇所にを設置して、日本全国のレーダー雨量観測を行っています。 このドップラーレーダー観測網は、局地的な大雨の観測精度の向上を図るため、平成24～25年度にレーダー観測データの距離方向の解像度を従来の500mから250mに向上させるための機器更新を行いました。 高解像度降水ナウキャストは、これら気象ドップラーレーダーの観測データに加え、気象庁・国土交通省・地方自治体が保有する全国の雨量計のデータ、やの高層観測データ、国土交通省レーダ雨量計のデータも活用し、降水域の内部を立体的に解析して、250m解像度の降水分布を30分先まで予測します。 高解像度降水ナウキャストの実況解析 従来からある降水ナウキャスト（以後、降水ナウキャスト）が気象庁のレーダーの観測結果を雨量計で補正した値を予測の初期値としているのに対し、高解像度降水ナウキャストでは、気象庁のレーダーのほか国土交通省レーダ雨量計を利用し、さらに雨量計や地上高層観測の結果等を用いて地上降水に近くなるように解析を行って予測の初期値を作成しています。 なお、降水ナウキャストでは予測初期値を実況値と呼ぶのに対し、高解像度降水ナウキャストでは解析値あるいは実況解析値と呼んでいます。 高解像度降水ナウキャストの予測手法 降水ナウキャストが2次元で予測するのに対し、高解像度降水ナウキャストでは、降水を3次元で予測する手法を導入しています。 予測前半では3次元的に降水分布を追跡する手法で、予測後半にかけて気温や湿度等の分布に基づいて雨粒の発生や落下等を計算する対流予測モデルを用いた予測に徐々に移行していきます。 また、高解像度降水ナウキャストでは、積乱雲の発生予測にも取り組んでいます。 地表付近の風、気温、及び水蒸気量から積乱雲の発生を推定する手法と、微弱なレーダーエコーの位置と動きを検出して、微弱なエコーが交差するときに積乱雲の発生を予測する手法を用いて、発生位置を推定し、対流予測モデルを使って降水量を予測します。 高解像度降水ナウキャストの解像度 観測及び予測データの高解像度化は、データ容量の増加をもたらします。 高解像度降水ナウキャストでは、高解像度化とナウキャストの速報性を両立するために、陸上と海岸近くの海上では250m解像度の降水予測を、その他の海上では1km解像度により降水予測を提供します。 図の薄い灰色が250m解像度で予測を提供する領域で、やや濃い灰色が1km格子で予測を提供する領域。 さらに濃い灰色は予測対象領域外。 また、高解像度降水ナウキャストは250mの予測期間は30分ですが、予測時間35分から60分までは、30分までと同じアルゴリズムで予測した1kmの解像度で予測を提供しています。 高解像度降水ナウキャストの事例 下の図は、平成26年6月29日の大雨を予測した例です。 図は平成26年6月29日16時00分を初期値として16時20分を予測した予測値とその時間の実況及び解析値。 高解像度降水ナウキャストの改善履歴• 利用上の留意点• レーダーの運用休止に伴い、該当する地域の降水強度が表示されないか、弱めに表示されることがあります。• 、実際の降水よりもはるかに強い降水が表示されることがあります。 また、実際の降水がないところに降水が表示されることもあります。

次の

気象庁が提供する天気予測サービスの決定版「高解像度降水ナウキャスト」を使ってみました

「ナウキャスト」は、現在を表す「now」と予測を表す「forecast」に由来し、現在の変化を観測・解析し、そこから数分先の動きを予測するということを繰り返し、雨雲の発達や進路を予測することを目的として開発されました。 このシステムにより、ゲリラ豪雨と呼ばれる正確な予測が困難な局地的大雨に対応することが可能となりました。 気象庁では、2004年6月より「降水ナウキャスト 10分間降水量）」を、2011年3月より「降水ナウキャスト 5分 」を、それぞれ 1km四方単位で提供してきました。 この開発により降雨予測の精度が大幅に向上し、より実況に近く強雨域を表現することが可能となりました。 「高解像度降水ナウキャスト」は、気象庁・国土交通省・地方自治体が保有する全国の雨量計のデータなど様々なデータを活用しています。 そのため、降水域の内部を立体的に解析して、250m解像度の降水分布を30分先まで予測することが可能となりました。 つまり、特定の地点の今から30分後の降水が、より正確に予測できるということになります。 さらに現在では雷監視システムによる落雷情報も表示されるようになり、あらゆる気象災害に備えることが可能となっています。 「高解像度降水ナウキャスト」は降雨の予測が高精度であるため、企業としては水害の可能性を察知したら、すぐに決断し準備をすることが可能となります。 例えばゲリラ豪雨など、不測かつ緊急な天候不順の際に、社員の通勤や移動に影響を及ぼす可能性があれば、「安全確保を優先させる」という意思決定を行う明確な根拠を示すことができます。 また、社員が個々に、「高解像度降水ナウキャスト」によるアラートを受け取るアプリケーションを活用することで、移動先での天候不順の察知や帰宅経路の選択などをフレキシブルに行うことが可能となります。 さらに、降雨情報を収集した結果、事業所への水害の恐れがあると判明した場合は、直ちに重要書類や自社サーバーなど物理的な重要経営資源の移動、設置物等の浸水防止などの措置が必要となります。 このように、とっさの判断が必要とされ、かつ迷うような状況において、精度の高い予測情報は、行動を促す有効なトリガーとなり得ます。 予測情報を有効に活用するための前提として、自社の周辺にどのような水害リスクがあるのかをしっかり認識しておくことが重要です。 平時からハザードマップを参照し、事業所のどこから浸水しやすいかを把握した上で、浸水対策用品の準備などの対策を行い、安全な避難場所や避難経路を選定しておきましょう。 災害時は常に予期せぬ事態が発生するものです。 例えば選定した避難経路が土砂崩れにより塞がれてしまうといった場合もあるため、複数の避難経路・避難場所を選んでおくなど、あらゆる状況を想定し、予測情報に応じた行動オプションを瞬時に選択できるようにしておきたいものです。 ここまで解説したように、「高解像度降水ナウキャスト」は、詳細かつ高精度なレーダー画像と降水予測を提供することを可能としたプログラムです。 ただし、現状は学習データのない未経験の状況における正確な予測については未知数であり、物理学・気象学に基づいた力学的予測の導入やデジタル技術の革新により、さらなる予測精度向上のための努力が続けられています。 このような知と知の組み合わせはイノベーションの発生原理とも言われており、今後様々な分野との連携が進み、さらなる進歩・発展が期待されます。 特に、技術革新的側面では、IoTやAIなどの急激に成長する技術との掛け合わせが期待されます。 例えば、「高解像度降水ナウキャスト」の利用する気象レーダーが「雨」と認識しても、雨粒が地上に降ってくる前に蒸発してしまい、地上では雨が降っていないということも考えられます。 また、レーダーは雨雲ができやすい地上2 km以上の位置に電波を当てていますが、ゲリラ豪雨は地上から2km以下の位置にできる小さな雲が発生源となることが多いため、それを捉えることができずに見逃してしまうことがあるという問題もあります。 そのため、より完全な予測に近づけるためには、レーダーによる情報を補完するデータが必要となります。 そこで、スマートフォンやコネクテッドカーなどのIoT機器と、そこから得られる膨大なデータを解析するAIにより、世の中のあらゆる機器が観測機となりレーダーの情報を補完する仕組みを整備することが目指されています。 このように、今後より一層高度な予測が可能となることにより、企業のリスク回避や意思決定においてますます有用なツールとなることが期待されます。

次の