TW201835607A - 氣象預測裝置、氣象預測方法及氣象預測程式 - Google Patents

氣象預測裝置、氣象預測方法及氣象預測程式 Download PDF

Info

Publication number
TW201835607A
TW201835607A TW106136647A TW106136647A TW201835607A TW 201835607 A TW201835607 A TW 201835607A TW 106136647 A TW106136647 A TW 106136647A TW 106136647 A TW106136647 A TW 106136647A TW 201835607 A TW201835607 A TW 201835607A
Authority
TW
Taiwan
Prior art keywords
height
precipitation zone
precipitation
type
meteorological
Prior art date
Application number
TW106136647A
Other languages
English (en)
Inventor
小林哲也
水谷文彦
一
Original Assignee
日商東芝股份有限公司
日商東芝基礎設施系統股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日商東芝股份有限公司, 日商東芝基礎設施系統股份有限公司 filed Critical 日商東芝股份有限公司
Publication of TW201835607A publication Critical patent/TW201835607A/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Electromagnetism (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

實施形態之氣象預測裝置，係具備有決定部、和風險導出部。決定部，係基於藉由雷達裝置所得到的氣象觀測資料，來決定上空之降水帶的種類。風險導出部，係基於藉由決定部所決定了的降水帶之種類，來導出由降水帶所致之災害的風險。

Description

氣象預測裝置、氣象預測方法及氣象預測程式
[0001] 本發明之實施形態，係有關於氣象預測裝置、氣象預測方法及氣象預測程式。
[0002] 近年來，係發生有起因於河川之氾濫及大規模的斜坡崩塌而導致極大之損害的豪雨災害。此種災害，係被認為是因為線狀降水帶在一定的地點處而作長時間的停滯一事所引發者。關連於此，對於上空之積雨雲等的雨雲進行觀測並導出上空的降水強度之技術，係為周知。 　　[0003] 然而，在先前的技術中，係難以對起因於線狀降水帶所引發的豪雨災害等的風險而以良好精確度來進行預測。
[發明所欲解決之課題] 　　[0004] 本發明所欲解決之課題，係在於提供一種能夠對於由氣象災害所導致的風險以良好精確度來進行預測的氣象預測裝置、氣象預測方法及氣象預測程式。 [用以解決課題之手段] 　　[0005] 實施形態之氣象預測裝置，其特徵為，係具備有：決定部，係基於藉由雷達裝置所得到的氣象觀測資料，來決定上空之降水帶的種類；和風險導出部，係因應於藉由前述決定部所決定的降水帶之種類，來導出由前述降水帶所致之災害的風險。 　　[0006] 若依據實施形態之氣象預測裝置，則藉由具備有基於藉由雷達裝置所得到的氣象觀測資料來決定上空之降水帶的種類之決定部、和因應於藉由決定部所決定的降水帶之種類來導出由降水帶所致之災害的風險之風險導出部，係能夠將由氣象災害所導致的風險以良好精確度來進行預測。
[0008] 以下，參考圖面，針對實施形態之氣象預測裝置、氣象預測方法及氣象預測程式作說明。 　　[0009] (第1實施形態) 　　圖1，係為對於在第1實施形態中之氣象預測裝置100的構成之其中一例作展示之圖。在第1實施形態中之氣象預測裝置100，係基於從氣象雷達裝置200所輸出的氣象觀測資料，來決定線狀降水帶之種類。所謂線狀降水帶，係為具有線狀之形態的降水雲(例如積雨雲)之集合體，並為有時會停滯在上空並且對於地面上造成豪雨或豪雪、雹、霰等的氣象災害者。氣象預測裝置100，係因應於此線狀降水帶之種類，來導出被預測到會起因於降水帶而引發的氣象災害的風險。 　　[0010] 氣象雷達裝置200，例如，係包含相位陣列天線。氣象雷達裝置200，係藉由對於輸入至構成相位陣列天線之陣列狀的天線元件中之訊號或者是天線元件所輸出之訊號的相位作控制，來使指向角作電子性的變動。氣象雷達裝置200，係一面使天線之指向角變動，一面進行電波之送受訊。例如，氣象雷達裝置200，係藉由電性之相位控制，來使在仰角方向(垂直方向)上的指向角，於一定之角度範圍(例如90度)內變動。又，氣象雷達裝置200，係藉由未圖示之驅動機構，來使在方位角方向(水平方向)上的指向角作機械性變動。又，氣象雷達裝置200，係亦可在方位角方向以及仰角方向之雙方中，藉由電性之相位控制來使指向角變動。 　　[0011] 又，氣象雷達裝置200，係除了上述之相陣列天線以外，亦可包含拋物面天線或塊狀天線、竿式天線、並饋天線、槽式天線等。例如，當包含拋物面天線的情況時，氣象雷達裝置200，係一面藉由未圖示之驅動機構來使天線之指向角作機械性變更，一面進行電波之送受訊。 　　[0012] 氣象雷達裝置200，係將所受訊的電波轉換為電性訊號，並進行解調和訊號強度之放大、頻率轉換等的訊號處理。之後，氣象雷達裝置200，係將進行了訊號處理之訊號(以下，稱作已完成處理訊號)作為氣象觀測資料而送訊至氣象預測裝置100處。 　　[0013] 例如，氣象雷達裝置200，係將在特定之探索週期(例如30秒週期)的期間中所產生的複數之已完成處理訊號，作為1個的氣象觀測資料而送訊至氣象預測裝置100處。氣象觀測資料，例如，係為針對各網格區域Mi 之每一者而將基於電波所得到的物理量附加對應關係之體資料(Volume Data)。所謂網格區域Mi ，係為將電波所被作照射的3維之觀測空間，針對距離方向、水平方向以及鉛直方向之各者而以特定之寬幅來作了分割的3維之空間區域。另外，氣象雷達裝置200之觀測對象(觀測空間)係設為距離氣象雷達裝置200而為充分遠者，在以下之說明中，假設係將網格區域Mi 視為立方體。 　　[0014] 以下，針對氣象預測裝置100之構成作說明。氣象預測裝置100，係具備有通訊部102、和控制部110、以及記憶部130。 　　[0015] 通訊部102，係透過WAN(Wide Area Network)等之網路而與氣象雷達裝置200等進行通訊，並從氣象雷達裝置200而受訊氣象觀測資料132。藉由通訊部102所受訊的氣象觀測資料132，係被記憶在記憶部130中。 　　[0016] 控制部110，例如，係具備有降水強度算出部111、和風向風速算出部112、和降水帶形態決定部113、和區域導出部114、和災害風險導出部115、以及輸出部116。此些之構成要素之一部分或全部，係可藉由讓CPU(Central Processing Unit)等之處理器實行被記憶在記憶部130中之程式，來實現之。又，控制部110之構成要素的一部分或者是全部，係亦可藉由LSI(Large Scale Integration)或ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)等之硬體來實現，亦可藉由軟體與硬體之協同動作來實現。 　　[0017] 記憶部130，例如，係亦可藉由ROM(Read Only Memory)、快閃記憶體、HDD(Hard Disk Drive)、SD卡、MRAM(Magnetoresistive Random Access Memory)、RAM(Random Access Memory)、暫存器等來實現之。記憶部130，係除了儲存控制部110之處理器所實行的程式以外，亦儲存氣象觀測資料132和後述之解析資料134、降水帶個別特徵資訊136等。 　　[0018] 圖2，係為對於氣象觀測資料132之其中一例作展示之圖。例如，氣象觀測資料132，係為針對將包含上空之雲的3維空間作了假想性分割後之各網格區域Mi 的每一者而將雷達反射因子Zi 和都卜勒速度Di 分別附加對應關係之資料。 　　[0019] 雷達反射因子Zi ，係為因應於反射電波的粒子之粒徑而變動的參數。反射電波之粒子，例如，係為構成雲之粒子(以下，係稱作雲粒)。在雲粒中，例如，係可包含有水滴和冰晶等。例如，雷達反射因子Zi ，係基於氣象雷達裝置200受訊電波時的受訊電力和從氣象雷達裝置200起直到將電波作了反射的雲粒為止之距離，而計算出來。另外，氣象觀測資料132，係亦可代替雷達反射因子Zi ，而使雷達反射強度(＝10log10 Zi )被附加對應。 　　[0020] 都卜勒速度Di ，係為代表網格區域Mi 內的雲粒之移動方向以及移動速度的參數，並基於氣象雷達裝置200將電波作了送訊時的送訊頻率、和受訊了電波時的受訊頻率，此兩者間之差異，而計算出來。都卜勒速度Di ，係為在算出各網格區域Mi 之風向以及風速時所使用的指標。此些之指標，係可在氣象雷達裝置200處作為訊號處理之結果而被計算出來，亦可在氣象預測裝置100處而被計算出來。 　　[0021] 網格區域Mi 之大小，係可因應於氣象雷達裝置200之時間解析度以及空間解析度而作變更。又，對於各網格區域Mi ，係將以氣象雷達裝置200之位置作為原點的正交座標系之位置座標附加對應關係。例如，當氣象雷達裝置200為被設置在標高為高之高台或山頂等處的情況時，網格區域Mi 之位置座標係可在高度方向上而取負的值。另外，座標系係並不被限定於正交座標系，而亦可為極座標系或其他的座標系。 　　[0022] 以下，針對由控制部110所進行之一連串的處理，使用流程圖來作說明。圖3，係為對於由在第1實施形態中之控制部110所進行之一連串的處理之其中一例作展示之流程圖。本流程圖之處理，例如，係能夠以特定之週期而反覆進行。 　　[0023] 首先，降水強度算出部111，係進行待機直到藉由通訊部102而從氣象雷達裝置200受訊1次的探索週期之量的氣象觀測資料132為止(步驟S100)，若是受訊1次的探索週期之量之氣象觀測資料132，則係針對此氣象觀測資料132的各網格區域Mi 之每一者，而算出降水強度Ri (步驟S102)。 　　[0024] 例如，降水強度算出部111，係藉由將各網格區域Mi 之每一者的雷達反射因子Zi 代入至數式(1)中，而計算出降水強度Ri 。另外，降水強度Ri ，係亦可藉由其他的方法來算出。 　　[0025][0026] 在上述數式(1)中之B以及β，例如，係為根據由雨量計所得之觀測值而決定的定數，當雲粒為水滴的情況時，B係設定為200的程度，β係設定為1.6的程度，當雲粒為冰晶的情況時，B係設定為500～2000的程度，β係設定為2.0的程度。另外，對於定數B以及β之各者，係可在全部的網格區域Mi 中而設定為相同之值，亦可在各網格區域Mi 之每一者中而設定相異之值。 　　[0027] 接著，風向風速算出部112，係基於各網格區域Mi 之雷達反射因子Zi 和都卜勒速度Di ，而算出各網格區域Mi 之風向以及風速(步驟S104)。例如，風向風速算出部112，係使用VAD(Velocity Azimuth Display))法、或VVP(Volume Velocity Processing)法、Gal-Chen法、Dual-Doppler法等之3維風解析手法，來針對各網格區域Mi 之每一者而分別算出風向以及風速。另外，風向風速算出部112，針對無法算出風向以及風速之網格區域Mi ，例如，係亦可使用在其他之網格區域Mi 處的風向以及風速之代表值。代表值，例如，係可為平均值，亦可為中央值，亦可為其他之統計量。 　　[0028] 圖4，係為對於將觀測空間假想性地作了分割的網格區域Mi 之其中一例作展示之圖。圖中之Z軸係代表鉛直方向，X軸以及Y軸係代表在水平方向中所包含的正交成分。在圖示之例中，係僅對於觀測空間(3維空間)中的某一XZ平面之剖面作展示。對於各網格區域Mi ，係作為解析結果，而將藉由降水強度算出部111所算出的降水強度Ri 和藉由風向風速算出部112所算出之代表風向風速的向量(箭頭Vi )附加有對應關係。另外，在圖中，降水強度Ri ，係為了代表與X軸以及Z軸相對應的降水強度R，而表現為Rxz 。藉由箭頭Vi 所表現的向量之方向，係代表風向，向量之大小，係代表風速。針對此種將觀測空間假想性地作了表現的各網格區域Mi 之每一者而分別將降水強度Ri 以及代表風向和風速之向量箭頭Vi 附加有對應關係之資訊，係作為解析資料134而被記憶在記憶部130中。 　　[0029] 接著，降水帶形態決定部113，係參照解析資料134，而從使降水強度Ri 和風向以及風速被附加了對應關係的複數之網格區域Mi 之中，抽出在特定高度處之觀測空間的網格區域Mi (步驟S106)。 　　[0030] 圖5，係為用以對於將網格區域Mi 抽出的方法作說明之圖。圖中之縱軸，係代表高度(鉛直方向Z)，橫軸，係代表關於水平方向XY中之其中一者之方向的距離。例如，降水帶形態決定部113，係在觀測空間中，將雲底高度Ha 附近之網格區域Mi 決定為下層區域，並將雲頂高度Hc 附近之網格區域Mi 決定為上層區域，並且將雲底高度Ha 與雲頂高度Hc 之間之中間高度Hb 附近之網格區域Mi 決定為中層區域。 　　[0031] 雲底高度Ha ，係為能夠藉由電波所觀測到的雲之底部的高度，例如，係被設定為從地面上起之約0.5[km]的地點處之高度。雲頂高度Hc ，係為能夠藉由電波所觀測到的雲之頂部的高度，例如，係被設定為從地面上起之約10[km]的地點處之高度。在圖中之例中，雖係亦針對雲頂高度Hc 以上之雲而作了示意性展示，但是係將此設為不會被觀測到者。中間高度Hb ，例如，係為高度Ha 與高度Hc 之中間地點處的高度。在上述之數值例的情況時，中間高度Hb ，係被設定於從地面上起之約4.75[km]的地點處之高度。在本實施形態中，此些之各高度係設為預先被作決定者。雲底高度Ha ，係為「第1高度」之其中一例，中間高度Hb ，係為「第2高度」或「特定之高度」之其中一例。 　　[0032] 降水帶形態決定部113，係根據解析資料134，而抽出相當於下層區域之網格區域Mi 、和相當於中層區域之網格區域Mi 。之後，降水帶形態決定部113，係參照降水帶個別特徵資訊136，而藉由對所抽出的下層區域之關連於水平方向之風向以及風速(以下，稱作下層風)和中層區域之關連於水平方向之風向以及風速(以下，稱作中層風)作比較，來決定在觀測空間中之線狀降水帶的種類(步驟S108)。下層風以及中層風，係可為在各別之高度處的區域之代表性的風向以及風速。各區域之代表性的風向以及風速，例如，係可藉由將對於在該區域中所包含之所有的網格區域Mi 之各者而被附加有對應關係的風向以及風速之向量Vi 作了合成之1個的合成向量來作表現。 　　[0033] 圖6，係為對於降水帶個別特徵資訊136之其中一例作展示之圖。在本實施形態中而成為判別對象之線狀降水帶，係為後向發展型線狀降水帶(圖中之B型)、後向側向發展型線狀降水帶(圖中之BS型)、以及颮線型線狀降水帶(圖中之S型)。另外，此些之線狀降水帶的種類，係僅為其中一例，亦可將一部分置換為其他之種類，亦可在此些之種類中追加其他的種類。 　　[0034] 一般而言，後向發展型線狀降水帶(B型)，其下層風之風向與中層風之風向係為相同方向，後向側向發展型線狀降水帶(BS型)，其下層風之風向與中層風之風向係為相互正交之方向，颮線型線狀降水帶(S型)，其下層風之風向與中層風之風向係互為相反方向，此事係為周知。 　　[0035] 因此，例如，降水帶形態決定部113，在下層風與中層風之風向(向量)的角度差為正負45°以內的情況時，係判定下層風與中層風之風向為「同方向」，並決定在觀測空間中之線狀降水帶係身為「後向發展型線狀降水帶(B型)」。又，例如，降水帶形態決定部113，在下層風與中層風之風向(向量)的角度差為正負45°～135°之範圍內的情況時，係判定下層風與中層風之風向為「正交方向」，並決定在觀測空間中之線狀降水帶係身為「後向側向發展型線狀降水帶(BS型)」。又，例如，降水帶形態決定部113，在下層風與中層風之風向(向量)的角度差為正負135°～180°之範圍內的情況時，係判定下層風與中層風之風向為「相反方向」，並決定在觀測空間中之線狀降水帶係身為「颮線型線狀降水帶(S型)」。 　　[0036] 又，後向發展型線狀降水帶(B型)之走向ST，係與在該降水帶中之中層風的風向相同方向，後向側向發展型線狀降水帶(BS型)之走向ST，係與在該降水帶中之中層風的風向略相同方向，颮線型線狀降水帶(S型)之走向ST，係為與在該降水帶中之中層風的風向相正交之方向，此事係為周知。 　　[0037] 例如，降水帶形態決定部113，係亦可代替對於下層風與中層風作比較並決定線狀降水帶之種類，而藉由對於種類尚未決定之線狀降水帶之走向ST與此線狀降水帶之中層風的風向作比較，來決定線狀降水帶之種類。 　　[0038] 圖7，係為對於線狀降水帶之走向ST之其中一例作展示之圖。圖中之箭頭Va ，係代表下層風的風向，箭頭Vb ，係代表中層風的風向。在圖示之例中，下層風的風向Va 與中層風的風向Vb 係為相同方向，並且線狀降水帶之走向ST係與中層風的風向Vb 相同方向。例如，當線狀降水帶之走向ST與中層風的風向Vb 之角度差係為正負45°以內的情況時，係可將線狀降水帶之走向ST與中層風的風向Vb 視為「相同方向」。當線狀降水帶之走向ST與中層風的風向Vb 係為「相同方向」的情況時，降水帶形態決定部113，係將線狀降水帶之種類，決定為「後向發展型線狀降水帶(B型)」。 　　[0039] 圖8，係為對於線狀降水帶之走向ST之另外一例作展示之圖。在圖示之例中，下層風的風向Va 與中層風的風向Vb 係為相互正交之方向，並且線狀降水帶之走向ST係與中層風的風向Vb 相同方向(略同方向)。於此情況，降水帶形態決定部113，係將線狀降水帶之種類，決定為「後向側向發展型線狀降水帶(BS型)」。 　　[0040] 圖9，係為對於線狀降水帶之走向ST之另外一例作展示之圖。在圖示之例中，下層風的風向Va 與中層風的風向Vb 係為相反之方向，並且線狀降水帶之走向ST係為與中層風的風向Vb 相互正交之方向。例如，當線狀降水帶之走向ST與中層風的風向Vb 之角度差係為正負45°～135°之範圍內的情況時，係可將線狀降水帶之走向ST與中層風的風向Vb 視為「正交方向」。當線狀降水帶之走向ST係為與中層風的風向Vb 相正交之方向的情況時，降水帶形態決定部113，係將線狀降水帶之種類，決定為「颮線型線狀降水帶(S型)」。 　　[0041] 又，降水帶形態決定部113，係亦可基於下層風與中層風之風向的比較結果以及線狀降水帶之走向ST與中層風的風向之比較結果的雙方，來決定線狀降水帶之種類。例如，降水帶形態決定部113，係亦可針對下層風與中層風之風向的各種組合之每一者以及線狀降水帶之走向ST與中層風之風向的各種組合之每一者，而對於線狀降水帶之種類的3個的候補分別將分數(score)作加算或乘算，並將被作了加算或乘算的分數之合計為最大的候補，決定為作為對象之線狀降水帶的種類。 　　[0042] 圖10，係為用以對於計分的方法作說明之圖。例如，當下層風之風向係為與中層風之風向「相同方向」的情況時，降水帶形態決定部113，係能夠以後向發展型線狀降水帶(B型)之分數SB 為最高，後向側向發展型線狀降水帶(BS型)之分數SBS 為僅次於分數SB 而第2高，而颮線型線狀降水帶(S型)之分數SS 會成為最小的方式，來作決定。在圖示之例中，於線狀降水帶之種類的3個的候補(B型、BS型、S型)之各者處，係成為被加算或乘算有(0.6、0.3、0.1)一般之分數。 　　[0043] 又，例如，當下層風之風向係相對於中層風之風向而為「正交方向」的情況時，降水帶形態決定部113，係能夠以分數SBS 為最高，分數SB 以及分數SS 為僅次於分數SBS 而成為第2高的方式，來作決定。在圖示之例中，於線狀降水帶之種類的3個的候補(B型、BS型、S型)之各者處，係成為被加算或乘算有(0.2、0.6、0.2)一般之分數。 　　[0044] 又，例如，當下層風之風向係相對於中層風之風向而為「相反方向」的情況時，降水帶形態決定部113，係能夠以分數SS 為最高，分數SBS 為僅次於分數SS 而為第2高，分數SB 會成為最小的方式，來作決定。在圖示之例中，於線狀降水帶之種類的3個的候補(B型、BS型、S型)之各者處，係成為被加算或乘算有(0.1、0.3、0.6)一般之分數。 　　[0045] 又，例如，當線狀降水帶之走向ST係為與中層風之風向「相同方向」的情況時，降水帶形態決定部113，係能夠以分數SB 以及分數SBS 為最高，而分數SS 會成為最小的方式，來作決定。在圖示之例中，於線狀降水帶之種類的3個的候補(B型、BS型、S型)之各者處，係成為被加算或乘算有(0.4、0.4、0.2)一般之分數。 　　[0046] 又，例如，當線狀降水帶之走向ST係相對於中層風之風向而為「正交方向」的情況時，降水帶形態決定部113，係能夠以分數SS 為最高，分數SB 以及分數SBS 為最小的方式，來作決定。在圖示之例中，於線狀降水帶之種類的3個的候補(B型、BS型、S型)之各者處，係成為被加算或乘算有(0.2、0.2、0.6)一般之分數。 　　[0047] 如此這般，降水帶形態決定部113，係針對各事例之每一者而逐次對於線狀降水帶之種類之候補賦予分數，並將被附加有相較於其他之分數而值為最大的分數之候補，作為線狀降水帶的種類而決定之。例如，當下層風之風向係為與中層風之風向「相同方向」，並且線狀降水帶之走向ST係相對於中層風之風向而為「正交方向」的情況時，若是以加算方式來計算分數，則後向發展型線狀降水帶(B型)之分數SB 係成為0.8，後向側向發展型線狀降水帶(BS型)之分數SBS 係成為0.5，而颮線型線狀降水帶(S型)之分數SS 係成為0.7。於此情況，降水帶形態決定部113，係將線狀降水帶之種類，決定為「後向發展型線狀降水帶(B型)」。 　　[0048] 又，降水帶形態決定部113，係亦可作為下層區域以及中層區域之代表性的風向以及風速，而求取出鉛直風切，並使用此鉛直風切來決定線狀降水帶之種類。所謂鉛直風切，係藉由將代表下層風與中層風之風向風速的向量之差分的大小除以下層區域以及中層區域之高度差所得到之值來表現之。 　　[0049] 又，降水帶形態決定部113，係亦可對於數值氣象預測模式之輸出資料及從地上之氣象觀測裝置(例如地上之風向風速計)所輸出的資料、遙測氣象測器(例如被設置在氣球等之飛行物上的無線電探空儀)所輸出的資料作考慮，並決定線狀降水帶之種類。於此情況，通訊部102，係能夠與各裝置進行通訊，並取得輸出資料等。 　　[0050] 接著，區域導出部114，係參照各網格區域Mi 之降水強度Ri ，而特定出在雲底高度Ha 和雲頂高度Hc 之間而降水強度Ri 為臨限值以上的網格區域Mi ，並導出將此些特定出來的網格區域Mi 相互作了結合的對象區域(步驟S110)。降水強度Ri 之臨限值，例如，係被設定為在過去之時間點處而觀測到了線狀降水帶時的降水強度值。藉由此，對象區域係作為包含有線狀降水帶(降水雲)之區域而被導出。 　　[0051] 接著，災害風險導出部115，係針對藉由區域導出部114所導出的各對象區域之每一者，而因應於藉由降水帶形態決定部113所決定了的線狀降水帶之種類，來導出由線狀降水帶所致之災害的風險(步驟S112)。 　　[0052] 例如，災害風險導出部115，係基於在對象區域中所包含的線狀降水帶之停滯的容易度(停滯程度)、和在該對象區域中所包含之網格區域Mi 的降水強度Ri (例如平均值等之代表性的降水強度Ri )，來導出由線狀降水帶所致之災害的風險。例如，如同在降水帶個別特徵資訊136中所示一般，後向發展型線狀降水帶(B型)和後向側向發展型線狀降水帶(BS型)，由於相較於颮線型線狀降水帶(S型)係容易停滯，因此，係會在相同的地點涵蓋長時間地而帶來降水等，其結果，災害係會有變得更大的傾向。亦即是，後向發展型線狀降水帶(B型)和後向側向發展型線狀降水帶(BS型)，係能夠相較於颮線型線狀降水帶(S型)而判斷為氣象災害之危險度為高。災害風險導出部115，係將各線狀降水帶之停滯的容易度置換為所謂的危險度之指標值(定量值)，並將此危險度與降水強度Ri 之乘積，作為代表由氣象災害所導致的風險之程度的風險值而導出。 　　[0053] 又，災害風險導出部115，係亦可基於線狀降水帶之走向ST及線狀降水帶所停滯的地上之區域(以下，稱作停滯地區)，來對於所導出的風險值賦予權重。例如，災害風險導出部115，當基於線狀降水帶之走向ST而推測線狀降水帶係會移動至海上或山區的情況時，係亦可藉由賦予會使所導出的危險度與降水強度Ri 之乘積變小一般的權重，來使風險值降低。另一方面，災害風險導出部115，當基於線狀降水帶之走向ST而推測線狀降水帶係會移動至市區或頻繁發生土石流災害之地區等處的情況時，係亦可藉由賦予會使所導出的危險度與降水強度Ri 之乘積變大一般的權重，來使風險值增加。亦即是，災害風險導出部115，係亦可基於線狀降水帶之將來的停滯地區，來對於所導出的風險值賦予權重。又，災害風險導出部115，係亦可基於線狀降水帶之現在所位置的停滯地區，來對於所導出的風險值賦予權重。 　　[0054] 又，災害風險導出部115，係亦可構成為除了線狀降水帶之各種類的個別之危險度以及降水強度Ri 以外，例如更進而配合數值氣象預測模式之輸出資料及從地上之氣象觀測裝置所輸出的資料、從遙測氣象測器所輸出的資料等之氣象資訊、土地利用資料和地質資料、地形資料、河川流域資料等的地表資訊，來導出風險值。在使用此些之各種資料的情況時，災害風險導出部115，係可將上述資料以及資訊數值化，並藉由加減乘除運算來導出風險值，亦可使用機率預測模式或學習型模式來導出風險值。 　　[0055] 接著，輸出部116，係使用通訊部102，來將基於藉由災害風險導出部115所導出的氣象災害之風險值的導出結果所得到之資訊，對於特定裝置作輸出(步驟S114)。特定裝置，例如，係可為一般利用者所利用的終端裝置，亦可為提供天氣預報等之資訊提供服務的伺服器裝置。 　　[0056] 圖11，係為對於被顯示在特定裝置上的畫面之其中一例作展示之圖。如同圖示之例一般，在特定裝置之畫面上，係與地圖相重疊地，而顯示有對象區域(圖中之R1～R3)。各對象區域之顯示態樣，係可因應於風險值來變更。例如，當在對象區域R1中所包含之降水帶，係為後向發展型線狀降水帶(B型)或者是後向側向發展型線狀降水帶(BS型)，而在對象區域R2以及R3中所包含之降水帶，係為颮線型線狀降水帶(S型)的情況時，如同圖示一般，係亦可構成為：對象區域R1，係以對應於高風險之顯示態樣而被作表現，對象區域R2以及R3，係以對應於低風險之顯示態樣而被作表現。 　　[0057] 若依據以上所說明的第1實施形態，則藉由具備有基於藉由氣象雷達裝置200所得到的氣象觀測資料來決定上空之降水帶的種類之降水帶形態決定部113、和因應於藉由降水帶形態決定部113所決定的降水帶之種類來導出由線狀降水帶所致之災害的風險之災害風險導出部115，係能夠將由氣象災害所導致的風險以良好精確度來進行預測。 　　[0058] 又，若依據上述之第2實施形態，則例如，當在氣象雷達裝置200處適用了相陣列天線的情況時，係能夠使用以高頻率來無空隙地作了觀測的氣象觀測資料。藉由此，係成為能夠以短周期來對於在該時間點處之風向以及風速分布而在3維方向上連續性地進行解析，藉由將此風向以及風速資料與降雨強度之資料等作組合，係能夠以高頻率以及高精確度來對於線狀降水帶的特徵作判定。其結果，係能夠將可能會帶來極大的災害之豪雨等的氣象災害之風險，以高精確度來迅速地作通知或提供。例如，在對於一般利用者所利用的終端裝置而通知氣象災害之風險結果的情況時，係能夠提醒一般市民提高注意並進行避難。 　　[0059] (第2實施形態) 　　以下，針對第2實施形態作說明。在第2實施形態中，係配合於對象區域之形狀，來決定下層區域以及中層區域，在此點上，係與上述之第1實施形態相異。以下，係以與第1實施形態之間之差異點為中心來進行說明，並將針對與第1實施形態共通的部份之說明作省略。另外，在第2實施形態之說明中，針對與第1實施形態相同之部分，係附加相同之元件符號來作說明。 　　[0060] 圖12，係為對於由在第2實施形態中之控制部110所進行之一連串的處理之其中一例作展示之流程圖。本流程圖之處理，例如，係以特定之週期而反覆進行。 　　[0061] 首先，降水強度算出部111，係進行待機直到藉由通訊部102而從氣象雷達裝置200受訊1次的探索週期之量的氣象觀測資料132為止(步驟S200)。 　　[0062] 若是受訊1次的探索週期之量之氣象觀測資料132，則降水強度算出部111，係針對此氣象觀測資料132的各網格區域Mi 之每一者，而算出降水強度Ri 和風向以及風速(步驟S202)。 　　[0063] 接著，區域導出部114，係參照各網格區域Mi 之降水強度Ri ，而特定出降水強度Ri 為臨限值以上的網格區域Mi ，並導出將此些特定出來的網格區域Mi 作了結合的對象區域(步驟S204)。 　　[0064] 接著，降水帶形態決定部113，係將藉由區域導出部114所導出的對象區域之最大高度，決定為雲頂高度Hc (步驟S206)。 　　[0065] 接著，降水帶形態決定部113，係判定對象區域之最小高度是否為特定高度(例如，0.5[km]程度)以下(步驟S208)，當對象區域之最小高度係為特定高度以下的情況時，將特定高度決定為雲底高度Ha (步驟S210)，當對象區域之最小高度係較特定高度而更大的情況時，係將對象區域之最小高度決定為雲底高度Ha (步驟S212)。另外，當藉由未圖示之雲高計(雲高測定器)而測定出雲底高度Ha ，並且通訊部102係從此雲高計而取得雲底高度Ha 之測定結果的情況時，降水帶形態決定部113，係亦可將S210之處理省略。 　　[0066] 接著，降水帶形態決定部113，係決定中間高度Hb (步驟S214)。例如，降水帶形態決定部113，係亦可將雲頂高度Hc 以及雲底高度Ha 之平均高度，決定為中間高度Hb 。又，降水帶形態決定部113，係亦可基於在對象區域中所包含之網格區域Mi 的數量以及體積，來求取出對象區域全體之體積，並將此體積之中心的高度，決定為中間高度Hb 。又，降水帶形態決定部113，係亦可根據在對象區域中所包含之各網格區域Mi 的降水強度Ri 來推測出各網格區域Mi 之每一者的質量並求取出對象區域之重心，再將此重心之高度決定為中間高度Hb 。 　　[0067] 接著，降水帶形態決定部113，係參照解析資料134，而從使降水強度Ri 和風向以及風速被附加了對應關係的複數之網格區域Mi 之中，抽出對應於下層區域以及中層區域之網格區域Mi (步驟S216)。 　　[0068] 接著，降水帶形態決定部113，係參照降水帶個別特徵資訊136，而藉由對所抽出的下層區域之下層風和中層區域之中層風作比較，來決定在觀測空間中之線狀降水帶的種類(步驟S218)。 　　[0069] 接著，災害風險導出部115，係針對各對象區域之每一者，而因應於藉由降水帶形態決定部113所決定了的線狀降水帶之種類，來導出由線狀降水帶所致之災害的風險(步驟S220)。 　　[0070] 接著，輸出部116，係使用通訊部102，來將基於藉由災害風險導出部115所導出的災害之風險值的導出結果所得到之資訊，對於特定裝置作輸出(步驟S222)。藉由此，本流程圖之處理係結束。 　　[0071] 另外，降水帶形態決定部113，係亦可在上述之流程圖的處理中，將S206～S212之處理結果(所決定的雲底高度Ha 、雲頂高度Hc 、中間高度Hb )預先記憶在記憶部130中，並在下一次之後的S206～S212之處理中，使過去的處理結果作反映。 　　[0072] 圖13，係為對於處理結果之其中一例作展示之圖。如同圖示一般，降水帶形態決定部113，例如，係針對線狀降水帶之各種類的每一者，而將在S206～S212之處理中所決定的雲底高度Ha 、雲頂高度Hc 、中間高度Hb ，作為處理結果而使記憶部130作記憶。之後，降水帶形態決定部113，係藉由對於過去之處理結果進行機械學習，而若是作為S200之處理而受訊新的氣象觀測資料，則使學習結果作反映並決定雲底高度Ha 、雲頂高度Hc 以及中間高度Hb 。例如，對於氣象預測裝置100作管理之管理者，係在某一觀測期間中，針對藉由降水帶形態決定部113所決定了的線狀降水帶之種類是正確還是錯誤一事進行決定。接收此決定結果，降水帶形態決定部113，係將被判斷為「正確」之線狀降水帶的各高度作為正面例資料來處理，並將被判斷為「錯誤」之線狀降水帶的各高度作為負面例資料來作處理，藉由此，來對於雲底高度Ha 、雲頂高度Hc 以及中間高度Hb 進行學習。 　　[0073] 又，降水帶形態決定部113，係亦可藉由對於過去之處理結果而適用貝氏網路(Bayesian network)等之機率推論模式，來對於雲底高度Ha 、雲頂高度Hc 以及中間高度Hb 進行學習。又，降水帶形態決定部113，係亦可藉由針對線狀降水帶所停滯的各停滯地區之每一者，而將在S206～S212之處理中所決定的雲底高度Ha 、雲頂高度Hc 、中間高度Hb ，作為處理結果而使記憶部130作記憶，來配合於在各停滯地區處所發生的降水帶之傾向而對於雲底高度Ha 、雲頂高度Hc 以及中間高度Hb 進行學習。藉由此種結果，係能夠將像是並不符合於過去之降水帶之高度的傾向之結果(雲底高度Ha 、雲頂高度Hc 以及中間高度Hb 之處理結果)排除，而能夠進行精確度為更高之氣象預測。 　　[0074] 若依據以上所說明的第2實施形態，則係與上述之第1實施形態同樣的，能夠以良好精確度來預測出由氣象災害所導致的風險。 　　[0075] 若依據以上所說明的至少1個的實施形態，則藉由具備有基於藉由氣象雷達裝置200所得到的氣象觀測資料來決定上空之降水帶的種類之降水帶形態決定部113、和因應於藉由降水帶形態決定部113所決定的降水帶之種類來導出由線狀降水帶所致之災害的風險之災害風險導出部115，係能夠將由氣象災害所導致的風險以良好精確度來進行預測。 　　[0076] 上述實施形態，係可如同下述一般地來表現。 　　一種氣象預測裝置，係構成為，係具備有：儲存部，係記憶資訊；和處理器，係實行被儲存在前述儲存部中之程式，前述處理器，係藉由實行前述程式，而基於藉由雷達裝置所得到的氣象觀測資料，來決定上空之降水帶的種類，並因應於所決定的前述降水帶之種類，來導出由前述降水帶所致之災害的風險。 　　[0077] 雖係針對本發明之數個實施形態而作了說明，但是，此些之實施形態，係僅為作為例子所提示者，而並非為對於本發明之範圍作限定。此些之實施形態，係可藉由其他之各種的形態來實施，在不脫離發明之要旨的範圍內，係可進行各種的省略、置換、變更。此些之實施形態及其變形，係被包含於發明之範圍以及要旨內，並且亦被包含於申請專利範圍中所記載之發明及其均等範圍內。
[0078]
100‧‧‧氣象預測裝置
102‧‧‧通訊部
110‧‧‧控制部
111‧‧‧降水強度算出部
112‧‧‧風向風速算出部
113‧‧‧降水帶形態決定部
114‧‧‧區域導出部
115‧‧‧災害風險導出部
116‧‧‧輸出部
130‧‧‧記憶部
132‧‧‧氣象觀測資料
134‧‧‧解析資料
136‧‧‧降水帶個別特徵資訊
200‧‧‧氣象雷達装置
[0007] 　　[圖1]係為對於在第1實施形態中之氣象預測裝置100的構成之其中一例作展示之圖。 　　[圖2]係為對於氣象觀測資料132之其中一例作展示之圖。 　　[圖3]係為對於由在第1實施形態中之控制部110所進行之一連串的處理之其中一例作展示之流程圖。 　　[圖4]係為對於將觀測空間假想性地作了分割的網格區域Mi 之其中一例作展示之圖。 　　[圖5]係為用以對於將網格區域Mi 抽出的方法作說明之圖。 　　[圖6]係為對於降水帶個別特徵資訊136之其中一例作展示之圖。 　　[圖7]係為對於線狀降水帶之走向ST之其中一例作展示之圖。 　　[圖8]係為對於線狀降水帶之走向ST之另外一例作展示之圖。 　　[圖9]係為對於線狀降水帶之走向ST之另外一例作展示之圖。 　　[圖10]係為用以對於計分的方法作說明之圖。 　　[圖11]係為對於被顯示在特定裝置上的畫面之其中一例作展示之圖。 　　[圖12]係為對於由在第2實施形態中之控制部110所進行之一連串的處理之其中一例作展示之流程圖。 　　[圖13]係為對於處理結果之其中一例作展示之圖。

Claims (15)

  1. 一種氣象預測裝置，其特徵為，係具備有： 　　決定部，係基於藉由雷達裝置所得到的氣象觀測資料，來決定上空之降水帶的種類；和 　　風險導出部，係因應於藉由前述決定部所決定的降水帶之種類，來導出由前述降水帶所致之災害的風險。
  2. 如申請專利範圍第1項所記載之氣象預測裝置，其中， 　　前述決定部，係基於在藉由前述雷達裝置所觀測到的觀測空間中所包含之第1高度之風向和較前述第1高度而更高之第2高度之風向，來決定前述降水帶之種類。
  3. 如申請專利範圍第2項所記載之氣象預測裝置，其中， 　　前述決定部，係藉由至少對於前述第2高度之風向和前述降水帶之走向作比較，來決定前述降水帶之種類。
  4. 如申請專利範圍第1項所記載之氣象預測裝置，其中， 　　前述決定部，係藉由對於在藉由前述雷達裝置所觀測到的觀測空間中所包含之特定之高度之風向和前述降水帶之走向作比較，來決定前述降水帶之種類。
  5. 如申請專利範圍第2項或第3項所記載之氣象預測裝置，其中，係更進而具備有： 　　區域導出部，係在前述觀測空間中，導出包含前述降水帶之對象區域， 　　前述決定部，係將藉由前述區域導出部所導出的對象區域之最小高度決定為前述第1高度，並且基於前述對象區域之最小高度以及最大高度來決定前述第2高度。
  6. 如申請專利範圍第2項或第3項所記載之氣象預測裝置，其中，係更進而具備有： 　　區域導出部，係在前述觀測空間中，導出包含前述降水帶之對象區域， 　　前述決定部，係將藉由前述區域導出部所導出的對象區域之最小高度決定為前述第1高度，並且將前述對象區域之體積中心的高度決定為前述第2高度。
  7. 如申請專利範圍第2項或第3項所記載之氣象預測裝置，其中，係更進而具備有： 　　區域導出部，係在前述觀測空間中，導出包含前述降水帶之對象區域， 　　前述決定部，係將藉由前述區域導出部所導出的對象區域之最小高度決定為前述第1高度，並且將前述對象區域之重心的高度決定為前述第2高度。
  8. 如申請專利範圍第5項所記載之氣象預測裝置，其中， 　　前述決定部，係藉由對於過去所決定了的前述第1高度以及前述第2高度進行機械學習，來決定前述降水帶之種類。
  9. 如申請專利範圍第6項所記載之氣象預測裝置，其中， 　　前述決定部，係藉由對於過去所決定了的前述第1高度以及前述第2高度進行機械學習，來決定前述降水帶之種類。
  10. 如申請專利範圍第7項所記載之氣象預測裝置，其中， 　　前述決定部，係藉由對於過去所決定了的前述第1高度以及前述第2高度進行機械學習，來決定前述降水帶之種類。
  11. 如申請專利範圍第1～4項中之任一項所記載之氣象預測裝置，其中， 　　前述風險導出部，係基於藉由前述決定部而使種類被作了決定的前述降水帶之停滯程度以及降水強度，來導出由前述降水帶所致之災害的風險。
  12. 如申請專利範圍第1～4項中之任一項所記載之氣象預測裝置，其中， 　　前述風險導出部，係基於藉由前述決定部而使種類被作了決定的前述降水帶之走向，來導出由前述降水帶所致之災害的風險。
  13. 如申請專利範圍第1～4項中之任一項所記載之氣象預測裝置，其中， 　　前述風險導出部，係基於藉由前述決定部而使種類被作了決定的前述降水帶所停滯之地上區域，來導出由前述降水帶所致之災害的風險。
  14. 一種氣象預測方法，其特徵為： 　　係由電腦，基於藉由雷達裝置所得到的氣象觀測資料，來決定上空之降水帶的種類，並因應於前述所決定的降水帶之種類，來導出由前述降水帶所致之災害的風險。
  15. 一種氣象預測程式，其特徵為： 　　係使電腦，基於藉由雷達裝置所得到的氣象觀測資料，來決定上空之降水帶的種類，並因應於前述所決定的降水帶之種類，來導出由前述降水帶所致之災害的風險。
TW106136647A 2017-03-17 2017-10-25 氣象預測裝置、氣象預測方法及氣象預測程式 TW201835607A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017053514 2017-03-17
JP2017-053514 2017-03-17

Publications (1)

Publication Number Publication Date
TW201835607A true TW201835607A (zh) 2018-10-01

Family

ID=63521931

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106136647A TW201835607A (zh) 2017-03-17 2017-10-25 氣象預測裝置、氣象預測方法及氣象預測程式

Country Status (3)

Country Link
JP (1) JP6689396B2 (zh)
TW (1) TW201835607A (zh)
WO (1) WO2018168165A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7052429B2 (ja) * 2018-03-05 2022-04-12 富士通株式会社 算出プログラム、算出方法、算出装置、及び表示プログラム
NL2023188B1 (en) * 2019-05-24 2020-12-02 Studio34 B V Method and apparatus for generating a weather forecast
JP7302866B2 (ja) * 2019-10-07 2023-07-04 国立研究開発法人防災科学技術研究所 降水強度算出装置、降水強度算出プログラム及び降水強度算出方法
CN111680259B (zh) * 2020-06-01 2023-08-18 航天新气象科技有限公司 一种云粒子相态识别方法及系统
CN111639865B (zh) * 2020-06-02 2021-03-19 中国气象局气象探测中心 一种高铁沿线气象灾害发生风险分析方法
JP2023074410A (ja) 2021-11-17 2023-05-29 株式会社東芝 降水帯の表示装置、表示方法、およびプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4733925B2 (ja) * 2004-02-17 2011-07-27 東日本旅客鉄道株式会社 運行規制判定方法

Also Published As

Publication number Publication date
JPWO2018168165A1 (ja) 2019-03-28
WO2018168165A1 (ja) 2018-09-20
JP6689396B2 (ja) 2020-04-28

Similar Documents

Publication Publication Date Title
TW201835607A (zh) 氣象預測裝置、氣象預測方法及氣象預測程式
JP7438655B2 (ja) 気象解析装置、気象解析方法、およびプログラム
Yussouf et al. Impact of phased-array radar observations over a short assimilation period: Observing system simulation experiments using an ensemble Kalman filter
Badger et al. Wind class sampling of satellite SAR imagery for offshore wind resource mapping
CN103810376A (zh) 基于卫星遥感与回归克里格的地面日降雨量预测方法
CN107356926A (zh) 基于Hu矩的差值云团外推降雨预测算法
WO2017122408A1 (ja) 気象予測装置、気象予測方法、および気象予測プログラム
Xu et al. Morphology, intensity, and rainfall production of MJO convection: Observations from DYNAMO shipborne radar and TRMM
Cooper et al. A variational technique to estimate snowfall rate from coincident radar, snowflake, and fall-speed observations
Rennie et al. 3D-Var assimilation of insect-derived Doppler radar radial winds in convective cases using a high-resolution model
CN109633783A (zh) 基于双偏振雷达网的参量拼图方法及装置
Sahoo et al. Estimating atmospheric motion winds from satellite image data using space‐time drift models
Xu et al. A validation of passive microwave rain-rate retrievals from the Chinese FengYun-3B satellite
CN109444893A (zh) 基于双偏振雷达网的相态识别产品拼图方法及装置
CN116027333B (zh) 一种微波测雨雷达立体扫描仰角参数生成方法
KR102002593B1 (ko) 특정공간에서의 유해기체 확산 해석 방법 및 장치
CN116609859A (zh) 一种气象灾害高分辨率区域模式预报系统及方法
Troitskaya et al. Adaptive retracking of Jason-1, 2 satellite altimetry data for the Volga River reservoirs
Lohou et al. Spatial and temporal characteristics of horizontal rolls and cells in the atmospheric boundary layer based on radar and in situ observations
Amarjyothi et al. Quality characterization of reflectivity and radial velocity observed by Indian Doppler weather radars
JP7110004B2 (ja) 処理装置、処理方法、およびプログラム
Becker Application of a quantitative precipitation estimation algorithm for the s-band radar at Irene, South Africa.
Vitalii et al. WRF reflectivity simulation and verification of thunderstorm forecast by radar and surface observation
Romshoo et al. Glacier thickness and volume estimation in the Upper Indus Basin using modeling and ground penetrating radar measurements
CN117592381B (zh) 一种大气波导参数反演模型训练方法、装置、设备及介质