学習メモ　専門編

地上気象観測

□雲量2以上8以下の状態が「晴」
□全雲量が9以上だと天気は「曇」だが、上層雲主体なら「薄曇」
□「薄曇」とは、雲量9以上であり、上層雲量が中・下層雲量よりも多く、降水現象がない状態のこと。

□日照時間とは、日照時間とは直射日光が地表を照射した時間
□全天日射量は、「直達日射の水平面成分と散乱日射の和」
□気象庁では、観測した直達日射量を用いて、日射が大気中を通過するときのエーロゾル等による日射の減衰を表す指標(大気混濁係数)を算出している。

□降水とは、大気中の水蒸気が凝結したり、昇華してできた液体·固体およびそれらの併合による生成物、すなわち雨·雪·あられ·ひょうなどが落下する現象、又は落下したものの総称である。
□煙霧は乾いた微粒子（エーロゾルとか黄砂も含む）が空気中に浮遊して、視程が10km未満の状態　〔霧：微小な水滴　視程が1km未、もや：微小な水滴　視程が1km以上10km未満、煙霧：乾燥した微粒子で視程が10km未満〕

□風速は、『前10分間平均値』
□10分間平均風速が0.2m/s以下、0.3m/s未満の場合が風力階級の風力0であり、「静穏」
□最大風速は風速計の測定値を10分間平均した値の最大値であり、最大瞬間風速は風速計の測定値を3秒間平均した値の最大値である。瞬間風速は、前３分間３秒間の平均
□風速の観測の場合、測器の設置条件は「地上10mが望ましい」ですが、更正はしない。
□瞬間風速の時系列図から、ある時刻の風速を求める計算「前10分間の和」÷10

□水蒸気量を比較する問題、比較するには、水蒸気圧で比べた。60回
□気圧の海面更正は、気体の状態方程式に基づいた換算式に代入して求め、観測値としている。
□海面の気温は、海面更正しない。
□平年値とは、過去30年間の観測値の平均をもとに算出している。
□夏日は、日最高気温が25℃以上。冬日は日最低気温が0°C未満
□ブリューワー分光光度計は、紫外線強度を測定することによって、『上空のオゾン量』を観測　
□シーロメーターの日本語は『雲高測定器』シーロは、英語の「ceiling（天井）」

ドップラーレーダー

□二重偏波気象ドップラーレーダーで、
◎水平偏波と垂直偏波の反射波の位相の差から、雨の強さを推定することが可能
◎水平偏波と垂直偏波の反射波の振幅の比から降水粒子の形や種別を推定することが可能
□気象ドップラーレーダーは,アンテナを回転させながらマイクロ波を発射し,半径数百kmの範囲内に存在する雨や雪を観測している。発射した電波が反射して戻ってくるまでの時間から雨や雪までの距離を測り,戻ってきた電波の強さから雨や雪の強さを観測
□戻ってきた電波の周波数のずれを利用して,雨や雪の動き(動径方向の降水粒子の動き)を観測し,降水域の大気の流れを捉えることができる。
□雪片が融けて雨滴になる途中の状態は、雨滴よりも粒が大きく、固体(雪)の表面が液体で覆われている状態で、いわゆる「みぞれ」である。
□気象レーダー：電波の反射しやすさ　液体 ＞ 固体　大粒 ＞ 小粒
□ブライトバンド：雪片が融解して雨滴に変わる「融解層」によって、局所的に環状の強いエコーが観測されたもの
□気象ドップラーレーダーで降水を伴った低気圧性の渦(メソサイクロン)を観測したとき、反時計回りの風向をイメージする。
□山岳や地表の構造物などに電波が当たって反射され,降水のないところに強いエコーが現れることがあるが,地形のように動かないものが原因のグランドクラッタについては,降水エコーと区別して取り除く処理が行われている。
□ドップラーレーダーで観測した風のデータは,竜巻の発生と関連の深いメソサイクロンの検出に活用されている。
□非降水エコーの原因となる電波の異常伝搬は,気温が高度とともに急激に上昇するなど,屈折率が高さ方向に大きく変化する場合に発生することが多い。

ラジオゾンデ

□高層観測の時刻は世界同時に実施されます。日本では9時と21時です。
□気球の大きさは、地上では直径約1.6mあり、気球の上昇とともに膨張し、高度約30km付近では直径約7mになって破裂します。中間圏まで到達することはありません。
□気温が-40℃以下になった場合、大気中の水蒸気量が少なくなるので、正確な湿度測定が困難になり、湿度測定を行いません。

□ラジオゾンデ観測で得られた観測データにおいて、気温や湿度、風の鉛直分布の特徴を再現できるように選択された上空の観測点のことを「特異点」という。
□逆転層の800hPaから上は、急激に湿度が下がっています。800hPaより下層は、湿潤な空気で、800hPaより上層は乾燥空気が乗っかっています。乾燥した寒気が下がってきた『沈降性の逆転層』なのです。 52－3

ウィンドプロファイラ

□ウィンドプロファイラは、上空の風を高度300m毎に、10分間隔で観測している。
□発射した電波と大気に散乱されて戻ってきた電波の周波数の変化から、上空の風向・風速を観測
□上空の大気が乾燥していると、散乱され戻ってくる電波が弱くなり、観測できる高度が低くなる傾向がある。
□雨が降っている場合、大気による電波の散乱よりも雨粒による散乱の方が強いため、ウィンドプロファイラの観測したデータは雨粒の動きを捉えたものとなる。
□非常に激しい雨が降っているときは,降水粒子による散乱が強すぎてそれより上空の観測データが得られない場合がある。
□ウィンドプロファイラで温暖前線の通過を観測すると、前線が通過した時点で全層が南よりの風が入り始め、時間とともにその層が上空に向かって厚くなる様子を捉えることができる。

□雷は発生頻度の低い現象であることから,発雷確率ガイダンスは逐次学習によるガイダンスではなく,過去の資料から一括学習により求めた回帰式に基づくガイダンスである。

推計気象分布

□推計気象分布では,天気,気温,日照時間の分布が,1kmメッシュの細かさで発表され,1時間毎に更新されている。
□推計気象分布では,観測所を含むメッシュの値は,そこでの観測データとは必ずしも一致しない。
□天気の推計気象分布は,気象衛星ひまわりによる雲の観測データから晴れかくもりかを判定し,解析雨量を用いて降水の有無を判断している。
□推計気象分布は、アメダスの気温観測値などを用いています。そして標高による気温の違いも考慮されている。

数値予報

□「水平方向の時間変化の式で。」移流+コリオリ+気圧傾度+物理過程（それぞれ、による変化）
◎局地モデルで項目の計算を省略することはありません。局地モデルにおいても、コリオリ力の影響は大きく、台風や低気圧の発生や発達に関与するので省略はありえない。
◎地表面付近における乱流の効果などの,格子間隔より小さいスケールの現象の効果は,上式の右辺の第4項の中で計算されている。
□全球モデルでは静力学平衡の近似を用いていることから,鉛直p速度は水平方向の運動方程式と連続の式を用いて求めている。
□安定な計算を行うための条件にCFL条件　（格子間隔／積分時間間隔）＞流れの速さ
□全球モデルの初期値を作成する客観解析では、台風周辺の初期値の精度向上のため,台風の中心気圧や強風半径の情報に基づいて推定された台風周辺の気圧や風の分布が,疑似的な観測データとして客観解析に利用されている。
□数値予報モデルでは,一定時間(ステップ)ごとに大気の状態の計算を繰り返して将来の状態を予測する。1ステップの長さは,全球モデルでは400秒,メソモデルでは20秒である。LFMは8秒
□数値予報モデルの初期値として利用される解析値の精度は,場所によって観測データの数が違うので、格子点の位置によって精度は差があある。
□メソモデルは非静力学モデルであるが,用いられている格子間隔では,個々の積雲の振る舞いを十分表現することができないため,積雲対流パラメタリゼーションを用いている。
□メソモデルは全球モデルに比べ分解能が高いが,大気境界層中の様々な渦の振る舞いを十分表現することができないため,大気境界層過程のパラメタリゼーションを用いている。
□プラネタリー波は対流圏の偏西風がチベット山塊・ロッキー山脈などにぶつかったり、大陸や海洋の熱的効果などで起きている現象です。
□数値予報で表現できる現象のスケールは、モデルの格子間隔の 5 ~ 8 倍以上
□カルマンフィルタを用いたガイダンスは、主に説明変数(入力値)と目的変数(出力値)の関係が線形である場合に利用できるが、ニューラルネットワークを用いたガイダンスは説明変数と目的変数の関係が非線形の場合にも利用できる。
□カルマンフィルターを使うガイダンスでは・・発生頻度の高い現象を予測するのが得意（実況の観測データを用いて予測式 の係数を逐次更新するから）発生頻度の低い大雨や強風などは苦手（たまに大きな数値が組み込まれると、その後の予測の精度が悪くなる）52-6
□ニューラルネットワークを用いたガイダンスは,目的変数と説明変数が非線形関係をもつ場合にも適用できる一方で,予測結果の根拠を把握することは困難である。52-6
□数値予報モデルでは、予報対象時刻が昼と夜で予測値の系統誤差の傾向が変化することがある。ガイダンスはそのような系統誤差を低減することができる。
□客観解析は、数値予報モデルの予報値である第一推定値を観測データによって修正する処理であり、修正量は観測データと第一推定値のそれぞれが持つ誤差の大きさ等を考慮して決めている。
□全球モデルの初期値を作成する全球解析の4次元変分法には、アンサンブル予報から見積もられる予報誤差を組み込んだハイブリッドデータ同化手法が用いられている。
□数値予報モデルでは、格子点法やスペクトル法を用いて水平方向の離散化が行われている。全球モデルでは、水平方向の物理量の空間分布を様々な波長の波の重ね合わせとして表現するスペクトル法が用いられている。
□プリミティブ方程式を用いる気象庁の全球モデルでは、大気の鉛直流は水平方向の運動方程式を使って予測した水平風から連続の式を用いて求めている。
□気温や風などの観測データは、第一推定値と比較され、その差が定められた基準を超える場合は客観解析には利用されない。

パラメタリゼーション

□パラメタリゼーションは、数値予報モデルの格子スケールより小さい現象が格子点の物理量に影響する効果を見積もって、格子点の物理量に反映させることをいう。

□パラメタリゼーションにより計算される量：「雲による長波放射にともなう加熱量·冷却量」「大気境界層の乱流による顕熱·潜熱の輸送量」
□全球モデルの水平格子間隔は約13kmであり、それより小さいスケールの現象である積雲や乱流等の効果は、パラメタリゼーションにより格子点の値に反映されている。
□積乱雲からもたらされる強い降水の予測精度を向上させるには、非静力学モデルが必要で、物理過程として最も重要な部分は、積雲対流パラメタリゼーションです。
□「パラメタリゼーションを用いる」のは、スケールの小さな現象からなる物理効果を計算に取り込み、格子点の値を出力します。つまり、「初期値と同じ時刻」か「初期値以前の時刻」ということになります。
□メソモデルでは、大気境界層における乱流を直接表現することはできないので、パラメタリゼーションで見積もります。大気境界層における乱流による運動量→見積もられています。熱の輸送の効果について→見積もられています。

アンサンブル予報

□アンサンブル予報が提供する情報は、特に気象現象の発生確率や予測の信頼度を明らかにする点で非常に有用です。
□初期値に含まれる誤差によって生じる予測の不確実性の情報を得るため,アンサンブル予報では,摂動を加えた少しずつ異なる多数の初期値について,予測を行っている。
□予報結果のアンサンブル平均をとることで,数値予報モデルが持つ系統的な誤差を除去することはできないが、予測の結果を平均することで、個々のアンサンブルメンバーに含まれる誤差が打ち消されて、予測精度が向上する。
□局地的な強雨など、位置ずれの影響が大きい局所的な現象の予想において、アンサンブル平均は、降水などの気象要素の分布が平滑化され、実際に現れる気象要素の極値などが表現されるとは限らないため、個々のメンバーの予想にも留意する必要がある。
□予報結果のアンサンブル平均をとることで、数値予報モデルが持つランダム誤差を低減することはできるが、系統的な誤差を除去することはできない。
□局地的な大雨のように、メソモデルで表現することは可能だが予測することが難しい現象は、メソアンサンブル予報でも予測は難しいが、複数のメンバーの予測結果を用いることにより現象の発生を確率的に捉えることができるようになる。
□数値予報の誤差を予め把握するため、気象庁のメソアンサンブル予報では、(c)初期値と側面境界値に少しずつ異なった誤差(摂動)を加えた複数の予測を行っており、さらに2023年3月からは、数値予報モデルの物理過程の不確実性を考慮するために、モデルアンサンブル手法の一つである確率的物理過程強制法が導入されている。
□アンサンブル予報などによる確率予報の評価指標の1つであるブライアスコアは,現象の気候学的出現率の影響を受けるため,出現率の異なる現象に対する確率予報の精度の比較には適さない。
□メソアンサンブル予報で：メソアンサンブル予報の各メンバーは、統計的にMSM（摂動なし）よりの予測精度が低いものが多い。
□降水量や発雷確率のガイダンスにおいて、メソアンサンブル予報システムの各メンバーから作成したガイダンスの最大値(アンサンブル最大)は、単独のメソモデルから作成したガイダンスと比べて、顕著現象の捕捉率が高く、顕著現象の可能性を把握する上で有用である。
□激しい気象現象が発生する可能性について,メソモデルの予測結果のみでは把握が難しい場合でも,複数のメンバーの予測結果を用いることにより早い段階で把握することができるようになる場合がある。
□メソモデルで予測が難しい現象は,メソアンサンブル予報でも予測が難しいが,複数のメンバーの予測結果から現象の発生を確率的に捉えることができるようになる。
□アンサンブル平均は、複数の予測結果を統合することで、予測の不確実性を考慮した、より信頼性の高い予測をすることができます。気象庁の資料などでも、アンサンブル平均はランダム誤差を軽減する効果があるため、単独のメソモデルより精度を上回る傾向がみられるとされています。

天気予報ガイダンス

□天気予報ガイダンスの特徴は　①数値予報では十分表現できない地形的な効果を、関係式の中に取り込むことができる。②天気の予報（カテゴリー予報）だけでなく、気温や降水量の予報（量的予報）にも十分利用できる。③数値予報では直接予測できない「降水確率」などを計算できる。
□降水量ガイダンスの頻度バイアスとは、発生頻度は低い大雨などの重要な予報の精度を上げるために、発生頻度が他と同じになるように補正すること。
□層別化とは条件によって予測式の係数を使い分けること。場所・対象時刻・予報時間・季節などで起きる数値予報の誤差をいい感じの精度にするために、予測式の係数を変えることを言います。「ガイダンスを作成する際に利用される手法の1つ」である層別化は,時刻,季節などにデータを分けて学習して,係数を求め,予測に利用する手法である。これにより,例えば数値予報モデルが昼と夜で異なるバイアスを持つ場合も,そのバイアス特性に応じた適切な誤差の補正が期待できる。
□「発雷確率ガイダンス」は,全国の20km格子毎の3時間内の発雷について予測するものである。ガイダンス値が小さいほど,対象領域内で発生する発雷する確率が少ないことを予想している。
□「発雷確率ガイダンス」は降水確率と同じで、発雷数が多いか少ないかではなく、発雷するかどうかの確率を予測するガイダンスです。
□「降水量ガイダンス」：数値予報モデルで予想された降水域の位置が実際の位置から外れている場合,降水量ガイダンスにより,その位置のずれを修正し誤差を大幅に減らすことは困難である。
□「風ガイダンス」：風向・風速の予測誤差は、モデルと実際の地形が違うなどの系統的誤差なので、誤差は風ガイダンスによって低減できる。

数値予報プロダクト

□数値予報モデルで計算される地上気温は,水平解像度にあわせたモデルの地形に応じて算出されるため,実際の気温に対して系統的な誤差をもつ場合がある。説明：実際の地形とは違うモデルを使って計算するので、どうしても実際に観測される気温とは違ってきます。
□数値予報モデルで計算される地上気温は,水平解像度にあわせたモデルの地形に応じて算出されるため,実際の気温に対して系統的な誤差をもつ場合がある。53.6
□水平解像度2kmの局地モデルは,発達した積乱雲による大雨などの局地的な現象をある程度表現できるが,予測結果については,位置のずれや時間のずれを考慮する必要がある。

高解像度降水ナウキャスト

□高解像度降水ナウキャストでは、降水域の発達·衰弱と積乱雲の発生予測をしている。

予想制度の評価

□平均誤差 (Mean Error: ME)は、誤差の「偏り」を評価し、二乗平均平方根誤差 (Root Mean Square Error: RMSE)目的: 誤差の「大きさ」全体を評価します。

雨と雲

□過冷却の雲の中で水滴よりも氷晶の方が速やかに成長する要因は,0℃以下では氷の表面に対する飽和水蒸気圧が水の表面に対するそれよりも小さいからである。（小さいので成長しやすい）
□結晶の形は、気温と氷過飽和水蒸気密度に依存します。
　0 ~ ー4 ℃：板状　　ー4〜ー10℃：柱状　　ー10〜ー22℃：厚角板
□雪の結晶同士の付着は温度にも依存し、－5℃以上で付着しやすくなる。
□水滴同士が衝突·併合して成長する過程では,一般に水滴が大きく成長するにつれて単位時間の半径の増加率は小さくなる。
□暖かい雨の形成過程では、水蒸気の凝結と水滴同士の衝突・併合による水滴の成長は速く，水滴が成長して降水がはじまるまでに30分ちょいの計算になる。
□雲の中の雨粒は、半径が大きくなるにしたがって表面張力の影響が弱くなります。さらに水滴の形も振動するようになり、加えて雨粒同士が衝突することで、落下しながら分裂していくのです。そんなわけで実際に観測された雨粒で一番大きいのは 直径約 8mm。
□昇華凝結によって成長した氷晶は、落下中に過冷却水滴に衝突する。氷晶が過冷却水滴を捕捉しながら落下し、大きな氷の粒になったのがあられ。
□雲内での水滴の併合過程では、単位体積に含まれる水滴の質量の合計が同じであれば、大きさの異なる水滴が多数存在している場合の方が、水滴が速く成長する。
□