Evaluation of all-sky reconstructed radiance assimilation for hyperspectral infrared sounders

私たちが毎朝頼りにしている天気予報は、宇宙から収集されたデータの基礎の上に築かれています。地球のはるか上空を周回する人工衛星には、惑星の表面や大気から放射される熱エネルギーを測定する、巨大で敏感な「目」のような役割を果たす観測機器が搭載されています。ハイパースペクトル赤外線音響計として知られるこれらの機器は、単に一枚の写真を撮るだけではありません。光を数千もの微細なカラーバンド（波長帯）に分割し、下の空の化学的な指紋のような詳細な情報を生成します。この情報は、嵐を予測したり、湿度を追跡したり、異なる高度での温度変化を理解したりするために極めて重要です。しかし、これらの衛星が生成する膨大なデータ量は圧倒的です。これらすべてを理解するために、科学者は強力なコンピュータを使用して、これらの生の測定値を気象モデルへと翻訳します。大きな課題は常に、重要な詳細を失ったり、予報を実行するコンピュータの速度を低下させたりすることなく、この膨大なデータストリームをどのように処理するかという点にありました。

長年にわたり、科学者たちはこれらの衛星観測値をうまく活用してきましたが、その多くは空が晴れている時に限られていました。伝統的に、雲は光を散乱させ、データを解釈しにくくする障壁となってきました。近年、研究者たちは、雲が存在する場合でもデータを利用する技術である「全天（オールスカイ）」同化において大きな進展を遂げました。これにより予報は改善されましたが、それは依然として衛星からの元の「生（ロー）」のデータを使用することに依存していました。この生データは非常に大きいため、重要な情報を失うことなく、より扱いやすい小さな形式に圧縮する必要性が高まっています。ここで、「再構成放射輝度（reconstructed radiance）」と呼ばれる手法が登場します。すべての生の測定値を送信する代わりに、科学者は一連の主要な成分からデータを再構築するという数学的なプロセスを利用できます。予報士にとっての大きな疑問は、この圧縮された再構成データが、特に雲越しに観測する場合において、元のデータと同じように機能するかどうかでした。

日本の気象庁と東京大学の研究チームはこの問いに答えるべく立ち上がりました。彼らは、既存の複雑なコンピュータシステムを変更することなく、あらゆる条件下（曇天を含む）で天気予報を改善するために、この再構成データを使用できるかどうかを突き止めたいと考えました。彼らは、極軌道衛星に搭載され、数千のチャンネルにわたって熱を測定する高度な装置である、赤外線大気音響干渉計のデータに焦点を当てました。研究チームは、グローバルな気象予測システムを用いて一連の実験を行い、元の生データを用いた予報と、再構成データを用いた予報を比較しました。彼らは、まず「晴天のみ」の場合、次に「雲を通した大気」の場合という2つのシナリオでこれらの手法をテストしました。

晴天の結果を見たとき、再構成データには一つの特定の領域において明確な利点がありました。それは、データが非常に「クリーン」であったことです。衛星からの生データには、ラジオのノイズのようなランダムなノイズが含まれており、それが温度や湿度の測定値をわずかに不安定にさせることがあります。再構成プロセスは、このノイズを効果的に平滑化しました。研究者たちは、衛星が見ているものとコンピュータモデルが予測するものとの差が、ほとんどのチャンネルで大幅に小さくなったことを発見しました。これは、データが一貫性を増したことを意味します。しかし、実際にこのよりクリーンなデータを使用して天気予報を実行したところ、結果は驚くほど中立的でした。予報は、元の生データを使用した場合と比較して、大幅に良くなったり悪くなったりすることはありませんでした。このことは、再構成データはよりクリーンではあるものの、コンピュータモデルがすでに生データのノイズを十分にうまく処理できていたため、追加のクリーニングが最終的な天気予報に大きな変化を与えなかったことを示唆しています。

研究者が曇天へと注意を向けると、物語は少し変化しました。現実の世界では、雲は乱雑で予測困難であり、衛星のノイズとは無関係な、異なる種類の不確実性をもたらします。研究チームが全天条件下で再構成データをテストした際、晴天で見られたノイズ低減の効果は消失していることがわかりました。衛星とモデルとの差は、元のデータの場合とほぼ同じままでした。これは理にかなっています。なぜなら、曇天条件下での主な誤差の要因は、衛星のノイズではなく、雲そのものをモデル化することの難しさにあるからです。決定的なことに、研究者たちは、再構成データに対して、元のデータと同じコンピュータ設定や誤差処理ルールをそのまま使用できることを発見しました。システムを機能させるために、新しい手法を考案したり、追加のコンポーネントを加えたりする必要はなかったのです。

最も有望な発見は、中層および上層の大気の水蒸気を測定する特定のチャンネルに焦点を当てたときに得られました。全天条件下でこれらの特定のチャンネルに関する再構成データを同化させたところ、天気予報が大幅に改善されました。その結果、特に嵐の発達に不可欠な層である中層対流圏の湿度予測において、明確なプラスの影響が見られました。この改善は、同じチャンネルに対して元の生データを使用したときと同等の強さでした。これは、再構成データが、最も困難な気象条件下においても、元のデータの実行可能な代替手段となり得ることを示唆しています。

本研究は、生の衛星データを気象モデルに投入するために現在使用されている技術が、この再構成データに直接適用できると結論付けています。これは、将来の天気予報にとって極めて重要な発見です。衛星がより高度化し、さらに大量のデータを生成するようになるにつれ、データの価値を損なうことなく圧縮する能力は不可欠となるでしょう。研究者たちは、曇天で使用するために、晴天時よりも複雑な再構成プロセスを用いる必要はないことを見出しました。最適な短期予報を得るためにコンピュータのデータに対する信頼度をどのように調整すべきかといった、解決すべき小さな技術的課題はまだ残っていますが、核心となるメッセージは明確です。圧縮されたデータは機能します。それは、膨大な衛星情報の流れを管理可能な状態に保ちながら、高い精度を維持して天気を正確に予測するための手段を提供し、データ量が増大しても予報士がこれらの強力なツールを頼りにし続けられるようにするものです。