ヘイルストーム センターは異常気象予報をサポートするデータと大規模なモデルを収集しており、「ストーム チェイサー」が発生しています。

1996 年に公開された有名な災害アドベンチャー映画「トルネード」では、竜巻に関する詳細な研究を行うために、主人公が自ら竜巻の中心に探知装置を持ち込み、リアルタイムのデータ記録を実現しました。

この映画に触発されて、オーストラリアの気象学者ジョシュア・ソーダーホルムとジュリアン・ブライメロウは一緒に風を追う旅を始めました。そして、小型気象センサー氷探知機（ヘイルゾンデ）をひょう嵐の中に持ち込んで、ひょう嵐中の気象データを収集し、異常気象の研究方法に革命を起こすことに成功しました。

映画の詳細については、次のサイトをご覧ください。https://movie.douban.com/subject/1292454/

アイスプローブはひょう石に似た形状で、重さは約 24 g です。それらは気球に取り付けられ、ひょう嵐の中に放たれます。ひょう嵐の中心に入った後、二人は別れました。氷探知機は、ひょう石と同様に、ひょう嵐の中でひょう石の軌跡を検出し、ひょう石が嵐の中を移動するときの成長状況を記録します。さらに、氷測深機はスーパーセルのメソサイクロンを半回転追跡し、氷の大幅な成長を記録しました。

「それは放課後のプロジェクトとして始まりました。私たちは、既存のテクノロジーを使用して、映画で使用される装置を作成できないかどうかを確認したかったのです。氷探知機がひょう嵐の極限状態に耐えられることを確認するために、私たちは次のような問題を解決しました。製造プロセス中に多くの問題が発生しました。」とジョシュア・ソーダーホルム氏は言いました。

「ひょう嵐の中心からデータを収集することは、気象学の白鯨を追うようなもので、危険かつ魅力的です。ひょう嵐センターから収集されたデータは、ひょう嵐をモデル化する能力を向上させ、ひょう嵐におけるひょう石の挙動の直接的な証拠を提供します。しかし、それは思っているほど簡単ではありません。適切なタイミングで適切な場所にいて、適切な嵐に遭遇する必要があります。 」

数日間の不運が続いた後、彼らはスーパーセルに衝突し、なんとか2台の氷探査機をひょう嵐の中に送り込むことができた。スーパーセルは、水平規模が 10 キロメートルを超え、寿命が数十分から数時間の単一の激しい雷雨システムであり、通常の成熟した単一の雷雨よりも大きく、長く持続し、より激しいです。氷探査機はスーパーセルに捕らえられた後、気球から分離され、ひょう嵐の中のあられのように浮き上がり、時速120キロを超える風によって最終的には7キロ離れた地域まで運ばれた。

この研究に基づいて、彼らは次のスーパーセルを記録するためにさらに多くの氷探査機を使用することと、地面に落ちた氷探査機を収集して降ってくる雹に関するより詳細な研究を行うことを計画している。

予測不可能な気象システム

天気予報は人間の参加と切り離せないものです。スーパーコンピューター、衛星データ、レーダーデータの助けを借りても、気象システムを正確に予測することは依然として困難です。 1961 年、アメリカの気象学者エドワード ノートン ローレンツは、コンピューター プログラムを使用して将来の天気を予測しようとしました。

結果が得られた後、プログラムの中間ステップの出力値を次のステップの入力値として使用し、プログラムを再度実行しました。ただし、入力値は小数点以下 3 桁のみを保持し、プログラムは 6 桁の浮動小数点数で実行されるため、この 1000 分の 1 のずれにより、プログラムの出力値は前回得られた結果とはまったく異なります。

これに基づいて、彼はカオスシステムの概念を提案しました。気象システムは典型的なカオスシステムであり、完全にランダムではありませんが、特定の要因の変化により簡単に急激に変化します。言い換えれば、気象システムは非常に敏感なシステムです。

「バタフライ効果」は大げさだが典型的な例で、南米の熱帯雨林で蝶が二度羽ばたくと、米国に竜巻をもたらす可能性がある。このすべての原因は、蝶がシステムの初期変数を乱すことです。

したがって、完全に正確な天気予報を達成することは困難です。既存の気象予測手法では、つまり、数値天気予報 (NWP) では、まず予測領域をグリッドに分割し、次にスーパーコンピューターを使用して数値シミュレーションを通じて偏微分方程式を解きます。

この方法は非常に時間がかかり、数百のノードを備えたスーパーコンピューターを使用した場合でも、今後 10 日間の天気を予測するには数時間かかります。同時に、グリッド解像度によって制限されるため、一部の小規模な気象プロセスは近似関数によってパラメータ化され、気象予測に誤差をもたらします。

このため、小規模な異常気象や中長期の気象予測では、NWP が完璧であることは困難です。今年の台風5号ドゥスリの発生後、各機関がスーパーコンピューターを使用して異なるモデルに基づいて進路を予測したが、その構造は大きく異なっていた。同じモデルによる予測でも気象状況の変化に応じて常に修正され、台風が上陸するまでは比較的正確な予測ができません。

その後発生した台風6号「関羽」も、太平洋上で突然向きを変え、迷走を始め、ついには日本を直撃し、スーパーコンピューターを混乱させました。

同時に、さまざまな機関によって作成される天気予報は大きく異なるため、天気予報には予報士の参加も必要です。予報士はすべての天気予報結果を総合し、地域の気候特性、地形条件、個人の経験などと組み合わせて、最終的な天気予報を作成します。しかし、それが完全に正しいという保証はまだありません。仕方がありません、気象システムはとても予測不可能です。

異常気象を追う者たち

小規模スーパーセルは中長期天気予報の網をすり抜けた魚だ。スーパーセルの特徴は、急速に形成されるため予測が難しく、雷雨、ひょう、大雨、竜巻などの異常気象を容易に引き起こす可能性があることです。。

2021年8月16日の夜、北京市海淀区はスーパーセルと突然の大雨に遭遇した。漢和路の鉄道橋の下の水位は30分で1.75メートルまで上昇し、2人が死亡した。 2023年8月13日午後、江蘇省塩城市大豊区で竜巻が発生し、2人が死亡、15人が負傷した。この竜巻の形成にはスーパーセルも関係しています。

しかし、雷雨、ひょう、竜巻などの壮大な気象景観は探検家の目を楽しませることができるため、ソーデルホルムのような多くの嵐を追う人たちを魅了します。台風が近づいたり、近くにスーパーセルが形成されようとすると、ストームチェイサーは準備を整えて嵐に向かって走ります。

同時に、異常気象の最初の目撃者として、ストームチェイサーは、異常気象に関する直接の情報を収集し、気象研究に貴重な資料を提供することもできます。既存のコンピューティング モデルと AI モデル データベースを強化し、気象学の発展に重要な貢献をします。

NWPに匹敵する大規模気象モデル

2021年には早くもAlibaba Cloudは、DAMOアカデミーと国立気象センターが天気予測用のAIアルゴリズムを共同開発したことを明らかにした。そして、多くの厳しい対流天気を予測することに成功しました。同年9月、ディープマインドは深層生成モデルを使用して降雨量のリアルタイム予測を行う記事を「Nature」に発表した。

今年の初めに、Deepmind は GraphCast を正式に開始しました。これは、1 分間に 0.25° の解像度で今後 10 日間の世界の天気を予測できます。 4月には南京信息大学と上海人工知能研究所が共同で、GraphCastと比較して誤差をさらに低減した大規模天気予報モデル「Fengwu」を開発した。

その後、ファーウェイは「Pangu」気象モデルを発売した。モデルには3次元ニューラルネットワークが導入されているため、「盤古」の予測精度は、現在最も正確なNWP予測システムを初めて上回った。最近、清華大学と復旦大学が「NowCastNet」と「Fuxi」モデルを相次いでリリースした。前者は短期的な異常気象を予測するのに非常に役立ちますが、後者は予測期間を 15 日間に延長します。

赤: 「Pangu」モデルの予測

青: ECMWF の予測

黒：実際の状況

大規模な気象予測モデルは、予測精度と予測時間の点で従来の NWP 解析モデルに常に近づいており、部分的には超えていることがわかります。同時に、NWP と比較して、大規模な AI モデルの気象予測に必要な設備条件が低くなり、時間が短縮されます。 GraphCast は、Google TPU v4 を 1 つだけ使用して、将来の天気を数分で予測できます。

しかし、既存の大規模AIモデルは、過去の気象データを学習することによってのみ将来の天気を予測できます。したがって、極端な天候や突然の天候のシナリオでは、大規模なモデルも他のアルゴリズムの支援を必要とし、人間の参加なしでは実行できません。現時点では、嵐の中心で活動するストームチェイサーによって提供される気象データは、大規模な AI モデルの最適化にとってさらに重要です。人間と大型モデルが協力して、優れた「ストームチェイサー」を作り上げます。