Dynamical Downscaling of Seasonal Forecasts Using WRF: Assessing Precipitation and Wind Speed Predictability over the Indonesian Maritime Continent

インドネシア・マリタイム・コンティネント（海洋大陸）の上空の天気は、インド洋と太平洋という二つの広大な海洋と、数千の島々からなる広大な列島が出会うことで織りなされる、複雑なタペストリーのようなものです。地球上で最も複雑な陸海相互作用が行われるこの地域では、モンスーンのような巨大な大気のエンジンによって、降水量や風向きが季節ごとに劇的に変化します。そこに住む人々にとって、信頼できる予報を得ることは単なる利便性の問題ではなく、農業の管理、洪水への備え、そして極端な天候のリスクを回避するための極めて重要なツールなのです。しかし、これらの条件を予測することは非常に困難です。地球全体を見渡す全球気象モデルは、この険しい地形の詳細を捉えるのに苦労することがよくあります。それらは、低解像度の地図のようなもので、鋭い山の峰や島々の間の狭い水路が、滑らかで不明瞭な表面へとぼやけてしまいます。天気を鮮明に捉えるためには、科学者たちは強力なコンピュータを使用して、風や雨の局所的な特性を捉えられる、より詳細で小さなモデルを実行し、ズームインする必要があります。

インドネシア、米国、中国の研究者チームは最近、これら局地的な予報を改善するという課題に取り組みました。彼らは、強いエルニーニョ現象や主要な熱帯低気圧を含む時期である2022年から2025年までの期間に焦点を当てました。彼らの目的は、「ダイナミカル・ダウンスケーリング」と呼ばれる特定の手法をテストすることでした。これは、広範な全球気象予報を取り出し、より詳細な領域モデルに投入するプロセスを想像してください。それは、広角写真を取り、ソフトウェアを使用して画像の特定の複雑な角に焦点を合わせ、鮮明にする作業によく似ています。このケースでは、彼らは出発点としてCFSv2として知られる全球予報システムを使用し、それをWRFと呼ばれる高度な領域モデルに通しました。これにより、山頂とふもとの谷の違いが見分けられる程度の約20キロメートルの解像度で、降水量と風速の日次予測を生成することができました。そして、モデルがどの程度うまく機能するかを確認するために、高解像度のシミュレーションを、衛星からの実測値や高度な再解析データと比較しました。

結果は、成功と限界の両方の物語を明らかにしました。モデルは、大きな全体像を捉えることにおいて極めて優れていることが証明されました。モデルは、オーストラリア・モンスーンによる湿った北西風から、アジア・モンスーンによる乾いた南東風へと変化する、モンスーン・システムを定義づける季節的な風の逆転を、見事に再現しました。また、島々における降水の一般的なパターンを模倣し、2025年後半に襲来した主要な熱帯低気圧の広域的な循環さえも捉えることができました。2023年にエルニーニョの影響でインドネシアを襲った大規模な乾燥期において、モデルは広範囲にわたる降雨の欠如を正しく予測し、主要な気候シグナルに対して正確に反応できることを示しました。しかし、モデルは完璧ではありませんでした。モデルは一貫して、ほとんどの地域で降水量を多く予測する傾向があり、この「湿ったバイアス（過大評価）」は、海洋上や山岳地帯で特に顕著でした。例えば、遷移期におけるスマトラ島の西側の海域では、モデルは1日あたり20ミリメートル以上の降水量を過大に予測しました。パプアの険しい山々では、空気が強制的に上昇することで過剰な雨をシミュレートしましたが、近くの平坦な低地では、降水を完全に見逃してしまうこともありました。

風速と降水の予報の挙動は、私たちがどれくらい先までこれらの予測を信頼できるかについて、二つの異なる物語を伝えています。風速に関して、モデルの精度は予測可能な衰退の経路を辿りました。予測は開始時点では最も信頼性が高く、時間が経過するにつれて徐々に鋭さを失っていきました。陸上ではモデルは約21日間有用でしたが、外洋ではその信頼性の窓はわずか14日間に縮まりました。海の上でのスキルの低下がより早いことは、モデルが海洋モデルと完全に結合されていない場合、海洋と大気の間の変化する相互作用に追いつくのが難しいことを示唆しています。対照的に、降水の予測は、このような一定の減衰パターンを示しませんでした。降水の予測誤差は、単に日を追うごとに悪化していくのではなく、予測期間に関わらず、予測不能に跳ね上がりました。ある日はモデルが正確に近い一方で、翌日には、たとえどれほど先の未来を見据えていても、大きく外れることがありました。これは、降水の予測の難しさが、単にモデルが時間の経過とともに道を見失うことにあるのではなく、熱帯の雷雨が持つ固有の混沌（カオス）に起因していることを示しています。雷雨は非常に敏感であるため、数日先であっても捉えることが非常に困難なのです。

研究者が熱帯低気圧の具体的な事例を見たとき、モデルはその中心の周りを渦巻く強い風を描き出し、嵐の循環の正しい形状を描くことができることを示しました。しかし、それらの風の強度に関しては、モデルはつまずきました。風が最も強くなる領域において、モデルはしばしば風の強さを過小評価し、嵐のフルパワーを大幅に見誤りました。これは、モデルが嵐の到来を察知し、その一般的な構造を理解できても、システムの核心部における風の極端な威力については、依然としてシミュレートすることに苦慮していることを示唆しています。本研究は、このダウンスケーリングの手法が、インドネシア列島における季節的な気候パターンや大規模な気象現象を理解するための貴重なツールを提供する一方で、特に海洋上における正確な降水量や最大風速の予測においては、依然として課題に直面していると結論付けています。これらの知見は、今後の改善が、雲の複雑な物理現象の扱いを洗練させることや、大気を眼下の動く海洋へとより良く結合させることに依存することを示唆しています。