JP2018194497A - 気象予測システム、気象予測方法、気象予測プログラム - Google Patents

Abstract

【課題】様々な観測データに基づいて効率よく気象予測を行う気象予測装置を提供する。【解決手段】気象予測システムは、所定地域の気象推定値を、所定地域の狭域の気象観測データでデータ同化して、所定地域の気象解析値を算出し、所定の気象モデルに基づいて、所定地域の気象解析値により、所定地域の気象予測データを算出し、所定地域の広域の気象観測データを取得し、複数の所定地域毎の気象予測データを取得し、複数の広域の気象観測データを取得し、広域の気象観測データと、所定地域を含む領域の気象予測データとに基づいて、領域の気象予測データの信頼度を算出し、信頼度を用いて、所定地域毎の気象予測データで、領域の気象推定値をデータ同化して、領域の気象解析値を算出し、気象モデルに基づいて、領域の気象解析値により、領域の気象予測データを算出すること実行する。【選択図】図１

Description

本発明は、気象予測システム、気象予測方法、気象予測プログラムに関する。

スーパーコンピュータ等のコンピュータの性能向上に伴い、気象シミュレーションによって得られる気象データの量は、以前と比べて桁違いに大きくなっている。気象シミュレーション（気象予測）では、多くの観測点で観測された様々な種類の気象データが用いられて、多くの地点の気象データの算出が行われる。気象データには、気温、湿度、気圧、風速、日射量などが含まれる。

特願２０１６−１６１３１４号公報 特開平９−４９８８４号公報 特開２０１３−２２４８８４号公報 特開２０１０−０６０４４３号公報 特開２００６−２２０４４４号公報

気象シミュレーションにおける計算量は、観測データの観測点や気象データの算出される地点の数が増えるに連れて、非常に大きくなる。そこで、効率よく気象シミュレーションを行うことが求められている。

本発明は、様々な観測データに基づいて効率よく気象予測を行う気象予測装置を提供することを課題とする。

開示の技術は、上記課題を解決するために、以下の手段を採用する。
即ち、第１の態様は、
所定地域の気象推定値を、前記所定地域の狭域の気象観測データでデータ同化して、前記所定地域の気象解析値を算出するデータ同化部と、
所定の気象モデルに基づいて、前記所定地域の気象解析値により、前記所定地域の気象予測データを算出する予測部と、
前記気象予測データを統合データ演算装置に出力する出力部を備える狭域観測データ演算装置と、
前記所定地域の広域の気象観測データを取得する取得部と、
前記広域の気象観測データを出力する出力部を備える広域観測データ演算装置と、
複数の前記狭域観測データ演算装置から、前記所定地域毎の前記気象予測データを取得し、複数の前記広域観測データ演算装置から、前記広域の気象観測データを取得する取得部と、
前記広域の気象観測データと、前記所定地域を含む領域の気象予測データとに基づいて、前記領域の気象予測データの信頼度を算出する信頼度算出部と、
前記信頼度を用いて、前記所定地域毎の前記気象予測データで、前記領域の気象推定値をデータ同化して、前記領域の気象解析値を算出するデータ同化部と、
前記気象モデルに基づいて、前記領域の気象解析値により、前記領域の気象予測データを算出する予測部を備える統合データ演算装置と、
を含む気象予測システムとする。

第１の態様によると、気象予測システムは、地域毎に、気象観測データで、気象推定値をデータ同化し、地域毎の気象予測データで、各地域を含む領域の気象推定値をデータ同化する。また、気象予測システムは、広域の気象観測データにより、各地域を含む領域の気象推定値の信頼度を算出する。

第２の態様は、さらに、
前記広域観測データ演算装置の前記算出部は、前記所定地域の空を含む画像から当該空の雲量を、深層学習を用いて、前記広域の気象観測データとして算出する、
気象予測システムとする。

第２の態様によると、所定領域の空の雲量が、深層学習を用いて、広域の気象観測データとして算出される。

開示の態様は、プログラムが情報処理装置によって実行されることによって実現されてもよい。即ち、開示の構成は、上記した態様における各手段が実行する処理を、情報処理装置に対して実行させるためのプログラム、或いは当該プログラムを記録したコンピュータ読み取り可能な記録媒体として特定することができる。また、開示の構成は、上記した各手段が実行する処理を情報処理装置が実行する方法をもって特定されてもよい。開示の構成は、上記した各手段が実行する処理を行う情報処理装置を含むシステムとして特定されてもよい。

本発明によれば、様々な観測データに基づいて効率よく気象予測を行う気象予測装置を提供することができる。

図１は、実施形態の気象予測システム構成例を示す図である。 図２は、狭域観測データ演算装置の機能ブロックの構成例を示す図である。 図３は、広域観測データ演算装置の機能ブロックの構成例を示す図である。 図４は、統合データ演算装置の機能ブロックの構成例を示す図である。 図５は、情報処理装置のハードウェア構成例を示す図である。 図６は、狭域観測データ演算装置の動作フローの例を示す図である。 図７は、広域観測データ演算装置の動作フローの例を示す図である。 図８は、統合データ演算装置の動作フローの例を示す図である。

以下、図面を参照して実施形態について説明する。実施形態の構成は例示であり、開示の構成は、開示の実施形態の具体的構成に限定されない。開示の構成の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。

〔実施形態〕
（構成例）
図１は、本実施形態の気象予測システム構成例を示す図である。気象予測システム１は、複数の地域（地域Ａ、地域Ｂなど）を含む全域、または、全域のうちの一部の領域についての気象データを気象モデルに基づいて算出するシステムである。図１のように、気象予測システム１は、狭域観測データ演算装置１００、広域観測データ演算装置２００、統合データ演算装置３００を含む。狭域観測データ演算装置１００及び広域観測データ演算装置２００と、統合データ演算装置３００とは、互いにネットワークを介して通信可能に
接続される。狭域観測データ演算装置１００、広域観測データ演算装置２００は、所定の地域毎に、設けられる。例えば、狭域観測データ演算装置１００、広域観測データ演算装置２００が、地域Ａにも、地域Ｂにも、設けられる。また、１つの地域において、狭域観測データ演算装置１００や広域観測データ演算装置２００が存在しなくてもよい。狭域観測データ演算装置１００、広域観測データ演算装置２００の数は、特定の数に限定されない。また、各地域は、隣接する他の地域と一部分が重複してもよい。また、全域は、どの地域にも含まれない領域を含んでもよい。狭域観測データ演算装置１００、広域観測データ演算装置２００は、観測データ演算装置として一体化してもよい。また、狭域観測データ演算装置１００、広域観測データ演算装置２００、統合データ演算装置３００は、データ演算装置として一体化してもよい。

狭域観測データ演算装置１００は、所定の地域内の観測点で観測された狭域の気象データ（気象観測値）で、気象推定値をデータ同化し、所定の地域の気象解析値を算出する。狭域観測データ演算装置１００は、狭域の気象解析値に基づいて、所定地域内の狭域の気象予測データを算出する。狭域観測データ演算装置１００は、狭域の気象予測データを、統合データ演算装置３００に出力する。気象推定値は、狭域観測データ演算装置１００で過去に算出された気象予測データである。

広域観測データ演算装置２００は、所定の観測点で観測された広域の気象データに基づいて、広域の気象観測値を取得し、当該広域の気象観測値を、統合データ演算装置３００に出力する。所定の観測点は、所定の地域内であっても、所定の地域外であってもよい。

統合データ演算装置３００は、各狭域観測データ演算装置１００から、狭域の気象予測データを取得する。統合データ演算装置３００は、所定の観測点で観測された狭域の気象データ（気象観測値）を取得してもよい。統合データ演算装置３００は、各広域観測データ演算装置２００から、広域の気象観測値を取得する。統合データ演算装置３００は、広域観測データ演算装置２００からの広域の気象観測値と、狭域の気象予測データとから、狭域の気象予測データの信頼度を算出する。統合データ演算装置３００は、算出した信頼度を使用して、狭域観測データ演算装置１００から取得した狭域の気象予測データで、気象推定値を、データ同化して、全域の気象解析値を算出する。統合データ演算装置３００は、算出した信頼度を使用して、狭域観測データ演算装置１００から取得した狭域の気象予測データおよび狭域観測データで、気象推定値を、データ同化して、全域の気象解析値を算出してもよい。統合データ演算装置３００は、全域の気象解析値に基づいて、全域の気象予測データを算出する。気象推定値は、統合データ演算装置３００で過去に算出された気象予測データである。

図２は、狭域観測データ演算装置の機能ブロックの構成例を示す図である。狭域観測データ演算装置１００は、狭域データ取得部１０２、信頼度算出部１０４、データ同化部１０６、予測部１０８、出力部１１０、記憶部１１２を含む。

狭域データ取得部１０２は、所定の地域内の観測点で観測された狭域の気象データを取得する。狭域データ取得部１０２は、所定の地域内に設置される温度計や風速計等の観測装置から、気温、風速、気圧等の狭域の気象データ（気象観測値）を取得する。狭域の気象データとは、気温、気圧などの、観測点およびその極近傍の領域の状態（その場の状態）を示す気象データである。狭域の気象データとは、気象モデルにおける１つの格子点に相当する領域の気象データである。

信頼度算出部１０４は、取得された狭域の気象データの信頼度を算出する。信頼度は、あらかじめ固定値を与えられてもよいし、観測装置による観測条件等によって、気象データ毎に算出されてもよい。

データ同化部１０６は、信頼度算出部１０４で得られた信頼度を用いて、狭域の気象データで、気象推定値をデータ同化し、所定の地域の気象解析値を算出する。

予測部１０８は、気象シミュレーションにより、気象モデルに基づいて、データ同化部１０６で算出された所定の地域の気象解析値から、所定の地域の気象予測データを算出する。所定の地域の気象予測データは、後の計算における気象推定値となる。

出力部１１０は、予測部１０８で算出された所定の地域の気象予測データを、統合データ演算装置３００に出力する。気象予測データには、例えば、気象モデルの格子点毎に算出された気象データが含まれる。

記憶部１１２は、取得された気象データ、各構成部で算出される算出結果等の狭域観測データ演算装置１００で使用されるデータ等を格納する。

図３は、広域観測データ演算装置の機能ブロックの構成例を示す図である。広域観測データ演算装置２００は、広域データ取得部２０２、データ算出部２０４、出力部２０６、記憶部２０８を含む。

広域データ取得部２０２は、所定の地域内の観測領域で観測された広域の気象観測値の基となるデータを取得する。例えば、広域データ取得部２０２は、所定の地域内に設置されるカメラ等の観測装置から、空を含む画像を取得する。空を含む画像から、広域の気象データ（広域の気象観測値）としての雲量を求めることができる。雲量は、所定の領域において当該領域に対する雲の割合である。

データ算出部２０４は、広域データ取得部２０２が取得した広域の気象観測値の基となるデータから、広域の気象観測値を算出する。例えば、広域データ取得部２０２は、空を含む画像から、画像に含まれる領域の雲量（広域の気象観測値の例）を算出する。広域データ取得部２０２とデータ算出部２０４とが一体となって取得部として動作してもよい。

出力部２０６は、算出された広域の気象観測値を、気象観測値の観測領域の情報とともに、統合データ演算装置３００に出力する。

記憶部２０８は、取得された気象データ、各構成部で算出される算出結果等の広域観測データ演算装置２００で使用されるデータ等を格納する。

図４は、統合データ演算装置の機能ブロックの構成例を示す図である。統合データ演算装置３００は、データ取得部３０２、信頼度算出部３０４、データ同化部３０６、予測部３０８、出力部３１０、記憶部３１２を含む。

データ取得部３０２は、各狭域観測データ演算装置１００から、各所定の地域の気象予測データを取得する。データ取得部３０２は、各広域観測データ演算装置２００から、各所定の地域の広域の気象観測値を取得する。

信頼度算出部３０４は、広域の気象観測値と、当該広域の気象観測値に対応する気象予測データとから、狭域の気象予測データの信頼度を算出する。

データ同化部３０６は、信頼度算出部３０４が算出した信頼度を使用して、各狭域観測データ演算装置１００から取得した各所定の地域の気象予測データで、気象推定値を、データ同化して、全域の気象解析値を算出する。

予測部３０８は、気象シミュレーションにより、気象モデルに基づいて、データ同化部３０６で算出された全域の気象解析値から、全域の気象予測データを算出する。全域の気象予測データは、次の計算における気象推定値となる。

出力部３１０は、算出された全域の気象予測データを他の装置等に出力する。

記憶部３１２は、取得された気象予測データ、気象観測値、各構成部で算出される算出結果等の統合データ演算装置３００で使用されるデータ等を格納する。

狭域観測データ演算装置１００、広域観測データ演算装置２００、統合データ演算装置３００は、ワークステーション（ＷＳ、Work Station）のような専用または汎用のコンピュータ、ＰＣ（Personal Computer）、スマートフォン、携帯電話、タブレット型端末、
カーナビゲーション装置、ＰＤＡ（Personal Digital Assistant）、あるいは、コンピュータを搭載した電子機器を使用して実現可能である。

図５は、情報処理装置のハードウェア構成例を示す図である。図５に示す情報処理装置９０は、一般的なコンピュータの構成を有している。狭域観測データ演算装置１００、広域観測データ演算装置２００、統合データ演算装置３００は、図５に示すような情報処理装置９０を用いることによって、実現される。図５の情報処理装置９０は、プロセッサ９１、メモリ９２、記憶部９３、入力部９４、出力部９５、通信制御部９６を有する。これらは、互いにバスによって接続される。メモリ９２及び記憶部９３は、コンピュータ読み取り可能な記録媒体である。情報処理装置のハードウェア構成は、図５に示される例に限らず、適宜構成要素の省略、置換、追加が行われてもよい。

情報処理装置９０は、プロセッサ９１が記録媒体に記憶されたプログラムをメモリ９２の作業領域にロードして実行し、プログラムの実行を通じて各構成部等が制御されることによって、所定の目的に合致した機能を実現することができる。

プロセッサ９１は、例えば、ＣＰＵ（Central Processing Unit）やＤＳＰ（Digital Signal Processor）である。

メモリ９２は、例えば、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）を含む。メモリ９２は、主記憶装置とも呼ばれる。

記憶部９３は、例えば、ＥＰＲＯＭ（Erasable Programmable ROM）、ハードディスク
ドライブ（ＨＤＤ、Hard Disk Drive）である。また、記憶部９３は、リムーバブルメデ
ィア、即ち可搬記録媒体を含むことができる。リムーバブルメディアは、例えば、ＵＳＢ（Universal Serial Bus）メモリ、あるいは、ＣＤ（Compact Disc）やＤＶＤ（Digital Versatile Disc）のようなディスク記録媒体である。記憶部９３は、二次記憶装置とも呼ばれる。

記憶部９３は、情報処理装置９０で使用される、各種のプログラム、各種のデータ及び各種のテーブルを読み書き自在に記録媒体に格納する。記憶部９３には、オペレーティングシステム（Operating System :ＯＳ）、各種プログラム、各種テーブル等が格納される。記憶部９３に格納される情報は、メモリ９２に格納されてもよい。また、メモリ９２に格納される情報は、記憶部９３に格納されてもよい。

オペレーティングシステムは、ソフトウェアとハードウェアとの仲介、メモリ空間の管理、ファイル管理、プロセスやタスクの管理等を行うソフトウェアである。オペレーティ
ングシステムは、通信インタフェースを含む。通信インタフェースは、通信制御部９６を介して接続される他の外部装置等とデータのやり取りを行うプログラムである。外部装置等には、例えば、他の情報処理装置、外部記憶装置等が含まれる。

入力部９４は、キーボード、ポインティングデバイス、ワイヤレスリモコン、タッチパネル等を含む。また、入力部９４は、カメラのような映像や画像の入力装置や、マイクロフォンのような音声の入力装置を含むことができる。

出力部９５は、ＬＣＤ（Liquid Crystal Display）、ＥＬ（Electroluminescence）パ
ネル、ＣＲＴ（Cathode Ray Tube）ディスプレイ、ＰＤＰ（Plasma Display Panel）等の表示装置、プリンタ等の出力装置を含む。また、出力部９５は、スピーカのような音声の出力装置を含むことができる。

通信制御部９６は、他の装置と接続し、情報処理装置９０と他の装置との間の通信を制御する。通信制御部９６は、例えば、ＬＡＮ（Local Area Network）インタフェースボード、無線通信のための無線通信回路、有線通信のための通信回路である。ＬＡＮインタフェースボードや無線通信回路は、インターネット等のネットワークに接続される。

プログラムを記述するステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくても、並列的または個別に実行される処理を含む。プログラムを記述するステップの一部が省略されてもよい。

一連の処理は、ハードウェアにより実行させることも、ソフトウェアにより実行させることもできる。ハードウェアの構成要素は、ハードウェア回路であり、例えば、ＦＰＧＡ（Field Programmable Gate Array）、特定用途向け集積回路（ＡＳＩＣ：Application Specific Integrated Circuit）、ゲートアレイ、論理ゲートの組み合わせ、アナログ回路等がある。ハードウェアは制御装置の一例である。

（動作例）
〈狭域観測データ演算装置の動作〉
図６は、狭域観測データ演算装置の動作フローの例を示す図である。

Ｓ１０１では、狭域データ取得部１０２は、所定の地域内の観測点で観測された狭域の気象データを取得する。所定の地域内には、複数の観測点が存在しうる。観測点には、温度計や風速計等の観測装置が設置され得る。１つの観測点では、１または複数の種類の気象データを観測しうる。狭域データ取得部１０２は、観測装置等から、気温、風速、気圧等の狭域の気象データ（気象観測値）を取得する。狭域データ取得部１０２は、取得した気象データを記憶部１１２に格納する。

Ｓ１０２では、信頼度算出部１０４は、取得された狭域の気象データの信頼度を算出する。気象データの信頼度は、気象データの確からしさを表す値である。信頼度は、あらかじめ固定値で与えられてもよいし、観測装置による観測条件等によって、気象データ毎に算出されてもよい。信頼度は、気象データによらず一定値としてもよい。信頼度算出部１０４は、算出した信頼度を、記憶部１１２に格納する。

Ｓ１０３では、データ同化部１０６は、信頼度算出部１０４で得られた信頼度を用いて、狭域の気象データで、気象推定値をデータ同化し、所定の地域の気象解析値を算出する。データ同化については、後述する。

Ｓ１０４では、予測部１０８は、気象シミュレーションにより、気象モデルに基づいて
、データ同化部１０６で算出された所定の地域の気象解析値を初期値として、所定の地域の気象予測データを算出する。予測部１０８は、算出した気象予測データを記憶部１１２に格納する。算出された所定の地域の気象予測データは、後の計算における気象推定値となる。予測部１０８における気象シミュレーションにおいて、初期条件や、演算対象となる所定の地域の内部と外部との間の領域境界のデータは、統合データ演算装置３００等から与えられる。

Ｓ１０５では、出力部１１０は、予測部１０８で算出された所定の地域の気象予測データを、統合データ演算装置３００に出力する。気象予測データには、例えば、気象モデルの格子点毎に算出された気象データ、格子点の位置情報等が含まれる。出力部１１０は、統合データ演算装置３００における気象モデルの格子点に合わせて、出力する気象予測データから、データを間引いたり、データを平均化したりして出力してもよい。

これにより、各狭域観測データ演算装置１００は、所定の地域毎に、狭域の気象データ等に基づいて、気象予測データを算出し、統合データ演算装置３００に出力する。狭域観測データ演算装置１００において、所定の地域内で観測された気象データと気象推定値とのデータ同化を行うため、統合データ演算装置３００における計算負荷を低減することができる。また、算出される気象予測データは、気象観測値に比べて、均質なデータ（例えば、気象モデルの格子点毎の気象データ）であるため、統合データ演算装置３００において、扱いやすいデータとなる。

〈広域観測データ演算装置の動作〉
図７は、広域観測データ演算装置の動作フローの例を示す図である。

Ｓ２０１では、広域データ取得部２０２は、所定の地域内の観測領域で観測された広域の気象観測値の基となるデータを取得する。例えば、広域データ取得部２０２は、所定の地域内に設置されるカメラ等の観測装置から、空を含む画像を取得する。このとき、広域データ取得部２０２は、画像に含まれる領域の情報（撮影位置、撮影方向、画角など）も取得する。領域の情報により、画像に含まれる空の領域を特定することができる。空を含む画像から、当該画像に含まれる領域に存在する雲の雲量を求めることができる。広域の気象データとは、雲量などの、点と見なせない領域の状態を示す気象データである。広域の気象データとは、気象モデルにおける複数の格子点を含む領域の情報（例えば、撮影位置、撮影方向、画角など）に対して１つ求められる気象データである。広域データ取得部２０２は、取得したデータを記憶部２０８に格納する。

Ｓ２０２では、データ算出部２０４は、広域データ取得部２０２が取得した広域の気象観測値の基となるデータから、広域の気象観測値を算出する。例えば、広域データ取得部２０２は、空を含む画像から、画像に含まれる領域の雲量（広域の気象観測値の例）を算出する。このとき、例えば、データ算出部２０４は、あらかじめ深層学習でさまざまな空を含む画像等を用いて雲量を学習しておき、取得された画像の雲量を算出する。深層学習を用いることで、決まった形状を有さない雲の雲量を適切に算出することができる。また、深層学習を用いることで、空以外の建物等が含まれる画像であっても、雲量を適切に算出することができる。すなわち、一般に利用されるデジタルスチルカメラや携帯端末のカメラなどで、様々な位置で撮影された空を含む画像を、雲量を算出するための画像として使用することができる。多くの画像を利用することで、多くの広域の気象観測値を取得することができる。多くの広域の気象観測値を利用して気象予測を行うことで、気象予測の精度を向上させることができる。データ算出部２０４による雲量の算出には、深層学習以外の方法が使用されてもよい。データ算出部２０４は、算出した広域の気象観測値を記憶部２０８に格納する。広域の気象観測値は、何らかの気象観測装置によって、得られて、広域データ取得部２０２が取得し、記憶部２０８に格納されてもよい。

Ｓ２０１、Ｓ２０２で、広域観測データ演算装置２００において、広域の気象観測値が取得される。

Ｓ２０３では、出力部２０６は、記憶部２０８に格納される広域の気象観測値を、気象観測値の観測領域の情報とともに、統合データ演算装置３００に出力する。

これにより、各広域観測データ演算装置２００は、所定の地域毎に、広域の気象観測値を算出し、統合データ演算装置３００に出力する。

〈統合データ演算装置の動作〉
図８は、統合データ演算装置の動作フローの例を示す図である。

Ｓ３０１では、データ取得部３０２は、各狭域観測データ演算装置１００から、狭域の気象予測データを取得する。データ取得部３０２は、各広域観測データ演算装置２００から、広域の気象観測値を取得する。データ取得部３０２は、取得したデータを記憶部３１２に格納する。データ取得部３０２は、所定の地域内の観測点で観測された狭域の気象データ（気象観測値）を取得してもよい。

Ｓ３０２では、信頼度算出部３０４は、広域の気象観測値と、当該広域の気象観測値に対応する気象予測データとから、狭域の気象予測データの信頼度を算出する。狭域の気象予測データの信頼度は、広域の気象観測値に対応する気象予測データが広域の気象観測値に近いほど大きくなる。信頼度算出部３０４は、例えば、広域の気象観測値に対応する気象予測データを、狭域の気象予測データに基づいて算出する。広域の気象観測値に対応する気象予測データは、狭域観測データ演算装置１００において算出されて、統合データ演算装置３００に出力されてもよい。広域の気象観測値が雲量である場合、信頼度算出部３０４は、広域観測データ演算装置２００から取得したある領域の雲量と、前の気象シミュレーションで算出された当該領域の雲量（気象推定値）とを比較して、気象推定値の信頼度を算出する。例えば、広域の気象観測値が雲量の気象観測値である場合、広域の気象観測値に対応する気象予測データは雲量である。

Ｓ３０３では、データ同化部３０６は、信頼度算出部３０４が算出した信頼度を使用して、各狭域観測データ演算装置１００から取得した気象予測データ（および、気象観測値）で、気象推定値を、データ同化して、全域の気象解析値を算出する。これにより、気象解析値に、広域の気象観測値の情報を反映させることができる。

Ｓ３０４では、予測部３０８は、気象シミュレーションにより、気象モデルに基づいて、データ同化部３０６で算出された全域の気象解析値から、全域の気象予測データを算出する。算出される全域の気象予測データは、初期時刻から所定の期間の気象予測データである（複数の時刻のデータを含んでもよい）。初期時刻は、データ同化部３０６で算出された全域の気象解析値における時刻以降の時刻である。全域の気象予測データのうち、ある時刻における気象予測データは、当該時刻から開始する次の計算における気象推定値となる。予測部３０８における気象シミュレーションにおいて、初期条件は、他の装置等から与えられる。また、予測部３０８における気象シミュレーションにおいて、全域が地球全体でない場合には、演算対象となる全域の内部と外部との間の領域境界のデータは、他の装置等から与えられる。

Ｓ３０５では、出力部３１０は、算出された全域の気象予測データを他の装置等に出力する。

統合データ演算装置３００における気象シミュレーションにおいて全域が地球全体でない場合、当該全域を含む領域についての気象シミュレーションを行う、統合データ演算装置３００の上位の演算装置が設けられてもよい。このとき、統合データ演算装置３００と当該上位の演算装置との関係は、狭域観測データ演算装置１００と統合データ演算装置３００との関係と同様となる。また、さらに上位の演算装置が設けられてもよい。

（気象シミュレーション）
気象シミュレーション（気象予測）では、気象モデルにしたがって、地形データ、気象データ等から、所定の空間的範囲の、所定の期間の、大気の気温、風速、密度、圧力、熱放射、雲分布等の気象データが算出される。雲分布は、例えば、雲水量、雨水量、雲氷量、雪量、霰量を含む。

地形データには、例えば、気象シミュレーションの対象となる空間的範囲内の、地表面の位置、地質等が含まれる。地質は、地表面の属性（裸地、芝生、舗装面等の地面の特性）等を表す。地質は、地表面の放射率に影響を与える。放射率は、地表面の属性の１つである。地質の相違によって、地表面の放射率が相違する。

気象データには、例えば、気象シミュレーションの対象となる範囲内の全部又は一部の地点の、位置、風（風向、風速等）、気温、気圧、湿度、水物質量（水蒸気量、雲水量、雨水量等）、太陽からの日射量等が含まれる。

（気象モデル）
ここでは、気象モデルの例として、非静力学・大気大循環モデル（ＭＳＳＧ−Ａ、Atmospheric component of the Multi-Scale Simulator for the Geoenvironment）について
説明する。気象モデルとしては、これに限らず、どのような気象モデルを使用してもよい。

非静力学・大気大循環モデルは、メソスケールの気象現象を対象とする全球および領域に適用可能な気象モデルである。

非静力学・大気大循環モデルでは、初期条件として地形データを与え、パラメータとして、ある時刻の、風、気温、湿度、水物質量、圧力等の気象データを入力すると、地形データに基づいた、当該時刻の計算領域全体の風、気温、湿度、水物質量、圧力等がグリッド毎に算出することができる。非静力学・大気大循環モデルでは、これらの気象データに基づいて、大気中の、雲量、雲水量、雨水量、雲氷量、雪量、霰量、下向き短波放射量等の気象データが、算出される。これらの気象データは、大気の状態を表すデータである。さらに、非静力学・大気大循環モデルでは、これらの気象データに基づいて、微小時間経過後の気象データが、算出される。気象データ算出の際、すべてのグリットの気象データを、入力データとして与えなくてもよい。非静力学・大気大循環モデルでは、データのないグリッドについては、適切にデータが補間されるからである。

また、非静力学・大気大循環モデルでは、グリッド毎に出力された気象データに基づいて、任意の時間経過後の計算領域全体のグリッド毎の気象データの算出を行うことができる。

気象データを入出力する単位であるグリッドの大きさは、領域により制御することができる。よって、例えば、都市空間ではグリッドの密度を高くしてより詳細な気象データを与え、都市空間以外ではグリッドの密度を小さくして気象データを与えることができる。

計算初期条件の気象データ、及び、空間における数値計算で求めた空間の気象データ等
を、上記の式に代入することで、初期時間から任意時間経過後の計算領域全体の空間の影響を含む気象データを得ることができる。

（データ同化）
気象観測等により得られる気象データは、時間的にも空間的にも不均一である。このため、気象モデルに利用可能な時間的にも空間的にも均一な形式の値を算出することが求められる。データ同化とは、気象観測等により得られる気象観測値と気象推定値（第１推定値）とを用いて、ある時刻の大気状態を示す物理量の分布を算出することである。算出される分布を解析値（気象解析値）という。算出された解析値は、気象モデルの初期値として使用される。気象推定値は、前に気象モデル等で算出されたある時刻の気象を推定した気象データの値である。

データ同化では、気象推定値を、気象観測値で修正することが行われる。気象推定値にも、気象観測値にも、誤差が存在すると考えられるため、気象推定値を気象観測値に単純に置き換えるのではなく、気象観測値と気象推定値との間に解析値を求めることになる。

データ同化の手法として、アンサンブルカルマンフィルタ法、４次元変分法、３次元変分法、最適内挿法等があるが、どのような手法が使用されてもよい。最適内挿法では、気象観測値の気象推定値からのずれを、気象観測値の誤差、気象推定値の誤差を考慮して、気象推定値の格子に内挿して気象推定値を修正する。最適内挿法によるデータ同化では、解析値ｘ_ａ（ｎ×１行列）は、次のように算出される。

ここで、ｘ_ａ（ｎ×１行列）は気象推定値、ｙ_０（ｍ×１行列）は気象観測値、Ｗは重み行列（ｎ×ｍ行列）、Ｈは気象モデルの格子点から観測点への空間内挿を表す行列（ｍ×ｎ行列）、Ｒは観測値の誤差共分散行列（ｍ×ｍ行列）、Ｂはモデルの誤差共分散行列（ｎ×ｎ行列）である。また、ｍは気象観測の観測点の数、ｎは格子点の数である。格子点は、気象モデルで使用される格子（グリッド）の格子点である。また、統合データ演算装置３００のように、狭域の気象予測データで、全域の気象推定値をデータ同化する場合、ｍは狭域の気象予測データおよび気象観測値の格子点数であり、ｎは全域の気象推定値の格子点数である。当該狭域の気象予測データで、全域の気象推定値をデータ同化する場合、当該狭域の気象予測データの格子点の水平方向平均などの平均操作によって狭域の気象予測データの格子点の数を減らしてもよい。格子点の数を減らすことにより、データ量が削減され、データ同化の計算コストが小さくなる。

Ｒ、Ｂの各要素は、例えば、次のように表される。

ここで、σ_０ ^２は気象観測値の分散、σ_Ｂ ^２は気象推定値の分散である。ｒ_ｐは、気象モデルの格子点ｐの位置ベクトルである。ここでは、観測値の誤差は、一様で、独立であるとしている。また、気象推定値の誤差は、所定の影響範囲Ｌの近傍にて大きな相関を有するとしている。距離が大きくなるほど関連性が薄れると考えられるからである。ここで、Ｗの計算において、σ_０ ^２とσ_Ｂ ^２との比が重要であるので、σ_Ｂ ^２＝１として一般性を失わない。よって、σ_０ ^２とＬとを用いることにより、データ同化を行うことができる。σ_０ ^２、σ_Ｂ ^２は、値の信頼度に対応する。σ_０ ^２、σ_Ｂ ^２は、値の信頼度が大きいほど小さくなる。Ｗの計算は、計算負荷が大きい。

Ｒ、Ｂの各要素は、他の方法で表されてもよい。例えば、気象観測値の分散が、気象観測値毎に異なる値であってもよい。

（実施形態の作用、効果）
狭域観測データ演算装置１００は、所定の地域の狭域の気象観測値を取得して、所定の地域の気象推定値を、気象観測値でデータ同化を行い、気象解析値を算出する。狭域観測データ演算装置１００は、気象シミュレーションにより、気象モデルに基づいて、気象解析値を初期値として、所定の地域の気象予測データを算出する。また、広域観測データ演算装置２００は、カメラで撮影された画像等を用いて広域の気象観測値（雲量など）を算出する。統合データ演算装置３００は、各狭域観測データ演算装置１００による各地域の気象予測データで、全域の気象推定値をデータ同化する。狭域観測データ演算装置１００による各地域の気象予測データは、均質なデータであるため、統合データ演算装置３００によるデータ同化における計算負荷の増大が抑制される。気象観測値を用いたデータ同化は、各狭域観測データ演算装置１００で行われるため、気象観測値の観測点が増えても、統合データ演算装置３００における計算負荷の増大が抑制される。すなわち、気象予測システム１は、狭域観測データ演算装置１００で気象観測値を用いたデータ同化を行い、統合データ演算装置３００で各地域の気象予測データを用いてデータ同化を行うことで、システム全体の計算負荷の増大を抑制することができる。統合データ演算装置３００は、広域の気象観測値を用いて、気象推定値の信頼度を算出する。これにより、広域の気象観測値を活用して、気象予測の精度の向上をさせることができる。

（その他）
ここでは、気象モデルに基づく気象予測システムについて説明したが、当該気象予測システムを、海象モデルに基づく海象予測システムに適用することもできる。

以上、本発明の実施形態を説明したが、これらはあくまで例示にすぎず、本発明はこれらに限定されるものではなく、特許請求の範囲の趣旨を逸脱しない限りにおいて、当業者の知識に基づく種々の変更が可能である。また、各構成例等は、可能な限りにおいて、組み合わされて実施され得る。

〈コンピュータ読み取り可能な記録媒体〉
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。

ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体内には、ＣＰＵ、メモリ等のコンピュータを構成する要素を設け、そのＣＰＵにプログラムを実行させてもよい。

また、このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ／Ｗ、ＤＶＤ、ＤＡＴ、８mmテープ、メモリカード等がある。

また、コンピュータ等に固定された記録媒体としてハードディスクやＲＯＭ等がある。

１００ 狭域観測データ演算装置
２００ 広域観測データ演算装置
３００ 統合データ演算装置
９０ 情報処理装置
９１ プロセッサ
９２ メモリ
９３ 記憶部
９４ 入力部
９５ 出力部
９６ 通信制御部

Claims (6)

1. 所定地域の気象推定値を、前記所定地域の狭域の気象観測データでデータ同化して、前記所定地域の気象解析値を算出するデータ同化部と、
   所定の気象モデルに基づいて、前記所定地域の気象解析値により、前記所定地域の気象予測データを算出する予測部と、
   前記気象予測データを統合データ演算装置に出力する出力部を備える狭域観測データ演算装置と、
   前記所定地域の広域の気象観測データを取得する取得部と、
   前記広域の気象観測データを出力する出力部を備える広域観測データ演算装置と、
   複数の前記狭域観測データ演算装置から、前記所定地域毎の前記気象予測データを取得し、複数の前記広域観測データ演算装置から、前記広域の気象観測データを取得する取得部と、
   前記広域の気象観測データと、前記所定地域を含む領域の気象予測データとに基づいて、前記領域の気象予測データの信頼度を算出する信頼度算出部と、
   前記信頼度を用いて、前記所定地域毎の前記気象予測データで、前記領域の気象推定値をデータ同化して、前記領域の気象解析値を算出するデータ同化部と、
   前記気象モデルに基づいて、前記領域の気象解析値により、前記領域の気象予測データを算出する予測部を備える統合データ演算装置と、
   を含む気象予測システム。
2. 前記広域観測データ演算装置の前記取得部は、前記所定地域の空を含む画像から当該空の雲量を、深層学習を用いて、前記広域の気象観測データとして算出する、
   請求項１に記載の気象予測システム。
3. 前記統合データ演算装置の前記取得部は、前記領域の狭域の気象観測データを取得し、
   前記統合データ演算装置の前記データ同化部は、前記領域の狭域の気象観測データ、および、前記信頼度を用いて、前記所定地域毎の前記気象予測データで、前記領域の気象推定値をデータ同化して、前記領域の気象解析値を算出する、
   請求項１または２に記載の気象予測システム。
4. 所定地域の気象推定値を、前記所定地域の狭域の気象観測データでデータ同化して、前記所定地域の気象解析値を算出するデータ同化部と、
   所定の気象モデルに基づいて、前記所定地域の気象解析値により、前記所定地域の気象予測データを算出する予測部と、
   前記気象予測データを統合データ演算装置に出力する出力部を備える狭域観測データ演算装置と、
   複数の前記狭域観測データ演算装置から、前記所定地域毎の前記気象予測データを取得する取得部と、
   前記所定地域毎の前記気象予測データで、複数の所定地域を含む領域の気象推定値をデータ同化して、前記領域の気象解析値を算出するデータ同化部と、
   前記気象モデルに基づいて、前記領域の気象解析値により、前記領域の気象予測データを算出する予測部を備える統合データ演算装置と、
   を含む気象予測システム。
5. 情報処理装置が、
   所定地域の気象推定値を、前記所定地域の狭域の気象観測データでデータ同化して、前記所定地域の気象解析値を算出し、
   所定の気象モデルに基づいて、前記所定地域の気象解析値により、前記所定地域の気象予測データを算出し、
   前記所定地域の広域の気象観測データを算出し、
   複数の前記所定地域毎の前記気象予測データを取得し、複数の前記広域の気象観測データを取得し、
   前記広域の気象観測データと、前記所定地域を含む領域の気象予測データとに基づいて、前記領域の気象予測データの信頼度を算出し、
   前記信頼度を用いて、前記所定地域毎の前記気象予測データで、前記領域の気象推定値をデータ同化して、前記領域の気象解析値を算出し、
   前記気象モデルに基づいて、前記領域の気象解析値により、前記領域の気象予測データを算出する
   ことを実行する気象予測方法。
6. 情報処理装置が、
   所定地域の気象推定値を、前記所定地域の狭域の気象観測データでデータ同化して、前記所定地域の気象解析値を算出し、
   所定の気象モデルに基づいて、前記所定地域の気象解析値により、前記所定地域の気象予測データを算出し、
   前記所定地域の広域の気象観測データを算出し、
   複数の前記所定地域毎の前記気象予測データを取得し、複数の前記広域の気象観測データを取得し、
   前記広域の気象観測データと、前記所定地域を含む領域の気象予測データとに基づいて、前記領域の気象予測データの信頼度を算出し、
   前記信頼度を用いて、前記所定地域毎の前記気象予測データで、前記領域の気象推定値をデータ同化して、前記領域の気象解析値を算出し、
   前記気象モデルに基づいて、前記領域の気象解析値により、前記領域の気象予測データを算出する
   ことを実行するための気象予測プログラム。

Images