JP6689304B2 - 気象レーダ装置及び豪雨予測方法 - Google Patents

Description

本発明の実施形態は、豪雨予測機能を実現できる気象レーダ装置及び豪雨予測方法に関する。

近年、突発的で特異的な気象現象である、ゲリラ豪雨とも呼ばれるような局地的な豪雨が多発している。このような豪雨により引き起こされる災害を最小限にするために、豪雨の発生を予測・解析する豪雨予測を行って、豪雨による脅威度を推定する必要性が高まっている。このような機能を実現するために、高解像度の気象レーダ等を使用した豪雨予測システムが提案されている。

特開２００１−２８９９６１号公報

従来の豪雨予測システムは、現在の雨域に類似した過去の事例を参照することで、豪雨の発生を予測・解析し、予測結果から危険度を判定する処理を行なう構成である。このような豪雨予測システムでは、過去の事例に依存するため、特異的かつ局地的な気象現象である豪雨を正確かつ迅速に予測・解析することは困難である。また、豪雨による災害を最小限にするために、予測結果から有効な危険度を判定することも困難である。

そこで、目的は、特異的かつ局地的な気象現象である豪雨を正確かつ迅速に予測・解析し、予測結果から有効な脅威度を推定できる気象レーダ装置を提供することにある。

本実施形態の気象レーダ装置は、アンテナにより受信されるレーダ信号を処理して、気象現象に関連する観測データを生成する手段と、前記観測データを処理する情報処理手段とを備えた構成である。前記情報処理手段は、前記観測データに基づいて前記気象現象として発生した雨域を認知する認知処理を実行する手段と、前記認知処理の認知結果に基づいて対象地点に対する豪雨の脅威度を算出するための脅威情報を生成する手段とを含む。前記情報処理手段は、前記脅威度を算出するための所定の関数を定義し、当該関数に対して前記脅威情報をパラメータとして適用し、前記脅威度を算出する手段を含み、前記脅威情報として、前記対象地点に対する前記豪雨の雨域からの距離、前記対象地点への前記雨域の接近状況を示す指標化データ、前記雨域の規模を示すデータ、及び前記雨域の盛衰状況を示すデータを算出する。

実施形態に関する気象レーダ装置の構成を説明するためのブロック図。 実施形態に関する気象レーダ装置の動作を説明するためのフローチャート。 実施形態に関する全雨域の認知画像の一例を示す図。 実施形態に関する全雨域の２値化画像の一例を示す図。 実施形態に関する強雨域の認知画像の一例を示す図。 実施形態に関する強雨域の２値化画像の一例を示す図。 実施形態に関する強雨域の時間的変化を示す認知画像の一例を示す図。 実施形態に関する強雨域の時間的変化を示す２値化画像の一例を示す図。 実施形態に関する時間的変化を示す強雨域の各画像を重ね合わせた図。 実施形態に関する脅威情報を説明するための図。

以下図面を参照して、実施形態を説明する。
［気象レーダ装置の構成］
図１は、本実施形態に関する気象レーダ装置１の構成を示すブロック図である。本実施形態の気象レーダ装置１は、高解像度の気象レーダ、例えばフェーズド・アレー気象レーダ、又はＸＲＡＩＮ（eXtended RAdar Information Network）方式の気象レーダを適用した構成である。

図１に示すように、気象レーダ装置１は、アンテナユニット１０と、レーダ信号処理装置１１と、コンピュータ１４と、ストレージ１５と、通信装置１６とを有する。アンテナユニット１０は、例えばフェーズド・アレー・アンテナからなり、送信された電波の反射波を受信して、レーダ信号処理装置１１に送出する。

レーダ信号処理装置１１は、Ａ／Ｄ変換器１２及び信号処理部１３を含む。Ａ／Ｄ変換器１２は、アンテナユニット１０により受信される反射波であるアナログ信号をデジタル信号に変換する。信号処理部１３は、グランドクラッタの除去処理等の各種のデジタル信号処理を実行して、信号処理後のデジタルデータをコンピュータ１４に出力する。

コンピュータ１４は、ストレージ１５に格納されたソフトウェアにより、信号処理部１３からのデジタルデータを入力し、本実施形態の豪雨予測処理に関するデータ処理及び解析処理を実行する。本実施形態の豪雨予測処理は、後述するように、豪雨による対象地点に対する脅威度を算出（推定）するための脅威情報の生成処理を含む。ストレージ１５は、コンピュータ１４が実行するソフトウェア以外に、データ処理及び解析処理に必要なデータや情報を格納する。通信装置１６はネットワークに接続されており、コンピュータ１４により制御されて、データ処理及び解析処理により出力されるデータや情報を、例えば気象センターのサーバ等に配信する。
［豪雨予測処理］
図２は、コンピュータ１４が実行する処理を示すフローチャートである。図３は、コンピュータ１４により作成される認知画像の一例を示す図である。図４は、２値化画像の一例を示す図である。

図２に示すように、コンピュータ１４は、信号処理部１３からのデジタルデータを使用して、全雨域と強雨域の認知処理を実行する（Ｓ１）。具体的には、コンピュータ１４は、デジタルデータ（受信強度を含むデータ）から、降雨強度データを含む観測データを作成する。コンピュータ１４は、当該観測データに基づいた雨域を示す観測画像t0を作成する。この観測画像t0は、時間t0での観測データに基づいている。コンピュータ１４は、作成した観測画像に対して、２値化処理、外接矩形（外接円）の抽出処理、座標点情報の抽出処理、及びラベリング処理を含む、全雨域と強雨域の認知処理を実行する。

次に、コンピュータ１４は、各雨域３０間の距離を計測する距離計測、各雨域３０の面積を計測する面積計測、各雨域３０の平均降雨強度の算出、及び各雨域３０の指標化された規模の算出等の処理を実行する（Ｓ２）。コンピュータ１４は、各計測結果及び各算出結果をストレージ１５に格納する。

コンピュータ１４は、以上の処理（Ｓ１、Ｓ２）を時間t0〜ｔｎまでΔｔ（例えば２分）間隔で実行して、認知処理の結果から全雨域と強雨域の認知画像を作成する（Ｓ３）。図３は、コンピュータ１４の認知処理により取得される、全雨域３０を示す認知画像の一例を示す。図３に示すように、全雨域３０は、座標点（経度と緯度）情報の抽出処理により作成される地図上において、ラベリング処理によりラベルＡ〜Ｆが付加されている。

ここでは、便宜的に、認知画像の全雨域３０のそれぞれを、降雨強度データに基づいて、降雨の強度の段階をエリア毎に区別しているが、カラーで区別して表示することが可能である。例えば、ラベルＦの雨域３０において、降雨強度が最大値の部分１００をオレンジ色で表示し、中間値の部分１１０を黄色で表示し、さらに相対的に弱い部分１２０を青色で表示し、最小値の部分１３０を緑色で表示する。

図４は、２値化処理及び外接矩形（外接円）の抽出処理が実行された全雨域４０を示す認知画像の一例を示す。図４に示すように、２値化された全雨域４０はそれぞれ、外接矩形４１の抽出処理により、ラベルＡ〜Ｆ毎に抽出可能である。コンピュータ１４は、ラベルＡ〜Ｆ毎に抽出した認知画像をそれぞれ、重心４２を含む座標点情報と共にストレージ１５に格納できる。

図５は、強雨域５０を示す認知画像の一例を示す。図５に示すように、強雨域５０は、座標点（経度と緯度）情報の抽出処理により作成される地図上において、ラベリング処理によりラベルａ〜ｆが付加されている。

図６は、２値化処理及び外接矩形（外接円）の抽出処理が実行された強雨域６０を示す認知画像の一例を示す。図６に示すように、２値化された強雨域６０はそれぞれ、外接矩形６１の抽出処理により、ラベルａ〜ｆ毎に抽出可能である。コンピュータ１４は、ラベルａ〜ｆ毎に抽出した認知画像をそれぞれ、重心６２を含む座標点情報と共にストレージ１５に格納できる。

コンピュータ１４は、ストレージ１５に格納した全雨域と強雨域の各認知画像３０，４０，５０，６０を、通信装置１６からネットワークを介して例えば気象センターのサーバに配信できる。これにより、サーバは、各認知画像を表示装置の画面上に表示できる。

次に、コンピュータ１４は、時間Δｔの間隔で実行した認知処理により作成した認知画像を使用して、強雨域の追跡処理と状況変化の認識処理を実行する（Ｓ４）。具体的には、コンピュータ１４は、セグメンテーション処理、位置の突合処理、座標評価処理、変位量の異常値判定処理（エラー画像の判定処理）、追跡処理、状況変化の認識処理及び再ラベリング処理を実行する。即ち、コンピュータ１４は、セグメンテーション処理により、強雨域の各認知画像５０，６０から処理対象の認知画像を区分する。コンピュータ１４は、位置の突合処理及び座標評価処理により、処理対象の画像の時間的推移を認識する。さらに、コンピュータ１４は、処理対象である認知画像の追跡処理及び状況変化の認識処理により、処理対象である強雨域の状況変化を認識する。

図7から図９はそれぞれ、強雨域の追跡処理と状況変化の認識処理により得られる処理結果を示す図である。図７は、例えば図５に示すようなラベルｄの強雨域において、時間t0、t-1、t-2の時間的変化を示す認知画像７０、７１、７２を示す。図８は、２値化処理及び外接矩形（外接円）の抽出処理が実行された強雨域において、時間t0、t-1、t-2の時間的変化を示す認知画像８０、８１、８２を示す。

コンピュータ１４は、状況変化の認識処理として、例えば時間ｔ０の認知画像と、時間Δｔ前に処理した認知画像（時間ｔ-1の認知画像）との比較処理を実行することにより、強雨域の状況変化に関する情報を抽出する。図９は、時間t0、t-1、t-2の時間的変化を示すフレーム毎の強雨域を重ね合わせた図を示すものであり、強雨域の状況変化に関する情報である。

図２に戻って、以上のような雨域と強雨域の認知処理（Ｓ１）、雨域に関する計測処理及び算出処理（Ｓ２）、雨域と強雨域の認知画像の作成処理（Ｓ３）及び雨域の状況変化の認識処理（Ｓ４）の各処理結果を使用して、コンピュータ１４は、脅威情報の生成処理を実行する（Ｓ５）。以下、図１０を参照して、脅威情報及び生成処理を具体的に説明する。

本実施形態の脅威情報とは、対象地点に対する豪雨が及ぼす脅威度（危険度）を算出（推定）するための情報である。脅威度は、評価関数ｆ(a・Ｄ，b・Ａ，c・Ｓｃ，d・ＧＤ)により算出できる評価値として定義できる。ここで、a，b，c，dは重み係数を示す。脅威情報は、例えば、評価関数ｆのパラメータＤ、Ａ、Ｓｃ、ＧＤに相当する。

図１０は、脅威情報Ｄ、Ａ、Ｓｃ、ＧＤを説明するための図である。図１０に示すように、パラメータＤ（distance）は、経度と緯度により特定される対象地点２００に対して、雨域２１０において、例えば降雨強度が５０mm/h以上の強雨域の外接矩形２２０の重心からの距離（ｍ）を示す。ここでは、雨域２１０は、図３に示すように、便宜的に降雨強度をエリアで区別している。降雨強度は、インジケータ２３０により例えばカラーで区別して表示可能である。

パラメータＡ（access）は、対象地点への接近状況を示す。具体的には、時刻tとt-Δｔにおける距離Ｄの差分に従って、「Ｄ(t)-Ｄ(t-Δｔ)＜０」の条件を満たす場合には、接近(＋1)と指標化する。また、「Ｄ(t)-Ｄ(t-Δt)＝０」の条件を満たす場合には、停滞(±０)と指標化する。さらに、「Ｄ(t)-Ｄ(t-Δt)＞０」の条件を満たす場合には、離脱(-１)と指標化する。あるいは、１０分間の累積値などが、ある閾値を越えると接近などと定義してもよい。

パラメータＳｃ（scale）は雨域の規模を示し、認知画像のピクセル（pixel）数で定義する。パラメータＧＤ（growth & decay）は、雨域の盛衰状況を示し、例えば、時刻tと時刻t-Δtにおける強雨域のピクセル（pixel）数の差分として定義できる。

コンピュータ１４は、評価関数ｆにより算出できる評価値として脅威度を定義し、当該評価関数ｆのパラメータＤ、Ａ、Ｓｃ、ＧＤを脅威情報として生成する。コンピュータ１４は、生成した脅威情報を評価関数ｆに適用して、対象地点に対する豪雨が及ぼす脅威度（危険度）を算出（推定）する。コンピュータ１４は、生成した脅威情報、及び脅威情報を評価関数ｆに適用して算出（推定）した脅威度（危険度）をストレージ１５に格納する。

さらに、コンピュータ１４は、ストレージ１５に格納した脅威情報及び脅威度（危険度）を、通信装置１６からネットワークを介して例えば気象センターのサーバ等に配信する（Ｓ６）。これにより、サーバは、脅威情報及び脅威度を表示装置の画面上に表示できる。

なお、本実施形態では、コンピュータ１４が脅威情報を気象センターのサーバに配信する処理を実行し、サーバにおいて脅威情報を評価関数ｆに適用して、脅威度（危険度）を算出（推定）してもよい。

以上のように本実施形態によれば、コンピュータ１４は、図２に示すソフトウェア（アルゴリズム）を実行することにより、気象レーダデータを処理して、雨域の認知画像を生成し、当該雨域の面積、降雨強度、及び規模等を算出し、当該雨域の状況変化に関する情報を抽出できる。この場合、特に豪雨をもたらす強雨域の認知画像を生成し、当該強雨域の面積、降雨強度、及び規模等を算出し、当該強雨域の状況変化に関する情報を抽出できる。

さらに、コンピュータ１４は、対象地点に対する豪雨（強降雨）が及ぼす脅威度（危険度）を算出（推定）するための脅威情報を生成する。脅威情報は、対象地点に対する強雨域からの距離、当該強雨域の対象地点への接近状況、当該強雨域の規模、及び当該強雨域の盛衰状況を示す情報である。本実施形態により当該脅威情報を生成できるため、当該脅威情報をパラメータとして適用し、脅威度（評価値）を算出するための評価関数ｆを定義することが可能である。

本実施形態では、コンピュータ１４は、予め用意した評価関数ｆに対して当該脅威情報をパラメータとして適用し、対象地点に対する脅威度（評価値）を算出しても良い。また、例えば気象センターのサーバは、予め評価関数ｆを用意していれば、コンピュータ１４から配信される脅威情報をパラメータとして適用して、脅威度（危険度）を算出（推定）することが可能である。

以上要するに、本実施形態によれば、特異的かつ局地的な気象現象である豪雨を正確かつ迅速に予測・解析することが可能である。また、対象地点に豪雨が及ぼす脅威情報を生成できるため、当該脅威情報を利用して、災害を最小限にするために有効な脅威度（危険度）を算出（推定）できる。従って、例えば気象センターのサーバは、対象地点に豪雨が及ぼす脅威度（危険度）を認識できるため、特異的かつ局地的な気象現象である豪雨による災害を回避するための有効な気象予報を実現できる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１…気象レーダ装置、１０…アンテナユニット、１１…レーダ信号処理装置、
１２…Ａ／Ｄ変換器、１３…信号処理部、１４…コンピュータ、１５…ストレージ、
１６…通信装置。

Claims (5)

1. アンテナにより受信されるレーダ信号を処理して、気象現象に関連する観測データを生成する手段と、
   前記観測データを処理する情報処理手段と、を具備し、
   前記情報処理手段は、
   前記観測データに基づいて前記気象現象として発生した雨域を認知する認知処理を実行する手段と、
   前記認知処理の認知結果に基づいて、対象地点に対する豪雨の脅威度を算出するための脅威情報を生成する手段とを含み、
   前記情報処理手段は、
   前記脅威度を算出するための所定の関数を定義し、当該関数に対して前記脅威情報をパラメータとして適用し、前記脅威度を算出する手段を含み、
   前記脅威情報として、前記対象地点に対する前記豪雨の雨域からの距離、前記対象地点への前記雨域の接近状況を示す指標化データ、前記雨域の規模を示すデータ、及び前記雨域の盛衰状況を示すデータを算出する、気象レーダ装置。
2. 前記情報処理手段は、
   前記認知処理の認知結果に基づいて雨域の状況変化を認識する認識処理を実行する手段を含み、
   前記認知処理の認知結果及び前記認識処理の認識結果に基づいて、前記脅威情報を生成する、請求項１に記載の気象レーダ装置。
3. 前記情報処理手段により生成される前記脅威情報を配信するための通信手段を含む、請求項１または２に記載の気象レーダ装置。
4. アンテナにより受信されるレーダ信号を処理して、気象現象に関連する観測データを生成する手段、及び前記観測データを処理する情報処理手段を含む気象レーダ装置に適用する豪雨予測方法であって、
   前記情報処理手段により、
   前記観測データに基づいて前記気象現象として発生した雨域を認知する処理と、
   前記認知する処理の処理結果に基づいて、対象地点に対する豪雨の脅威度を算出するための脅威情報を生成する処理とを実行し、
   前記情報処理手段により、
   前記脅威度を算出するための所定の関数を定義し、当該関数に対して前記脅威情報をパラメータとして適用し、前記脅威度を算出する処理を含み、
   前記脅威情報として、前記対象地点に対する前記豪雨の雨域からの距離、前記対象地点への前記雨域の接近状況を示す指標化データ、前記雨域の規模を示すデータ、及び前記雨域の盛衰状況を示すデータを算出する、豪雨予測方法。
5. 前記情報処理手段により、
   前記認知する処理の処理結果に基づいて雨域の状況変化を認識する処理を含み、
   前記認知する処理の処理結果及び前記認識する処理の処理結果に基づいて、前記脅威情報を生成する、請求項４に記載の豪雨予測方法。