リケラボ論文検索は、全国の大学リポジトリにある学位論文・教授論文を一括検索できる論文検索サービスです。

リケラボ 全国の大学リポジトリにある学位論文・教授論文を一括検索するならリケラボ論文検索大学・研究所にある論文を検索できる

リケラボ 全国の大学リポジトリにある学位論文・教授論文を一括検索するならリケラボ論文検索大学・研究所にある論文を検索できる

大学・研究所にある論文を検索できる 「局地的豪雨を対象とした稠密地上観測データ同化に関する研究」の論文概要。リケラボ論文検索は、全国の大学リポジトリにある学位論文・教授論文を一括検索できる論文検索サービスです。
リケラボ

コピーが完了しました

URLをコピーしました

論文の公開元へ論文の公開元へ
書き出し

局地的豪雨を対象とした稠密地上観測データ同化に関する研究

前島, 康光 神戸大学

2020.03.05

概要

局地的豪雨は予報が難しい、という問題が存在している。

津口・成田(2009)は、2008 年 7 月 28 日に神戸市の都賀川付近で発生した局地的豪雨事例(都賀川豪雨事例)について、気象庁 C バンドレーダーは神戸市付近に 100 mm h-1 に達する降水を観測していたが、5 km 解像度・3 時間更新の気象庁メソスケールモデル(JMA-MSM)による、現象発生の 12 時間前(7 月 28 日 0000 JST) を初期時刻とした予報降水量は 0 mm h-1 であったこと報告している。JMA-MSM が 0 mm h-1 を予測した原因として、予報初期値である 7 月 28 日 0000 JST の気象庁メソ解析(JMA-MANAL)における 950 hPa 面の水蒸気混合比が、現象発生時である 7 月 28 日 1200 JST の JMA-MANAL と比べて 5 g kg-1 少なかった点を挙げ、予報初期値における大気境界層の水蒸気量が過小であったことが、予報降水量 0 mm h-1 という結果につながったと指摘している。Seko et al. (2011) は、水蒸気場の改善を通じて都賀川豪雨事例の予報改善を試みること目的に、6 時間毎に GNSS (Global Navigation Satellite System) による可降水量を 5 km 解像度の気象庁非力学モデル (JMA-NHM)に同化する実験を行った。7 月 28 日 0000 JST を初期時刻とした予報では、10 mm h-1 の降水が予報され、同時刻を初期とした JMAMSM による 0 mm h-1予報結果に比べて改善したが、実況の降水量と比べて 1/10 の降水予報結果であった。都賀川豪雨事例で発生した 100 mm h-1 の降水は、速やかに災害への対応が必要とされており、この 100 mm h-1 の降水を予報出来るかがポイントであったが、Seko et al. (2011) では達成できなかった。その原因として、Seko et al. (2011)は数値モデルの解像度が 5 km では不十分であることと、6 時間というデータ同化サイクルが長すぎた点を挙げ、高頻度・高解像度のデータ同化を行う必要性を指摘している。

これらの先行研究の指摘を受け、本研究では「局地的豪雨予報は難しい」という問題を解決し、局地的豪雨による 100 mm h-1、或いはそれに迫る降水現象の予報を目的に、以下の 2 点を実現したデータ同化実験を行う。第 1 に、積乱雲の空間スケールは 1 km～10 km オーダー、発生から降水をもたらすまでの時間スケールは 15 分程度(Ogura and Takahashi 1971)であることを念頭に置き、最も細かい設定で水平解像度 100 m の数値モデルに、最短で 30 秒毎の観測データを同化する、高頻度・高解像度データ同化実験を行う。第 2 に、近年、民間企業によって提供されている、最短で 2 km 間隔かつ 30 秒毎の稠密観測頻度の地上観測データを、同化実験に取り入れる。民間企業による稠密地上観測データは、データの品質管理等の問題により気象庁の現業予報には未導入だが、積乱雲の成長に不可欠な地上付近の水蒸気量、収束・発散、気温といった情報を時空間的に密に捉えうることが期待されり、それらを同化することで局地的豪雨の予報改善が図られるか、検証する必要がある。

本研究で用いるデータ同化システムは、第 1 章～第 4 章は気象庁非静力学モデル(JMA-NHM)に局所アンサンブル変換カルマンフィルタ(Local Ensemble Kalman Filter; LETKF; Hunt et al. 2007) を実装した NHM-LETKF(Miyoshi and Yamane 2007, Kunii 2014)、第 5 章は理化学研究所計算科学研究センター(R-CCS)で開発中の領域気象モデル SCALE に LETKF を実装した SCALE-LETKF(Lien et
al. 2017) である。以下、各省の具体的な内容を述べる。

第 1 章では、前述の都賀川豪雨事例を対象に、大阪大学のフェーズドアレイ気象レーダー(Phased Array Weather Radar; PAWR; Ushio et al. 2015)、および簡易型地上気象観測器 POTEKA II を模した 1 分毎のデータを 1 km 解像度のモデルに同化する、観測システムシミュレーション実験(Observing System Simulation Experiment; OSSE)の結果を述べる。PAWR データを同化することで 55 mm h-1 の降水量(Nature run の 51%)を、加えて 167 地点の地上観測データ同化によって 78 mm h-1 (Nature run の 72%)の降水量を再現し、Seko et al. (2011)の 10 mm h-1 の予報と比べて 68 mm h-1 の予報降水量改善が図られた。予報降水量が 10 mm h-1 から 78 mm h-1 に改善されることで、都賀川の水位予想を 94 cm 改善することにもつながる(藤田 2008, 藤田・伊藤 2010)。

第 2 章では、データ同化ウィンドウを長く取ると計算コストが軽減される反面、予報精度が悪化するという問題に基づき、局地的豪雨予報における適切な同化ウィンドウの長さを調べることを研究結果について述べる。第 1 章で行った OSSE と同じデータ同化システムを用い、同化ウィンドウを 1、3、5、15 分と変えることで、予報精度と計算コストを評価した。その結果、1 分ウィンドウでは
30 分積算で最大 45.3 mm、3 分の同化ウィンドウでは 42.0 mm の降水を予報したのに対し、5 分の同化ウィンドウでは 25.6 mm の降水予報と、3 分ウィンドウとの予報結果の差は 1.64 倍に達したことから、局地的豪雨予報においては、3 分より短い同化ウィンドウが望ましいという結論を得た。

第 3 章では、2014 年 9 月 11 日 0800 JST～1000 JST に掛けて、大阪大学の PAWR による観測で最大 63 mm h-1 の降水量を神戸市付近にもたらした、孤立積乱雲による局地的豪雨事例を対象としたデータ同化実験の結果を述べる。9 月 11 日 0600 JST, 0700 JST, 0800 JST を初期時刻とした 2 km 解像度 1 時間更新の気象庁局地モデル(JMA-LFM)では、神戸市付近の予報降水量は 0 mm h-1 であった。この問題を解決することを目的に、1 km、100 m の水平解像度、30 秒サイクルの PAWR データ同化実験を行った。モデル解像度に関わらず 30 秒毎の PAWR データ同化によって本事例の降水現象の再現に成功したが、100 m 解像度では 30 分予報で 46.0 mm h-1 の降水量を予報したのに対し、1 km 解像度の予報降水量は 28.1 mm h-1 と、100 m 解像度の 61 %程度の降水量にとどまり、モデル解像度による再現性に差が生じた。100 m 解像度のデータ同化サイクルは 1 km 解像度の 104 倍以上の計算コストが発生するが、1 km 解像度では不可能な局地的豪雨の予報精度が達成できた。しかし 100 m 解像度であっても、30 分予報実験による降水量は、気象庁解析雨量の 73.0 %にとどまり、予報精度改善の余地が残された。

そこで第 4 章では、PAWR に加えて POTEKA II による地上観測データ同化して、降水予報精度の改善を検証する研究について述べる。稠密地上観測データを同化した実験では、30 分予報値で 56.1 mm h-1と、PAWR のみ同化した場合の 30 分予報値の 46.0 mm h-1 に比べて 10.1 mm h-1 の予報降水量改善につながり、POTEKA II のデータ同化が第 3 章で残された問題解決に有効であるという結果を得た。

第 5 章では、2015 年 9 月 8 日～10 日に発生した「平成 27 年関東・東北豪雨」を対象事例とした地上観測データ同化研究について述べる。本事例は台風 17、18 号縁辺の風よって形成された線状降水帯が、栃木県・茨城県を中心とした鬼怒川流域に豪雨をもたらし、大規模な河川氾濫をもたらした。理化学研究所・データ同化研究チームが行っている準リアルタイム予報実験では、2015 年 9 月 7 日 1800 JST 初期時刻の予報結果で、線状降水帯の位置が観測より 110 km 西にずれており、洪水被害があった栃木県塩谷町佐貫では、観測の約 10%の降水しか予報できないという問題があった。本研究では、株式会社 NTT DoCoMo が提供する 4000 地点の稠密地上観測データを同化し、線状降水帯の予報位置と降水量への影響を評価した。稠密地上観測データ同化を行ったケースでは、理研の準リアルタイム予報実験の結果に比べて、線状降水帯の位置を 60 km～90 km 補正し、栃木県塩谷町佐貫での予報降水量を 23.5 mm h-1 改善することにつながった。稠密地上観測データ同化が、線状降水帯の位置、及びそれに伴う降水量の予報を向上されることを示した。

本論文では、局地的豪雨の予報が難しいという問題を解決するため、積乱雲を時空間的に解像する高頻度・高解像度データ同化システム、および稠密地上観測データを同化する、という 2 点を実現した。そして 2008 年 7 月の都賀川豪雨、2014 年 9 月の孤立積乱雲による豪雨、2015 年 9 月の関東東北豪雨、という複数の豪雨事例を対象としたデータ同化実験を行い、高頻度・高解像度の稠密地上観測データ同化が、局地的豪雨の降水量、降水帯の位置の予報改善に貢献することを示した。本研究で行ったデータ同化の手法が、局地的豪雨予報が難しい、という問題を解決し得ることを確かめた点が、本研究における独自の成果である。

論文の公開元へ

この論文で使われている画像

関連論文

関連論文をもっと見る

参考文献

Aksoy A., D. C. Dowell, C. Snyder, 2009: A Multicase Comparative Assessment of the Ensemble Kalman Filter for Assimilation of Radar Observations. Part I: Storm- scale analysis. Mon. Wea. Rev., 137, 1805–1824.

Baldauf M., A. Seifert, J. Förstner, D. Majewski, M. Raschendorfer and T. Reinhardt, 2011: Operational Convective-Scale Numerical Weather Prediction with the COSMO Model: Description and Sensitivities, Mon. Wea. Rev., 139, 3887–3905.

Brooks, H. E. and C. A. Doswell III, 2002: Deaths in the 3 May 1999 Oklahoma City Tornado from a Historical Perspective. Wea. Forecasting, 17, 354–361.

Courtier, P., T. and Hollingsworth, A., 1994: A strategy for operational implementation of 4D-Var using an incremental approach, Q. J.R. Meteor. Soc., 120, 1367-1387.

Cintineo, R. M., and D. J. Stensrud, 2013: On the predictability of supercell thunderstorm evolution. J. Atmos. Sci., 70, 1993-2011.

Clark, A. J., W. A. Gallus Jr., M. Xue, and F. Kong, 2010: Growth of spread in convection-allowing and convection-parameterizing ensembles. Wea. Forecasting, 25, 594–612.

Deardorff, J. W., 1973: The use of subgrid transport equations in a three-dimensional model of atmospheric turbulence. J. of Fluids Engineering, 95, 429-438.

Evensen, G., 1994: Sequential data assimilation with a nonlinear quasigeostrophic model using Monte Carlo methods to forecast error statistics. J. Geophys. Res., 99, 10143–10162.

Evensen, G., 2003: The ensemble Kalman filter: Theoretical formulation and practical implementation. Ocean Dynam., 53, 343−367.

Fujita M., T. Sato, T. J. Yamada, S. Kawazoe, M. Nakano and K. Ito 2019: Analyses of Extreme Precipitation Associated with the Kinugawa River Flood in September 2015 Using a Large Ensemble Downscaling Experiment, J. Meteor. Soc. of Japan, 97(2), 387-401.

Fujita, T., D. J. Stensrud, and D. C. Dowell, 2007: Surface data assimilation using an ensemble Kalman filter approach with initial condition and model physics uncertainties. Mon. Wea. Rev., 135, 1846–1868.

Gaspari G. and S. Cohn 1999: Construction of correlation functions in two and three dimensions, Q. J. R.Meteorol. Soc., 125, 723-757.

Gustafsson, N., T. Janjić, C. Schraff, D. Leuenberger, M. Weissmann, H. Reich, P. Brousseau, T. Montmerle, E. Wattrelot, A. Bučánek, M. Mile, R. Hamdi, M. Lindskog, J. Barkmeijer, M. Dahlbom, B. Macpherson, S. Ballard, G. Inverarity, J. Carley, C. Alexander, D. Dowell, S. Liu, Y. Ikuta and T. Fujita, 2018: Survey of data assimilation methods for convective‐scale numerical weather prediction at operational centres., DOI: 10.1002/qj.3179.

Ha, S.-Y. and C. Snyder, 2014: Influence of Surface Observations in Mesoscale Data Assimilation Using an Ensemble Kalman Filter. Mon. Wea. Rev., 142, 1489–1508.

Hacker, J. P., and C. Snyder, 2005: Ensemble Kalman filter application of fixed screen- height observations in a parameterized PBL, Mon. Wea. Rev., 133, 3260– 3275.

Hohenegger, C., and C. Schär, 2007a: Atmospheric predictability at synoptic versus cloud-resolving scales. Bull. Amer. Meteor. Soc., 88, 1783–1793.

——, and ——, 2007b: Predictability and error growth dynamics in cloud-resolving models. J. Atmos. Sci., 64, 4467–4478.

Honda, Y., M. Nishijima, K. Koizumi, Y. Ohta, K. Tamiya, T. Kawabata, and T. Tsuyuki, 2005: A pre-operational variational data assimilation system for a non- hydrostatic model at the Japan Meteorological Agency: Formulation and preliminary results. Quart. J. Roy. Meteor. Soc., 131, 3465–3475.

Honda T., Kotsuki S., Lien G.-Y., Okamoto K. and Miyoshi T. (2018): Every-10- minute Refresh of Precipitation and Flood Risk Predictions by Assimilating Himawari-8 All-Sky Satellite Radiances. J. Geophys. Res., 123, 965-976.

Hunt, B. R., E. Kalnay, E. J. Kostelich, E. Ott, D. J. Patil, T. Sauer, I. Szunyogh, J. A. Yorke and A. V. Zimin, 2004: Four-dimensional ensemble Kalman filtering. Tellus A, 56, 273-277.

Hunt, B. R., E. J. Kostelich, and I. Szunyogh, 2007: Efficient data assimilation for spatiotemporal chaos: A local ensemble transform Kalman filter. Physica D, 230, 112–126.

Ikawa, M. and K. Saito 1991: Description of a non-hydrostatic model developed at the Forecast Research Department of the MRI. Tec. Rep. MRI, 28, 238pp.

Iwashita H. and F. Kobayashi 2019: Transition of meteorological variables while downburst occurrence by a high density ground surface observation network, J. Wind Eng. and Indu. Aeodynamics, 184, 153-161.

Järvinen, H., E. Andersson and F. Bouttier, 1999: Variational assimilation of time seaquences of surface observations with serially correlated error, Tellus, 51A, 469- 488.

Julier, S. J. and J. K. Uhlmann, 2004: Unscented Filtering and Nonlinear Estimation, Proceedings of the IEEE, 92, no. 3, 401-422.

Kain, J. S. and J. M. Fritsch, 1990: A One-Dimensional Entraining/Detraining Plume Model and Its Application in Convective Parameterization. J. Atmos. Sci., 47, 2784– 2802.

Kain, J. S. and J. M. Fritsch, 1993: Convective parameterization for mesoscale models: The Kain-Fritsch scheme. The representation of cumulus convection in numerical models, Meteor. Monogr, 24, 165-170.

Kato, T., 2006: Structure of the band-shaped precipitation system inducing the heavy rainfall observed over northern Kyushu, Japan on 29 June 1999, J. Meteor. Soc. Japan, 84, 129-153.

Kato, T., and H. Goda, 2001: Formation and maintenance processes of a stationary band-shaped heavy rainfall observed in Niigata on 4 August 1998. J. Meteor. Soc. Japan, 79, 899–924.

Kato, T., 2018: Representative height of the low-level water vapor field for examining the initiation of moist convection leading to heavy rainfall in East Asia., J. Meteor. Soc. Japan, 96, 69-83.

Kawabata, T., H. Seko, K. Saito, T. Kuroda, K. Tamiya, T. Tsuyuki, Y. Honda and Y. Wakazuki, 2007; An Assimilation and Forecasting Experiment of the Nerima Heavy Rainfa11 with a Cloud-Resolving Nonhydrostatic 4-Dimensional Variational Data Assimilation System. J. Meteor. Soc. Japan, 85, 225–276.

Kotsuki S., Sato Y., and Miyoshi T., 2019: Data Assimilation for Climate Research: Model Parameter Estimation of Large Scale Condensation Scheme. J. Geophys. Res. (in press).

Kotsuki S., Terasaki K., Yashiro H., Tomita H., Satoh M. and Miyoshi T., 2018: Online Model Parameter Estimation with Ensemble Data Assimilation in the Real Global Atmosphere: A Case with the Nonhydrostatic Icosahedral Atmospheric Model (NICAM) and the Global Satellite Mapping of Precipitation Data. J. Geophys. Res., 123, 7375-7392.

Kunii, M., 2014b: The 1000-Member Ensemble Kalman Filtering with the JMA Nonhydrostatic Mesoscale Model on the K Computer. J. Meteor. Soc. Japan, 92, 623-633.

Lien, G.-Y., T. Miyoshi, S. Nishizawa, H. Yashiro, S. A. Adachi, T. Yamaura and H. Tomita, 2017: The Near-Real-Time SCALE-LETKF System: A Case of the September 2015 Kanto-Tohoku Heavy Rainfall, SOLA, 17, 1-6.

Lin, Y.-L., R. D. Farley, and H. D. Orville, 1983: Bulk parameterization of the snow field in a cloud model. J. Climate Appl. Meteor., 22, 1065–1092.

Maejima, Y., M. Kunii and T. Miyoshi, 2017: 30-second-Update 100-m-Mesh Data Assimilation Experiments: A Sudden Local Rain Case in Kobe on 11 September 2014, SOLA, 13, 174-180.

Maki, T., T. Y. Tanaka, T. T. Sekiyama, M. Mikami. 2011: The Impact of Ground-Based Observations on the Inverse Technique of Aeolian Dust Aerosol, SOLA, 7A, 21-24.

Melhauser, C. and F. Zhang, 2012: Practical and Intrinsic Predictability of Severe and Convective Weather at the Mesoscales. J. Atoms. Sci., 69, 3350-3369.

Meng, Z., and F. Zhang, 2007: Tests of an ensemble Kalman filter for mesoscale and regional-scale data assimilation. Part II: Imperfect Model Experiments, Mon. Wea. Rev., 135, 1403–1423.

Meng, Z., and F. Zhang, 2008: Tests of an ensemble Kalman filter for mesoscale and regional-scale data assimilation. Part III: Comparison with 3DVAR in a real-data case study. Mon. Wea. Rev., 136, 522–540.

Miyoshi, T. and K. Aranami, 2006: Applying a Four-dimensional Local Ensemble Transform Kalman Filter (4D-LETKF) to the JMA Nonhydrostatic Model (NHM), SOLA, 2, 128-131.

Miyoshi, T., 2011: The Gaussian Approach to Adaptive Covariance Inflation and Its Implementation with the Local Ensemble Transform Kalman Filter. Mon. Wea. Rev., 139, 1519–1535.

Miyoshi, T., M. Kunii, J. Ruiz, G-Y. Lien, S. Sato, T. Ushio, K. Bessho, H. Seko, H. Tomita and Y. Ishikawa, 2016a: Big Data Assimilation” Revolutionizing Severe Weather Prediction, Bull. Amer. Meteor. Soc. 97, 1347–1354.

Miyoshi, T., G-Y. Lien, S. Satoh, T. Ushio, K. Bessho, H. Tomita S. Nishizawa, R. Yoshida, S. A. Adachi, J. Liao, B. Gerofi, Y. Ishikawa, M. Kunii, J. Ruiz, Y. Maejima, S. Otsuka, M. Otsuka, K. Okamoto and H. Seko, 2016b:“Big Data Assimilation” Toward Post-Petascale Severe Weather Prediction: An Overview and Progress", Proceedings of the IEEE, 104, no. 11, 2155-2179.

Nakanishi, M. and H. Niino, 2006: An improved Mellor-Yamada Level-3 model: Its numerical stability and application to a regional prediction of advection fog. Boundary-Layer Meteor., 119, 397-407.

Nakanishi, M. and H. Niino, 2009: Development of an improved turbulence closure model for the atmospheric boundary layer. J. Meteor. Soc. Japan, 87, 895-912.

Nishizawa, S., H. Yashiro, Y. Sato, Y. Miyamoto, and H. Tomita, 2015: Influence of grid aspect ratio on planetary boundary layer turbulence in large-eddy simulations. Geosci. Model Dev., 8, 3393−3419.

Ogura, Y. and M. Yoshizaki, 1988: Numerical Study of OrograPhic-Convective Precipitation over the Eastern Arabian Sea and the Ghat Mountains during the Summer Monsoon. J. Atmos. Sci., 45, 2097–2122.

Ohmori, S., and Y. Yamada, 2006: Development of cumulus parameterization scheme in the nonhydrostatic mesoscale model at the JapanMeteorologicalAgency. Research Actions in Atmospheric and Oceanic Modelling 35, CAS/JSC WGNE, 2 pp.

Patil, D. J., B. R. Hunt, E. Kalnay, J. A. Yorke and E. Ott, 2001: Local Low Dinemsionality of Atmospheric Dynamics., Phys. Rev. Lett., 5878-5881.

Pierre G. and T. Jean-Noel, 2001: Impact of the digitallter as a weak constraint in the preoperational 4D-Var assimilation system of Meteo-France. Amer. Meteor.Soc., 129, 2089-2102.

Pielke, Jr. R. and R. E. Carbone, 2002: Weather Impacts, Forecasts, and Policy: An Integrated Perspective, Bull. Amer. Meteor. Soc., 83, 393-404.

Pu, Z., H. Zhang, and J. Anderson, 2013: Ensemble Kalman filter assimilation of near- surface observations over complex terrain: Comparison with 3DVAR for short- range forecasts. Tellus, 65A, 19620, http://dx.doi.org/10.3402/tellusa.v65i0.19620

Roberts, N. M., and H. W. Lean, 2008: Scale-selective verification of rainfall accumulations from high-resolution forecasts of convective events. Mon. Wea. Rev., 136, 78−97.

Ruiz, J. J., T. Miyoshi, S. Satoh and T. Ushio, 2015; A Quality Control Algorithm for the Osaka Phased Array Weather Radar. SOLA, 11, 48-52.

Saito, K., T. Fujita, Y. Yamada, J. Ishida, Y. Kumagai, K. Aranami, S. Ohmori, R. Nagasawa, S.Kumagai, C. Muroi, T. Kato, H. Eito and Y. Yamazaki, 2006: The Operational JMA Nonhydrostatic Mesoscale Model. Mon. Wea. Rev., 134, 1266– 1298.

Saito, K., T. Fujita, Y. Yamada, J. Ishida, Y. Kumagai, K. Aranami, S. Ohmori, R. Nagasawa, S. Kumagai, C. Muroi, T. Kato, H. Eito, and Y. Yamazaki, 2006: The operational JMA nonhydrostatic mesoscale model. Mon. Wea. Rev., 134, 1266–1298.

Saito, K., J. Ishida, K. Aranami, T. Hara, T. Segawa, M. Narita and Y. Honda, 2007: Nonhydrostatic atmospheric models and operational development at JMA. J. Meteor. Soc. Japan, 85B, 271–304.

Saito, K., 2012: The Japan Meteorological Agency nonhydrostatic model and its application to operation and research. In Tech. Atmospheric Model Applications, 85– 110.

Schwartz, C. S., G. S. Romine, M. L. Weisman, R. A. Sobash, K. R. Fossell, K. W. Manning, and S. B. Trier, 2015: A Real-Time Convection-Allowing Ensemble Prediction System Initialized by Mesoscale Ensemble Kalman Filter Analyses. Wea. Forecasting, 30, 1158–1181.

Schwartz, C. S., and Coauthors, 2010: Toward improved convection-allowing ensembles: Model physics sensitivities and optimizing probabilistic guidance with small ensemble membership. Wea. Forecasting, 25, 263–280.

Seko, H., Y. Shoji and F. Fujibe, 2007: Evolution and Air flow Structure of a Kanto Thunderstorm on 21 July 1999 (the Nerima Heavy Rainfall Event), J. Meteor. Soc. Japan, 85, 455-477.

Seko, H., T. Miyoshi, Y. Shoji and K. Saito, 2011: Data Assimilation Experiments of Precipitable Water Vapor using the LETKF system -An intense rainfall event over Japan 28 July 2008-, Tellus, 63A, 402-414.

Simmons, K. M. and D. Sutter, 2005: WSR-88D Radar, Tornado Warnings, and Tornado Casualties, Wea. Forecasting, 20, 301–310.

Shoji, Y., 2007: Development of water vapor monitoring technology：Overview and perspective, Tenki, 54, 885-888. (In Japanese)

Shoji, Y., M. Kunii and K. Saito, 2009: Assimilation of Nationwide and Global GPS PWV Data for a Heavy Rain Event on 28 July 2008 in Hokuriku and Kinki, Japan, SOLA, 5, 45-48.

Sobash, R. A., and D. J. Stensrud, 2015: Assimilating Surface Mesonet Observations with the EnKF to Improve Ensemble Forecasts of Convection Initiation on 29 May 2012, Mon. Weather. Rev., 143, 3700-3725.

Stensrud, D. J., L. J. Wicker, K. E. Kelleher, M. Xue, M. P. Foster, J. T. Schaefer, R. S.

Schneider, S. G. Benjamin, S. S. Weygandt, J. T. Ferree, and J. P. Tuell, 2009: Convective-Scale Warn-on-Forecast System. Bull. Amer. Meteor. Soc., 90, 1487–1499.

Stensrud, D. J., L. J.Wicker, M. Xue, D. T. Dawson II, N. Yussouf, D. M.Wheatley, T. E. Thompson, N. A. Snook, T. M. Smith, A. D. Schenkman, C. K. Potvin, E. R. Mansell, T. Lei, K. M. Kuhlman, Y. Jung, T. A. Jones, J. Gao, M. C. Coniglio, H. E. Brooks, K. A. Brewster, 2013: Progress and challenges with Warn-on-Forecast. Atoms. Res., 123, 2-16.

Tong, M. and M. Xue, 2008: Simultaneous estimation of microphysical parameters and atmospheric state with simulated radar data and ensemble square root Kalman filter. Part I: sensitivity analysis and parameter identifiability. Mon. Wea. Rev., 136, 1630– 1648.

Theis, S. E., A. Hense, and U. Damrath, 2005: Probabilistic precipitation forecast from a deterministic model: A pragmatic approach. Meteor. Appl., 12, 257-268.

Tsuguchi, H., and T. Kato, 2014: Contributing Factors of the Heavy Rainfall Event at Amami-Oshima Island, Japan, on 20 October 2010. J. Meteor. Soc. Japan, 92, 163-183.

Shoji Y., K. Sato, M. Yabuki and T. Tsuda 2016: PWV Retrieval over the Ocean Using Shipborne GNSS Receivers with MADOCA Real-Time Orbits, SOLA, 12, 265-271.

Sun, J., M. Xue, J.W. Wilson, I. Zawadzki, S.P. Ballard, J. Onvlee-Hooimeyer, P. Joe, D.M. Barker, P. Li, B. Golding, M. Xu, and J. Pinto, 2014: Use of NWP for Nowcasting Convective Precipitation: Recent Progress and Challenges. Bull. Amer. Meteor. Soc., 95, 409–426, https://doi.org/10.1175/BAMS-D-11-00263.1

Ushio, T., T. Wu, S. Yoshida, 2015: Review of recent progress in lightning and thunderstorm detection techniques in Asia, Atmos. Res., 154, 89-102.

Ushiyama. T., T. Sayama and Y. Iwami 2019: Development of a Flood Forecasting System Using Regional Ensemble Prediction – Application to the Kinugawa Flood in 2015, J. of Japan Soc. of Civil. Eng., 73, 124-132.

Whitaker J. S., T. M. Hamill, X. Wei, Y. Song and Z. Toth 2008: Ensembale Data Assimilation with the NCEP Global Forecast System, Mon. Wea. Rev., 136, 463-482.

Whitaker J. S. and T. M. Hamill 2012: Evaluating Methods to Account for System Errors in Ensemble Data Assimilation, Mon. Wea. Rev., 140, 3078-3089.

Wu, T., Y. Takayanagi, S. Yoshida, T. Funaki, T. Ushio, and Z. Kawasaki, 2013; Spatial relationship between lightning narrow bipolar events and parent thunderstorms as revealed by phased array radar, Geophys. Res. Lett., 40, 618-623.

Xue, M., M. Tong, and G. Zhang, 2009: Simultaneous state estimation and attenuation correction for thunderstorms with radar data using an ensemble Kalman filter: tests with simulated data. Q.J.R. Meteorol. Soc., 135, 1409–1423.

Yokota, S., H. Seko, M. Kunii, H. Yamaguchi, and H. Niino, 2016: The Tornadic Supercell on the Kanto Plain on 6 May 2012: Polarimetric Radar and Surface Data Assimilation with EnKF and Ensemble-Based Sensitivity Analysis, Mon. Weather. Rev., 144, 3133-3157.

Yoshikawa, E., T. Ushio, Z. Kawasaki, S. Yoshida, T. Morimoto, F. Mizutani, M. Wada, 2013: MMSE Beam Forming on Fast-Scanning Phased Array Weather Radar, IEEE Transactions on Geoscience and remote sensing. 51, 3077-3088.

Yussouf, N. and D. J. Stensrud, 2010: Impact of Phased-Array Radar Observations over a Short Assimilation Period: Observing System Simulation Experiments Using an Ensemble Kalman Filter. Mon. Wea. Rev., 138, 517–538.

Yussouf, N., E. R. Mansell, L. J. Wicker, D. M. Wheatley, and D. J. Stensrud, 2013: The Ensemble Kalman Filter Analyses and Forecasts of the 8 May 2003 Oklahoma City Tornadic Supercell Storm Using Single- and Double-Moment Microphysics Schemes. Mon. Wea. Rev., 141, 3388–3412.

Zhang, F., C. Snyder, and J. Sun, 2004: Impacts of initial estimateand observation availability on convective-scale data assimilation with an ensemble Kalman filter. Mon. Wea. Rev., 132, 1238–1253.

Zhang, F., C. Snyder, and R. Rotunno, 2003: Effects of moist convection on mesoscale predictability. J. Atmos. Sci., 60, 1173–1185.

Zhang F., N. Bei, R. Rotunno, C. Snyder, and C. Epifanio, 2007: Mesoscale predictability of moist baroclinic waves:Convectionpermitting experiments and multistage error growth dynamics. J. Atmos. Sci., 64, 3579–3594.

Zhang, F., Z. Meng, and A. Aksoy, 2006: Tests of an ensemble Kalman filter for mesoscale and regional-scale data assimilation. Part I: Perfect model experiments, Mon. Wea. Rev., 134, 722–736.

小倉義光 1984: 一般気象学, pp314.

草開浩，小山芳太，金森恒雄，瀬古弘, 2011: 2008 年 7 月 28 日近畿地方を南西進した線状降水帯と都賀川での大雨について, 天気, 58, 395-412.

坪木和久, 2007: 1km メッシュの気象学, 天気, 54, 3-6.

藤田一郎, 2008: 都賀川水難事故調査について, 平成 20 年度河川災害に関するシンポジウム, 1-7.

藤田一郎, 伊藤崇博, 2010: 局地的豪雨時における表六甲河川の流出特性に関する研究, 神戸大学都市安全研究センター研究報告, 14, 221-232.

古川武彦, 岩槻秀明, 2013: 雲のコレクション: 雲を見る、知る、集める, pp173.

三好建正, 2005: アンサンブル・カルマンフィルタ ―データ同化とアンサンブル予報の接点―. 天気, 52, 93-104.

三好建正, 2006: アンサンブル・カルマンフィルタ～データ同化との融合～. 数値予報課報告・別冊, 気象庁予報部, 第 6 章, 52, 80-99.

山田圭一, 菊地勝弘, 2006: 雲の世界, pp147.

参考文献をもっと見る

全国の大学の
卒論・修論・学位論文
を
一発検索！

この論文の関連論文を見る