金子 凌

近年，深層学習による短時間降水予測の研究が行われ始めたが，その予測精度の評価は対象降水・期間的に限定されており，また現業のモデルと比較したものも希である．本研究では，日本領域の降水を6時間先まで予測する既存手法を改良し，予測結果を網羅的に評価した．提案手法は50mmh^-1を超える降水と5mmh^-1を超える降水については，3時間先予測から現業の降水短時間予報よりも精度が良くなることが明らかとなり，降水短時間予報では考慮されていない何らかの物理現象を学習した可能性が示唆された．一方，弱い降水が継続する場合や冬季の降水等では予測性能が低下するが，夏季と共通する低気圧性の降水現象等では予測できる事例も存在し，モデルの改良やデータセットの検討の必要性が示唆された．

<jats:title>Abstract</jats:title><jats:p>Subseasonal to seasonal (S2s) precipitation forecasts provide great potential for hydrological forecasting at an extended range. The study proposed a support vector machine (SVM) regression‐based method to improve S2s precipitation forecasts from the European Center for Medium‐Range Weather Forecasts (ECMWF) across the globe (60°N to 60°S). Results suggested that the SVM‐based method significantly improved ECMWF daily precipitation forecasts in representing the spatiotemporal variation of precipitation with higher consistency and reduced errors when compared against observations. Furthermore, the SVM‐based method enhanced the probabilistic skill of ECMWF forecasts, providing improved ranked probability skill score (RPSS) for real‐time forecasts in 2020 (e.g., RPSS<jats:sub>ECMWF</jats:sub> = −0.03 and RPSS<jats:sub>rg3</jats:sub> = 0.08 for lead week 1). The most substantial improvement from the SVM‐based method is witnessed in regions with complex terrains where ECMWF yielded the worst skill, such as the Andes mountain range, Congo River Basin, and the Tibet Plateau. However, the SVM‐based post‐processing method did not alter the characteristics of precipitation forecasts regarding climate zone and lead time. Both ECMWF and post‐processed forecasts showed higher skill in the temperate and continental climate zones when the lead time is shorter than 2 weeks. In comparison, low‐latitude regions exhibited higher predictability when the lead time is longer than 5 weeks, which is attributed to the slow variation of boundary conditions such as the El Niño‐Southern Oscillation (ENSO).</jats:p>

Abstract Surrogate modeling is one of the most promising applications of deep learning techniques in meteorology. The purpose of this study was to downscale surface wind fields in a gridded format at a much lower computational load. We employed a super-resolution convolutional neural network (SRCNN) as a surrogate model and created a 20-member ensemble by training the same SRCNN model with different random seeds. The downscaling accuracy of the ensemble mean remained stable throughout a year and was consistently better than that of the input wind fields. It was confirmed that (1) the ensemble spread was efficiently created, and (2) the ensemble mean was superior to individual ensemble members and (3) robust to the presence of outlier members. Training, validation, and test data for 10 years were computed via our nested mesoscale weather forecast models not derived from public analysis datasets or real observations. The predictands were 1-km gridded surface zonal and meridional winds, of which the domain was defined as a 180 km × 180 km area around Tokyo, Japan. The predictors included 5-km gridded surface zonal and meridional winds, temperature, humidity, vertical gradient of the potential temperature, elevation, and land/water ratio as well as 1-km gridded elevation and land/water ratio. Although a perfect surrogate of the weather forecast model could not be achieved, the SRCNN downscaling accuracy could likely enable us to apply this approach in high-resolution advection simulations considering its overwhelmingly high prediction speed.

国際社会はパリ協定で気温上昇を産業革命前比2 ℃未満に抑えると合意し，近年は脱炭素をキーワードとした目標が次々発表されている．脱炭素の実現は京都議定書に基づいたこれまでの気候変動対策に比べ遥かに野心的で社会構造の大転換が求められるが，企業が組織する経済団体からも反発ではなく脱炭素に協働するという発表が相次いでいる．本研究は，気候科学の知見・各国の経済政策・企業と投資家の取り組み・NGO等の活動に着目してこれまでの動向を調査し，どうして世界は脱炭素に向けて動き始めたのか？という背景を俯瞰的視点から明らかにする．文献調査の結果，気候科学の発展が国際合意に影響したことに加えて，企業に気候リスク情報の開示を求めるTCFD といった新たな気候変動対策ツールの整備が脱炭素の動きを後押していることが確認できた．また，民間企業でも気候リスク低減と経済的利益がTCFD等を通して結びつき，「気候変動対策はもはや社会貢献ではなく自己の存続のために必要」という当事者意識のパラダイムシフトが起きていることが示唆された．これらの気候変動対策をサポートする社会情勢の変化を背景として，世界は脱炭素に向けて舵を切ったと考えられる．

気象シミュレーションの精度向上には建物屋根面アルベドデータが不可欠である．本研究では個々の建物屋根面アルベドデータを取得するため，5バンド測定可能なマルチスペクトルカメラをヘリコプターに搭載し，得られた空撮画像からアルベド推定を試みた．また，16バンドで測定されたWorldView-3画像からもアルベドを推定して比較するとともに，実際に5つの建物屋根面で直接測定したアルベドデータを用いて精度検証を行った．その結果，空撮画像から詳細な屋根面アルベド分布を取得することに成功したが，WorldView-3より小さくなる傾向が見られた．少ないバンド数や撮影時期が冬季であったために一部の建物屋根面により高層な建物の影が落ちたことがアルベド過小評価の要因の一つであることが確認された．