.. 9 (NAPS9) NAPS km, km, 3 km, 8 (GSM) 64 : / 64 : / 64 : / (UTC) (UTC) (, UTC) 3 : 3 / 3 : 3 / 3 : / (, 6, 8UTC) (, 6, 8UTC) (6, 8UTC) 4 km,
|
|
|
- そう さわなか
- 5 years ago
- Views:
Transcription
1 Cray XC Cray SR6/M (NAPS) 3 3 4, 6, 8UTC (LFM)..3 NAPS (7) XC 8 6 TOP ( 6 3 (NAPS) 4 8 UTC NAPS.. NAPS (7) (7).. NAPS 8 6 NAPS.. () () NAPS 8 6 6, 6, 8UTC (GSM) NAPS UTC GSM 64 GSM 8 km 3 km 9 ( ) 4 (GEPS) LETKF 6 LETKF 4
2 .. 9 (NAPS9) NAPS km, km, 3 km, 8 (GSM) 64 : / 64 : / 64 : / (UTC) (UTC) (, UTC) 3 : 3 / 3 : 3 / 3 : / (, 6, 8UTC) (, 6, 8UTC) (6, 8UTC) 4 km, 4 km, 7 km, (GEPS) 64 : / 64 : / 64 : / (, UTC) (, UTC) (, UTC) 3 : / 3 : / 3 : / (6, 8UTC) (6, 8UTC) (6, 8UTC) km, 76 km, 76 km, 96 (MSM) 39 : 8 / 39 : 6 / 39 : 6 / (, 3, 6, 9,,, 8, (3, 6, 9,, 8, UTC) (3, 6, 9,, 8, UTC) UTC) : / : / (, UTC) (, UTC) km, 76 km, 76 km, 96 (MEPS) 39 : 4 / 39 : 4 / 39 : 4 / (, 6,, 8UTC) (, 6,, 8UTC) (, 6,, 8UTC) km, 8 km, 8 km, 76 (LFM) 9 : 4 / : 4 / : 4 / km, 48 km, 48 km, 76 4 / 4 / 48 / * NAPS GSM 84 3 ** *** 6, 8UTC () GSM GEPS km 7 km (3) 8, UTC (MSM) 39.4 MSM NAPS asuca 4 asuca-var 49 (MEPS) 3
3 (4) (MEPS) 9 (NAPS9) 3 ( 6) NAPS 8UTC 4, 6,, 8UTC NAPS 9 6. MSM () 8 (LFM) 9.4 LFM NAPS 8 76 (6) NAPS km km () () bunkakai rep.html nwp strategic plan towards 3 84.html 3 km 4 km (AI) (3) 4 4
4 3 (4) 3 NAPS, 4: asuca. 6,, 9 97., 7:. 9, 4 7.,, 6: LETKF. 6,, , 6:. 6,, 3., :. 7,, , 8: 3. pp., :. 6,, 98pp., 7:. 9, pp..3 (GEPS) (GSM) 3 GSM UTC 64, 6, 8UTC , 6, 8UTC GSM 3. GSM 3 3 ( 8) GSM UTC GSM GSM GSM GEPS, 6, 8UTC GSM 3. 7 GEPS ( 7) GEPS 4, UTC 64 6, 8UTC UTC GSM, GEPS 3 3 GSM GEPS GSM GEPS GSM GEPS 3 i 6 8 ii 4 (TD) iii 34 4
5 3 4 Typhoon Forecast Track T83 8/8/4 6UTC Initial GSM Forecast Analysis 4 4 9/6UTC 3 8/6UTC 7/6UTC 6/6UTC 3 /6UTC Ensemble Forecast Track T83 8/8/4 6UTC Initial EPS Members (< FT4) EPS Members (< FT48) EPS Members (< FT7) EPS Members (< FT96) EPS Members (< FT) EPS Members (< FT3) Control Run Analysis /6UTC 8/6UTC 7/6UTC 4/6UTC 6/6UTC /6UTC 4/6UTC UTC GSM GEPS 3 3 GSM GEPS GEPS UTC GSM GEPS 3 3 [] GSM GEPS GEPS.3. GSM 7 GEPS , 8:. 9,, 43., 7:. 9,, 3 4. GSM GEPS GSM km GEPS 4 km GEPS GSM UTC GSM, GEPS 3 3 6
6 .4.4. (MSM) MSM 7 3, 9,, UTC 33 ( 6) 3 8 UTC 3 39 ( 3) 8 6 MSM 8, UTC 39 JST MSM 7 asuca ( 7).4. MSM FT 39 MSM ) ), UTC MSM ( 3) 8 9 FT=39 GSM FT=39 MSM MSM FT=39 MSM GSM MSM GSM MSM 4 () FT=39 MSM MSM (BI) (TS) FT=39 TS FT=39.4. mm/3hr BI TS 6UTC MSM () GSM MSM MSM GSM BI, TS FT=39 MSM GSM MSM MSM FT=39 ( 3).4. MSM GSM MSM (3) GSM MSM hpa GSM ( 3) MSM GSM MSM MSM (4) MSM MSM MSM GSM MSM ( ) MSM MSM ( 7) 3.. MSM.4.3 MSM MSM, UTC MSM 7
7 TS TS mm/3hr MSM UTC MSM UTC (ext.) MSM 3UTC MSM 6UTC GSM UTC BI.. BI mm/3hr MSM UTC MSM UTC (ext.) MSM 3UTC MSM 6UTC GSM UTC FT (hr) mm/3h (TS (BI) km MSM UTC 3, 6UTC GSM UTC 9%FT=39 FT (hr) MSM MSM FT=39 MSM GSM MSM hpa MSM GSM MSM MSM GSM GSM.4.4 LFMMSM 8 8 ( ) 3 ( 3) asuca ( ) LFM ),, 6:. 8,, 8.,,, :. 4,, 7 86.,,, 3:.,, 8 4.,, 3: 39.,, 7.,, 3:. 9,, 6 4.,,,, : asuca. 7,, 3., :. 7,, 8 99., 7:. 9,, 4 47.,, 7:. 9,, 48. 8
8 ... MSM MEPS) 3 ( 6a)MEPS 9 6 MEPS MEPS..4 MEPS.. MEPS.. MEPS () 4, 6,, 8UTC 39 () MEPS MSM MSM MEPS MSM MSM MSM (3) 3 SV: Singular Vector; SV GSV; 9 JMA-NHM MSV; MSM MEPS 8 km 4 GSV α MEPS 4 (, 6,, 8UTC) 39 ( ) MSM ( km) MSM (76 ) MSM ( A..3) MSM ( A..3) SV (MSV4MSV8GSV) SV (GSV) 8 km MSV MSV8 β 4 km 6 MSV MSV4 GSV MSV (6a) (4) MSM ( 6b) MEPS GSV (Ono 7) MSM () RMSE RMSE (6b) GSV 9
9 8 6 4 Z T Z T U U TD TD RMSE RMSE [gpm] [K] [m/s] [K] hpa 8 hpa [h] RMSE hpa, 8 hpa RMSE ( ) MEPS RMSE.. RMSE 8 hpa hpa RMSE..3 MEPS MEPS MEPS ( 6) MEPS MEPS mm/3h mm/3h MEPS..3 (6a) 4.. mm/3h mm/3h mm/3h mm/3h
10 SRFANL 8/8/ 6:Z FT= : EPSFST 8/8/4 6:Z FT= 4: RM3H EPSFST 8/8/4 6:Z FT= 4: RR3H CNTL MSMFST 8/8/4 6:Z FT= 4: RR3H R_P MAX EPSFST 8/8/4 6:Z FT= 4: RR3H member RM6 CNT= VALID= 8/ :I 4.3 RAIN CNT= VALID= 8/ :I 8.36 RR3H CNT= VALID= 8/ :I 7.3 R_P CNT=..9 MIN=.E VALID= 8/ :I RAIN CNT= VALID= 8/ :I 99.7 図.. MEPS の予測例 8 年 8 月 日 6UTC の前 3 時間降水量について 左から 解析雨量 MEPS コントロールラ ンの予測 MEPS 全 メンバー中の予測の最大値 MEPS の mm/3h を超える確率 MEPS のある メンバーの予測 MEPS は 8 月 4 日 6UTC 初期値の FT=4 SRFANL 8/8/6 :Z FT= : EPSFST 8/8/4 8:Z FT= 3: RM3H EPSFST 8/8/4 8:Z FT= 3: RR3H CNTL MSMFST 8/8/4 8:Z FT= 3: RR3H R_P MAX EPSFST 8/8/4 8:Z FT= 3: RR3H member RM6 CNT= VALID= 8/6 9:I 8.34 RAIN CNT= VALID= 8/6 9:I 7.8 RR3H CNT= VALID= 8/6 9:I 39.3 R_P CNT=..9 MIN=.E VALID= 8/6 9:I RAIN CNT= VALID= 8/6 9:I 36.6 図..3 MEPS の予測例 8 年 8 月 6 日 UTC の前 3 時間降水量について 左から 解析雨量 MEPS コントロールラ ンの予測 MEPS 全 メンバー中の予測の最大値 MEPS の mm/3h を超える確率 MEPS のある メンバーの予測 MEPS は 8 月 4 日 8UTC 初期値の FT=3 のメンバーの予測がその後の予報時間においてもコン トロールランを上回るとは限らないことがある また 限られた予報作業時間内に効率的に代替シナリオを抽 出する手法の確立が今後の課題である 象予報用の風ガイダンスについては 対応する MEPS ガイダンスを作成しておらず 今後 調査および開発 を進める 前述した通り MEPS ガイダンスは基本的には MSM ガイダンスの予測式を各メンバーに適用して作成する が 天気予報用の MEPS 気温ガイダンスと MEPS 発 雷確率ガイダンスは 以下で示すようにその限りでは ない MEPS 気温ガイダンスは 利用の仕方に応じて ほかの MEPS ガイダンスと同様に MSM ガイダンスの 予測式を適用して予測を行う CTL 型と アンサンブル 平均による説明変数で学習した係数を使用して予測を 行う EPS 型の二つを部内試験運用している CTL 型 は コントロールランの予測値が MSM ガイダンスと 同一であるため 各メンバーのばらつきから MSM ガ イダンスの信頼度算出に利用できないか検討している また MEPS 降雪量ガイダンスの入力としても利用さ れている EPS 型は 各メンバーによるアンサンブル 平均の精度が CTL 型よりも高いことを確認したため アンサンブル平均を決定論的な予測値のように利用す ることを検討している MEPS 発雷確率ガイダンスは 予測精度や信頼度の 向上を期待できることから MSM 発雷確率ガイダンス と同様に LAF (Lagged Average Forecast) 法を用いて 予測している (高田 8; 工藤 8) ただ MEPS ガ イダンスと MSM ガイダンスとでは LAF に使用する 過去初期値が異なっている MSM ガイダンスは 過去 8 初期値を使用して 時刻が新しいほど寄与が大きくな るように重み付けをして LAF を行う これに対して メソアンサンブルガイダンス 数値予報課では 前項までで述べたメソアンサンブル 予報システム (MEPS) の結果を用いて 降水量 降雪 量 気温 発雷確率 風 視程 雲および航空悪天 GPV についてメソアンサンブルガイダンス 以下 MEPS ガイダンス を開発し 部内試験運用を行っている (高 田 7) 本項では部内試験運用中の MEPS ガイダン スの概要について述べる MEPS ガイダンスは MEPS の各メンバーを入力と するガイダンスであり 基本的に MSM ガイダンス (後藤ほか 8; 付録 A.) の予測式を適用して作成す る この作成方法では MEPS ガイダンスのコントロー ルラン6 と MSM ガイダンスが同一となるため 両ガイ ダンスの比較が容易 MSM ガイダンスに関する確率情 報の作成が可能といった利点がある また 予測式作 成のコストがかからないという点で 運用上のメリッ トもある 実行頻度 予報時間およびメンバー数につ いては MEPS と同様である 予報期間と間隔 予報 対象時間単位 作成対象 目的変数 説明変数 層別化 については MSM ガイダンスと同様である 予測要素 と作成方法については 表.. に示す なお 天気予 報用の湿度ガイダンスおよび天気ガイダンス 航空気..4 6 摂動を加えていないモデル予測値から作成したメンバー
11 MEPS LAF NAPS 4 LAF LAF 7 LAF MEPS MEPS MSM ( 7) MEPS MSM MEPS MEPS4 (MEPS RMAX4) mm/4h 8..4 mm/4h mm/4h 9..4 MEPS MEPS MEPS (6a), 6:. 6,, , :. 6,, 93 4., 6a:. 6,, 3., 6b:. 6,, 8., 8:. 64,, 3.,,,,,,,, 8:. 64,, 94 3., 9:.,, 7., 8:.,, 88 9., 7:. 9,, 8 9., :.,, 73 3., :.,, 7. Ono, K., 7: Consistent Initial Lateral Boundary Perturbations in Mesoscale Ensemble System at JMA. CAS/JSC WGNE Res. Activ. Atmos. Oceanic Modell., 47, MEPS 9 6 MEPS 7 8 MSM4 9 mm/4h
![[mm/4h]meps RMAX4](/docs-images/88/114619031/images/12-1.jpg "mm/4h [%] 8 9 3 6UTC.")
12 MEPS RMAX4 4 [mm/4h] 4 [mm/4h]meps RMAX4 mm/4h [%] UTC.. MEPS GPV EPS CTL MSM MSM LAF MSM MSM GPV GPV 3
Microsoft Word - 0_0_表紙.doc
2km Local Forecast Model; LFM Local Analysis; LA 2010 11 2.1.1 2010a LFM 2.1.1 2011 3 11 2.1.1 2011 5 2010 6 1 8 3 1 LFM LFM MSM LFM FT=2 2009; 2010 MSM RMSE RMSE MSM RMSE 2010 1 8 3 2010 6 2010 6 8 2010
1 1 3 i) ii) iii) *1 Very Short-Range Forecasting of Precipitation VSRF Radar-AMeDAS Precipitation RAP MSM MesoScale Spectral Model 200 2,000
1 1 3 i ii iii 1.1 1.1 *1 Very Short-Range Forecasting of Precipitation VSRF Radar-AMeDAS Precipitation RAP MSM MesoScale Spectral Model 2 2, km 1 km 2 2 km 1.1 VSRF MSM RSM 2.5km 1km 2km.5hr, 3 6hr 3AM/PM
講演の内容 概要部内試験運用中のメソアンサンブル予報システムの概要及び予測事例 検証結果を紹介するとともに今後の開発について紹介する 内容 1. メソアンサンブル予報システムの概要 2. アンサンブルメンバーの予測特性 3. 検証 4. まとめと今後の開発 参考文献 数値予報課報告 別冊第 62 号
気象庁メソアンサンブル予報システムの開発 気象庁数値予報課小野耕介 第 9 回気象庁数値モデル研究会第 45 回メソ気象研究会第 2 回観測システム 予測可能性研究連絡会日時 :2016.5.17 場所 : 気象庁講堂 講演の内容 概要部内試験運用中のメソアンサンブル予報システムの概要及び予測事例 検証結果を紹介するとともに今後の開発について紹介する 内容 1. メソアンサンブル予報システムの概要
SSI( hpa) CAPE 10 C 3 km SSI( hpa) 3 km 10 C 700 hpa 700 hpa hpa 500 hpa 850 hpa 10 C 5 km CAPE UTC
4 4.1 1 4.1.1 GSM GSM PoT MSM MSM PoT 20 km 3 PoT 2 GSM PoT MSM PoT 2009 7 ( 2009) 3 2015 5 26 4.1.2 4.1.3 4.1.4 4.1.5 GSM PoT MSM PoT GSM PoT MSM PoT 4.1.2 (1) (2) (3) (2007) (2009) (1) 4.1.1 6 3 SSI
予報時間を39時間に延長したMSMの初期時刻別統計検証
第 1 章領域拡張 予報時間 39 時間化されたメソモデルの特性 1.1 メソモデルの領域拡張 予報時間 39 時間化の概 1 要メソモデル (MSM) は 2013 年 3 月に予報領域が拡張された また 2013 年 5 月に全初期時刻における予報時間が39 時間に延長された 表 1.1.1に今回の変更前後の主な仕様を また 図 1.1.1に領域拡張前後の予報領域を示す 本節では 仕様拡張の目的及び概要を説明する
2016 年 5 月 17 日第 9 回気象庁数値モデル研究会 第 45 回メソ気象研究会第 2 回観測システム 予測可能性研究連絡会 気象庁週間アンサンブル予報 システムの現状と展望 気象庁予報部数値予報課 太田洋一郎 1
2016 年 5 月 17 日第 9 回気象庁数値モデル研究会 第 45 回メソ気象研究会第 2 回観測システム 予測可能性研究連絡会 気象庁週間アンサンブル予報 システムの現状と展望 気象庁予報部数値予報課 太田洋一郎 1 アンサンブル予報システム (EPS) 初期摂動の PDF 解析誤差の PDF 予報誤差の PDF 決定論的予測 t=0 予報モデルの不確実性 = モデルアンサンブル境界値の不確実性
第 1 章新しい数値予報モデル構成とプロダクト 1.1 モデル構成 1 数値予報課では 2006 年 3 月のスーパーコンピュータシステムの更新時に メソ数値予報モデルの解像度を水平格子間隔 10km から 5km に また 鉛直層数を 40 から 50 に向上させ また 週間アンサンブル予報モデル
第 章新しい数値予報モデル構成とプロダクト. モデル構成 数値予報課では 2006 年 3 月のスーパーコンピュータシステムの更新時に メソ数値予報モデルの解像度を水平格子間隔 0km から 5km に また 鉛直層数を 40 から 50 に向上させ また 週間アンサンブル予報モデルのメンバー数を 25 から 5 に増やした これに引き続き 2007 年中には表.. のモデル構成とすることを予定している
An ensemble downscaling prediction experiment of summertime cool weather caused by Yamase
ヤマセによる冷夏をターゲットにした アンサンブルダウンスケール予報実験 東北大学 福井真 1. Introduction 1.1 ヤマセ 海洋性極気団を起源とした冷湿な北東風 => 水平規模 ~1000 kmの現象 (Kodama et al. 2009) 冷夏となり 農作物に大きな被害 ( 冷害 ) をもたらすことも => 重要な中期予報の対象 背が低く 複雑な地形の影響を大きく受ける ( 工藤
Microsoft PowerPoint _HARU_Keisoku_LETKF.ppt [互換モード]
![Microsoft PowerPoint _HARU_Keisoku_LETKF.ppt [互換モード]](/thumbs/93/112685408.jpg "Microsoft PowerPoint _HARU_Keisoku_LETKF.ppt [互換モード]")
を用いた大阪平野南部で 発達した雷雨の再現実験 ( のネストシステムを目指して ) 瀬古弘 露木義 斉藤和雄 ( 気象研究所 ) 黒田徹 ( 海洋研究開発機構 ) 藤田匡 ( 気象庁 ) 三好建正 ( メリーランド大 ) を用いたアンサンブル予報 観測やに誤差はつきもの大気の初期状態はある存在確率で把握する方が望ましい ( 特に局地豪雨は初期値に敏感で 決定論的な予報は困難 ) 単独予報値摂動予報値
(50) 29 ( ) 29 11 November 2017 1 5 1 2 2 7 3 9 7 4 6 11 5 5 6 50 * 29 1 1 1.1... 1 1.2... 8 1.3 GSM... 31 1.4... 35 2 42 2.1... 42 2.2... 48 2.3 MSM... 56 2.4... 61 3 66 3.1... 66 3.2... 82 4 86 4.1...
天気予報 防災情報への機械学習 の利 ( 概要 ) 2
AITC 成果発表会 2016.9.16 気象庁における機械学習の利 気象庁予報部数値予報課 アプリケーション班 高田伸一 1 天気予報 防災情報への機械学習 の利 ( 概要 ) 2 天気予報 防災気象情報の流れ 気象観測 数値予報 天気予報 / 防災情報 数値予報 スーパーコンピュータ 数値予報を使った応 処理 予報官 予報警報情報 作成 関係機関報道機関 間気象会社 国民 3 数値予報とは? 現実
付録B 統計的検証で利用される代表的な指標
付録 A 数値予報モデルおよびガイダンスの概要一覧表 1 平成 20 年 11 月現在 数値予報課が所掌する数値予報モデルとガイダンスの概要 及び プロダクトの送信時刻に関する情報を以下の A.1 から A.3 の表に示す A.1 数値予報モデル A.1.1 全球モデル (GSM) 解像度 予報初期時刻 予報時間水平解像度 TL959 2 ( 格子間隔約 20km:0.1875 度 ) 鉛直層数予報初期時刻予報時間境界値
untitled
2013/7/25 ICT 1 2011 2 3 4 1 11010% 樽 薩 HP 5 2011 2011 1 91421m 1959 1716 17300 2011/01/27 NATIONAL GEOGRAPHIC Daily News 6 2011/1/28 asahi.com 2011/1/28 asahi.com 8.0 km 2011/2/18 2011/2/7 7 2011/2/14
訪問看護ステーションにおける安全性及び安定的なサービス提供の確保に関する調査研究事業報告書
1... 1 2... 3 I... 3 II... 3 1.... 3 2....15 3....17 4....19 5....25 6....34 7....38 8....48 9....58 III...70 3...73 I...73 1....73 2....82 II...98 4...99 1....99 2....104 3....106 4....108 5.... 110 6....
ｽﾗｲﾄﾞ ﾀｲﾄﾙなし
1 THORPEX 2005 7 4 5 THORPEX THORPEX High impact weather High impact weather NH500hPa (1) (m) ( ( NH500hPa (2) (m) ( ( 240 72 hour Position Error (JMA, UKMO, ECMWF, 3-Models Ensemble) 800 210 700 180 150
気象庁委託調査
ART - 103 1. (2-1) 2-1 : 61 20km 1 2 6 10km 6 12 7 1 100km 1 1 34 7 300km 7 3 3 1300km 1 *1 *1 6 3 *2 300km 6 *3 *1 15 3 GPV 15 *2 15 *3 16 *2 1 7 1 15 2. (1 ) 15 1 15 ( GPV=Grid Point Value) 104 1 / 2-1
第３章 アプリケーション
第 3 章アプリケーション 3.1 ガイダンス類の概説 1 3.1.1 はじめに本節では 高解像度全球モデル ( 以下 20kmGSM という ) と メソ数値予報モデル ( 以下 MSM という )33 時間予報の運用開始以降に出力されているガイダンス等について その仕様と精度の概要を述べる MSM の予報結果を用いた降水系ガイダンスと気温ガイダンス 及び航空気象予報ガイダンスに変更や要素追加があった
2 3 5 5 5 5 6 6 7 7 8 10 10 10 10 11 11 12 12 13 16 16 16 16 17 19 21 21 22 5
1D000425-2 1 2 3 5 5 5 5 6 6 7 7 8 10 10 10 10 11 11 12 12 13 16 16 16 16 17 19 21 21 22 5 3 29 29 29 30 31 31 32 35 35 35 36 41 41 41 46 48 48 48 52 57 4 700 13 1988 4 5 4 5 21 1 1 3 4 5 6 21 10 1888
経済論集 ４６‐２（よこ）（Ｐ）☆／２．三崎
1 2 1869 11 17 5 10 1 3 1914 5 15 5 1872 9 12 3 1870 1 26 14 1881 11 11 12 6 11 1878 5 9 13 1880 6 17 1 15 1882 1 2 3 11 1828 2 26 24 1891 4 22 2 1849 12 1 3 1856 pp 20 21. 1971 p.429. 1973 1, pp.440 444.
数値予報とは 2
数値予報について 概要と近年の改良に伴う特性の変化 気象等の情報に関する講習会 平成 29 年 6 月 15 日気象庁予報部数値予報課石田純一 1 数値予報とは 2 天気予報や防災気象情報ができるまで 天気予報 防災気象情報が発表されるまでの流れ 数値予報とガイダンスは 日々の天気予報 防災気象情報の基盤 これらの精度を向上するためには 数値予報 ガイダンスの精度向上が不可欠 3 気象レーダー 気象衛星
1 911 9001030 9:00 A B C D E F G H I J K L M 1A0900 1B0900 1C0900 1D0900 1E0900 1F0900 1G0900 1H0900 1I0900 1J0900 1K0900 1L0900 1M0900 9:15 1A0915 1B0915 1C0915 1D0915 1E0915 1F0915 1G0915 1H0915 1I0915
平成14年度数値予報研修テキスト
14 10 October 2002 13 3 NAPS 1 NAPS 1 4 1 4 13 9 3 14 3 4 1 3 4 6 (GPV) GPV 15 NOAA 15 4 1 20023(MSM) 20004 ( 2002)4 4200247 MSM MSM200147 4 2001 RSM MSM (2001)(2002) 1.1.1 1 3 40km10mm5mm1mm 3 610mm2002
JMA Numerical Analysis Systems
AMSR-E データの数値天気予報への寄与 Contribution of AMSR-E data to numerical weather prediction in JMA 竹内義明 ( 気象庁 ) Yoshiaki TAKEUCHI (Japan Meteorological Agency) AMSR, AMSR-E/GLI Symposium, 23 January 2006, Toshi
Microsoft PowerPoint - hayashi_ _up.ppt
1 / 17 20km-NHM と WRF-ARW による熱帯域および日本域の短期予報の統計的精度検証とその比較 気象研究所予報研究部林修吾 2 / 17 目次 0. はじめに 1. 目的 2. モデルの紹介と実験の設定 3. 結果 I: 顕著事例での再現性確認 4. 結果 II: 統計的精度検証 5. まとめ 3 / 17 0. はじめに 本研究の目的は, 昨年度から始まった科振費 東南アジア地域の気象災害軽減国際共同研究
28 7 1 27 9 27 12 10 28 5 18-1 - - 2 - 13 8 11 11,969 22 9 3,000m 3 /s 709 2079 18,279 5,990 42 52 57 7 10 10 9 5 27 9 1/100-3 - 20 2 50 50 22 60.4km 46 27 3 5m 150km 2 20-4 - - 5 - - 6 - 情 報 - 7 - -
気象庁数値予報の現状と展望 再生可能エネルギー発電導入のための気象データ活用 ワークショップ 2014 年 3 月 25 日 気象庁予報部数値予報課数値予報モデル開発推進官多田英夫 1
気象庁数値予報の現状と展望 再生可能エネルギー発電導入のための気象データ活用 ワークショップ 2014 年 3 月 25 日 気象庁予報部数値予報課数値予報モデル開発推進官多田英夫 1 目次 気象庁数値予報の現状と展望 1. 気象庁の数値予報システム 2. 数値予報の計算例 3. 数値予報開発を取り巻く環境 2 1. 気象庁の数値予報システム 3 数値予報モデル 現在の大気の状態 ( 気温 風 湿度など
- 2 -
- 2 - - 3 - (1) (2) (3) (1) - 4 - ~ - 5 - (2) - 6 - (1) (1) - 7 - - 8 - (i) (ii) (iii) (ii) (iii) (ii) 10 - 9 - (3) - 10 - (3) - 11 - - 12 - (1) - 13 - - 14 - (2) - 15 - - 16 - (3) - 17 - - 18 - (4) -
2 1980 8 4 4 4 4 4 3 4 2 4 4 2 4 6 0 0 6 4 2 4 1 2 2 1 4 4 4 2 3 3 3 4 3 4 4 4 4 2 5 5 2 4 4 4 0 3 3 0 9 10 10 9 1 1
1 1979 6 24 3 4 4 4 4 3 4 4 2 3 4 4 6 0 0 6 2 4 4 4 3 0 0 3 3 3 4 3 2 4 3? 4 3 4 3 4 4 4 4 3 3 4 4 4 4 2 1 1 2 15 4 4 15 0 1 2 1980 8 4 4 4 4 4 3 4 2 4 4 2 4 6 0 0 6 4 2 4 1 2 2 1 4 4 4 2 3 3 3 4 3 4 4
20 15 14.6 15.3 14.9 15.7 16.0 15.7 13.4 14.5 13.7 14.2 10 10 13 16 19 22 1 70,000 60,000 50,000 40,000 30,000 20,000 10,000 0 2,500 59,862 56,384 2,000 42,662 44,211 40,639 37,323 1,500 33,408 34,472
I? 3 1 3 1.1?................................. 3 1.2?............................... 3 1.3!................................... 3 2 4 2.1........................................ 4 2.2.......................................
1 (1) (2)
1 2 (1) (2) (3) 3-78 - 1 (1) (2) - 79 - i) ii) iii) (3) (4) (5) (6) - 80 - (7) (8) (9) (10) 2 (1) (2) (3) (4) i) - 81 - ii) (a) (b) 3 (1) (2) - 82 - - 83 - - 84 - - 85 - - 86 - (1) (2) (3) (4) (5) (6)
(ECMWF) (UKMO) ( 2013) Redmine Trac Redmine Redmine Subversion Git ,, 2013:. 59,, Subversion Git
2 2.1 1 2011 2 (ECMWF) (UKMO) ( 2013) 3 2012 Redmine 4 1 2 3 3 4 Trac Redmine Redmine Subversion Git 5 2014 3,, 2013:. 59,, 195 199. 5 Subversion Git 17 2.2 1 2.2.1 Trac 2 Redmine 3 Trac Redmine 2.2.2
気象庁の現業数値予報システム一覧 数値予報システム ( 略称 ) 局地モデル (LFM) メソモデル (MSM) 全球モデル (GSM) 全球アンサンブル予報システム 全球アンサンブル予報システム 季節アンサンブル予報システム 水平分解能 2km 5km 約 20km 約 40km 約 40km(1
気象庁データを利用した気象研究の現状と展望 気象庁現業メソモデルの 最近の開発とその成果 2017 年 5 月 25 日 気象庁予報部数値予報課 原旅人 1 気象庁の現業数値予報システム一覧 数値予報システム ( 略称 ) 局地モデル (LFM) メソモデル (MSM) 全球モデル (GSM) 全球アンサンブル予報システム 全球アンサンブル予報システム 季節アンサンブル予報システム 水平分解能 2km
Microsoft Word - 2.4_メソ予報GSM境界事例_成田_PDF01）.doc
第 2 章メソ数値予報モデル 2. モデルの変更点の概要 2.. はじめにメソ数値予報モデル (MSM) は 2007 年 5 月 6 日に 日 8 回のうち 4 回の予報時間を 5 時間から 33 時間に延長するとともに 物理過程を中心に多くの改良がなされたモデルに置き換えられた この 33 時間への予報時間延長にあわせた改良については 荒波 原 (2006) で述べられているが その後 いくつかのさらなる改良が行われた上で現業化されている
「産業上利用することができる発明」の審査の運用指針（案）
1 1.... 2 1.1... 2 2.... 4 2.1... 4 3.... 6 4.... 6 1 1 29 1 29 1 1 1. 2 1 1.1 (1) (2) (3) 1 (4) 2 4 1 2 2 3 4 31 12 5 7 2.2 (5) ( a ) ( b ) 1 3 2 ( c ) (6) 2. 2.1 2.1 (1) 4 ( i ) ( ii ) ( iii ) ( iv)
() 予 測 風 の 強 さと 日 変 化 図..に 時 間 毎 の 最 大 風 速 における 観 測 値 RSMの 最 大 風 速 及 びガイダンス 値 の 日 変 化 を 示 す RSMの 最 大 風 速 は 日 中 の~9UTCには 観 測 値 と 同 程 度 の 風 を 予 測 しているが
第 章 数 値 予 報 応 用 技 術 の 開 発 と 検 証. RSM 及 びMSM 最 大 風 速 ガイダンス.. はじめに 予 報 作 業 支 援 システムにおいては 防 災 気 象 情 報 作 成 支 援 ガイダンス( 以 降 防 災 ガイダンス と 略 す) を 基 本 資 料 として 注 警 報 が 作 成 される 数 値 予 報 課 ではRSMに 基 づく 最 大 降 水 量 ガイダンスと
風力発電インデックスの算出方法について 1. 風力発電インデックスについて風力発電インデックスは 気象庁 GPV(RSM) 1 局地気象モデル 2 (ANEMOS:LAWEPS-1 次領域モデル ) マスコンモデル 3 により 1km メッシュの地上高 70m における 24 時間の毎時風速を予測し
風力発電インデックスの算出方法について 1. 風力発電インデックスについて風力発電インデックスは 気象庁 GPV(RSM) 1 局地気象モデル 2 (ANEMOS:LAWEPS-1 次領域モデル ) マスコンモデル 3 により 1km メッシュの地上高 70m における 24 時間の毎時風速を予測し 2000kW 定格風車の設備利用率として表示させたものです 数値は風車の定格出力 (2000kW)
実験 M10240L2000 については, 計算機資源節約のため, 実験 M10240L の 1 月 24 日 00 時の第一推定値を初期値とする 1 週間の実験を行った 4. 結果実験 M10240 L は,10240 メンバーによりサンプリング誤差を小さく抑えることに成功し, 局所化なしにもかか
10240 メンバーを用いたアンサンブルデータ同化実験 近藤圭一, 三好建正 ( 理研, 計算科学,JST CREST) 1. はじめにデータ同化は, 数値モデルと観測を高度に融合させることで, より精緻な初期値 解析値を得る手法であり, 数値予報モデルの予報精度に大きく影響を与える 大気の流れを考慮した高度なデータ同化手法にアンサンブルカルマンフィルタ (EnKF; Evensen 1994) があり,
PowerPoint プレゼンテーション
200831012 200810-12 200810-12 200710-12 669 749 700 7.0 % 70 116 99 16.5 % 599 633 600 5.4 % 331 331 312 6.0 % 328 328 308 6.5 % 191 191 171 11.4 % EPS 322 322 283 13.6 % 5,928 5,928 6,048-2.0 % EPS
<4D F736F F D20322E325F8BF388E68E E9197BF81698DC58F498D65816A2E646F63>
第 2 章アプリケーション 2.1 次期 YSS に向けたガイダンス 2.1.1 概説 1 平成 22 年度の出水期から実施される 市町村を対象とした気象警報等の発表作業は 次期予報作業支援システム ( 以下 次期 YSS と呼ぶ ) において行われる 次期 YSS において 気象警報 注意報及び天気予報等のプロダクトの土台となる量的予測値 ( 防災時系列 ) は 5km 格子単位で取り扱われるため
20 8 27 18 10 28 16 9 29 20 3 14 16 9 30 20 8 27 16 9 29 8 36 21 33 m3 4 3 m3 9m JR 14 1 25 16 3 16 9 30 16 9 29 10 24 1/40 204mm/24h 750m3/s 10m 41 m3 16 9 29 15 16 8 26 16 9 30 16 8 26 16 9 30 41
2008 年 7 月 28 日に神戸市付近で発生した局地的大雨の観測システムシミュレーション実験 * 前島康光 ( 理研 計算科学研究機構 / JST CREST) 国井勝 ( 気象研究所 / 理研 計算科学研究機構 ) 瀬古弘 ( 気象研究所 ) 前田亮太 ( 明星電気株式会社 ) 佐藤香枝 (
2008 年 7 月 28 日に神戸市付近で発生した局地的大雨の観測システムシミュレーション実験 * 前島康光 ( 理研 計算科学研究機構 / JST CREST) 国井勝 ( 気象研究所 / 理研 計算科学研究機構 ) 瀬古弘 ( 気象研究所 ) 前田亮太 ( 明星電気株式会社 ) 佐藤香枝 ( 明星電気株式会社 ) 三好建正 ( 理研 計算科学研究機構 / JST CREST) 1. はじめに
A B A E
10533-68-3955 10533-68-3955 10533-68-3804 RP A-6 10533-68-3804 10533-69-9615 10533-57-2161 B-2 10533-68-2274 10533-68-2221 10533-67-6282 A-6 10533-57-2161 E-3 10533-68-5161 10533-68-3553 D-2 D-2 10533-69-5258
2
1 2 3 4 5 6 7 2007 30,870 2008 32,426 2009 34,971 13,000 8 9 http://www.hokkaido-marathon.com/volunteer/ http://www.hokkaido-marathon.com/volunteer/leader.html 2009 / http://www.shonan-kokusai.jp/archives/volunteer/
研修コーナー
l l l l l l l l l l l α α β l µ l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l l
2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 10 6 15 7 13 7 14 13 31 13 13 9 30 13 10 14 13 10 25 13 11 29 13 11 30 14 111 14 223 14 2 23 3 17 14 3 17 14 3 21 14 3 26 13 11 29 5 2 2 14 1 11 1 3 28 1 3 14 2 28 1 28
( Xi X )( A i A ) ACC ( Xi X ) 2 ( Ai A ) 2 X i = x i c i, A i = a i c i, X = 1 A = 1 ( 1 ACC 1) (D.2.6) X i A i (D.2.7) (D.2.8) x i a i c i D.2
D D.1 D.1.1 (JST: Japan Standard Time) (UTC: Coordinated Universal Time) UTC JST UTC 9 D.1.2 xx yy TxxLyy 1 (2005) TLxxLyy 2 30 TL959 20 km TL479 40 km TL319 55 km TL159 110 km D.1.3 (FT: Forecast Time
PowerPoint プレゼンテーション
:2 :3 8 4 :5 :7 :9 :10 :11 :12 :14 341974 (S 58) 1 210 0 :15 :18 :19 :20 :21 :22 :23 :25 :26 :28 :30 :32 :33 :35 7 1 2 :41 :42 () 1977 3 2 80 2001 6 3 3 :43 :47 :48 :50 :51 () 1 8 BAY :52 :53 2006RUN 2006,2007
１ 発病のとき
A A 1944 19 60 A 1 A 20 40 2 A 4 A A 23 6 A A 13 10 100 2 2 360 A 19 2 5 A A A A A TS TS A A A 194823 6 A A 23 A 361 A 3 2 4 2 16 9 A 7 18 A A 16 4 16 3 362 A A 6 A 6 4 A A 363 A 1 A A 1 A A 364 A 1 A
Microsoft PowerPoint nakagawa.ppt [互換モード]
![Microsoft PowerPoint nakagawa.ppt [互換モード]](/thumbs/96/127835476.jpg "Microsoft PowerPoint nakagawa.ppt [互換モード]")
気象庁現業全球モデルによる 台風予報の現状と課題 2013 年 3 月 6 日 第 6 回気象庁数値モデル研究会 数値モデルによる台風予報の課題と展望 気象庁予報部数値予報課中川雅之 檜垣将和 氏家将志 1 内容 気象庁全球数値予報システムの概要 台風進路予報の現状と課題 台風強度予報の現状と課題 今後の開発計画とまとめ 2 気象庁全球数値予報システムの概要 3 気象庁の全球数値予報システムの概要
_0212_68<5A66><4EBA><79D1>_<6821><4E86><FF08><30C8><30F3><30DC><306A><3057><FF09>.pdf
2
TIGGE * 1 2 1 2 JAMSTEC 2 3 Strategy Global Ens. Forecast Potential Occurrence - Timing ~ O(day) - Location ~ O(100km) time Regional Hi- Res. Forecast - Estimate Quantitatively - Timing ~ O(hr) - Location
Microsoft Word - 0_0_表紙.doc
第 3 章第 9 世代数値解析予報システム 3.1 概要 1 本章では 2012 年 ( 平成 24 年 ) 中に予定されているスーパーコンピュータシステム更新 ( 以下 計算機更新 ) に伴い稼働を開始する第 9 世代数値解析予報システム (NAPS9) の概要について述べる なお計算機更新については現在のところ 2012 年 ( 平成 24 年 ) の稼働開始を予定している 本節では NAPS9
44 4 I (1) ( ) (10 15 ) ( 17 ) ( 3 1 ) (2)
(1) I 44 II 45 III 47 IV 52 44 4 I (1) ( ) 1945 8 9 (10 15 ) ( 17 ) ( 3 1 ) (2) 45 II 1 (3) 511 ( 451 1 ) ( ) 365 1 2 512 1 2 365 1 2 363 2 ( ) 3 ( ) ( 451 2 ( 314 1 ) ( 339 1 4 ) 337 2 3 ) 363 (4) 46
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 () - 1 - - 2 - - 3 - - 4 - - 5 - 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57
再生可能エネルギーとは 国際エネルギー機関 (IEA) 再生可能エネルギーは 絶えず補充される自然のプロセス由来のエネルギーであり 太陽 風力 バイオマス 地熱 水力 海洋資源から生成されるエネルギー 再生可能起源の水素が含まれる と規定されています エネルギー供給事業者による非化石エネルギー源の利
第 15 回環境研究シンポジウム 一橋大学一橋講堂 ( 学術総合センター内 ) 再生可能エネルギー分野での気象予測の重要性 気象研究所 山田芳則 気象研究所予報研究部 2017 年 11 月 22 日 再生可能エネルギーとは 国際エネルギー機関 (IEA) 再生可能エネルギーは 絶えず補充される自然のプロセス由来のエネルギーであり 太陽 風力 バイオマス 地熱 水力 海洋資源から生成されるエネルギー
i ii i iii iv 1 3 3 10 14 17 17 18 22 23 28 29 31 36 37 39 40 43 48 59 70 75 75 77 90 95 102 107 109 110 118 125 128 130 132 134 48 43 43 51 52 61 61 64 62 124 70 58 3 10 17 29 78 82 85 102 95 109 iii
平成14年4月 日
平成 2 6 年 2 月 7 日気象庁地球環境 海洋部 配信資料に関する技術情報 ( 気象編 ) 第 390 号 ~1 か月予報及び異常天候早期警戒情報の発表日変更と 1 か月アンサンブル予報システム等の変更について ~ ( 配信資料に関する技術情報第 382 号 平成 25 年 11 月 28 日付お知らせ関連 ) 1 か月予報及び異常天候早期警戒情報の発表日変更の実施日が決まりましたのでお知らせします
スライド 1
気象庁全球モデルの開発と 評価検証の取り組み 金浜貴史 気象庁予報部数値予報課 tkanehama@met.kishou.go.jp 2012.12.12 地球流体データ解析 数値計算ワークショップ @ 名古屋大学 1 はじめに 気象庁における全球モデル 全球モデルの開発 開発環境 直近の技術的課題 評価 検証の取り組み まとめ 2 はじめに 3 気象庁全球モデルの特徴 現業数値予報モデル 基盤モデルの一つ
改版履歴 発行年月日版数適用 平成 29 年 2 月 24 日初版初版として発行
航空気象実況データ収集処理システム ALIS (AirportLiveInfomationSystem) 利用者向け操作説明書 改版履歴 発行年月日版数適用 平成 29 年 2 月 24 日初版初版として発行 目次 1. 画面遷移図....1 2. ログイン画面.......2 3. 全国空港選択画面....4 4. 地域表示画面.......5 5. 空港別表示画面.......6 6. 滑走路別表示画面....7
<4D F736F F D20375F D835F834E836782C6947A904D B838B2E646F63>
第 7 章プロダクトとその利用の仕方 7. メソ数値予報 メソ数値予報は防災気象情報の発表支援を目的とし 大雨や強風を主たる予測対象とする 予報結果は格子点値 (GPV) で 新アデス ( 気象情報伝送処理システム ) 端末が整備された官署向けにはアデスサーバに それ以外の官署には官署の端末に提供される ( 第 2 章 ) 新アデス設置官署では 各官署からの要求に応じてアデスサーバで作成された画像が統合ビューワにより端末に表示される
スライド 1
移動体観測を活用した交通 NW の リアルタイムマネジメントに向けて : プローブカーデータを用いた動的 OD 交通量のリアルタイム推定 名古屋大学山本俊行 背景 : マルチモード経路案内システム PRONAVI 2 プローブカーデータの概要 プローブカー : タクシー 157 台 蓄積用データ収集期間 : 22 年 1 月 ~3 月,1 月 ~23 年 3 月 データ送信はイベントベース : 車両発進
< B8C608EAE B835E947A904D88EA C2E786C7378>
1/12 1 数値予報全球数値予報モデルGPV( 全球域 ) 1 日 4 回 (00,06,12,18UTC) Z C_RJTD_yyyymmddhh0000_GSM_GPV_Rgl_FD0000_grib2.bin 約 32.9MB 第 480 号 予報時間延長及び短い予報時間間隔での Z C_RJTD_yyyymmddhh0000_GSM_GPV_Rgl_FD0006_grib2.bin 配信開始
WWRP-THORPEX/WCRP Subseasonal to Seasonal Prediction Project の紹介 高谷 祐平 気象庁地球環境 海洋部気候情報課 １ はじめに 本稿では WWRP-THORPEX と WCRP が共 測システム 研究開発の現状についてのレビュ 同で実施す
WWRP-THORPEX/WCRP Subseasonal to Seasonal Prediction Project の紹介 高谷 祐平 気象庁地球環境 海洋部気候情報課 １ はじめに 本稿では WWRP-THORPEX と WCRP が共 測システム 研究開発の現状についてのレビュ 同で実施する研究プロジェクト 季節内から季 ー 当該スケールの予測可能性 今後期待され 節時間スケールの予測研究プロジェクト
! 1 m 43 7 1 150 ( ) 100 ( ) 11.3m 30 800 ( ) 1680 20 15 1,253 ( ) 1,500 51 52 300 1 4 134 1000 3 600 ( ) 30 , 402 km (1702) ( 1 402 67 12 23 10 ( ) ( 25,000 ) (1701 ) 485 ( 20 ) 400 (1860 ) (1) (2)
untitled
60 547 547 4km [ ] 14 20 18 2,400 5,500 24 15 10,000 [ ] [ ] 1779 1779 1471-76 1914 1471-76 1779 1914 1779 1779 1914 1471-7676 1779 1471-76 1946 1914 59 8 25 30 1986 3km 2m 5 2km 18 6 [ ]
阪神５年PDF.PDF
1995.1.17 N 0km 10 20 31 4,569 14,679 67,421 55,145 6,965 80 1,471 3,383 13,687 5,538 327 22 933 1,112 12,757 5,675 465 2 243 3,782 6,344 6,641 65 17 555 1,755 9,533 8,109 940 15 12 817 271 3,140 1 918
1,000m 875m1 6km
1,000m 875m1 6km 1,000m 875m 30 13 14 11 2 14 23 27 50 30 3 () 23 24 25 16,534 16,792 18,017 13,946 17,884 18,712 30,480 34,676 36,729 1 (25 ) () 395 1,420 1,343 1,756 1,364 1,599 1,184 1,278 1,619 1,324
一太郎 13/12/11/10/9/8 文書
(1) 17 3 (2) (3) (1) 1 (2) 2 (1) (2) (3) (4) (5) (6) (7) (8) 3 (1) 50 12.5km 1km (2) 16 1900 (3) 65 65 19 14 17.5 (4) 34 31 22 335 133 (5) 104 321 3 4 4 43 4 4 4 () 5 6 (1) (2) 7 8 (1) (2)24 24 (3) 9 (4)
私にとっての沖縄と独自性.PDF
6902117 2 1200km 48 11 46 36 40 (1) ( ) 3 1 1-1 1-2 2 (= ) 3 1. 14 14 ( ) ( 2001) ( ) ( ) 1390 1474 ( 2001) ( 4 ) ( ) 46 3000 ( ) = 5 1609 1602 ( 2001) 1-1 1-2 1-1 1-2 15 (2) 6 1314 ( ) (3) ( ) 1 ( 1993:48)
-1 - -2 - -3 - -4 - -5 - -6- -7 - 260-8 - -9 - - 10-104km2 194km 340 104km2 194km 340 -11 - - 12-10km 20km 30km 260 260 1km 2km 2000 10km 20km 30km 260 260 1km 2km 2000 260 260 1km 2km 2000 - 13 - ( 3
, , km 9.8km 10.5km 11.9km 14.4km 14.4km 34.1km 3.4km 31.7km 6.2km 7.3k
410 470 500 540 620 620 620 1,250 300 1,170 360 390 450 490 570 670 770 850 880 7.7km 9.8km 10.5km 11.9km 14.4km 14.4km 34.1km 3.4km 31.7km 6.2km 7.3km 8.9km 10.4km 12.9km 15.8km 19.0km 21.7km 22.4km 530