JP2016109576A - Visibility prediction system and visibility prediction method - Google Patents
Visibility prediction system and visibility prediction method Download PDFInfo
- Publication number
- JP2016109576A JP2016109576A JP2014247901A JP2014247901A JP2016109576A JP 2016109576 A JP2016109576 A JP 2016109576A JP 2014247901 A JP2014247901 A JP 2014247901A JP 2014247901 A JP2014247901 A JP 2014247901A JP 2016109576 A JP2016109576 A JP 2016109576A
- Authority
- JP
- Japan
- Prior art keywords
- visibility
- snowstorm
- snow
- particles
- intensity
- 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 description 65
- 239000002245 particle Substances 0.000 claims abstract description 109
- 238000007667 floating Methods 0.000 claims abstract description 22
- 230000009191 jumping Effects 0.000 claims description 68
- 230000000694 effects Effects 0.000 claims description 12
- 238000011161 development Methods 0.000 abstract description 15
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 32
- 238000012545 processing Methods 0.000 description 28
- ZPUCINDJVBIVPJ-LJISPDSOSA-N cocaine Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 description 11
- 230000006399 behavior Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 229920006395 saturated elastomer Polymers 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000008021 deposition Effects 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000007664 blowing Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 101100351302 Caenorhabditis elegans pdf-2 gene Proteins 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 241000244035 Rumex nivalis Species 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Road Signs Or Road Markings (AREA)
Abstract
Description
本発明は、吹雪に伴う視程障害の予測を行う視程予測システム及び視程予測方法に関する。 The present invention relates to a visibility prediction system and a visibility prediction method for predicting a visibility failure associated with a snowstorm.
積雪寒冷地における吹雪に伴う視程障害は、交通事故などの要因となるため、安全走行上、可能であれば、事前に視程障害の予測情報を把握しておくことが好ましい。このような観点から、非特許文献１においては、視界不良の程度を５段階に評価し、市町村毎に色分け表示し、インターネットによって情報提供することを行っている。 Visibility obstacles associated with snowstorms in cold snowy regions cause traffic accidents and the like, and it is preferable to know the prediction information of visibility obstacles in advance if possible for safe driving. From this point of view, Non-Patent Document 1 evaluates the degree of poor visibility into five levels, displays each color by city, and provides information via the Internet.
また、特許文献２（特開２００８−２４９５８１号公報）には、メッシュ化された気象データを取得する取得手段と、 取得されたメッシュ気象データから、道路画像に基づく
視認性指標のメッシュデータを作成する作成手段と、を有する広域視程情報作成装置が開示されている。
非特許文献１において用いている技術は、吹雪が十分に発達していることを前提とした予測であり、このような従来技術は、吹雪の発達程度に依存する視程障害を的確には評価できない、といった問題があった。また、非特許文献１では、降雪の有無により吹雪の発生条件を変えているものと考えられるが、降雪が吹雪の発達に及ぼす影響を直接的には考慮していない、といった問題もある。 The technique used in Non-Patent Document 1 is a prediction based on the premise that a snowstorm is sufficiently developed, and such a conventional technique cannot accurately evaluate a visibility disorder that depends on the degree of snowstorm development. There was a problem such as. Further, in Non-Patent Document 1, although it is considered that the condition for generating snowstorms is changed depending on the presence or absence of snowfall, there is a problem that the influence of snowfall on the development of snowstorms is not directly taken into consideration.
また、特許文献２の技術も、予測に用いる経験式には降雪がある場合も含まれているが、降雪が吹雪の発達に及ぼす影響を直接的には考慮しておらず、さらに、積雪の有無は考慮しておらず、問題であった。 The technique of Patent Document 2 also includes the case where there is snowfall in the empirical formula used for prediction, but does not directly consider the effect of snowfall on the development of snowstorms. Whether or not it was present was a problem.
従来技術のいずれも、気象予測メッシュデータに基づいた予測を行っているが、平均的な吹雪強度に対応する視程の予測にとどまっており、変動する吹雪によって生じる瞬間的な最低視程を予測することはできない、といった問題があった。 All of the conventional technologies make predictions based on weather forecast mesh data, but only predict visibility corresponding to average snowstorm intensity, and predict the instantaneous minimum visibility caused by fluctuating snowstorms. There was a problem that I could not.
この発明は、上記のような課題を解決するものであって、本発明に係る視程予測システムは、気象予測メッシュデータ、及び、積雪深予測メッシュデータを取得する手段と、前記気象予測メッシュデータ、及び、前記積雪深予測メッシュデータから、雪面の状態を判定する手段と、前記気象予測メッシュデータから、降雪強度を計算する手段と、判定された雪面の状態および計算された降雪強度に応じて、雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択する手段と、吹雪に及ぼすガスト（風速変動に伴う瞬間的な強風）の影響を考慮する手段と、ガストの影響を考慮したパラメーターに基づいて、跳躍層上端における跳躍粒子による吹雪強度を計算する手段と、跳躍層上端における吹雪強度から、前記跳躍層上部の浮遊層における浮遊粒子による吹雪強度を計算する手段と、吹雪強度に基づいて、浮遊粒子による視程を計算する手段と、を有することを特徴とす
る。
The present invention solves the above-described problem, and the visibility prediction system according to the present invention includes weather prediction mesh data and means for acquiring snow depth prediction mesh data, the weather prediction mesh data, And a means for determining a snow surface state from the snow depth prediction mesh data, a means for calculating a snowfall intensity from the weather prediction mesh data, and depending on the determined snow surface state and the calculated snowfall intensity. In addition, means for selecting parameters that define the behavior of jumping particles in the jump layer near the snow surface, means for considering the effects of gust (instantaneous strong winds due to wind speed fluctuations) on snowstorm, and considering the effects of gusts Based on the measured parameters, the means for calculating the snowstorm intensity due to the jumping particles at the upper end of the jumping layer and the snowstorm intensity at the upper end of the jumping layer It means for calculating a blizzard strength by suspended particles in 遊層, based on the blizzard strength, and having means for calculating a visibility due to the stray particles.
また、本発明に係る視程予測システムは、気象予測メッシュデータにおける気温データに基づいて、計算された浮遊粒子による視程を補正し、補正された浮遊粒子による視程を計算する手段を有することを特徴とする。 Further, the visibility prediction system according to the present invention has means for correcting the visibility due to the suspended particles calculated based on the temperature data in the weather prediction mesh data, and calculating the visibility due to the corrected suspended particles. To do.
また、本発明に係る視程予測システムは、計算された降雪強度に基づいて、降雪粒子による視程を計算する手段と、を有することを特徴とする。 In addition, the visibility prediction system according to the present invention includes means for calculating visibility based on snowfall particles based on the calculated snowfall intensity.
また、本発明に係る視程予測システムは、補正された浮遊粒子による視程、及び、降雪粒子による視程に基づいて、視程予測値を計算する手段を有することを特徴とする。 In addition, the visibility prediction system according to the present invention includes means for calculating a visibility prediction value based on the corrected visibility due to suspended particles and the visibility due to snow particles.
また、本発明に係る視程予測方法は、気象予測メッシュデータ、及び、積雪深予測メッシュデータを取得するステップと、前記気象予測メッシュデータ、及び、前記積雪深予測メッシュデータから、雪面の状態を判定するステップと、前記気象予測メッシュデータから、降雪強度を計算するステップと、判定された雪面の状態および計算された降雪強度に応じて、雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択するステップと、吹雪に及ぼすガスト（風速変動に伴う瞬間的な強風）の影響を考慮するステップと、ガストの影響を考慮したパラメーターに基づいて、跳躍層上端における跳躍粒子による吹雪強度を計算するステップと、跳躍層上端における吹雪強度から、前記跳躍層上部の浮遊層における浮遊粒子による吹雪強度を計算するステップと、吹雪強度に基づいて、浮遊粒子による視程を計算するステップと、を有することを特徴とする。 The visibility prediction method according to the present invention includes a step of obtaining weather prediction mesh data and snow depth prediction mesh data, and the snow surface state from the weather prediction mesh data and the snow depth prediction mesh data. The step of determining, the step of calculating the snowfall intensity from the weather forecast mesh data, and the behavior of jumping particles in the jumping layer near the snow surface according to the determined snow surface state and the calculated snowfall intensity The step of selecting the parameters to be used, the step of considering the effect of gust (instantaneous strong wind accompanying wind speed fluctuation) on the snowstorm, and the snowstorm intensity due to the jumping particles at the top of the jumping layer based on the parameters considering the effect of gust From the step of calculating and the snowstorm intensity at the top of the jumping layer, the suspended particles in the floating layer above the jumping layer Calculating a blizzard strength, based on the blizzard strength, and having the steps of: calculating a visibility due to airborne particles.
また、本発明に係る視程予測方法は、気象予測メッシュデータにおける気温データに基づいて、計算された浮遊粒子による視程を補正し、補正された浮遊粒子による視程を計算するステップを有することを特徴とする。 Further, the visibility prediction method according to the present invention includes a step of correcting the visibility due to the suspended particles calculated based on the temperature data in the weather prediction mesh data, and calculating the visibility due to the corrected suspended particles. To do.
また、本発明に係る視程予測方法は、計算された降雪強度に基づいて、降雪粒子による視程を計算するステップと、を有することを特徴とする。 Further, the visibility prediction method according to the present invention includes a step of calculating visibility based on snowfall particles based on the calculated snowfall intensity.
また、本発明に係る視程予測方法は、補正された浮遊粒子による視程、及び、降雪粒子による視程に基づいて、視程予測値を計算するステップを有することを特徴とする。 In addition, the visibility prediction method according to the present invention includes a step of calculating a visibility prediction value based on the corrected visibility due to suspended particles and the visibility due to snow particles.
本発明に係る視程予測システム及び視程予測方法は、雪面の状態に応じて雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択するとともに、降雪が吹雪の発達に直接的に及ぼす影響を計算に入れている。これにより、本発明に係る視程予測システム及び視程予測方法は、様々な雪面状態に依存する吹雪の発達程度を考慮した視程障害の予測を可能とするものである。さらに、変動する吹雪によって生じる瞬間的な最低視程も的確に予測することを可能とするものである。 The visibility prediction system and visibility prediction method according to the present invention select parameters that define the behavior of jumping particles in a jumping layer near the snow surface according to the state of the snow surface, and snowfall directly affects the development of a snowstorm. The impact is taken into account. Thus, the visibility prediction system and visibility prediction method according to the present invention enable prediction of visibility failure in consideration of the extent of snowstorm development depending on various snow surface conditions. Furthermore, it is possible to accurately predict the instantaneous minimum visibility caused by the fluctuating snowstorm.
以下、本発明の実施の形態を図面を参照しつつ説明する。まず、本発明の実施形態に係る視程予測方法及び視程予測システムが想定している寒冷地における吹雪による視程障害発生のメカニズムや、重要なパラメーターの説明を行う。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. First, a description will be given of a mechanism of occurrence of visibility failure due to snowstorm in a cold region assumed by the visibility prediction method and the visibility prediction system according to the embodiment of the present invention, and important parameters.
寒冷強風時に雪面の雪が舞い上がる現象である吹雪は、図１のように雪面近傍において吹雪粒子の跳躍運動が卓越する層(跳躍層)と、その上の浮遊運動が卓越する層(浮遊層)からなる。 The blizzard, which is a phenomenon in which the snow on the snow surface rises during cold and strong winds, is a layer where the jumping motion of the snowstorm particles is prominent in the vicinity of the snow surface (leaping layer) as shown in Fig. 1 and a layer where the floating motion above it is dominant (floating layer) ).
それぞれの運動をする粒子を跳躍粒子、浮遊粒子と呼ぶこともある。跳躍粒子は雪面に衝突した際に雪面を構成する雪粒子をはじき飛ばすことがあり(雪面は削剥される)、また降雪がある場合は、降雪粒子(雪片とも呼ばれる)が雪面に衝突した際に粉々に破壊され吹雪粒子になることもある。これらはいずれも吹雪の発達の原因となる。また、積雪がなくても地面が凍結している場合は、降雪粒子の破壊により吹雪が発達しうる。 Each moving particle is sometimes called a jumping particle or suspended particle. Jumping particles may repel the snow particles that make up the snow surface when they collide with the snow surface (the snow surface is scraped off). When it collides, it may be broken into pieces and become snowstorm particles. These all contribute to the development of snowstorms. Also, if there is no snow and the ground is frozen, snowstorms can develop due to the breakdown of snow particles.
跳躍粒子が運動を停止すると吹きだまりができ、交通を阻害する。また、浮遊粒子は車両のドライバーの視界を妨げるなど、視程障害の原因となる。本発明は、後者による災害防止のための視程予測の手法に関するものである。 When the jumping particles stop moving, they can become snowdocks and hinder traffic. Airborne particles also cause visibility problems, such as hindering the visibility of vehicle drivers. The present invention relates to a visibility prediction technique for disaster prevention by the latter.
ここで、跳躍層と浮遊層は独立して存在するものではなく、跳躍層の上部から浮遊層の下部はなめらかに遷移していると考えられている。すなわち、風速や気温などの気象状態、雪面の状態、降雪の状態などに依存する跳躍層の構造は、浮遊層の構造にも影響している。 Here, the jump layer and the floating layer do not exist independently, and it is considered that the lower part of the floating layer smoothly transitions from the upper part of the jump layer. That is, the structure of the jump layer that depends on weather conditions such as wind speed and temperature, snow surface condition, and snowfall condition also affects the structure of the floating layer.
本発明に係る視程予測方法及び視程予測システムは、既往の研究成果及び発明者による研究成果を組み合わせて、様々な条件下での吹雪による視程悪化を予測するものである。 The visibility prediction method and visibility prediction system according to the present invention predict visibility deterioration due to snowstorms under various conditions by combining past research results and research results by the inventors.
なお、本発明に係る視程予測方法及び視程予測システムで用いた研究成果を記した参考文献のリストを後掲する。また、本明細書においては、必要に応じて、計算式などが依拠する根拠を示す参考文献を示すようにする。また、本明細書は、同リスト中の参考文献に記載された事項の内容を参照して援用するものである。 A list of references describing the research results used in the visibility prediction method and visibility prediction system according to the present invention will be described later. Further, in the present specification, reference documents indicating the basis on which a calculation formula or the like relies are indicated as necessary. In addition, the present specification is incorporated with reference to the contents of the matters described in the references in the list.
次に、本発明に係る視程予測方法及び視程予測システムで用いる重要なパラメーターについて説明する。図２は本発明に係る視程予測方法及び視程予測システムで用いる重要なパラメーターを説明する図である。
・吹雪強度（または飛雪流量）ｑ［ｋｇ／ｍ2／ｓ］：風に直交する単位面積を単位時間
に通過する吹雪粒子の質量で、吹雪粒子密度×風速から求まる。（図２（Ａ）参照）
・吹雪量Ｑ［ｋｇ／ｍ／ｓ］：風に直交する単位幅を単位時間に通過する吹雪粒子の質量で、吹雪強度を鉛直（ｚ）方向に積分したもの。（図２（Ｂ）参照）
・吹雪粒子密度ｎ［ｋｇ／ｍ3］：単位体積中に存在する吹雪粒子（跳躍粒子または浮遊
粒子）の質量。（図２（Ｃ）参照）
・飽和吹雪量Ｑsat［ｋｇ／ｍ／ｓ］：ある風速の時に生じうる最も強い吹雪による吹雪
量で、既往の研究より高度１ｍの風速や摩擦速度（後述）の関数として実験式が得られている。
Next, important parameters used in the visibility prediction method and visibility prediction system according to the present invention will be described. FIG. 2 is a diagram for explaining important parameters used in the visibility prediction method and visibility prediction system according to the present invention.
Snowstorm intensity (or snow flow rate) q [kg / m 2 / s]: The mass of snowstorm particles that pass through a unit area perpendicular to the wind per unit time, and is obtained from the density of the snowstorm particles × wind speed. (See Fig. 2 (A))
-Snowstorm amount Q [kg / m / s]: The mass of snowstorm particles passing through the unit width orthogonal to the wind per unit time, and the snowstorm intensity integrated in the vertical (z) direction. (See Fig. 2 (B))
Snowstorm particle density n [kg / m 3 ]: Mass of snowstorm particles (jumping particles or floating particles) existing in a unit volume. (See Fig. 2 (C))
・ Saturated snowstorm Q sat [kg / m / s]: The amount of snowstorm caused by the strongest snowstorm that can occur at a certain wind speed. From previous studies, empirical formulas were obtained as a function of wind speed and friction speed (described later) at an altitude of 1 m. ing.
次に、風速の対数分布、摩擦速度、粗度の一般的な概念について説明する。地表から高度１０ｍ程度（大気の安定度により異なる）までの範囲において、風速Ｕが高度ｚの対数に比例すると仮定（吹雪が発生するような低温・強風の気象条件の時にはこの仮定が成立する）した時、 Next, the general concept of logarithmic distribution of wind speed, friction speed, and roughness will be described. Assuming that the wind speed U is proportional to the logarithm of the altitude z in the range from the ground surface to an altitude of about 10 m (depending on the stability of the atmosphere) (this assumption holds for low-temperature and strong wind weather conditions where snowstorms occur) When
と表すことができる。（風速の対数分布）
（１）式において、ｕ*が摩擦速度で、ｋ（＝０．４）はカルマン定数、ｚoは粗度である。
It can be expressed as. (Log speed distribution)
In equation (1), u * is the friction speed, k (= 0.4) is the Kalman constant, and z o is the roughness.
次に、本発明の実施形態に係る視程予測方法を実行させるコンピューターシステムについて説明する。 Next, a computer system that executes the visibility prediction method according to the embodiment of the present invention will be described.
図３は本発明の実施形態に係る視程予測方法に基づいて視程予測システムを実現させるコンピューターの構成の一例を示す図である。図３において、１０はシステムバス、１１はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、１２はＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、１３はＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、１４は外部情報機器との通信を司る通信制御部、１５はキーボードコントローラなどの入力制御部、１６は出力制御部、１７は外部記憶装置制御部、１８はキーボード、ポインティングデバイス、マウスなどの入力機器からなる入力部、１９は印刷装置などの出力部、２０はＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の外部記憶装置、２１はグラフィック制御部、２２はディスプレイ装置をそれぞれ示している。 FIG. 3 is a diagram showing an example of the configuration of a computer that realizes a visibility prediction system based on the visibility prediction method according to the embodiment of the present invention. In FIG. 3, 10 is a system bus, 11 is a CPU (Central Processing Unit), 12 is a RAM (Random Access Memory), 13 is a ROM (Read Only Memory), 14 is a communication control unit that controls communication with an external information device, 15 is an input control unit such as a keyboard controller, 16 is an output control unit, 17 is an external storage device control unit, 18 is an input unit composed of input devices such as a keyboard, pointing device, and mouse, 19 is an output unit such as a printing device, Reference numeral 20 denotes an external storage device such as an HDD (Hard Disk Drive), 21 denotes a graphic control unit, and 22 denotes a display device.
図３において、ＣＰＵ１１は、ＲＯＭ１３内のプログラム用ＲＯＭ、或いは、大容量の外部記憶装置２０に記憶されたプログラム等に応じて、外部機器と通信することでデータを検索・取得したり、また、図形、イメージ、文字、表等が混在した出力データの処理を実行したり、更に、外部記憶装置２０に格納されているデータベースの管理を実行したり、などといった演算処理を行うものである。 In FIG. 3, the CPU 11 retrieves and acquires data by communicating with an external device according to a program ROM stored in the ROM 13 or a program stored in the large-capacity external storage device 20. Processing of output data in which graphics, images, characters, tables, etc. are mixed is executed, and management of a database stored in the external storage device 20 is further executed.
また、ＣＰＵ１１は、システムバス１０に接続される各デバイスを統括的に制御する。ＲＯＭ１３内のプログラム用ＲＯＭあるいは外部記憶装置２０には、ＣＰＵ１１の制御用の基本プログラムであるオペレーティングシステムプログラム（以下ＯＳ）等が記憶されている。また、ＲＯＭ１３あるいは外部記憶装置２０には出力データ処理等を行う際に使用される各種データが記憶されている。メインメモリーであるＲＡＭ１２は、ＣＰＵ１１の主メモリ、ワークエリア等として機能する。 Further, the CPU 11 comprehensively controls each device connected to the system bus 10. The program ROM in the ROM 13 or the external storage device 20 stores an operating system program (hereinafter referred to as OS) that is a basic program for controlling the CPU 11. The ROM 13 or the external storage device 20 stores various data used when performing output data processing or the like. The RAM 12 as a main memory functions as a main memory, work area, and the like for the CPU 11.
入力制御部１５は、キーボードや不図示のポインティングデバイスからの入力部１８を制御する。また、出力制御部１６は、プリンタなどの出力部１９の出力制御を行う。 The input control unit 15 controls the input unit 18 from a keyboard or a pointing device (not shown). The output control unit 16 performs output control of the output unit 19 such as a printer.
外部記憶装置制御部１７は、ブートプログラム、各種のアプリケーション、フォントデータ、ユーザーファイル、編集ファイル、プリンタドライバ等を記憶するＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）や、或いはフロッピーディスク（ＦＤ）等の外部記憶装置２０へのアクセスを制御する。本発明の視程予測方法を実現するシステムプログラムは、上記のような外部記憶装置２０に記憶されている。また、グラフィック制御部２１は、ディスプレイ装置２２に表示する情報を描画処理するための構成である。 The external storage device control unit 17 is an external storage device 20 such as an HDD (Hard Disk Drive) or a floppy disk (FD) that stores a boot program, various applications, font data, user files, editing files, printer drivers, and the like. Control access to. A system program for realizing the visibility prediction method of the present invention is stored in the external storage device 20 as described above. The graphic control unit 21 is configured to perform drawing processing on information to be displayed on the display device 22.
また、通信制御部１４は、ネットワークを介して、外部機器と通信を制御するものであり、これによりシステムが必要とするデータを、インターネットやイントラネット上の外部機器が保有するデータベースから取得したり、外部機器に情報を送信したりすることができるように構成される。 Further, the communication control unit 14 controls communication with an external device via a network, thereby acquiring data required by the system from a database held by an external device on the Internet or an intranet, It is configured to be able to send information to an external device.
外部記憶装置２０には、ＣＰＵ１１の制御プログラムであるオペレーティングシステムプログラム（以下ＯＳ）以外に、本発明の視程予測システムをＣＰＵ１１上で動作させるシステムプログラム、及びこのシステムプログラムで用いるデータなどがインストールされ保存・記憶されている。 In addition to an operating system program (hereinafter referred to as OS) that is a control program for the CPU 11, the external storage device 20 is installed and stored with a system program for operating the visibility prediction system of the present invention on the CPU 11 and data used in the system program.・ It is remembered.
本発明の視程予測方法を実現するシステムプログラムで利用されるデータとしては、基本的には外部記憶装置２０に保存されていることが想定されているが、場合によっては、これらのデータを、通信制御部１４を介してインターネットやイントラネット上の外部機器から取得するように構成することも可能である。また、本発明の視程予測方法を実現するシステムプログラムで利用されるデータを、ＵＳＢメモリやＣＤ、ＤＶＤなどの各種メディアから取得するように構成することもできる。 As data used in the system program for realizing the visibility prediction method of the present invention, it is basically assumed that the data is stored in the external storage device 20, but in some cases, these data may be communicated. It is also possible to configure to acquire from an external device on the Internet or an intranet via the control unit 14. The data used in the system program for realizing the visibility prediction method of the present invention can also be obtained from various media such as a USB memory, a CD, and a DVD.
次に、上記のようなシステム構成のコンピューターにより実行可能な本発明に係る視程予測方法について、以下説明する。本発明に係る視程予測システムは、様々な条件下での吹雪による視程悪化を予測し、例えば、その結果を、ディスプレイ装置２２などにより表示するものである。 Next, the visibility prediction method according to the present invention that can be executed by the computer having the system configuration as described above will be described below. The visibility prediction system according to the present invention predicts visibility deterioration due to snowstorm under various conditions, and displays the result on the display device 22 or the like, for example.
図４は、本発明に係る視程予測システムで実行される視程予測処理のフローチャートを示す図である。 FIG. 4 is a diagram showing a flowchart of visibility prediction processing executed by the visibility prediction system according to the present invention.
ステップＳ１００で、視程予測処理開始で処理が開始されると、まず、ステップＳ１０１では、変数ｎに１がセットされる。ここで、ｎは気象予測メッシュデータ、及び、積雪深予測メッシュデータをカウントするための変数である。また、気象予測メッシュデータ、及び、積雪深予測メッシュデータにおいて、総メッシュ数はＮであることを前提として、以下説明する。 When the process is started at the start of the visibility prediction process in step S100, first, in step S101, 1 is set to the variable n. Here, n is a variable for counting weather prediction mesh data and snow depth prediction mesh data. Further, in the weather prediction mesh data and the snow depth prediction mesh data, the following description will be made on the assumption that the total number of meshes is N.
気象予測メッシュデータベースには、それぞれのメッシュにおける気象に係る予測データが記憶されている。本発明に係る視程予測システムでは、気象予測メッシュデータには、少なくとも、風ベクトルの２成分（高度１０ｍにおける東西成分Ｕ［ｍ／ｓ］と南北成分Ｖ［ｍ／ｓ］）、雪の混合比ｍ［ｋｇ／ｋｇ］、地上気温Ｔ［℃］（例えば、高さ１．５ｍ気温）が含まれることを想定している。 The weather prediction mesh database stores prediction data related to the weather in each mesh. In the visibility prediction system according to the present invention, the weather prediction mesh data includes at least two components of the wind vector (the east-west component U [m / s] and the north-south component V [m / s] at an altitude of 10 m), and a snow mixing ratio. It is assumed that m [kg / kg] and ground temperature T [° C.] (for example, 1.5 m high) are included.
また、積雪深予測メッシュデータベースには、それぞれのメッシュにおける積雪深Ｄ［ｍ］に係る予測データが記憶されている。 The snow depth prediction mesh database stores prediction data related to the snow depth D [m] in each mesh.
気象予測メッシュデータベース及び積雪深予測メッシュデータベースは、外部記憶装置２０に記憶されたものを用いてもよいし、通信制御部１４からインターネット、イントラ
ネットなどを介して、取得されるものを用いてもよい。
As the weather prediction mesh database and the snow depth prediction mesh database, those stored in the external storage device 20 may be used, or those acquired from the communication control unit 14 via the Internet, an intranet, or the like may be used. .
なお、「メッシュ」とは、網の目（格子）にデータを配置することを意味する。各メッシュは、「座標」と「データ」を有する。メッシュは、面的な情報の把握に有効な手段である。視認性の指標となる視程の値をメッシュ化することによって、広域の視程状況（視界状況）を面的に捉えることができる。 Note that “mesh” means that data is arranged in a mesh (lattice). Each mesh has “coordinates” and “data”. The mesh is an effective means for grasping plane information. By making the visibility value that is an indicator of visibility into a mesh, it is possible to capture a wide-range visibility situation (visibility situation).
ステップＳ１０２においては、着目するメッシュ（ｎ）に対応した気象予測メッシュデータ、及び、積雪深予測メッシュデータを取得する。 In step S102, weather prediction mesh data and snow depth prediction mesh data corresponding to the mesh (n) of interest are acquired.
ステップＳ１０３では、吹雪強度計算処理サブルーチンが実行され、ステップＳ１０４では、視程予測値計算処理サブルーチンが実行される。これらのサブルーチンについては、後述する。 In step S103, a snowstorm intensity calculation processing subroutine is executed, and in step S104, a visibility prediction value calculation processing subroutine is executed. These subroutines will be described later.
ステップＳ１０４における視程予測値計算処理サブルーチンが実行されると、着目メッシュ（ｎ）に対応する視程予測値を得ることができ、次のステップＳ１０５で、メッシュ（ｎ）に対応した視程予測値を外部記憶装置２０などに記憶する。 When the visibility prediction value calculation processing subroutine in step S104 is executed, the visibility prediction value corresponding to the target mesh (n) can be obtained, and in the next step S105, the visibility prediction value corresponding to the mesh (n) is externalized. Store in the storage device 20 or the like.
ステップＳ１０６では、ｎ＝Ｎであるか否かが判定され、この判定がＮＯであれば、ステップＳ１０８に進み、ｎを１インクリメントし、ステップＳ１０２に戻る。一方、当該判定がＹＥＳであれば、全てのメッシュについて、視程予測値を得たことになるので、ステップＳ１０７に進み、メッシュ（ｎ）に対応して記憶された視程予測値を、例えば、ディスプレイ装置２２に表示する。なお、メッシュ（ｎ）に対応した視程予測値に基づく表示データを、通信制御部１４などを介して、インターネット、イントラネットに配信するように設定することもできる。 In step S106, it is determined whether n = N. If this determination is NO, the process proceeds to step S108, n is incremented by 1, and the process returns to step S102. On the other hand, if the determination is YES, visibility prediction values have been obtained for all meshes, so the process proceeds to step S107, and the visibility prediction values stored corresponding to mesh (n) are displayed, for example, on the display Display on the device 22. The display data based on the visibility prediction value corresponding to the mesh (n) may be set to be distributed to the Internet or an intranet via the communication control unit 14 or the like.
図１２は本発明に係る視程予測システムによる表示データの一例を示す図である。例えば、図１２に示すように、視程予測値に基づいてメッシュを濃淡で、または色分けして表示を行う。これにより、車両ドライバーなどに視程予測を報知することがすることができ、安全に資することできる。 FIG. 12 is a diagram showing an example of display data by the visibility prediction system according to the present invention. For example, as shown in FIG. 12, the mesh is displayed in shades or colors based on the visibility prediction value. Thereby, visibility prediction can be alert | reported to a vehicle driver etc., and it can contribute to safety | security.
ステップＳ１０９においては、視程予測処理を終了する。 In step S109, the visibility prediction process ends.
次に、以上のような本発明に係る視程予測システムにおける、より詳細な計算処理について説明する。図５は本発明に係る視程予測システムで実行される吹雪強度計算処理サブルーチン（ステップＳ１０３）のフローチャートを示す図である。 Next, a more detailed calculation process in the visibility prediction system according to the present invention as described above will be described. FIG. 5 is a flowchart of a snowstorm intensity calculation processing subroutine (step S103) executed by the visibility prediction system according to the present invention.
図５において、ステップＳ２００で、吹雪強度計算処理サブルーチンが開始されると、続いて、ステップＳ２０１に進み、降雪／降雨判定処理サブルーチンが実行される。図６は本発明に係る視程予測システムで実行される降雪／降雨サブルーチン（ステップＳ２０１）のフローチャートを示す図である。 In FIG. 5, when the snowstorm intensity calculation processing subroutine is started in step S200, the process proceeds to step S201, and the snowfall / rainfall determination processing subroutine is executed. FIG. 6 is a view showing a flowchart of a snowfall / rainfall subroutine (step S201) executed by the visibility prediction system according to the present invention.
図６において、ステップＳ３００で降雪／降雨判定処理サブルーチンが開始されると、続いて、ステップＳ３０１では、（地上気温Ｔ）＜２℃であるか否かが判定される。 In FIG. 6, when the snowfall / rainfall determination processing subroutine is started in step S300, it is subsequently determined in step S301 whether (surface temperature T) <2 ° C. or not.
ステップＳ３０１における判定がＹＥＳであるときには、ステップＳ３０２に進み、降雪とみなし、雪の混合比ｍを用いて以下の計算を実行する。一方、ステップＳ３０１における判定がＮＯであるときには、ステップＳ３０３に進み、降雨と見なし、ｍ＝０を用いて以下の計算を実行する。ステップＳ３０４で、元のルーチンにリターンする。 When the determination in step S301 is YES, the process proceeds to step S302, where it is regarded as snowfall, and the following calculation is executed using the snow mixing ratio m. On the other hand, when the determination in step S301 is NO, the process proceeds to step S303, where it is assumed that it is raining, and the following calculation is executed using m = 0. In step S304, the process returns to the original routine.
以上のような降雪／降雨判定処理サブルーチンの意義について説明する。雪の混合比ｍは大気中に含まれる雪（降雪粒子）の割合を示すもので、１ｋｇの乾燥大気中にｍｋｇの雪を含むときに混合比はｍ［ｋｇ／ｋｇ］となる。地上気温がプラスの場合もｍ≠０となることがあるが、ここでは参考文献１を参考に地上気温が２℃以上では雪は降らず雨が降ると仮定しｍ＝０としている。 The significance of the above snow / rainfall determination processing subroutine will be described. The snow mixing ratio m indicates the ratio of snow (snowfall particles) contained in the atmosphere. When 1 kg of dry air contains mkg of snow, the mixing ratio is m [kg / kg]. When the ground temperature is positive, m ≠ 0 may be obtained, but here, with reference to Reference Document 1, it is assumed that if the ground temperature is 2 ° C. or higher, snow does not fall and rain falls.
図５に戻り、ステップＳ２０１に続いて、ステップＳ２０２では、雪面状態判定処理サブルーチンが実行される。図７は本発明に係る視程予測システムで実行される雪面状態判定処理サブルーチンステップＳ２０２）のフローチャートを示す図である。 Returning to FIG. 5, following step S201, in step S202, a snow surface state determination processing subroutine is executed. FIG. 7 is a view showing a flowchart of the snow surface state determination processing subroutine step S202) executed by the visibility prediction system according to the present invention.
図７において、ステップＳ４００で、雪面状態判定処理サブルーチンが開始されると、続いて、ステップＳ４０１で、（積雪深Ｄ）＞０ｍであるか否かが判定される。ステップＳ４０１における判定がＹＥＳであると、ステップＳ４０２に進み、（地上気温Ｔ）＜０℃であるか否かが判定される。ステップＳ４０２における判定がＹＥＳであると、ステップＳ４０３に進み、過去３時間の積雪深Ｄの増加が３ｃｍ以上であるかが判定される。 In FIG. 7, when the snow surface state determination processing subroutine is started in step S400, it is subsequently determined in step S401 whether (snow depth D)> 0 m. If the determination in step S401 is YES, the process proceeds to step S402, and it is determined whether (ground temperature T) <0 ° C. or not. If the determination in step S402 is YES, the process proceeds to step S403, and it is determined whether the increase in snow depth D over the past 3 hours is 3 cm or more.
ステップＳ４０３の判定がＹＥＳであるときには、ステップＳ４０５に進み、軟雪として以下の計算を実行する。この場合、雪面は削剥されるものと想定している。 When the determination in step S403 is YES, the process proceeds to step S405, and the following calculation is executed as soft snow. In this case, it is assumed that the snow surface is scraped off.
一方、ステップＳ４０３の判定がＮＯであるときには、ステップＳ４０６に進み、準硬雪として以下の計算を実行する。この場合、雪面はある程度削剥されるものと想定している。 On the other hand, when the determination in step S403 is NO, the process proceeds to step S406, and the following calculation is executed as semi-hard snow. In this case, it is assumed that the snow surface is scraped to some extent.
ステップＳ４０２における判定がＮＯであるときには、ステップＳ４０７に進み、硬雪として以下の計算を実行する。この場合、雪面は削剥されないものと想定している。 When the determination in step S402 is NO, the process proceeds to step S407, and the following calculation is executed as hard snow. In this case, it is assumed that the snow surface is not scraped off.
ステップＳ４０１における判定がＮＯであるときには、ステップＳ４０４に進み、（地上気温Ｔ）＜０℃であるか否かが判定される。 When the determination in step S401 is NO, the process proceeds to step S404, and it is determined whether (surface temperature T) <0 ° C. or not.
ステップＳ４０４における判定がＹＥＳであるときには、ステップＳ４０８に進み、硬雪として以下の計算を実行する。この場合、地面は凍結し硬雪と同様に削剥されないものと想定している。 When the determination in step S404 is YES, the process proceeds to step S408, and the following calculation is executed as hard snow. In this case, it is assumed that the ground is frozen and is not scraped off like hard snow.
ステップＳ４０４における判定がＮＯであるときには、ステップＳ４０９に進み、吹雪は発生しないものと想定する。 When the determination in step S404 is NO, the process proceeds to step S409, and it is assumed that no snowstorm occurs.
以上のような雪面状態判定処理サブルーチンの意義について説明する。雪面状態判定処理サブルーチンで判定された雪面の状態に応じて、雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択するようにする。このようなパラメーターの選択については、後述する。 The significance of the snow surface state determination processing subroutine as described above will be described. A parameter that defines the behavior of jumping particles in the jumping layer near the snow surface is selected according to the snow surface state determined by the snow surface state determination processing subroutine. The selection of such parameters will be described later.
跳躍粒子が雪面に衝突した際に、雪面を構成する雪粒子をはじき出すが、かなりはじき出す雪面を「軟雪」、ほとんどはじき出さない雪面を「硬雪」、その中間を「準硬雪」と区別し、それぞれに対してはじき出す過程を記述するパラメーターなどを与えている。 When jumping particles collide with the snow surface, the snow particles that make up the snow surface are ejected, but the snow surface that begins to shed out is `` soft snow '', the snow surface that hardly sheds is `` hard snow '', and the middle is `` semi-hard snow '' ”And parameters that describe the process of starting out.
本来であれば、これらの雪面の区別は、降雪後の積雪の変化を考慮して予測すべきであるが、便宜上、積雪深、地上気温、過去３時間の積雪深の増分から判別することにしている。 Originally, the distinction between these snow surfaces should be predicted in consideration of changes in snow cover after snowfall, but for the sake of convenience, it should be determined from the snow depth, surface temperature, and increment of snow depth over the past 3 hours. I have to.
なお、地上に積雪がなくても、地面が凍結している場合には降雪があれば吹雪は発生し
うるので、その場合は「硬雪」として扱っている。
In addition, even if there is no snow on the ground, if the ground is frozen, a snowstorm can occur if there is snowfall. In that case, it is treated as “hard snow”.
図５に戻り、ステップＳ２０３においては、風速ＷＳ［ｍ／ｓ］、風向ＷＤ［ｄｅｇ］、降雪の空間密度Ｒ［ｋｇ／ｍ3］、降雪強度Ｆ［ｍｍ／ｈｒ］、飽和吹雪量Ｑsat［ｋｇ／ｍ／ｓ］の計算を実行する。 Returning to FIG. 5, in step S203, the wind speed WS [m / s], the wind direction WD [deg], the spatial density R of snowfall R [kg / m 3 ], the snowfall intensity F [mm / hr], and the saturated snowstorm amount Q sat. [Kg / m / s] is calculated.
風速ＷＳはスカラー風速（風ベクトルの大きさ）のことである。風ベクトルの２成分（東西成分Ｕと南北成分Ｖ）からＷＳは（２）式によって求める。 The wind speed WS is a scalar wind speed (the magnitude of the wind vector). WS is obtained from the two components of the wind vector (the east-west component U and the north-south component V) by equation (2).
降雪粒子の空間密度Ｒ［ｋｇ／ｍ3］は１ｍ3の大気中の雪（降雪粒子）の質量である。１ｋｇの乾燥大気の体積は、その密度をρairとすると１／ρairである。気温が−１０℃の時ρair ＝１．３４ｋｇ／ｍ3であるから、１／ρair ＝１／１．３４＝０．７４６となり、Ｒは雪の混合比ｍ［ｋｇ／ｋｇ］から（３）式によって、求めることができる。 The spatial density R [kg / m 3 ] of snow particles is the mass of snow (snow particles) in the atmosphere of 1 m 3 . The volume of 1 kg of dry air is 1 / ρ air when the density is ρ air . Since temperature is ρ air = 1.34kg / m 3 when -10 ℃, 1 / ρ air = 1 / 1.34 = 0.746 next, R represents the mixing ratio of the snow m [kg / kg] ( 3) It can obtain | require by Formula.
降雪強度Ｆは、単位時間（通常は１時間あたり）に積もる雪の量であるが、（水換算）降雪強度Ｆはそれを融かした時の水の深さで表し、単位はｍｍ／ｈとするのが一般的である。降雪粒子の落下速度を１ｍ／ｓと仮定すると、１ｍ2に１時間に積もる雪の質量はＲ
［ｋｇ／ｍ3］×１［ｍ／ｓ］×３６００［ｓ／ｈ］＝Ｒ×３６００［ｋｇ／ｍ2／ｈ］である。水の密度ρw ＝１０００ｋｇ／ｍ3であるから、それを融かした時の水の深さはＲ×３６００［ｋｇ／ｍ2／ｈ］／ １０００［ｋｇ／ｍ3］＝ Ｒ×３．６［ｍ／ｈ］ ＝
Ｒ×３．６×１０００［ｍｍ／ｈ］となる。前述のＲとｍの関係を代入すると（水換算）降雪強度Ｆ［ｍｍ／ｈ］は、（４）式によって求めることができる。
The snowfall strength F is the amount of snow accumulated per unit time (usually per hour), but the (water equivalent) snowfall strength F is expressed as the depth of water when it is melted, and the unit is mm / h. Is generally. Assuming that the falling speed of snow particles is 1 m / s, the mass of snow that accumulates in 1 m 2 per hour is R
[Kg / m 3 ] × 1 [m / s] × 3600 [s / h] = R × 3600 [kg / m 2 / h]. Since the density of water ρ w = 1000 kg / m 3 , the depth of water when it is melted is R × 3600 [kg / m 2 / h] / 1000 [kg / m 3 ] = R × 3. 6 [m / h] =
R × 3.6 × 1000 [mm / h]. By substituting the relationship between R and m described above (in terms of water), the snowfall strength F [mm / h] can be obtained by equation (4).
先に説明した風速の対数分布を仮定し、雪面の代表的粗度としてｚ０＝０．０００１ｍとすると、ｚ＝１０ｍではｋ＝０．４として、ＷＳ＝（ｕ*／ｋ）ｌｎ（１０／０．００
０１）＝２８．７８ｕ*であるから、摩擦速度はｕ*は、式（５）によって求める。
Assuming the logarithmic distribution of the wind speed described above and assuming that the representative roughness of the snow surface is z0 = 0.0001 m, k = 0.4 at z = 10 m and WS = (u * / k) ln (10 /0.00
01) = 28.78u * a because, friction velocity u * is determined by Equation (5).
吹雪量と風速または摩擦速度の関係に関する既往の研究成果はかなりばらついており、飽和吹雪量Ｑsat［ｋｇ／ｍ／ｓ］はそれらの上限値に近いものと考え、摩擦速度ｕ*［ｍ／ｓ］から式（６）によって求めている。（参考文献２）。 The past research results on the relationship between the amount of snow blowing and the wind speed or friction speed vary considerably, and it is considered that the saturated snow blowing amount Q sat [kg / m / s] is close to the upper limit of them, and the friction speed u * [m / s] is obtained by equation (6). (Reference 2).
続いて、ステップＳ２０４においては、跳躍粒子の跳躍距離Ｌ［ｍ］、跳躍粒子の跳躍高さｈ［ｍ］、跳躍粒子の射出率ｆE、降雪の堆積率ｆSの計算を実行する。図８は吹雪の発達のモデルの概念図である。 Subsequently, in step S204, jumping distance L jumping particles [m], jump height h of jumping particles [m], the injection rate f E leaping particles, perform calculations deposition rate f S of the snowfall. FIG. 8 is a conceptual diagram of a model of snowstorm development.
図８は、跳躍層における吹雪の発達を考慮して吹雪量を計算する方法を示したもので、個々の跳躍粒子には注目せず、その集合体を「仮想的な跳躍粒子」と考え、それが雪面に衝突する度にどの程度増大するかを射出率ｆEを導入してモデル化している。また、降雪
がある場合は、それが雪面に衝突した後にどの程度留まるか（すなわち、積もるか）を堆積率ｆSで表している。（１−ｆS）は、降雪が粉々になり跳躍粒子となって雪面に留まらない（すなわち、跳躍粒子に変わる）割合である。これらの考え方は参考文献８に示されたものを改良したものである。また、モデルでは、跳躍粒子の跳躍高度をｈ、跳躍粒子の跳躍距離をＬとしている。
FIG. 8 shows a method for calculating the amount of snowstorm in consideration of the development of snowstorm in the jumping layer, not focusing on individual jumping particles, and considering the aggregate as a “virtual jumping particle” it is modeled by introducing an injection rate f E how much increased whenever impinging on the snow surface. Further, when there is snowfall, the deposition rate f S indicates how long it stays (ie, accumulates) after it collides with the snow surface. (1-f S ) is a ratio in which the snowfall is shattered and becomes jumping particles and does not stay on the snow surface (that is, changes to jumping particles). These ideas are improved versions of those shown in Reference 8. In the model, the jumping height of the jumping particles is h, and the jumping distance of the jumping particles is L.
上記のような跳躍粒子の跳躍距離Ｌ［ｍ］、跳躍粒子の跳躍高さｈ［ｍ］、跳躍粒子の射出率ｆE、降雪の堆積率ｆSを求めるためは、雪面状態判定処理サブルーチンで判定した雪面の状態が「軟雪」、「硬雪」、「準硬雪」であるかに係る情報と、先に求めた摩擦速度ｕ*と、表１に示すテーブルとを参照することによる。なお、表１は風洞実験の結果(参考文献については最右欄)に基づき摩擦速度の関数として定式化したものである。 Jumping distance L jumping particles as described above [m], jump height h of jumping particles [m], the injection rate f E Jumping particles, to determine the deposition rate f S of snowfall, snow surface state determination processing subroutine The information on whether the state of the snow surface determined in step 1 is “soft snow”, “hard snow”, or “semi-hard snow”, the previously determined friction speed u *, and the table shown in Table 1 are referred to. It depends. Table 1 is formulated as a function of the friction speed based on the results of the wind tunnel experiment (the rightmost column for the reference).
このように、雪面の状態に応じて雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択するとともに、降雪が吹雪の発達に直接的に及ぼす影響を計算に入れている。これにより、本発明に係る視程予測システム及び視程予測方法によれば、様々な雪面状態と降雪状態に対応して吹雪の発達程度を考慮した視程障害の予測が可能となるのである
続く、ステップＳ２０５では、吹雪量Ｑの計算を実行する。ただし、吹雪量Ｑの上限値は、飽和吹雪量Ｑsatであるものとしている。吹雪量Ｑ［ｋｇ／ｍ／ｓ］の計算は、下式
（７）による。
In this way, parameters that define the behavior of jumping particles in the jumping layer near the snow surface are selected according to the state of the snow surface, and the effect of snowfall directly on the development of a snowstorm is taken into account. Thereby, according to the visibility prediction system and visibility prediction method according to the present invention, it becomes possible to predict visibility failure in consideration of the degree of snowstorm development corresponding to various snow surface conditions and snowfall conditions. In S205, the snowstorm amount Q is calculated. However, the upper limit value of the snowstorm amount Q is assumed to be the saturated snowstorm amount Q sat . The calculation of the snowstorm amount Q [kg / m / s] is based on the following equation (7).
（７）
ただし、Ｑi： 衝突後の吹雪量
Ｑi―1：衝突前の吹雪量
である。
(7)
Q i : Snowstorm after collision
Q i - 1 : The amount of snow before the collision.
（７）式の右辺の第１項は吹雪の発達に対する雪面の削剥の寄与を、第２項は降雪の寄与を表す。（７）式においてｉを０からメッシュサイズＸをＬで除した値まで１ずつ増やしながら吹雪量Ｑiを計算する。このようにして、メッシュ内の吹雪量の変化を計算し、
メッシュ内での吹雪量の最大値を求める（参考文献８）。ただし、（７）式の計算の途中で吹雪量Ｑiが摩擦速度に対応する飽和吹雪量に達したら、それ以後は吹雪の発達はない
ものとして式（７）は適用せず、飽和吹雪量をそのメッシュにおける吹雪量とする。
The first term on the right-hand side of equation (7) represents the contribution of snow removal to the development of snowstorm, and the second term represents the contribution of snowfall. In the equation (7), the snowstorm amount Q i is calculated while increasing by 1 from 0 to a value obtained by dividing i by 0 from the mesh size X. In this way, the change in the amount of snowstorm in the mesh is calculated,
The maximum amount of snowstorm in the mesh is obtained (Reference Document 8). However, if the snowstorm amount Q i reaches the saturated snowstorm amount corresponding to the friction speed during the calculation of the equation (7), then the formula (7) is not applied, assuming that the snowstorm has not developed, and the saturated snowstorm amount. Is the amount of snowstorm in the mesh.
続く、ステップＳ２０６においては、ガストの考慮に係る計算を実行する。ガストとは、風速変動に伴う瞬間的な強風のことである。 In subsequent step S206, calculation related to gust is performed. Gust is a momentary strong wind that accompanies wind speed fluctuations.
一般に風の強さは時々刻々と変動している。入力とする風速の予測データは時間的・空間的に平均化されたものであり、風速の瞬間値とは異なる（天気予報で通常示される風速も同様で、特に瞬間的に強くなることを強調する時は「最大瞬間風速」として示されることがある）。 In general, the strength of the wind fluctuates from moment to moment. The input wind speed prediction data is averaged temporally and spatially, and is different from the instantaneous wind speed (the wind speed normally shown in weather forecasts is the same, especially emphasizes that it becomes stronger instantaneously. Sometimes referred to as "maximum instantaneous wind speed").
吹雪による視程障害に対処するには瞬間的に強くなる風速に対応する吹雪状態を予測することが重要であり、ここでは、摩擦速度を１．５倍とし、吹雪量を３．５１倍として（Ｑsatがｕ* 3.1に比例することから、その類推として（１．５）3.1＝３．５１倍して）瞬間最大の吹雪状態を考慮することとしている。 In order to deal with visibility problems caused by snowstorms, it is important to predict the snowstorm state corresponding to the instantaneously increasing wind speed. Here, the friction speed is set to 1.5 times, and the snowstorm amount is set to 3.51 times ( Since Q sat is proportional to u * 3.1 , the maximum snowstorm state at the moment is taken into account as an analogy (by multiplying (1.5) 3.1 = 3.51).
すなわち、ステップＳ２０６においては、式（８）及び式（９）による置換を行う。 In other words, in step S206, replacement is performed according to equations (8) and (9).
続く、ステップＳ２０７においては、跳躍層の厚さｈsalと、跳躍層上端（浮遊層下端
）における吹雪強度ｑ（ｈsal）・跳躍粒子密度（浮遊粒子密度）ｎ（ｈsal）、浮遊層内高度１．２ｍにおける浮遊粒子密度ｎ（１．２ｍ）と吹雪強度ｑ（１．２ｍ）の計算を実行する。
In step S207, the thickness h sal of the jumping layer, the snowstorm intensity q (h sal ), the jumping particle density (floating particle density) n (h sal ) at the upper end of the jumping layer (lower end of the floating layer), the inside of the floating layer Calculation of suspended particle density n (1.2 m) and snowstorm strength q (1.2 m) at an altitude of 1.2 m is executed.
以下、ステップＳ２０７で実行される計算の詳細について説明する。なお、ｚ＝１．２ｍにおける浮遊粒子密度ｎと吹雪強度ｑを計算するのは、小型自動車ドライバーの目線の高さがｚ＝１．２ｍに相当するからである。 Details of the calculation executed in step S207 will be described below. The reason why the suspended particle density n and the snowstorm strength q at z = 1.2 m are calculated is that the line of sight of a small automobile driver corresponds to z = 1.2 m.
ここで、ステップＳ２０７で実行される計算を説明するために、図９及び図１０を援用する。図９は吹雪強度（飛雪流量）と高度の関係を示す図である。また、図１０は吹雪強度計算処理サブルーチンのステップＳ２０７で行われる計算の概要を説明するブロック図である。 Here, FIG. 9 and FIG. 10 are used to explain the calculation executed in step S207. FIG. 9 is a diagram showing the relationship between snowstorm intensity (snow flow rate) and altitude. FIG. 10 is a block diagram illustrating an outline of the calculation performed in step S207 of the snowstorm intensity calculation processing subroutine.
河村の式（参考文献９）を用いると跳躍層内の吹雪強度（飛雪流量）の分布ｑ（ｚ）は次式（１０）で表せる。 Using Kawamura's formula (reference document 9), the distribution q (z) of the snowstorm strength (snow flow rate) in the jump layer can be expressed by the following formula (10).
ただし、ｈは跳躍粒子の跳躍高さ、ｑ0は雪面における吹雪強度である（図９の点線が
（１０）式に対応する）。
Here, h is the jump height of the jump particles, and q 0 is the snowstorm intensity on the snow surface (the dotted line in FIG. 9 corresponds to the equation (10)).
また、吹雪量Ｑは次式（１１）で与えられる。 The snowstorm amount Q is given by the following equation (11).
（１１）式のｈとＱは、ステップ２０６でガストの影響を考慮したもので、ｈは表１を用いて計算し直したものである。各メッシュにおける最大の吹雪量に対応するｑ0は（１１
）式から求まる。
In equation (11), h and Q are those in which the influence of gust is taken into consideration in step 206, and h is recalculated using Table 1. Q 0 corresponding to the maximum snowstorm amount in each mesh is (11
)
跳躍層と浮遊層の境界の高さ（跳躍層の厚さ）ｈsalは、ｈsal＝５ｈ（参考文献４）であるので、（１０）式からそこでの吹雪強度ｑ（ｈsal）が求まる。また、ｚ＝ｈsalにおける吹雪粒子密度はその定義からｎ（ｈsal）＝ｑ（ｈsal）／ＷＳ（ｈsal）と表される
。
Since the height of the boundary between the jumping layer and the floating layer (thickness of the jumping layer) h sal is h sal = 5h (reference document 4), the blizzard strength q (h sal ) is obtained from the equation (10). . Also, the snowstorm particle density at z = h sal is expressed as n (h sal ) = q (h sal ) / WS (h sal ) from its definition.
一方、ｚ≧ｈsalに存在する浮遊層に対しては乱流拡散理論に基づく次の塩谷の式（参
考文献１０）が適用できる。
On the other hand, the following Shiotani formula (reference document 10) based on the turbulent diffusion theory can be applied to the floating layer existing at z ≧ h sal .
ここで、Ｗは吹雪粒子の落下速度で、参考文献１１および参考文献１２を参考に０．３ｍ／ｓと仮定している。 Here, W is the falling speed of the snowstorm particles and is assumed to be 0.3 m / s with reference to Reference Document 11 and Reference Document 12.
以上より、小型自動車のドライバーの目線の高さであるｚ＝１．２ｍにおける吹雪粒子（浮遊粒子）密度ｎ（１．２ｍ）は、下式（１３）により求められる。 From the above, the snowstorm particle (floating particle) density n (1.2 m) at z = 1.2 m, which is the height of the driver's line of sight of the small car, is obtained by the following equation (13).
となる。ｚ＝１．２ｍの風速は対数分布を仮定して、下式（１４）より求められる。 It becomes. The wind speed at z = 1.2 m is obtained from the following equation (14) assuming a logarithmic distribution.
ただし、ｚ0＝０．０００１ｍ， ｋ＝０．４（カルマン定数）である。（１３）式と
（１４）式からｚ＝１．２ｍの吹雪強度ｑ（１．２ｍ）は次式（１５）で与えられる。
However, z 0 = 0.0001 m, k = 0.4 (Kalman constant). From the equations (13) and (14), the snowstorm strength q (1.2 m) at z = 1.2 m is given by the following equation (15).
以上の計算ステップを実行すると、ステップＳ２０８で、元のルーチンにリターンする。 When the above calculation steps are executed, the process returns to the original routine in step S208.
ステップＳ１０３の吹雪強度計算処理サブルーチンが実行された後には、続いて、ステップＳ１０４の視程予測値計算処理サブルーチンが実行される。以下、この視程予測値計算処理サブルーチンについて説明する。 After the snowstorm intensity calculation processing subroutine of step S103 is executed, the visibility prediction value calculation processing subroutine of step S104 is subsequently executed. The visibility predicted value calculation subroutine will be described below.
図１１は本発明に係る視程予測システムで実行される視程予測値計算処理サブルーチン（ステップＳ１０４）のフローチャートを示す図である。 FIG. 11 is a view showing a flowchart of a visibility prediction value calculation processing subroutine (step S104) executed by the visibility prediction system according to the present invention.
図１１において、ステップＳ５００で、視程予測値計算処理サブルーチンが開始されると、続く、ステップＳ５０１では、吹雪強度ｑ（１．２ｍ）＞０であるか否かが判定される。ここで、ステップＳ５０１における判定がＹＥＳであるときには、ステップＳ５０２に進み、浮遊粒子による視程の悪化を評価する。Ｖｉｓ＿ｂｓを、浮遊粒子による視程と定義する。 In FIG. 11, when the visibility prediction value calculation processing subroutine is started in step S500, it is determined in step S501 whether or not the snowstorm intensity q (1.2 m)> 0. Here, when the determination in step S501 is YES, the process proceeds to step S502, and visibility deterioration due to suspended particles is evaluated. Vis_bs is defined as visibility by airborne particles.
ステップＳ５０２において計算には、Ｖｉｓ＿ｂｓ［ｍ］はｑ（１．２ｍ）［ｋｇ／ｍ
2／ｓ］から下式（１６）を用いて計算される。
In the calculation in step S502, Vis_bs [m] is q (1.2 m) [kg / m.
2 / s] using the following equation (16).
（１６）式は、参考文献１３の図５．２５のＢｕｄｄ他・竹内他のデータから作成したものである。 Expression (16) is created from the data of Budd et al. And Takeuchi et al. In FIG.
また、ステップＳ５０１における判定がＮＯであるとき（すなわち、吹雪が発生しないとき）には、ステップＳ５１０に進み、Ｖｉｓ＿ｂｓ＝５０００［ｍ］としている。 When the determination in step S501 is NO (that is, when a snowstorm does not occur), the process proceeds to step S510, where Vis_bs = 5000 [m].
ステップＳ５０３においては、地上気温≦１℃であるか否かが判定される。ステップＳ５０３における判定がＹＥＳであるときには、ステップＳ５０４に進み、ステップＳ５０２で計算した視程（Ｖｉｓ＿ｂｓ）の補正計算を実行する。 In step S503, it is determined whether or not the ground surface temperature ≦ 1 ° C. When the determination in step S503 is YES, the process proceeds to step S504, and the correction of the visibility (Vis_bs) calculated in step S502 is executed.
ステップＳ５０２で計算した視程（Ｖｉｓ＿ｂｓ）は、寒冷条件下での観測に基づいているため、ステップＳ５０４では、地上気温が０℃前後の野外観測により得られた視程の風速・気温依存性（参考文献１４）から決めた、表２により求められる補正係数を、ステップＳ５０２で計算した視程（Ｖｉｓ＿ｂｓ）に乗ずることにより補正する。
Since the visibility (Vis_bs) calculated in step S502 is based on observation under cold conditions, in step S504, the visibility obtained by field observation at a ground temperature of around 0 ° C. depends on the wind speed and temperature (references). The correction coefficient determined from 14) is corrected by multiplying the visibility (Vis_bs) calculated in step S502 by the correction coefficient obtained from Table 2.
ステップＳ５０３における判定がＮＯであるとき（すなわち、地上気温が１℃を超えるとき）には、ステップＳ５０５に進み、Ｖｉｓ＿ｂｓ＝５０００ｍとする。 When the determination in step S503 is NO (that is, when the ground temperature exceeds 1 ° C.), the process proceeds to step S505 and Vis_bs = 5000 m.
降雪があるときにおいては、降雪粒子そのものによる視程の悪化も生じる。Ｖｉｓ＿ｂｓを計算した後に、降雪粒子による視程の悪化を評価するために、ステップＳ５０６に進む。Ｖｉｓ＿ｓｆを、降雪粒子による視程と定義する。 When there is snow, the visibility is also deteriorated due to the snow particles themselves. After calculating Vis_bs, the process proceeds to step S506 in order to evaluate visibility deterioration due to snow particles. Vis_sf is defined as visibility by snow particles.
ステップＳ５０６では、降雪の空間密度Ｒ＞０であるか否かが判定される。ステップＳ
５０６における判定がＹＥＳであるときには、ステップＳ５０７に進み、Ｖｉｓ＿ｓｆ［ｍ］をＲ［ｋｇ／ｍ3］から下式（１７）により計算する。
In step S506, it is determined whether or not the snowfall spatial density R> 0. Step S
When the determination in 506 is YES, the process proceeds to step S507, and Vis_sf [m] is calculated from R [kg / m 3 ] by the following equation (17).
（１７）は参考文献１３の図５．２３のＭｅｌｌｏｒのデータから作成したものである。 (17) is created from the data of Mellor in FIG.
ステップＳ５０６における判定がＮＯであるとき、すなわち、降雪がない場合（Ｒ＝０の場合）には、ステップＳ５０８に進み、Ｖｉｓ＿ｓｆ＝５０００ｍとする。 If the determination in step S506 is NO, that is, if there is no snow (R = 0), the process proceeds to step S508 and Vis_sf = 5000 m.
降雪を伴う吹雪の場合は、吹雪粒子と降雪粒子がともに存在し、視程の悪化をもたらす。この場合の視程は、ステップＳ５０９で、Ｖｉｓ＿ｂｓ、Ｖｉｓ＿ｓｆのうち、小さいほうを視程予測値として採用する。 In the case of a snowstorm with snowfall, both snowstorm particles and snowfall particles exist, resulting in poor visibility. In step S509, the smaller visibility of Vis_bs and Vis_sf is adopted as the visibility prediction value in this case.
ステップＳ５１１で、元のルーチンにリターンする。 In step S511, the process returns to the original routine.
以上、本発明に係る視程予測システム及び視程予測方法は、雪面の状態に応じて雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択するとともに、降雪が吹雪の発達に直接的に及ぼす影響を計算に入れているので、このような本発明に係る視程予測システム及び視程予測方法によれば、吹雪の発達程度を考慮した視程障害の予測が可能となる。また、変動する吹雪によって生じる瞬間的な最低視程の的確な予測も可能となる。
［参考文献］
1 松尾敬世（2001）：雨と雪を分けるもの．天気, 48, 33-37.
2 T. Sato, K. Kosugi and A. Sato（2004）：Development of saltation layer of drifting snow． Annals of Glaciology, 38, 35-38.
3 K. Kosugi, T. Sato and A. Sato（2004）：Dependence of drifting snow saltation
lengths on snow surface hardness．Cold Regions Science and Technology, 39, 133-139.
4 T. Sato, K. Kosugi and A. Sato（2002）：Estimation of blowing snow and related visibility distributions above snow covers with different hardness．Proceedings of the 11th International Road Weather Conference 2002 Sapporo Japan.
5 佐藤威・小杉健二（2000）：風洞実験による吹雪構造と積雪硬度の関係．寒地技術論
文・報告集，16，421-424．
6 K. Sugiura,（1998）：Experimental study of the snow-drift saltation and splash process． 北海道大学学位論文，pp.140.
7 T. Sato, K. Kosugi, S. Mochizuki and M. Nemoto（2008）：Wind speed dependences of fracture and accumulation of snowflakes on snow surface．Cold Regions Science and Technology，51，229-239.
8 佐藤威・岩本勉之・中井専人・小杉健二・根本征樹・佐藤篤司（2004）：吹雪とそれ
による視程悪化の広域的予測について．寒地技術論文・報告集，20，332-337．
9 河村龍馬（1948）：風による砂の運動．科学，18，11，24-30.
10 塩谷正雄（1953）：吹雪密度の垂直分布にたいする一考察．雪氷，15，1，6-9.
11 松沢勝・加治屋安彦・竹内 政夫（2002）：風速と降雪強度から吹雪時の視程を推定
する手法について．北海道開発土木研究所月報，No. 593, 20-27.
12 根本征樹・佐藤威・小杉健二・望月重人（2010）：吹雪の乱流拡散モデルにおける落
下速度の与え方について． 寒地技術論文・報告集，26，49-52．
13 竹内政夫（2000）：吹雪の付随現象．「基礎雪氷講座III 雪崩と吹雪」第5章，古今
書院， pp.198-200.
14 佐藤威・根本征樹・望月重人（2009）：吹雪時の視程の気温依存性について．寒地技術論文・報告集，25，37-40．
As described above, the visibility prediction system and visibility prediction method according to the present invention select parameters that define the behavior of jumping particles in the jumping layer near the snow surface according to the state of the snow surface, and snowfall directly affects the development of a snowstorm. Therefore, according to such a visibility prediction system and visibility prediction method according to the present invention, it is possible to predict visibility failure in consideration of the degree of snowstorm development. In addition, it is possible to accurately predict the instantaneous minimum visibility caused by a fluctuating snowstorm.
[References]
1 Takao Matsuo (2001): What separates rain and snow. Weather, 48, 33-37.
2 T. Sato, K. Kosugi and A. Sato (2004): Development of saltation layer of drifting snow. Annals of Glaciology, 38, 35-38.
3 K. Kosugi, T. Sato and A. Sato (2004): Dependence of drifting snow saltation
lengths on snow surface hardness. Cold Regions Science and Technology, 39, 133-139.
4 T. Sato, K. Kosugi and A. Sato (2002): Estimation of blowing snow and related visibility distributions above snow covers with different hardness. Proceedings of the 11th International Road Weather Conference 2002 Sapporo Japan.
5 Takeshi Sato and Kenji Kosugi (2000): Relationship between snow blowing structure and snow hardness by wind tunnel experiment. Cold region technical papers and reports, 16, 421-424.
6 K. Sugiura, (1998): Experimental study of the snow-drift saltation and splash process. Hokkaido University Doctoral Dissertation, pp.140.
7 T. Sato, K. Kosugi, S. Mochizuki and M. Nemoto (2008): Wind speed dependences of fracture and accumulation of snowflakes on snow surface. Cold Regions Science and Technology, 51, 229-239.
8 Takeshi Sato, Tomoyuki Iwamoto, Kento Nakai, Kenji Kosugi, Seki Nemoto, Atsushi Sato (2004): Wide-range prediction of snowstorm and resulting visibility loss. Cold region technical papers and reports, 20, 332-337.
9 Kawamura Ryoma (1948): Sand movement by wind. Science, 18, 11, 24-30.
10 Shioya Masao (1953): A study on the vertical distribution of snowstorm density. Snow and ice, 15, 1, 6-9.
11 Masaru Matsuzawa, Yasuhiko Kajiya, Masao Takeuchi (2002): A method for estimating visibility during a snowstorm from wind speed and snowfall intensity. Hokkaido Research Institute of Civil Engineering Monthly Report, No. 593, 20-27.
12 Nemoto Neki, Sato Takeshi, Kosugi Kenji, Mochizuki Shigeto (2010): How to give the fall velocity in the turbulent diffusion model of snowstorm. Cold district technical papers and reports, 26, 49-52.
13 Masao Takeuchi (2000): Incidental phenomenon of snowstorm. "Basic Snow and Ice Lecture III Avalanche and Snowstorm" Chapter 5, Kokon Shoin, pp.198-200.
14 Takeshi Sato, Seiki Nemoto, Shigeto Mochizuki (2009): Temperature dependence of visibility during snowstorms. Cold region technical papers and reports, 25, 37-40.
１０・・・システムバス
１１・・・ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
１２・・・ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）
１３・・・ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）
１４・・・通信制御部
１５・・・入力制御部
１６・・・出力制御部
１７・・・外部記憶装置制御部
１８・・・入力部
１９・・・出力部
２０・・・外部記憶装置
２１・・・インターフェイス部
２１・・・グラフィック制御部
２２・・・ディスプレイ装置
10 ... System bus 11 ... CPU (Central Processing Unit)
12 ... RAM (Random Access Memory)
13 ... ROM (Read Only Memory)
DESCRIPTION OF SYMBOLS 14 ... Communication control part 15 ... Input control part 16 ... Output control part 17 ... External storage device control part 18 ... Input part 19 ... Output part 20 ... External storage device 21 ... Interface unit 21 ... Graphic control unit 22 ... Display device
この発明は、上記のような課題を解決するものであって、本発明に係る視程予測システムは、気象予測メッシュデータ、及び、積雪深予測メッシュデータを取得する手段と、前記気象予測メッシュデータ、及び、前記積雪深予測メッシュデータから、雪面の状態を判定する手段と、前記気象予測メッシュデータから、降雪強度を計算する手段と、判定された雪面の状態および計算された降雪強度に応じて、雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択する手段と、選択されたパラメーターと、吹雪に及ぼすガスト（風速変動に伴う瞬間的な強風）の影響とに基づいて、跳躍層上端における跳躍粒子による吹雪強度を計算する手段と、計算された跳躍層上端における跳躍粒子による吹雪強度から、前記跳躍層上部の浮遊層における浮遊粒子による吹雪強度を計算する手段と、計算された浮遊層における浮遊粒子による吹雪強度に基づいて、浮遊粒子による視程を計算する手段と、を有することを特徴とする。
The present invention solves the above-described problem, and the visibility prediction system according to the present invention includes weather prediction mesh data and means for acquiring snow depth prediction mesh data, the weather prediction mesh data, And a means for determining a snow surface state from the snow depth prediction mesh data, a means for calculating a snowfall intensity from the weather prediction mesh data, and depending on the determined snow surface state and the calculated snowfall intensity. Based on the means to select the parameters that define the behavior of the jumping particles in the jump layer near the snow surface, the selected parameters, and the effect of gust (instantaneous strong wind accompanying wind speed fluctuation) on the snowstorm, means for calculating a blizzard strength by jumping particles in jumping layer upper, a blizzard strength by jumping particles in the calculated jumping layer upper, the jumping layer of the upper It means for calculating a blizzard strength by airborne particles in遊層, based on the blizzard strength by airborne particles in the calculated floating layer, and having means for calculating a visibility due to the stray particles.
また、本発明に係る視程予測方法は、気象予測メッシュデータ、及び、積雪深予測メッシュデータを取得するステップと、前記気象予測メッシュデータ、及び、前記積雪深予測メッシュデータから、雪面の状態を判定するステップと、前記気象予測メッシュデータから、降雪強度を計算するステップと、判定された雪面の状態および計算された降雪強度に応じて、雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択するステップと、選択されたパラメーターと、吹雪に及ぼすガスト（風速変動に伴う瞬間的な強風）の影響とに基づいて、跳躍層上端における跳躍粒子による吹雪強度を計算するステップと、計算された跳躍層上端における跳躍粒子による吹雪強度から、前記跳躍層上部の浮遊層における浮遊粒子による吹雪強度を計算するステップと、計算された浮遊層における浮遊粒子による吹雪強度に基づいて、浮遊粒子による視程を計算するステップと、を有することを特徴とする。
The visibility prediction method according to the present invention includes a step of obtaining weather prediction mesh data and snow depth prediction mesh data, and the snow surface state from the weather prediction mesh data and the snow depth prediction mesh data. The step of determining, the step of calculating the snowfall intensity from the weather forecast mesh data, and the behavior of jumping particles in the jumping layer near the snow surface according to the determined snow surface state and the calculated snowfall intensity Calculating a snowstorm intensity caused by jumping particles at the top of the jumping layer based on the selected parameter and the effect of the gust (instantaneous strong wind accompanying the wind speed fluctuation) on the snowstorm. from snowstorm strength by jumping particles in the calculated jumping layer upper, blown by the floating particles in the jump layer upper floating layer Calculating a strength, based on the blizzard strength by airborne particles in the calculated floating layer, and having the steps of: calculating a visibility due to airborne particles.
Claims (8)
前記気象予測メッシュデータ、及び、前記積雪深予測メッシュデータから、雪面の状態を判定する手段と、
前記気象予測メッシュデータから、降雪強度を計算する手段と、
判定された雪面の状態および計算された降雪強度に応じて、雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択する手段と、
吹雪に及ぼすガスト（風速変動に伴う瞬間的な強風）の影響を考慮する手段と、
ガストの影響を考慮したパラメーターに基づいて、跳躍層上端における跳躍粒子による吹雪強度を計算する手段と、
跳躍層上端における吹雪強度から、前記跳躍層上部の浮遊層における浮遊粒子による吹雪強度を計算する手段と、
吹雪強度に基づいて、浮遊粒子による視程を計算する手段と、
を有することを特徴とする視程予測システム。 Means for obtaining weather forecast mesh data and snow depth forecast mesh data;
Means for determining the state of the snow surface from the weather prediction mesh data and the snow depth prediction mesh data;
Means for calculating snowfall intensity from the weather forecast mesh data;
Means for selecting parameters that define the behavior of the jumping particles in the jumping layer near the snow surface according to the determined snow surface condition and the calculated snowfall intensity;
Means to take into account the effects of gust (instantaneous strong winds accompanying wind speed fluctuations) on snowstorms;
Based on parameters that take into account the effects of gust,
Means for calculating the snowstorm intensity due to suspended particles in the floating layer above the jumping layer from the snowstorm intensity at the top of the jumping layer;
Means for calculating the visibility due to suspended particles based on the snowstorm intensity;
A visibility prediction system characterized by comprising:
前記気象予測メッシュデータ、及び、前記積雪深予測メッシュデータから、雪面の状態を判定するステップと、
前記気象予測メッシュデータから、降雪強度を計算するステップと、
判定された雪面の状態および計算された降雪強度に応じて、雪面近傍の跳躍層における跳躍粒子の挙動を規定するパラメーターを選択するステップと、
吹雪に及ぼすガスト（風速変動に伴う瞬間的な強風）の影響を考慮するステップと、
ガストの影響を考慮したパラメーターに基づいて、跳躍層上端における跳躍粒子による吹雪強度を計算するステップと、
跳躍層上端における吹雪強度から、前記跳躍層上部の浮遊層における浮遊粒子による吹雪強度を計算するステップと、
吹雪強度に基づいて、浮遊粒子による視程を計算するステップと、
を有することを特徴とする視程予測方法。 Obtaining weather forecast mesh data and snow depth forecast mesh data;
Determining the state of the snow surface from the weather prediction mesh data and the snow depth prediction mesh data;
Calculating snowfall intensity from the weather forecast mesh data;
Selecting parameters defining the behavior of jumping particles in a jumping layer near the snow surface according to the determined snow surface condition and the calculated snowfall intensity;
Taking into account the effects of gust (instantaneous strong winds associated with wind speed fluctuations) on snowstorms;
Calculating a snowstorm intensity caused by jumping particles at the top of the jumping layer based on a parameter that takes into account the effect of gust;
From the snowstorm intensity at the top of the jumping layer, calculating the snowstorm intensity due to suspended particles in the floating layer above the jumping layer;
Calculating visibility due to suspended particles based on snowstorm intensity;
A visibility prediction method characterized by comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014247901A JP5950422B2 (en) | 2014-12-08 | 2014-12-08 | Visibility prediction system and visibility prediction method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014247901A JP5950422B2 (en) | 2014-12-08 | 2014-12-08 | Visibility prediction system and visibility prediction method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016109576A true JP2016109576A (en) | 2016-06-20 |
| JP5950422B2 JP5950422B2 (en) | 2016-07-13 |
Family
ID=56123924
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014247901A Active JP5950422B2 (en) | 2014-12-08 | 2014-12-08 | Visibility prediction system and visibility prediction method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5950422B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108196316A (en) * | 2017-12-26 | 2018-06-22 | 广州积雨云科技有限公司 | A kind of instantaneous maximum wind method for early warning automatically corrected |
| CN109932758A (en) * | 2019-03-28 | 2019-06-25 | 厦门龙辉芯物联网科技有限公司 | A kind of advection fog forecast system and forecasting procedure |
| CN111914933A (en) * | 2020-07-31 | 2020-11-10 | 中国民用航空华东地区空中交通管理局 | Snowfall detection method and device, computer equipment and readable storage medium |
| CN115035723A (en) * | 2022-07-11 | 2022-09-09 | 长安大学 | Highway visibility monitoring and early warning system based on deep learning |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108227041B (en) * | 2017-12-27 | 2020-04-28 | 中国海洋大学 | Horizontal visibility forecasting method based on site measured data and mode result |
-
2014
- 2014-12-08 JP JP2014247901A patent/JP5950422B2/en active Active
Non-Patent Citations (3)
| Title |
|---|
| JPN6016004404; 佐藤威ほか: '吹雪による視程悪化の予測とその検証' 寒地技術論文・報告集 Ｖｏｌ．２３, 200712, Ｐ．７５-８０ * |
| JPN6016004405; 佐藤威ほか: '吹雪とそれによる視程悪化の広域的予測について' 寒地技術論文・報告 Ｖｏｌ．２０, 200410, Ｐ．３３２-３３７ * |
| JPN7016000251; 佐藤威ほか: '吹雪による視程障害の予測とその検証． ２０１０／２０１１ 冬期の新潟市による吹雪対策への活用事例' 防災科学技術研究所主要災害調査 第４７号, 201202, Ｐ．１０３-１１２ * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108196316A (en) * | 2017-12-26 | 2018-06-22 | 广州积雨云科技有限公司 | A kind of instantaneous maximum wind method for early warning automatically corrected |
| CN108196316B (en) * | 2017-12-26 | 2020-03-31 | 广州风雨雷科技有限公司 | Automatic-correction instantaneous strong wind early warning method |
| CN109932758A (en) * | 2019-03-28 | 2019-06-25 | 厦门龙辉芯物联网科技有限公司 | A kind of advection fog forecast system and forecasting procedure |
| CN109932758B (en) * | 2019-03-28 | 2023-08-04 | 厦门龙辉芯物联网科技有限公司 | Advection fog forecasting system and forecasting method |
| CN111914933A (en) * | 2020-07-31 | 2020-11-10 | 中国民用航空华东地区空中交通管理局 | Snowfall detection method and device, computer equipment and readable storage medium |
| CN115035723A (en) * | 2022-07-11 | 2022-09-09 | 长安大学 | Highway visibility monitoring and early warning system based on deep learning |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5950422B2 (en) | 2016-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5950422B2 (en) | Visibility prediction system and visibility prediction method | |
| KR102008698B1 (en) | Display system and method for calculating airborne cloud seeding line considering cloud liguid water | |
| Brown et al. | Large‐eddy simulation of the diurnal cycle of shallow cumulus convection over land | |
| US20220028287A1 (en) | System and method for aircraft flight control | |
| Li et al. | A regional ensemble prediction system based on moist targeted singular vectors and stochastic parameter perturbations | |
| JP6949332B2 (en) | Lightning risk judgment device | |
| KR101802165B1 (en) | Method and system for estimating empirical snow depth | |
| Izett et al. | Understanding and reducing false alarms in observational fog prediction | |
| JP6184148B2 (en) | Fog state prediction device, fog state prediction program and recording medium | |
| JP3851641B2 (en) | Rainfall prediction method and rainfall prediction program | |
| JP2009092513A (en) | Predicted turbulence area analyzer | |
| CN106662668A (en) | Generating weather forecasts with human over-the-loop oversight | |
| Inomata et al. | Quantification of the risks on dam preliminary release based on ensemble rainfall forecasts and determination of operation | |
| JP5170733B2 (en) | Wide visibility information creation device and wide visibility information creation method | |
| KR102489288B1 (en) | Meteorological prediction apparatus and method capable of adjusting the parameters of cloud microphysics, and recorded media recording program to perform the same | |
| Ismail et al. | Degree Day Factor models for forecasting the snowmelt runoff for Naran watershed. | |
| JP2006308287A (en) | Method for estimating amount of increase in wind speed using output value of weather forecast model | |
| CN113627668A (en) | Data analysis processing system under supercomputing environment | |
| Nordeng et al. | A polar low named Vera: The use of potential vorticity diagnostics to assess its development | |
| Dunion et al. | Development of a probabilistic tropical cyclone genesis prediction scheme | |
| JP6994735B2 (en) | Lightning risk judgment device | |
| JP6701663B2 (en) | Operation support system, operation support method, and program | |
| WO2024005180A1 (en) | Lightning-strike-danger-level derivation device and lightning-strike-danger-level display system | |
| Package | Northern Periphery programme | |
| Kim et al. | Application of aviation turbulence information to Air-Traffic Management (ATM) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160329 |
|
| 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: 20160525 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160603 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5950422 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| 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 |