天気予報ガイダンスの３つの手法とその特徴【第59回－専門－問４ 気象予報士試験の解説】
第59回気象予報士試験の専門知識を解説していきます。
全ての記事を無料で公開します。
1人でも多くの人に、気象について興味を持ってもらえたらうれしいです。
問題
問4 気象庁の天気予報ガイダンスについて述べた次の文（a）～（c）の正誤の組み合わせとして正しいものを、下記の①～⑤の中から1つ選べ。
（a） カルマンフィルタを用いたガイダンスにおいて、異なる初期時刻から計算された数値予報結果であっても、ガイダンスに入力される数値予報結果（入力値）が同じ値であれば、ガイダンスの予測結果（出力値）は常に同じ値になる。
（b）カルマンフィルタを用いたガイダンスは、主に説明変数（入力値）と目的変数（出力値）の関係が線形である場合に利用できるが、ニューラルネットワークを用いたガイダンスは説明変数と目的変数の関係が非線形の場合にも利用できる。
（c）数値予報モデルでは、予報対象時刻が昼と夜で予測値の系統誤差の傾向が変化することがある。ガイダンスはそのような系統誤差を低減することができる。
天気予報ガイダンスとは
そもそも、朝のニュースで報道される
晴れ・くもり・雨などの天気マークや、発雷確率の地図は、
数値予報モデルが直接計算したものではありません。
まず、数値予報モデルでは、
降水量とその分布や、雲量、
上昇流・下降流の予想、上空の気温などを、
スーパーコンピューターが計算します。
その結果を基に、
雲量はこれくらいだから晴れではなくくもりとか、
降水が予想されるからくもりでなく雨とかなど、
気象庁は、計算結果を翻訳して、予報を発表します。
このように、数値予報のナマの結果を天気要素に翻訳する工程を、
天気予報ガイダンスといいます。
数値予報の結果を天気予報ガイダンスに入力すると、
天気や発雷確率などが出力されます。
私たちは、その出力結果を、テレビや天気予報アプリで見ているのです。
（a）カルマンフィルターの性質 → 誤
（a） カルマンフィルタを用いたガイダンスにおいて、異なる初期時刻から計算された数値予報結果であっても、ガイダンスに入力される数値予報結果（入力値）が同じ値であれば、ガイダンスの予測結果（出力値）は常に同じ値になる。
以下に、天気予報ガイダンスの代表的な手法を３つ示します。
現在では、主にカルマンフィルターとニューラルネットワークが運用されています。
カルマンフィルターとは、超ざっくり言うと、
次のような関係式のことです。
出力値（天気要素） ＝ 入力値（数値予報のナマの結果） × 係数右辺の入力値に、数値予報の結果を代入すると、
左辺の天気要素が出力されます。
カルマンフィルターでは、MOSと違って、
係数が、常に学習・更新されます。
したがって、右辺の入力値が同じ値であっても、
係数が、学習で更新されているかもしれません。
すると、左辺の出力値は常に同じとは限りませんので、
（a）誤です。
（b）ニューラルネットワークの性質 → 正
（b）カルマンフィルタを用いたガイダンスは、主に説明変数（入力値）と目的変数（出力値）の関係が線形である場合に利用できるが、ニューラルネットワークを用いたガイダンスは説明変数と目的変数の関係が非線形の場合にも利用できる。
問題文のとおりです。
ニューラルネットワークといえば、非線形。
入力値と出力値の関係が複雑なケースも得意としています。
（c）系統誤差の低減 → 正
（c）数値予報モデルでは、予報対象時刻が昼と夜で予測値の系統誤差の傾向が変化することがある。ガイダンスはそのような系統誤差を低減することができる。
問題文のとおりです。
入力値と出力値の誤差の傾向がわかっている場合は、
ガイダンスの際に補正して、誤差を軽減することができます。
例えば、夏の最高気温について、
福島（福島県）は盆地地形のため、
実際の観測値が、数値予報より常に３℃高くなる誤差が判明しているとします。
そうした場合には、ガイダンスの際に、
予想最高気温を数℃高めに出力することで、
既知の誤差を低減できます。
まとめ
以上の検討を踏まえると、解答は④です。
いかがでしたか？
（a）と（b）は、ガイダンスの手法それぞれを問うものでした。
ガイダンスの３手法の表は、おさえておきたいですねっ！😁
また、（c）は、ガイダンスの効果を問うものです。
ガイダンスでは、既にわかっている誤差は低減できますが、
発生頻度がまれな誤差や、
そもそも入力値に致命的な誤り（前線の通過タイミングのずれなど）があると、
ガイダンスでも誤差を修正できません。
この点は、意外と問われますので、参考書で復習しておきましょーね！
出典など
※ 本記事における解答や解法は、個人の見解であり、（一財）気象業務支援センターとは関係ありません。