JP2005249662A - 気象レーダシステム - Google Patents

Abstract

【課題】気象要素の３次元格子点データを観測データに基づいて高い精度で得られるようにし、より高精度な気象予測に資する気象レーダシステムを提供すること。
【解決手段】ドップラーレーダ１０により取得された観測データをデータ解析部２０により解析し、単一の気象レーダシステムにおいて客観解析データを得られるようにしている。すなわち、気象予測モデルに設定された格子点座標に対応する値に観測データを内挿して客観解析データを算出し、さらに、算出された客観解析データを一定の品質評価指標のもとで取捨選択、あるいは重み関数を乗算することにより時空間的な連続性を保つことができるようになる。これにより気象予測モデルに与えるべきデータの精度を高めることが可能になり、ひいては高精度な気象予測に資する付加価値の高い気象レーダシステムを提供することが可能となる。
【選択図】 図１

Description

本発明は、気象観測や天気予報などに用いられる気象レーダシステムに関する。

気象現象を予測し発雷予測や塩害防止などに役立てるために、気象予測システムが用いられる。この種のシステムは、３次元の空間領域を複数のセルに分割して各セルごとの気象現象をシミュレーションの技法を用いて計算することにより、広範囲の気象予測を実現する。以下、数値演算により気象現象を予測する手法を数値予報モデルと総称する。

数値予報モデルとは、地球上の大気の運動を物理的な方程式で表現し、コンピュータ上でモデル化するものである。近年のコンピュータの進歩はめざましく、数値予報モデルによる天気予報の精度は年々向上してきている。今日では、数値予報モデルによる天気予報は気象庁の予報業務における中核をなすまでになってきている。このように、気象予測分野における数値予報モデルへの期待は大きい。

この出願の発明者は、特願平２００２−２７３４１１（２００２年９月１９日出願）において関連する技術を特許出願した。この出願には、気象予測に係わる演算処理において複数の計算用ノードを用い、処理負荷を各ノードに分散しつつ並列演算を行うことで処理の高速化を実現する技術が記載されている。

ところで、ドップラーレーダなどにより観測された気象データは、時空間的に不均一に分布することが一般的である。すなわち観測データの取得された座標は不規則に分布し、また観測時刻も一定ではない。これに対し、気象予測モデルにおける演算結果は３次元の格子点データとして表現される。よって観測データを数値予報モデルに当てはめるには、時空間的に不均一な観測データを３次元的に規則正しく配列された格子点データに変換する必要がある。以下、観測データから気象要素の３次元格子点データを求めることを「客観解析」と称する。
データ観測には、一般に誤差が伴う。気象レーダによる観測も例外ではない。数値予報モデルの精度を高めるには観測データの精度を高めるとともに、客観解析処理の精度をも高めることが必要不可欠である。

以上述べたように、数値演算により将来の気象状態を予測するには観測データそれ自体の精度を高めるとともに、観測データから気象要素の３次元格子点データを高精度で求めることも重要である。
本発明は上記事情によりなされたもので、その目的は、気象要素の３次元格子点データを観測データに基づいて高い精度で得られるようにし、より高精度な気象予測に資する気象レーダシステムを提供することにある。

上記目的を達成するために、本願発明の一態様によれば、観測対象の観測データを取得する気象レーダと、３次元空間上に予め定義される複数の格子点の各座標における気象要素データを、前記３次元空間を複数の領域に分割して前記観測データを用いた最小二乗法による回帰計算により算出する算出手段と、前記格子点ごとの気象要素データの誤差を一定の指標に基づいて評価し、前記誤差の程度に基づいて各気象要素データの値を可変することにより当該気象要素データの品質を管理する品質管理手段とを具備することを特徴とする気象レーダシステムが提供される。

このような手段を講じることにより、時空間的に不均一に分布する観測データから、３次元的に規則正しく配列された格子点上の気象要素が算出される。すなわち気象レーダにより取得された観測データ（例えばドップラー速度データ）から客観解析処理に基づく気象要素データ（例えば風速場データ）が算出される。格子点ごとの気象要素データは、例えば閾値に基づき取捨選択されるか、隣接格子点との連続性条件などの指標により、品質管理手段によってその値を可変される。従って誤差の大きいデータが除去され、客観解析データの品質を向上させることが可能になる。

本発明によれば、気象要素の３次元格子点データを観測データに基づいて高い精度で得られるようになり、より高精度な気象予測に資する気象レーダシステムを提供することができる。

図１は、本発明に係わる気象レーダシステムの実施の形態を示す機能ブロック図である。このシステムは、ドップラーレーダ１０と、データ解析部２０とを備え、ドップラーレーダ１０により取得された観測データをデータ解析部２０に与え、気象予測に係わるデータ収集およびデータ解析を単一のシステムで実施できるようにしたものである。ドップラーレーダ１０は、観測対象のドップラー速度データ、あるいは反射強度データなどの観測データを取得し、これらのデータを通信回線を介してデータ解析部２０に与える。データ解析部２０はドップラーレーダ１０から与えられた観測データを用いて客観解析処理を実行し、客観解析データを生成する。この客観解析データは、数値予報モデル機能を実装するサーバ装置（図示せず）などに与えられる。

ところで、データ解析部２０は、ソフトウェアによる処理機能としてデータ処理部２０ａと、演算処理部２０ｂと、データ品質管理部２０ｃとを備える。データ処理部２０ａは、ドップラーレーダ１０の観測データから、風速データや降雨量データなどの気象データを算出する。これらのデータは時空間的に不均一に分布する。

演算処理部２０ｂは、気象データ化された観測データから、客観解析処理により３次元区間の格子点上における気象要素データを算出する。各格子点の座標値は３次元空間上に予め定義され、演算処理部２０ｂは、３次元空間を複数の領域に分割し、最小二乗法による回帰計算により観測データから気象要素データを算出する。

データ品質管理部２０ｃは、演算処理部２０ｂにより算出された気象要素データの誤差を一定の指標に基づいて評価し、誤差の程度に基づいて各気象要素データの値を可変する。次に、本発明の実施形態につき詳しく説明する。

［第１の実施形態］
第１の実施形態では、風速場の客観解析処理につき説明する。ドップラーレーダ１０による観測から、ドップラー速度（Ｖr）が得られる。このドップラー速度（Ｖr）データを客観解析することにより、水平風（ｕ，ｖ）の３次元格子点データを作成する。この実施形態ではＶＶＰ法（Volume Velocity Processing）と称される既知のアルゴリズムを利用し、水平風データをリアルタイムで算出する。ＶＶＰ法とは１台のドップラーレーダによる観測データから風速場を推定するアルゴリズムである。ＶＶＰ法においては観測領域を複数の領域（サンプルボリューム）に分割し、各ボリューム内のドップラー速度を用いて回帰計算を実施することにより、風速場が推定される。

図２は、ＶＶＰ法による演算処理に用いられる変数を説明するための図である。ＶＶＰ法では、空間内にサンプルボリューム（ANALYSIS VOLUME）が定義される。図２のサンプルボリュームは、極座標系を用いてΔｒおよびΔφで囲まれる領域により示される。本実施形態では「サンプルボリューム内の風速は一定である」という仮定の下にＶＶＰ法を実施する。これにより処理速度を高速化でき、リアルタイム処理が可能となる。この仮定に基づき図２の各パラメータを用いて次式（１）により水平風（ｕ，ｖ）を推定することができる。水平風ベクトルは東西風成分ｕ（東向き正）と南北風成分ｖ（北向き正）とを含む。

このように、簡略化したＶＶＰ法により、ドップラーレーダ１０から得られたドップラー速度データを水平風の客観解析データに変換することができる。この客観解析データは気象予測モデルの初期値として用いられる。

ところで、ＶＶＰ法では最小二乗法による回帰計算を実施するため、その計算結果には必ず誤差が伴う。しかしながら、気象予測モデルではある時空間の気象状態を格子点の集合体として表現する。よって気象予測モデルに与えられる客観解析データには、周囲と比べて異常にかけはなれたデータ値が存在しないことと、時空間的な連続性（滑らかさ）が保証されていることとの、少なくとも２つの次の条件が必要である。これらの条件を満たすため本実施形態では、不正データを除去するための品質管理処理を実施する。

図３は、客観解析データから不正データを除去する処理を示す概念図である。例えばｘを引数とする関数Ｕ（ｘ）につき、ｘの変化に伴い異常にかけ離れたデータや、時空間的に連続性、なめらかさが保証されていないデータ（図３（ａ））、は、図３（ｂ）に示すように除去する必要がある。本実施形態ではこのような処理を可能とするため、以下に説明する指標を導入する。

簡略化ＶＶＰ法による回帰計算の誤差を、次のような指標により評価する。この指標に基づき誤差の大きいデータを客観解析データから除去する。まず、回帰計算に対する全般的な誤差指標として、水平風（ｕ，ｖ）標準誤差、風速標準誤差、風向標準誤差、および、平均二乗誤差が挙げられる。また、ドップラーレーダ１０を用いることにより生じる誤差指標として、サンプルポイント数、風速絶対値、ビーム交差角、および、方位方向分布指数が挙げられる。サンプルボリューム内においてサンプルポイント数が規定値未満のデータは除去される。風速の絶対値が規定値を超えるデータは除去される。レーダビームと直交する風速データは除去される。さらに、方位方向の分布が偏っているデータは除去される。つぎに、上記のような品質評価指標に基づいてデータをフィルタリングする処理の具体例につき説明する。

（重み付け関数を用いる手法）
式（２）に示されるように、誤差の程度に応じた重み関数を導入する。重み関数Ｗ（ε）は上記の指標を引数とし、誤差εの大きいデータほど重みが小さくなるような形式とする。

（低品質データを破棄する手法）
式（３）に示されるように品質評価指標に閾値を設定し、この閾値を超えるデータを低品質データとして破棄する。これは、式（２）において低品質データなら重み０、高品質データなら重み１と設定することと同等である。

図４は、図１のシステムにおける客観解析データの品質評価に係わる前処理手順を示すフローチャートである。図４のフローチャートは、処理本体に至る前の事前処理として実行される。図４のステップＳ１１〜ステップＳ１５のループにおいて、空間上に設定された格子点座標（ｉ，ｊ，ｋ）ごとに、簡略化ＶＶＰ法で算出された水平風データの品質が各種指標により評価される（ステップＳ１２）。次に、各種品質評価指標に基づき、重み関数Ｗ(ε)が算出される（ステップＳ１３）。算出された重み関数Ｗ(ε)は、空間座標（ｉ，ｊ，ｋ）ごとにテーブル化され、記憶される（ステップＳ１４）。

図５は、図１のシステムにおける客観解析データの品質評価手順の処理本体を示すフローチャートである。図５において、まずドップラーレーダ１０により取得された観測データがデータ解析部２０に入力される（ステップＳ２１）。この観測データは客観解析され、気象予測モデルに設定された格子点座標に対応する値に内挿される（ステップＳ２２）。次に、ステップＳ２３〜ステップＳ２５のループにおいて、気象予測モデルの格子点座標（ｉ，ｊ，ｋ）の客観解析データごとに、図４のフローチャートにおいてテーブル化された重み関数Ｗ(ε)が乗算される（ステップＳ２４）。なお図４および図５のフローチャートは、式（２）を用いて実施される。

図６は、水平風データに係わる品質評価手順の一例を示すフローチャートである。このフローチャートは式（３）に基づき実施される。図６のステップＳ３１〜ステップＳ３５のループにおいて、空間上の格子点座標（ｉ，ｊ，ｋ）ごとに、簡略化ＶＶＰ法で算出された水平風データの品質が各種指標により評価される（ステップＳ１２）。次に、閾値に基づいて格子点上の水平風データが取捨選択される（ステップＳ３３）。すなわち閾値を超えている水平風データはステップＳ３４において破棄される。

以上をまとめると本実施形態では、ドップラーレーダ１０により取得された観測データをデータ解析部２０により解析し、単一の気象レーダシステムにおいて客観解析データを得られるようにしている。すなわち、気象予測モデルに設定された格子点座標に対応する値に観測データを内挿して客観解析データを算出し、さらに、算出された客観解析データを一定の品質評価指標のもとで取捨選択、あるいは重み関数を乗算することにより時空間的な連続性を保つことができるようになる。これにより気象予測モデルに与えるべきデータの精度を高めることが可能になり、ひいては高精度な気象予測に資する付加価値の高い気象レーダシステムを提供することが可能となる。

［第２の実施形態］
第２の実施形態では、降水量の客観解析処理につき説明する。ドップラーレーダ１０による観測から反射強度（Ｚ）データが得られる。本実施形態では反射強度（Ｚ）データを客観解析することにより、雨水混合比（ｑｒ）の３次元格子点データを作成する。以下では反射強度（Ｚ）データを雨水混合比ｑｒデータに変換する手法につき説明する。本実施形態では、経験式を用いた「静的変換処理」、および、ダイナミックキャリブレーションを用いた「動的変換処理」を提案する。なお雨水混合比ｑｒとは、湿潤空気１ｋｇ中に含まれる降雨粒子の質量（ｋｇ）を示す量である。

（静的変換処理）
次式（４）の経験式を用いることにより反射強度（Ｚ）から雨水混合比（ｑｒ）データを算出する。

式（４）における係数Ｃ１，Ｃ２は、時空間に依存しない経験的定数として設定される量であり、観測データの履歴により順次チューニングされる。

図７は、図１のシステムにおける雨水混合比の算出手順の一例を示すフローチャートである。図７において、まず定数Ｃ１，Ｃ２をデータ解析部２０に入力したのち（ステップＳ４１）、サンプルボリュームごとの反射強度（Ｚ）データがデータ解析部２０に与えられる（ステップＳ４２）。この観測データは客観解析され、気象予測モデルに設定された格子点座標に対応する値に内挿される（ステップＳ４３）。

次に、ステップＳ４４〜ステップＳ４６のループにおいて、気象予測モデルの格子点座標（ｉ，ｊ，ｋ）の客観解析データごとに、式（４）を用いて雨水混合比（ｑｒ）データが算出される（ステップＳ４５）。

（動的変換処理）
レーダ観測から得られる降水量と地上降水量との相関関係に基づいて、雨滴定数（Ｂ、β）を時々刻々補正する方式としてダイナミックキャリブレーションが知られている。本実施形態ではダイナミックキャリブレーションにより算出された補正雨滴定数（Ｂ’、β’）から補正降水強度（Ｒ’）を算出する。一方、気象予測モデルから雨滴の終端速度（Ｖｔ）の逐次データが得られる。本実施形態ではこのことを利用し、さらに補正降水強度（Ｒ’）データを用いて雨水混合比（ｑｒ）を推定する。

図８は、補正降水強度（Ｒ’）の算出手順を示すフローチャートである。図８のステップＳ５１〜ステップＳ５３のループにおいて、空間上の格子点座標（ｉ，ｊ，ｋ）ごとに、補正雨滴定数（Ｂ’、β’）から補正降水強度（Ｒ’）が算出される（ステップＳ５２）。

図９は、本実施形態における雨水混合比（ｑｒ）の算出処理手順を示すフローチャートである。図９において、まずドップラーレーダ１０により取得された観測データがデータ解析部２０に入力される（ステップＳ６１）。この観測データは客観解析され、気象予測モデルに設定された格子点座標に対応する値に内挿される（ステップＳ６２）。次に、ステップＳ６３〜ステップＳ６６のループにおいて、気象予測モデルの格子点座標（ｉ，ｊ，ｋ）の客観解析データごとに雨滴終端速度（Ｖｔ）が取得される（ステップＳ６４）。そして、この雨滴終端速度（Ｖｔ）および補正降水強度（Ｒ’）に基づく各定数のキャリブレーションにより、雨水混合比（ｑｒ）が算出される。

このように本実施形態では、式（４）に則した係数Ｃ１，Ｃ２に時間依存性を持たせてダイナミックに補正するようにしている。これにより、特に降雨量データを利用することのできる客観解析処理の精度を向上させることができ、ひいては客観解析データの品質の向上および気象予測モデルの予測精度の向上を促進することが可能になる。

なお本発明は上記実施の形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

本発明に係わる気象レーダシステムの実施の形態を示す機能ブロック図。 ＶＶＰ法による演算処理に用いられる変数を説明するための図。 客観解析データから不正データを除去する処理を示す概念図。 図１のシステムにおける客観解析データの品質評価に係わる前処理手順を示すフローチャート。 図１のシステムにおける客観解析データの品質評価手順の処理本体を示すフローチャート。 水平風データに係わる品質評価手順の一例を示すフローチャート。 図１のシステムにおける雨水混合比の算出手順の一例を示すフローチャート。 補正降水強度（Ｒ’）の算出手順を示すフローチャート。 本発明の第２の実施形態における雨水混合比（ｑｒ）の算出処理手順を示すフローチャート。

符号の説明

１０…ドップラーレーダ、２０…データ解析部、２０ａ…データ処理部、２０ｂ…演算処理部、２０ｃ…データ品質管理部

Claims (6)

1. 観測対象の観測データを取得する気象レーダと、
   ３次元空間上に予め定義される複数の格子点の各座標における気象要素データを、前記３次元空間を複数の領域に分割して前記観測データを用いた最小二乗法による回帰計算により算出する算出手段と、
   前記格子点ごとの気象要素データの誤差を一定の指標に基づいて評価し、前記誤差の程度に基づいて各気象要素データの値を可変することにより当該気象要素データの品質を管理する品質管理手段とを具備することを特徴とする気象レーダシステム。
2. 前記品質管理手段は、前記誤差の程度に応じて個々の気象要素データに重み付け関数を乗算することにより前記気象要素データの品質を管理することを特徴とする請求項１に記載の気象レーダシステム。
3. 前記気象レーダは、前記観測データとしてドップラー速度データを取得することを特徴とする請求項１に記載の気象レーダシステム。
4. 前記気象レーダは、前記観測データとして反射強度データを取得することを特徴とする請求項１に記載の気象レーダシステム。
5. 前記算出手段は、ＶＶＰ（Volume Velocity Processing）法により前記気象要素データを算出することを特徴とする請求項１に記載の気象レーダシステム。
6. 前記算出手段は、前記複数の領域ごとに前記観測データが一定であるとする仮定に基づき前記気象要素データを算出することを特徴とする請求項５に記載の気象レーダシステム。

Images