Core Concepts
数値気象予報データを入力とし、落雷発生確率を信頼性の高い方法で推定するニューラルネットワークモデルSALAMAを開発した。
Abstract
本研究では、落雷予報のためのニューラルネットワークモデルSALAMAを開発した。SALAMAは、数値気象予報(NWP)データから抽出した21の入力パラメータを用いて、落雷発生確率を推定する。
訓練データには、ドイツ中部を対象とした高解像度NWPアンサンブルモデルICON-D2-EPSの予報データと落雷観測データを使用した。
落雷発生の時空間基準を変化させることで、予報スキルと空間スケールの関係を系統的に調べた。
SALAMAは、単一の反射強度パラメータのみを使用する従来手法に比べ、予報スキルが優れていることを示した。
予報スキルは予報時間の増加とともに指数関数的に低下するが、SALAMAは11時間先の予報でも従来手法を上回る性能を示した。
この予報スキルの低下は、NWPアンサンブルデータの予報誤差の増大に起因することが明らかになった。
Stats
落雷発生確率が0.22の時の反射強度しきい値は35 dBZである。
SALAMAの予報スキルは予報時間11時間でも従来手法を上回る。
SALAMAの予報スキルの低下は、NWPアンサンブルデータの予報誤差の増大に起因する。
Quotes
"落雷は社会や経済に大きな影響を及ぼすため、信頼性の高い落雷予報が求められる。"
"SALAMAは、単一の反射強度パラメータのみを使用する従来手法に比べ、予報スキルが優れている。"
"SALAMAの予報スキルは予報時間の増加とともに指数関数的に低下するが、11時間先の予報でも従来手法を上回る性能を示した。"