• 三好 建正, 2026: 気象学におけるデータ同化入門 (気象学ライブラリー 5)。朝倉書店, 186 pp. ISBN 978-4-254-16945-4.

2026年4月の新刊、A5判 横書きのペーパーバック。

データ同化は、時間とともに変化する対象について、一定の法則をもった数理モデルに、観測データをとりこみ、観測データと近い値をもちながら数理モデルの法則にしたがうデータセットをつくる技術だといえるだろう。それは、ほかにも起源があるだろうが、気象の分野では数値天気予報の初期値をつくるために発達してきた。ちかごろ、データ同化の教科書的な本がいくつもでてきたが、とくに気象のデータ同化についてのものは、気象学会の「気象研究ノート」シリーズの本があるけれども、市販の本にはまだなかったと思う。もと気象庁の職員としてデータ同化にかかわりはじめ、いまは神戸にある理研の計算科学研究機構のデータ同化研究チームリーダーである三好さんによる、気象を対象としたデータ同化の総論の本が出たのは、ありがたい。

三好さんが中心となって、理研では、データ同化の講習会をやっている。京都大学の授業としてもやっているそうだ。そこでは、実際の数値天気予報につかう数理モデルよりはだいぶ単純だが同様な性質をもった「Lorenz-96」というモデル (それが何かは本書からはわからないが、おそらく Lorenz (1996) であつかわれたものなのだろう) にデータ同化の機能をつけくわえたプログラムをUnix系のOSがはいったパソコンで動かすような実習をするらしい。自分でデータ同化のシステムを組める人を養成するには、そのような数式やコンピュータプログラムをふくむ実習教材が必要になるにちがいない。

本書はそのような実習の教科書ではなく、それと並行した講義にあたるものだ。プログラム例はでてこないし、数式もほとんどでてこない。その形で、データ同化の基本的考えかたから、ちかごろの気象庁でどのようなデータ同化がおこなわれているか、そして、さらに精度の高い予報や地球大気をよりよく表現するデータセット作成ができるようにするためにどんな研究がおこなわれているかを展望する本なのだ。

きちんと理解するには、いろいろな予備知識を必要とする。統計学、そのうちでも多変量解析の基本。気象学の基本、数値天気予報の基本、現代の気象観測の概要。しかし、わからないことばがあっても読みすすめられる人ならば、ひとまず本書の話題を見わたしたうえで、予備知識がたりないとおもったらその入門教科書で補足していくという読みかたができるかもしれない。

1980年代に気象のデータ同化 (当時はむしろ「客観解析」という用語のほうがふつうだったが) について学んだわたしにとっては、概念としては知っていることが多いのだが、数値予報モデルの技術も気象観測の技術も新しい世代のものに入れかわっているので、新鮮なこともある。

気象は応用数学用語でいう「カオス」の性質をもっている。単純にいうと、わずかな誤差が時間とともに成長してしまうのだ。気象の分野でカオスの概念の発達にもっとも貢献したのは Edward N. Lorenz であり、本人による一般むけの本 The Essence of Chaos (『カオスのエッセンス』がでている。数値天気予報は決定論的なモデルをつかうので、この誤差の拡大が数値予報の限界をもたらす。ただし、初期状態がわずかにちがう時間発展を多数計算することによって誤差の拡大を定量的に評価できる「アンサンブル予報」という方法が発達し、(計算機資源を大量につかうが) 数値予報の利用機能な領域はだいぶひろがった。

ここまではいまどきの気象関係者の共通認識になっているのだが、本書第2章で三好さんは、データ同化では「カオス同期」ができるのだという。これはわたしにとっては新しい知識だった。わたしはただしく理解できたか自信がないが、つぎのようなことを考えた。去年の5月のある日の状態を初期値として今年の4月のアンサンブル予報をしてみる。ほとんどどの時間発展でも「三寒四温」が実現している、つまり7日ぐらいの周期で気温が変動している (とする)。どの曜日に寒くなるかはまちまちで、現実の今年の4月とあっているのは7分の1しかなく、4月の天気予報としては役にたたない。ところがここに、今年の4月の東京では何曜日が寒かったという情報を追加してやると、東京以外の地点、あるいは気温以外の気象要素のうちにも、現実の値の近似としてつかえるような値がでてくる。やや一般化していうと、カオス現象では、個々の時点でのシステムの状態は事実上予測不可能になるのだが、どの時間発展でもシステムのふるまいは似ていることが多い。そのうち簡単なばあいは、振動型で、位相はちがっても周期はだいたい同じであるばあいで、位相を指定してやれば可能な時間発展の群をぐっとしぼることができる。これはわたしの連想にすぎず、「カオス同期」の説明になっているかどうかはわからない。ともかくわたしは「カオス同期」が可能になる条件について学びたいと思うようになった。

【それに関連して、本書の話題ではないが、理研の三好さんのグループのウェブページを見たら、三好さんが最近、このカオス同期の考えかたの発展で、もしかするとカオス性をもつ現実のシステムを制御できるかもしれないという議論をしているのを知った。数理科学の問題として論じた研究論文がでたというプレスリリースが理研のサイトからでている。
-(理化学研究所) (2026-01-15) [「バタフライ効果」を制御する新原理 — カオスを逆手に取る「双対性原理」の提唱]
わたしはこれまで、予測不可能なものの制御を論じてもむだだと思っていたのだが、もしかすると予測不可能でも制御可能なこともあるかもしれないと思えてきた。しかしそのばあいも、予測ができないと制御が実際にできたか確認することができないだろうと思うのだが。】

文献

• Edward Lorenz, 1993, paperback 1995: The Essence of Chaos. Seattle: University of Washington Press; London: UCL Press, 227 pp. ISBN 0-295-97514-8.
• [同、日本語版] E. N. Lorenz 著、杉山 勝、杉山 智子 訳, 1997: (ローレンツ) カオスのエッセンス。共立出版, 232 pp. ISBN 4-320-00895-2. [読書メモ]
• Edward N. Lorenz, 1996: Predictability — Problem partly solved. Predictability of Weather and Climate (Edited by Tim Palmer and Renate Hagedorn), Cambridge University Press, Chapter 3, Page 40-58. https://doi.org/10.1017/CBO9780511617652.004 (有料)

折りかえしのあとに目次をつける。

===== 目次 =====
はじめに
目次
Chapter 1. データ同化とは何か
– 1.1 本書の目的
– 1.2 数値天気予報
– 1.3 観測データ
– 1.4 シミュレーションと実測データを結ぶデータ同化
– 1.5 予測科学への展望
– 1.6 本書の構成
Chapter 2. カオス同期とデータ同化
– 2.1 力学系とは何か
– 2.2 数値天気予報モデル
– 2.3 アンサンブル予報
– 2.4 誤差発展とリヤプノフ指数
– 2.5 カオス力学系
– 2.6 ストレンジ・アトラクタ
– 2.7 カオス同期とデータ同化
Chapter 3. データ同化の原理
– 3.1 天気図解析とモデル初期値
– 3.2 4次元データ同化
– 3.3 誤差、分布、情報
– 3.4 予報と観測の重ね合わせ — ベイズ推定
– 3.5 観測がない予報変数を推定する
– 3.6 力学系が作る予報変数の同時分布
– 3.7 観測演算子
– 3.8 カオス同期の視点 — 観測システムシミュレーション実験
– 3.9 カオス力学系と忘却
– 3.10 非線形・非正規分布の問題
– 3.11 データ同化でできること
Chapter 4. 数値天気予報のデータ同化
– 4.1 大自由度という大問題
– 4.2 観測の確率分布
– 4.3 正規分布と共分散行列
– 4.4 最適内挿法 (OI)
– 4.5 3次元変分法 (3D-Var)
– 4.6 4次元変分法 (4D-Var)
– 4.7 アンサンブルカルマンフィルタ (EnKF)
– 4.8 共分散局所化と分散膨張
– 4.9 4次元 EnKF とスムーザ
– 4.10 EnKFと変分法のハイブリッド法
Chapter 5. ビッグデータ同化によるゲリラ豪雨予測
– 5.1 高解像度・高頻度データ同化の先端研究
– 5.2 フェーズドアレイ気象データ
– 5.3 ビッグデータ同化システム
– 5.4 2013年 7月 13日の京都の豪雨事例
– 5.5 2014年 9月 11日の神戸の豪雨事例
– 5.6 2020年夏季のリアルタイム実証実験
– 5.7 2021年夏季の「富岳」を使ったリアルタイム実証実験
– 5.8 もし九州全土をフェーズドアレイ気象データが覆ったら?
– 5.9 30秒毎のデータ同化の意義に迫る
Chapter 6. 大アンサンブルに学ぶ
– 6.1 アンサンブル数を増やしたデータ同化の先端研究
– 6.2 低解像度全球モデルを使った 10240個の大アンサンブル実験
– 6.3 非線形過程と非正規性
– 6.4 1000個のアンサンブル実験から最適な共分散局所化を推定
Chapter 7. 衛星データ同化
– 7.1 リモートセンシングのデータ同化
– 7.2 観測誤差相関
– 7.3 衛星放射輝度温度観測のデータ同化
– 7.4 マイクロ波放射計 AMSU-A 輝度温度のデータ同化
– 7.5 衛星降水プロダクトのデータ同化
– 7.6 感度解析 FSO による観測インパクトの推定
– 7.7 もし静止気象レーダ衛星があったら?
Chapter 8. モデルパラメータ推定
– 8.1 拡大状態ベクトル
– 8.2 低解像度全球モデルを使ったモデルパラメータ推定
– 8.3 二酸化炭素のソース推定
– 8.4 現実大気のモデルパラメータ推定
Chapter 9. まとめと展望
– 9.1 読み書きそろばんデータ同化
– 9.2 今後の展望
– 9.3 今後の学習方法
参考文献
索引
===== ここまで =====