JP5203104B2 - 降水予測システム、方法及びプログラム - Google Patents

Description

本発明は、降水予測システム、方法及びプログラムに関し、より具体的には、ごく短時間先の降水を精度よく予測する降水予測システム、方法及びプログラムに関する。

従来、地上レーダにより上空の雲量を動画像として撮影し、雲画像又は降雨域の動きベクトルに従い現在の雲又は降雨域を移動させることで、降水を予測していた（特許文献１、２、３参照）。

特許文献４には、地形効果を加味して、レーダ画像における降水域の発達・衰退を２次元画像の形で高精度に予測する降水パターン変化予測方法と装置が記載されている。

特許文献５には、レーダにより降水粒子を計測し、降水量を予測するシステムが記載されている。

特許文献６には、広域で観測される広域気象観測データを局地的に観測される局地気象観測データで補正する気象予測システムが記載されている。

特許文献７には、超短時間降雨瞬時予測方法及び装置が記載されている。具体的には、気象庁による所定時間毎の降水観測値Ａと、その移動経路に所定の間隔で分散配置された雨量計で観測された雨量Ｂとを比較して二次元補正値Ｃを算出し、降水観測値を実雨量分布Ｄ（＝Ａ×Ｃ）に変換する。実雨量分布Ｄに対してパターンマッチングを行うことにより得た実雨量分布の平均移動ベクトルＭから、現時点の実雨量分布Ｄの予測時点における到達位置（ｘ₁ ，ｙ₁ ）を求め、この到達位置の実雨量分布Ｄから予測時点における予測地点の降雨量予測値Ｅを算出する。

また、ＧＰＳ及び静止衛星により可降水量を計測できることが知られている（非特許文献１）
特開２００１−２６４４５６号公報 特開平１１−０２３７２７号公報 特開平１０−２２７８７２号公報 特開平１０−２８８６７４号公報 特開２００３−３４４５５６号公報 特開２００２−３２８１７８号公報 特開２００１−０３３５６７号公報 赤塚 慎，遠藤 貴宏，安岡 善文，「衛星画像とGPSを用いた陸域可降水量分布の推定」,生産研究 58，343 (2006)

気象レーダにより観測される降水域の移動を将来に向かって外挿する方法では、そもそも気象レーダによる雲又は降水域の観測の存在が前提となり、雷雨等の急発達する雨を予測することはできない。

本発明は、このような急発達する雨等も予測可能な降水予測システム、方法及びプログラムを提示することを目的とする。

本発明に係る降水予測システムは、複数地点のＧＰＳ可降水量観測データを入力する可降水量入力手段と、複数地点の風向風速データを入力する風向風速入力手段と、複数地点の気圧データを入力する気圧入力手段と、当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データから、それぞれ、所定距離間隔の格子点上の可降水量格子点データ、風格子点データ及び気圧格子点を生成するメッシュ化手段と、当該可降水量格子点データの時間変動を算出する可降水量変動算出手段と、当該風格子点データの収束発散量を算出する収束発散量算出手段と、当該気圧格子点データの時間変動を算出する気圧変動算出手段と、降水量統計データ及び降水確率統計データを記憶する統計データ記憶手段と、当該可降水量変動算出手段、当該収束発散量算出手段及び当該気圧変動算出手段の出力に従い、当該降水量統計データ及び降水確率統計データを参照して、降水量及び降水確率を予測する降水量予測手段とを具備することを特徴とする。

本発明に係る降水予測システムは、複数地点のＧＰＳ可降水量観測データを入力する可降水量入力手段と、複数地点の風向風速データを入力する風向風速入力手段と、複数地点の気圧データを入力する気圧入力手段と、所定気象モデルに基づき気象状態を予測する気象モデル予測手段と、当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データを、当該気象モデル予測手段からの気象モデル値にデータ同化して、修正可降水量、修正風向風速値、及び修正気圧値を出力するデータ同化手段と、当該修正可降水量の時間変動を算出する可降水量変動算出手段と、当該修正風向風速値の収束発散量を算出する収束発散量算出手段と、当該修正気圧値の時間変動を算出する気圧変動算出手段と、降水量統計データ及び降水確率統計データを記憶する統計データ記憶手段と、当該修正可降水量の時間変動、当該修正風向風速値の収束発散量及び当該修正気圧値の時間変動に従い、当該降水量統計データ及び降水確率統計データを参照して、降水量及び降水確率を予測する降水量予測手段とを具備することを特徴とする。

本発明に係る降水予測方法は、複数地点のＧＰＳ可降水量観測データを入力する可降水量入力ステップと、複数地点の風向風速データを入力する風向風速入力ステップと、複数地点の気圧データを入力する気圧入力ステップと、当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データから、それぞれ、所定距離間隔の格子点上の可降水量格子点データ、風格子点データ及び気圧格子点を生成するメッシュ化ステップと、当該可降水量格子点データの時間変動を算出する可降水量変動算出ステップと、当該風格子点データの収束発散量を算出する収束発散量算出ステップと、当該気圧格子点データの時間変動を算出する気圧変動算出ステップと、当該可降水量変動算出ステップ、当該収束発散量算出ステップ及び当該気圧変動算出ステップの算出結果に従い、降水量統計データ及び降水確率統計データを参照して、降水量及び降水確率を予測する降水量予測ステップとを具備することを特徴とする。

本発明に係る降水予測方法は、複数地点のＧＰＳ可降水量観測データを入力する可降水量入力ステップと、複数地点の風向風速データを入力する風向風速入力ステップと、複数地点の気圧データを入力する気圧入力ステップと、所定気象モデルに基づき気象状態を予測する気象モデル予測ステップと、当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データを、当該気象モデル予測手段からの気象モデル値にデータ同化して、修正可降水量、修正風向風速値、及び修正気圧値を出力するデータ同化ステップと、当該修正可降水量の時間変動を算出する可降水量変動算出ステップと、当該修正風向風速値の収束発散量を算出する収束発散量算出ステップと、当該修正気圧値の時間変動を算出する気圧変動算出ステップと、当該可降水量変動算出ステップ、当該収束発散量算出ステップ及び当該気圧変動算出ステップの算出結果に従い、降水量統計データ及び降水確率統計データを参照して、降水量及び降水確率を予測する降水量予測ステップとを具備することを特徴とする。

本発明に係る降水予測プログラムは、コンピュータに複数地点のＧＰＳ可降水量観測データを入力する可降水量入力ステップと、当該コンピュータに複数地点の風向風速データを入力する風向風速入力ステップと、当該コンピュータに複数地点の気圧データを入力する気圧入力ステップと、当該コンピュータに、当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データから、それぞれ、所定距離間隔の格子点上の可降水量格子点データ、風格子点データ及び気圧格子点を生成させるメッシュ化ステップと、当該コンピュータに、当該可降水量格子点データの時間変動を算出させる可降水量変動算出ステップと、当該コンピュータに、当該風格子点データの収束発散量を算出させる収束発散量算出ステップと、当該コンピュータに、当該気圧格子点データの時間変動を算出させる気圧変動算出ステップと、当該コンピュータに、当該可降水量変動算出ステップ、当該収束発散量算出ステップ及び当該気圧変動算出ステップの算出結果に従い、降水量統計データ及び降水確率統計データを参照して、降水量及び降水確率を予測させる降水量予測ステップとを具備することを特徴とする。

本発明に係る降水予測プログラムは、コンピュータに複数地点のＧＰＳ可降水量観測データを入力する可降水量入力ステップと、当該コンピュータに複数地点の風向風速データを入力する風向風速入力ステップと、当該コンピュータに、複数地点の気圧データを入力する気圧入力ステップと、当該コンピュータに、所定気象モデルに基づき気象状態を予測させる気象モデル予測ステップと、当該コンピュータに、当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データを、当該気象モデル予測手段からの気象モデル値にデータ同化して、修正可降水量、修正風向風速値、及び修正気圧値を出力させるデータ同化ステップと、当該コンピュータに当該修正可降水量の時間変動を算出させる可降水量変動算出ステップと、当該コンピュータに、当該修正風向風速値の収束発散量を算出させる収束発散量算出ステップと、当該コンピュータに、当該修正気圧値の時間変動を算出させる気圧変動算出ステップと、当該コンピュータに、当該可降水量変動算出ステップ、当該収束発散量算出ステップ及び当該気圧変動算出ステップの算出結果に従い、降水量統計データ及び降水確率統計データを参照して、降水量及び降水確率を予測させる降水量予測ステップとを具備することを特徴とする。

本発明では、頻繁に観測されうるＧＰＳ可降水量を使って降水を予測するので、従来よりも高精度に予測が可能になる。また、地上のＧＰＳ受信機で観測することで、陸上の予測が可能になり、高密度にＧＰＳ受信機が配備されることで、空間的な精度も向上する。これらの結果、急発達する雨等も予測可能になる。

以下、図面を参照して、本発明の実施例を詳細に説明する。

図１は，本発明の第１実施例の概略構成ブロック図を示す。

ＧＰＳ受信機１０は、複数のＧＰＳ（Global Positioning System）衛星からのＧＰＳ電波を受信し、各ＧＰＳ衛星からの受信電波で搬送されるＧＰＳ受信データを可降水量解析装置１２に出力する。このようなＧＰＳ受信データは、例えば、ＧＥＯＮＥＴデータとして入手可能である。

可降水量解析装置１２は、まず、ＧＰＳ受信機１０からのＧＰＳ受信データと各ＧＰＳ衛星の軌道情報から天頂大気遅延量を算出する。他方、地上気圧から天頂静水圧遅延量を算出する。天頂大気遅延量から天頂静水圧遅延量を減算することで、天頂湿潤遅延量が得られる。この天頂湿潤遅延量は、天頂方向に見た水蒸気量を反映しており、可降水量解析装置１２は、このような演算で得られた天頂湿潤遅延量を可降水量に換算して、可降水量観測値ＰＷＶ_ｏｂｓとして出力する。このように、ＧＰＳ電波を利用して観測される可降水量観測値ＰＷＶ_ｏｂｓをＧＰＳ可降水量観測値と呼び、そのデータをＧＰＳ可降水量観測データと呼ぶ。

ＧＰＳ受信機１０は通常、１秒間隔程度でＧＰＳ受信データを出力できるが、可降水量解析装置１２は、所定の解析演算時間でＧＰＳ受信機１０の出力データから可降水量観測値ＰＷＶ_ｏｂｓを演算する。この解析演算時間が遅れとなるものの、この遅延時間は、可降水量解析装置１２の処理能力の向上により短縮できることは明らかである。本実施例では、以降の動作の理解を容易にするために、可降水量解析装置１２は、ΔＴ（分）間隔で間引かれた状態で、可降水量観測値ＰＷＶ_ｏｂｓを出力するとし、ΔＴ（分）は例えば、５分程度である。

可降水量変動算出装置１４は、可降水量解析装置１２からの可降水量観測値ＰＷＶ_ｏｂｓの時間変動を算出して、降水量予測装置１６に供給する。例えば、ΔＴ毎の差分を算出する。

ハードディスク１８には、可降水量の時間変動と実際の降水量との関係を示す過去の統計データからなる降水量統計データ１８ａと、可降水量の時間変動と降水確率との関係を示す過去の統計データからなる降水確率統計データ１８ｂが格納されている。降水量統計データ１８ａは、可降水量の時間変動（すなわち、可降水量変動算出装置１４から出力される時間変動量）と実際の降水量との関係を長期にわたり計測し、統計的に解析した結果からなり、季節毎又は現象毎等に分類されている。また、降水確率統計データ１８ｂは、過去の長期にわたる可降水量の時間変動と降水確率との関係を統計的に解析した結果からなり、これもまた、季節毎又は現象毎等に分類されている。

降水量予測装置１６は、可降水量変動算出装置１４で算出された変動量を、ハードディスク１８に格納される統計データ１８ａ，１８ｂと照合して，降水量と降水確率を予測する。

また、ＧＰＳ受信機１０と同じ又は近隣する地点でレーダエコーによる雨量強度のデータを得られる場合、降水量予測装置１６により予測される降水量に、レーダエコーによる雨量強度を加味しても良い。具体的には、合成装置２０が、降水量予測装置１６により予測された降水量Ｒ_ＰＷＶと、レーダエコーによる雨量強度Ｒ_{ｒａｄａｒ}を，下記式により重み係数ｄ，ｅで合成し、
降水量（予測）＝Ｒ_{ｒａｄａｒ}×ｄ＋Ｒ_ＰＷＶ×ｅ
降水量（予測）を算出する。重み係数ｄ，ｅは、過去の統計結果から予め求めておく。

本実施例では，ＧＰＳ受信機を設置されている場所の降水量と降水確率をスポット的に予測できる。

図２は、第２実施例の概略構成ブロック図を示す。この実施例では、ＧＰＳ受信データによる可降水量観測値に加えて、風（風向、風速）と気圧の観測値を参照して、降水量と降水確率をスポット予測する。

ＧＰＳ受信機１１０、可降水量解析装置１１２、可降水量変動算出装置１１４及び合成装置１２０の作用は、それぞれ、図１に示す実施例の、ＧＰＳ受信機１０、可降水量解析装置１２、可降水量変動算出装置１４及び合成装置２０の作用と同じである。

本実施例では、ＧＰＳ受信機１１０と実施的に同じ位置に、風観測器１２２と気圧観測器１２４を設置する。風観測器１２２はＧＰＳ受信機１１０を設置された位置の風の風向と風速（又は風速の東西成分と南北成分）を計測し、気圧観測器１２４は、ＧＰＳ受信機１１０を設置された位置の気圧を計測する。風観測器１２２及び／又は気圧観測器１２４は、地上又は空中の規定の環境下に設置される。典型的には、同じビルの屋上に、ＧＰＳ受信機１１０、風観測器１２０及び気圧観測器１２２を設置してもよく、ＧＰＳ受信機１１０設置した建物の隣の建物に、風観測器１２０及び気圧観測器１２２を設置してもよい。もちろん、ラジオゾンデ、ウインドウプロファイラー及びドップラーレーダー等も、風観測器１２２及び／又は気圧観測器１２４として利用可能である。

収束発散量算出装置１２６は、風観測器１２２からの風向と風速のデータから風の収束発散量を算出する。例えば、地上風の風速の東西成分をｕとし、南北成分をｖとしたとき、収束発散量Ｄは、
Ｄ＝ｄｕ／ｄｘ＋ｄｖ／ｄｙ
で計算される。

気圧変動算出装置１２８は、時間ΔＴに対する気圧の変動量を算出する。算出される気圧の時間変動量ΔＰ_ｓｆｃは、現在の気圧からΔＴ前の気圧を減算した結果に等しい。即ち、
ΔＰ_ｓｆｃ＝Ｐ_ｓｆｃ（ｔ_ｃ）−Ｐ_ｓｆｃ（ｔ_ｃ−ΔＴ）
である。ｔｃは現在時刻を示す。

ハードディスク１１８に格納される降水量統計データ１１８ａは、可降水量の時間変動、風の収束・発散量、及び気圧変動と、実際の降水量との関係を示す統計データからなり、降水量統計データ１１８ａに更に、収束発散量算出装置１２６により得られる風の収束・発散量と、気圧変動算出装置１２８により得られる気圧の時間変動とを加味したものである。また、降水確率統計データ１１８ｂは、可降水量の時間変動、風の収束・発散量、及び気圧変動と、降水確率との関係を示す統計データからなる。降水確率統計データ１１８ｂは、降水確率統計データ１８ｂに更に、収束発散量算出装置１２６により得られる風の収束・発散量と、気圧変動算出装置１２８により得られる気圧の時間変動とを加味したものである。降水量統計データ１１８ａ及び降水確率統計データ１１８ｂは共に、降水量統計データ１８ａ及び降水確率統計データ１８ｂと同様に、季節毎又は現象毎等に分類されている。

降水量予測装置１１６は、可降水量変動算出装置１１４で算出される可降水量の時間変動量、収束発散量算出装置１２６で算出される風の収束・発散量、及び気圧変動算出装置１２８により算出される気圧の時間変動量を、ハードディスク１１８に格納される統計データ１１８ａ，１１８ｂと照合して，降水量と降水確率を予測する。

本実施例でも、ＧＰＳ受信機１０と同じ又は近隣する地点でレーダエコーによる雨量強度のデータを得られる場合、このデータを併用することで、降水量の予測精度を高めることができる。合成装置１２０が、降水量予測装置１１６により予測された降水量Ｒ_ＰＷＶと、レーダエコーによる雨量強度Ｒ_{ｒａｄａｒ}を，下記式により重み係数ｄ，ｅで合成し、
降水量（予測）＝Ｒ_{ｒａｄａｒ}×ｄ＋Ｒ_ＰＷＶ×ｅ
降水量（予測）を算出する。重み係数ｄ，ｅは、過去の統計結果から予め求めておく。

本実施例では、ＧＰＳ受信機を設置されている場所の降水量と降水確率をスポット的に予測できる。風と気圧を参照することで、より高い精度で，降水量と降水確率を予測できる。

図３は、本発明の第３実施例の概略構成ブロック図を示す。この実施例は、空間的にある程度以上に密に、可降水量データをリアルタイム（又は準リアルタイム）で得られる場合に適用される。

ＧＰＳ受信機２１０−１〜２１０−ｎは、降水予測地域内の異なる位置（ｘ_１，ｙ_１）〜（ｘ_ｎ，ｙ_ｎ）に密に配置されている。各ＧＰＳ受信機２１０−１〜２１０−ｎは、ＧＰＳ受信機１０と同様に、複数のＧＰＳ衛星からのＧＰＳ電波を受信し、ＧＰＳ衛星の時刻データと軌道情報を含む受信データを出力する。

可降水量解析装置２１２−１〜２１２−ｎは、各ＧＰＳ受信機２１０−１〜２１０−ｎからのＧＰＳ受信データから、可降水量解析装置１２と同様の演算で可降水量観測値ＰＷＶ_ｏｂｓを演算する。可降水量解析装置２１２−１〜２１２−ｎから出力される可降水量観測値ＰＷＶ_ｏｂｓは、対応するＧＰＳ受信機２１０−１〜２１０−ｎの設置位置（ｘ，ｙ）に依存し、また、時間ｔの関数である。

各ＧＰＳ受信機２１０−１〜２１０−ｎからのＧＰＳ受信データを一カ所に集約し、１台の可降水量解析装置又は可降水量解析コンピュータプログラムにより各地点（ｘ_１，ｙ_１）〜（ｘ_ｎ，ｙ_ｎ）の可降水量を演算してもよいことはいうまでもない。理解を容易にするために、本実施例では、複数の可降水量解析装置２１２−１〜２１２−ｎを図示してある。

可降水量解析装置２１２−１〜２１２−ｎから出力される可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）は、一般的には、時間的には非同期であり、水平空間上で一般的に一定間隔に位置するものではない。そこで、同時化装置２３０が、内挿処理により、可降水量解析装置２１２−１〜２１２−ｎからの各可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）を時間軸上で再構成して、同じ時刻の観測値を示すように同時化する。同時化装置２３０の同時化処理は、各ＧＰＳ受信機２１０−１〜２１０−ｎから順次、出力されるデータの内、実質的に同時のデータのみを解析装置２１２−１〜２１２−ｎにより処理させることでも実現されうる。

なお、複数のＧＰＳ受信機による時刻同期したＧＰＳ受信データがＧＥＯＮＥＴデータとして入手可能であり、このデータを利用してもよい。この場合、同時化装置２３０は不要であり、また、可降水量解析装置２１２−１〜２１２−ｎを１台の可降水量解析装置又は可降水量解析用コンピュータプログラムに集約できる。

メッシュ化装置２３２が、同時化装置２３０により時間上で同じ時間に同時化された複数地点の可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）を、対象地域内において、水平空間上で一定距離間隔のメッシュ点（格子点）上に位置するように再配置する。このメッシュ化により、コンピュータ処理が容易になる。例えば、コンピュータ処理として、後段の予測処理や、データ同化処理、他のデータと合成する処理、最終的に得られる降水量の分布を作図する処理等がある。本実施例では、同時化装置２３０とメッシュ化装置２３２により、原観測値データを、時間軸上及び空間上で所定の間隔に並ぶ観測値データ（観測値格子点データ）に変換する。

メッシュ化装置２３２の出力データは、ハードディスク２３４に格納される。ハードディスク２３４は、後段の可降水量変動算出装置２１４による時間変動の算出のためにメッシュ化された観測値データを記憶するものであり、最低でも２つの異なる時間の、一定エリア内の観測値データを記憶可能である。

可降水量変動算出装置２１４は、ハードディスク２３４から同じ地点の異なる時間の観測値格子点データを読み出して、その差分（時間変動）を算出し、降水量予測装置２１６に供給する。可降水量変動算出装置２１４は、例えば、観測値格子点データのΔＴ毎の差分を算出する。

ハードディスク２１８には、ハードディスク１８の降水量統計データ１８ａと同様の内容の降水量統計データ２１８ａ、及び降水確率統計データ１８ｂと同様の内容の降水確率統計データ２１８ｂが格納されている。但し、降水量統計データ１８ａ及び降水確率統計データ１８ｂが、ＧＰＳ受信機１０の設置されるスポットの統計データであるのに対し、降水量統計データ２１８ａ及び降水確率統計データ２１８ｂは、ＧＰＳ受信機２１０−１〜２１０−ｎの設置エリア（又はその中の複数の格子点）に拡張されている。勿論、降水量統計データ２１８ａ及び降水確率統計データ２１８ｂは、季節毎又は現象毎等に分類されている。

降水量予測装置２１６は、可降水量変動算出装置２１４で算出された各格子点上の観測値の時間変動量を、ハードディスク２１８に格納される統計データ２１８ａ，２１８ｂと照合して、各格子点上の降水量と降水確率を予測する。

降水量予測装置２１６は、ある格子点の降水量と降水確率の予測が終了すると、可降水量変動算出装置２１４に次の格子点に対する観測値の時間変動の算出を指示する。可降水量変動算出装置２１４は、次の格子点の、異なる時間の観測値格子点データをハードディスク２３４から読み出して、その差分（時間変動）を算出し、降水量予測装置２１６に供給する。このように、可降水量変動算出装置２１４と、降水量予測装置２１６は、逐次的に、ハードディスク２３４の全格子点に対して、差分の演算と降水量及び降水確率の予測を実行する。

本実施例でも、ハードディスク２３４に格納される観測値格子点データの格子点と同じ又は近隣する地点でレーダエコーによる雨量強度のデータを得られる場合、降水量予測装置２１６により予測される降水量に、レーダエコーによる雨量強度を加味しても良い。具体的には、合成装置２２０が、降水量予測装置２１６により予測された降水量Ｒ_ＰＷＶと、レーダエコーによる雨量強度Ｒ_{ｒａｄａｒ}を，下記式により重み係数ｄ，ｅで合成し、
降水量（予測）＝Ｒ_{ｒａｄａｒ}×ｄ＋Ｒ_ＰＷＶ×ｅ
降水量（予測）を算出する。重み係数ｄ，ｅは、過去の統計結果から予め求めておく。

本実施例では，ＧＰＳ受信機を設置されている場所の降水量と降水確率を面的に予測できる。ＧＰＳ受信機を充分な密度で配置することで、観測値に基づき、降水量と降水確率を準リアルタイムで予測できる。また、観測値をメッシュ化することで、コンピュータ処理に適した予測データ（降水量、降水確率）を得ることができる。メッシュ化の前に、同時化を実行しておくことで、空間的な再配置を精度よく行えるようになる。物理量の時間変動の範囲は、通常、予測可能であり、同時化処理では、空間内でのメッシュ化よりも高い精度を得やすいからである。

図４は、本発明の第４実施例の概略構成ブロック図を示す。観測値をメッシュ化する方法として、気象モデルに基づく客観解析を利用可能である。本実施例では、気象分布データから特定のモデルに基づいて将来の気象データ値を予測し、観測値との比較により誤差を逐次的に修正していく。これにより、観測値を反映した気象データ、ここでは可降水量の水平面分布データを得ることができる。この可降水量の水平面分布データは、実施例３の観測値格子点データに対応する。

ＧＰＳ受信機３１０−１〜３１０−ｎは、ＧＰＳ受信機２１０−１〜２１０−ｎと同様に、降水予測地域内の異なる位置（ｘ_１，ｙ_１）〜（ｘ_ｎ，ｙ_ｎ）に密に配置されており、各ＧＰＳ受信機３１０−１〜３１０−ｎは、ＧＰＳ受信機２１０−１〜２１０−ｎと同様に、複数のＧＰＳ衛星からのＧＰＳ電波を受信し、ＧＰＳ衛星の時刻データと軌道情報を含む受信データを出力する。

可降水量解析装置３１２−１〜３１２−ｎは、各ＧＰＳ受信機３１０−１〜３１０−ｎからのＧＰＳ受信データから、可降水量解析装置１２と同様の演算で可降水量観測値ＰＷＶ_ｏｂｓを演算し、演算結果の可降水量観測値ＰＷＶ_ｏｂｓとその観測誤差Ｒ（ｘ，ｙ）を出力する。可降水量解析装置３１２−１〜３１２−ｎから出力される可降水量観測値ＰＷＶ_ｏｂｓは、対応するＧＰＳ受信機３１０−１〜３１０−ｎの設置位置（ｘ，ｙ）に依存し、また、時間ｔの関数である。

可降水量解析装置３１２−１〜３１２−ｎは、互いに同じ観測時刻における可降水量観測値ＰＷＶ_ｏｂｓを出力するように、同期制御されている。即ち、図３に示す実施例の可降水量解析装置２１２−１〜２１２−ｎと同時化装置２３０からなる部分を、可降水量解析装置３１２−１〜３１２−ｎとすればよい。これにより、後段での客観解析が容易になる。

先に述べたように、複数のＧＰＳ受信機による時刻同期したＧＰＳ受信データが、ＧＥＯＮＥＴデータとして入手可能であり、本実施例でも、このデータを利用してもよい。この場合、可降水量解析装置３１２−１〜３１２−ｎを１台の可降水量解析装置又は可降水量解析用コンピュータプログラムに集約でき、かつ、特別な同期処理無しで，時刻同期したＧＰＳ観測の可降水量データを得ることができる。

可降水量解析装置３１２−１〜３１２−ｎから出力される可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）とその観測誤差Ｒ（ｘ，ｙ）は、客観解析のデータ同化装置３３０に入力する。

客観解析は、３次元空間上に気温、気圧，風速、風向き，湿度等の気象データ値を配置した気象モデルに対し、所定の物理法則の下でその気象データの時間変化を算出し、時間変化の結果を実際の観測値で修正していくことで、実際の状況を精度よく示す気象データを得ようとする解析手法である。

気象モデル値記憶装置３３６には、初期値として気象モデル値が格納される。本実施例では，気象モデル値は、降水予測地域をカバーする３次元空間上の比湿値ｑ（ｘ，ｙ，ｚ）からなる。勿論、気象モデル値としては、他の気象要素も含む。

気象モデル予測装置３３８は、気象モデル値記憶装置３３６に記憶される各気象モデル値とその誤差（気象モデル誤差）を読み出し、地形と空間的な気象変化の物理法則に従い、この気象モデル値から時間ΔＴ後の気象モデル値を予測する。そして、気象モデル予測装置３３８は、計算した予測値（この実施例では、比湿値ｑ（ｘ，ｙ，ｚ，ｔ））と、この気象モデル値の誤差ｂ（ｘ，ｙ，ｚ）をデータ同化装置３３０に供給する。気象モデル予測装置３３８の予測時間間隔を、可降水量解析装置３１２−１〜３１２−ｎの出力する可降水量の時間間隔ΔＴに一致させることで、観測値を気象モデル値の修正に効率的に活用できる。

データ同化装置３３０は、気象モデル予測装置３３８からの予測気象モデル値から各水平位置における可降水量モデル値を算出する。そして、この可降水量モデル値を、可降水量解析装置３１２−１〜３１２−ｎからの可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）とその観測誤差Ｒ（ｘ，ｙ）、及び気象モデル予測装置３３８からの気象モデル誤差を加味して修正し、修正可降水量モデル値を算出する。データ同化装置３３０は、更に、修正可降水量モデル値を算出する際の修正重みに従い、予測気象モデル値を修正し、この修正された予測気象モデル値で気象モデル値記憶装置３３６の記憶データを更新する。このようなデータ同化処理、又は帰還的な処理により、気象モデル値記憶装置３３６に記憶される気象モデル値を、気象モデル値の空間的密度よりも低い密度の観測値を使って、より精度の高い値に逐次的に修正できる。この意味で，データ同化装置３３０は、モデル値を実際の観測値で修正する修正装置とも言える。ある程度以上の時間を経過したときには、気象モデル値記憶装置３３６に記憶される気象モデル値は、考慮対象の３次元空間について実際の気象データ値を精度良く示すものとなる。

図５は、データ同化装置３３０の動作フローチャートを示す。データ同化装置３３０は、可降水量解析装置３１２−１〜３１２−ｎからの可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ）とその観測誤差Ｒ（ｘ，ｙ）を全部、読み込む（Ｓ１）。気象モデル予測装置３３８により予測される予測気象モデル値（比湿値（ｘ，ｙ，ｚ））とその誤差b（x、y、z）を読み込み、予測気象モデル値を天頂方向（ｚ方向）に積分して、可降水量相当値となる可降水量モデル値ＰＷＶ_{ｍｏｄｅｌ}（ｘ，ｙ）を算出する（Ｓ２）。同時に、気象モデル値の誤差ｂ（ｘ，ｙ，ｚ）から可降水量モデル値ＰＷＶ_{ｍｏｄｅｌ}（ｘ，ｙ）のモデル誤差Ｂ（ｘ，ｙ）を算出する（Ｓ２）。例えば、比湿値（ｘ，ｙ，ｚ）はｚ方向に関して気圧で表現されている場合には、ｑをモデル最下層の気圧からモデル最上層の気圧の間で積分し、重力加速度で減算した結果が、ＰＷＶ_{ｍｏｄｅｌ}（ｘ，ｙ）となる。

可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ）と可降水量モデル値ＰＷＶ_{ｍｏｄｅｌ}（ｘ，ｙ）とを差の絶対値が所定値以上の場合、観測値は異常である可能性があるので破棄する（Ｓ３）。

残った可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ）を使って、客観解析の手法の一つである変分法を使い、残った可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ）と、可降水量モデル値ＰＷＶ_{ｍｏｄｅｌ}（ｘ，ｙ）と、観測誤差Ｒ（ｘ，ｙ）と、モデル誤差Ｂ（ｘ，ｙ）とから、客観解析値を算出する（Ｓ４）。得られた客観解析値は、いわば、可降水量モデル値ＰＷＶ_{ｍｏｄｅｌ}（ｘ，ｙ）を可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ）で修正した値を示す。データ同化装置３３０は、この修正された可降水量モデル値をハードディスク３３４に格納する。

データ同化装置３３０は、ステップＳ４での修正の程度に応じて予測気象モデル値を修正し、この修正値（修正比湿値）で気象モデル値記憶装置３３６を更新する（Ｓ５）。

ハードディスク３３４は、後段の可降水量変動算出装置３１４による時間変動の算出のために、予測対象エリア内の複数の修正可降水量モデル値を記憶するものであり、最低でも２つの異なる時間の、予測対象エリア内の一定間隔の複数地点の修正可降水量モデル値を記憶可能である。

可降水量変動算出装置３１４、降水量予測装置３１６、及び合成装置３２０は、それぞれ、図３に示す実施例の、可降水量変動算出装置２１４、降水量予測装置２１６、及び合成装置２２０と同様に動作する。また、ハードディスク３１８に記憶される降水量統計データ３１８ａ及び降水確率統計データ３１８ｂは、修正可降水量モデル値に対する統計データであることを除いて、降水量統計データ２１８ａ及び降水確率統計データ２１８ｂと同様の要素からなる。

即ち、可降水量変動算出装置３１４は、ハードディスク３３４から各地点の異なる時間の修正可降水量モデル値を読み出して、その差分（時間変動）を算出し、降水量予測装置３１６に順次、供給する。可降水量変動算出装置３１４は、例えば、ΔＴ毎の差分を算出する。

降水量予測装置３１６は、変動差分装置３１４からの各格子点の可降水量時間変動データをハードディスク３１７に一時記憶する。降水量予測装置３１６は、ハードディスク３１７に格納される各格子点の修正可降水量モデル値の時間変動量を、ハードディスク３１８に格納される統計データ３１８ａ，３１８ｂと照合して、気象モデルの各格子点上の降水量と降水確率を予測する。

降水量予測装置３１６は、各格子点の可降水量時間変動データを変動差分装置４１４に順番で算出させ、各格子点上の降水量と降水確率を逐次的に予測するようにしてもよい。この場合、ハードディスク３１７を省略できる。

本実施例でも、設定される気象モデル値の水平地域内又は近接する地域外でレーダエコーによる雨量強度のデータを得られる場合、降水量予測装置３１６により予測される降水量に、レーダエコーによる雨量強度を加味しても良い。具体的には、合成装置３２０が、降水量予測装置３１６により予測された降水量Ｒ_ＰＷＶと、レーダエコーによる雨量強度Ｒ_{ｒａｄａｒ}を，下記式により重み係数ｄ，ｅで合成し、
降水量（予測）＝Ｒ_{ｒａｄａｒ}×ｄ＋Ｒ_ＰＷＶ×ｅ
降水量（予測）を算出する。重み係数ｄ，ｅは、過去の統計結果から予め求めておく。

本実施例では，ＧＰＳ受信機を設置されている場所の降水量と降水確率を面的に予測できる。ＧＰＳ受信データによる可降水量を使って予測することで、準リアルタイムに降水量及び降水確率を予測できる。気象モデルと客観解析を使うことで、十分に密に配置されたＧＰＳ受信機を用意しなくても、対象エリア内を充分な空間密度と精度で降水量と降水確率を予測できる。水平面内の一定間隔のメッシュとして、コンピュータ処理に適した予測データ（降水量、降水確率）を得ることができる。

図６は、本発明の第５実施例の概略構成ブロック図を示す。図６に示す実施例は、図３に示す実施例に風の影響と気圧の影響を加味したものである。

ＧＰＳ受信機４１０−１〜４１０−ｎ、可降水量解析装置４１２−１〜４１２−ｎ、同時化装置４３０、メッシュ化装置４３２及びハードディスク４３４の機能は、それぞれ、図３に示す実施例の、ＧＰＳ受信機２１０−１〜２１０−ｎ、可降水量解析装置２１２−１〜２１２−ｎ、同時化装置２３０、メッシュ化装置２３２及びハードディスク２３４の機能と同じである。

すなわち、ＧＰＳ受信機４１０−１〜４１０−ｎは、降水予測地域内の異なる位置（ｘ_１，ｙ_１）〜（ｘ_ｎ，ｙ_ｎ）に密に配置されている。各ＧＰＳ受信機４１０−１〜４１０−ｎは、ＧＰＳ受信機１０と同様に、複数のＧＰＳ衛星からのＧＰＳ電波を受信し、ＧＰＳ衛星の時刻データと軌道情報を含む受信データを出力する。

可降水量解析装置４１２−１〜４１２−ｎは、各ＧＰＳ受信機４１０−１〜４１０−ｎからのＧＰＳ受信データから、可降水量解析装置１２と同様の演算で可降水量観測値ＰＷＶ_ｏｂｓを演算する。可降水量解析装置４１２−１〜４１２−ｎから出力される可降水量観測値ＰＷＶ_ｏｂｓは、対応するＧＰＳ受信機４１０−１〜４１０−ｎの設置位置（ｘ，ｙ）に依存し、また、時間ｔの関数である。

各ＧＰＳ受信機４１０−１〜４１０−ｎからのＧＰＳ受信データを一カ所に集約し、１台の可降水量解析装置又は可降水量解析コンピュータプログラムにより各地点（ｘ_１，ｙ_１）〜（ｘ_ｎ，ｙ_ｎ）の可降水量を演算してもよいことはいうまでもない。理解を容易にするために、ＧＰＳ受信機４１０−１〜４１０−ｎ毎の可降水量解析装置４１２−１〜４１２−ｎを図示してある。

可降水量解析装置４１２−１〜４１２−ｎから出力される可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）は、一般的には、時間的には非同期であり、水平空間上で一般的に一定間隔に位置するものではない。そこで、同時化装置４３０が、内挿処理により、可降水量解析装置４１２−１〜４１２−ｎからの各可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）を時間軸上で再構成して、同じ時刻の観測値を示すように同時化する。同時化装置４３０の同時化処理は、各ＧＰＳ受信機４１０−１〜４１０−ｎから順次、出力されるデータの内、実質的に同時のデータのみを解析装置４１２−１〜４１２−ｎにより処理させることでも実現されうる。

先に述べたように、複数のＧＰＳ受信機による時刻同期したＧＰＳ受信データが、ＧＥＯＮＥＴデータとして入手可能であり、本実施例でも、このデータを利用してもよい。この場合、同時化装置２３０は不要であり、また、可降水量解析装置２１２−１〜２１２−ｎを１台の可降水量解析装置、又は可降水量解析用コンピュータプログラムに集約できる。

メッシュ化装置４３２が、同時化装置４３０により時間上で同じ時間に同時化された複数地点の可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）を、対象地域内において、水平空間上で一定距離間隔のメッシュ点（格子点）上に位置するように再配置する。このメッシュ化により、コンピュータ処理が容易になる。例えば、コンピュータ処理として、後段の予測処理や、データ同化処理、他のデータと合成する処理、最終的に得られる降水量の分布を作図する処理等がある。本実施例では、同時化装置４３０とメッシュ化装置４３２により、原観測値データを、時間軸上及び空間上で所定の間隔に並ぶ観測値データ（観測値格子点データ）に変換する。

メッシュ化装置４３２の出力データは、ハードディスク４３４に格納される。ハードディスク４３４は、後段の可降水量変動算出装置４１４による時間変動の算出のためにメッシュ化された観測値データを記憶するものであり、最低でも２つの異なる時間の、一定エリア内の観測値データを記憶可能である。

風及び気圧に対しても、解析装置４１２−１〜４１２−ｎ、同時化装置４３０及びメッシュ化装置４３２に相当する構成が用意される。ただし、風（風速及び風向）及び気圧を連続的に直接、計測している場合、解析装置４１２−１〜４１２−ｎ及び同時化装置４３０に相当する構成は不要になる。

予測対象地域内にｐ台の風観測器４４０−１〜４４０−ｐが分散配置され、ｑ台の気圧観測器４４２−１〜４４２−ｑが分散配置される。ｐとｑは、ｎと等しいのが好ましいが、一般的にはｎ以下でもｎ未満でも良く、単に十分な精度でメッシュ化が可能なほどの台数であればよい。風観測器と気圧観測器を一体化した気象観測器を使用する場合には、ｐ＝ｑとなる。

各風観測器４４０−１〜４４０−ｐは、風向と風速（又は風速の東西成分と南北成分）を計測し、各気圧観測器４４２−１〜４４２−ｑは、気圧を計測する。風観測器４４０−１〜４４０−ｐ及び気圧観測器４４２−１〜４４２−ｑは、風観測器１２２及び／又は気圧観測器１２４と同様に、地上又は空中の規定の環境下に設置される。ラジオゾンデ等も利用可能である。

メッシュ化装置４４４が、風観測器４４０−１〜４４０−ｐからの風向・風速データから同時化装置４３０による同時化タイミングと同じ時刻の計測データをサンプリングした上で、予測対象地域において水平空間上又は３次元空間で一定距離間隔のメッシュ点（格子点）上に位置するように再配置し、再配置した風向風速データをハードディスク４４６に格納する。同様に、メッシュ化装置４４８が、気圧観測器４４２−１〜４４２−ｑからの気圧データから同時化装置４３０による同時化タイミングと同じ時刻の計測データをサンプリングした上で、予測対象地域において水平空間上又は３次元空間で一定距離間隔のメッシュ点（格子点）上に位置するように再配置し、再配置した気圧データをハードディスク４５０に格納する。

メッシュ化装置４４４，４４８によるメッシュの位置は、メッシュ化装置４３２のメッシュの位置と同じであるのがコンピュータ処理上、好ましいが、そうでなければ降水予測を実現できないということではない。

同時化装置４３０、及びメッシュ化装置４３２，４４４，４４８により、不規則な地点からの観測値を時間軸上及び空間上で所定の間隔に並ぶ観測値データ（観測値格子点データ）に変換でき、以後のコンピュータ処理及び図形化が容易になる。

可降水量変動算出装置４１４は、ハードディスク４３４に記憶される各格子点の異なる時間の観測値格子点データを読み出して、その差分（時間変動）を算出し、降水量予測装置２１６に供給する。可降水量変動算出装置４１４は、本実施例では、観測値格子点データのΔＴ毎の差分を算出する。

収束発散量算出装置４５２は、ハードディスク４４６に記憶される各格子点の風向と風速のデータから風の収束発散量を算出し、降水量予測装置４１６に供給する。例えば、地上風の風速の東西成分をｕとし、南北成分をｖとしたとき、収束発散量Ｄは、
Ｄ＝ｄｕ／ｄｘ＋ｄｖ／ｄｙ
で計算される。

気圧変動算出装置４５４は、ハードディスク４４６に記憶される各格子点の時間の異なる気圧データを読み出し、時間ΔＴに対する気圧の変動量を算出し、降水量予測装置４１６に供給する。算出される気圧の時間変動量ΔＰ_ｓｆｃは、現在の気圧からΔＴ前の気圧を減算した結果に等しい。即ち、
ΔＰ_ｓｆｃ＝Ｐ_ｓｆｃ（ｔ_ｃ）−Ｐ_ｓｆｃ（ｔ_ｃ−ΔＴ）
である。ｔｃは現在時刻を示す。

降水量予測装置４１６は、変動差分装置４１４からの各格子点の可降水量時間変動データ、収束発散量算出装置４５２からの各格子点の収束発散量データ、及び気圧変動算出装置４５４からの各格子点の気圧時間変動データをハードディスク４１７に一時記憶する。

ハードディスク４１８に格納される降水量統計データ４１８ａは、可降水量の時間変動、風の収束・発散量、及び気圧変動と、実際の降水量との関係を示す統計データからなり、更に、ＧＰＳ受信機４１０−１〜４１０−ｎ、風観測器４４０−１〜４４０−ｐ及び気圧観測器４４２−１〜４４２−ｑが設置される予測対象地域に拡張されている。また、降水確率統計データ４１８ｂは、降水量統計データ１１８ｂと同様に、可降水量の時間変動、風の収束・発散量、及び気圧変動と、降水確率との関係を示す統計データからなり、更に、上記の予測対象地域に拡張されている。降水量統計データ４１８ａ及び降水確率統計データ４１８ｂは共に、季節毎又は現象毎等に分類されている。

降水量予測装置４１６は、ハードディスク４１７に格納される各格子点上の可降水量の時間変動、風の収束・発散量、及び気圧変動のデータを、ハードディスク４１８に格納される統計データ４１８ａ，４１８ｂと照合して、各格子点上の降水量と降水確率を予測する。

降水量予測装置４１６は、各格子点の可降水量時間変動データ、収束発散量及び気圧の時間変動をそれぞれ変動差分装置４１４、収束発散量算出装置４５２及び気圧変動算出装置４５４に順番で算出させ、各格子点上の降水量と降水確率を逐次的に予測するようにしてもよい。この場合、ハードディスク４１７を省略できる。

本実施例でも、観測対象地域又は近隣する地域でレーダエコーによる雨量強度のデータを得られる場合、降水量予測装置４１６により予測される降水量に、レーダエコーによる雨量強度を加味しても良い。具体的には、合成装置４２０が、合成装置２２０と同様に、降水量予測装置４１６により予測された降水量Ｒ_ＰＷＶと、レーダエコーによる雨量強度Ｒ_{ｒａｄａｒ}を，下記式により重み係数ｄ，ｅで合成し、
降水量（予測）＝Ｒ_{ｒａｄａｒ}×ｄ＋Ｒ_ＰＷＶ×ｅ
降水量（予測）を算出する。重み係数ｄ，ｅは、過去の統計結果から予め求めておく。

本実施例では，ＧＰＳ受信機を設置されている場所の降水量と降水確率を面的に予測できる。風及び気圧を加味することで、より精密な予測が可能になる。観測値をメッシュ化することで、観測地点からずれた地点の予測も可能になると共に、コンピュータ処理に適した予測データ（降水量、降水確率）を得ることができる。

図７は、本発明の第６実施例の概略構成ブロック図を示す。観測値をメッシュ化する方法として、気象モデルに基づく客観解析を利用可能である。本実施例では、比湿値、風向風速及び気圧を含む気象分布データから特定のモデルに基づいて将来の気象データ値を予測し、観測値との比較により誤差を逐次的に修正していく。これにより、観測値を反映した気象データの２次元又は３次元の分布データを得ることができる。

ＧＰＳ受信機５１０−１〜５１０−ｎは、ＧＰＳ受信機４１０−１〜４１０−ｎと同様に、降水予測地域内の異なる位置（ｘ_１，ｙ_１）〜（ｘ_ｎ，ｙ_ｎ）に密に配置されており、各ＧＰＳ受信機５１０−１〜５１０−ｎは、ＧＰＳ受信機１０，４１０−１〜４１０−ｎと同様に、複数のＧＰＳ（Global Positioning System）衛星からのＧＰＳ電波を受信し、各ＧＰＳ衛星からの受信電波で搬送されるＧＰＳ受信データを出力する。本実施例でも、上述のＧＥＯＮＥＴデータを利用してもよい。

可降水量解析装置５１２−１〜５１２−ｎは、各ＧＰＳ受信機５１０−１〜５１０−ｎからのＧＰＳ受信データから、可降水量解析装置１２，４１２−１〜４１２−ｎと同様の演算で可降水量観測値ＰＷＶ_ｏｂｓを演算し、演算結果の可降水量観測値ＰＷＶ_ｏｂｓとその観測誤差Ｒ（ｘ，ｙ）を出力する。可降水量解析装置５１２−１〜５１２−ｎから出力される可降水量観測値ＰＷＶ_ｏｂｓは、対応するＧＰＳ受信機５１０−１〜５１０−ｎの設置位置（ｘ，ｙ）に依存し、また、時間ｔの関数である。

可降水量解析装置５１２−１〜５１２−ｎは、互いに同じ観測時刻における可降水量観測値ＰＷＶ_ｏｂｓを出力するように、同期制御されている。即ち、図３に示す実施例の可降水量解析装置２１２−１〜２１２−ｎと同時化装置２３０からなる部分を、可降水量解析装置５１２−１〜５１２−ｎとすればよい。これにより、後段での客観解析が容易になる。

各ＧＰＳ受信機５１０−１〜５１０−ｎからのＧＰＳ受信データを一カ所に集約し、１台の可降水量解析装置により各地点（ｘ_１，ｙ_１）〜（ｘ_ｎ，ｙ_ｎ）の可降水量を演算してもよいことはいうまでもない。

可降水量解析装置５１２−１〜５１２−ｎから出力される可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）とその観測誤差Ｒ（ｘ，ｙ）は、データ同化装置５４４に入力する。

本実施例では更に、予測対象地域内にｐ台の風観測器５４０−１〜５４０−ｐが分散配置され、ｑ台の気圧観測器５４２−１〜５４２−ｑが分散配置される。ｐとｑは、ｎと等しいのが好ましいが、一般的にはｎ以下でもｎ未満でも良く、単に十分な精度でメッシュ化が可能なほどの台数であればよい。風観測器と気圧観測器を一体化した気象観測器を使用する場合には、ｐ＝ｑとなる。

各風観測器５４０−１〜４５０−ｐは、風向と風速（又は風速の東西成分と南北成分）を計測し、計測値とその計測誤差をデータ同化装置５４４に供給する。各気圧観測器５４２−１〜５４２−ｑは、気圧を計測し、計測値とその計測誤差をデータ同化装置５４４に供給する。風観測器５４０−１〜５４０−ｐ及び気圧観測器５４２−１〜４５２−ｑは、風観測器１２２，４４０−１〜４４０−ｐ及び／又は気圧観測器１２４，４４２−１〜４５２−ｑと同様に、地上又は空中の規定の環境下に設置される。ラジオゾンデ等も利用可能である。

気象モデル値記憶装置５４６には、初期値として気象モデル値が格納される。本実施例では，気象モデル値は、降水予測地域をカバーする３次元空間上の比湿値ｑ（ｘ，ｙ，ｚ）、風向風速データｗ（x、y、z）及び気圧ｐ（x，y，z）からなる。

気象モデル予測装置５４８は、気象モデル値記憶装置５４６に記憶される各気象モデルサンプル値とその誤差（気象モデル誤差）を読み出し、地形と空間的な気象変化の物理法則に従い、この気象モデルサンプル値から時間ΔＴ後の気象モデルサンプル値を予測する。そして、気象モデル予測装置５４８は、計算した予測値（この実施例では、比湿値ｑ（ｘ，ｙ，ｚ，ｔ）、風向風速値ｗ（ｘ，ｙ，ｚ，ｔ）及び気圧ｐ（ｘ，ｙ，ｚ，ｔ））と、この気象モデルサンプル値の誤差ｂ（ｘ，ｙ，ｚ），ｗ（ｘ，ｙ，ｚ），ｐ（ｘ，ｙ，ｚ）をデータ同化装置５４４に供給する。気象モデル予測装置５４８の予測時間間隔を、可降水量解析装置５１２−１〜５１２−ｎの出力する可降水量の時間間隔ΔＴに一致させることで、観測値を気象モデル値の修正に効率的に活用できる。

データ同化装置５４４は、データ同化装置３３０と同様に、気象モデル予測装置５４８からの比湿値ｑから各水平位置における可降水量モデル値を算出する。そして、この可降水量モデル値を、可降水量解析装置５１２−１〜５１２−ｎからの可降水量観測値ＰＷＶ_ｏｂｓ（ｘ，ｙ，ｔ）とその観測誤差Ｒ（ｘ，ｙ）、及び気象モデル予測装置３３８からの気象モデル誤差を加味して修正し、修正可降水量モデル値を算出し、ハードディスク５５０に格納する。

データ同化装置５４４は、更に、修正可降水量モデル値を算出する際の修正重みに従い、気象モデル予測値からの予測比湿値を修正し、修正後の予測比湿値で気象モデル値記憶装置５４６の記憶データを更新する。

風向風速と気圧に関して、データ同化装置５４４は、気象モデル予測装置５４８からの風向風速データｗ及び気圧ｐを風観測器５４０−１〜５４０−ｐからの風向風速観測値及び気圧観測器５４２−１〜５４２−ｑからの気圧観測値とそれぞれ対比し、これらの誤差の元で客観解析を行うことで、気象モデルの各サンプル点における風向風速の修正モデル値及び気圧の修正モデル値を算出する。そして、このように算出された風向風速の修正モデル値及び気圧の修正モデル値をハードディスク５５０に格納する。

このような帰還制御により、気象モデル値記憶装置５４６に記憶される気象モデル値を、気象モデル値の空間的密度よりも低い密度の観測値を使って、より精度の高い値に逐次的に修正できる。ある程度以上の時間を経過したときには、気象モデル値記憶装置５４６に記憶される気象モデル値は、考慮対象の３次元空間について実際の気象データ値を精度良く示すものとなる。なお、気圧が修正されると、気象学的な法則に従い風向風速も修正される。逆に、風向風速が修正されると、気象学的な法則に従い気圧も修正される。データ同化装置５４４において、風向風速モデル値の修正に気圧観測値の影響を加味し、気圧モデル値の修正に風向風速観測値の影響を加味することで、少ない観測点でも、風向風速及び気圧に関して精度の良いモデル値を得られる。

ハードディスク５５０は、後段の可降水量変動算出装置５１４及び気圧変動算出装置５５４による時間変動の算出のために、予測対象エリア内の複数の修正可降水量モデル値及び気圧モデル値を記憶するものであり、最低でも２つの異なる時間の、予測対象エリア内の一定間隔の複数地点の修正可降水量モデル値及び気圧モデル値を記憶可能である。風向風速については、空間的な収束発散を計算するのみなので、異なる時間のデータを記憶する必要は無い。

可降水量変動算出装置５１４は、ハードディスク５５０に記憶される各水平地点の異なる時間の修正可降水量モデル値を読み出して、その差分（時間変動）を算出し、降水量予測装置５１６に供給する。可降水量変動算出装置５１４は、本実施例では、ΔＴ毎の差分を算出する。

収束発散量算出装置５５２は、ハードディスク５５０に記憶される各サンプル点の修正風向風速モデル値から風の収束発散量を算出し、降水量予測装置５１６に供給する。例えば、風速の東西成分をｕとし、南北成分をｖとしたとき、収束発散量Ｄは、
Ｄ＝ｄｕ／ｄｘ＋ｄｖ／ｄｙ
で計算される。

気圧変動算出装置５５４は、ハードディスク５５０に記憶される各サンプル点の時間の異なる気圧データを読み出し、時間ΔＴに対する気圧の変動量を算出し、降水量予測装置５１６に供給する。算出される気圧の時間変動量ΔＰ_ｓｆｃは、現在の気圧からΔＴ前の気圧を減算した結果に等しい。即ち、
ΔＰ_ｓｆｃ＝Ｐ_ｓｆｃ（ｔ_ｃ）−Ｐ_ｓｆｃ（ｔ_ｃ−ΔＴ）
である。ｔｃは現在時刻を示す。

降水量予測装置５１６は、変動差分装置５１４からの各水平地点の可降水量時間変動データ、収束発散量算出装置５５２からの各サンプル点の収束発散量データ、及び気圧変動算出装置５５４からの各サンプル点の気圧時間変動データをハードディスク５１７に一時記憶する。

ハードディスク５１８には、降水量統計データ４１８ａと同内容の降水量統計データ５１８ａ、及び、降水確率統計データ４１８ｂと同内容の降水確率統計データ５１８ｂが格納されている。いうまでもないが、統計データ５１８ａ，５１８ｂは、統計データ４１８ａ，４１８ｂに比べて、空間的に高密度のデータからなる。

降水量予測装置５１６は、ハードディスク５１７に格納される各水平地点上の可降水量の時間変動のデータ、並びに、気象モデルの各サンプル点の風の収束・発散量及び気圧変動のデータを、ハードディスク５１８に格納される統計データ５１８ａ，５１８ｂと照合して、各水平地点上の降水量と降水確率を予測する。

降水量予測装置５１６は、各水平地点の可降水量時間変動データ、並びに、各サンプル点の収束発散量及び気圧の時間変動をそれぞれ変動差分装置５１４、収束発散量算出装置５５２及び気圧変動算出装置５５４に順番で算出させ、各水平地点上の降水量と降水確率を逐次的に予測するようにしてもよい。この場合、小容量の一時記憶手段で済み、ハードディスク５１７を省略できる。

本実施例でも、観測対象地域又は近隣する地域でレーダエコーによる雨量強度のデータを得られる場合、降水量予測装置５１６により予測される降水量に、レーダエコーによる雨量強度を加味しても良い。具体的には、合成装置５２０が、合成装置４２０と同様に、降水量予測装置５１６により予測された降水量Ｒ_ＰＷＶと、レーダエコーによる雨量強度Ｒ_{ｒａｄａｒ}を，下記式により重み係数ｄ，ｅで合成し、
降水量（予測）＝Ｒ_{ｒａｄａｒ}×ｄ＋Ｒ_ＰＷＶ×ｅ
降水量（予測）を算出する。重み係数ｄ，ｅは、過去の統計結果から予め求めておく。

本実施例では，ＧＰＳ受信機を設置されている場所の降水量と降水確率を面的に予測できる。ＧＰＳ受信データによる可降水量を使って予測することで、準リアルタイムに降水量及び降水確率を予測できる。気象モデルと客観解析を使うことで、ＧＰＳ受信機、風観測器及び気圧観測器を高密度に配置しなくても、用意しなくても、対象エリア内を充分な空間密度と精度で降水量と降水確率を予測できる。統計データを得るときと実際に予測するときとで、ＧＰＳ受信機、風観測器及び気圧観測器の設置位置が異なっても良いという利点がある。水平面内の一定間隔のメッシュとしてコンピュータ処理に適した予測データ（降水量、降水確率）を得ることができる。

特定の説明用の実施例を参照して本発明を説明したが、特許請求の範囲に規定される本発明の技術的範囲を逸脱しないで、上述の実施例に種々の変更・修整を施しうることは、本発明の属する分野の技術者にとって自明であり、このような変更・修整も本発明の技術的範囲に含まれる。

本発明の第１実施例の概略構成ブロック図を示す。 第２実施例の概略構成ブロック図を示す。 本発明の第３実施例の概略構成ブロック図を示す。 本発明の第４実施例の概略構成ブロック図を示す。 図４に示す実施例のデータ同化装置３３０の動作フローチャートである。 本発明の第５実施例の概略構成ブロック図を示す。 本発明の第６実施例の概略構成ブロック図を示す。

符号の説明

１０：ＧＰＳ受信機
１２：可降水量解析装置
１４：可降水量変動算出装置
１６：降水量予測装置
１８：ハードディスク
１８ａ：降水量統計データ
１８ｂ：降水確率統計データ
２０：合成装置
１１０：ＧＰＳ受信機
１１２：可降水量解析装置
１１４：可降水量変動算出装置
１１６：降水量予測装置
１１８：ハードディスク
１１８ａ：降水量統計データ
１１８ｂ：降水確率統計データ
１２０：合成装置
１２２：風観測器
１２４：気圧観測器
１２６：収束発散量算出装置
１２８：気圧変動算出装置
２１０−１〜２１０−ｎ：ＧＰＳ受信機
２１２−１〜２１２−ｎ：可降水量解析装置
２１４：可降水量変動算出装置
２１６：降水量予測装置
２１８：ハードディスク
２１８ａ：降水量統計データ
２１８ｂ：降水確率統計データ
２２０：合成装置
２３０：同時化装置
２３２：メッシュ化装置
２３４：ハードディスク
３１０−１〜３１０−ｎ：ＧＰＳ受信機
３１２−１〜３１２−ｎ：可降水量解析装置
３１４：可降水量変動算出装置
３１６：降水量予測装置
３１８：ハードディスク
３１８ａ：降水量統計データ
３１８ｂ：降水確率統計データ
３２０：合成装置
３３０：データ同化装置
３３４：ハードディスク
３３６：気象モデル値
３３８：気象モデル予測装置
４１０−１〜４１０−ｎ：ＧＰＳ受信機
４１２−１〜４１２−ｎ：可降水量解析装置
４１４：可降水量変動算出装置
４１６：降水量予測装置
４１７：ハードディスク
４１８：ハードディスク
４１８ａ：降水量統計データ
４１８ｂ：降水確率統計データ
４２０：合成装置
４３０：同時化装置
４３２：メッシュ化装置
４４０−１〜４４０−ｐ：風観測器
４４２−１〜４４２−ｑ：気圧観測器
４４４：メッシュ化装置
４４６：ハードディスク
４４８：メッシュ化装置
４５０：ハードディスク
４５２：収束発散量算出装置
４５４：気圧変動算出装置
５１０−１〜５１０−ｎ：ＧＰＳ受信機
５１２−１〜５１２−ｎ：可降水量解析装置
５１４：可降水量変動算出装置
５１６：降水量予測装置
５１７：ハードディスク
５１８：ハードディスク
５１８ａ：降水量統計データ
５１８ｂ：降水確率統計データ
５２０：合成装置
５５０：ハードディスク
５４０−１〜５４０−ｐ：風観測器
５４２−１〜５４２−ｑ：気圧観測器
５４４：データ同化装置
５４６：気象モデル値
５４８：気象モデル予測装置
５５０：ハードディスク
５５２：収束発散量算出装置
５５４：気圧変動算出装置

Claims (11)

1. 複数地点のＧＰＳ可降水量観測データを入力する可降水量入力手段（４１０−１〜４１０−ｎ、４１２−１〜４１２−ｎ）と、
   複数地点の風向風速データを入力する風向風速入力手段（４４０−１〜４４０−ｐ）と、
   複数地点の気圧データを入力する気圧入力手段（４４２−１〜４４２−ｑ）と、
   当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データから、それぞれ、所定距離間隔の格子点上の可降水量格子点データ、風格子点データ及び気圧格子点を生成するメッシュ化手段（４３２，４４４，４４８）と、
   当該可降水量格子点データの時間変動を算出する可降水量変動算出手段（４１４）と、
   当該風格子点データの収束発散量を算出する収束発散量算出手段（４５２）と、
   当該気圧格子点データの時間変動を算出する気圧変動算出手段（４５４）と、
   降水量統計データ（４１８ａ）及び降水確率統計データ（４１８ｂ）を記憶する統計データ記憶手段（４１８）と、
   当該可降水量変動算出手段（４１４）、当該収束発散量算出手段（４５２）及び当該気圧変動算出手段（４５４）の出力に従い、当該降水量統計データ（４１８ａ）及び当該降水確率統計データ（４１８ｂ）を参照して、降水量及び降水確率を予測する降水量予測手段（４１６）
   とを具備することを特徴とする降水予測システム。
2. 更に、当該メッシュ化手段によるメッシュ化の前に、当該複数地点のＧＰＳ可降水量観測データを同時化する同時化手段（４３０）を具備することを特徴とする請求項１に記載の降水予測システム。
3. 複数地点のＧＰＳ可降水量観測データを入力する可降水量入力手段（５１０−１〜５１０−ｎ、５１２−１〜５１２−ｎ）と、
   複数地点の風向風速データを入力する風向風速入力手段（５４０−１〜５４０−ｐ）と、
   複数地点の気圧データを入力する気圧入力手段（５４２−１〜５４２−ｑ）と、
   所定気象モデル（５４６）に基づき気象状態を予測する気象モデル予測手段（５４８）と、
   当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データを、当該気象モデル予測手段からの気象モデル値にデータ同化して、修正可降水量、修正風向風速値、及び修正気圧値を出力するデータ同化手段（５４４）と、
   当該修正可降水量の時間変動を算出する可降水量変動算出手段（５１４）と、
   当該修正風向風速値の収束発散量を算出する収束発散量算出手段（５５２）と、
   当該修正気圧値の時間変動を算出する気圧変動算出手段（５５４）と、
   降水量統計データ（５１８ａ）及び降水確率統計データ（５１８ｂ）を記憶する統計データ記憶手段（５１８）と、
   当該修正可降水量の時間変動、当該修正風向風速値の収束発散量及び当該修正気圧値の時間変動に従い、当該降水量統計データ（３１８ａ）及び当該降水確率統計データ（２１８ｂ）を参照して、降水量及び降水確率を予測する降水量予測手段（５１６）
   とを具備することを特徴とする降水予測システム。
4. 前記可降水量入力手段が、異なる地点に配置される複数のＧＰＳ受信手段（４１０−１〜４１０−ｎ；５１０−１〜５１０−ｎ）と、当該複数のＧＰＳ受信手段の受信出力データから各地点の当該ＧＰＳ可降水量観測データを算出する可降水量解析手段（４１２−１〜４１２−ｎ；５１２−１〜５１２−ｎ）とを具備することを特徴とする請求項１乃至３の何れか１項に記載の降水予測システム。
5. 更に、降水量予測装置（４１６，５１６）による前記降水量に雨量強度観測データを所定の重みの下で合成する合成手段（４２０，５２０）を具備することを特徴とする請求項１乃至４の何れか１項に記載の降水予測システム。
6. 複数地点のＧＰＳ可降水量観測データを入力する可降水量入力ステップ（４１０−１〜４１０−ｎ、４１２−１〜４１２−ｎ）と、
   複数地点の風向風速データを入力する風向風速入力ステップ（４４０−１〜４４０−ｐ）と、
   複数地点の気圧データを入力する気圧入力ステップ（４４２−１〜４４２−ｑ）と、
   当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データから、それぞれ、所定距離間隔の格子点上の可降水量格子点データ、風格子点データ及び気圧格子点を生成するメッシュ化ステップ（４３２，４４４，４４８）と、
   当該可降水量格子点データの時間変動を算出する可降水量変動算出ステップ（４１４）と、
   当該風格子点データの収束発散量を算出する収束発散量算出ステップ（４５２）と、
   当該気圧格子点データの時間変動を算出する気圧変動算出ステップ（４５４）と、
   当該可降水量変動算出ステップ（４１４）、当該収束発散量算出ステップ（４５２）及び当該気圧変動算出ステップ（４５４）の算出結果に従い、降水量統計データ（４１８ａ）及び降水確率統計データ（４１８ｂ）を参照して、降水量及び降水確率を予測する降水量予測ステップ（４１６）
   とを具備することを特徴とする降水予測方法。
7. 複数地点のＧＰＳ可降水量観測データを入力する可降水量入力ステップ（５１０−１〜５１０−ｎ、５１２−１〜５１２−ｎ）と、
   複数地点の風向風速データを入力する風向風速入力ステップ（５４０−１〜５４０−ｐ）と、
   複数地点の気圧データを入力する気圧入力ステップ（５４２−１〜５４２−ｑ）と、
   所定気象モデル（５４６）に基づき気象状態を予測する気象モデル予測ステップ（５４８）と、
   当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データを、当該気象モデル予測手段からの気象モデル値にデータ同化して、修正可降水量、修正風向風速値、及び修正気圧値を出力するデータ同化ステップ（５４４）と、
   当該修正可降水量の時間変動を算出する可降水量変動算出ステップ（５１４）と、
   当該修正風向風速値の収束発散量を算出する収束発散量算出ステップ（５５２）と、
   当該修正気圧値の時間変動を算出する気圧変動算出ステップ（５５４）と、
   当該可降水量変動算出ステップ（５１４）、当該収束発散量算出ステップ（５５２）及び当該気圧変動算出ステップ（５５４）の算出結果に従い、降水量統計データ（５１８ａ）及び降水確率統計データ（５１８ｂ）を参照して、降水量及び降水確率を予測する降水量予測ステップ（５１６）
   とを具備することを特徴とする降水予測方法。
8. 更に、降水量予測ステップ（４１６，５１６）による当該降水量に雨量強度観測データを所定の重みの下で合成する合成ステップ（４２０，５２０）を具備することを特徴とする請求項６又は７に記載の降水予測方法。
9. コンピュータに複数地点のＧＰＳ可降水量観測データを入力する可降水量入力ステップ（４１０−１〜４１０−ｎ、４１２−１〜４１２−ｎ）と、
   当該コンピュータに複数地点の風向風速データを入力する風向風速入力ステップ（４４０−１〜４４０−ｐ）と、
   当該コンピュータに複数地点の気圧データを入力する気圧入力ステップ（４４２−１〜４４２−ｑ）と、
   当該コンピュータに、当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データから、それぞれ、所定距離間隔の格子点上の可降水量格子点データ、風格子点データ及び気圧格子点を生成させるメッシュ化ステップ（４３２，４４４，４４８）と、
   当該コンピュータに、当該可降水量格子点データの時間変動を算出させる可降水量変動算出ステップ（４１４）と、
   当該コンピュータに、当該風格子点データの収束発散量を算出させる収束発散量算出ステップ（４５２）と、
   当該コンピュータに、当該気圧格子点データの時間変動を算出させる気圧変動算出ステップ（４５４）と、
   当該コンピュータに、当該可降水量変動算出ステップ（４１４）、当該収束発散量算出ステップ（４５２）及び当該気圧変動算出ステップ（４５４）の算出結果に従い、降水量統計データ（４１８ａ）及び降水確率統計データ（４１８ｂ）を参照して、降水量及び降水確率を予測させる降水量予測ステップ（４１６）
   とを具備することを特徴とする降水予測プログラム。
10. コンピュータに複数地点のＧＰＳ可降水量観測データを入力する可降水量入力ステップ（５１０−１〜５１０−ｎ、５１２−１〜５１２−ｎ）と、
    当該コンピュータに複数地点の風向風速データを入力する風向風速入力ステップ（５４０−１〜５４０−ｐ）と、
    当該コンピュータに、複数地点の気圧データを入力する気圧入力ステップ（５４２−１〜５４２−ｑ）と、
    当該コンピュータに、所定気象モデル（５４６）に基づき気象状態を予測させる気象モデル予測ステップ（５４８）と、
    当該コンピュータに、当該複数地点のＧＰＳ可降水量観測データ、当該複数地点の風向風速データ及び当該複数地点の気圧データを、当該気象モデル予測手段からの気象モデル値にデータ同化して、修正可降水量、修正風向風速値、及び修正気圧値を出力させるデータ同化ステップ（５４４）と、
    当該コンピュータに当該修正可降水量の時間変動を算出させる可降水量変動算出ステップ（５１４）と、
    当該コンピュータに、当該修正風向風速値の収束発散量を算出させる収束発散量算出ステップ（５５２）と、
    当該コンピュータに、当該修正気圧値の時間変動を算出させる気圧変動算出ステップ（５５４）と、
    当該コンピュータに、当該可降水量変動算出ステップ（５１４）、当該収束発散量算出ステップ（５５２）及び当該気圧変動算出ステップ（５５４）の算出結果に従い、降水量統計データ（５１８ａ）及び降水確率統計データ（５１８ｂ）を参照して、降水量及び降水確率を予測させる降水量予測ステップ（５１６）
    とを具備することを特徴とする降水予測プログラム。
11. 更に、当該コンピュータに、降水量予測ステップ（４１６，５１６）による当該降水量に雨量強度観測データを所定の重みの下で合成させる合成ステップ（４２０，５２０）を具備することを特徴とする請求項９又は１０に記載の降水予測プログラム。

Images