Microsoft PowerPoint - ishibasi_ pptx

Size: px

Start display at page:

Download "Microsoft PowerPoint - ishibasi_ pptx"

せぴあいいはた
4 years ago
Views:

内容気象研究所における全球大気データ同化研究 i. はじめに ii. 随伴演算子による観測データのインパクト評価 iii. 複数のOSSE 手法による仮想観測システムの評価 iv. 真値代替場の生成 v. まとめ石橋俊之気象研究所台風研究部第一研究室 ishibasi@mri-jma.go.

1 内容気象研究所における全球大気データ同化研究 i. はじめに ii. 随伴演算子による観測データのインパクト評価 iii. 複数のOSSE 手法による仮想観測システムの評価 iv. 真値代替場の生成 v. まとめ石橋俊之気象研究所台風研究部第一研究室 1 2 はじめに気象研究所では 2011 年度から全球大気データ同化の高度化に関する研究を実施しているこのために気象庁の現業の全球大気解析予報システムの実験システム (NAPEX) を2009~2010 年度に気象研究所に移植 (MRI-NAPEX) 随伴演算子による観測データのインパクト評価 4

全球大気解析で利用される観測データ観測データインパクトの 2 種類の定義 JMA 同化データ数 /0.

赤 ) O(10**7~8) 観測 / 月線形インパクト定義観測に変化を加えた際の解析場 ( や予報場 ) の変化ただしカルマンゲインは不変とするつまりここでの観測データの変化とは観測値の変化のみである評価方法随伴演算子による評価 (Adjoint-based method) Langland and Baker (2004),

2008 これらの 2 種類の観測データインパクトは異なる量であり一般に一方を他の代替として使用することはできない 6 ADJ-based estimation ADJ based estimation Langland and Baker (2004) Tellus 接線形近似の下では AD based method は以下のように定式化される

2 全球大気解析で利用される観測データ観測データインパクトの 2 種類の定義 JMA 同化データ数 /0.25M 1600 万 ECMWF 同化データ数 /day 2 種類の観測データインパクトを考えることができる非線形インパクト定義観測データに変化を加えた際の解析場 ( や予報場 ) の変化ここで観測データに加える変化とは観測値の変化と同化する観測データセットの変化の両方評価方法 : OSE 2010 年 1 月 ( 青 ) と 8 月 ( 赤 ) O(10**7~8) 観測 / 月線形インパクト定義観測に変化を加えた際の解析場 ( や予報場 ) の変化ただしカルマンゲインは不変とするつまりここでの観測データの変化とは観測値の変化のみである評価方法随伴演算子による評価 (Adjoint-based method) Langland and Baker (2004), Errico (2007), Cardinali (2009), Tremolet (2008) 接線形仮定に基づく評価 (TL-based method) Ishibashi (2011) 共分散行列による評価 (DFS など ) Cardinali et al (2004), Desroziers et al (2005) 5 転載 Kalnay 2008 これらの 2 種類の観測データインパクトは異なる量であり一般に一方を他の代替として使用することはできない 6 ADJ-based estimation ADJ based estimation Langland and Baker (2004) Tellus 接線形近似の下では AD based method は以下のように定式化される予報誤差のスカラー関数 F: C: 計量 f T f M: 接線形モデル F e C 解析 ( データ同化 ) による F の変分 F 2 d T e T T MKd C Me M x C M x T T T T T 2K M CMe K M CM x d g b b e f : forecast error e b : background error δx: analysis increment d: 観測 t- 第一推定値各項は TL 近似における一次の量の内積である ( 摂動 δx が無限小ではないため ) 7 ある観測データ P のインパクトは次式のように計算される F g P r P r d r 8

3 ADJ-based estimation in JMA global 4D-Var ECMWF と JMA の比較 JMA 全球 4D-Var(*) 2010 年の 1 月 (WN) と 8 月 (SM) の積算 00UTC 解析のみ乾燥エネルギーノルムで評価随伴モデルは湿潤過程あり評価時間は 15 時間 (27 時間でも特徴は不変 ) δj DRY ECMWF from Cardinali (2009) JMA 2011 年 6 月頃の現業システムの低解像版での評価結果です年の 10 月から 11 月の積算評価時間は 24 時間 2010 年の1 月 (WN) と8 月 (SM) の積算評価時間は15 時間 (27 時間でも特徴は不変 10 ) 月平均空間分布ゾンデ月平均空間分布 AMSU-A 青系 : 予報精度改善に寄与赤系 : 劣化に寄与

4 月平均空間分布航空機観測 PDF SONDE AMSU-A ほぼ半数の観測データは予報誤差を減らし半分は増やしている PDF の傾きは SONDE の方が AMSU-A より小さいこの傾きの違いは R と B の関係 1 観測のもつ実際の情報量によるものと考えられる応用例 : 真値代替場の生成 Maxwell s demon? Improvement rate: Height Improvement rate: Zonal wind Pressure ( hpa) Forecast time (3days) Adjoint method による評価に基づいて予報誤差を減らす観測の効果のみ同化 ( 再選択と呼ぶ ) して生成した解析場を初期値として予報した場合の予報誤差の減少の様子 Maxwell s demon 熱力学的平衡にある系を考える我々はこの系について温度 T のみを知っているもし個々の分子の速度を知ることができるならば我々はこの系のエントロピーを減らすことができるデータの統計情報のみ知っているつまり誤差共分散行列 (R, B) 個々のデータの誤差がわかるのでこの情報を使って予報誤差 ( 予報の不定性 = エントロピー ) を減らせる

研究背景と目的複数の OSSE 手法による仮想観測システムの評価観測システムの更新データ同化システム観測情報を拡充し大気の解析予報精度を向上させる解析誤差の診断評価仮想観測システムのデザイン研究背景と目的研究背景と目的データ同化システムデータ同化システム観測システムの更新観測情報を拡充し大気の解析予報精度を向上させる解析誤差の診断

5 研究背景と目的複数の OSSE 手法による仮想観測システムの評価観測システムの更新データ同化システム観測情報を拡充し大気の解析予報精度を向上させる解析誤差の診断評価仮想観測システムのデザイン研究背景と目的研究背景と目的データ同化システムデータ同化システム観測システムの更新観測情報を拡充し大気の解析予報精度を向上させる解析誤差の診断観測システムの更新観測情報を拡充し大気の解析予報精度を向上させる解析誤差の診断評価仮想観測システムのデザイン評価仮想観測システムのデザイン OSSE (Observing System Simulation Experiment)= 仮想観測システムの評価手法 OSSE (Observing System Simulation Experiment)= 仮想観測システムの評価手法

仮想 OSSE 手法いろいろ Observing System Simulation Experiment NR OSSE

を仮想真値として仮想観測仮想背景を生成 NR を真値とした評価仮想世界で閉じる仮想世界の妥当性が結果の妥当性を決める EnDA

解析場や予報場のアンサンブルを生成しそのスプレッドで解析や予報誤差を評価する仮想真値等は不要誤差は全観測シミュレートする必要がある

解析場を真値代替場とし仮想観測を生成仮想観測と実観測実背景場で同化真値代替場または適当な解析場を真として評価真値代替場は

手法で行い信頼できる結果を得たい Tan et al (2007 QJRMS) EnDA OSSE 解析 / 予報誤差 by EnDA

4メンバ摂動は観測データにのみ付加 SSTには付加していない実験 CNTL: すべての観測を同化 NO TBB:

6 仮想 OSSE 手法いろいろ Observing System Simulation Experiment NR OSSE (Stoffelen et al 2006, Masutani et al 2010) 仮想大気 (Nature Run) を仮想真値として仮想観測仮想背景を生成 NR を真値とした評価仮想世界で閉じる仮想世界の妥当性が結果の妥当性を決める EnDA OSSE EnDA OSSE (Tan et al 2007) 摂動を付加した複数のデータ同化サイクルを実行して解析場や予報場のアンサンブルを生成しそのスプレッドで解析や予報誤差を評価する仮想真値等は不要誤差は全観測シミュレートする必要があるまたスプレッドの過少サンプリングエラー等への対応が必要 SOSE OSSE (Marseille et al 2008) SOSE 解析場を真値代替場とし仮想観測を生成仮想観測と実観測実背景場で同化真値代替場または適当な解析場を真として評価真値代替場は実観測や実背景に拘束現実複数の手法があり手法ごとに特徴がある仮想観測システムの評価を複数の OSSE 手法で行い信頼できる結果を得たい Tan et al (2007 QJRMS) EnDA OSSE 解析 / 予報誤差 by EnDA OSSE U300 FT0 U300 FT48 仕様 MRI NAPEX* 上に実装モデル分解能 :TL319L60(T106L60) 4メンバ摂動は観測データにのみ付加 SSTには付加していない実験 CNTL: すべての観測を同化 NO TBB: Radianceは同化しない NO SONDE: Sondeは同化しない期間 :2010/7/20~2010/9/9 評価 : OSEとの比較 * 気象研究所数値解析予報実験システム U Zonal mean FT0 U Zonal mean FT48

EnDA OSSE vs OSE for TBB/SONDE 黒 NO TBB 緑 NO SONDE 赤 CNTL

OSE FT48 気圧高度 1000 100hPa 気圧高度 1000 100hPa 1 STD m/s 2.

2007) と同程度 Marseille et al (2008 Tellus A) 気圧高度 1000 1hPa

U 0 6 2 6 4 4 2 予報時間 0 9days 予報誤差減少率 RH 観測データとの整合性 4 3 2 1

仮想観測を生成するときの観測誤差はすべて1としている仮想観測を同化するときの誤差はすべて2としている

層ごとにUVT 観測を解析時刻に同化 VR45: 中緯度で 45 度水平視線風を観測 VR90:VR45と同じ領域で

7 EnDA OSSE vs OSE for TBB/SONDE 黒 NO TBB 緑 NO SONDE 赤 CNTL SOSE Sensitivity Observing System Experiment EnDA OSSE FT48 OSE FT48 気圧高度 hPa 気圧高度 hPa 1 STD m/s 定性的には良いが定量的にはスプレッド過少ファクター 2 程度先行研究 (Tan et al 2007) と同程度 Marseille et al (2008 Tellus A) 気圧高度 hPa SOSE 真値代替場予報誤差減少率 T 予報誤差減少率 U 予報時間 0 9days 予報誤差減少率 RH 観測データとの整合性予備実験 ( 単発試験 ) 単発の解析予報実験をいくつか実施した仮想観測を生成するときの観測誤差はすべて1としている仮想観測を同化するときの誤差はすべて2としているデータ数はいろいろ仮想観測設定名 GB TUV: 緯度 3 度経度 5 度モデル面層に5 層ごとにUVT 観測を解析時刻に同化 VR45: 中緯度で 45 度水平視線風を観測 VR90:VR45と同じ領域で 90 度水平視線風を観測 Metop VR45:VR45と同様ただし極軌道で観測 Trmm VR45 :VR45と同様ただし Trmm 衛星の軌道で観測 SOSE: 真値代替場 0 Xb Xa Xb_opt SOSE

8 仮想観測による解析場の変化 300hPa U 予報誤差改善率 (%) U SOSE VR45 Metop VR45 SOSE VR45 Metop VR45 GB TUV VR90 Trmm VR45 GB TUV VR90 Trmm VR45 Metop data Trmm data map NR OSSE 通常の同化 NR OSSE NR OSSE 仕様 MRI NAPEX(*) 上に実装モデル分解能 TL319L60 ( 水平 ~60km, model top = 0.1hPa, 1 時間 ) NR 作成期間 2010/7/20~2010/9/9 ( 最初 10 日はスピンアップ ) 疑似観測実観測の時空間分布で生成観測誤差 D 値 (= 観測値 - 予報値 ) 統計から推定誤差相関やバイアスも導入可境界値 SSTやオゾン気候値等は現実の値 GCM 9hour integration QC Observation Operator GCM 9hour integration QC Observation Operator NR NR OBS GCM 9hour integration QC Observation Operator * MRI NAPEX: 気象研究所全球解析予報実験システム Assimilation: 4D Var Assimilation: 4D Var

9 NR OSSE 疑似データ分布 500T AVE: REAL NR OSSE 500T AVE: NR 500T 250U STD: AVE: REAL 250U 500T STD: AVE: NR 30 万 ~ データ / 解析研究背景と目的全球大気の真値代替場の生成大自由度系の状態推定を高精度で行うことは一般に難しい問題であり大気状態の推定はその一つ数値天気予報システムを構築するデータ同化システム (NWP-DAS) よりも高精度の解析を行うことは特にこのような高精度の解析場 ( 真値代替場と呼ぶ ) は様々な研究分野に必須 NWP-DASの解析誤差の推定精度改善将来の全球観測網 (GOS) のデザイン (OSSE) 大気現象の気象学的研究再解析本研究の目的は大気の真値代替場の構築である 35 36

10 既存手法 NWP-DAS よりもはるかに高い予報精度もつ解析場を生成する手法がいくつか存在する SV based method (Buizza et al 1997, Gelaro et al 1998) Sensitivity based method (Rabier et al 1996) Variational method (Klinker et al 1998, Pu et al 1997) いずれも線形誤差成長理論に基づいて予報誤差の情報を解析場の修正に用いる Variational method 規格化変数変換生成された解析場の観測から乖離計量の選択への強い依存がこれらの手法による解析場を真値代替場と呼ぶことを難しくしている (Isaksen et al 2005) 37 最小化解析解 38 SV based method Sensitivity based method Variational Method で変換行列を SV にとる Variational Method で変換行列を評価関数の勾配にとる解析解は解析解は Moore-Penrose pseudo-inverse (Penrose 1955) 解析インクリメントは特異値スペクトルで白い感度場は大きな特異値で支配される 39

偽の情報 Isaksen et al (2005) より転載 41 42 Pseudo truth

truth 解析時刻同化窓 g g: 参照解析場 or 未来観測 F=αD D: 対角行列, α:

11 既存手法の課題観測との乖離 ~Over fitting 予報誤差を真の予報誤差と参照解析場の誤差からくる偽の予報誤差に分割し各々を SV で展開真の情報偽の情報 Isaksen et al (2005) より転載 Pseudo truth construction Error covariance matrix NWP-DAS Pseudo truth 解析時刻同化窓 g g: 参照解析場 or 未来観測 F=αD D: 対角行列, α: 膨張係数参照解析場は予報誤差分散の 30% を未来観測は R を D として与える Liu and Rabier (2003), NWP での実績多し 43 44

12 情報の分配未来観測同化参照解析場同化 Variational method SV, Sensitivity NWP DAS の SV で展開実験 MRI-NAPEXに実装解像度は TL319L60 同化窓 =27 時間 ( 未来方向に21 時間延長 ) 参照解析場同化と未来観測同化単発試験と2 週間の試験解析時刻解析時刻同化データ参照解析場同化未来観測同化 47 48

13 真値代替場 δx CNTL δx 膨張係数と予報精度背景場の誤差の逆ベクトル = 正解 FT=48h 予報誤差 RMSE 改善率 (%) 予報時間 (0.5-9 days) 解析インクリメント 1/2 解析インクリメント 2/2 FT=0 U250 FT=48h U250 FT=0 U250 FT=48h U250 CNTL IF =5000 IF=1 FOBS

14 膨張係数と観測との整合性 T 参照解析場同化未来観測同化 1000~ 100 hpa FT0 ~ 9days Jo はオリジナルの 6 時間同化窓の観測について計算したコストの観測項 U 等値線 : 予報誤差 RMSE 改善率 (%) 影 :95% 有意 RH 背景場の Jo に対する相対的な Jo の大きさ (%) まとめと課題随伴演算子による観測データインパクトを夏冬一カ月の期間で評価したまた予報誤差を減らす観測の効果だけを取り入れた解析を行い予報精度の向上を確認した準ルーチン的な評価を行う台風等の事例依存性等も評価する 3 つの OSSE 手法について実装し初期評価を行った既存観測仮想観測について 3 つの手法 OSE の比較を行う BACKUPSLIDES 同化窓を未来方向に延長した 27 時間同化窓で未来観測参照解析場を同化し予報精度の改善観測との整合した解析場が得られることを見た NWP-DAS の解析誤差の診断 OSSE の真値代替場としての利用台風等顕著現象の解析等を行う 55 56

An ensemble downscaling prediction experiment of summertime cool weather caused by Yamase

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