WO2020183862A1

WO2020183862A1 - 発雷推定装置、システムおよび方法

Info

Publication number: WO2020183862A1
Application number: PCT/JP2019/050551
Authority: WO
Inventors: 小林　哲也
Original assignee: 株式会社東芝; 東芝インフラシステムズ株式会社
Priority date: 2019-03-12
Filing date: 2019-12-24
Publication date: 2020-09-17
Also published as: JP2022000651A; US20200363460A1; EP3940431A4; JPWO2020183862A1; EP3940431A1

Abstract

本実施形態の発雷推定装置は、第１取得部と、第２取得部と、発雷解析部段とを備えた構成である。レーダ解析データ取得部は、レーダ装置から、所定の周期で観測される気象現象の特徴領域を解析して得られる特徴検出領域を含むレーダ解析データを取得する。発雷データ取得部は、発雷地点の観測結果を含む発雷データを取得する。発雷解析部は、前記レーダ解析データと前記発雷データとを同期させて対応付けた統合データを使用して、前記特徴検出領域と前記発雷地点との空間相関度を解析する。

Description

発雷推定装置、システムおよび方法

　本発明の実施形態は、発雷推定装置、システムおよび方法に関する。

　近年、二重偏波フェーズドアレイ気象レーダ（dual polarization phased-array weather radar）又はマルチパラメータフェーズドアレイ気象レーダ（multi-parameter phased-array weather radar）と呼ばれる、気象レーダ（ＭＰ気象レーダとも呼ばれる）が開発されている。

　気象レーダは、例えば豪雨を引き起こす積乱雲などの気象現象の特徴を、３次元の観測データとして高速に取得することが可能である。気象現象の観測としては、積乱雲では豪雨をもたらすだけでなく、発雷（雲放電や対地放電（落雷））も発生し易いため、発雷の観測も重要である。発雷の状況は時間的に急速に変化するため、発雷を観測して得られる発雷データだけでは、発雷リスクを的確に評価して、落雷による災害等を未然に回避することが困難である。

日本国特開２０１７－１３４０６２号公報

　そこで、気象レーダによる観測データと発雷データとを使用して、発雷リスクを的確に評価できる発雷推定装置を提供することにある。

　本実施形態の発雷推定装置は、第１取得部と、第２取得部と、発雷解析部とを備えた構成である。第１取得部は、レーダ装置から、所定の周期で観測される気象現象の特徴領域を解析して得られる特徴検出領域を含むレーダ解析データを取得する。第２取得部は、発雷地点の観測結果を含む発雷データを取得する。発雷解析部は、前記レーダ解析データと前記発雷データとを同期させて対応付けた統合データを使用して、前記特徴検出領域と前記発雷地点との空間相関度を解析する。

第１実施形態に係るシステムの構成を示すブロック図。第１実施形態に係る気象レーダ装置の構成を示すブロック図。第１実施形態に係る発雷推定装置の構成を示すブロック図。第１実施形態に係る発雷リスク情報処理装置の構成を示すブロック図。第１実施形態に係る気象レーダ装置の動作を説明するフローチャート。第１実施形態に係る発雷推定装置の動作を説明するフローチャート。第１実施形態に係る雷解析データを説明するための概念図。第１実施形態に係る発雷リスクの判定結果の一例を示す図。第２実施形態に係るシステムの構成を示すブロック図。第３実施形態に係るシステムの構成を示すブロック図。図１０に示したレーダ解析最適化装置の構成を示すブロック図。

実施形態

　以下図面を参照して、実施形態を説明する。

　［１］　第１実施形態
　［システムの構成］
　図１は、本実施形態のシステム１の構成を示すブロック図である。図１に示すように、システム１は、気象レーダ装置１０と、発雷推定装置２０と、発雷リスク情報処理装置３０とを有する構成である。

　本実施形態の気象レーダ装置１０は、二重偏波フェーズドアレイ気象レーダ（以下、単に気象レーダと表記する場合がある）を含む（図２を参照）。発雷推定装置２０は、気象レーダ装置１０から観測データに基づいたレーダ解析データ１００、及び発雷観測装置４０から発雷データ４００を取得し、発雷推定処理を実行する。発雷リスク情報処理装置３０は、発雷推定装置２０から雷解析データ２００を取得し、発雷リスク情報３００を生成する。

　発雷推定装置２０及び発雷リスク情報処理装置３０は、ソフトウェア及びハードウェアからなるコンピュータシステム２により実現される。また、発雷観測装置４０は、本実施形態のシステム１の外部システムに含まれて、例えば、ネットワーク上の発雷観測サービス用のサーバにより実現される。コンピュータシステム２は、ネットワークを経由して当該発雷観測装置４０から発雷データ４００を受信して、発雷推定装置２０に入力する。

　図２は、気象レーダ装置１０の構成を示すブロック図である。図２に示すように、気象レーダ装置１０は、気象レーダ１１と、レーダ信号処理部１２と、通信インターフェイス（Ｉ／Ｆ）１３と、ローデータ（ＲＡＷデータ）処理部１４と、ＲＡＷデータ格納部１５と、レーダデータ解析部１６とを含む。

　気象レーダ１１は、フェーズドアレイアンテナを使用して、１回転のアンテナにより例えば３０秒周期で３次元空間の全てを観測する。レーダ信号処理部１２は、気象レーダ１１により受信されたレーダ信号（反射波信号）に対して、増幅処理や変調処理などの信号処理を実行する。通信Ｉ／Ｆ１３は、レーダ信号処理部１２により信号処理されたレーダ信号をＲＡＷデータ処理部１４に伝送する。

　ＲＡＷデータ処理部１４は、レーダ信号処理部１２からのレーダ信号から、デジタルの３次元観測データ（ＲＡＷデータ）を生成する。ＲＡＷデータ格納部１５は、ＲＡＷデータ処理部１４により生成される１周期分（例えば３０秒間）の３次元観測データを格納する。レーダデータ解析部１６は、ＲＡＷデータ格納部１５から１周期分の３次元観測データを取り出して解析処理を実行し、後述するレーダ解析データ１００を出力する。

　なお、レーダデータ解析部１６は、数値気象予測モデルの出力結果、地上気象観測データ、リモートセンシング気象測器による測定データ、及びインターネットからＳＮＳ（Social Networking Service）などのユーザ情報を入力できる構成でもよい。

　図３は、発雷推定装置２０の構成を示すブロック図である。図３に示すように、発雷推定装置２０は、データ同期収集部２１と、統合データ解析部２２と、レーダ解析データ取得部２３と、発雷データ取得部２４とを含む。

　レーダ解析データ取得部２３は、レーダデータ解析部１６から出力されるレーダ解析データ１００を取得する。発雷データ取得部２４は、発雷観測装置４０から発雷データ４００を取得する。

　データ同期収集部２１は、レーダ解析データ取得部２３により取得されたレーダ解析データ１００と、発雷データ取得部２４により取得された発雷データ４００とを入力して、同期をとって収集する。即ち、データ同期収集部２１は、レーダ解析データ１００と発雷データ４００とを同期させて、同時刻で対応付けた統合データ２１０を生成して出力する。

　統合データ解析部２２は、データ同期収集部２１からの統合データ２１０を入力し、発雷に関する解析処理を実行し、後述する雷解析データ２００を生成する。なお、統合データ解析部２２は学習機能を含み、過去の雷解析データ２００を蓄積して、当該学習機能を雷解析データ２００の生成処理に利用する構成でもよい。

　図４は、発雷リスク情報処理装置３０の構成を示すブロック図である。図４に示すように、発雷リスク情報処理装置３０は、発雷リスク判定部３１と、発雷リスク情報生成部３２と、発雷予測部３３とを含む。発雷リスク判定部３１は、統合データ解析部２２から雷解析データ２００を入力し、当該雷解析データ２００に基づいて、後述する発雷リスクを判定して判定結果３１０を出力する。

　なお、発雷リスク判定部３１は、他の数値気象予測モデルの出力結果、地上気象観測データ、リモートセンシング気象測器による測定データ、及びインターネットからＳＮＳなどのユーザ情報を入力できる構成でもよい。

　発雷リスク情報生成部３２は、発雷リスク判定部３１からの発雷リスクの判定結果３１０を入力して、後述する発雷リスク情報３００を生成する。発雷リスク情報３００には、人口や地理的条件なども加味した災害や停電等のリスクに関する情報も含まれる。なお、発雷リスク情報生成部３２は、数値気象予測モデルの出力結果、地上気象観測データ、リモートセンシング気象測器による測定データ、土地利用データ、地形データ、河川流域データ、地質データ、路線情報、及び交通情報などを入力できる構成でもよい。

　ここで、発雷リスク情報生成部３２と同様に、発雷予測部３３は、発雷リスク判定部３１からの発雷リスクの判定結果３１０を入力し、当該判定結果３１０に基づいて数十分先までの短期の発雷予測を実行し、当該予測結果３３０を発雷リスク情報生成部３２に出力する。発雷リスク情報生成部３２は、発雷予測部３３からの予測結果３３０も含めた発雷リスク情報３００を生成する。

　コンピュータシステム２は、例えば端末装置に発雷リスク情報３００を出力して、端末装置の表示画面上に当該発雷リスク情報３００を表示させてもよい。あるいは、コンピュータシステム２は、当該発雷リスク情報３００を、ネットワークを経由してメールにより通知し、気象情報の提供用サーバなどに伝送してもよい。

　［システムの処理］
　以下、図５から図８を参照して、本実施形態のシステムの処理を説明する。図５は、気象レーダ装置１０に含まれるレーダデータ解析部１６の動作を説明するフローチャートである。図６は、発雷推定装置２０の動作を説明するフローチャートである。図７は、雷解析データを説明する概念図である。図８は、発雷リスクの判定結果の一例を示す図である。

　図５に示すように、レーダデータ解析部１６は、ＲＡＷデータ格納部１５において、１周期分の３次元観測データが受信されて格納されると（Ｓ1のＹＥＳ）、レーダデータ解析処理を実行する（Ｓ２）。具体的には、レーダデータ解析部１６は、ＲＡＷデータ格納部１５から１周期分の３次元観測データを取り出して、各偏波パラメータに対する閾値処理、及び数値変換処理などのレーダデータ解析処理を実行する。

　レーダデータ解析部１６は、３次元観測データから、発雷が発生し易い積乱雲などの特徴領域を解析（検出）し、当該特徴領域を示すレーダ解析データ１００を生成する（Ｓ３）。当該特徴領域は、例えばエコー頂高度、積乱雲内の降水コア領域、雹の存在確率、及び積乱雲内の鉛直流の強度などを含む。レーダデータ解析部１６は、当該特徴領域を２次元又は３次元のレーダ解析データ１００として、気象レーダ１１の観測周期（例えば３０秒）毎に出力する（Ｓ３）。

　次に、図６に示すように、発雷推定装置２０では、データ同期収集部２１は、レーダデータ解析部１６からのレーダ解析データ１００と、発雷観測装置４０からの発雷データ４００とを受信して、同期をとって収集する（Ｓ１０のＹＥＳ）。データ同期収集部２１は、レーダ解析データ１００と発雷データ４００とを同期させて、同時刻で対応付けた統合データ２１０として、統合データ解析部２２に出力する（Ｓ１１）。

　統合データ解析部２２は、データ同期収集部２１からの統合データ２１０を入力し、発雷に関する解析処理を実行する（Ｓ１２）。具体的には、統合データ解析部２２は、レーダ解析データ１００から得られる積乱雲の特徴領域を検出した特徴検出領域と、発雷データ４００から得られる発雷地点との空間相関度を解析し、当該解析結果を雷解析データ２００として生成する（Ｓ１３）。ここで、発雷データ４００は、発雷の地点を示す位置情報を含む。特徴検出領域は、積乱雲の発生領域を示し、すなわち雷が発生する可能性が高い領域である。

　図７は、雷解析データを説明する概念図である。図７に示すように、レーダ解析データ１００に基づいて、積乱雲の特徴検出領域７０を、例えば２次元の平面領域として取得できる。統合データ解析部２２は、特徴検出領域７０内において、発雷データ４００から得られる発雷地点７１の密度に基づいて空間相関度を算出する。

　即ち、特徴検出領域７０内において、高い密度の発雷地点７１が観測された領域７３は、空間相関度が大きい領域として定義する。一方、発雷地点７１の密度が疎な領域７２は、空間相関度が小さい領域として定義する。これらの空間相関度を示す領域は、矩形領域、同心円状領域、あるいは０～１００の連続した数値で表現した等値線で囲われた領域として定義してもよい。また、特徴検出領域７０内において、空間相関度の解析結果で定義されない領域は、空間相関度なしの領域と定義してもよい。

　統合データ解析部２２は、積乱雲の特徴検出領域７０内において、空間相関度が相対的に小さい領域７２及び相対的に大きい領域７３を示す解析結果を含む雷解析データ２００を出力する（Ｓ１４）。空間相関度が相対的に小さい領域７２は、実際に発雷の頻度が小さい領域である。一方、空間相関度が相対的に大きい領域７３は、発雷の可能性が高く、実際に発雷が高頻度で発生している領域である。

　なお、統合データ解析部２２は、統合データ２１０及び雷解析データ２００を長期間に渡って蓄積し、この蓄積データを機械学習機能や深層学習機能により、例えばレーダ解析データのみから雷解析データ２００を生成する構成でもよい。

　次に、発雷リスク情報処理装置３０は、発雷リスク判定部３１と、発雷リスク情報生成部３２と、発雷予測部３３とを含む。図８は、発雷リスク判定部３１による発雷リスクの判定結果３１０の一例を示す図である。

　発雷リスク判定部３１は、統合データ解析部２２から雷解析データ２００を入力し、当該雷解析データ２００に基づいて、図８に示すような発雷リスクの判定結果３１０を出力する。ここで、雷解析データ２００は、積乱雲の特徴検出領域、発雷地点（発雷位置）、及び空間相関度の解析結果を含む。

　図８に示すように、発雷リスク判定部３１は、例えば発雷リスクとして４段階（極大、大、中、小）で判定した判定結果３１０を出力する。判定結果３１０において、特徴検出領域内において、空間相関度が相対的に大きい領域については、発雷リスクが極大と判定される。また、空間相関度が相対的に中程度の領域については、発雷リスクが大と判定される。また、特徴検出領域において、空間相関度無しの領域について、発雷データによる発雷地点が存在する領域については、発雷リスクが中と判定される。発雷地点が存在しない領域については、特徴検出領域内であれば、発雷リスクが小と判定される。

　発雷予測部３３は、発雷リスク判定部３１からの発雷リスクの判定結果３１０を入力し、当該判定結果３１０に基づいて数十分先までの短期の発雷予測処理を実行する。発雷予測部３３は、例えば２次元移流モデル等の既知の方法により、注目すべき発雷リスクの領域に対して発雷の予測結果３３０を算出する。また、発雷予測部３３は、時間分解能が高いデータの入力が可能であるため、予測の時間ステップを数十秒から数分とする高時間分解能の予測結果３３０を算出できる。

　さらに、発雷リスク情報生成部３２は、発雷リスク判定部３１からの発雷リスクの判定結果３１０及び発雷予測部３３からの予測結果３３０を使用して、特徴検出領域に基づいた地域に対する発雷リスクの高低を示す発雷リスク情報３００を生成する。発雷リスク情報３００には、人口や地理的条件などに重み付けした災害や停電等のリスクに関する情報を含めてもよい。地理的条件には、例えばイベントなどの開催会場の周辺が含まれ、これに重み付けしてもよい。

　なお、発雷リスク情報生成部３２は、一定期間の予測結果３３０を蓄積し、過去の予測結果３３０と現況の発雷リスクの判定結果３１０とを比較し、この比較結果に基づいて制度の高い発雷リスク情報３００を生成する構成でもよい。具体的には、発雷リスク情報生成部３２は、過去の予測結果３３０から発雷リスクが高いと判定されて、現況の発雷リスクの判定結果も高い場合には、当該現況の発雷リスクよりもさらに危険度の高い情報として提供してもよい。

　なお、発雷リスク情報生成部３２は、発雷リスク情報３００を数値化した情報として生成してもよいし、確率予測モデルや学習型モデルを利用して発雷リスク情報３００を生成してもよい。

　以上のように本実施形態によれば、気象レーダ１１を使用して、例えば３０秒周期で観測される時空間的に連続したレーダデータから、発雷が発生し易い積乱雲の特徴検出領域を示すレーダ解析データを取得できる。このレーダ解析データと、高時間分解能の発雷データとを同期させて、同時刻で対応付けた統合データを使用して、積乱雲の特徴検出領域と、発雷データから得られる発雷地点との空間相関度を解析できる。具体的には、本実施形態の発雷推定装置２０は、当該空間相関度、積乱雲の特徴検出領域、及び発雷地点（発雷位置）の解析結果を含む雷解析データを出力する。

　雷解析データに含まれる空間相関度は、特徴検出領域内の発雷リスクを判定できる情報である。本実施形態は、発雷リスクを４段階で判定する（図８を参照）。従って、本実施形態の発雷リスク情報処理装置３０は、発雷推定装置２０により算出された雷解析データを使用して、リアルタイムでかつ高精度で発雷リスクの判定結果を含む発雷リスク情報を出力できる。

　なお、発雷リスク情報処理装置３０は、観測結果である発雷リスクの判定結果及び短期の発雷予測結果以外に、人口情報、土地情報、路線情報、及び交通情報なども組み合わせることにより、人的及び経済的な雷災害に対するリスク情報を、高精度かつ迅速に提供できる。例えば、発雷リスクが大きく、また人的な雷災害に対するリスクが大きいと想定されるゴルフ場などを特定して、迅速にリスク情報を提供できる。これにより、本実施形態の発雷リスク情報処理装置３０を含むコンピュータシステム２を、当該雷災害に対するリスク情報を、例えば、ネットワークを経由してメールにより一般市民に対して通知し、また、気象情報の提供用サーバなどに提供できる防災システムを構築できる。

　［２］　第２実施形態
　第２実施形態は、雷に関する情報をユーザに提供するための実施例である。

　図９は、第２実施形態に係るシステム１の構成を示すブロック図である。システム１は、表示データ生成部５０と、記憶部５１と、表示装置５２と、通信部５３とをさらに備える。発雷推定装置２０及び発雷リスク情報処理装置３０の構成は、第１実施形態と同じである。

　記憶部５１は、地図データを格納する。

　表示データ生成部５０は、発雷推定装置２０から雷解析データ２００を受信し、発雷リスク情報処理装置３０から発雷リスク情報３００、発雷の予測結果（発雷予測結果）３３０、及び発雷リスクの判定結果（発雷リスク判定結果）３１０を受信し、記憶部５１から地図データを受信する。表示データ生成部５０は、受信した複数の情報を用いて、表示データを生成する。

　すなわち、表示データ生成部５０は、雷解析データ２００に含まれる空間相関度に関する情報（空間相関情報）を数値化する。表示データ生成部５０は、発雷リスクと判定された領域を地図上に表示するとともに、数値化された空間相関情報を「発雷リスクの判定信頼度」として当該領域に重畳して表示する。例えば、数値化された空間相関情報は、空間相関度を例えば０～１００の数値として表され、この数値をカラーのグラデーションで視角的に認識しやすい情報として表示される。

　発雷リスクの判定信頼度は、発雷リスク情報３００に重畳させて表示してもよい。また、発雷リスクの判定信頼度は、ボタンなどで切り替えて表示させてもよい。

　また、発雷予測結果３３０に対しても同様に空間相関情報を数値化し、地図上で予測信頼度として発雷予測結果３３０に重畳して表示してもよい。

　表示装置５２は、画面（ディスプレイ）を有し、表示データ生成部５０から送信された表示データを画面に表示する。

　（他の実施例）
　表示データ生成部５０は、ある地点にいるユーザの携帯端末に、発雷情報に関するプッシュ通知を行う。通信部５３は、ネットワークを介して外部機器（携帯端末を含む）と通信を行う。

　具体的には、表示データ生成部５０は、ユーザがいる地点の直上や特定範囲内の発雷情報を用いて、閾値判定を行う。通知の閾値は、ユーザごと、ユーザのいる地点ごとに異なって設定される。そして、表示データ生成部５０は、閾値判定により通知が必要と判定されたユーザに、発雷情報を通知する。これにより、ユーザごとに最適な発雷情報を提供することができる。

　［３］　第３実施形態
　第３実施形態は、機械学習又は深層学習を用いて、発雷リスク判定を最適化するようにしている。

　図１０は、第３実施形態に係るシステム１の構成を示すブロック図である。システム１は、レーダ解析最適化装置６０をさらに備える。

　レーダ解析最適化装置６０は、気象レーダ装置１０からレーダ解析データ１００を受信し、発雷推定装置２０から雷解析データ２００を受信する。レーダ解析最適化装置６０は、機械学習機能又は深層学習機能を有する。レーダ解析最適化装置６０は、レーダ解析最適化情報６００を生成する。レーダ解析最適化情報６００は、レーダデータ解析部１６に送信される。

　図１１は、図１０に示したレーダ解析最適化装置６０の構成を示すブロック図である。レーダ解析最適化装置６０は、データ蓄積部６１と、最適化パラメータ解析部６２とを備える。

　データ蓄積部６１は、気象レーダ装置１０からのレーダ解析データ１００と、発雷推定装置２０からの雷解析データ２００とを蓄積する。

　最適化パラメータ解析部６２は、データ蓄積部６１に蓄積された複数のレーダ解析データ１００及び複数の雷解析データ２００を用いて、機械学習又は深層学習を行う。最適化パラメータ解析部６２は、レーダ装置１１に含まれるレーダデータ解析部１６における特徴検出領域の解析パラメータを、発雷リスク判定に最適化する。

　すなわち、最適化パラメータ解析部６２は、特徴検出領域のうち空間相関度が大きい領域（実際に雷が発生している領域）を学習し、この学習結果として最適化パラメータを算出する。最適化パラメータは、レーダデータ解析部１６が検出した特徴検出領域と、空間相関度が大きい領域とのずれが少なくなるように決定される。レーダデータ解析部１６は、レーダ解析最適化情報６００に含まれる最適化パラメータを用いて、特徴検出領域を解析する。これにより、レーダデータ解析部１６は、より高い精度で、空間相関度が大きい領域（実際に雷が発生している領域）を特徴検出領域として抽出することができる。

　レーダ解析最適化装置６０が生成したレーダ解析最適化情報６００を気象レーダ装置１０内のレーダデータ解析部１６に送信するタイミングは、任意に設定することも可能である。基本的には、レーダ解析最適化装置６０で学習が進み、学習結果が出た後にレーダデータ解析部１６にフィードバックすることが望ましい。また、例えば、ユーザが指定したタイミングで、レーダ解析最適化情報６００をレーダ解析最適化装置６０からレーダデータ解析部１６に送信するようにしてもよい。

　なお、上記実施形態では、二重偏波フェーズドアレイ気象レーダを例に挙げて説明しているが、これに限定されるものではない。上記実施形態は、二重偏波フェーズドアレイ気象レーダ以外の気象レーダにも適用可能である。

　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。

Claims

　レーダ装置から、所定の周期で観測される気象現象の特徴領域を解析して得られる特徴検出領域を含むレーダ解析データを取得する第１取得部と、
　発雷地点の観測結果を含む発雷データを取得する第２取得部と、
　前記レーダ解析データと前記発雷データとを同期させて対応付けた統合データを使用して、前記特徴検出領域と前記発雷地点との空間相関度を解析する発雷解析部と、
　を具備する発雷推定装置。
　前記レーダ装置は、二重偏波フェーズドアレイ気象レーダを含む、請求項１に記載の発雷推定装置。
　前記特徴検出領域は、積乱雲の発生領域を含む、請求項１に記載の発雷推定装置。
　前記発雷解析部は、前記空間相関度を含む雷解析データを、発雷リスクを判定するための情報として出力する、請求項１に記載の発雷推定装置。
　前記特徴検出領域内において、相対的に高い密度の前記発雷地点が観測された領域は、前記空間相関度が大きく、発雷リスクが大きい領域として定義される、請求項１に記載の発雷推定装置。
　前記レーダ解析データと前記発雷データとを同期させて、同時刻で対応付けた前記統合データを収集する収集部をさらに具備する、請求項１に記載の発雷推定装置。
　請求項１に記載の発雷推定装置と、
　二重偏波フェーズドアレイ気象レーダを含むレーダ装置と、
　発雷リスク情報処理装置と、
　を具備するシステムであって、
　前記発雷リスク情報処理装置は、
　前記発雷推定装置から取得される雷解析データを使用して、前記雷解析データに含まれる特徴検出領域と発雷地点との空間相関度に基づいて、前記特徴検出領域内の発雷リスクの判定結果を含む発雷リスク情報を生成する、システム。
　前記発雷リスク情報処理装置は、前記特徴検出領域内の発雷リスクの判定結果として、　前記特徴検出領域内において空間相関度が相対的に大きい領域については発雷リスクが極大と判定し、空間相関度が相対的に中程度の領域については発雷リスクが大と判定し、空間相関度無しの領域については発雷地点が存在する領域については発雷リスクが中と判定し、空間相関度無しの領域については発雷地点が存在しない領域については発雷リスクが小と判定する、請求項７に記載のシステム。
　地図情報と、前記空間相関度を数値化した情報とを含む表示データを生成する生成部と、
　前記表示データを画面に表示する表示装置と、
　をさらに具備する、請求項７に記載のシステム。
　レーダ装置を使用して発雷現象を解析する方法であって、
　前記レーダ装置から、所定の周期で観測される気象現象の特徴領域を解析して得られる特徴検出領域を含むレーダ解析データを取得する処理と、
　発雷地点の観測結果を含む発雷データを取得する処理と、
　前記レーダ解析データと前記発雷データとを同期させて対応付けた統合データを使用して、前記特徴検出領域と前記発雷地点との空間相関度を解析する処理と、
　を実行する、方法。
　前記特徴検出領域と発雷地点との空間相関度に基づいて、特徴検出領域内の発雷リスクの判定結果を含む発雷リスク情報を生成する、請求項１０に記載の方法。
　前記特徴検出領域内の発雷リスクの判定結果として、
　前記特徴検出領域内において空間相関度が相対的に大きい領域については発雷リスクが極大と判定し、空間相関度が相対的に中程度の領域については発雷リスクが大と判定し、空間相関度無しの領域については発雷地点が存在する領域については発雷リスクが中と判定し、空間相関度無しの領域については発雷地点が存在しない領域については発雷リスクが小と判定する、請求項１１に記載の方法。