[ACG46-P09] 地上観測による降雪データを用いたGSMaPの検証
キーワード：GPM, GSMaP, Solid Precipitation
衛星全球降水マップ（Global Satellite Mapping of Precipitation, 以降GSMaP）は複数の衛星マイクロ波センサ（GPM-Core GMI, TRMM TMI, GCOM-W1 AMSR2, DMSPシリーズ SSMIS, NOAAシリーズ AMSU, MetOpシリーズ AMSU, 静止気象衛星 IR等）を利用した世界の降水分布データである。2002年から開発が始まったGSMaPは、熱帯降雨観測衛星（TRMM）の成果とともに発展を続け、2012年の全球降水観測計画主衛星（Global Precipitation Measurement Mission Core-satellite：GPM）運用開始後は緯度60°まで領域を拡大し、GPMの成果を盛り込んだアルゴリズムの改訂・改良が行われている。現在の標準プロダクトは、空間分解能については緯度経度0.1度格子、時間分解能は1時間で、観測の約3日後に提供される。(※プロダクトの種類により、提供までの所要時間は異なる。)
2017年1月18日にリリースされたGSMaPプロダクトバージョン04（アルゴリズムバージョン07）には初めて降雪推定機能が付加された。これまでのGSMaPでは降雪域を全て欠損値としていたが、客観解析データから雨雪を判定する手法（Sim and Liu 2015）と、輝度温度とレーダデータの統計から作成したルックアップテーブルから降雪確率および降雪強度を推定する手法（Liu and Seo 2013）がGSMaPの降水推定アルゴリズムへ組み込まれた。同時にNOAA/NESDISの提供するSnow/Ice Cover Mapsを入力に追加し、高緯度域での偽の降水シグナルを抑制した。これにより、降雪可能性の高い領域についてSnow Probabilityというパラメータの形で雨雪判定データが得られるようになった（Kubota et al., in preparation）。
一方、地上での降雪観測については、日本気象庁の地上気象観測網による観測データが利用可能である。気象庁が採用している雨量計は3種類あり、転倒ます式雨量計（RT-1）、温水式降水量計（RT-3）、風防を備えることの多い溢水式降水量計（RT-4）である。雪や霰のような固体降水については、降水量計の方式や形状、降水の状況などにより捕捉率、蒸発損失、飛び込み/飛び出し、濡れ損失、着雪による影響が異なり大きな観測誤差を生じうることはよく知られている。さらに、固体降水の場合は風による補足損失が誤差の大分を占め、場合により降水量の50％にも達する。このため、観測時の風速や降水量計の観測バイアスに応じた補正手法が提案され、使われている。WMO（World Meteorological Organization）においては二重の防風柵（Double Fence Intercomparison Reference：DFIR）内での降雪観測がリファレンスとして推奨されてはいるものの、降雪時の降水量の地上観測に関しては依然課題が多いのが現状である。そのような地上での降雪観測に対して、人工衛星データからの降雪推定がどの程度の相関や精度を持っているかを調査することが目的である。
本研究では、GSMaPバージョン04の降雪推定結果について、アメダスデータおよび個別の地上雨量計を用いて検証した。日本の気象庁の地上気象観測網の全国約1300箇所の観測所のうち、降雪の観測量が得られるのは約323箇所である。この323箇所について、GSMaPのSnow Probabilityを用いてカテゴリー検証を行い的中率、誤検出率などを評価した。さらに、観測所の標高、風速などの条件により精度がどのように変わるかを調査した。次に、観測された地上降水量について降水量計の種別や補正パラメータが既知のものについて補正を行ったうえで、GSMaPの推定降水量と比較した。
2017年1月18日にリリースされたGSMaPプロダクトバージョン04（アルゴリズムバージョン07）には初めて降雪推定機能が付加された。これまでのGSMaPでは降雪域を全て欠損値としていたが、客観解析データから雨雪を判定する手法（Sim and Liu 2015）と、輝度温度とレーダデータの統計から作成したルックアップテーブルから降雪確率および降雪強度を推定する手法（Liu and Seo 2013）がGSMaPの降水推定アルゴリズムへ組み込まれた。同時にNOAA/NESDISの提供するSnow/Ice Cover Mapsを入力に追加し、高緯度域での偽の降水シグナルを抑制した。これにより、降雪可能性の高い領域についてSnow Probabilityというパラメータの形で雨雪判定データが得られるようになった（Kubota et al., in preparation）。
一方、地上での降雪観測については、日本気象庁の地上気象観測網による観測データが利用可能である。気象庁が採用している雨量計は3種類あり、転倒ます式雨量計（RT-1）、温水式降水量計（RT-3）、風防を備えることの多い溢水式降水量計（RT-4）である。雪や霰のような固体降水については、降水量計の方式や形状、降水の状況などにより捕捉率、蒸発損失、飛び込み/飛び出し、濡れ損失、着雪による影響が異なり大きな観測誤差を生じうることはよく知られている。さらに、固体降水の場合は風による補足損失が誤差の大分を占め、場合により降水量の50％にも達する。このため、観測時の風速や降水量計の観測バイアスに応じた補正手法が提案され、使われている。WMO（World Meteorological Organization）においては二重の防風柵（Double Fence Intercomparison Reference：DFIR）内での降雪観測がリファレンスとして推奨されてはいるものの、降雪時の降水量の地上観測に関しては依然課題が多いのが現状である。そのような地上での降雪観測に対して、人工衛星データからの降雪推定がどの程度の相関や精度を持っているかを調査することが目的である。
本研究では、GSMaPバージョン04の降雪推定結果について、アメダスデータおよび個別の地上雨量計を用いて検証した。日本の気象庁の地上気象観測網の全国約1300箇所の観測所のうち、降雪の観測量が得られるのは約323箇所である。この323箇所について、GSMaPのSnow Probabilityを用いてカテゴリー検証を行い的中率、誤検出率などを評価した。さらに、観測所の標高、風速などの条件により精度がどのように変わるかを調査した。次に、観測された地上降水量について降水量計の種別や補正パラメータが既知のものについて補正を行ったうえで、GSMaPの推定降水量と比較した。