こんにちは、まさごんです。
気象予報士試験の合格を目指すべく、日々の勉強内容を記録しています。

勉強内容

数値予報とは、空間を格子点ごとに区切り、プリミティブ方程式によってその格子点ごとの少し未来の物理量を算出する方法のことであると勉強しました。しかしここで計算された数値データは、そのままでは予報に使えません。数値予報の結果を、「晴れ」「雨」などの天気要素に置き換える作業のことを「翻訳」といい、翻訳作業に使われる資料を「ガイダンス」といいます。

学習ポイント　MOS方式とPPM方式

数値予報の数値データを気象要素に置き換えるためには、「統計的関係式」が利用されます。数値予報に寄す予測値と実際の天気との関係を式で表し、「予測値ー実況値（実際の観測値）」が最小となるように係数を決めて、予報の旅のその係数を更新しています。

たとえば降水量の予報なら、
降水量 = a×気温＋b×湿度＋c×上昇流
というように、a、b、cという係数を用いることで、各気象要素（気温、湿度、上昇流）の降水量への寄与度がわかるのです。

天気の翻訳方法には、大きくわけてMOS方式とPPM方式の２種類に分かれます。またMOS方式は、従来のMOS方式のほかに、「カルマンフィルター」「ニューラルネットワーク」という手法があります。

MOS方式とPPM方式の違いは、統計的関係式の予測因子PPM方式では観測値を使い、MOS方式では数値予報モデルの予測値を使うことにあります。
MOS方式では、過去数年分の数値予報の予測と、対応時刻の観測値との間で関係式を作成し、その関係式に日々の数値予報結果を代入して天気要素を求めます。PPM方式よりも精度はよいですが、数値予報モデルが変更された場合、その都度新しい関係式を構築するために時間を要します。

一方PPM方式では各気象要素の観測値と、対応時刻の観測値との関係式によって、天気要素を求めます。MOS方式と違って数値予報モデルが変わっても統計式関係式を作り直す必要はありませんが、数値予報が持っている誤差を取り除くことはできませんので精度は劣ります。

PPM方式は天気予報には使われておらず、季節予報など長期予報に利用されています。現在天気予報に使われているのは、MOS方式の中でもカルマンフィルターとニューラルネットワークです。

気づいたこと

明日はカルマンフィルターとニューラルネットワークについて説明します。
それぞれの特徴によって、どの天気予報に使用されてるのかが異なっていて、それを理解するのが大変です。
ありがとうございました。