Discovery Sagaサイレントキーワード俯瞰

数値モデルによる予測の精度を向上させる手法の一つにデータ同化がある。この手法は、数値モデルによる計算結果に観測値から得られる情報を取り入れることによって予測値の精度を上げようとするもので、従来数値モデルによる天気予報等に用いられて来た。一方沿岸海洋の精度よい短期予報モデルを構築することは、例えば水質の悪い内湾域における赤潮、青潮等の被害を最小限に抑えるためにも重要である。そこで本研究では、沿岸域の流動及び密度場を計算するマルチレベルモデルにデータ同化の手法を適用してその有効性を検討した。データ同化の手法としては、数値モデルの計算結果と観測値から最適な予測値を導くカルマンフィルターを用いる手法を適用した。沿岸域の海況の数値予測では流れ場に比べて密度場の精度よい予測が難しいことや、実際の予報を行う際に用いる観測データとして人工衛星からのリモートセンシングによる海表面の水温分布が考えられることから、同化する変数として水温を選んだ。数十kmの水平スケールをもつ仮想的な実験海域で、数値モデルによる誤差の伝播過程の検討や同化の効果を調べる双子実験を行い、データ同化の効果について検討した。その結果、本研究で用いた手法は沿岸域の水温の数日程度の予測の精度向上に有効であることがわかった。また、数値モデルの誤差や観測データの質が同化の硬貨に及ぼす影響等についての知見を得ることができた。