From Hours to Daily Extremes: Evaluating ERA5 and ERA5-Land Biases Across Morocco’s Diverse Climates

気象予測は、膨大な過去の気象データのアーカイブを学習した強力なコンピュータプログラムが、従来の物理ベースのモデルに匹敵し始めているという、新たな時代に突入しています。これらの人工知能システムは、第一原理から大気をシミュレートするのではなく、歴史的な記録からパターンを学習し、次に何が起こるかを予測します。これらの歴史的記録の最も信頼できる情報源は、ERA5と呼ばれるグローバルなデータセットであり、これは気象観測所が存在しない場所を補完する、大気の詳細な再構築データです。より高解像度で、地球の表面に特化したERA5-Landと呼ばれる新しいバージョンは、私たちが歩く地面に対してさらに高い精度を実現することを約束しています。これらのAIモデルは、学習のために完全にこのデータに依存しているため、再構築の質が極めて重要になります。もし歴史的記録に隠れたエラーが含まれていたり、局所的な極値が平滑化されていたりすれば、AIはその欠陥を継承することになり、社会が知る必要のあるまさに危険な事象の予測に失敗する可能性があります。

地形が海岸沿いの平野から高い山脈、そして乾燥した砂漠へと劇的に変化するモロッコにおいて、研究者たちはこれら2つのデータセットの信頼性をテストすることを目的としました。彼らは、過去のデジタルマップが、地上にある気象観測所に記録された現実と真に一致しているかどうかを知りたいと考えました。チームは、2016年から2024年までの、多様な気候と地形をカバーする36の異なる観測所からの1時間ごとの観測データを収集しました。彼らは、気温、湿度、風速、および降水量を、標準的なERA5と、陸地に特化したERA5-Landの両方が提供する値と比較しました。その目的は、デジタルによる再構築が、特にこの地域を定義づける極端な暑さ、寒さ、あるいは風のイベントにおいて、微妙で局所的な詳細を捉えることができるかどうかを確認することでした。

調査の結果、一般的な気候パターンを理解するためには、両方のデータセットが非常に優れていることが明らかになりました。それらは天気の日常的なリズムを再現することに成功しており、気温が一日の中でどのように上昇・下降するか、また季節が一年の中でどのように変化するかを捉えています。平均的な条件下では、これら2つの製品は概ね互換性がありますが、標準的なERA5は気温と湿度においてわずかに正確である傾向があり、一方で陸地特化型のERA5-Landは、複雑な山岳地帯における風速の測定において小さな利点を提供します。しかし、研究者が極端な現象に目を向けたとき、物語は変わります。モデルは穏やかな天候はうまく扱えますが、最も深刻な事象を予測できる能力は、それらの事象がいかに稀であるかに大きく依存します。

研究者が極端な暑さ、寒さ、および風の閾値に対してモデルをテストしたところ、明確なパターンが見つかりました。両方のデータセットは、非常に暑い日や強い突風といった中程度の極端な現象を検知することには優れた性能を示しました。しかし、事象がより稀で強烈になるにつれ、モデルのスキルは著しく低下しました。最も暑い日や最強の風に対しては、モデルが完全に的外れとなることも少なくありませんでした。研究者らは、この失敗は必ずしもソフトウェア固有の欠陥ではなく、広範なグリッドベースのデジタルマップを、地上の一点という特定の地点に一致させようとすることによる根本的な限界であると指摘しました。気象観測所は、例えば谷や特定の斜面といった独自のマイクロクライメート（微気象）の中に位置していますが、デジタルモデルはそれらの局所的な詳細を平均化してしまう広大な領域を表しています。この不一致により、たとえ完璧なモデルであっても、そのピークがモデルには見えない局所的な地形によって引き起こされている場合、特定の観測所における正確なピーク値を予測することはできないのです。

また、この調査は陸地特化型データセットに関する具体的な技術的障壁も明らかにしました。ERA5-Landは陸地のみを対象としているため、海洋を除外しています。これは、海岸沿いや島に近い場所に位置する観測所にとって問題となります。なぜなら、そのモデルには一致させるための有効なグリッドポイントが存在しないからです。場合によっては、これらの沿岸部の観測所に関するデータが陸地限定版には存在しないこともあり、注意深く確認しなければ、これが欠測データであると誤解される可能性があります。さらに、研究者たちは、陸地データの高解像度が必ずしも役に立つわけではないことも発見しました。一部の砂漠や山岳地帯では、より細かいグリッドが、全体の精度を向上させることなく、特に夜間の気温や湿度の読み取りにノイズをもたらすことがありました。

最終的に、この研究は、これらのグローバルなデータセットは一般的な気候傾向の研究やAIの検証には優れたツールであるが、局所レベルでの特定の生命を脅かす気象事象を予測する際には注意が必要であることを示唆しています。モデルが壊れているわけではありませんが、風景の最小の詳細を見るようには設計されていないのです。著者らは、これらのデータを用いて影響調査やAIの検証を行う者は、絶対的な閾値（例えば「45度を超える日」など）ではなく、相対的な極値（その地域の平均と比較してどれほど異常か）に焦点を当てるべきだと推奨しています。また、沿岸部におけるカバー範囲のギャップを明示的にチェックし、風や気温の自然な変動を考慮した方法でエラーを報告することも助言しています。これらの限界を理解することで、科学者や予報官は、過去のデジタルマップをより適切に解釈し、次世代の気象予測が世界の複雑な現実にしっかりと根ざしたものとなるようにすることができるのです。