稲津 (2022) 『気象学の教科書』 第7章「予報」におおまかにそって、 しかし、こまかくはそわないで、その主題について増田が考えていることを講義する。 おりにふれて、他のウェブページの図などを見せる。
【[2025-07-25] 補足材料 (ウェブページ) へのリンク、参考となる本の情報などを追加した。】
将来のことはなにごとも不確かである。 それにしても、予測情報があることがのぞましい。
天体の運動は、明確な周期性をもっていたので、古代から、かなりよく予測できた。 ニュートンの力学の確立以後は、質点 (質量が一点に集中した物体) の力学で近似できるかぎりでは、 非常に精密に予測できるようになった。
気象は、それについで、物理法則にもとづいた数値モデルを組んで数値計算をすることによって、 予測が成功した分野である。 ただし、その計算には電子計算機が必要であった。 また、予測の根拠となる現在の状態を得るために、 多数の地点で共通の標準にしたがった観測をおこない、 観測結果を電気通信であつめる、国際共同事業体制が必要であった。
【[2025-07-25] 気象についての国際協力体制の発達史に関する本
気象 (および 海洋(物理)) のモデルは、 時間についての微分をふくむ 運動方程式、質量保存の式、エネルギー保存の式と、 同時刻の物理量を関係づける 状態方程式 とを連立した方程式系にもとづいている。 ある時刻の状態量の値 (「初期値」とよぶ) と、境界条件があたえられると、 それ以後の状態量の値を知ることができる構造になっている。
境界条件をどのようにあたえる必要があるかは、対象のひろがりによってちがう。 大気全体を対象とするならば、地表面 (地面・海面) と「大気上端」での条件が必要である。 さらに領域を限定するのならば (たとえば「東アジアの大気のモデル」)、領域の端での条件も必要になる。
基本方程式は、状態量を連続の空間座標と連続の時間との関数とした 微分方程式 (くわしくいうと、時間微分と空間微分をふくむ偏微分方程式) の形をしているが、 微分積分の数学による解 (専門用語で「解析解」ということがある) がもとまることはめったにない。 微分を、差分 (あるいはそのほかの方法) で近似して有限個の数値変数からなる (離散的な) 方程式におきかえ、 数値解をもとめる。 そこでは、一般解をもとめることをあきらめ、特定の初期条件のもとでの解をもとめる。
なお、数値モデルは物理法則だけでは完成せず、 いくらかの経験則による部分 (パラメタリゼーション parameterization という。 経験式の係数をパラメータ parameter ともいうからである) をふくむ。 それにしても、経済など、ほぼ経験則によってモデルを組むしかない分野にくらべて、 予測の根拠を因果関係にふみこんでとらえることができる。
空間の離散化は差分以外の形もありうるが、時間の離散化はほとんどのばあい差分である。
時間とともに変化する状態量の組をまとめて X と書いてみる。
dX/dt は ΔX/Δt の Δt → 0 の極限であるが、ここでは極限をとらない ΔX/Δt を微分の近似としてつかう。 ΔX = X(t+Δt) - X(t) である。
dX/dt = f(X) は、(X(t+Δt) - X(t))/Δt = f(X) で近似される。 ここで f(X) につかわれる X を Δt の区間のうちどの時刻のものをとるかに任意性があるが、 ひとまず区間のはじまりの時刻 t としておく。
すると、X(t) が既知ならば、
X(t+Δt) = X(t) + f(X(t)) Δt
で、X(t+Δt) をもとめることができる。 この t+Δt をあらためて t として、さらに Δt だけ前進する。 このようにして、t = 0 からはじめて、原理的には無限の未来の値をもとめることができる。
ただし、(基本法則の不確かさ、離散化の不確かさを別としても) 初期値 X(0) が必要であり、現実にあたえられる初期値は、不確かさをふくむ。 気象や海洋のモデルでは、時間発展型の計算をつづけると、不確かさがだんだん拡大する。 (この特徴は、基本方程式が非線形であることからくることがわかっており、 応用数学用語として「カオス」(chaos) とよばれているが、ここでは深入りしない。) 不確かさが、ありうる予測値のはばと同程度までひろがれば、予測の意義はなくなるだろう。
決定論的予測が限界に達しても、確率の予測はできるかもしれない。
気象や海洋のモデルはだいたい決定論的につくられているが、 それで初期値やモデルパラメータをわずかに変えて複数回の実験をしてその結果の統計をとることによって、 確率論的予測をシミュレートすることがおこなわれ、 「アンサンブル予測」とよばれている。(稲津 7.1 (4))
ここでは、狭い意味の天気予報として、2週間ぐらいまでの地上や対流圏についての予報をかんがえる。 そのおもな手段として、物理法則にもとづく気象モデルを組み、 そこに観測値にもとづく初期値をあたえて、数値計算によって予測値を得る作業がおこなわれる。 この作業を、関係者は「数値 (天気) 予報」 (numerical weather prediction) という。
温帯で1-2日の天気予報をするときは、まず温帯低気圧の移動と発達が課題となる。 それだけならば、東アジアの領域モデルでも (予報対象地域の西側にじゅうぶんな観測があって初期値に反映されていれば) 有効だった。 数日さきまでならば、北半球中緯度ひとまわりのモデルでも有効だった。 しかし、1週間以上の予測をしようとすると、(鉛直は対流圏と成層圏最下部だが、水平方向は) 全球の 大気モデルが必要になった。
各国の天気予報のための数値予報では、 全球モデルと、空間分解能を細かくした領域モデルとを併用し、 領域モデルの側面境界条件を、全球モデルの予報値にもとづいてあたえる、というやりかたがふつうになっている。
数値予報の初期値としては、すべての格子点での、気温、気圧、水蒸気量、風速などの状態量がほしい。 そのために、多様な気象観測が、国際的に時刻をあわせて、あるいは常時継続して、おこなわれ、 国際的な通信網によって、各国の気象庁などへ通報されている。 (この国際データ交換のしくみを「WWW」という。ただし World-Wide Web ではない。) それにしても、ちょうどほしい時刻・位置に観測があることはあまりないが、 空間内挿、気象変数間の関係の利用、前の時刻からの数値予報結果の利用などをくみあわせて、 格子点をうめつくす気象変数の値のデータセットをつくる努力がされている。 この作業は「データ同化」とよばれる。
[きょうの主題にとってはわきすじだが] リアルタイムの数値予報のほかに、 過去にさかのぼってなるべく質が一定のデータセットをつくるデータ同化事業もおこなわれており、 「再解析」とよばれる。 (この表現には、データ同化にあたる作業をかつて「客観解析」と言ったことのなごりがある。)
実際の天気予報には、数値予報の出力が材料とされるが、 これまでの数値予報出力と観測値との比較からバイアスがわかっていれば、その補正がくわえられる。 そして、気象予報士の判断によって予報がだされる。 (需要者から注文をうけた予報の切り口は、需要の内容によってかわってくるだろう。)
1か月から数年ぐらいまでの時間スケールの変動を予測するという課題がある。 アメリカ合衆国のNOAAなどではそれを「climate prediction」というが「気候予測」と訳すのは不適切で 「天候予測」というべきだろう。 日本の気象庁では (1970年代ごろまでは「長期予報」と言っていたが) ふつう「季節予報」と言っている。 季節を予報するという意味ではなく、典型的には「今年の冬は暖冬か寒い冬か」などが課題になるからだ。
この時間スケールの予測には、大気も重要ではあるが、 (大気の熱容量は海洋にくらべれば小さいので) むしろ、海洋 (の表層) が重要である。 また、陸面 (土壌水分、積雪、植物の光合成にともなう蒸発散能力など) も重要なことがある。 そこで、大気、海洋 (そのうちどこまで含めるかは予測対象によるが)、陸面の結合モデルがつかわれる。 大気の初期条件はあまり重要でなくなるが、海洋や陸面の初期条件は重要なことがある。
年々変動の代表といえるものとして、エルニーニョ・南方振動 (ENSO) がある。 これは、明確な周期はないが、2年から6年ぐらいの周期帯でおこる振動型の現象である。
もともとエルニーニョとは、ペルー沿岸で、 季節変化としてクリスマスごろにおこる変化 (海面水温が高めになることをふくむ) をさしていたが、 年々変動としてそこの海面水温が高い状態が数か月持続することをさすようになった。
他方、南方振動は、1920年代にイギリスの植民地だったインドの気象庁長官 Walker が、 インドの夏のモンスーン (雨季) の年々変動の予測の手がかりを得ようとして、 熱帯太平洋の東側 (代表地点はタヒチ) と西側 (オーストラリア北部のダーウィン) との海面気圧に 逆相関があることを見つけたのだ。
1960年代に、両者は一連の現象であり、赤道を中心とする熱帯太平洋全体にわたるものであることがわかった。 エルニーニョ状態は、熱帯の東太平洋で、海面水温が平常より高く、海面気圧が低く、雨が多い状態である。 (ただし、熱帯太平洋の平均状態は、西太平洋のほうが海面水温が高く、雨が多い。 エルニーニョ状態は、このコントラストがゆるんだ状態だといえる。)
1980年代に、ENSO は振動現象だという認識から、エルニーニョ状態の反対の状態に名まえをつけることになり、 (他の案もあったが) ラニーニャ状態 ということになった。
ENSO には、海洋、大気それぞれの赤道域特有の力学 (コリオリパラメータ自体は小さいがその緯度による変化が無視できない) による大規模な波動と、 大気中の積雲対流、海洋表層の湧昇がからんでいる。
エルニーニョ現象の予測型シミュレーションには、 熱帯太平洋の海洋表層と、その上の大気との結合モデルが必要である。 ENSOの影響は大気中で全球におよぶので、熱帯太平洋と全球大気の結合モデルがつかわれるようになった。 現在では海洋モデルも全球のものが結合されることが多くなった。 ただし海洋内部をどこまでまじめに計算するかは予測の目的によってちがってくる。
エルニーニョに似た状態だが、海水温が平常よりも高いところの中心が 東太平洋ではなく中央太平洋にあるばあいをさしている。 (用語は、英語でも「-modoki」をつかおうとしている学者もいるが、ちがった表現もある。)
熱帯インド洋の西側 (ケニア沖) と東側 (スマトラ沖) とで海面水温が逆相関で変動する現象。
北半球中高緯度対流圏の年々変動。 冬に、北極付近と北半球中緯度帯との気圧が逆相関で変動する。 周期性はよくわからない。原因もまだよくわからない。 その予測能力を高めるには気候システムのモデルを全般的に改良するしかなさそうである。
【[2025-07-25] エルニーニョ現象に関する本
数十年の周期帯の、振動型とおもわれる変動がみられる。
「太平洋十年規模振動」 (Pacific Decadal Oscillation, PDO) はそのひとつである。 その空間パターンは、熱帯だけみるとENSOと似ているが、むしろ北半球中高緯度で振幅が大きい。 その予測は、季節予報と、つぎにのべる気候変化の予測型シミュレーションの中間の性格をもつ課題である。 海洋、とくに風成循環系のうちわりあい深い部分についてのモデルや観測の改善が重要と考えられる。
数十年以上の時間スケールの気候の変化を考えるときは、 大気よりもむしろ海洋に重点をおいたモデルが必要になる。 ただし、百年ぐらいまでの時間スケールでは、海洋の深層の熱塩循環は遅いのであまりきいてこないだろう。 風成循環系 (ただし、その深い部分まで含む) の内部エネルギーの変化が重要だろう。
また、雪氷、とくに大陸氷床 (巨大な氷河) の変化も重要だが、 氷河・氷床のモデルにはまだ大きな不確かさがあり、 おこりうる可能性を探索するうえでは有用だが、 予測の精度を高めることができるかはまだわからない。
大気の初期値はあまり重要ではないが、海洋と氷の初期値は重要だろう。
気候システムには外からの強制がなくても自発的におこる変動がありうるが、その予測は困難である。 強制がわかれば、それによっておこる変動が予測できるのぞみがある。
気候システムのモデルでは、H2O 以外の成分の濃度の変化を、 システム外からの強制とみなすことがある。 大気中の二酸化炭素濃度はその例である。
人にとって身近な気候はローカルなものだが、 予測の観点からは、グローバルな気候のほうがあつかいやすい。 気候の変化は、かならずではないが、エネルギーのたまりの量の変化をともない、 エネルギーの収入と支出の変化を知ればそれを予測できるだろう。 ところが、気候システムのローカルな部分のエネルギー収支には、 ローカルなエネルギー源 (たとえば都市の人工排熱) もあるし、地域間のエネルギー再分配もある。 気候システム全体のエネルギー収支ならば、太陽放射の吸収と地球放射の射出にしぼれる。
気候システム全体のエネルギー収支を変える要因のうち、 水蒸気、雲、雪氷は、システム内の変数であり、フィードバックとしてきく。 外部からの強制とみられるのは、太陽の変動 (収入にきく)、 水蒸気以外の温室効果気体濃度 (支出にきく)、エーロゾル (両方にきくが収入のほうが重要か) である。 エーロゾルのうちでは、火山起源のものと人間活動起源のものが重要だろう。
太陽の変動と火山の噴火は、過去のデータは得られるが、予測は困難である。
人間活動起源の温室効果気体とエーロゾルは、人間社会 (政策をふくむ) の予測が困難ではあるが、 太陽や火山にくらべて相対的には、予測可能性がある。 そして、政策によって強制の大きさをいくらか制御できるのぞみもある。 そこで、つぎのような手順の予測型シミュレーションがおこなわれるようになった。
この作業を、日本語では「地球温暖化予測」などと言ってしまうことがあるが、 予測とはいいがたい。わたしは「予測型シミュレーション」ということにしている。 英語ではふつう (「予測」にあたる「prediction」ではなく) 「projection」」という。
全球平均地上気温を十年の分解能で見た時系列についても、 同じ濃度シナリオをあたえたときの気候モデル間のちがいはなお大きい。 これはおもに気候システムについての知識の不確かさ、 とくに雲が温暖化に対して正・負のいずれのフィードバックにどのくらい働くかがまだよくわからないことによる。 しかし、排出量シナリオによるちがいも大きい。 排出量に関する政策しだいで、温暖化を小さくくいとめることができる可能性があるのだ。
なお、エーロゾルのはたらきは複雑だが、 人間活動起源のエーロゾルのうち主要なものはおそらく、石炭や石油の不純物の硫黄分からきた硫酸液滴で、 おもに太陽放射の反射をへらす働きをする。 それは大気汚染物質として有害だったので規制されてきた。 エーロゾルがへったことは温暖化をつよめただろう。 しかし温暖化をふせぐために大気汚染を温存するのものぞましくない。
【話はとぶが、成層圏に人工的にエーロゾルを注入して太陽光反射をふやすという構想がある。 これにはいろいろ問題がある。 全球平均で温室効果強化をうちけしても緯度別・季節別にはうちけせなかったりひやしすぎたりすること、 とくに直達日射をへらすので (国によっては再生可能エネルギー利用の重点である) 集光型太陽光利用には致命的なこと、など。】
気候シナリオは、天気予報のような精密なものにはなりえない。 気候変化の影響のうち害となる部分についても、下にのべる災害リスク論と同様に、 確率的におこる現象のリスクとして見ていく必要があるだろう。
天気予報の防災への応用は、平常時からのリスク評価と、緊急時の対応にわけられる。
緊急時には、気象庁が警報や注意報をだし、市町村が避難指示などをだす。
気象庁では、大雨による災害の警報などをだす材料として、 数値予報の出力である降水量から、水文に一段ふみこんだ数値をだすようになった。 ただし、日本の国土を一定の格子で覆ったすべての格子点で計算しようとしているので、 パラメータは地域別の水文の研究のばあいよりはおおまかである。 (たとえば「土壌雨量指数」を計算するためのタンクモデルのタンクの容量を地域によって変えていない。)
【[2025-07-25] 気象防災に関する本
自然災害の害は、災害をおこしうる自然現象 (「ハザード」 hazard ) と、 人間社会がわの要因 (「脆弱性」 ぜいじゃくせい、vulnerability ) との かけざん の 形で とらえられる、という考えがある。
さらに、自然災害は確率現象としておこる。 そこで、害の大きさと確率とのくみあわせで 害の大きさとそれがおこる確率をくみあわせた リスク (risk) を評価し、管理する態度であつかう必要がある。 (リスクは、害の大きさの、確率で重みをつけた期待値である、と言いきる人もいるが、 わたしはそれは単純化しすぎだとおもう。しかしリスクの代表的なとらえかたのひとつではある。)