A-train データを用いた日本海上降雪雲の構造解析

[要旨] GSMaPでは、アルゴリズムバージョン7から統計的手法による降雪推定手法が道入されたが、GPMに搭馘されたGMIなど高周波帯バンドを搭載したセンサに限られており、冬季日本海では過小評価領向である。降雪に対する高周波数帯のマイクロ波シグナルは、これまで氷の散乱による輝度温度の低下が卓越するとされてきたが、実際は雲水による放射により上昇していることが指摘されている。冬季日本海では、気団変質過程に伴う降雪雲の形状変化を見ることができる。A-trainを構成する衛星搭載センサは降雪雲の鉛直構造を詳細に捉えることができるため、雲の形状と雲粒子タイプを結びつけ、 降雪雲の三次元構造とマイクロ波シグナルを関連づけることで、降雪推定アルゴリズムの改良にも寄与すると考えられる。本研究は、雲の水平構造と雲頂付近の粒子相を関連付け、雲の水平バターンから粒子相を推定することを目的とする。本研究では、JAXA EORCが公開しているEarthCARE研究A-Turnプロダクトモニタデータセットのうら、気象場 (ECMWF)、レーダ・ライダ雲マスク (Cmask)、およびライダ雲粒子タイプ (Ctype) を用いた。水平構造の解析には、 Aqua/MODIS MYD06プロダクト雲水量 (0.01度グリッドに変換)データを用いた。雲の水平バターンの抽出にあたり、亜然帯域で雲の水平バターンを抽出した手法に準じ、MODIS雲水量に対して領域平均 (μ)・均質性 (γ) ・歪度・尖度を計算した。ただし、日本海筋状雲の水平スケールを考慮して、該当ピクセルの周囲O.5度四方とした。典型的な日本海筋状雲発生事例に対して、雲粒子相と雲バターンを比較した。気団変質の初期では、雲頂付近が過冷却水で、μは相対的に低く、 γは高かった。気団変質が進むにつれ、雲頂付近が氷となり、μは高く、γが低くなる。これは、筋状雲は背が低く小さく密な雲水のセルから、氷を伴う背が高く大きく疎な構造に変化することを反映している。2006-2014年1・2・12月に日本海上を通過したA-train日中軌道 (243事例)のうち、寒気の吹き出しを捉えている22事例を抽出し、μとγから雲頂付近が過冷却水か氷か最適に分類する閾値 (μ/γ=232) を求めて地図化した。一部事例を除き一致率が0.85程度で、Lake effectがみられるスペリオル湖の筋状雲でも0.8程度の一致率となった。

https://opac.ll.chiba-u.jp/da/curator/109273/

https://opac.ll.chiba-u.jp/da/curator/109273/BA64563608-21-P087.pdf

千葉大学環境リモートセンシング研究センター

Chiba University. Center for Environmental Remote Sensing

会議発表用資料

BA64563608

CEReS環境リモートセンシングシンポジウム資料集

21

87

87

2019-02-14

publisher

環境リモートセンシング研究センター「CEReSシンポジウム資料集」