JP2010197185A - Estimating system of rainfall distribution, and estimation method of rainfall distribution - Google Patents
Estimating system of rainfall distribution, and estimation method of rainfall distribution Download PDFInfo
- Publication number
- JP2010197185A JP2010197185A JP2009041787A JP2009041787A JP2010197185A JP 2010197185 A JP2010197185 A JP 2010197185A JP 2009041787 A JP2009041787 A JP 2009041787A JP 2009041787 A JP2009041787 A JP 2009041787A JP 2010197185 A JP2010197185 A JP 2010197185A
- Authority
- JP
- Japan
- Prior art keywords
- rainfall
- radar
- procedure
- jma
- radar rainfall
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000009826 distribution Methods 0.000 title claims abstract description 69
- 238000012937 correction Methods 0.000 claims abstract description 28
- 238000001556 precipitation Methods 0.000 claims description 56
- 239000013598 vector Substances 0.000 claims description 35
- 238000005259 measurement Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000010287 polarization Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000003908 quality control method Methods 0.000 abstract description 2
- 238000012795 verification Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 6
- 230000000295 complement effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
Description
本発明は、測定対象領域の降水分布を正確に推定できる構成とした、降水分布の推定システムおよび降水分布の推定方法に関する。 The present invention relates to a precipitation distribution estimation system and a precipitation distribution estimation method configured to accurately estimate the precipitation distribution in a measurement target region.
近年、都市型水害が多発し大きな社会問題になっている。都市部では中小河川や排水路の流出応答が速く、その予測には、現況の定量的降水推定およびごく短時間の定量的降水予測（ナウキャスト）が重要である。しかしながら、現在のところその精度は十分なものとはいえない。 In recent years, urban flood damage has become a frequent social problem. In urban areas, small and medium-sized rivers and drainage drainage responses are fast, and the current quantitative precipitation estimation and very short-term quantitative precipitation prediction (nowcast) are important. However, the accuracy is not sufficient at present.
本出願人は、3 cm波長（以下、Xバンド）のマルチパラメータレーダ（以下、MPレーダ
）による偏波レーダパラメータを用いた降雨推定に関する研究を行っている。この研究は、地上で観測された雨滴粒径分布のデータを用いた散乱シミュレーションによる降雨強度推定式に関する研究などであり、実用化に向けた連続観測を開始している。特許文献１には、MPレーダを用いた「降雨強度と雨水量の３次元分布推定装置および方法」の発明が記載されている。
The present applicant is conducting research on rainfall estimation using polarization radar parameters by a multi-parameter radar (hereinafter referred to as MP radar) of 3 cm wavelength (hereinafter referred to as X band). This study is a study on the rainfall intensity estimation formula by the scattering simulation using the data of raindrop size distribution observed on the ground, and has started the continuous observation for practical use.
ＭＰレーダでは、比偏波間位相差情報を用いて降雨強度を推定する。この方法は、粒径分布の変動に対してR-Z関係ほど敏感ではない、降雨減衰の影響を受けない、レーダシス
テムのキャリブレーション誤差を受けにくいという利点を有している。このため、在来型レーダに比べ、精度よい降雨推定が可能である。
In MP radar, the rainfall intensity is estimated using phase difference information between specific polarizations. This method has the advantage that it is not as sensitive as the RZ relationship to fluctuations in particle size distribution, is not affected by rainfall attenuation, and is less susceptible to radar system calibration errors. For this reason, it is possible to estimate the rainfall more accurately than the conventional radar.
降雨予測をおこなうモデルには、外挿法（ナウキャスト）、降雨の時間発展モデル（概念モデル）、数値気象予測モデルがある。このうち、都市型水害のように、降雨に対する時間応答が早い現象のための降雨予測モデルとしては、ナウキャストが適している。しかしながら、降雨予測にナウキャストを採用した場合にも、測定誤差が発生する。ナウキャストの誤差は大きく３つに分けられる。（１）R-Z関係の誤差（初期値の誤差）、（２）
移動ベクトルの推定誤差、（３）降雨場の時間発展、である。
The models that perform rainfall prediction include extrapolation (nowcast), time evolution model of rainfall (conceptual model), and numerical weather prediction model. Among these, Nowcast is suitable as a rainfall prediction model for a phenomenon that has a quick time response to rainfall, such as urban flood damage. However, measurement errors also occur when using Nowcast for rainfall prediction. Nowcast errors can be broadly divided into three categories. (1) RZ related errors (initial value errors), (2)
The estimation error of the movement vector, (3) the time evolution of the rain field.
在来型のレーダは、反射強度Zを雨量推定に用いる（R-Z関係）。ナウキャストに関する研究のほとんどは、初期値として、このR-Z関係に基づいた降雨情報を用いている。しか
しながら、R-Z関係式を用いた降雨情報には様々な誤差が含まれる。この誤差がナウキャ
ストの誤差に大きく影響している。
Conventional radar uses the reflection intensity Z for rainfall estimation (RZ relation). Most studies on Nowcast use rainfall information based on this RZ relationship as an initial value. However, the rainfall information using the RZ relational expression includes various errors. This error greatly affects the error of Nowcast.
特許文献１に記載されているようなＭＰレーダを用いた降水分布の推定は、前記のように従来のレーダを用いた降水分布の推定よりも測定精度が良好になるという利点がある。しかしながら、降雨減衰のため電波が受信感度以下になる領域（電波消散領域）が生じ、レーダの観測範囲の制限など、測定範囲が限定されるという問題があった。
Estimation of precipitation distribution using an MP radar as described in
本発明は、このような問題に鑑みて、測定範囲を拡張し、電波消散領域の影響を低減して降水分布を精度良く推定する構成とした、降水分布の推定システムおよび降水分布の推定方法の提供を目的とする。 In view of such a problem, the present invention provides a precipitation distribution estimation system and a precipitation distribution estimation method that extend the measurement range, reduce the influence of the radio wave dissipation region, and accurately estimate the precipitation distribution. For the purpose of provision.
本発明にかかる降水分布の推定システムは、
比偏波間位相差情報等を用いて降雨強度を推定するマルチパラメータレーダ（MPレーダ）により対象領域の雨量情報（MPレーダ雨量）を取得する手段と、
在来型のレーダおよびレーダネットワークにより対象領域の雨量情報（在来型レーダ雨量）を取得する手段と、
前記MPレーダ雨量を前記在来型レーダ雨量格子へ変換する手段と、
前記在来型レーダ雨量格子へ変換された前記MPレーダ雨量により前記在来型レーダ雨量を補正するための補正係数を算出する手段とを備え、
前記MPレーダ雨量により前記在来型レーダ雨量を補正することを特徴とする。
The precipitation distribution estimation system according to the present invention is:
Means for acquiring rainfall information (MP radar rainfall) in a target area by a multi-parameter radar (MP radar) that estimates rainfall intensity using phase difference information between specific polarizations, etc .;
Means for acquiring rainfall information (conventional radar rainfall) in a target area by a conventional radar and radar network;
Means for converting the MP radar rainfall into the conventional radar rainfall grid;
Means for calculating a correction coefficient for correcting the conventional radar rainfall by the MP radar rainfall converted to the conventional radar rainfall grid;
The conventional radar rainfall is corrected by the MP radar rainfall.
また、本発明の降水分布の推定システムは、前記MPレーダ雨量と前記補正された在来型レーダ雨量とを合成した合成雨量を推定する手段を設けたことを特徴とする。 The precipitation distribution estimation system of the present invention is characterized in that means is provided for estimating a combined rainfall by combining the MP radar rainfall and the corrected conventional radar rainfall.
また、本発明の降水分布の推定システムは、前記MPレーダ雨量を取得した降雨場を移動ベクトル推定値により移動させるナウキャストの生成手段と、
前記ナウキャストで移動させた降雨場の所定時間後の雨量情報を推定する手段と、により所定エリアにおける所定時間後の降水分布を推定することを特徴とする、請求項２に記載の降水分布の推定システム。
Further, the precipitation distribution estimation system according to the present invention includes a nowcast generation means for moving the rainfall field from which the MP radar rainfall is acquired by a movement vector estimated value,
The precipitation distribution according to
また、本発明の降水分布の推定システムは、前記移動ベクトル推定値は、二つの降雨分布が最も類似する移動距離を検索し類似度に相関係数を用いる相互相関法により演算し、前記相互相関法は、相互相関値の算出に高速フーリエ変換を用いるFFT相互相関法である
ことを特徴とする。
In the precipitation distribution estimation system of the present invention, the movement vector estimated value is calculated by a cross-correlation method using a correlation coefficient for a similarity by searching for a movement distance in which two rainfall distributions are most similar to each other. The method is characterized in that it is an FFT cross-correlation method that uses a fast Fourier transform to calculate a cross-correlation value.
また、本発明の降水分布の推定システムは、前記前記在来型レーダ雨量格子へ変換された前記MPレーダ雨量にフィルタ処理を行う第１の空間ローパスフィルタと、
前記在来型レーダ雨量にフィルタ処理を行う第２の空間ローパスフィルタと、を設けたことを特徴とする。
The precipitation distribution estimation system according to the present invention includes a first spatial low-pass filter that performs filtering on the MP radar rainfall converted to the conventional radar rainfall grid,
A second spatial low-pass filter that performs filtering on the conventional radar rainfall is provided.
本発明の降水分布の推定方法は、在来型のレーダおよびレーダネットワークにより対象領域の雨量情報（在来型レーダ雨量）を取得する手順と、
比偏波間位相差情報等を用いて降雨強度を推定するマルチパラメータレーダ（MPレーダ）により対象領域の雨量情報（MPレーダ雨量）を取得する手順と、
前記MPレーダ雨量を前記在来型レーダ雨量格子へ変換する手順と、
前記在来型レーダ雨量にフィルタ処理を行う手順と、
前記前記在来型レーダ雨量格子へ変換された前記MPレーダ雨量にフィルタ処理を行う手順と、
前記フィルタ処理されたMPレーダ雨量を前記在来型レーダ雨量を補正するための補正係数を算出する手順と、
前記MPレーダ雨量により前記在来型レーダ雨量を補正する手順と、を備えたことを特徴とする。
The method for estimating precipitation distribution according to the present invention includes a procedure for acquiring rainfall information (conventional radar rainfall) in a target area by a conventional radar and a radar network;
The procedure to acquire rainfall information (MP radar rainfall) in the target area by multi-parameter radar (MP radar) that estimates rainfall intensity using phase difference information between specific polarizations,
A procedure for converting the MP radar rainfall into the conventional radar rainfall grid;
A procedure for filtering the conventional radar rainfall;
A procedure for filtering the MP radar rainfall converted to the conventional radar rainfall grid;
Calculating a correction coefficient for correcting the conventional radar rainfall for the filtered MP radar rainfall;
And a procedure for correcting the conventional radar rainfall based on the MP radar rainfall.
また、本発明の降水分布の推定方法は、前記MPレーダ雨量と前記補正された在来型レーダ雨量とを合成した合成雨量を推定する手順をさらに有することを特徴とする。 The precipitation distribution estimating method of the present invention further includes a procedure for estimating a combined rainfall obtained by combining the MP radar rainfall and the corrected conventional radar rainfall.
また、本発明の降水分布の推定方法は、測定対象の降雨場における降雨強度の初期値を設定する手順と、
降雨場の移動ベクトルを推定する手順と、
前記降雨場の移動・合成を行う手順と、を有し、
前記降雨場の移動ベクトルを推定する手順は、
前記初期値に対する空間ローパスフィルタ処理を行う手順と、
前記降雨強度を階級分けする手順と、
前記階級毎に移動ベクトルを設定する手順と、
前記移動ベクトルに対する時間ローパスフィルタ処理を行う手順と、を含み
前記降雨場の移動・合成を行う手順は、
前記階級毎に降雨場を移動する手順と、
前記移動した降雨場の降雨強度を合成する手順と、を含み
所定エリアの所定時間後の降雨量を予測する
ことを特徴とする。
Further, the precipitation distribution estimating method of the present invention includes a procedure for setting an initial value of rainfall intensity in a rain field to be measured,
A procedure for estimating the motion vector of the rain field,
A procedure for moving and synthesizing the rain field,
The procedure for estimating the movement vector of the rain field is as follows:
A procedure for performing a spatial low-pass filter process on the initial value;
A procedure for classifying the rainfall intensity;
A procedure for setting a movement vector for each class;
Performing a time low-pass filter process on the movement vector.
The procedure for moving and combining the rain fields is as follows:
A procedure for moving the rain field for each class;
And a step of synthesizing the rainfall intensity of the moved rainfall field, and predicting a rainfall amount after a predetermined time in a predetermined area.
また、本発明の降水分布の推定方法は、前記降雨強度の測定値とナウキャストの演算結果の相互相関係数を演算する手順と、
前記ナウキャストの演算結果を座標系で所定値ずらして、前記降雨強度の測定値との回帰分析を行い、回帰係数と決定係数とを求める手順と、をさらに有することを特徴とする。
Further, the method for estimating the precipitation distribution of the present invention includes a procedure for calculating a cross-correlation coefficient between the measurement value of the rainfall intensity and the calculation result of the nowcast,
And a step of performing a regression analysis on the rainfall intensity measurement value by shifting the Nowcast calculation result by a predetermined value in a coordinate system to obtain a regression coefficient and a determination coefficient.
本発明によれば、MPレーダの電波消散領域を補完することにより、MPレーダ観測範囲外の雨量情報を補い広範囲かつ高精度で現況の降水分布を推定できる。また、現況の降水分布をナウキャストの初期値とすることにより、降水分布を高精度で予測できる。さらに、FFT相互相関法をナウキャストモデルに用いることにより、予測降水分布を高速で作成で
きる。
According to the present invention, by supplementing the radio wave dissipation area of the MP radar, it is possible to supplement rainfall information outside the MP radar observation range and estimate the current precipitation distribution over a wide range and with high accuracy. Moreover, by using the current precipitation distribution as the initial value of Nowcast, the precipitation distribution can be predicted with high accuracy. Furthermore, the predicted precipitation distribution can be created at high speed by using the FFT cross-correlation method for the nowcast model.
以下、図により本発明の実施形態を説明する。図４は、検証領域ＥｂとＭPレーダ観測
範囲Ｅａを示す説明図である。MPレーダサイトＲは、神奈川県海老名市に設置されている。ナウキャスト対象領域Ｅｂは、MPレーダサイトＲから半径40 kmの範囲内とした。この
範囲には、東京都南部と神奈川県全域が含まれる。MPレーダの観測範囲は半径80 kmであ
る。図４の全矩形領域（関東全域）は、ナウキャストに必要な初期値を取得するための領域である。
Hereinafter, embodiments of the present invention will be described with reference to the drawings. FIG. 4 is an explanatory diagram showing the verification area Eb and the MP radar observation range Ea. MP radar site R is located in Ebina City, Kanagawa Prefecture. The nowcast target area Eb is within a radius of 40 km from the MP radar site R. This range includes southern Tokyo and the entire Kanagawa prefecture. The MP radar observation range is a radius of 80 km. The all rectangular area (entire Kanto area) in FIG. 4 is an area for acquiring initial values necessary for nowcasting.
本発明の実施形態で、現況の降水分布の推定値とナウキャストに使用する初期値は、MPレーダ観測から得られる雨量情報（以下，MPレーダ雨量）と、補正された在来型レーダ情報を合成した雨量である．この実施形態では例えば気象庁・全国合成レーダー・エコー強度GPV（以下、JMAレーダ雨量）を合成したMP-JMAレーダ雨量である。 In the embodiment of the present invention, the estimated value of the current precipitation distribution and the initial value used for nowcast are the rainfall information obtained from MP radar observation (hereinafter referred to as MP radar rainfall) and the corrected conventional radar information. The combined rainfall. In this embodiment, for example, the MP-JMA radar rainfall is obtained by synthesizing the Japan Meteorological Agency, nationwide synthetic radar, and echo intensity GPV (hereinafter referred to as JMA radar rainfall).
この点について、さらに説明する。本発明の実施形態で，現況の降雨分布の推定値（ナウキャスト初期値にも用いる）は、ＭＰレーダ観測から得られる雨量情報（以下、ＭＰレーダ雨量）と、以下に記述する手法で補正された在来型レーダ情報とを、相補的に合成した雨量である。本実施例では在来型レーダ情報として、気象庁・全国合成レーダー・エコー強度GPV（以下，ＪＭＰレーダ雨量〉を用いた。ここで，在来型レーダ情報としては、
単一レーダ・レーダネットワークの反射因子情報、変換雨量情報，雨量計で補正された雨量情報などがあり、原埋的には同様に補正が可能である。
This point will be further described. In the embodiment of the present invention, the estimated value of the current rainfall distribution (also used for the initial value of the nowcast) is corrected by rainfall information obtained from MP radar observation (hereinafter referred to as MP radar rainfall) and the method described below. The amount of rainfall is a complementary synthesis of conventional radar information. In this embodiment, as the conventional radar information, the Japan Meteorological Agency, National Synthetic Radar, Echo Intensity GPV (hereinafter referred to as JMP radar rainfall) is used. Here, as the conventional radar information,
There are reflection factor information of single radar / radar network, converted rainfall information, rainfall information corrected by rain gauge, etc., and correction can be made in the same way in the land.
MPレーダ雨量を、0.7°から4.7°までの計8仰角のPPIスキャン観測データにより（１）式で計算した。（１）式のＲは降雨強度 [mm h-1]、KDP[°km-1]は比偏波間位相差（偏波間位相差φDP（°）の単位距離あたりの変化量）である。 MP radar rainfall was calculated by Eq. (1) using PPI scan observation data of 8 elevation angles from 0.7 ° to 4.7 °. R in equation (1) is the rainfall intensity [mm h -1 ], and K DP [° km -1 ] is the phase difference between specific polarizations (the amount of change per unit distance of the phase difference between polarizations φ DP (°)). .
（１）式は、降雨強度が小さいときにはR-Z関係式を、降雨強度が大きいときにはR-KDP関係式を利用する方法である。R-Z関係式を用いる理由は、弱い雨の時、KDPが精度良く求められないためである。その使い分けの判定基準として、KDP=0.3°km-1（降雨度に換算
すると約7 mm h-1）を用いた。この値は、本発明の実施形態に用いたMPレーダのKDPに対
する測定精度から決定した。 (１)式から計算される降雨強度は、極座標系（1°×0.1 km）における雨量である。小領域を対象としたナウキャストでは、直交座標系に変換した方が便利なため、Cressman内挿法を用いて格子点間隔を0.5 km直交座標系に変換する。
Equation (1) is a method that uses the RZ relational expression when the rainfall intensity is low and the RK DP relational expression when the rainfall intensity is high. The reason why the RZ relational expression is used is that K DP cannot be obtained with high accuracy in the case of light rain. K DP = 0.3 ° km -1 (about 7 mm h -1 in terms of rainfall) was used as the criterion for proper use. This value was determined from the measurement accuracy with respect to K DP of the MP radar used in the embodiment of the present invention. The rainfall intensity calculated from equation (1) is the rainfall in the polar coordinate system (1 ° x 0.1 km). In the Nowcast for small areas, it is more convenient to convert to the Cartesian coordinate system, so the grid point spacing is converted to the 0.5 km Cartesian coordinate system using the Cressman interpolation method.
JMAレーダ雨量は、気象庁が全国に展開するCバンドのレーダ観測網の情報を、アメダス雨量計を用いて補正し生成される。生成過程の概要を以下に示す。反射因子Z[dBZ]をレーダ雨量強度R[mm/h]に変換する係数は、B=200、β=1.6である。各仰角のデータをもとに、最低高度面（山岳域以外は，ほぼ2 km）のCAPPIを生成する。補正は10分前のアメダス雨
量計の観測データを用いて、観測範囲全域に対する線形的な補正と、距離と降雨強度を考慮したアメダス近傍の局所的な補正、の二つを行っている。最後に雨量強度の大きいレーダの情報を優先しながら合成を行い、GPVを生成する。なお、この補正法の基本的な概念
は、レーダー・アメダス解析雨量と同様である。異なる点は、（１）過去の雨量情報による補正係数を用いる。（２）アメダス雨量計のみを使い自治体の雨量計は用いない、という点である。この雨量をRJMA RJMAで表し、以下ではJMAレーダ雨量と称する。なお、格子点間隔は1 kmである。
JMA radar rainfall is generated by correcting the information of the C-band radar observation network developed by the Japan Meteorological Agency nationwide using an AMeDAS rain gauge. The outline of the generation process is shown below. The coefficients for converting the reflection factor Z [dBZ] into the radar rainfall intensity R [mm / h] are B = 200 and β = 1.6. Based on the data of each elevation angle, the CAPPI of the lowest altitude surface (almost 2 km except in the mountain area) is generated. The correction is performed using the observation data of the
次に、MP-JMA合成雨量について説明する。Xバンド（3 cm）のMPレーダは、Cバンド（5 cm）やSバンド（10 cm）に比べてより弱い降雨に対して、KDPの感度が高く降雨推定に対
して有利である一方で、非常に強い降雨域の背後では降雨減衰により、電波が受信感度以下になっている領域（電波消散領域と称する）が生じるという問題がある。図５は、MP-JMAレーダ雨量の作成例を示す説明図である。図５（ａ）にＭＰレーダ雨量と電波消散領域Ｅｘの一例を示す。強い降雨域の背後に電波消散領域Ｅｘが生じていることがわかる。図
５（ｂ）はJMAレーダ雨量、図５（ｃ）はMP-JMAレーダ合成雨量を示す。図４で説明した
ように、ナウキャスト対象領域Ｅｂは半径４０ｋｍ、MPレーダ観測範囲Ｅａは半径８０ｋｍである。
Next, MP-JMA synthetic rainfall will be described. While the X-band (3 cm) MP radar is more sensitive to KDP and is more advantageous for rainfall estimation than the C-band (5 cm) and S-band (10 cm) There is a problem that an area where the radio wave is lower than the reception sensitivity (referred to as a radio wave extinction area) occurs behind the extremely strong rainfall area due to rain attenuation. FIG. 5 is an explanatory diagram showing an example of creating MP-JMA radar rainfall. FIG. 5A shows an example of the MP radar rainfall and the radio wave dissipation area Ex. It can be seen that the radio wave dissipation area Ex is generated behind the strong rainfall area. FIG. 5B shows the JMA radar rainfall, and FIG. 5C shows the MP-JMA radar combined rainfall. As described in FIG. 4, the now cast target area Eb has a radius of 40 km, and the MP radar observation range Ea has a radius of 80 km.
ここで、電波消散領域Ｅｘの判定について説明する。レンジr[km]までの片道経路積算減衰量をPIA(r)[dB]、レンジrでの最小受信感度をdBZ0(r)[dBZ]、降雨強度Rcに対応する
反射因子をdBZc[dBZ]とすると、電波消散領域は（２）式から求めることができる。（２
）式で、 PIA(r)は、水平偏波減衰量AH[dBkm-1]の区間(0,r)の積分値である。
Here, determination of the radio wave dissipation region Ex will be described. PIA (r) [dB] is the one-way integrated attenuation up to the range r [km], the minimum receiving sensitivity in the range r is dBZ0 (r) [dBZ], and the reflection factor corresponding to the rainfall intensity Rc is dBZc [dBZ]. Then, the radio wave dissipation region can be obtained from equation (2). (2
), PIA (r) is the integral value of the interval (0, r) of the horizontal polarization attenuation AH [dBkm-1].
AHは、（３）式で得られる。（３）式の（α，β）は、散乱計算から求められる定数である。 A H is obtained by equation (3). (Α, β) in equation (3) is a constant obtained from scattering calculation.
上述した電波消散領域の問題を解決するために、本発明では、MPレーダ雨量とJMAレー
ダ雨量を相補的に用いる方法を提案する。図１は、本発明の実施形態のシステム構成図である。図１において、降水分布の推定システム１は、ＭＰレーダ雨量測定手段２、在来型レーダ雨量測定手段６を有している。在来型レーダ雨量測定手段６は、例えば気象庁・全国合成レーダエコー強度ＧＰＶを用いる。ここでは、ＪＭＡレーダ雨量として表すことにする。１０は、在来型レーダ雨量補正手段で、変換手段３は、ＭＰレーダ雨量を在来型レーダ雨量格子に変換する。例えば、ＭＰレーダ雨量をＪＭＡレーダ雨量格子１ｋｍにバイリニア内挿で変換される。変換値は、空間ローパスフィルタ（二次元ＦＩＲ）４で処理され、補正係数付与手段（回帰分析・品質管理）５に送信される。ＪＭＡレーダ雨量は、空間ローパスフィルタ（二次元ＦＩＲ）７で処理され、補正係数付与手段５に送信される。補正係数が付与されたＭＰレーダ雨量は、ダイナミック補正手段８に送信され、在来型レーダ雨量を補正する。ＭＰレーダ雨量と補正された在来型レーダ雨量は、合成雨量推定手段９でＭＰ−ＪＭＡ合成雨量が推定される。
In order to solve the problem of the above-described radio wave dissipation region, the present invention proposes a method of using the MP radar rainfall and the JMA radar rainfall in a complementary manner. FIG. 1 is a system configuration diagram of an embodiment of the present invention. In FIG. 1, a precipitation
図２は、本発明の実施形態を示すシステム構成図である。図２において、降水分布の推定システム１は、ＭＰレーダ２ａ、在来型レーダ／レーダ網、例えば気象庁レーダ網６ａが設けられている。１３は現況降水分布推定手段で、ＪＭＡレーダ雨量測定手段１２、在来型レーダ雨量推定手段または在来型レーダ雨量取得手段１３、ＭＰレーダ雨量で在来型レーダ雨量を補正する在来型レーダ雨量補正手段１４、現況の合成雨量推定手段９ａを有している。１６は予測降水分布推定手段で、移動ベクトルの推定手段１７、降雨場の移流手段１８、予測雨量の推定手段１９を有している。１５は現況降水分布の出力手段、２０は予測降水分布の出力手段である。
FIG. 2 is a system configuration diagram showing an embodiment of the present invention. In FIG. 2, the precipitation
ＭＰレーダ雨量とＪＭＡレーダ雨量は、補正係数付与手段５を経由してダイナミック補正手段８で補正され、ＭP−ＪＭＡ合成雨量作成手段９でＭＰ−ＪＭＡ合成雨量を作成す
る。このようにして、ＭＰ−ＪＭＡ合成雨量作成手段９で作成される雨量をMP-JMA合成雨
量（Rcomp）と称する。ＭＰ−ＪＭＡ合成雨量は（４）式で表される。
The MP radar rainfall and the JMA radar rainfall are corrected by the dynamic correction means 8 via the correction coefficient adding means 5, and the MP-JMA combined rainfall generation means 9 generates the MP-JMA combined rainfall. In this way, the rainfall created by the MP-JMA synthetic rainfall creating means 9 is referred to as MP-JMA synthetic rainfall (R comp ). MP-JMA synthetic rainfall is expressed by equation (4).
ここで、係数αは、JMAJMAレーダ雨量の補正係数である。αは、MPレーダ雨量を真値として、MPレーダ観測領域と気象庁レーダ観測領域が重なる領域の観測データを使って求めた。この方法は、ダイナミックに（動的に）JMAレーダ雨量を補正できるという点で、雨
量計補正より優れている。
Here, the coefficient α is a correction coefficient for the JMAJMA radar rainfall. α was obtained using the observation data in the area where the MP radar observation area and the JMA radar observation area overlap, with the MP radar rainfall as the true value. This method is superior to rain gauge correction in that JMA radar rainfall can be corrected dynamically.
MP-JMA合成雨量は、MPレーダの電波消散領域を補完することに加えて、MPレーダ観測範囲外の雨量情報を補う。これは、本発明で設定しているナウキャスト対象領域において、1時間先までのナウキャストを行うためには、少なくとも半径100 kmの領域内の雨量情報
が必要であるが、本発明で用いているMPレーダの最大観測範囲が半径80 kmの円内に限ら
れるためである。
The MP-JMA combined rainfall supplements the MP radar's radio wave extinction area, as well as the rainfall information outside the MP radar observation range. This is because, in the now cast target area set in the present invention, in order to perform the now cast up to one hour ahead, the rainfall information in the area with a radius of at least 100 km is necessary. This is because the maximum observation range of the existing MP radar is limited to a circle with a radius of 80 km.
MP-JMA合成雨量の作成例を図５に示す。図５(a)はMPレーダ雨量で、2007年9月11日19:50(UTC)の観測例である。前記したように、レーダから見て、強い降雨セルの後方に黒塗りで示した電波消散領域Ｅｘが生じている。図５(b)は同じ時刻のJMAレーダ雨量である。半径80 kmのMPレーダ観測範囲内でのMPレーダ雨量とJMA雨量を比較すると、降雨強度の強いところで両者に明瞭な違いが認められる。 An example of creating MP-JMA synthetic rainfall is shown in FIG. Fig.5 (a) is MP radar rainfall, and is an example of observation on September 11, 2007 at 19:50 (UTC). As described above, the radio wave dissipation region Ex shown in black is generated behind the strong rain cell as viewed from the radar. Fig. 5 (b) shows the JMA radar rainfall at the same time. When MP radar rainfall and JMA rainfall within the MP radar observation range with a radius of 80 km are compared, there is a clear difference between the two at places where rainfall intensity is strong.
すなわち、MPレーダ雨量に現れている強い降水セルが捉えられていない。この理由としては、JMAレーダ雨量はR-Z関係式に基づく雨量情報であり、様々な誤差要因のために精度が悪くなる場合があるためであると考えられる。気象庁では、精度を上げるために地上の雨量計を用いてレーダ雨量を補正しているが、図５のケースでは強い降水エコーが海上にあったために利用できる雨量計が無かったこと、降水エコーが陸上にあったが、そのスケールが小さくて地上雨量計で捉えられなかったことなどが考えられる。 That is, a strong precipitation cell appearing in the MP radar rainfall is not captured. The reason is that the JMA radar rainfall is rainfall information based on the R-Z relational expression, and the accuracy may be deteriorated due to various error factors. The Japan Meteorological Agency corrects radar rainfall using a rain gauge on the ground to improve accuracy. However, in the case of Fig. 5, there was no rain gauge available because there was a strong precipitation echo on the sea. It may have been on land, but the scale was so small that it could not be captured by a ground rain gauge.
図５(c)にMP-JMA合成雨量を示す。(1０)式で示したように、MPレーダ雨量とJMAレーダ
雨量の合成雨量を作成する際は、MPレーダ雨量を優先している。図５は、この原則に基づき電波消散領域がうまく補完されていることを示している。一方、 MPレーダ観測領域外
がJMAレーダ雨量で補われることによって、MPレーダ1台では困難だったメソβスケールの降水システムの特徴を把握することができるようになった。MP-JMA合成雨量の時間間隔は、JMAレーダ雨量を使っているため、10分間隔である。
Fig. 5 (c) shows the combined rainfall of MP-JMA. As shown in equation (10), when creating a combined rainfall of MP radar rainfall and JMA radar rainfall, MP radar rainfall is prioritized. FIG. 5 shows that the radio wave dissipation region is well complemented based on this principle. On the other hand, by supplementing the area outside the MP radar observation area with JMA radar rainfall, it became possible to grasp the characteristics of the meso-beta scale precipitation system that was difficult with one MP radar. The MP-JMA synthetic rainfall time interval is 10 minutes because JMA radar rainfall is used.
ナウキャストの誤差には、３つの要因があるが、本発明では、このうち初期値の誤差を改善することで、予測雨量の精度向上を図るものである。また、ＭＰレーダの推定雨量（以下、ＭＰレーダ雨量と略記する）をナウキャストに効果的に利用できる手法を開示する。さらに、激しい豪雨の事例を含む複数の事例に対して適用し、ＭＰレーダ雨量のナウキャスト精度向上へのインパクトを提示する。 There are three factors in the nowcast error. In the present invention, the accuracy of the predicted rainfall is improved by improving the error of the initial value. Also disclosed is a technique that can effectively use the estimated rainfall of MP radar (hereinafter abbreviated as MP radar rainfall) for nowcasting. Furthermore, it is applied to multiple cases including cases of severe heavy rains, and the impact on the improvement of nowcast accuracy of MP radar rainfall is presented.
最初に、本発明に係るナウキャストモデルについて説明する。本発明に係るナウキャストモデルは、移動ベクトルの推定と降雨場の移動から構成した。移動ベクトルを推定する方法としては、個々の降水セルを対象とする手法と、降雨エリアを対象とする手法がある。個々の降水セルを対象とする手法は、一般にセル追跡法と称される。セル追跡法は、個
々の降水セルの特徴の同定を行い、それぞれの移動ベクトルを推定する方法である。さらに、個々の降水セルの合併・分裂を考慮した複雑なモデルも提案されている。セル追跡法を用いたモデルの多くは、強風、雹、雷の予報を目的としているが、量的な雨量推定も目的としている。
First, the now cast model according to the present invention will be described. The nowcast model according to the present invention is composed of estimation of a movement vector and movement of a rain field. As a method of estimating the movement vector, there are a method for targeting individual precipitation cells and a method for targeting rainfall areas. A method for targeting individual precipitation cells is generally referred to as a cell tracking method. The cell tracking method is a method of identifying features of individual precipitation cells and estimating each movement vector. In addition, a complex model that considers the merger and splitting of individual precipitation cells has also been proposed. Many of the models using the cell tracking method are aimed at forecasting strong winds, hail and lightning, but also aiming at quantitative rainfall estimation.
降雨エリアを対象とする移動ベクトルの計算手法として、相互相関法がある。相互相関法とは、二つの降雨分布が最も類似する移動距離を検索するもので、類似度には一般に相関係数が用いられる。相互相関法では、個々のセルを同定する必要はなく、対象領域の平均的な移動ベクトルを推定する。相互相関法とセル追跡法の比較実験では、両者の予測精度に大きな違いはみられていない。本発明では、安定性・簡易性・高速性などの点で優位性のある相互相関法を用いた。なお、風で移流するモデルとの比較において、対流性が卓越する事例では、相互相関法やセル追跡法などの手法の方が、風で移流するモデルより精度が良いという結果が得られている。 There is a cross-correlation method as a motion vector calculation method for a rainy area. The cross-correlation method is a method for searching for a moving distance in which two rainfall distributions are most similar, and a correlation coefficient is generally used for the similarity. In the cross-correlation method, it is not necessary to identify individual cells, and an average movement vector of the target region is estimated. In comparison experiments between the cross-correlation method and the cell tracking method, there is no significant difference in the prediction accuracy between the two. In the present invention, a cross-correlation method that is superior in terms of stability, simplicity, and high speed is used. In comparison with wind convection models, in cases where convection is superior, results such as cross-correlation and cell tracking are more accurate than wind advection models. .
相互相関法には、直接相互相関法とFFT相互相関法がある。直接相互相関法は、過去の
時刻に観測した降雨分布に対して、現況の降雨分布を少しずつずらしながら最も類似する移動量を検出するものである。直接相互相関法は、原理が簡潔であるため、ナウキャストの一般的な方法として用いられているが、高解像度化したデータをリアルタイムに計算するには問題が生じることがある。このため、本発明では高速性に優れたFFT相互相関法を
用いて移動ベクトルを求めた。
The cross correlation method includes a direct cross correlation method and an FFT cross correlation method. The direct cross-correlation method detects the most similar movement amount while gradually shifting the current rainfall distribution with respect to the rainfall distribution observed at the past time. The direct cross-correlation method is used as a general method of Nowcast because the principle is simple, but there may be a problem in calculating high-resolution data in real time. For this reason, in the present invention, the movement vector is obtained using the FFT cross-correlation method which is excellent in high speed.
FFT相互相関法は、直接相互相関法と同様に降雨パターンの類似度を相互相関で評価す
るが、相互相関値の算出に高速フーリエ変換を用いることにより高速化を図る。具体的な計算手順は以下の通りである、二つの降雨分布,のフーリエ変換,から、（５）式のクロススペクトルが得られる。
The FFT cross-correlation method evaluates the similarity of rainfall patterns by cross-correlation as in the direct cross-correlation method. However, the FFT cross-correlation method uses a fast Fourier transform to calculate the cross-correlation value. A specific calculation procedure is as follows. From the Fourier transform of two rainfall distributions, a cross spectrum of equation (5) is obtained.
さらに、（５）式に逆フーリエ変換を施すことにより、（６）式のととの間の相互相関係数が得られる。 Further, by performing inverse Fourier transform on the equation (5), a cross-correlation coefficient with the equation (6) can be obtained.
この相互相関係数分布の最大値の位置をとすると、移動ベクトルは（７）式で求められる。ここで、は観測時間間隔で、本発明の実施形態においては、Ｙ＝１０（分間）、とした。 Taking the position of the maximum value of the cross-correlation coefficient distribution, the movement vector can be obtained by equation (7). Here, is an observation time interval, and Y = 10 (minutes) in the embodiment of the present invention.
図３は、本発明の処理手順を示すフローチャートである。図３のフローチャートについて説明する。
Ｓ１：測定対象の降雨場における初期値（降雨強度）を設定する。
Ｓ２：移動ベクトルの推定
Ｓ２ａ：初期値に対するローパスフィルタ処理（空間）
Ｓ２ｂ：降雨強度の階級分け
Ｓ２ｃ：階級毎に移動ベクトルを設定
Ｓ２ｄ：移動ベクトルに対するローパスフィルタ処理（時間）
Ｓ３：降雨場の移動・合成
Ｓ３ａ：階級毎に降雨場を移動
Ｓ３ｂ：合成
Ｓ４：予測雨量（１時間積算雨量）
FIG. 3 is a flowchart showing the processing procedure of the present invention. The flowchart of FIG. 3 will be described.
S1: An initial value (rain intensity) in the rain field to be measured is set.
S2: Estimation of movement vector S2a: Low-pass filter processing for initial value (space)
S2b: Classification of rainfall intensity S2c: Set movement vector for each class S2d: Low-pass filter processing (time) for movement vector
S3: Movement / combination of rain fields S3a: Movement of rain fields for each class S3b: Composition S4: Predicted rainfall (1 hour accumulated rainfall)
降雨場にはより短い時間変動が含まれる。これは移動ベクトルの推定誤差につながるため、取り除く必要があるが、時間領域にローパスフィルタをかけるには観測時間間隔が不十分である。しかしながら、降雨場の空間スケールと時間変動の間には比例関係がある。そこで、本発明では空間領域にローパスフィルタをかけ、小さな空間スケールを取り除くことにより、短い時間変動を取り除いた。 Rainfall includes shorter time fluctuations. Since this leads to an estimation error of the movement vector, it must be removed, but the observation time interval is insufficient to apply a low-pass filter in the time domain. However, there is a proportional relationship between the spatial scale of the rainfall field and the time variation. Therefore, in the present invention, a short time variation is removed by applying a low-pass filter to the spatial region and removing a small spatial scale.
レーダ観測画像の時系列をよく観察すると、強い降雨強度域の動きが全体の降雨場の動きと異なる場合が良くある。このような個々の降雨域の動きの違いを考慮する方法として、本発明では以下のような階級分けによる分割法を用いた。説明のため、観測した降雨強度をR (mmh-1)、階級ｋの降雨強度をRk、階級ｋの上限値をＵk、下限値をＤkとする。降
雨強度Rkは（８）式の関係を満たす必要がある。
When the time series of radar observation images are observed closely, the movement of the strong rainfall intensity region is often different from the movement of the entire rainfall field. As a method for taking into account such differences in the movement of individual rainfall areas, the present invention uses the following division method based on classification. For the sake of explanation, it is assumed that the observed rainfall intensity is R (mmh −1 ), the rainfall intensity of class k is R k , the upper limit value of class k is U k , and the lower limit value is D k . The rainfall intensity R k needs to satisfy the relationship of equation (8).
そのため、R≦Ｕkのとき、Rk＝R―Ｄkとし、R＞Ｕkのとき、Rk＝Ｕk―Ｄkとした。本発明の実施形態では、階級数を３とし、閾値を１５．２５mmh-1とした。 Therefore, R k = R−D k when R ≦ U k , and R k = U k −D k when R> U k . In the embodiment of the present invention, the number of classes is 3, and the threshold value is 15.25 mmh −1 .
各階級での移動ベクトルを推定する際に、特に降雨強度の強い階級で移動ベクトルの誤推定が生ずることがある。これは、強い階級では時間発展が激しいためである。このため、本発明の実施形態では、次の二つの制限を用いることにより誤ベクトルの発生頻度を低減させた。（１）相互相関係数分布の最大値の検出範囲を、物理的に移動可能な範囲に限定する。（２）予測時までの移動ベクトルの大きさと角度について統計値をとり、分散の３倍以上のものは誤推定として不採用とする。ある降雨階級で移動ベクトルが求まらなかった場合、その降雨強度の一つ弱い階級で求められた移動ベクトルで代用する。 When estimating a movement vector in each class, an erroneous estimation of the movement vector may occur particularly in a class having a strong rainfall intensity. This is because time development is intense in a strong class. For this reason, in the embodiment of the present invention, the frequency of erroneous vectors is reduced by using the following two restrictions. (1) The detection range of the maximum value of the cross-correlation coefficient distribution is limited to a physically movable range. (2) Statistical values are taken for the magnitude and angle of the movement vector up to the time of prediction, and those with a variance of three times or more are not adopted as erroneous estimation. If a movement vector is not obtained for a certain rainy class, the movement vector obtained for one of the classes having a weaker rainfall intensity is used instead.
降雨場の移動は、階級毎に推定された移動ベクトルをもとに行う。階級kにおける現況
の降雨強度をRk、0[mm／ h]、時間ステップｎ（移動させる時間間隔Δｔ）における降雨
強度をRk、n[mm／ h]とすると、（９）式が成立する。
The rain field is moved based on the movement vector estimated for each class. If the current rainfall intensity in class k is R k , 0 [mm / h], and the rainfall intensity in time step n (moving time interval Δt) is R k , n [mm / h], equation (9) is established. To do.
（９）式のuとvは、それぞれ各階級で求められた移動ベクトルの東西、南北の成分である。各階級の予測降雨強度を加算したものが、（１０）式で表される積算雨量の予測値となる。 In the equation (9), u and v are the east-west and north-south components of the movement vector obtained for each class. The sum of the predicted rainfall intensity of each class is the predicted value of the accumulated rainfall expressed by the equation (10).
ここで、（９）式のを十分短くとらないと、小さなスケールの強い降雨セルが高速度で移動するような場合、斑点状あるいは縞模様の積算雨量パターンが現れることがある。最適なは、降雨の空間スケールや移動速度、観測データの空間分解能などに依存すると考えられるが、本発明では高速度で移動する複数の降雨事例について試行計算を行い、=20秒
とした。
Here, if equation (9) is not sufficiently short, a spotted or striped integrated rainfall pattern may appear when a small-scale strong rainfall cell moves at a high speed. The optimum is considered to depend on the spatial scale and movement speed of rainfall, the spatial resolution of observation data, etc., but in the present invention, trial calculation was performed for a plurality of rainfall cases moving at high speed, and was set to 20 seconds.
短時間の降雨予測において、その実用性を考えた場合、計算速度は重要な要素である。初期値の作成から移動ベクトルの推定、1時間積算雨量の予測までの一連のナウキャスト
の計算にかかる時間は、使用する計算機や初期値の降雨域の面積や特徴に依存する。現在一般的に利用可能なワークステーションを用いた場合の計算時間は、50秒程度であった。
The calculation speed is an important factor when considering its practicality in short-term rainfall prediction. The time taken to calculate a series of nowcasts, from initial value creation to movement vector estimation to 1-hour accumulated rainfall prediction, depends on the computer used and the area and characteristics of the initial rainfall area. The calculation time when using a generally available workstation is about 50 seconds.
次に、検証に用いた解析事例を表１に示す。 Next, Table 1 shows analysis examples used for verification.
表１の事例１は、組織化された線状対流系が繰り返しMPレーダ観測領域上空を通過する事例である。ただし、終盤にバックビルディング型へ移行する。事例２は、組織化された団塊状対流系であり、関東地方で局所的な豪雨が発生するときに観測される典型的な雷雨
の事例である。事例３は、平成20年8月末豪雨の事例であり、典型的なバックビルディン
グ型である。バックビルディング型は同一地域に繰り返し降水セルが生成され、局所的に大きな雨量をもたらし、大きな災害につながることが多い。表１には解析に用いた日時を示した。解析期間の設定の条件は、ナウキャスト対象領域内の平均降雨強度が5 mm以上の比較的強い雨の時間帯とした。
初期値の精度の検証には、検証領域内の合計15点のアメダス雨量計を用いた。検証は1
時間積算雨量について行った。その理由は、これが国や地方自治体の防災対策に利用されているためである。たとえば、東京都では下水道計画降雨量として１時間積算雨量50 mmh-1を採用している。1時間積算雨量は、20秒毎に時間内挿して得られるMP-JMA合成雨量を
積算して求めた。内挿の際に必要となる移動ベクトルは、前記したFFT相互相関法を用い
て求めた。検証のために必要となるアメダス地点でのMP-JMA合成雨量の算出には、最近傍内挿法を用いた。
A total of 15 AMeDAS rain gauges in the verification area were used to verify the accuracy of the initial values. Verification is 1
The time-accumulated rainfall was conducted. The reason is that this is used for disaster prevention measures of the national and local governments. For example, the Tokyo Metropolitan Government uses an hourly rainfall of 50 mmh -1 as the sewer planned rainfall. Accumulated rainfall for 1 hour was obtained by integrating MP-JMA synthetic rainfall obtained by time interpolation every 20 seconds. The movement vector necessary for the interpolation was obtained by using the FFT cross-correlation method described above. The nearest neighbor interpolation was used to calculate the MP-JMA combined rainfall at the AMeDAS site, which is required for verification.
図６は、アメダス雨量計を用いたJMAレーダ雨量の精度の検証結果を示す特性図である
。図６の(a)、(b)、(c)はそれぞれ事例1・2・3における結果である。図６によれば、事例1と事例2の場合、JMAレーダ雨量はアメダス雨量計に対して過小評価している（回帰係数
はともに0.68）。特に、強い雨の時にその傾向は顕著である。一方、事例3に関しては、
ばらつきはあるもののJMAレーダ雨量はアメダス雨量計と良く合っている（回帰係数は0.88）。図６の(a)、(b)、(c)において、Ｄａ〜Ｄｃは、原点を通る回帰直線である。
FIG. 6 is a characteristic diagram showing a verification result of accuracy of JMA radar rainfall using an AMeDAS rain gauge. (A), (b), and (c) in FIG. 6 are the results in
Although there are variations, the JMA radar rainfall is in good agreement with the AMeDAS rain gauge (regression coefficient is 0.88). In (a), (b), and (c) of FIG. 6, Da to Dc are regression lines passing through the origin.
図７はMP-JMA合成雨量をアメダス雨量計用いて検証した結果を示す特性図である。事例1、2、3ともに、MP-JMA合成雨量はアメダス雨量計と良く合っている。回帰係数は事例1では0.68（JMAレーダ雨量）から0.90（MP-JMA合成雨量）に、事例2では0.68（JMAレーダ雨
量）から1.10（MP-JMA合成雨量）に改善されている。事例1と3については、MP-JMA合成雨量のばらつきはJMAレーダ雨量と比較して小さくなっている。図７の(a)、(b)、(c)において、Ｄｄ〜Ｄｆは、原点を通る回帰直線である。
FIG. 7 is a characteristic diagram showing the results of verifying the MP-JMA synthetic rainfall using an AMeDAS rain gauge. In both
表2に初期値の精度検証結果をまとまた。 Table 2 summarizes the accuracy verification results of the initial values.
事例１〜事例３のいずれの事例においても、MP-JMA合成雨量は、JMAレーダ雨量と比較
して精度が向上している。このことは、MPレーダ雨量自体が高精度であることと、本発明
で提案したJMAレーダ雨量の補正方法の精度がよいことを証明している。予測結果を評価
するとき、パターンとしては良く合っていても相関係数やRMSEなどが悪い場合がある。その原因の一つとして予測値と観測値の位置のずれの影響が考えられる。予測が高空間分解能になればなるほどその影響が大きくなる。そこで、本発明では位置のずれ、予測結果の絶対値、パターンの類似度についてそれぞれ分離して評価する。具体的な手順は以下のとおりである。
In any of the
最初に観測値（MP-JMA合成雨量）と、ナウキャスト結果に式(2)を適用して各グリッド
点の相互相関係数を計算する。相互相関係数が最大となる点の座標を（Ｘ，Ｙ）とすると、これらの値がそれぞれ東方向の位置ずれと北方向の位置ずれになる。 次にナウキャス
ト結果を（−Ｘ，−Ｙ）だけずらしたものと、観測値（MP-JMA合成雨量）との間で回帰分析をおこない、回帰係数，決定係数を求める．その際，回帰直線は原点を通るものとした。
First, the cross-correlation coefficient of each grid point is calculated by applying equation (2) to the observed value (MP-JMA combined rainfall) and the nowcast result. Assuming that the coordinates of the point where the cross-correlation coefficient is maximum are (X, Y), these values are the east-direction displacement and the north-direction displacement, respectively. Next, a regression analysis is performed between the nowcast result shifted by (-X, -Y) and the observed value (MP-JMA synthetic rainfall) to obtain the regression coefficient and the determination coefficient. At that time, the regression line passed through the origin.
回帰係数はナウキャスト降雨強度の絶対値の誤差を表す指標で、1より小さい場合には
過小評価を、１より大きいときは過大評価していることを意味する。決定係数は、相関係数と似た特性を持つ指標でありパターンの類似度を表す指標で、表す指標で0から1の値をとる。決定係数が1に近いほどパターンが類似していることを意味する。ナウキャスト結
果の検証は、30分間隔で取り出して行った。検証結果について説明する。図８は、事例1
のナウキャスト結果を示す説明図である。図８(a)は、観測値（MP-JMA合成雨量）、図８(b)、図８(c)はそれぞれ初期値をMP-JMA合成雨量、JMAレーダ雨量とした場合のナウキャスト結果である。図の雨量は、12:30から13:30の1時間積算雨量である（予測時刻は12:30）。図８によれば、MP-JMA合成雨量を初期値として用いたナウキャスト結果は観測値と良く合っている。たとえば、積算雨量が20 mmから30 mmの南北に延びる2本の線状の降雨域（図中にA，Ｂと付記した）は良く予測されている。
The regression coefficient is an index representing the error of the absolute value of Nowcast rainfall intensity. When it is smaller than 1, it indicates that it is underestimated, and when it is larger than 1, it is overestimated. The determination coefficient is an index having characteristics similar to that of the correlation coefficient, and is an index representing the degree of similarity of the pattern. The index represents a value from 0 to 1. The closer the determination coefficient is to 1, the more similar the patterns are. Nowcast results were verified at 30 minute intervals. The verification result will be described. Figure 8 shows
It is explanatory drawing which shows the now cast result. Fig. 8 (a) shows the observed values (MP-JMA combined rainfall), and Fig. 8 (b) and Fig. 8 (c) show the now cast results when the initial values are MP-JMA combined rainfall and JMA radar rainfall, respectively. is there. The rainfall in the figure is the one hour cumulative rainfall from 12:30 to 13:30 (predicted time is 12:30). According to FIG. 8, the now cast result using the MP-JMA synthetic rainfall as the initial value is in good agreement with the observed value. For example, two linear rainfall areas (labeled A and B in the figure) extending from north to south with an accumulated rainfall of 20 mm to 30 mm are well predicted.
一方、JMAレーダ雨量を初期値として用いたナウキャスト結果は、分布パターンについ
ては観測と比較的良く合っているが、絶対値は過小評価されている。降雨量が30 mmを越
える線状の降雨域AおよびBの予測降雨量はそれぞれ10 mm、20 mmに達していない。図-7(c)の結果が過小評価されることは、図-5(a)で示したように初期値としてのJMAレーダ雨量
が過小評価される傾向があるためと考えられる。
On the other hand, the Nowcast results using the JMA radar rainfall as the initial value are relatively well matched with the observation of the distribution pattern, but the absolute value is underestimated. Predicted rainfall in the linear rainfall areas A and B where the rainfall exceeds 30 mm does not reach 10 mm and 20 mm, respectively. The underestimation of the results in Fig. 7 (c) may be due to the tendency for JMA radar rainfall as the initial value to be underestimated as shown in Fig. 5 (a).
図９は、ナウキャスト結果と観測値の位置ずれ修正後の散布の状態を示す特性図である。図の各点は図８の各格子点に該当する。図９(a)によれば、予測値の値とパターンは観
測とよくあっている（回帰係数1.00，決定係数 0.85）。予測結果の位置ずれは、（Ｘ、
Ｙ）=(-0.5, 0)で、南方向に0.5 kmのずれである。
FIG. 9 is a characteristic diagram showing a state of dispersion after correction of a miscast result and a positional deviation of an observed value. Each point in the figure corresponds to each lattice point in FIG. According to FIG. 9 (a), the value of the predicted value and the pattern are in good agreement with the observation (regression coefficient 1.00, determination coefficient 0.85). The positional deviation of the prediction result is (X,
Y) = (-0.5, 0), which is 0.5 km southward.
図９(b)は、JMAレーダ雨量を初期値とした場合のナウキャスト結果である。回帰係数は0.41で、 MP-JMA合成雨量を初期値とした図９(a)の場合に比べて、予測雨量を過小評価している。一方，決定係数は0.85で、初期値がMP-JMA合成雨量の場合とほぼ同じである。位置ずれは=(-0.5, -1.5)であり観測と比べて南南西方向に若干ずれている。このように、
図９では初期値のナウキャスト結果へのインパクトが明瞭に表れている。
FIG. 9B shows the now cast result when the JMA radar rainfall is set as the initial value. The regression coefficient is 0.41, and the predicted rainfall is underestimated compared to the case of Fig. 9 (a) where MP-JMA synthetic rainfall is the initial value. On the other hand, the coefficient of determination is 0.85, which is almost the same as the initial value of MP-JMA synthetic rainfall. The position shift is = (-0.5, -1.5), which is slightly shifted in the south-southwest direction compared to the observation. in this way,
FIG. 9 clearly shows the impact of the initial value on the now cast result.
図１０は、ナウキャストの検証結果を時系列で示す特性図である。図１０の（ａ）は雨域の平均雨量、（ｂ）は回帰係数、（ｃ）は決定係数、（ｄ）は北方向へのずれ、（ｅ）は東方向へのずれを示している。初期値のナウキャストへのインパクトを見るために、JMAレーダ雨量を初期値とした結果についても示した。MP-JMA合成雨量を初期値とした場合
の回帰係数は、時刻によって異なるが、0.5から1.3の範囲内にある。JMAレーダ雨量を初
期値とした場合と比べると、変化の幅が少なく、変動の中心はより１に近い。この結果はMP-JMA合成雨量を初期値とすることによって、絶対値の予測誤差が改善されていることを
示す。
FIG. 10 is a characteristic diagram showing the now-cast verification results in time series. 10A shows the average rainfall in the rain region, FIG. 10B shows the regression coefficient, FIG. 10C shows the coefficient of determination, FIG. 10D shows the deviation in the north direction, and FIG. 10E shows the deviation in the east direction. . In order to see the impact of the initial value on Nowcast, the results of JMA radar rainfall as the initial value are also shown. The regression coefficient when MP-JMA synthetic rainfall is the initial value varies depending on the time, but is in the range of 0.5 to 1.3. Compared to the case where JMA radar rainfall is the initial value, the range of change is small and the center of fluctuation is closer to 1. This result shows that the prediction error of the absolute value is improved by setting the MP-JMA synthetic rainfall as the initial value.
また、図１０（ｂ）の回帰係数の時間変化は、雨域の平均雨量の時間変化、すなわち、図１０（ａ）の特性と良く対応しており、30分程度の遅れがある。JMAレーダ雨量を初期
値とした結果にも、遅れ時間は異なるが、同様な変動がみられる。図１０（ｃ）の決定係数については、MP-JMA合成雨量を初期値とした場合、一時的に値が小さくなるとき（14:00付近と17:30付近）があるが、それ以外の時間帯では0.8に近い値である。
Further, the time change of the regression coefficient in FIG. 10B corresponds well with the time change of the average rainfall in the rain area, that is, the characteristic of FIG. 10A, and there is a delay of about 30 minutes. The results with the JMA radar rainfall as the initial value also show similar fluctuations, although the delay time is different. Regarding the coefficient of determination in Fig. 10 (c), when MP-JMA synthetic rainfall is the initial value, the value may temporarily decrease (near 14:00 and 17:30). It is close to 0.8 for the band.
これは、JMAレーダを初期値とした場合に比べよい値となっており、パターンの類似度
も改善されていることを示す。決定係数が低下する時間帯は、雨域の平均雨量が低下する時間帯とよく対応している。図１０（ｄ）、（ｅ）の位置ずれに関しては、18:00以降に
南北、東西方向に顕著なずれが生じている。18:00に始まった南方向へのずれは、18:30には最大7 kmとなっている。その後、徐々に改善されるが、19:30でも5 kmのずれ、20:00以降も2 kmから3 kmの誤差が生じている。
This is a better value than when the JMA radar is set as the initial value, and the pattern similarity is also improved. The time period when the coefficient of determination decreases corresponds well with the time period when the average rainfall in the rain area decreases. Regarding the positional shifts in FIGS. 10D and 10E, a significant shift occurs in the north-south and east-west directions after 18:00. The shift to the south starting at 18:00 is a maximum of 7 km at 18:30. After that, it gradually improved, but at 19:30 there was a 5 km shift, and after 20:00 there was an error of 2 km to 3 km.
一方、東西方向のずれは、18:00から18:30の間だけでそれ以下はほぼゼロである。この原因をレーダ観測画像で調べた。17:30にはナウキャスト対象領域内に顕著な対流性降雨
域は見られないが、18:00以降領域南側に強い降雨域が発生、組織化される。その後、バ
ックビルディング型の降水セルが繰り返し発生していた。バックビルディングが生じると予測雨量の位置ずれが顕著となる。したがって、18:30以後の南北方向の位置ずれはバッ
クビルディングがの発生によるためと考えられる。この傾向は初期値によらず見られる。以上のように、事例１については、 MP-JMA合成雨量を初期値とした予測結果は、JMAレーダ雨量を初期値とした予測結果を、回帰係数と決定係数で上回った。
On the other hand, the deviation in the east-west direction is only between 18:00 and 18:30, and below that is almost zero. This cause was investigated by radar observation images. At 17:30, there is no significant convective rainfall area in the Nowcast area, but after 18:00 a strong rainfall area is generated and organized on the south side of the area. Since then, back building type precipitation cells have repeatedly occurred. When back-building occurs, the position of the predicted rainfall will become noticeable. Therefore, the position shift in the north-south direction after 18:30 is considered to be due to the occurrence of back building. This tendency is seen regardless of the initial value. As described above, for
図１１は、事例2の検証結果の時系列を示す特性図である。図１１の（ａ）は雨域の平
均雨量、（ｂ）は回帰係数、（ｃ）は決定係数、（ｄ）は北方向へのずれ、（ｅ）は東方向へのずれを示している。MP-JMA合成雨量を初期値とした場合の回帰係数は、図１１（ｂ）に示されているように、0.5から1.3の範囲内にある。JMAレーダ雨量を初期値とした場
合と比べると、変動の中心はより１に近くなり、絶対値の予測精度が改善されている。時間変化については、事例１と同様、雨域の平均雨量の変化と良く対応している。図１１（c）の決定係数については、MP-JMA合成雨量を初期値とした場合、13:00から14:00で小さ
くなるが、それ以外は0.6から0.8と高い値を示し、パターンの類似度が比較的高い。この事例の決定係数についてはJMAレーダ雨量を初期値とした場合も同様な結果だった。
FIG. 11 is a characteristic diagram showing a time series of verification results of
図１１（ｄ）、（ｅ）の位置のずれに関しては、14:00以外、初期値によらず常に東西
に2-3 km程度、南北に1km程度のずれが生じた。なお、14:00の東方向への位置ずれ誤差が大きくなっているが、ナウキャスト対象領域内に雨がほとんどない時間帯にあたっており、位置ずれの推定に大きな誤差を生じたためである。以上のように，事例2については、
初期値のインパクトは絶対値の予測精度の改善にみられた。
11D and 11E, except for 14:00, there was always a shift of about 2-3 km east-west and about 1 km north-south regardless of the initial value. Note that although the position error in the east direction at 14:00 is large, it is during a time zone where there is almost no rain in the nowcast area, and a large error has occurred in the position error estimation. As described above, for
The impact of the initial value was seen in the improvement of the prediction accuracy of the absolute value.
図１２は、事例3の検証結果の時系列を示す特性図である。図１２の（ａ）は雨域の平
均雨量、（ｂ）は回帰係数、（ｃ）は決定係数、（ｄ）は北方向へのずれ、（ｅ）は東方向へのずれを示している。図１２（ｂ）の回帰係数は、16:00以前では0.5から1.0の範囲
で過少評価傾向となり、16:30以降ではほぼ1に近くなった。図１２（c）の決定係数は、
変動はあるものの、0.6から0.9の範囲であり、パターンの類似度はよい。一方、図１２（ｄ）、（ｅ）位置ずれに関しては、12:00から14:00と16:00から19:00の時間帯で、5 km程度の南方向のずれが生じた。この時間帯は、バックビルディングが生じた時間帯であり、事例1でバックビルディングが発生していた時間帯の傾向と類似している。この事例に関
しては、初期値による違いがほとんど生じなかった。
FIG. 12 is a characteristic diagram showing a time series of verification results of
Although there is a variation, it is in the range of 0.6 to 0.9, and the pattern similarity is good. On the other hand, regarding the positional shifts in FIGS. 12 (d) and 12 (e), a shift in the south direction of about 5 km occurred in the time zone from 12:00 to 14:00 and from 16:00 to 19:00. This time zone is the time zone when the back building occurred, and is similar to the trend of the time zone when the back building occurred in
表3にナウキャスト結果の検証結果をまとめて示した。 Table 3 summarizes the verification results of Nowcast results.
表3に示されているように、初期値のナウキャスト結果に対するインパクトとしては、
事例１では平均回帰係数と平均決定係数に、事例２では平均回帰係数にみられる。
As shown in Table 3, the impact on the initial cast results is as follows:
In
本発明の実施形態では、MP-JMA合成雨量の精度検証にアメダス雨量計を用いた。一方、気象庁では高精度な雨量分布としてレーダー・アメダス解析雨量（気象庁，1995；以下，解析雨量）を提供している（更新間隔30分，空間分解能1 km）。これは、全国に展開する気象庁や河川局、道路局のレーダ雨量を、アメダス雨量計（17 km間隔）や自治体の雨量
計（たとえば，東京都では5 km間隔）で補正し、合成したもので、世界的にも稀な広域かつ高精度な雨量分布である。MP-JMA合成雨量とこの解析雨量を比較検証することは有益である。
In the embodiment of the present invention, an AMeDAS rain gauge was used for accuracy verification of the MP-JMA synthetic rainfall. On the other hand, the Japan Meteorological Agency provides radar-Amedas analysis rainfall (Meteorological Agency, 1995; hereinafter, analysis rainfall) as a highly accurate rainfall distribution (
図１３は、事例１の結果を示す説明図である。全体的なパターンは似ているが、MP-JMA合成雨量は解析雨量と比較して、強い降雨域が現れている（例えば，図中のＡ，Ｂ）。これらの強い降雨域でMP-JMA合成雨量が正しいかどうかは判断できないが、解析雨量では局所的な豪雨を捉えきれていない場合があることが示されている。また、解析雨量がやや空間的に不連続になっているが、この点については気象庁も改良を進めている。
FIG. 13 is an explanatory diagram showing the results of
本発明では、ナウキャスト結果の検証に、初期値でもあるMP-JMA合成雨量を用いた。この検証の信頼性を裏づけるために、ここでは、さらに雨量計をもちいて検証を行った。事例１の結果を図１４の特性図に示す。図１４（ａ）の初期値をMP-JMA合成雨量としたナウキャスト結果は、雨量計とよい一致を示した（回帰係数0.94，決定係数0.79）。これは、図１４（ｂ）のJMAレーダ雨量を初期値としたナウキャスト結果と比較して、精度がよい
（回帰係数0.57，決定係数0.68）。この結果は、図９および表3の結果と矛盾しない。図
１４（ａ）、（ｂ）のＤｈ、Ｄｉは、原点を通る回帰直線である。
In the present invention, the MP-JMA synthetic rainfall, which is also the initial value, was used for verification of the now cast result. In order to confirm the reliability of this verification, the verification was further conducted using a rain gauge. The result of
最後に、現業で提供されている気象庁のナウキャストと比較した。その結果を図１５の
説明図に示す。図の分布は、JMAレーダ雨量を初期値とした図８（ｃ）の本発明のナウキ
ャスト結果と同様な分布である。図１６は、事例１の全期間について気象庁ナウキャスト結果と雨量計を比較した特性図である。図から明らかなように、気象庁ナウキャストは、強い雨を予測出来ていない。これは、初期値として用いているJMAレーダ雨量が、図６（
ａ）で説明したように過小評価されているためと考えられる。図１６のＤｊは、原点を通る回帰直線である。
Finally, it was compared with the Meteorological Agency Nowcast, which is provided in the field. The result is shown in the explanatory diagram of FIG. The distribution in the figure is the same distribution as the now cast result of the present invention in FIG. 8C with the JMA radar rainfall as an initial value. FIG. 16 is a characteristic diagram comparing the meteorological agency nowcast results and rain gauges for the entire period of
This is probably due to underestimation as described in a). Dj in FIG. 16 is a regression line passing through the origin.
以上説明したように、都市型水害予測のため現況の降水分布の推定および短時間降雨予測の精度向上を図ることを目的として、Ｘバンドのマルチパラメータレーダ（MPレーダ）の活用法とナウキャストへの適用方法の提案、およびそのインパクトについて検証を行った。以下にその結果をまとめる。 As explained above, for the purpose of estimating the current precipitation distribution and improving the accuracy of short-term rainfall prediction for urban-type flood forecasting, the use of X-band multi-parameter radar (MP radar) and nowcast We verified the proposal of the application method and its impact. The results are summarized below.
(1) XバンドMPレーダは、精度よい雨量情報(MPレーダ雨量)を提供できるが、電波消散
領域や観測領域の問題がある。そこで本発明では、気象庁・全国合成レーダー・エコー強度ＧＰＶ（JMAレーダ雨量）との相補的な合成を提案し、この問題を解決した。 (2) 本論文で提案した相補的な合成法により得られた合成雨量（MP-JMA合成雨量）は、アメダス雨量計とよい一致を示した。さらに、同じリアルタイム情報であるJMAレーダ雨量と比較し
て精度が高いことを示した。(3) MP-JMA合成雨量は、過去１時間の雨量であるレーダー・アメダス解析雨量と同様な雨量分布であった。MP-JMA合成雨量は、ナウキャストなどの予測モデルの初期値として使用できる点でより実用性が高いといえる。
(1) Although X-band MP radar can provide accurate rainfall information (MP radar rainfall), there are problems in the radio wave dissipation area and observation area. Therefore, in the present invention, complementary synthesis with the Japan Meteorological Agency, National Synthetic Radar, and Echo Strength GPV (JMA Radar Rainfall) was proposed to solve this problem. (2) The synthetic rainfall (MP-JMA synthetic rainfall) obtained by the complementary synthesis method proposed in this paper showed good agreement with the AMeDAS rain gauge. Furthermore, the accuracy was higher than that of JMA radar rainfall, which is the same real-time information. (3) The MP-JMA combined rainfall had the same rainfall distribution as the radar-Amedas analysis rainfall, which is the rainfall for the past hour. MP-JMA synthetic rainfall is more practical in that it can be used as an initial value for prediction models such as Nowcast.
(4)予測雨量の高分解能化に伴って、位置の誤差の影響が増加する問題に対処するため
に、予測誤差を位置の誤差、絶対値の誤差、パターンの誤差、に分離する手法を提案した。(5) MP-JMA合成雨量を初期値に用いたナウキャスト結果は、在来型レーダから得られる初期値（JMAレーダ雨量）を用いた場合に比べ、精度が向上した。特に、絶対値とパター
ンの誤差に改善がみられた。この結果は、気象庁ナウキャスト結果（初期値はJMAレーダ
雨量）と比較しても同様に精度向上がみられた。
(4) Proposal of a method to separate the prediction error into position error, absolute value error, and pattern error in order to cope with the problem that the influence of position error increases as the resolution of predicted rainfall increases. did. (5) Nowcast results using MP-JMA combined rainfall as the initial value have improved accuracy compared to using the initial value (JMA radar rainfall) obtained from conventional radar. In particular, improvements were seen in absolute value and pattern errors. Compared with the JMA Nowcast results (initial value is JMA radar rainfall), the accuracy was also improved.
以上説明したように、本発明によれば、測定範囲を拡張し、電波消散領域の影響を低減して降水分布を精度良く推定する構成とした、現況と予測に関する降水分布の推定システムおよび降水分布の推定方法を提供することができる。 As described above, according to the present invention, the precipitation distribution estimation system and the precipitation distribution related to the current situation and prediction are configured to extend the measurement range, reduce the influence of the radio wave dissipation region, and accurately estimate the precipitation distribution. An estimation method can be provided.
１・・・降水分布の推定システム、２・・・ＭＰレーダ雨量測定手段、３・・・変換手段、４、７・・・空間ローパスフィルタ、５・・・補正係数算出手段、６・・・在来型レーダ雨量測定手段、８・・・ダイナミック補正手段、９・・・ＭＰ−ＪＭＡ合成雨量推定手段、１０・・・在来型レーダ雨量補正手段、１１・・・現況の降水分布推定手段、１６・・・予測降水分布推定手段、Ｄａ―Ｄｊ・・・回帰直線、Ｅａ・・・ＭＰレーダ観測領域、Ｅｂ・・・ナウキャスト対象領域
DESCRIPTION OF
Claims (9)
在来型のレーダまたはレーダネットワークにより対象領域の雨量情報（在来型レーダ雨量）を取得する手段と、
前記MPレーダ雨量を前記在来型レーダ雨量格子へ変換する手段と、
前記在来型レーダ雨量格子へ変換された前記MPレーダ雨量により前記在来型レーダ雨量を補正するための補正係数を算出する手段とを備え、
前記MPレーダ雨量により前記在来型レーダ雨量を補正することを特徴とする、降水分布の推定システム。 Means for acquiring rainfall information (MP radar rainfall) in a target area by a multi-parameter radar (MP radar) that estimates rainfall intensity using phase difference information between specific polarizations, etc .;
Means for acquiring rainfall information (conventional radar rainfall) in a target area by a conventional radar or radar network;
Means for converting the MP radar rainfall into the conventional radar rainfall grid;
Means for calculating a correction coefficient for correcting the conventional radar rainfall by the MP radar rainfall converted to the conventional radar rainfall grid;
A precipitation distribution estimation system, wherein the conventional radar rainfall is corrected by the MP radar rainfall.
前記ナウキャストで移動させた降雨場の所定時間後の雨量情報を推定する手段と、により所定エリアにおける所定時間後の降水分布を推定することを特徴とする、請求項２に記載の降水分布の推定システム。 Nowcast generation means for moving the rain field from which the MP radar rainfall has been acquired by a movement vector estimated value;
The precipitation distribution according to claim 2, wherein the precipitation distribution after a predetermined time in the predetermined area is estimated by means for estimating rainfall information after a predetermined time of the rain field moved by the nowcast. Estimation system.
の推定システム。 The movement vector estimated value is calculated by a cross-correlation method using a correlation coefficient in the similarity by searching for a movement distance in which two rainfall distributions are most similar, and the cross-correlation method is a fast Fourier transform for calculating a cross-correlation value. The precipitation distribution estimation system according to claim 3, wherein the system is an FFT cross-correlation method.
前記在来型レーダ雨量にフィルタ処理を行う第２の空間ローパスフィルタと、を設けたことを特徴とする請求項１ないし請求項４のいずれか１項に記載の降水分布の推定システム。 A first spatial low-pass filter that filters the MP radar rainfall converted to the conventional radar rainfall grid;
The precipitation distribution estimation system according to claim 1, further comprising a second spatial low-pass filter that performs filtering on the conventional radar rainfall.
比偏波間位相差情報等を用いて降雨強度を推定するマルチパラメータレーダ（MPレーダ）により対象領域の雨量情報（MPレーダ雨量）を取得する手順と、
前記MPレーダ雨量を前記在来型レーダ雨量格子へ変換する手順と、
前記在来型レーダ雨量にフィルタ処理を行う手順と、
前記前記在来型レーダ雨量格子へ変換された前記MPレーダ雨量にフィルタ処理を行う手順と、
前記フィルタ処理されたMPレーダ雨量により前記在来型レーダ雨量を補正するための補正係数を算出する手順と、
前記MPレーダ雨量により前記在来型レーダ雨量を補正する手順と、を備えたことを特徴とする、降水分布の推定方法。 A procedure for acquiring rainfall information (conventional radar rainfall) in a target area by a conventional radar or radar network;
The procedure to acquire rainfall information (MP radar rainfall) in the target area by multi-parameter radar (MP radar) that estimates rainfall intensity using phase difference information between specific polarizations,
A procedure for converting the MP radar rainfall into the conventional radar rainfall grid;
A procedure for filtering the conventional radar rainfall;
A procedure for filtering the MP radar rainfall converted to the conventional radar rainfall grid;
Calculating a correction coefficient for correcting the conventional radar rainfall by the filtered MP radar rainfall;
And a procedure for correcting the conventional radar rainfall based on the MP radar rainfall.
降雨場の移動ベクトルを推定する手順と、
前記降雨場の移動・合成を行う手順と、を有し、
前記降雨場の移動ベクトルを推定する手順は、
前記初期値に対する空間ローパスフィルタ処理を行う手順と、
前記降雨強度を階級分けする手順と、
前記階級毎に移動ベクトルを設定する手順と、
前記移動ベクトルに対する時間ローパスフィルタ処理を行う手順と、を含み
前記降雨場の移動・合成を行う手順は、
前記階級毎に降雨場を移動する手順と、
前記移動した降雨場の降雨強度を合成する手順と、を含み
所定エリアの所定時間後の降雨量を予測する
ことを特徴とする、降水分布の推定方法。 A procedure for setting the initial value of rainfall intensity in the rain field to be measured;
A procedure for estimating the motion vector of the rain field,
A procedure for moving and synthesizing the rain field,
The procedure for estimating the movement vector of the rain field is as follows:
A procedure for performing a spatial low-pass filter process on the initial value;
A procedure for classifying the rainfall intensity;
A procedure for setting a movement vector for each class;
Performing a time low-pass filter process on the movement vector.
The procedure for moving and combining the rain fields is as follows:
A procedure for moving the rain field for each class;
And a step of synthesizing rainfall intensity of the moved rainfall field, and predicting a rainfall amount after a predetermined time in a predetermined area.
前記ナウキャストの演算結果を座標系で所定値ずらして、前記降雨強度の測定値との回帰分析を行い、回帰係数と決定係数とを求める手順と、をさらに有することを特徴とする、請求項８に記載の降水分布の推定方法。 A procedure for calculating a cross-correlation coefficient between the measurement value of the rainfall intensity and the calculation result of Nowcast;
The method further comprises: a step of shifting the calculation result of the nowcast by a predetermined value in a coordinate system, performing a regression analysis with the measurement value of the rainfall intensity, and obtaining a regression coefficient and a determination coefficient. The method for estimating the precipitation distribution according to 8.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009041787A JP5557082B2 (en) | 2009-02-25 | 2009-02-25 | Precipitation distribution estimation system and precipitation distribution estimation method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009041787A JP5557082B2 (en) | 2009-02-25 | 2009-02-25 | Precipitation distribution estimation system and precipitation distribution estimation method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2010197185A true JP2010197185A (en) | 2010-09-09 |
| JP5557082B2 JP5557082B2 (en) | 2014-07-23 |
Family
ID=42822062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009041787A Expired - Fee Related JP5557082B2 (en) | 2009-02-25 | 2009-02-25 | Precipitation distribution estimation system and precipitation distribution estimation method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5557082B2 (en) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011027545A (en) * | 2009-07-24 | 2011-02-10 | Toshiba Corp | Weather radar system and rainfall rate calculation method for the same |
| JP2011027546A (en) * | 2009-07-24 | 2011-02-10 | Toshiba Corp | Weather radar system and rainfall rate calculation method for the same |
| JP2011047742A (en) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | Weather radar apparatus and rainfall rate calculation method, and program |
| JP2011047743A (en) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | Weather radar apparatus and rainfall rate method, and program |
| JP2011047744A (en) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | Weather radar apparatus and rainfall rate calculation method, and program |
| JP2012149920A (en) * | 2011-01-17 | 2012-08-09 | Toshiba Denpa Syst Eng Kk | Precipitation intensity estimation system and precipitation intensity estimation method |
| JP2014006119A (en) * | 2012-06-22 | 2014-01-16 | Toshiba Corp | Rainfall amount calculation device, rainfall amount calculation method, and program |
| JP2014052328A (en) * | 2012-09-10 | 2014-03-20 | Toshiba Corp | Natural dam observation system, observation device, and observation method |
| KR101541519B1 (en) | 2013-08-31 | 2015-08-05 | (주)헤르메시스 | Rainfall estimation apparatus using 3-dimensional grid data establishing from radar observation data |
| CN106950614A (en) * | 2017-02-28 | 2017-07-14 | 中船重工鹏力（南京）大气海洋信息系统有限公司 | A kind of region automatic weather station hour rainfall data method of quality control |
| CN109614589A (en) * | 2018-12-28 | 2019-04-12 | 华东交通大学 | The short calculation method for facing precipitation, system, readable storage medium storing program for executing and computer equipment |
| JP2019152567A (en) * | 2018-03-05 | 2019-09-12 | 富士通株式会社 | Calculation program, calculation method, calculation device, and display program |
| CN110390343A (en) * | 2018-04-16 | 2019-10-29 | 中国电力科学研究院有限公司 | A kind of correction method and system of space meteorological data |
| CN110750516A (en) * | 2019-09-29 | 2020-02-04 | 浪潮软件集团有限公司 | Radar map-based rainfall analysis model construction method, construction system and analysis method |
| CN111650572A (en) * | 2020-07-23 | 2020-09-11 | 浪潮云信息技术股份公司 | Method and system for reducing short-time rainfall estimation deviation |
| CN111971581A (en) * | 2018-04-17 | 2020-11-20 | 苏伊士集团 | Device, method and computer program product for verifying data provided by a rain sensor |
| CN112213727A (en) * | 2020-10-15 | 2021-01-12 | 国家卫星气象中心(国家空间天气监测预警中心) | Precipitation correction method of satellite-borne radar based on active and passive microwave combined detection |
| CN112541161A (en) * | 2020-11-05 | 2021-03-23 | 中国气象局气象探测中心 | Regional multi-source precipitation data quality control method and system |
| CN112651189A (en) * | 2020-12-11 | 2021-04-13 | 中国电建集团昆明勘测设计研究院有限公司 | General basin water circulation simulation calculation method based on natural sub-basins |
| JP2021148753A (en) * | 2020-03-24 | 2021-09-27 | 国立研究開発法人防災科学技術研究所 | Precipitation prediction device and precipitation prediction method |
| CN113534090A (en) * | 2021-07-14 | 2021-10-22 | 中国科学院大气物理研究所 | Inversion method and device for liquid water content in cloud |
| CN114325879A (en) * | 2021-12-20 | 2022-04-12 | 广东省气象台(南海海洋气象预报中心) | Quantitative precipitation correction method based on classification probability |
| CN115203639A (en) * | 2022-06-21 | 2022-10-18 | 中国长江三峡集团有限公司 | Irregular grid surface rainfall calculation method and system based on matrix operation |
| CN116580542A (en) * | 2023-07-14 | 2023-08-11 | 四川川核地质工程有限公司 | Flood early warning method and system |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101796189B1 (en) | 2015-11-18 | 2017-11-09 | 부경대학교 산학협력단 | Correction method for reflectivity of single polarization radar using dual polarization radar |
| KR101781609B1 (en) | 2015-11-18 | 2017-09-25 | 부경대학교 산학협력단 | Correction method for reflectivity of single polarization radar using disdrometer and dual polarization radar |
| KR102006847B1 (en) * | 2018-08-21 | 2019-08-02 | 부경대학교 산학협력단 | System and Method for radar based nowcasting using optical flow with a multi scale strategy |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003344556A (en) * | 2002-05-27 | 2003-12-03 | Toshiba Corp | Weather observation and estimation system, meteorological radar information analyzer and weather estimation modeling apparatus |
| JP2005017266A (en) * | 2003-05-30 | 2005-01-20 | Toshiba Corp | Method and device for radar pluviometry |
| JP2006208195A (en) * | 2005-01-28 | 2006-08-10 | National Research Institute For Earth Science & Disaster Provention | Device and method for estimating three-dimensional distribution of rainfall intensity and quantity |
-
2009
- 2009-02-25 JP JP2009041787A patent/JP5557082B2/en not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003344556A (en) * | 2002-05-27 | 2003-12-03 | Toshiba Corp | Weather observation and estimation system, meteorological radar information analyzer and weather estimation modeling apparatus |
| JP2005017266A (en) * | 2003-05-30 | 2005-01-20 | Toshiba Corp | Method and device for radar pluviometry |
| JP2006208195A (en) * | 2005-01-28 | 2006-08-10 | National Research Institute For Earth Science & Disaster Provention | Device and method for estimating three-dimensional distribution of rainfall intensity and quantity |
Non-Patent Citations (1)
| Title |
|---|
| 真木雅之、他: "A203 3cm波長マルチパラメータレーダ観測から得られる高精度・高分解能の雨量情報", 大会講演予講集, vol. 第８６巻, JPN6013057780, October 2004 (2004-10-01), pages 75, ISSN: 0002686138 * |
Cited By (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011027545A (en) * | 2009-07-24 | 2011-02-10 | Toshiba Corp | Weather radar system and rainfall rate calculation method for the same |
| JP2011027546A (en) * | 2009-07-24 | 2011-02-10 | Toshiba Corp | Weather radar system and rainfall rate calculation method for the same |
| JP2011047742A (en) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | Weather radar apparatus and rainfall rate calculation method, and program |
| JP2011047743A (en) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | Weather radar apparatus and rainfall rate method, and program |
| JP2011047744A (en) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | Weather radar apparatus and rainfall rate calculation method, and program |
| JP2012149920A (en) * | 2011-01-17 | 2012-08-09 | Toshiba Denpa Syst Eng Kk | Precipitation intensity estimation system and precipitation intensity estimation method |
| JP2014006119A (en) * | 2012-06-22 | 2014-01-16 | Toshiba Corp | Rainfall amount calculation device, rainfall amount calculation method, and program |
| JP2014052328A (en) * | 2012-09-10 | 2014-03-20 | Toshiba Corp | Natural dam observation system, observation device, and observation method |
| KR101541519B1 (en) | 2013-08-31 | 2015-08-05 | (주)헤르메시스 | Rainfall estimation apparatus using 3-dimensional grid data establishing from radar observation data |
| CN106950614A (en) * | 2017-02-28 | 2017-07-14 | 中船重工鹏力（南京）大气海洋信息系统有限公司 | A kind of region automatic weather station hour rainfall data method of quality control |
| JP7052429B2 (en) | 2018-03-05 | 2022-04-12 | 富士通株式会社 | Calculation program, calculation method, calculation device, and display program |
| JP2019152567A (en) * | 2018-03-05 | 2019-09-12 | 富士通株式会社 | Calculation program, calculation method, calculation device, and display program |
| US10762774B2 (en) | 2018-03-05 | 2020-09-01 | Fujitsu Limited | Program, method, and apparatus for computing index on sediment disaster |
| CN110390343A (en) * | 2018-04-16 | 2019-10-29 | 中国电力科学研究院有限公司 | A kind of correction method and system of space meteorological data |
| CN111971581A (en) * | 2018-04-17 | 2020-11-20 | 苏伊士集团 | Device, method and computer program product for verifying data provided by a rain sensor |
| CN109614589A (en) * | 2018-12-28 | 2019-04-12 | 华东交通大学 | The short calculation method for facing precipitation, system, readable storage medium storing program for executing and computer equipment |
| CN109614589B (en) * | 2018-12-28 | 2022-07-01 | 浙江理工大学 | Method and system for calculating temporary precipitation, readable storage medium and computer equipment |
| CN110750516A (en) * | 2019-09-29 | 2020-02-04 | 浪潮软件集团有限公司 | Radar map-based rainfall analysis model construction method, construction system and analysis method |
| CN110750516B (en) * | 2019-09-29 | 2023-10-31 | 浪潮软件集团有限公司 | Rainfall analysis model construction method, construction system and analysis method based on radar map |
| JP2021148753A (en) * | 2020-03-24 | 2021-09-27 | 国立研究開発法人防災科学技術研究所 | Precipitation prediction device and precipitation prediction method |
| JP7286165B2 (en) | 2020-03-24 | 2023-06-05 | 国立研究開発法人防災科学技術研究所 | Precipitation prediction device and precipitation prediction method |
| CN111650572B (en) * | 2020-07-23 | 2023-02-24 | 浪潮云信息技术股份公司 | Method and system for reducing short-time precipitation estimation deviation |
| CN111650572A (en) * | 2020-07-23 | 2020-09-11 | 浪潮云信息技术股份公司 | Method and system for reducing short-time rainfall estimation deviation |
| CN112213727A (en) * | 2020-10-15 | 2021-01-12 | 国家卫星气象中心(国家空间天气监测预警中心) | Precipitation correction method of satellite-borne radar based on active and passive microwave combined detection |
| CN112213727B (en) * | 2020-10-15 | 2024-01-02 | 国家卫星气象中心(国家空间天气监测预警中心) | Precipitation correction method of satellite-borne radar based on active and passive microwave combined detection |
| CN112541161A (en) * | 2020-11-05 | 2021-03-23 | 中国气象局气象探测中心 | Regional multi-source precipitation data quality control method and system |
| CN112651189A (en) * | 2020-12-11 | 2021-04-13 | 中国电建集团昆明勘测设计研究院有限公司 | General basin water circulation simulation calculation method based on natural sub-basins |
| CN113534090A (en) * | 2021-07-14 | 2021-10-22 | 中国科学院大气物理研究所 | Inversion method and device for liquid water content in cloud |
| CN113534090B (en) * | 2021-07-14 | 2024-01-30 | 中国科学院大气物理研究所 | Inversion method and device for liquid water content in cloud |
| CN114325879A (en) * | 2021-12-20 | 2022-04-12 | 广东省气象台(南海海洋气象预报中心) | Quantitative precipitation correction method based on classification probability |
| CN115203639B (en) * | 2022-06-21 | 2023-03-10 | 中国长江三峡集团有限公司 | Irregular grid surface rainfall calculation method and system based on matrix operation |
| CN115203639A (en) * | 2022-06-21 | 2022-10-18 | 中国长江三峡集团有限公司 | Irregular grid surface rainfall calculation method and system based on matrix operation |
| CN116580542A (en) * | 2023-07-14 | 2023-08-11 | 四川川核地质工程有限公司 | Flood early warning method and system |
| CN116580542B (en) * | 2023-07-14 | 2023-09-15 | 四川川核地质工程有限公司 | Flood early warning method and system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5557082B2 (en) | 2014-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5557082B2 (en) | Precipitation distribution estimation system and precipitation distribution estimation method | |
| Stopa et al. | Comparison and validation of physical wave parameterizations in spectral wave models | |
| Thorndahl et al. | Weather radar rainfall data in urban hydrology | |
| Fang et al. | Spatial downscaling of TRMM precipitation data based on the orographical effect and meteorological conditions in a mountainous area | |
| Pleskachevsky et al. | Meteo-marine parameters for highly variable environment in coastal regions from satellite radar images | |
| Benoit et al. | Toward the use of coupled atmospheric and hydrologic models at regional scale | |
| KR102006847B1 (en) | System and Method for radar based nowcasting using optical flow with a multi scale strategy | |
| Berta et al. | Estimating Lagrangian transport blending drifters with HF radar data and models: Results from the TOSCA experiment in the Ligurian Current (North Western Mediterranean Sea) | |
| Zhang et al. | Towards an integrated observation and modeling system in the New York Bight using variational methods. Part I: 4DVAR data assimilation | |
| Archetti et al. | Integrated monitoring of the hydro-morphodynamics of a beach protected by low crested detached breakwaters | |
| Ondoa et al. | Sea level at the coast from video-sensed waves: Comparison to tidal gauges and satellite altimetry | |
| CN105180852B (en) | GB SAR deformation monitoring methods based on triple steppings | |
| CN110288117B (en) | Regional reconstruction method for critical frequency of ionosphere parameters | |
| Thornhill et al. | Integration of a 3D variational data assimilation scheme with a coastal area morphodynamic model of Morecambe Bay | |
| de Alegría-Arzaburu et al. | Determination of wave–shoreline dynamics on a macrotidal gravel beach using Canonical Correlation Analysis | |
| Beaucage et al. | Synthetic aperture radar satellite data for offshore wind assessment: A strategic sampling approach | |
| Easton et al. | Characterisation of a tidal energy site: hydrodynamics and seabed structure | |
| Hooker et al. | Spatial scale evaluation of forecast flood inundation maps | |
| Bak et al. | Applying dynamically updated nearshore bathymetry estimates to operational nearshore wave modeling | |
| Liu et al. | Long-term nearshore bathymetry evolution from video imagery: a case study in the Miyazaki coast | |
| Matgen et al. | Sequential assimilation of remotely sensed water stages in flood inundation models | |
| Zhou et al. | Daily rainfall model to merge TRMM and ground based observations for rainfall estimations | |
| Mohsan et al. | Preliminary assessment of GPM satellite rainfall over Myanmar | |
| Abessolo et al. | Error proxies in video-based depth inversion: Temporal celerity estimation | |
| García‐Pintado et al. | Rainfall estimation by rain gauge‐radar combination: A concurrent multiplicative‐additive approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120224 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131127 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140117 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140514 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140522 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5557082 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |