发现流入日本的大气河流的早期可预测性热带变化的预测性能是关键新闻发布会2025.04.25 国立研究开发法人海洋研究开发机构 1 .发表要点在日本，被称为大气河的丰富水蒸气的流入是带来暴雨的原因之一。 如果能早期预测大气河流，就可以减少暴雨造成的风水灾害。 季节预测模型SINTEX-F2※1使用验证了大气河流流入日本的季节性频率是否可以预测。 结果表明，最多可以预测7个多月前大气河流到来的频率。 大气河流的季节性行为会改变太平洋高气压热带波动※2的远程影响，通过捕捉该机制可以对大气河流进行早期预测。 因此，能够高精度预测热带变动的数值模型很有可能能够早期预测大气河流。 图1本研究所发现的能够预测大气河流季节的机制模式图 夏季大气河流的变化受到来自日本西南方向的控制水蒸气流动的太平洋高气压的影响，但太平洋高气压受到菲律宾附近海面水温决定的积云对流活动的远程影响。 由于该海面水温和远程影响与厄尔尼诺和印度洋偶极子模式等时间空间尺度的大气候变化有关，本来很难预测的大气河流可以早期预测。 用语解说 ※1 SINTEX-F2 日欧共同研究开发的季节预测模型。 由大气海洋耦合模型构成，对厄尔尼诺、印度洋偶极子现象的预测显示出较高的精度。 ※2 热带波动 是指厄尔尼诺、印度洋偶极子现象等由大气-海洋相互作用引起的大气-海洋大规模循环场的变化。 2 .概要国立研究开发法人海洋研究开发机构(理事长大和裕幸，以下称为“JAMSTEC”。 ) APP应用实验室主任研究员马场雄也利用季节预测模型SINTEX-F2，对导致日本暴雨的大气河流(流入日本上空的丰富水蒸气的流动)能否早期预测，以及其季节可预测性，由JAMSTEC拥有的超级计算机 验证的结果表明，最多可以预测7个多月前大气河流流入日本的季节性频率。 另外，大气河流的变化受到了位于日本东南的太平洋高气压和东南亚发生的热带变动的影响，季节预测模型通过很好地把握这些因素，表明大气河流是可以预测的。 本研究的成果展示了大气河流的早期可预测性及其背景机制，暗示了即使使用一般的数值预报模型也可以早期预测大气河流，期待将来对减少日本大气河流带来的暴雨灾害做出贡献。 另外，本研究得到了JSPS科研经费24K07146的资助。 本成果于4月24日(日本时间)刊登在“Atmospheric Science Letters”上。 论文信息 标题 seasonal prediction of atmospheric rivers in the western north Pacific using a seasonal prediction model 作者马场雄也1 所属
3 .背景日本夏季暴雨集中发生，为了减少暴雨造成的风水灾害，一直寻求尽早且正确地预测暴雨的技术。 然而，早期预测暴雨在技术上还存在诸多课题，至今仍被认为难以早期预测。 日本因为几个大气现象而发生了暴雨。 其中，近年来被称为“大气之河”的、在日本引起暴雨的、来自日本西南方向的丰富的水蒸气流动备受瞩目。 据指出，根据研究，日本发生的极端暴雨的7成左右是由大气河流引起的。 因此，如果能早期预测这条大气河流，就可以期待尽早察觉暴雨发生的危险性，减少风水灾害。 大气河流在北美西海岸也作为冬天带来暴雨的现象而闻名。 最近一项着眼于北美的研究显示，大气河流到来的频率最多可以在9个月前预测。 这暗示着日本也有可能提前预测大气河流。 但是，在以往的研究中，为什么大气河流能如此迅速地预测呢？虽然推测热带海面水温的预测会影响大气河流的预测，但理由尚不清楚。 本研究以以上背景为基础，利用由JAMSTEC开发的季节预测模型，对能否早期预测来到日本的大气河流进行了验证。 另外，如果可以预测的话，为了明确是什么原因导致可以预测，进行了详细的数据分析。 4 .成果使用季节预测模型，以2001-2020年间为对象，进行了每个季节12个月的再预测实验。 然后，用预测模型的评价指标验证了预测的大气河流与再分析数据有多一致。 图2(a )显示了与来日本的大气河流季节性发生频率相关的被称为异常相关系数的评价指标。 这意味着相关系数很高，超过某个值时可以预测该时期大气河流的行为。 例如，从1月开始预测的情况下，可以知道夏天大气河来的频率是多是少，可以从7个月前开始预测(图中①的期间)。 另外，从10月开始预测的情况下，第二年夏天，7个月以上的大气河流的发生频率也可以预测(图中②的期间)。 对于一周内大气河流登陆日本的频率，我们进一步细致地调查了季节预测模型能预测多少，结果发现，与先行研究进行的北美大气河流预测相比，可以以更高的精度进行预测(参考文献1 )图2(b )）。 根据以上内容可知，在本研究中使用的季节预测模型中，能够以高精度捕捉大气河流的行为。 像这样，在日本所在的西北太平洋对大气河流的可预测性进行调查的研究还是第一次。 本研究与北美的研究相比，能够以相对较高的精度预测大气河流的变化，因此推测与北美相比地域特征对预测精度产生了影响。 图2从再预测实验中得到的大气河流季节可预测性 ( a )表示的是用对再分析数据的异常相关系数表示的、日本西南部大气河流发生频率和强度的可预测性。 如果可以从预测开始时期(横轴)到预测目标时期(纵轴，斜线部分相当于夏季)通过数值模型进行预测，则会显示出较高的相关系数。 此外，当相关系数超过阈值时，不仅使用初始数据，而且还使用数值模型，这表示无法进行预测(在图中用图示出)。 ( b )表示用布莱恩技能得分表示的、日本西南部各区域大气河流的每周登陆频率预测精度。 0.2级分别相当于一周内，0次、12次、37次大气河流登陆的现象。 在关注北美西海岸的既往研究中，这些得分在0.1以下左右。 黑白条分别相当于从1月4月开始预测时的得分。 另外，通常在日本所处的中纬度带大气的变化是混沌的，大气的时间尺度与海洋相比非常短，像本研究这样，从超过3个月的很长时间前开始预测大气的变化被认为是不可能的。 也就是说，如果这么久以前就能预测大气河流的话，那应该是有什么理由的。 由于超过3个月的大气·海洋变动多来源于海洋，因此针对可以预测大气河流时的大气和海洋的变动，调查了哪些成分相互关联。 图3 (左)夏季大气河流流入日本时海面水温(颜色，K/% )和海面气压(灰色线，Pa/% )对大气河流发生频率的回归分析、(右)夏季海面气压的主分析分析(黑色线，hPa )及海面气压和海面水温的回归分析 回归分析显示海面水温和海面气压对大气河流发生频率的响应。 主分析分析显示了夏季占支配地位的海面气压模式和与该模式有很强相关性的海面水温模式。 图3表示的是6~8月期间大气河流进入日本时海面水温和海面气压的关系。 比较预测数据和再分析数据，可以看出日本东南有太平洋高气压，同时菲律宾周边海面水温高且海面气压低。 这表明在东南亚地区有强(弱)对流活动的话，太平洋高气压会变强(弱)，会影响大气河流的变化。 该海面水温和海面气压的变化与Pacific-Japan(PJ )模式这一热带变动影响中纬度大气变化的远程连接(远程影响)模式一致。 因此，大气河流的季节性行为通过该PJ模式受到了热带波动的影响，表明热带波动的预测精度对大气河流的季节预测很重要。 实际上，通过调查这个季节预测模型是否能捕捉到厄尔尼诺、印度洋偶极子现象等热带变动，发现预测技能会显示出良好的结果。 五.今后展望本研究使用了JAMSTEC开发的季节预测模型，但大气河流的可预测性和背景机制具有普遍性。 因此，纳入海洋模型的一般数值预报模型也有可能实现大气河流的早期预测。 今后，包括与其他机构的合作在内，将探索大气河流的早期预测能否和每天的天气预报一样实现，也就是说能否进行现场预测。 如果能够进行这样的预测，就可以降低由大气河流引起的暴雨造成的风水灾害。 另外，由于热带变动预测精度会影响大气河流的季节预测的精度，因此通过引入将观测数据编入预测初期的海洋数据的数据同化方法、更高精度地捕捉热带积云对流活动的云模型等更准确地捕捉热带变动的技术，可以更高精度地预测大气河流 本研究的咨询方式 国立研究开发法人海洋研究开发机构 增值信息创生部门APP实验室 主任研究员马场雄也 新闻发言人 海洋科学技术和战略部新闻办公室 |
|
|
