日本気象学会2024年度秋季大会(つくば)に行ってきました

　11月12日(火)～15日(金)の日程で、つくば国際会議場を会場に「日本気象学会2024年度秋季大会」開催されています。私は大会2日目の「専門分科会2」で口頭発表に臨みました。

　11日(月)の昼頃に東京駅に到着した後、そのまま山手線に乗り換えて「有楽町」に向かいました。「有楽町」といえば、フランク永井さんの「有楽町で逢いましょう」が有名ですが、高層ビルが立ち並ぶ光景は、当時のムードとはかけ離れているようにも感じました。天にも昇るような高層ビルが密集し、地上では行き交う人の多さに目移りしました。

　そこから、再び東京駅に戻り、しばし丸の内駅前広場のベンチで休憩していたところ・・・突如、額に「ビタッ！」という嫌な感触が。思わず、過去の記憶がフラッシュバックしました。

　そっとティッシュで額を拭き取ると・・・はやり、黄緑色の粘性を持った液体の姿が・・・そうです。まさかの「人生２度目」の「鳥からの爆撃」を喰らいました。幸い、被弾個所は額とメガネのごく一部に限られ、スーツなど、衣服や荷物は難を逃れました。頭上では木の枝が広がり、葉が生い茂っていたので傘となって被害を軽減してくれたようです。

　それはそうと、被弾個所の洗浄のため、駅のトイレに駆け込んだのは言うまでもありません。これから学会発表の本番を控えているというのに、何とも不吉な予感が・・・。

　12日(火)につくば市に入り、会場の下見も兼ねて幾つか拝聴しておりました。本職の研究者や大学院生の皆さんのテーマは「気象現象のメカニズムや観測・データ解析の手法など」と言った基礎研究が中心でした。ハイレベルではありますが、なかなかに面白いものでした。

　

　そして13日(水)は、午前中の専門分科会２に参加しました。セッションテーマは「くらしと気象　～気象予報士に期待されること～」で、１０件の講演がありました。今回は２００人を収容する会議室に、３０～４０人位の聴講と言った感じでしょうか。セッションは終始和やかな雰囲気で進み、有意義なディスカッションが交わされました。

　気象予報士の皆さんのテーマは「気象の知識や情報をどのように活用し役立てるか」また「気象に関する知識の普及（主に教育）」と言った実践的な利活用（応用研究）が中心でした。同じ「気象」を基軸としつつも、（研究者の皆さんとは）互いに異なる役割を担っており、相補的な関係にあると感じました。

　この中で私は「GSM地上を用いた新潟県内における降雪量ニューロ・モデルの開発(第2報)」と題して発表を行いました。要は「人工知能の理論を応用した地域気象の予測」の研究です。実際は「(純粋な)気象学」と言うよりも「情報処理」の研究と言った方が良いかも知れません。とは言え、今年のノーベル物理学賞は「AI」の研究者が受賞しましたね。

　最後に、８月の週末に偶然目にした「お寺」に掲示してあった言葉を御紹介します。

「一瞬のために　どれだけ汗を流したか」。時期から察するに、おそらく「オリンピック」に関しての言葉だったのでしょう。しかし、私にとっては「学会発表に向かって準備する自らへの激励」にも受け取れました。

　学会発表において１件のテーマに割り当てられる時間は約１０分です。その一方で、そのテーマを発表するための資料（予稿やスライドなど）の準備やプレゼンの練習には数週間から数か月を要します。また、そもそも研究において「何らかの結果」が出るまでには数年レベルを要します。

　目に見える約１０分を有意義な時間にするために、数か月から数年の間に渡ってどれだけの労力を費やしたか・・・。まさに「一瞬のために　どれだけ汗を流したか」。そんなことを考えていました。そして今、私の「秋のオリンピック」は終わりました。

Yes, I did it!

生成ＡＩを用いたお絵描き(2)

　前回の記事では「生成ＡＩを用いたお絵描き」について述べました。今回は、雪山の中で白い猿が天然の温泉(露点風呂)を楽しんでいる様子を描いてみます。湯舟にはミカンが浮かんでおり、白猿は湯につかりながらお酒を楽しむ・・・と言うシチュエーションを目指します。

　まずは、前回「生成AIのお絵描き」と同様に「Ainova AI」を使用してみました。
【完全無料の画像・イラスト生成AIメーカー「Ainova AI」】※「写真風」を選択
https://generativeinfo365.com/無料の画像生成aiツール/

【入力プロンプト文】
　A white monkey is drinking alcohol while soaking in a hot spring. There are oranges floating in the hot spring.

　雪山はさておき(プロンプトに記載していないので)、肝心の「drinking alcohol」が上手く伝わっていないようですね。それにしても、この湯舟は「桶」ですよね？「猿が天然の露天風呂に入る」という状況がイメージできないなのかも知れません。

【入力プロンプト文】
On a snowy day, a white monkey is drinking hot alcohol while soaking in a hot spring. There are oranges floating in the hot spring.

　惜しい！肝心の「drinking alcohol」が反映されていませんね。「猿が酒を飲む」という状況はAIにとっても「想定外」ということでしょうか。それにしても、「お湯」なのに「湯気」が立たないのは気になります。

　そこで、新たに「ImageFX」も試してみました。これは、使用するためには「Googleアカウント」が必要となります。

【Google画像生成AI「ImageFX」 ※googleアカウントが必要】
https://aitestkitchen.withgoogle.com/ja/tools/image-fx

【入力プロンプト文】
On a snowy day , a white monkey is drinking hot alcohol while soaking in a hot spring . There are oranges floating in the hot spring .

　いきなり、それっぽい画像が生成されましたよ！。湯気のしっかり出ていますね。猿が手に持っているのは・・・木製のコップに赤ワインでしょうか。さすがに、「とっくりとおちょこ」は無理なのでしょうか。

【入力プロンプト文】
On a snowy day , a white monkey is drinking hot alcohol while soaking in a hot spring . There are oranges floating in the hot spring .

　こちらは、温泉で「ウイスキー」でしょうか。BGMに「ウイスキーはお好きでしょ♪」を合わせれば、CMになりそうですね。

生成ＡＩを用いたお絵描き

　最近は「生成ＡＩを用いたお絵描き」にもトライしています。

　使い慣れるまでは、やはり戸惑います。しかし、「ニューラルネットワーク」の応用研究に関わる者としては、やはり「生成ＡＩ」は気になります。時代の流れは「ＡＩ」を活用する方向に動いているので、私も少しずつ触れるようにしています。とは言え、何かと話題に上る「ChatGPT」は未経験です。

　ちなみに、今回使用したのは、こちらのＡＩです。

【完全無料の画像・イラスト生成AIメーカー「Ainova AI」】
https://generativeinfo365.com/無料の画像生成aiツール/

　一般的に、無料の生成ＡＩの多くは「多言語」に対応しているようです。しかし、実際に使ってみると、各国語で書かれたキーワードを一旦英語に自動翻訳した上で、その内容を基に作画しているようです。そこで、プロンプト文は英文で書きました。

　しかしながら、日頃から「英語でのコミュニケーション」の機会は無いので、英作文も怪しいものです。そこで、英文添削のＡＩ（下記）も併用しました。とりあえず、書きたいイメージの内容を、そこそこ意味が通る程度の「ブロークン・イングリッシュ」で記載することができれば、後はＡＩが綺麗に直してくれます。これで英語の自学自習も捗りそうですね。

【UGUIS AI】
https://uguis.ai/correction

　それでは、入力プロンプト文と、それを基に生成された絵を掲載します。

【入力プロンプト文】
hot dog.

【入力プロンプト文】
The steam locomotive train named "Galaxy Express 999" is heading towards the stars through space.

【入力プロンプト文】
A massive Tyrannosaurus rex has emerged in a modern city and is rampaging. Overhead, dark storm clouds are spreading and thunder is rumbling. A tornado has lifted a Tyrannosaurus into the air.

【入力プロンプト文】
A woman in a business suit with bobbed hair and glasses stands in front of a huge screen displaying weather satellite images. She points to a part of the screen, faces the viewer, and speaks.

　ちょっと・・・微妙にイメージと違うようですね。人間の持っている「常識」や「先入観」、「暗黙の了解」という概念が、おそらくＡＩにはないので、そこから伝える必要があると感じています。

　私の場合は「異文化コミュニケーション」と言うよりも、「ＡＩとのコミュニケーション」のために、「英語」を学ぶ必要性を痛感しています。

天気予報のパラダイムシフト

　かつて「予報官の勘と経験」を基に「将来の大気の状態」が描かれました。それが電子計算機の発達に伴って「数値予報」に代わり、人間から機械（数値予報）への「パラダイムシフト」が実現しました。今や「機械学習」が数値予報のプロダクトを学習しています。もしかすると、将来の天気予報は、数値予報から機械学習への「新たなパラダイムシフト」が起こるかもしれません。

　数値予報は「物理学の法則」を出発点に「演繹的に」将来の大気の状態を予測します。そして、機械学習は「既存のデータ」を基にして「帰納的に」将来の大気の状態を予測します。従って、必ずしも「一方が他方に勝る」ものではなく、性格の違う両者を「相補的」に使い分ける、と考えると良いでしょう。

　また、機械学習は予報のＱＴＡＴ化を実現します。一方、物理学に基づく数値予報は、現象のメカニズム解明と言う点で重要な役割を担い続けるでしょう。そして、これらの予測結果を適切に解釈し、使いこなすことが「人間」の役割となるのです。

　さらに必要に応じて、自ら独自の「数理モデル」を構築することも必要になるでしょう。「数理モデル」の構築には４種類の表現を使い分けます。それは、言語・イメージ・数式・プログラミングです。まず、解析対象を「言語」や「イメージ」を通して理解し、これを「数式」を用いて定量的に表現します。続いて「数式」を基にアルゴリズムを確立し、「プログラミング」を通して実装します。

　特に数学やプログラミングでは、論理や処理のプロセスを一つ一つ「抜け漏れ無く」着実に積み上げることが必要です。そのためには、必要とされるプロセスを「先読み」することと、そのプロセス群を適切な順序で繋ぎ合わせる「段取り」のスキルが求められます。その意味では、この両者は親和性があります。

2024年の夏は「前年よりは」マシだった

　昨年に倣って、山形県および新潟県内の8地点における8月の日最高気温の推移(1976～2024年)を調べてみました。日最高気温は「猛暑日(赤)」「真夏日(橙)」「夏日(黄)」「夏日未満(青)」の４階級に分け、各々の出現回数を表示しています。

　今年(2024年)は「真夏日」の出現が顕著だった一方、昨年に比べると「猛暑日」の出現は大幅に減少しました。今年の夏は、「真夏日」の占める割合が大きいため、全体の傾向としては高温傾向となりました。しかし、昨年(2023年)のような「連日の猛暑日」とまでは行かなかったようです。昨年の夏が「明らかに異常」だったことが判ります。

　また、近年は「真夏日」と「猛暑日」の占める割合が次第に大きくなる傾向が見られます。

角運動量と渦度を基にした「渦位」のイメージ

　４年前の記事「角運動量保存の法則」(2020-08-26)で、「気が向いたらまたの機会に…」と記していた「渦位」について、今回は書いていきます。

　さて、気象の世界では「渦位」とは「絶対渦度と安定度の積」と表記されることが多いようです。しかし、それだけでは直感的なイメージがなかなか浮かび上がりません。

　そこで今回は、「渦位」とは「角運動量と(絶対)渦度の性質を合体した物理量」との観点からイメージを描いていこうと思います。まずは「角運動量」と「渦度」のイメージをそれぞれ再確認し、その後で「渦位」のイメージを組み立てていきます。

１．角運動量のイメージを再確認

　過去の記事「角運動量保存の法則」(2020-08-26)も併せて御参照下さい。

　回転半径と回転速度の積が一定になる原理を「角運動量保存の法則」と言います。

　いま、回転軸の周りを半径r[m]、角速度ω[rad/s]で円運動する質量m[kg]の質点を考えます。この時、質点mの速度v[m/s]はv＝rωで表されます。

　ここで運動量は「(質量)×(速度)＝mv＝mrω」で定義されます。回転運動の場合は新たに、角運動量「(質量)×(半径)×(速度)＝mrv＝mrω²」という物理量を考えます。

　この角運動量が保存される「(角運動量)＝(質量)×(半径)×(速度)＝(一定)」というのが「角運動量保存の法則」です。

　例えば、円柱形の空気塊が回転している時に、周囲の上昇流に伴って空気塊が鉛直に引き延ばされると、その回転の勢いが増します。

　上の図では、左側の状態では回転半径が大きく、ゆっくりと回転しています。この空気塊が、何らかの理由で生じた上昇流によって、鉛直方向に引き延ばされると、右側のように細長くなってしまいます。

　つまり、容積は一定のまま、回転半径は小さくなります。先の「角運動量保存の法則」の考え方に基づけば、半径が小さくなる分、回転速度が増すことになります。

　空気塊を鉛直に引き延ばすような上昇流は、積乱雲による場合もあれば、日射による地表面の加熱の場合もあります。

　竜巻は「積乱雲に伴う活発な上昇流」によって発生するものです。この上昇流によって、空気塊は鉛直方向に引き延ばされることで、強い渦が形成されます。

　一方、つむじ風（塵旋風）は「地面が日射によって加熱されることで生じる上昇流」によって発生します。この上昇流によって、空気塊は鉛直方向に引き延ばされます。

　両者は一見すると形が似ていますが、上昇流の要因は異なります。


２．渦度のイメージを再確認

　渦度については、こちらの過去記事も併せて御参照下さい。
絶対渦度と相対渦度のイメージ(2018-01-18)
ベータ効果のイメージ(2018-01-19)

　流れ場の中に「羽根車」を置くと、羽根車はクルクルと回転しながら下流へ移動します。この回転の指標が「渦度」であり、回転軸上の「ベクトル量」として表されます。流れ場が水平面上にある場合、渦度ベクトルは鉛直方向に生じます。この渦度(鉛直成分)の大きさをζ、水平面上のベクトル場を(ｕ，ｖ)と表記すると、「ζ＝(∂ｖ/∂ｘ)－(∂ｕ/∂ｙ)」の関係が成り立ちます。

　羽根車の回転と渦度の向きの関係は「右手の法則」で表すこともできます。右手の４本の指を回転の向きとすると、親指が渦度ベクトルの向きに対応します。正の渦度は「反時計回り」、負の渦度は「時計回り」の回転です。

　続いて、既に回転している羽根車（渦度ω）を「そっくりそのまま」別の回転状態にある回転台（渦度Ω）の上に乗せてみます。この時、羽根車の回転に伴う渦度は、回転台の上から見た場合と回転台の外から見た場合では、見え方が違ってきます。

　ここで、２人の観測者ＡとＢに登場してもらいます。一緒に回転台に乗るＡから見た羽根車の渦度は「ω」のままです。一方、回転台の外のＢから見ると、渦度は「Ω＋ω」となります。前者を「相対渦度」、後者を「絶対渦度」と言います。

　この「絶対渦度」と「相対渦度」の概念は、地球を取り巻く大気の流れに伴って生じる渦度を考える際に重要になります。「地球上にいる人」が「地球上で生じる渦度」を見た場合は「相対渦度」となる一方、「宇宙空間のある地点に固定された場所」から「地球上で生じる渦度」を見た場合は「絶対渦度」という事です。

　いま、自転する地球は「回転台」(渦度f=2Ω)に相当します。fの値は緯度φ°に応じて変化し、f=2Ωsinφです。

　さらに大気の流れに伴い、「ある地点」で別の渦度が生じると、これは「羽根車」(渦度ζ)に相当します。この時、羽根車の渦度は地球上のＡから見ると「ζ」、宇宙空間のＢから見ると「f＋ζ」となります。


３．渦位のイメージを構築

　以上の内容を踏まえて、渦位のイメージを組み立てていきます。

　流れ場の中に「羽根車」を置くと、羽根車は回転しながら下流へ移動します。この回転の指標が「渦度」です。また「角運動量保存則」によれば、回転する円柱形の空気塊が鉛直に引き延ばされると、その回転の勢いが増します。これらの概念を一つにまとめると「渦位」のイメージが浮かび上がります。

　流体要素の「回転」と「伸縮」は表裏一体です。流れ場の面を水平面とすると、水平面の回転が変われば鉛直方向にも伸縮し、また鉛直方向に伸縮すれば水平面の回転も変わります。このように「互いのバランスを取るように」流体の挙動は形作られます。ここで、回転の度合いは「渦度」に相当し、伸縮の度合いは「角運動量」に相当します。

　ここで「空気塊の上端と下端を挟む平面が何なのか」によって、渦位を表現する式が変わります。例えば、浅水系の順圧大気であれば「等圧面」が考えられます。また、傾圧大気の場合は「等温位面」が多く用いられます。この上下の面の間隔が変化することで、流体要素が引き延ばされたり、縮められることで、回転の勢いも変化するわけです。

　ここからは、傾圧大気の場合を考えてみます。簡単のため、初期状態では（上図の上段のように）圏界面と等温位面は水平であると考えます。また、温位の分布については「下層で低く、上層で高い」ものとし、温位の鉛直傾度は対流圏より成層圏で大きいものとします。

　ここで、上下を等温位面で挟まれた空気塊の渦位を考えた場合、圏界面付近で渦位の正偏差を生じると、その付近では（上図の下段のように）圏界面が次第に垂れ下がります。これに伴って、等温位面にも変化が生じます。

　ここで、これまでのイメージを描き加えてみましょう。圏界面が垂れ下がった領域では、等温位面の間隔が広がるため、空気塊が鉛直に引き延ばされます。このため、正の回転が強まります。渦位の正偏差の成せる業ですね。

　また、対流圏上部の等温位面が一部、圏界面の上方に取り込まれるため、部分的に等温位面が盛り上がります。従って、この付近では周囲よりも温位が低くなります。この影響は下層にも及ぶため、下層で寒気ドームを形成します。

　今度は視点を変えて、等圧面と温度場の観点から見てみましょう。

　渦位の正偏差と言うことは「正の回転（低気圧性循環）」となるので、その西側では北風成分、東側では南風成分が卓越することになります。ここで、北半球の等圧面の高度分布を考えてみると「南側で高く、北側で低い」傾向があります。

　つまり、渦位の正偏差から見て、西側では北風成分に伴い「低高度の移流（高度が下がる）」、東側では南風成分に伴い「高高度の移流（高度が上がる）」を生じます。従って、西側では下降気流、東側では上昇気流の場の構造が浮かび上がります。

　さらに、北半球の等圧面の温度分布を考えてみると「南側で高く、北側で低い」傾向があります。つまり、渦位の正偏差から見て、西側では北風成分に伴い「寒気移流」、東側では南風成分に伴い「暖気移流」を生じます。

　以上をまとめると、渦位の正偏差の周囲では低気圧性循環が卓越し、その下層では寒気ドームが形成されます。また、西側では寒気移流の下降流場、東側では暖気移流の上昇流場が顕著になる構造が描けるのです。

　さて、「絶対渦度」は「非発散・断熱・摩擦無し」の条件で保存されるのに対し、「渦位」は「断熱・摩擦無し」の条件で保存されます。収束・発散があっても保存されるという点で、大気の流れを追跡するのに都合が良いという利点があります。

　対流圏中層(500hPa面)では、他の高度より収束・発散が小さいため「相対渦度」が用いられます。その一方で、対流圏界面付近では「渦位」が用いられます。

　低気圧の発達や上空の寒冷渦などの成因を考察する上で、圏界面付近の渦位の偏差を把握することも重要であることを述べて、この記事の締め括りとしましょう。

速度ポテンシャルΦ と 流れ関数(流線関数)Ψ

　大気の流れを表す指標には「速度ポテンシャルΦ」と「流れ関数(流線関数)Ψ」があります。

　大気は速度ポテンシャルΦの低い方から高い方に流れ、その極大・極小は収束・発散の中心を表します。また、流れの速度ベクトルの向きは、速度ポテンシャルの等値線(Φ=一定)に対して直角です。簡単な場を考えてみましょう。

　一様な西風と南風の２つの場合を考えてみます。速度ポテンシャルΦは、東西風（ｕ成分）の場合は東西方向（ｘ軸方向）に勾配を持つ一方、南北風（ｖ成分）の場合は南北方向（ｙ軸方向）に勾配を持ちます。

　西風の場合は東西位置ｘ、ｘ＋δｘにおける速度ポテンシャルΦ(ｘ)、Φ(ｘ＋δｘ)と風のｕ成分の関係を差分で表現し、ｕ＞０（西風）となる条件を求めます。この結果「Φ(ｘ＋δｘ)＞Φ(ｘ)」となり、「（風下のΦ）＞（風上のΦ）」となります。

　南風の場合は南北位置ｙ、ｙ＋δｙにおける速度ポテンシャルΦ(ｙ)、Φ(ｙ＋δｙ)と風のｖ成分の関係を差分で表現し、ｖ＞０（南風）となる条件を求めます。この結果「Φ(ｙ＋δｙ)＞Φ(ｙ)」となり、「（風下のΦ）＞（風上のΦ）」となります。

　こちらの図では、速度ポテンシャルΦが同心円状に分布する場を考え、その中心がΦの極大・極小になる場合を考えてみましょう。速度ポテンシャルΦの値が低い方から高い方に風は流れるので、中心が極小の場合は、中心から周囲に向かって風が流れます（発散）。一方、中心が極大の場合は、周囲から中心に向かって風が流れます（収束）


　続いて、大気は流れ関数(流線関数)Ψの高い方を右に見るように流れ、その極大・極小は高気圧性・低気圧性循環の中心を表します。また、流れの速度ベクトルの向きは、流れ関数(流線関数)の等値線(Ψ=一定,流線)に沿った(接線)の向きとなります。簡単な場を考えてみましょう。

　一様な西風と南風の２つの場合を考えてみます。流れ関数(流線関数)Ψは、東西風（ｕ成分）の場合は南北方向（ｙ軸方向）に勾配を持つ一方、南北風（ｖ成分）の場合は東西方向（ｘ軸方向）に勾配を持ちます。

　西風の場合は南北位置ｙ、ｙ＋δｙにおける流れ関数(流線関数)Ψ(ｙ)、Ψ(ｙ＋δｙ)と風のｕ成分の関係を差分で表現し、ｕ＞０（西風）となる条件を求めます。この結果「Ψ(ｙ)＞Ψ(ｙ＋δｙ)」となり、「Ψが高い方を右手に見るように」流れを生じます。

　南風の場合は東西位置ｘ、ｘ＋δｘにおける流れ関数(流線関数)Ψ(ｘ)、Ψ(ｘ＋δｘ)と風のｖ成分の関係を差分で表現し、ｖ＞０（南風）となる条件を求めます。この結果「Ψ(ｘ＋δｘ)＞Ψ(ｘ)」となり、「Ψが高い方を右手に見るように」流れを生じます。

　こちらの図では、流れ関数(流線関数)Ψが同心円状に分布する場を考え、その中心がΨの極大・極小になる場合を考えてみましょう。流れ関数(流線関数)Ψの値が高い方を右に見るように風は流れるので、中心が極小の場合は、反時計回りに風が流れます（低気圧性循環）。一方、中心が極大の場合は、時計回りに風が流れます（高気圧性循環）。

　最後にもう一点、速度ポテンシャルの等値線と流れ関数(流線関数)の等値線は直交します。

モンスーントラフ と モンスーンジャイア

　この記事を書いている2024年08月07日の時点で、日本の南海上には２つの熱帯低気圧が確認されています。梅雨が明けて、本格的な夏を迎えました。これから気になるのが、熱帯低気圧や台風です。

　熱帯低気圧や台風の発生するメカニズムは多様ですが、日本の南側の海上に見られる「モンスーントラフ」や「モンスーンジャイア」の動向も重要なカギとなります。

　日本の南側の海上では、まず南西から季節風(モンスーン)が流れ込みます。一方、太平洋高気圧の縁辺を回るように貿易風(東風)も流れ込むため、２つの流れが収束します。そこで形成される低圧部のことを「モンスーントラフ」と言います。この海域では熱帯低気圧や台風が発生しやすいのが特徴です。

　このモンスーントラフにおける低気圧性循環が成長することで、閉じた等圧線で囲まれた同心円状の低圧部(※)を形成することがあります。これを「モンスーンジャイア」または「モンスーン渦」と言います。この閉じた等圧線の直径は約2500kmにも及びます。また、モンスーンジャイアに伴う雲は、渦の中心から離れた東縁部～南縁部に形成されます。

　また、モンスーンジャイアと似た現象に「モンスーン低気圧」があります。こちらも閉じた等圧線で囲まれた同心円状の低圧部(※)となりますが、その直径は約1000km程度です。また、中心付近に対流活動を持たず、全体としてドーナツ状の雲分布を持つのが特徴です。

　いわゆる「台風」は中心付近で対流雲が組織化されるのに対し、「モンスーンジャイア」や「モンスーン渦」は中心ではなく周辺部で対流活動が活発になる傾向があります。

(※)実際の天気図上は、必ずしも綺麗に「閉じた同心円状」になるとは限りません。

2024年07月25日の庄内・最上地方の大雨

　2024年7月25日は山形県内で大雨に見舞われました。さらには、一時的に大雨特別警報が発表されるに至りました。まずは、被害に遭われた皆様に、お見舞いを申し上げます。

　この間、梅雨前線が日本海北部を通って北日本へ延びており、南西から暖かく湿った空気も流れ込んでいました。大気の状態も不安定になり、線状降水帯が発生したようです。持続的な大雨に見舞われた地域は「梅雨前線の南側(佐渡島２～３個分)」に位置しており、ちょうど対流が活発な部分に重なったものと推察されます。

　2024年7月25日06時～翌26日06時の山形県の「24時間降水量」の分布を見てみましょう。比較のため「平年の7月の降水量(1か月分)に対する比率(%)」を併記しています。

　左側の図は「24時間降水量」です。庄内～最上地方を中心に顕著な降水が観測されました。また、右側の図の「平年の7月の降水量に対する比率」が100%を超える地域も見られました。すなわち、この24時間で1か月分に相当～それ以上の大雨に見舞われたということです。


　続いて、2024年7月25日06時～18時の12時間について「3時間毎の降水量の推移」を見てみましょう。初めは庄内地方を中心に顕著な降水が観測されました。その後、最上地方まで広がり、やがて村山地方や置賜地方の一部に達したようです。

　2022年8月3日にも置賜地方を中心とする大雨(記事1,記事2)に見舞われており、その影響が心配されます。

梅雨明けの時期

　6月9日の「梅雨入りの時期」と同様に、梅雨明けの時期も検討してみます。

　さて、この記事を書く時点(2024年07月19日)で、沖縄・奄美・九州南部・四国・東海・関東甲信の梅雨明けが発表されました。本格的な夏が近づいているのを感じます。

　まずは、1951-2023年の梅雨明けの時期を地方毎に「箱ひげ図」で比較しました。沖縄・奄美では6月下旬～7月初旬、その他の地域では7月半ば～下旬が多いようです。

　前回も述べた通り、梅雨入り・梅雨明けは「人間の主観的な判断」によるものであり、明確な基準があるわけではありません。その意味では「概ねこの日辺りの時期」という目安です。「平年値」も公表されていますが、変動の幅が広いことが見て取れます。

　平年と比べて「○日早い」「○日遅い」とも言われますが、この「○日」が概ね±５日程度であれば、「通常の変化の範囲内」と言えるでしょう。

　その事を踏まえつつ、「梅雨明けが年々早まる、または遅くなっているのかどうか」が気になる所です。そこで、梅雨明け日の年次変化の傾向（経年トレンド）をを調べてみました。ここでは、北陸地方と東北地方南部を例に取り上げてみます。

　まず、北陸地方の場合は回帰直線（赤線）が右上がりになっています。しかし、相関係数は0.1387と小さいため、年（ｘ）と入梅時期（ｙ）の間に相関があるとは言えません。

　続いて、東北地方南部の場合も回帰直線（赤線）が右上がりになっています。こちらも相関係数は0.1793と小さいため、年（ｘ）と入梅時期（ｙ）の間に相関があるとは言えません。

　少なくとも、梅雨明けの時期が年々「早まる」または「遅れる」と言った傾向は見られないと言えるでしょう。引き続き、週間予報の推移を見守りましょう。

梅雨末期の降水

　前回の記事では、今年(2024年)６月の山形県内の降水量が平年よりも低かったことを紹介しました。

　暦は７月に入り、梅雨前線も日本海まで北上してきました。この影響で、山形県でも昨日(8日)と今日(9日)と２日連続でまとまった降水が見られました。

　左は昨日(8日)の6時～12時の6時間降水量の分布です。梅雨前線が日本海から東北地方に延びており、この前線に向かって暖かく湿った空気の流入が顕著となりました。このため、前線付近の対流が活発となり、山形県内でも強い雨となりました。これで、水不足は緩和されるのでしょうか。

　右は本日(9日)の6時～12時の山形県内の6時間降水量の分布です。新潟県村上市から山形県の庄内・最上地方にかけて、まとまった雨が観測されました。新潟県村上市付近では朝日連峰、山形県最上町付近では奥羽山脈に沿うような形で降水量の極大域が形成されています。土砂災害や河川の増水などにも注意が必要です。

　続いて、本日(9日)の気象場のポイントを見てみましょう。梅雨前線が日本海にあって、東西に長く延びています。また、南西からの暖かく湿った空気（高相当温位）が太平洋高気圧の縁辺に沿って北上し、梅雨前線に持続的に流入しました。上空の気圧の谷の影響も加わり、前線付近では対流が活発となりました。

　梅雨末期は、急な強い雨や大雨のおそれもあるので、最新情報の確認を心掛けましょう。まずは、お手持ちのスマホに「お天気アプリ」をインストール、またPCを使用される方は「お天気サイト」を幾つかブックマークに入れておきましょう。

2024年6月の降水量

　山形県と新潟県の6月の積算降水量について、平年値と今年(2024年)で比較しました。

　山形県の一部(北部の酒田・新庄)では平年よりも多い傾向が見られました。一方、その他の地点では、梅雨入りが平年より遅れたこともあり「少雨」傾向が顕著となりました。今後の水不足などの影響が気になる所です。

梅雨入りの時期

　この記事を書く時点(2024年06月09日)で、沖縄・奄美・九州南部・四国の梅雨入りが発表されました。梅雨の季節が近づいているのを感じます。

　1951-2023年の梅雨入りの時期を地方毎に「箱ひげ図」で比較しました。沖縄・奄美では4月下旬～5月半ば、その他の地域では5月半ば～6月半ばが多いようです。また、北陸地方の平年値は6月11日頃、東北南部は12日頃、東北北部は15日頃ですが、今年はどうなるのでしょうか。

　そもそも、梅雨入り・梅雨明けは「人間の主観的な判断」によるものであり、明確な基準があるわけではないのです。従って、「この日」が梅雨入り・梅雨明けした、と言うよりも「だいたいこの辺りの時期」という目安です。

　そのような事情を踏まえつつ、「梅雨入りが年々遅くなっているのかどうか」が気になる所です。そこで、梅雨入り日の年次変化の傾向（経年トレンド）をを調べてみました。ここでは、北陸地方と東北地方南部を例に取り上げてみます。

　まず、北陸地方の場合は回帰直線（赤線）が右上がりになっています。しかし、相関係数は0.1733と小さいため、年（ｘ）と入梅時期（ｙ）の間に相関があるとは言えません。

　つづいて、東北地方南部の場合は回帰直線（赤線）がほぼ横ばい（微妙に右上がり？）になっています。こちらも相関係数は0.0587と小さいため、年（ｘ）と入梅時期（ｙ）の間に相関があるとは言えません。

　従って、安易に「梅雨入りが年々遅くなっている」とは「言えない」ようですね。引き続き、週間予報の推移を見守りましょう。

ニューロ・モデルの多層化実験

　昨年の11月半ばから今年の3月末までの4か月半に渡って「降雪予報」の期間でした。4月に入って新年度を迎えたのと同時に、このシーズンが終わりました。そこで、この１か月弱は「ニューロ・モデルの多層化」について研究を進めておりました。

　ニューロ・モデルの基礎である「ニューラルネットワーク」は、大きく分けて「入力層」「中間層（隠れ層）」「出力層」の３つから構成されます。入力層と出力層は１層ずつ設置されますが、中間層は１層以上を設置します。最も簡単な構造は、中間層を１層とした「３層構造」です。そして、中間層を多数設置したものを「ディープニューラルネットワーク」と言います。

　そして、多層化されたニューロ・モデルの学習プロセスの一例です。この実験は、入力値とそれに対する正しい出力値（正解＝教師データ）の組み合わせから成る「訓練データ」を反復学習させるものです。

　入力値を与えると、それに対する出力値を計算します。その出力値と教師データ（正解）の誤差を評価して、モデル内のパラメータを出力側から入力側に向かって段階的に修正（調整）して行きます。このサイクルを何度も繰り返すことで、モデル全体として徐々に最適化が図られるものです。

　実験の詳細は割愛しますが、横軸が反復回数、縦軸が予測誤差です。初めに誤差が低減した後、暫く横ばいの状態が続いています。その後、再び誤差が大きく低減する様子が描かれています。誤差が低減するということは、それだけ学習が進んでいることになります。

　さて、私たち人間も、何らかの知識や技を習得するために、学習や練習を重ねます。しかし、その過程には多くの時間と労力を要し、途中で気持ちが萎えることもあるでしょう。どんなことでも、初めから上手くできる人はいないのです。

　そして、それは人工知能にも同じことが言えます。その割には何かと「人工知能は凄い」と持て囃されます。それでは、人工知能は何が凄いのでしょうか。おそらく「膨大な数の反復練習を、物凄い速さでこなしてしまう」ことにある、と私は考えています。

　周知の通り、機械は疲れや飽きを知りません。しかも、計算処理のスピードは人間のそれを遥かに凌駕しています。従って、「膨大な数の反復練習を、物凄い速さでこなしてしまう」ことが可能なのです。しかし、「初めから上手くできるわけではない」と言う点では人間と同じです。人間と同じようなプロセスと、人間よりも速く・大量にこなすことができるのです。

　また、先のグラフからもわかるように、最初に誤差が低減した後、暫く横ばいの状態が続いています。それはまさに「いくら練習を重ねても、その効果が結果に現れて来ない」状態なのです。そして、その後の「ある段階」で一気に誤差が急落します。これはまさに「それまでの練習の効果が一気に現れた瞬間」と言っても良いでしょう。

　問題は「その効果が現れて来ない」状態が何時まで続くのか、と言うことです。これは正直、わかりません。そして、上記の事は「人間の学習プロセス」についても言える事ではないでしょうか。

　「いくら頑張っても、一向に結果につながらない」と言う経験は、多くの皆さんが共有していることでしょう。試験にせよ、仕事にせよ、「タイムリミット」が存在する以上、「所定の期間内に一定の効果を上げる」ことが求められます。そして、それができなければネガティブに評価されるのが、私たちの社会です。その意味では、「頑張っても芽が出ない」ものを「向いていない」として「損切り」するのも、場合によっては致し方ないでしょう。

　しかしながら、「頑張った効果」それ自体は、しっかりと自分の中に蓄積されているということです。結果として目に見えるまでには至らなかったとしても、もしかしたら「もう少し頑張れば、一気に覚醒できた」のかも知れません。とは言え、それは誰にも判りません。

　私が地域気象の研究を始めてから「一定の形」になるまでを考えても、ざっと10～20年は掛かっています。この間、ニューロ・モデルの研究も２～３回？途中で投げ出しています。それでも、過去に頑張った経験や感覚と言うものは、案外にも残っているものです。その積み重ねで漸くここまで到達できたのです。

　努力の効果が必ずしも「結果」につながるとは限りません。しかし、自分の中には確実に「蓄積」されているのです。

気温の日較差の月別変化

　新潟県内４地点（相川・新潟・長岡・高田）における「気温の日較差」を月別に「箱ひげ図」の形で集計してみました。

　ここで、気温の日較差とは「最高気温(Tx)と最低気温(Tn)の差(Tx-Tn)」の事です。この値が大きいほど、一日の中での気温差が大きいということです。今回は「平年」に相当する「1991～2020年」の観測値を使用しました。

　相川・新潟・長岡・高田の順にグラフを掲載します。ここで、箱ひげ図の他に記載されている「〇」は外れ値、「×」は平均値を表しています。グラフから日較差の変化傾向を読み取ると、冬と夏は極小となる一方、春と秋は極大となることが判ります。特に春(４～５月)の日較差が顕著です。

　これからの時期は特に体調管理にも注意したい所ですね。