Article

計算機科学:レーダーの深層生成モデルを用いた巧みな降水ナウキャスティング

Nature 597, 7878 doi: 10.1038/s41586-021-03854-z

2時間先までの降水量を高い解像度で予測する降水ナウキャスティングは、気象に依存した意思決定に頼っている多くのセクターで、現実世界の社会経済的ニーズを支えている。しかし、最新の運用可能な降水ナウキャスト法は、一般にレーダーを用いて風を推定して降水場を移流させており、対流開始などの重要な非線形事象を捉えるのに苦闘している。最近導入された深層学習法では、レーダーを用いて、物理的な制約を受けずに将来の雨量が直接予測される。こうした方法は、低強度の降雨は正確に予測するが、制約の欠如によりリードタイムが長くなるとナウキャストは不明瞭になるため、その実用性は限られており、まれに発生する中強度から高強度の降雨事象に対するパフォーマンスは低下する。今回我々は、これらの課題に取り組んだ、レーダーによる降水の確率的ナウキャスティングの深層生成モデルを提示する。我々は、統計的、経済的、認知的な尺度を用い、今回の手法によって予測の質、一貫性、価値が向上することを示す。今回のモデルは、5〜90分先のリードタイムで、最大1536 km × 1280 kmの領域にわたって現実的かつ時空間的に一貫した予測を行う。我々は、50人以上の熟練した気象学者による系統的な評価を用い、今回の生成モデルが競合する2つの手法と比べて、89%の事例で精度と有用性が最も優れていたことを示す。定量的に検証すると、こうしたナウキャスティングは、不明瞭化することなく巧みなものであった。我々は、生成的ナウキャストが、予測の価値を高めて実用性を支える確率的な予測を、他の手法では難しいような分解能やリードタイムにおいて提供できることを示す。

目次へ戻る

プライバシーマーク制度