共同発表：「京」にて現実大気の世界最大規模アンサンブルデータ同化に成功～天気予報シミュレーションの精度向上へ～

理化学研究所（理研）計算科学研究機構データ同化研究チームの三好建正　チームリーダーらの研究チーム^※は、天気予報シミュレーションの高精度化を目指し、スーパーコンピュータ「京」^注１）を使って、現実大気で世界最大規模となる１０，２４０個の「全球大気アンサンブルデータ同化^注２）」に成功しました。これにより、数千ｋｍに及ぶ遠方の観測データを活用して天気予報の精度を大幅に改善できる可能性が明らかになりました。

２０１４年７月２３日に発表したプレスリリース「『京』を使い世界最大規模の全球大気アンサンブルデータ同化に成功　－天気予報シミュレーションの高精度化に貢献－」では、通常は１００個程度に限られるアンサンブルを、１０，２４０個に飛躍的に向上させることに成功したものの、疑似観測データを使ったシミュレーション実験によるものでした。今回、現実大気の観測データと解像度１１２ｋｍの全球大気モデルＮＩＣＡＭ^注３）を使って、１０，２４０個のアンサンブルデータ同化に成功しました。その結果、実際の天気予報シミュレーションにおいて数千ｋｍに及ぶ遠方の観測データを活用できる可能性があることが分かりました。全球降水観測ＧＰＭ^注４）による衛星観測データなどさまざまな観測データをより効果的に活用して天気予報の改善に役立てられる可能性があります。

本研究は、ＩＥＥＥ^注５）発行の米国の科学雑誌『Ｃｏｍｐｕｔｅｒ』（１１月号）に掲載されます（デジタル版は１１月中旬に定期購読者に公開予定）。

※研究チーム
理化学研究所　計算科学研究機構　データ同化研究チーム

チームリーダー	三好　建正　（ミヨシタケマサ）
特別研究員	近藤　圭一　（コンドウケイイチ）
研究員	寺崎　康児　（テラサキコウジ）

＜背景＞

２０１４年７月２３日に発表したプレスリリース「『京』を使い世界最大規模の全球大気アンサンブルデータ同化に成功　－天気予報シミュレーションの高精度化に貢献－」^※）で紹介した研究では、これまで１００個程度、多くても１，０００個程度で行われていたアンサンブルデータ同化を、桁違いの１０，２４０個まで増やして実施し、はるか１万ｋｍ遠方の観測データを活用できる可能性を初めて明らかにしました。しかし、このときの実験は低解像度かつ単純化されたＳＰＥＥＤＹモデル^注６）を用いたシミュレーション実験で、現実大気の実際の観測データを用いたものではありませんでした。このため、この成果がそのまま現実大気に適用できるかは明らかではありませんでした。

実際の観測データを使って現実大気について同様の実験を行うためには、ＳＰＥＥＤＹモデルのような低解像度かつ単純化されたモデルではなく、現実大気を忠実に再現するモデルが必要です。しかし、そのようなモデルではデータ量や計算量、扱うファイル数が桁違いに大きくなるため、これまで実施することが困難でした。例えば、１０，２４０個のアンサンブル予報^注２）の１時刻あたりのデータ量は、ＳＰＥＥＤＹモデルで５．６６ギガバイト（ＧＢ）であるのに対し、解像度１１２ｋｍの全球大気モデルＮＩＣＡＭを使うと２００倍以上の１．２１テラバイト（ＴＢ、１ＴＢは１，０２４ＧＢ）になります。また「京」における計算量も、１回のデータ同化あたりＳＰＥＥＤＹモデルでは３９０ノード時間積^注７（１ノード時間積は、１ノードを使って１時間かかる計算量）だったのが、ＮＩＣＡＭではおよそ２２倍の８，６００ノード時間積となります。さらに、ＮＩＣＡＭは全球の大気状態のデータを４０個に分割して扱うため、１０，２４０個のアンサンブル予報のファイル数は、ＳＰＥＥＤＹモデルの場合の４０倍の４１万個になります。６時間毎の観測データを使い、１週間分程度計算する必要があり、このような大規模なデータ量、計算量、ファイル数のすべてに対応するためには、「京」の能力が必要です。

※）2014年7月23日プレスリリース「『京』を使い世界最大規模の全球大気アンサンブルデータ同化に成功－天気予報シミュレーションの高精度化に貢献－」
http://www.riken.jp/pr/press/2014/20140723_2/

＜研究手法と成果＞

本研究では、「京」を活用することで、現実大気の実際の２０１１年１１月の観測データと、解像度１１２ｋｍの全球大気モデルＮＩＣＡＭを使った１０，２４０個のアンサンブルデータ同化に成功しました。この結果、北米大陸五大湖付近の観測データの影響が、はるか数千ｋｍ遠方まで及ぶ相関パターンを発見しました（図ｂ）。この相関パターンは、観測データの湿度が高い場合にその影響がどのように空間的に広がるかに対応しており、暖色系は湿度が高く、寒色系は低くなることを示します。８０個のアンサンブルでは統計上のランダムノイズが大きく、地球全体に不自然なパターンが広がります（図ａ）。このため、アンサンブルデータ同化では、通常、観測データの影響範囲を半径１，０００～２，０００ｋｍ程度に限定して扱います（図ｃ）。

＜参考図＞

図　アンサンブルデータ同化による対流圏界面付近での水蒸気量の相関マップ

１１月８日午前９時（日本時間）。暖色系は正の相関、寒色系は負の相関を示す。（ａ）８０個のアンサンブルを使った場合、（ｂ）１０，２４０個のアンサンブルを使った場合、（ｃ）８０個のアンサンブルを使って観測の影響範囲を半径１，２６０ｋｍに限定した場合。（ｃ）と比べて（ｂ）の相関パターンが数千ｋｍに及ぶことが分かる。

＜今後の期待＞

本研究により、現実大気で数千ｋｍ遠方にも及ぶ大気の誤差相関の存在が明らかとなりました。観測データの影響範囲を広げることで、大気状態の推定精度を向上できる可能性があります。将来、計算コストを抑えながら、効果的に観測データの影響範囲を広げる方法を研究するなど、ＧＰＭによる衛星観測データなどさまざまな観測データを現在よりさらに効果的に活用することで実際の天気予報シミュレーションの精度向上への貢献が期待できます。

本研究の一部は、科学技術振興機構（ＪＳＴ）戦略的創造研究推進事業（ＣＲＥＳＴ）「科学的発見・社会的課題解決に向けた各分野のビッグデータ利活用推進のための次世代アプリケーション技術の創出・高度化」（研究総括：北海道大学・田中譲）における研究課題「「ビッグデータ同化」の技術革新の創出によるゲリラ豪雨予測の実証」（研究代表者：三好建正）、「ビッグデータ統合利活用のための次世代基盤技術の創出・体系化」（研究総括：国立情報学研究所・喜連川優）における研究課題「ＥＢＤ：次世代の年ヨッタバイト処理に向けたエクストリームビッグデータの基盤技術」（研究代表者：東京工業大学・松岡聡、共同研究者：三好建正）、宇宙航空研究開発機構（ＪＡＸＡ）降水観測ミッション（ＰＭＭ）第７回研究公募（ＲＡ）における研究課題「ＴＲＭＭ／ＧＰＭ降水観測データのアンサンブルデータ同化」（研究代表者：三好建正）および文部科学省フラッグシップ２０２０プロジェクト（ポスト「京」の開発）「ポスト「京」で重点的に取り組むべき社会的・科学的課題」における重点課題④「観測ビッグデータを活用した気象と地球環境予測の高度化」（課題責任者：海洋研究開発機構・高橋桂子、サブ課題実施者：三好建正）の一環として行われました。

＜論文情報＞

タイトル：Big Ensemble Data Assimilation in Numerical Weather Prediction

著者名：Takemasa Miyoshi, Keiichi Kondo, Koji Terasaki

雑誌：Computer

DOI：10.1109/MC.2015.332

＜用語解説＞

注１）スーパーコンピュータ「京」: 文部科学省が推進する「革新的ハイパフォーマンス・コンピューティング・インフラ（ＨＰＣＩ）の構築」プログラムの中核システムとして、理研と富士通が共同で開発を行い、２０１２年９月に共用を開始した計算速度１０ペタＦＬＯＰＳ級のスーパーコンピュータ。
注２）アンサンブルデータ同化、アンサンブル予報: アンサンブルとは、フランス語で「一緒に」「一揃い、全体」という意味で、複数のシミュレーションを実行して、同等に確からしい「パラレルワールド」をつくり、予測のばらつきを表現する。例えば、１００個のアンサンブル予報では、１００個の独立なシミュレーションを並行して実行する。アンサンブルの数が増えるほど統計上のランダム誤差（ランダムノイズ）が減少するが、必要な計算能力も格段に増加する。データ同化とは、シミュレーション結果を、実際の観測結果とつきあわせて修正する手法。シミュレーションで作られた世界は、そのままでは現実世界とかけ離れていくが、実際の観測結果と付きあわせて修正する。アンサンブルデータ同化は、複数のシミュレーションによるアンサンブル予報を用いて、日々変動する誤差を考慮する高度なデータ同化手法。
注３）全球大気モデルＮＩＣＡＭ: ＮＩＣＡＭはＮｏｎｈｙｄｒｏｓｔａｔｉｃ　ＩＣｏｓａｈｅｄｒａｌ　Ａｔｍｏｓｐｈｅｒｉｃ　Ｍｏｄｅｌの略。地球全体で雲の発生・挙動を直接計算することにより高精度の計算を実現した全球気象モデル。従来の全球気象モデルでは、高気圧・低気圧のような大規模な大気循環と雲システムの関係について、なんらかの仮定が必要とされ、不確実性の大きな要因となっていた。ＮＩＣＡＭは主に水平解像度８７０ｍ～１４ｋｍの範囲で運用されており、８７０ｍ～３．５ｋｍの超高解像度を用いる場合は全球雲解像モデル、７ｋｍ～１４ｋｍの解像度を用いる場合は全球雲システム解像モデルと呼ばれる。今回は特に解像度１１２ｋｍで１４ｋｍよりも１０倍程度低解像度で動かしている。
注４）全球降水観測（ＧＰＭ）計画: 全球降水観測ＧＰＭ（Ｇｌｏｂａｌ　Ｐｒｅｃｉｐｉｔａｔｉｏｎ　Ｍｅａｓｕｒｅｍｅｎｔ）計画は、宇宙航空研究開発機構（ＪＡＸＡ）、米国航空宇宙局（ＮＡＳＡ）などによる国際計画で、水循環変動観測衛星「しずく」やＧＰＭ主衛星などの人工衛星のさまざまなセンサを使って地球上の降水を観測する。ＧＰＭ計画のプロダクトのひとつの衛星全球降水マップ（ＧＳＭａＰ）により、準リアルタイムで世界中の降水分布を取得できる。
注５）ＩＥＥＥ（Ｔｈｅ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　Ｅｎｇｉｎｅｅｒｓ）コンピュータ・ソサイエティ: ＩＥＥＥコンピュータ・ソサイエティは、現代コンピューティングのあらゆる分野の専門家のための世界トップの会員組織。会員の技術向上やキャリア・アップ支援として、出版物、オンライン図書館、カンファレンス、業界基準、技術委員会、トレーニングや教育プログラム、最新技術に関するイベント、学会関連の出版、その他多くのサービスを提供している。詳細は、www.computer.org.に掲載（英語）。
連絡先：Ｋａｔｈｅｒｉｎｅ　Ｍａｎｓｆｉｅｌｄ　Tel: +1-714-816-2182
E-mail：
注６）ＳＰＥＥＤＹ（スピーディ）モデル: ２００３年にＭｏｌｔｅｎｉらによって開発された低解像度で単純化された全球大気シミュレーションモデル。全球を東西９６×南北４８×鉛直７の格子に区切って、各格子の気象要素（水平風、気温、水蒸気量、表面気圧、降水量など）をシミュレーションする。水平格子数は４，６０８個。
注７）ノード時間積: １ノードを使って１時間かかる計算量を１ノード時間積という。「京」の場合、１ノードは中央演算装置ＣＰＵ１個（８コア）で構成されており、全部で８８，１２８ノードある。