メソ気象セミナー

目的

メソ気象セミナーでは，「メソ気象研究のこれまで・今・これから」をコンセプトとしてセミナー形式で議論することを目的としています．議論の内容としては，数多くの観測的・数値的・理論的な研究により明らかにされてきた『メソスケール気象学』について，これまでにどこまで理解されているのか・現在はどのような研究が行われているのか・さらには今後どのような研究を行っていくべきかについて取り上げます．

今年のテーマ

今年のメソ気象セミナーのテーマは，「米国と日本とで大雨をもたらす中小規模大気現象の理解にむけて」です．

趣旨説明

近年，激しい気象災害が増えつつあり，地球温暖化との関連も議論されています．中でも，大雨による災害は社会的な影響が大きく，災害時の具体的な行動のとり方と共に，災害をもたらす大気現象の理解と予測が重要な課題となっています．このうち，大雨に関連する大気現象の理解と予測は，気象学分野において極めて重要なテーマの一つです．一言で大雨と言っても，雨の降り方は地理条件や大気条件と密接に関係しており多種多様です．このような大雨について，その主要因となる大気現象間の差異を認識し，どの様な現象は過去の知見に基づいて説明が可能で，どの様な現象は未解明なのかを見極めることは重要です．

中小規模気象学に関する様々なテーマ (大規模観測と気象学との連携や中規模気象学における数値シミュレーション，レーダー気象学など) については，これまでに国内の著名な研究者を招き，年1回の頻度で議論を行ってきました．第5回目となる今回のセミナーでは，東京大学大気海洋研究所共同利用研究（受付番号104，2018）及び 日本気象学会国際学術研究集会出席補助金 (国内で開かれる国際学術研究集会への旅費補助) の助成を受け，米国コロラド州立大学の Russ Stanley Schumacher 博士を招聘します．そして，米国での大雨に関する研究の歴史的経緯と博士自身の研究について講演して頂きます．さらに，日本における大雨に関連したメソ対流系の最新の研究についても紹介し，近年の大雨に関する気象学的な問題提起・課題を国際的な視点から共有した上で，今後の具体的方策を研究集会の参加者全員で議論します．

日時

2018 年 6 月 15 日 (金) 〜 16 日 (土)

場所

東京大学大気海洋研究所2F 講堂 (東京大学柏キャンパス・千葉県柏市柏の葉5-1-5)

アクセス：http://www.aori.u-tokyo.ac.jp/access/index.html (東大西バス停で下車)

マップ：http://www.aori.u-tokyo.ac.jp/access/campusmap.html (キャンパス西側)

参加費用

一般：無料 全日程 5000 円，1日 3000円，半日 2000円 (金額は変更する場合が有ります)

学生：無料

(宿泊等は，各自でお早めの手配をよろしくお願いします．)

定員

100 名程度 参加申し込みは締め切りました．

懇親会

日時： 6 月 15 日 (金) 18:30〜

会場： 一幸 柏の葉公園店 (URL: https://tabelog.com/chiba/A1203/A120305/12031000/)

会費： 6000 円程度 (学割あり)

送迎バス有り （参加する方に別途お知らせします）

申込締切

2018 年 05 月 末日 締め切りました．

セミナーの日程・タイムスケジュール

＊スケジュールは変更になる場合があります．

1日目 (6月15日)

09:00〜09:30 受付

09:30〜11:30 第1部【特別講演】The ingredients for extreme rainfall, and how mesoscale convective systems (MCSs) can bring them together: Part I (Dr. Russ S. Schumacher)

11:30〜13:00 昼食

13:00〜14:00 第2部【特別講演】The ingredients for extreme rainfall, and how mesoscale convective systems (MCSs) can bring them together: Part II (Dr. Russ S. Schumacher)

14:00〜14:30 日本で大雨をもたらすメソ対流系の概要 (気象研 津口 裕茂 主任研究官)

An overview of mesoscale convective systems (MCSs) producing heavy rainfall in Japan

14:30〜15:00 環境条件で観る日本の準停滞性降水系の特徴 (気象庁 鵜沼 昂 技官)

Environmental properties of quasi-stationary convective clusters during the warm seasons in Japan

15:15〜15:45 質疑・討論

休憩

16:00〜17:30 第3部 一般ポスター発表

18:30〜 懇親会

2日目 (6月16日)

09:00〜09:30 受付

09:30〜10:30 第1部【特別講演】The sensitivity of modeled MCSs to low-level moisture (Dr. Russ S. Schumacher)

10:30〜11:00 対流スケールの短時間予測の精度向上のための地上設置型マイクロ波放射計ネットワークのリアルタイムデータ同化手法の開発 (防災科研 加藤亮平 特別研究員・清水慎吾 主任研究員・下瀬健一 特別研究員)

Real-time data assimilation of ground-based microwave radiometer network for cloud-scale short-range rainfall forecast in Tokyo Metroplitan region

11:00〜11:30 質疑・討論

11:30〜13:00 昼食

13:00〜14:00 第2部【特別講演】Advancing probabilistic rainfall forecasts through ensemble prediction and application of machine learning (Dr. Russ S. Schumacher)

14:00〜14:30 アンサンブル予報を用いた日本の竜巻や豪雨の解析 (気象研 横田祥 研究官)

Ensemble_based analysis for heavy rains and tornadoes in Japan

14:30〜15:00 質疑・討論

休憩

15:15〜16:15 第3部 一般口頭発表

16:30〜17:30 総合討論

＊使用言語は英語です．

特別講演 要旨

The ingredients for extreme rainfall, and how mesoscale convective systems (MCSs) can bring them together

Heavy precipitation can be summarized by the equation sometimes called the “first law of quantitative precipitation forecasting,” that the total precipitation at a point is simply the product of the average rain rate and the rainfall duration. Extreme rainfall accumulations can occur when the rain rate, the duration, or both are very large. Yet despite the simplicity of this equation, understanding and (especially) predicting extreme rain events can be a great challenge. The ingredients for large rain rates include water vapor and upward motion, which can be reasonably represented in observations and models, but cloud microphysical processes, which are not well understood, can either enhance or mitigate rain rates. Rainfall duration is a function of the size, speed, and organization of the rain-producing storms. When they are organized and move in particular ways, mesoscale convective systems (MCSs) can produce both very high rain rates for a long period of time.

This presentation will explore the processes in MCSs that support extreme precipitation, including insights from observations and numerical models. We will address questions such as: what distinguishes extreme-rain-producing MCSs from those producing more modest amounts? What processes lead to slow-moving, long-lasting MCSs that often produce heavy rain? What role do vortices (including tropical cyclones, mesoscale convective vortices, and mesocyclones) play in heavy-rain production? What are some of the key remaining questions in the understanding of extreme-rain-producing MCSs?

The sensitivity of modeled MCSs to low-level moisture

Although numerical models often faithfully represent the structures and processes associated with MCSs, they often have large errors in the placement and rainfall production of those MCSs. Here, I will show how this may be related to errors and uncertainties in the profile of water vapor in the MCS environment. Two sets of simulations, with varying levels of complexity, show that small changes to the near-surface moisture profile can lead to large changes in the resulting MCS. Unsurprisingly, small additions or subtractions of water vapor change the rainfall rates and accumulations from the MCS, but more surprisingly they can also result in large differences in the location and spatial distribution of rainfall.

Radiosonde observations from the 2015 Plains Elevated Convection At Night (PECAN) field campaign show substantial moisture differences from operational model analyses used to drive convection-allowing forecasts. Analysis of the 24-25 June 2015 PECAN MCS reveals similar sensitivities as the idealized simulations: moisture errors in models lead to displacement errors in MCS precipitation. Differences between the observed moisture in PECAN soundings and the analyzed moisture in the operational Rapid Refresh analysis will be presented across a large sample of cases from 2015, and potential implications for quantitative precipitation forecasting will be discussed.

Advancing probabilistic rainfall forecasts through ensemble prediction and application of machine learning

Heavy precipitation has inherently limited predictability, owing to the small spatial scales on which it occurs, and uncertainty in the atmospheric initial conditions and representation of physical processes. As such, it is best to present forecasts of heavy precipitation probabilistically. Ensemble forecasting provides a potential remedy to this problem, yet many limitations remain: ensembles can be computationally expensive to run, they tend to be underdispersed, and there are challenges in presenting low-probability but potentially high-impact forecast scenarios. In this presentation, I will outline some recent advances in post-processing for ensemble forecasts of heavy precipitation that involve the application of machine-learning algorithms to a long record of model forecasts and resulting observations. The method incorporates both model QPF and heavy-rainfall ingredients, and outputs probabilities of exceeding various recurrence interval thresholds. It results in improvements over the "raw" ensemble output in all areas, but especially in regions where most heavy rainfall comes from convective systems. I will also discuss our collaboration with operational forecasters to include this machine-learning model output as an input to their forecast process.

申込み方法・問合せ先

参加フォームはこちら

計56名の方にご登録いただきました．誠にありがとうございました．

締め切りを延長しています．(2018-06-02 追記)

一般発表・参加申し込みを締め切りました．(2018-06-08 追記)

お問い合わせは，メソ気象セミナー事務局 meso.discuss [at] gmail.com まで．

(お手数ですが，[at] を @ に変えて送ってください．)

謝辞

本セミナーは，東京大学大気海洋研究所共同利用研究（受付番号104，2018）及び日本気象学会国際学術研究集会出席補助金 (国内で開かれる国際学術研究集会への旅費補助) の助成を受けています．

更新履歴

• 2018-04-16 ホームページを公開しました．

• 2018-04-16 参加受付を開始しました．

• 2018-04-21 講演者を記載しました．

• 2018-05-10 講師の紹介欄を追記しました．

• 2018-05-10 現在の参加者を追記しました．

• 2018-05-22 現在の参加者を更新しました．

• 2018-05-24 現在の参加者を更新しました．

• 2018-05-31 現在の参加者を更新しました．

• 2018-06-02 現在の参加者を更新しました．締め切りを延長しました．

• 2018-06-04 現在の参加者を更新しました．特別講演の題目・要旨を追記しました．

• 2018-06-08 現在の参加者を更新し，一般発表・参加申し込みを締め切りました．