JP2004085394A

JP2004085394A - System for modifying marine forecast data

Info

Publication number: JP2004085394A
Application number: JP2002247508A
Authority: JP
Inventors: Isao Umetsu; 梅津　功
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2002-08-27
Filing date: 2002-08-27
Publication date: 2004-03-18

Abstract

<P>PROBLEM TO BE SOLVED: To integrally modify the distribution of marine data while maintaining the time and space continuity of a numerical oceanographic model in the forecast results of the numerical oceanographic model. <P>SOLUTION: A numerical forecast part 1 forecasts time and space data on marine environment such as water temperature, salinity, and current velocity on the basis of the numerical oceanographic model and outputs forecast lattice data 5 and 8. A numerical modification part 2 displays the marine environments forecasted by the forecast lattice data 5 from the numerical forecast part 1, modifies any time and space data on the marine environment, and outputs modified data 6. An optimum interpolation part 3 interpolates marine environment data manually modified by the modified data 6 from the numerical modification part 2 in such a way that estimation error at each computation lattice point may become minimum and outputs it as modification lattice data 7. A data assimilation part 4 integrates the modification lattice data 7 modified at the numerical modification part 2 and interpolated by the optimum interpolation part 3 with the forecast lattice data 8 from a numerical forecast part 1 through the use of a data assimilation technique and outputs it as assimilation data 9. <P>COPYRIGHT: (C)2004,JPO

Description

【０００１】
【発明の属する技術分野】
本発明は海洋予報データ修正方式に関し、特に数値海洋モデルの予報結果に任意の修正をデータ同化手法により加えることで、モデルの時空間的な連続性を維持したまま予報データの分布を総合的に修正する海洋予報データ修正方式に関する。
【０００２】
【従来の技術】
近年、海洋で諸々のデータを観測・取得して解析を行い、海洋で生じている種々の波動現象の特性を明らかにすることで、海洋環境の将来の状態を予測することが行われている。
【０００３】
海洋環境の予報には、数値的に物理特性をモデル化して予報する数値海洋モデルと、さらに精度を上げるために現場観測データを統合するデータ同化の２段の処理が必要である。
【０００４】
しかしながら、この結果をオペレータが修正しようとした場合に、これを適切に支援する方法は現在ない。
【０００５】
実際に海洋の波動現象の特性がすべて明らかにできたとしても、それが海洋環境の将来予測と直接に結びつくわけではない。なぜなら海洋環境の様々な波動現象の生成・伝播・消滅過程は、海洋の波動を発生させる大気の強制力（風、気圧変動）の変動を正確に予測することが要請される。ところが海洋の波動現象を支配する運動方程式が非線形方程式であるため、初期値のわずかな差異が全く異なる時間発展を示すことから、波動の発生を正確に予測することは困難である。
【０００６】
これは時々刻々変化する大気状態が、新たな初期条件、境界条件となって大気運動を規定し、数値モデルに使用された一つの初期条件や境界条件の有効性が数日しか持続しないことに依る。
【０００７】
このためデータ同化手法により、例えば実際の天気予報を行う数値予測モデルを例にとると、６時間毎に現実の大気観測データを計算データに同化させ、モデルを再初期化して計算を続けることにより対処している（参考文献：柳　哲雄、「海洋観測データの処理法」、ｐｐ．８９−９７、恒星社厚生閣、１９９３）。
【０００８】
また、力学モデルなどを制約条件として観測データに近い場や時系列を求めるデータ同化手法を用い、その際に制約条件を厳密に満たすことを要求するかズレを許容するかで２種類の強い制約条件を伴う定式化と、弱い制約条件を伴う定式化のいずれかを適用し、カルマンフィルタや随伴法を用いたデータ同化手法を用いている（参考文献：小守　信正、石川　洋一、淡路　敏之、「データ同化の原理と手法」、月間海洋、ｐｐ．６９−７５、Ｖｏｌ．３３，Ｎｏ．２，２００１）。
【０００９】
このような技術の一例として、特開平５−６６２７３号公報記載の「リアルタイム収束帯位置推定装置」が知られている。
【００１０】
この公報では、人工衛星に搭載し海面から放射される赤外線を計測して得られるアナログ赤外線画像を、電波により地上に向けて送出する赤外線放射温度計と、このアナログ赤外線画像を受けて海面水温分布のディジタルデータを求める地上装置と、この地上装置の出力する海面水温分布を受けてこれに深度方向の外挿を施し音波伝搬速度の３次元構造を求めた上で、伝搬音波が収束する海面近傍の収束帯位置を予測する技術が記載されている。
【００１１】
【発明が解決しようとする課題】
上述した従来の海洋予報データ修正方式は、数値海洋モデルを基本とした海洋環境の予報に対して、数値海洋モデルが有する分解能に起因する限界、同化アルゴリズムの限界により必ずしも正しい予報ができる保証はないという欠点を有している。
【００１２】
これを解決するための一手法として、オペレータによる予報データの修正が考えられる。海洋環境に精通したオペレータは、海洋環境の変化傾向を自らの経験に基づき予報することがある程度可能ではあるが、オペレータ固有の経験に依存するため不確定要素がある。
【００１３】
一方、数値海洋モデルやデータ同化処理は、海洋の物理特性に基づいた結果であるためその時空間的な連続性が保たれているが、オペレータによる予報データの修正は海洋の物理特性とは無関係に行われるため、モデルの予報結果の連続性を破壊してしまうという欠点を有している。
【００１４】
本発明の目的は、数値海洋モデルの予報結果にオペレータが任意の修正を加える際に、データ同化と同じ手法を用いることでモデルの時空間的な連続性を維持したまま、予報データの分布を総合的に修正する海洋予報データ修正方式を提供することにある。
【００１５】
【課題を解決するための手段】
本発明の第１の海洋予報データ修正方式は、数値海洋モデルに基づき、水温、塩分、流速の海洋環境の時空間データを予報し、前記海洋環境の任意の時空間データを修正し、修正した海洋環境の時空間データを、各計算格子上での推定誤差を最小とするように内挿し、この修正内挿されたデータを予報結果に、データ同化手法を用いて統合することを特徴としている。
【００１６】
本発明の第２の海洋予報データ修正方式は、
数値海洋モデルに基づき、水温、塩分、流速の海洋環境の時空間データを予報し、第１の予報格子データ及び第２の予報格子データを出力する数値予報部と；
この数値予報部からの前記第１の予報格子データにより予報された前記海洋環境を表示し、前記海洋環境の任意の時空間データに対して手動操作により修正を行い、修正データを出力する数値修正部と；
この数値修正部からの前記修正データにより修正された海洋環境データを、各計算格子点での推定誤差を最小とするように内挿し、修正格子データとして出力する最適内挿部と；
前記最適内挿部で内挿された前記修正格子データを、前記数値予報部からの前記第２の予報格子データとともに、データ同化手法を用いて統合し、同化データとして出力するデータ同化部と；
を備えたことを特徴としている。
【００１７】
本発明の第３の海洋予報データ修正方式は、
数値予報部と、数値修正部と、最適内挿部と、データ同化部とからなり、
前記数値予報部が算出し出力した第１の予報格子データを、前記数値修正部で修正した修正データを出力し、この修正データを前記最適内挿部で統計理論に基づき誤差を最小にし計算格子上に内挿した修正格子データとして出力し、前記修正格子データを前記データ同化部で最適制御理論に基づき前記数値予報部が出力した第２の予報格子データに統合することにより、モデルの特性を破壊せずに予報データの分布を修正することを特徴としている。
【００１８】
本発明の第４の海洋予報データ修正方式は、前記第２または第３の海洋予報データ修正方式において、
前記数値予報部は、プリンストン海洋モデル（ＰＯＭ：Ｐｒｉｎｃｅｔｏｎ　Ｏｃｅａｎ　Ｍｏｄｅｌ）の数値海洋モデルに基づき、水温、塩分、流速の海洋環境データを、３次元空間、任意の時間について算出し、前記予報格子データとしてすべての格子上に設定することを特徴としている。
【００１９】
本発明の第５の海洋予報データ修正方式は、前記第２または第３の海洋予報データ修正方式において、
前記数値予報部は、モジュラー海洋モデル（ＭＯＭ：Ｍｏｄｕｌａｒ　Ｏｃｅａｎ　Ｍｏｄｅｌ）の数値海洋モデルに基づき、水温、塩分、流速の海洋環境データを、３次元空間、任意の時間について算出し、前記予報格子データとしてすべての格子上に設定することを特徴としている。
【００２０】
本発明の第６の海洋予報データ修正方式は、前記第２〜５のいずれかの海洋予報データ修正方式において、
前記データ同化部は、
前記数値予報部で算出した前記第２の予報格子データをＳｆ（ｉ，ｊ）、前記最適内挿部で算出された前記修正格子データとしてのＳｉ（ｉ，ｊ）から、最尤推定値Ｓｘ（ｉ，ｊ）を次式に基づき算出することを特徴としている。
【００２１】
【数１】

【００２２】
（Ｗｋ：予報格子データに対する修正格子データ取り込みの重み）
【００２３】
【発明の実施の形態】
次に、本発明の実施の形態について図面を参照して説明する。
【００２４】
図１は本発明の海洋予報データ修正方式の一つの実施の形態を示すブロック図である。
【００２５】
図１に示す本実施の形態は、数値予報部１と、数値修正部２と、最適内挿部３と、データ同化部４とから構成されている。
【００２６】
数値予報部１は、数値海洋モデルに基づき、水温、塩分、流速等の海洋環境の時空間データを予報し、予報格子データ５，８を出力する。
【００２７】
数値修正部２は、数値予報部１からの予報格子データ５により予報された海洋環境を表示し、海洋環境の任意の時空間データに対してオペレータの手動操作により修正を行い、修正データ６を出力する。
【００２８】
最適内挿部３は、数値修正部２からの修正データ６により手動で修正された海洋環境データを、各計算格子点での推定誤差を最小とするように内挿し、修正格子データ７として出力する。
【００２９】
データ同化部４は、数値修正部２により修正され最適内挿部３で内挿された修正格子データ７を、数値予報部１からの予報格子データ８とともに、データ同化手法を用いて統合し、同化データ９として出力する。
【００３０】
数値予報部１が算出し出力した予報格子データ５を、数値修正部２でオペレータが手動入力により修正し、修正データ６を出力する。この修正データ６を、最適内挿部３で統計理論に基づいて誤差を最小にして計算格子上に内挿し、修正格子データ７として出力する。これをデータ同化部４で最適制御理論に基づき、当初の予報格子データ８に統合することにより、モデルの特性を破壊せずに予報データの分布を修正することを可能とするものである。
【００３１】
次に、図１を参照して本実施の形態の動作をより詳細に説明する。
【００３２】
数値予報部１は、プリンストン海洋モデル（ＰＯＭ：Ｐｒｉｎｃｅｔｏｎ　Ｏｃｅａｎ　Ｍｏｄｅｌ）、モジュラー海洋モデル（ＭＯＭ：Ｍｏｄｕｌａｒ　Ｏｃｅａｎ　Ｍｏｄｅｌ）等の数値海洋モデルに基づき、水温、塩分、流速といった海洋環境データを、３次元空間、任意の時間について算出し、予報格子データ５としてすべての格子上に設定する。算出の原理は、回転地球上の海水の運動方程式、質量保存式、熱量保存式、塩分保存式を数値的に算出するものである。
【００３３】
ここで、特にプリンストン海洋モデル（ＰＯＭ）の特徴として、１）鉛直混合係数を提供するために適用される２次モーメントの乱流クロージャーサブモデルを含んでいる、２）鉛直座標がウォーターコラムの深度でスケールされたシグマ座標モデルである、３）水平グリッドは曲線直交座標及び“Ａｒａｋａｗａ　Ｃ”差分スキームを使用している、４）水平の時間差分が明記されるのに対し、鉛直成分は明記されない。後者は、鉛直座標に関する時間制限を消去してしまい、海面及び海底境界層において高い鉛直解像度の使用を許す、５）モデルは、自由海面及び分割された時間間隔を有する。モデルの外部モード部分は２次元となり、ＣＦＬ条件及び外部波の速力を基準とした短時間ステップを使用する。内部モードは３次元で、ＣＦＬ条件及び内部波速力に基づいた長時間ステップを使用する、６）完全な熱力学が実行される　の１）〜６）の特徴を有している。
【００３４】
数値予報部１は、海を動かす外力として風、気温（熱）といった気象情報を入力し、初期の流速、水温、塩分のデータから、運動方程式、質量保存式、熱量保存式、塩分保存式を有限差分法によって時間積分することにより、流速、水温、塩分の時間発展を予測する。
【００３５】
この場合、現実の海を格子モデルに展開して上記方程式を解くわけであるが、上述のＰＯＭとＭＯＭの２つのモデルは、その鉛直格子の取り方に違いがある。
【００３６】
ＰＯＭにおいては、各地点の水深に比例した深度で格子を設定する。これにより、深い水深の地点では粗く、浅い水深の地点では細かい鉛直分解能を得ることが可能となる。
【００３７】
一方のＭＯＭにおいては、全地域で一定の水深毎に鉛直格子を設定する。これにより、全海域での鉛直分解能は一定となるが、浅い水深の地点での鉛直分解能は深い地点に比較して粗くなってしまう。
【００３８】
上記２つのモデルは、モデルが対象とするエリアの特徴で使い分けるのが適切である。
【００３９】
さて図１に戻ると、数値修正部２は、数値予報部１で算出した予報格子データ５について任意の（ｉ，ｊ）点における値を修正し、修正データ６として任意の点のデータＳｍ（ｉ，ｊ）を出力する。
【００４０】
図２は図１の数値修正部の数値データ修正方法を示す説明図である。
【００４１】
図２はオペレータによる具体的な修正方法を示したものであり、２次元画面上で予報格子データ５における水平分布図上の任意の点を指定して修正する方法「２１予報データ（水平）の修正方法」や、同様に指定した点における鉛直分布図上の値をグラフィカルに修正する方法「２２予報データ（鉛直）の修正方法」等がある。
【００４２】
図２の「２１予報データ（水平）の修正方法」では、修正したい深度での予報データを２次元表示させ、マウスをクリックすることでオペレータが任意の点を指定し、指定した任意の点における流速、水温、塩分を表形式で表示させる。オペレータは、これら表形式で表示された流速、水温、塩分の数値データをキーボード等により修正して保存する。
【００４３】
また、「２２予報データ（鉛直）の修正方法」は、２次元表示された海図データからマウスをクリックすることでオペレータが任意の点を指定し、指定した任意の点における流速、水温、塩分を鉛直方向にグラフ表示させる。
【００４４】
オペレータは、これらのグラフ表示された数値データを、マウスによるクリックやドラッグ等によりグラフ上でデータを修正して保存する。
【００４５】
図３は図１の最適内挿部の内挿処理を示す概念図である。
【００４６】
図３を参照すると、最適内装部３は、数値修正部２で修正した任意の点のデータＳｍ（ｉ，ｊ）を、対象となるモデル格子に対して、最適内挿法を用いて内挿したオペレータ修正値Ｓｉ（ｉ，ｊ）として設定する。ここで注意する点は、任意の点の修正データを、最適内挿法を用いることによってある程度の広がりを持った面の分布に内挿する点である。
【００４７】
図３の「３１修正データ」はオペレータが入力した修正データ６の分布を示す。
【００４８】
これらの修正データ６は、オペレータがあくまで図２に示す方法により手動で修正したデータであるので、この段階では離散的な点の情報の集合となる。
【００４９】
また、図３の「３２修正格子データ」は「３１修正データ」の離散的な修正データに基づき、最適内挿法を用いて推定誤差が最小となるように修正格子データとして補間する。
【００５０】
ここで最適内挿法とは、存在しているはずの真の値と各格子点での推定値の誤差を最小とするように、各格子点で最確値と推定誤差を求めるものである。
【００５１】
図４は図１のデータ同化部のデータ同化処理を示す概念図である。
【００５２】
図４を参照すると、データ同化部４は、数値予報部１で算出した予報格子データ８をＳｆ（ｉ，ｊ）、最適内挿部３で算出された修正格子データ７としてのＳｉ（ｉ，ｊ）から、（１）式に基づき、最尤推定値Ｓｘ（ｉ，ｊ）を算出する。
【００５３】
【数１】

【００５４】
ここで、Ｗｋは予報格子データに対する修正格子データ取り込みの重みを表す。この式を算出する具体的な方法としては、アジョイント法やカルマンフィルタ法などがある。
【００５５】
ここでデータ同化とは、例えば実際の天気予報を行う数値予測モデルを例にとると、６時間毎に現実の大気観測データを計算データに同化させ、モデルを再初期化して計算を続けることを示す。すなわち、数値計算の一番最初の初期条件は観測値の客観補間からのみ与えられるのに対して、計算開始以後は６時間毎に観測値と計算値とを同化させた新たな初期条件を用いて計算を継続することになる。
【００５６】
これは、天気予報の大気現象と同様に海洋を支配する運動方程式が非線形方程式であることによる。一般に非線形方程式では、初期値のわずかな差異が全く異なる時間発展を示すことになる。これに反して線形方程式は初期値の差異が時間経過に依らずに差異はそのまま保存される。
【００５７】
つまり時々刻々変化する海洋状態が、新たな初期条件、境界条件となって海洋運動を規定し、数値モデルに使用された一つの初期条件や境界条件の有効性が数日しか持続しないことに依る。
【００５８】
一般にデータ同化とは、力学モデル等を制約条件として観測データに近い場や時系列を求める手法と云える。
【００５９】
なお、図４の「４１予報データ」は、数値予報部１での数値海洋モデルに基づいた流速、水温、塩分を格子上の値として算出して保存したデータである。
【００６０】
また、「４２同化データ」は、「４１予報データ」に対して図３で得られた「３２修正格子データ」をデータ同化（すなわち統合化）させることにより、数値予報データの物理的特性を維持しつつ修正内容を反映させたデータを形成することになる。
【００６１】
上述の通り、本発明による海洋予報データ修正方式は、数値海洋モデルに基づき、水温、塩分、流速等の海洋環境の時空間データを予報する手段と、これを表示し、海洋環境の任意の時空間データをオペレータが手動で修正できる手段と、これら手段により手動で修正された海洋環境データを各計算格子点での推定誤差を最小とするように内挿する手段と、上述の手段により内挿されたデータを予報結果に対してデータ同化手法を用いて統合する手段とを有する。
【００６２】
これまでの海洋予報システムでは、オペレータによる任意の修正を反映しつつモデルの連続性を破壊しない適切な修正方法がなかったので、数値海洋モデルを基本とした海洋環境の予報に際し、モデルが有する分解能に起因する限界、同化アルゴリズムの限界によって必ずしも正しい予報ができる保証はないが、オペレータによる予報データの修正を考えることで、海洋環境に精通したオペレータが海洋環境の変化傾向を自らの経験に基づき予報することがある程度可能となる。
【００６３】
つまり本発明では、数値海洋モデルの算出結果に対してオペレータが手動入力した任意の修正データを、統計理論に基づいて誤差を最小にして計算格子上に内挿し、これを最適制御理論に基づき当初の予報データに統合すること（データ同化）により、モデルの特性を破壊せずに予報データの分布を修正することを可能とするものである。
【００６４】
また一般に、数値海洋モデルによる物理量の予報結果に手動修正を加えた場合、それが特異点となりモデルの連続性を破壊する結果となっていたが、本発明によりオペレータの修正結果を数値海洋モデルの予報結果に、海洋の物理特性を破壊しない形で統合することで、時空間的な不連続を回避することが可能となる。
【００６５】
さらに、このようにして算出されたデータを初期値として、次のステップにおける計算においても不連続を発生することなく、適切な予報データを算出することが可能になる初期値を提供することができる。
【００６６】
【発明の効果】
以上説明したように、本発明の海洋予報データ修正方式は、オペレータの修正結果を数値海洋モデルの予報結果に海洋の物理特性を破壊しない形で統合することができるので、海洋モデルの時空間的な連続性を維持したまま、予報データの分布を総合的に修正するという効果を有している。
【００６７】
また、このようにして算出されたデータを初期値として次のステップの計算に適用することで、不連続を発生することなく適切な予報データ算出の初期値を提供するという効果を有している。
【図面の簡単な説明】
【図１】本発明の海洋予報データ修正方式の一つの実施の形態を示すブロック図である。
【図２】図１の数値修正部の数値データ修正方法を示す説明図である。
【図３】図１の最適内挿部の内挿処理を示す概念図である。
【図４】図１のデータ同化部のデータ同化処理を示す概念図である。
【符号の説明】
１　　数値予報部
２　　数値修正部
３　　最適内挿部
４　　データ同化部
５　　予報格子データ
６　　修正データ
７　　修正格子データ
８　　予報格子データ
９　　同化データ[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to an ocean forecast data correction method, and in particular, by applying arbitrary corrections to the forecast results of a numerical ocean model by a data assimilation method, comprehensively distributing the forecast data distribution while maintaining the spatio-temporal continuity of the model. The present invention relates to an ocean forecast data correction method to be corrected.
[0002]
[Prior art]
In recent years, the future state of the marine environment has been predicted by observing and acquiring various data in the ocean, analyzing it, and clarifying the characteristics of various wave phenomena occurring in the ocean. .
[0003]
Forecasting of the marine environment requires two stages of processing: a numerical ocean model, which numerically models and predicts physical characteristics, and a data assimilation, which integrates field observation data to further improve accuracy.
[0004]
However, there is currently no way to properly assist the operator in attempting to correct this result.
[0005]
Even if all the characteristics of ocean wave phenomena can be clarified, they do not directly relate to the future prediction of the marine environment. This is because the generation, propagation, and extinction processes of various wave phenomena in the marine environment require accurate prediction of fluctuations in the atmospheric forcing (wind and atmospheric pressure fluctuations) that generate ocean waves. However, since the equations of motion governing ocean wave phenomena are non-linear equations, it is difficult to accurately predict the occurrence of waves because slight differences in the initial values show completely different time evolutions.
[0006]
This is because the ever-changing atmospheric conditions define atmospheric motion as new initial conditions and boundary conditions, and the validity of one initial condition or boundary condition used in the numerical model lasts only a few days. It depends.
[0007]
For this reason, using a data assimilation method, for example, assuming a numerical prediction model for performing an actual weather forecast, assimilating actual atmospheric observation data into calculation data every six hours, reinitializing the model and continuing calculation (Reference: Tetsuo Yanagi, "Processing Method of Ocean Observation Data", pp. 89-97, Koseisha Koseikaku, 1993).
[0008]
In addition, we use a data assimilation method that obtains a field or time series close to the observed data using a dynamic model as a constraint. At this time, two types of strong constraints are required depending on whether the constraint is required to be strictly satisfied or the deviation is allowed. We apply either a formulation with a condition or a formulation with a weak constraint, and use a data assimilation method using a Kalman filter or the adjoint method. Principles and Methods of Data Assimilation ”, Monthly Ocean, pp. 69-75, Vol. 33, No. 2, 2001).
[0009]
As an example of such a technique, a “real-time convergence zone position estimating device” described in Japanese Patent Application Laid-Open No. 5-66273 is known.
[0010]
This publication describes an infrared thermometer that sends an analog infrared image, which is obtained by measuring infrared radiation emitted from the sea surface mounted on a satellite to the ground by radio waves, and a sea surface temperature distribution that receives this analog infrared image. A ground device that obtains digital data of the sea surface temperature distribution output from the ground device, and extrapolates it in the depth direction to obtain the three-dimensional structure of the sound wave propagation velocity. A technique for predicting the position of the convergence zone is described.
[0011]
[Problems to be solved by the invention]
The conventional ocean forecast data correction method described above does not guarantee that accurate forecasts can always be made for the forecast of the marine environment based on the numerical ocean model due to the limitations caused by the resolution of the numerical ocean model and the limitations of the assimilation algorithm. There is a disadvantage that.
[0012]
As one method for solving this, correction of forecast data by an operator is considered. An operator who is familiar with the marine environment can predict the change tendency of the marine environment to some extent based on his / her own experience, but has an uncertain factor because it depends on the operator's own experience.
[0013]
On the other hand, the numerical ocean model and the data assimilation process are based on the physical characteristics of the ocean, so their spatial and temporal continuity is maintained.However, the correction of the forecast data by the operator is independent of the physical characteristics of the ocean. Since it is performed, there is a disadvantage that the continuity of the prediction result of the model is destroyed.
[0014]
An object of the present invention is to use the same method as data assimilation when the operator makes arbitrary corrections to the forecast result of a numerical ocean model, while maintaining the spatio-temporal continuity of the model, and distributing the forecast data distribution. An object of the present invention is to provide an ocean forecast data correction method for comprehensive correction.
[0015]
[Means for Solving the Problems]
The first ocean forecast data correction method of the present invention predicts spatio-temporal data of the marine environment of water temperature, salinity, and flow velocity based on a numerical ocean model, and corrects and corrects any spatio-temporal data of the marine environment. Spatio-temporal data of the marine environment is interpolated so as to minimize the estimation error on each computational grid, and the corrected interpolated data is integrated into the forecast results using data assimilation techniques. .
[0016]
The second ocean forecast data correction method of the present invention is as follows.
A numerical prediction unit for predicting spatiotemporal data of the marine environment of water temperature, salinity, and flow velocity based on the numerical ocean model, and outputting first and second prediction grid data;
The marine environment predicted by the first forecast grid data from the numerical forecasting unit is displayed, a manual operation is performed on arbitrary spatiotemporal data of the marine environment, and a numerical correction for outputting corrected data is performed. Department and;
An optimal interpolation unit that interpolates the marine environment data corrected by the correction data from the numerical value correction unit so as to minimize the estimation error at each calculation grid point and outputs the result as corrected grid data;
A data assimilation unit that integrates the modified grid data interpolated by the optimal interpolation unit together with the second forecast grid data from the numerical forecast unit using a data assimilation technique and outputs the data as assimilated data;
It is characterized by having.
[0017]
The third ocean forecast data correction method of the present invention is as follows.
It consists of a numerical forecasting section, a numerical correction section, an optimal interpolation section, and a data assimilation section,
The first forecast grid data calculated and output by the numerical forecasting unit is corrected by the numerical correcting unit, and corrected data is output. The corrected data is minimized by the optimal interpolation unit based on statistical theory to minimize errors. By outputting the corrected grid data interpolated above, and integrating the corrected grid data with the second forecast grid data output by the numerical forecast unit based on the optimal control theory in the data assimilation unit, the characteristics of the model are obtained. It is characterized by correcting the distribution of forecast data without destroying it.
[0018]
According to a fourth marine forecast data correction method of the present invention, in the second or third marine forecast data correction method,
The numerical forecasting unit calculates marine environment data of water temperature, salinity, and flow velocity for a three-dimensional space and an arbitrary time based on a numerical ocean model of a Princeton Ocean Model (POM), and as the forecast grid data It is characterized in that it is set on all grids.
[0019]
According to a fifth marine forecast data correction method of the present invention, in the second or third marine forecast data correction method,
The numerical forecasting unit calculates marine environment data of water temperature, salinity, and flow velocity for a three-dimensional space and any time based on a numerical ocean model of a modular ocean model (MOM), and calculates the forecast grid data. It is characterized in that it is set on all grids.
[0020]
The sixth marine forecast data correction method of the present invention is the marine forecast data correction method according to any of the second to fifth aspects,
The data assimilation unit includes:
The maximum likelihood estimation value Sx is calculated based on the second forecast grid data calculated by the numerical forecast unit from Sf (i, j) and Si (i, j) as the corrected grid data calculated by the optimal interpolation unit. (I, j) is calculated based on the following equation.
[0021]
(Equation 1)

[0022]
(Wk: weight for taking in corrected grid data for forecast grid data)
[0023]
BEST MODE FOR CARRYING OUT THE INVENTION
Next, embodiments of the present invention will be described with reference to the drawings.
[0024]
FIG. 1 is a block diagram showing one embodiment of a marine forecast data correction method according to the present invention.
[0025]
The present embodiment shown in FIG. 1 includes a numerical prediction unit 1, a numerical correction unit 2, an optimal interpolation unit 3, and a data assimilation unit 4.
[0026]
The numerical forecast unit 1 forecasts spatio-temporal data of the marine environment, such as water temperature, salinity, and flow velocity, based on a numerical ocean model, and outputs forecast grid data 5 and 8.
[0027]
The numerical value correction unit 2 displays the marine environment predicted by the prediction grid data 5 from the numerical prediction unit 1, corrects any spatiotemporal data of the marine environment by manual operation of an operator, and converts the correction data 6. Output.
[0028]
The optimal interpolation unit 3 interpolates the marine environment data manually corrected by the correction data 6 from the numerical value correction unit 2 so as to minimize the estimation error at each calculation grid point, and outputs it as corrected grid data 7. I do.
[0029]
The data assimilation unit 4 integrates the corrected grid data 7 corrected by the numerical correction unit 2 and interpolated by the optimal interpolation unit 3 together with the forecast grid data 8 from the numerical forecast unit 1 using a data assimilation method, Output as assimilation data 9.
[0030]
The operator corrects the forecast grid data 5 calculated and output by the numerical forecast unit 1 by manual input in the numerical correction unit 2, and outputs corrected data 6. The corrected data 6 is interpolated on a calculation grid by the optimum interpolation unit 3 with a minimum error based on statistical theory, and is output as corrected grid data 7. By integrating this into the initial forecast grid data 8 based on the optimal control theory in the data assimilation unit 4, it is possible to correct the distribution of the forecast data without destroying the characteristics of the model.
[0031]
Next, the operation of the present embodiment will be described in more detail with reference to FIG.
[0032]
The numerical forecast unit 1 is based on a numerical ocean model such as a Princeton Ocean Model (POM) or a Modular Ocean Model (MOM), and based on ocean environment data such as water temperature, salinity, and flow velocity in a three-dimensional space, Calculation is performed for an arbitrary time, and set as forecast grid data 5 on all grids. The principle of the calculation is to numerically calculate the equation of motion of seawater on the rotating earth, the mass conservation equation, the calorie conservation equation, and the salt conservation equation.
[0033]
Here, in particular, features of the Princeton Ocean Model (POM) include: 1) a turbulence closure submodel of the second moment applied to provide a vertical mixing coefficient; and 2) the vertical coordinate is the depth of the water column. 3) The horizontal grid uses curved Cartesian coordinates and the "Arakawa C" difference scheme. 4) The horizontal time difference is specified, while the vertical component is not specified. . The latter eliminates the time restrictions on vertical coordinates, allowing the use of high vertical resolution at sea level and the bottom boundary layer. 5) The model has a free sea level and divided time intervals. The external mode portion of the model is two-dimensional and uses short steps based on CFL conditions and the speed of the external wave. The internal mode is three-dimensional and uses long steps based on CFL conditions and internal wave velocity, and has the following features: 1) complete thermodynamics.
[0034]
The numerical forecast unit 1 inputs weather information such as wind and temperature (heat) as external forces for moving the sea, and calculates equations of motion, a mass conservation formula, a calorie conservation formula, and a salt conservation formula from initial flow velocity, water temperature, and salinity data. The time evolution of the flow velocity, water temperature and salinity is predicted by time integration by the finite difference method.
[0035]
In this case, the above equation is solved by developing the real sea into a grid model, but the two models of POM and MOM described above differ in how to take a vertical grid.
[0036]
In POM, a grid is set at a depth proportional to the water depth at each point. This makes it possible to obtain coarse vertical resolution at a deep water depth and fine vertical resolution at a shallow water depth.
[0037]
On the other hand, in the MOM, a vertical grid is set at a constant water depth in all regions. As a result, the vertical resolution in the entire sea area becomes constant, but the vertical resolution at a shallow depth becomes coarser than at a deep depth.
[0038]
It is appropriate to use the two models properly according to the characteristics of the area targeted by the model.
[0039]
Returning to FIG. 1, the numerical value correction unit 2 corrects the value at an arbitrary (i, j) point in the forecast grid data 5 calculated by the numerical prediction unit 1, and obtains the data Sm ( i, j).
[0040]
FIG. 2 is an explanatory diagram showing a numerical data correction method of the numerical correction unit in FIG.
[0041]
FIG. 2 shows a specific correction method by the operator. The method of specifying an arbitrary point on the horizontal distribution map in the forecast grid data 5 on a two-dimensional screen and correcting it is described in "21 Forecast Data (Horizontal)". Correction method "and a method of graphically correcting the values on the vertical distribution map at the designated point in the same manner, such as" method of correcting 22 forecast data (vertical) ".
[0042]
In the "method of correcting 21 forecast data (horizontal)" in FIG. 2, the forecast data at the depth to be corrected is displayed two-dimensionally, and the operator designates an arbitrary point by clicking a mouse, and designates an arbitrary point at the designated arbitrary point. Display the flow rate, water temperature and salinity in a tabular format. The operator corrects the numerical data of the flow velocity, the water temperature, and the salt content displayed in the table format by using a keyboard or the like and saves the corrected data.
[0043]
The “method of correcting 22 forecast data (vertical)” is that the operator designates an arbitrary point by clicking the mouse on the two-dimensionally displayed chart data, and calculates the flow velocity, water temperature, and salinity at the designated arbitrary point. Display a graph in the vertical direction.
[0044]
The operator corrects the numerical data displayed on the graph by clicking, dragging, or the like with a mouse, and stores the data.
[0045]
FIG. 3 is a conceptual diagram showing an interpolation process of the optimal interpolation unit in FIG.
[0046]
Referring to FIG. 3, the optimal interior unit 3 interpolates data Sm (i, j) of an arbitrary point corrected by the numerical value correction unit 2 with respect to a target model grid using an optimal interpolation method. Is set as the corrected operator correction value Si (i, j). A point to be noted here is that the correction data at an arbitrary point is interpolated into a distribution of a plane having a certain extent by using an optimal interpolation method.
[0047]
“31 correction data” in FIG. 3 indicates the distribution of the correction data 6 input by the operator.
[0048]
These correction data 6 are data manually corrected by the operator according to the method shown in FIG. 2, so that at this stage, they are a set of information of discrete points.
[0049]
In addition, “32 modified grid data” in FIG. 3 is interpolated as modified grid data based on the discrete modified data of “31 modified data” using an optimal interpolation method so as to minimize the estimation error.
[0050]
Here, the optimal interpolation method is to calculate the most probable value and the estimation error at each grid point so as to minimize the error between the true value that should exist and the estimated value at each grid point.
[0051]
FIG. 4 is a conceptual diagram showing the data assimilation processing of the data assimilation unit of FIG.
[0052]
Referring to FIG. 4, the data assimilation unit 4 uses the forecast grid data 8 calculated by the numerical forecast unit 1 as Sf (i, j) and the modified grid data 7 calculated by the optimal interpolation unit 3 as Si (i, j), the maximum likelihood estimation value Sx (i, j) is calculated based on the equation (1).
[0053]
(Equation 1)

[0054]
Here, Wk represents the weight of taking in the corrected grid data with respect to the forecast grid data. Specific methods for calculating this equation include the ajoint method and the Kalman filter method.
[0055]
Here, data assimilation means, for example, assuming a numerical prediction model for performing an actual weather forecast, assimilating actual atmospheric observation data to calculation data every six hours, reinitializing the model, and continuing calculation. Show. That is, the first initial condition of the numerical calculation is given only from the objective interpolation of the observed value, while the new initial condition in which the observed value and the calculated value are assimilated every six hours after the start of the calculation is used. Calculation will be continued.
[0056]
This is because the equation of motion governing the ocean is a nonlinear equation, similar to the atmospheric phenomenon in weather forecast. In general, in a nonlinear equation, a slight difference in the initial value indicates a completely different time evolution. On the other hand, in the linear equation, the difference between the initial values is preserved as it is regardless of the lapse of time.
[0057]
In other words, the ever-changing ocean conditions define new initial conditions and boundary conditions that define ocean motion, and the validity of one initial condition or boundary condition used in the numerical model lasts only a few days. .
[0058]
Generally, data assimilation is a method of obtaining a field or a time series close to observation data using a dynamic model or the like as a constraint.
[0059]
The “41 forecast data” in FIG. 4 is data obtained by calculating the velocity, water temperature, and salinity based on the numerical ocean model in the numerical forecast unit 1 as values on the grid.
[0060]
The “42 assimilation data” maintains the physical characteristics of the numerical forecast data by assimilating (ie, integrating) the “32 corrected grid data” obtained in FIG. 3 with the “41 forecast data”. In this way, data reflecting the contents of the correction is formed.
[0061]
As described above, the ocean forecast data correction method according to the present invention is based on a numerical ocean model, a means for forecasting spatio-temporal data of the marine environment such as water temperature, salinity, flow velocity, etc. Means by which an operator can manually correct spatial data; means for interpolating marine environment data manually corrected by these means so as to minimize an estimation error at each computational grid point; and means for interpolating by the means described above. Means for integrating the obtained data with the forecast result by using a data assimilation technique.
[0062]
Until now, the ocean forecasting system has not provided an appropriate correction method that reflects the arbitrary correction by the operator and does not destroy the continuity of the model. Although there is no guarantee that a correct forecast can be made due to the limitations caused by the data and the limitations of the assimilation algorithm, operators who are familiar with the marine environment can forecast changes in the marine environment based on their own experience by considering the correction of forecast data by the operator. To some extent.
[0063]
That is, in the present invention, any correction data manually input by the operator with respect to the calculation result of the numerical ocean model is interpolated on a calculation grid with the error minimized based on statistical theory, and this is initially set based on optimal control theory. (Data assimilation), it is possible to correct the distribution of the forecast data without destroying the characteristics of the model.
[0064]
In addition, in general, when a manual correction was made to the physical quantity forecast result obtained by the numerical ocean model, the result became a singular point, resulting in disruption of the continuity of the model. By integrating the forecast results with the physical properties of the ocean without destroying them, spatio-temporal discontinuities can be avoided.
[0065]
Further, it is possible to provide an initial value by which the data thus calculated can be used as an initial value and appropriate forecast data can be calculated without causing a discontinuity in the calculation in the next step. .
[0066]
【The invention's effect】
As described above, the ocean forecast data correction method of the present invention can integrate the operator's correction result into the numerical ocean model's forecast result without destroying the physical properties of the ocean. This has the effect of comprehensively correcting the distribution of the forecast data while maintaining good continuity.
[0067]
Further, by applying the data thus calculated as an initial value to the calculation in the next step, there is an effect of providing an appropriate initial value for forecast data calculation without generating discontinuity. .
[Brief description of the drawings]
FIG. 1 is a block diagram showing one embodiment of a marine forecast data correction method according to the present invention.
FIG. 2 is an explanatory diagram showing a numerical data correction method of a numerical correction unit in FIG. 1;
FIG. 3 is a conceptual diagram illustrating an interpolation process of an optimal interpolation unit in FIG. 1;
FIG. 4 is a conceptual diagram showing a data assimilation process of a data assimilation unit in FIG. 1;
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 1 Numerical forecast part 2 Numerical correction part 3 Optimal interpolation part 4 Data assimilation part 5 Forecast grid data 6 Corrected data 7 Corrected grid data 8 Forecast grid data 9 Assimilated data

Claims

Based on the numerical ocean model, water temperature, salinity, forecast the spatio-temporal data of the marine environment of the flow velocity, correct any spatio-temporal data of the marine environment, the spatio-temporal data of the corrected marine environment, on each calculation grid A marine forecast data correction method characterized by interpolating so as to minimize the estimation error, and integrating the corrected and interpolated data into a forecast result using a data assimilation technique.

A numerical prediction unit for predicting spatiotemporal data of the marine environment of water temperature, salinity, and flow velocity based on the numerical ocean model, and outputting first and second prediction grid data;
The marine environment predicted by the first forecast grid data from the numerical forecasting unit is displayed, a manual operation is performed on arbitrary spatiotemporal data of the marine environment, and a numerical correction for outputting corrected data is performed. Department and;
An optimal interpolation unit that interpolates the marine environment data corrected by the correction data from the numerical value correction unit so as to minimize the estimation error at each calculation grid point and outputs the result as corrected grid data;
A data assimilation unit that integrates the modified grid data interpolated by the optimal interpolation unit together with the second forecast grid data from the numerical forecast unit using a data assimilation technique and outputs the data as assimilated data;
A marine forecast data correction method characterized by comprising:

It consists of a numerical forecasting section, a numerical correction section, an optimal interpolation section, and a data assimilation section,
The first forecast grid data calculated and output by the numerical forecasting unit is corrected by the numerical correcting unit, and corrected data is output. The corrected data is minimized by the optimal interpolation unit based on statistical theory to minimize errors. By outputting the corrected grid data interpolated above, and integrating the corrected grid data with the second forecast grid data output by the numerical forecast unit based on the optimal control theory in the data assimilation unit, the characteristics of the model are obtained. A marine forecast data correction method that corrects the distribution of forecast data without destroying it.

The numerical forecasting unit calculates marine environment data of water temperature, salinity, and flow velocity for a three-dimensional space and an arbitrary time based on a numerical ocean model of Princeton Ocean Model (POM: Princeton Ocean Model), and calculates the forecast grid data. The method for correcting marine forecast data according to claim 2 or 3, wherein the marine forecast data is set on all grids.

The numerical forecast unit calculates marine environment data of water temperature, salinity, and flow velocity for a three-dimensional space and an arbitrary time based on a numerical ocean model of a modular ocean model (MOM: Modular Ocean Model), and calculates the forecast grid data. The method for correcting marine forecast data according to claim 2 or 3, wherein the marine forecast data is set on all grids.

The data assimilation unit includes:
The maximum likelihood estimation value Sx is calculated based on the second forecast grid data calculated by the numerical forecast unit from Sf (i, j) and Si (i, j) as the corrected grid data calculated by the optimal interpolation unit. 6. The marine forecast data correction method according to claim 2, wherein (i, j) is calculated based on the following equation.

(Wk: weight for loading corrected grid data to forecast grid data)