In a global numerical weather prediction (NWP) modeling framework we study the implementation of Gaussian uncertainty of individual particles into the assimilation step of a localized adaptive particle filter (LAPF). We obtain a local representation of the prior distribution as a mixture of basis functions. In the assimilation step, the filter calculates the individual weight coefficients and new particle locations. It can be viewed as a combination of the LAPF and a localized version of a Gaussian mixture filter, i.e., a Localized Mixture Coefficients Particle Filter (LMCPF).

 Here, we investigate the feasibility of the LMCPF within a global operational framework and evaluate the relationship between prior and posterior distributions and observations. Our simulations are carried out in a standard pre-operational experimental set-up with the full global observing system, 52 km global resolution and 10⁶ model variables. Statistics of particle movement in the assimilation step are calculated. The mixture approach is able to deal with the discrepancy between prior distributions and observation location in a real-world framework and to pull the particles towards the observations in a much better way than the pure LAPF. This shows that using Gaussian uncertainty can be an important tool to improve the analysis and forecast quality in a particle filter framework.

 A new operational seasonal forecast system, Japan Meteorological Agency (JMA)/Meteorological Research Institute (MRI) Coupled Prediction System (CPS) version 3 (JMA/MRI–CPS3), has been developed. This system represents a major upgrade of the former system, CPS2. CPS3 comprises atmosphere, land, ocean, and sea ice forecast models and the necessary initialization systems for these models. For historical reforecasts, the atmospheric reanalysis dataset JRA-3Q provides initial conditions for the atmosphere and the external forcings for land, ocean, and sea ice analysis. In the operational forecast, JMA's operational atmospheric analysis is used in conjunction with JRA-3Q to initialize the system in near-real time. The land surface model is initialized using an uncoupled free simulation, forced by the atmospheric analysis. The ocean and sea ice models are initialized with the global ocean data assimilation system MOVE-G3, which incorporates a newly developed four-dimensional variational method for temperature, salinity, and sea surface height and a three-dimensional method for sea ice concentration. Compared with the previous system, the CPS3 forecast model components have approximately 2-4 times higher resolution: the atmosphere and land models are configured with ∼ 55 km horizontal resolution, with 100 vertical atmosphere layers; and the ocean and sea ice models have a resolution of 0.25° × 0.25°, with 60 vertical ocean layers. The physical processes of the atmosphere are greatly refined in CPS3 relative to CPS2, resulting in improved representation of sub-seasonal to seasonal scale variability, including the eastward propagation of the Madden–Julian Oscillation, winter blocking highs in the North Atlantic, and coupled atmosphere–ocean variability during El Niño–Southern Oscillation events. Our historical reforecast experiment for 1991-2020 suggests that CPS3 has greater forecast skill than CPS2. The usability of the model output has been improved in CPS3 by reorganizing the operation schedule to provide daily updates of five-member ensemble forecasts.

 In drylands, the dry vegetation coverage affects dust occurrence by modulating threshold friction velocity (or wind speed) for dust emission. However, there has been little research into quantifying the effect of dry vegetation coverage on dust occurrence. This study investigated spatial and temporal variations of dust occurrence and three definitions of strong wind frequency over the Gobi Desert and surrounding regions in March and April, months when dust occurrence is frequent, during 2001-2021. We evaluated the effects of variations in dry vegetation on dust occurrence by using the threat scores of forecasted dust occurrences for each strong wind definition. Our results indicate that dry vegetation, which was derived from the MODIS Soil Tillage Index, affects dust occurrence more remarkably in April than in March. In March, land surface parameters such as soil freeze-thaw and snow cover, in addition to dry vegetation coverage, should be considered to explain dust variations in that month. However, use of the threshold wind speed estimated from dry vegetation coverage improved the prediction accuracy of dust occurrence in April. Therefore, we propose that the dry vegetation coverage is a key factor controlling dust occurrence variations in April. The findings imply that estimation of dry vegetation coverage should be applied to dust models.

 The observation operator (OO) is essential in data assimilation (DA) to derive the model equivalent of observations from the model variables. In the satellite DA, the OO for satellite microwave brightness temperature (BT) is usually based on the radiative transfer model (RTM) with a bias correction procedure. To explore the possibility to obtain OO without using physically based RTM, this study applied machine learning (ML) as OO (ML-OO) to assimilate BT from Advanced Microwave Sounding Unit-A (AMSU-A) channels 6 and 7 over oceans and channel 8 over both land and oceans under clear-sky conditions. We used a reference system, consisting of the nonhydrostatic icosahedral atmospheric model (NICAM) and the local ensemble transform Kalman filter (LETKF). The radiative transfer for TOVS (RTTOV) was implemented in the system as OO, combined with a separate bias correction procedure (RTTOV-OO). The DA experiment was performed for one month to assimilate conventional observations and BT using the reference system. Model forecasts from the experiment were paired with observations for training the ML models to obtain ML-OO. In addition, three DA experiments were conducted, which revealed that DA of the conventional observations and BT using ML-OO was slightly inferior, compared to that of RTTOV-OO, but it was better than the assimilation based on only conventional observations. Moreover, ML-OO treated bias internally, thereby simplifying the overall system framework. The proposed ML-OO has limitations due to (1) the inability to treat bias realistically when a significant change is present in the satellite characteristics, (2) inapplicability for many channels, (3) deteriorated performance, compared with that of RTTOV-OO in terms of accuracy and computational speed, and (4) physically based RTM is still used to train the ML-OO. Future studies can alleviate these drawbacks, thereby improving the proposed ML-OO.

　プリミティブ方程式系を数値計算するための離散化について、水平方向だけでなく鉛直方向にもスペクトル法を用いる3次元スペクトルモデルの定式化を提案する。この定式化において、鉛直方向の離散化にはルジャンドル多項式展開を用いている。この定式化のもとでは、セミインプリシット数値積分が効率的に行えることが示される。この定式化に基づいて数値モデルを開発し、先行研究で提案されているいくつかのベンチマーク数値計算を行う。その結果、プリミティブ方程式系のこの実装により、比較的少ない鉛直方向の自由度でも高精度の数値解が得られることが示される。また、いくつかの異なる鉛直自由度の計算を行うことにより、鉛直方向の自由度を増やすと数値解の誤差が急速に減少するというスペクトル法特有の性質が見られることも示される。さらに、この定式化のもとで、反射波を抑制するためのスポンジ層に代わる工夫が示されるとともに、この定式化の応用として、鉛直自由度を極限まで減らした「トイ」モデルも導かれる。

　気象庁の全球日別海面水温解析の準リアルタイム版（以下、R-MGD）では、解析時間の前に得られた観測データに短時間スケールの変動を落とすようなフィルタを適用している。そのため、台風の通過に伴う急激な海面水温の変化がバイアスを生むと考えられる。本研究では、R-MGDの現場観測に対するバイアスを、北西太平洋における台風の通過に沿って定量化した。初めに、2020年8月～9月にかけて立て続けに接近した3つの台風に関し、事例解析を行った。R-MGDは3つの台風の通過直後では2℃以上もの正バイアスを生じており、最後の台風が通過して1週間以上経過したのち負バイアスが観測された。R-MGDと係留ブイの比較を行ったところ、短時間スケールを落とすフィルタリングと解析時間の前に得られたデータを用いていることで、バイアスが説明できた。次に、2015年5月から2020年10月の期間でコンポジット解析を行ったところ、台風最接近の1日前から4日後までに統計的に有意な正バイアス、台風最接近の7日後から14日後までに統計的に有意な負バイアスが、台風から500 kmの範囲内で検出された。正バイアスは、冷たい亜表層の水と激しい台風の通過に伴って生じやすく、とりわけ、黒潮と黒潮続流域を除く中緯度帯で大きくなっていた。また、R-MGDの解析時間の72時間前までに得られた現場観測を追加の最適内挿法で同化することにより、バイアスは軽減されることが分かった。これは、この過程により短周期の変動が復元されたためである。台風予報への影響評価および最適内挿法の独立な観測に対する検証も実施した。

　黒色炭素（BC）等のエアロゾル大気中輸送は、太陽放射の吸収／散乱、降水や雪氷／海氷被覆に影響し、特に北極のような人間活動が活発ではない場所で変化をもたらす。本研究では、９月の発達した低気圧に伴うシベリアから北極域へのBC輸送シミュレーションの解像度依存性を、非静力学正20面体大気モデル（NICAM）－全球エアロゾル輸送モデル（SPRINTARS）の高分解能（約56 km）および低分解能（約220km）の計算により評価した。本研究で着目した低気圧は大きな水平スケール（約2000 km）を持ち、東アジアからシベリアを経て北極域に至る輸送経路上に、発達した中心気圧低下を配していた。近年で最も発達した低気圧イベントの事例解析では、日本の海洋地球研究船「みらい」で2016年９月26～27日に観測されたベーリング海の高濃度BC域が、2016年９月27～28日にかけ低気圧中心と寒冷前線の後面、および温暖前線の前面の上昇流域においてフィラメント状の構造で北極域へ移動した。2015～2018年の９月に発達した低気圧イベントの合成図解析では、高濃度BC域は低気圧中心の東側に位置し、これは低気圧中心と北側／東側域の上昇流と関連していることが示された。上昇流最大となる領域は水平スケールが小さいため、水平解像度約220kmの実験では十分に再現されなかった。本研究では、発達した低気圧により９月における北極域へのBC輸送が増大することを確認した。輸送モデルの結果は、発達した低気圧による北極域への物質輸送が、高分解能（約56 km）の計算では低分解能（約220km）の計算よりも増大することを示した。

　数値気象予測モデルの要素が豪雨のシミュレーションに与える影響を調べるため、広い領域を対象とした超高解像度実験を2014年8月の広島の豪雨事例で行った。本研究はPart 1 の2013年10月伊豆大島での研究に続くものであり同様の実験を行った。これらの研究から豪雨のシミュレーションにおいて広い領域で高解像度モデル（解像度500m以下）を用いる有用性を示した。

　広島の事例では降水帯の位置や強度はモデルの解像度に影響を受けることがわかった。解像度２kmの実験では降水帯は再現されたがその位置は北東にずれていた。解像度500mと250mの実験ではこの降水帯の位置ずれは軽減された。最も降水帯の位置と強度をよく再現したのは解像度250mの実験であった。降水帯に対する境界層スキームの影響は小さく、この点は伊豆大島の事例と異なっていた。

　本研究では対流コア数のモデル解像度依存性についても調査した。モデルの解像度に対する対流コア数の変化率は解像度500ｍで小さくなる事がわかった。この結果は、対流コア数は解像度500mより高解像度になると収束する可能性を示す。

　メタン（CH₄）は主要な温室効果気体の一つであり、対流圏および成層圏における化学過程にも重要な役割を果たしている。気候変動および大気汚染に関するCH₄の影響は非常に大きいが、過去30年間のCH₄濃度増加率や経年変動の要因については、未だ科学的な確証が得られていない。本研究は、十分に検証された化学輸送モデルを用いて、1988年から2016年の期間を対象に大気中CH₄濃度をシミュレートし、逆解析によって地域別CH₄排出量を推定した。まず、標準実験としてOHラジカルの季節変動のみを考慮し、大気中CH₄濃度の観測データを用いた逆解法モデル、排出インベントリ、湿地モデル、およびδ¹³C-CH₄のボックスモデルを用いた解析を行ったところ、1988年以降におけるヨーロッパとロシアでのCH₄排出量の減少が示された。特に、石油・天然ガス採掘と畜産由来の排出量の減少が1990年代のCH₄増加率の減少に寄与していることが明らかとなった。その後、2000年代初頭には大気中CH₄濃度が準定常状態になった。 2007年からはCH₄濃度は再び増加に転じたが、これは主に中国の炭鉱からの排出量の増加と熱帯域での畜産の拡大によるものと推定された。OHラジカルの年々変動を考慮した感度実験を行ったところ、逆解析による中高緯度域からのCH₄排出推定量はOHラジカルの年々変動には影響されないことが示された。さらに，我々は全球的なCH₄排出量が低緯度側へシフトしたことと熱帯域でのOHラジカルによるCH₄消失の増加が相殺したことによって、南半球熱帯域と北半球高緯度域の間のCH₄濃度の勾配は1988-2016年の間にわたってほとんど変化していなかったことを明らかにした。このような排出地域の南北方向のシフトは、衛星によるCH₄カラム観測の全球分布からも確認された。今回の解析期間には、北極域を含めて地球温暖化によるCH₄排出量の増加は確認できなかった。これらの解析結果は、気候変動の緩和へ向けた効果的な排出削減策を行う上で重要な排出部門を特定することに貢献できると思われる。

　全球降水観測(GPM)計画主衛星搭載二周波降水レーダ(DPR)の降水強度推定アルゴリズムを開発した。DPRは、Ku帯レーダ(KuPR; 13.6GHz)およびKa帯レーダ(KaPR; 35.5GHz)から構成される。KuPRアルゴリズムは、熱帯降雨観測衛星(TRMM)搭載の降雨レーダ(PR)のアルゴリズムと同様であるが、降水強度Rと質量重み付き平均粒径D_mの関係(R-D_m関係)を、減衰係数kと有効レーダ反射因子Z_eの関係(k-Z_e関係)の代わりに使用している。R-D_m関係は、KaPRアルゴリズムおよび二周波アルゴリズムにも使用できる。一周波アルゴリズムおよび二周波アルゴリズムともに、R-D_m関係の修正係数εに暫定値を仮定した前進法によりプロファイルを推定し、その結果を評価して最適なεを選択する。二周波アルゴリズムの利点は、εの決定のために二周波表面参照法およびZfKa法（KaPRの減衰補正反射強度Z_fを用いる手法）を用いること、およびKuPRまたはKaPRの観測を選択的に利用できることである。また本論文では、R-D_m関係と散乱テーブルの導出およびビーム内非一様性補正手法を詳細に説明している。さらに、アルゴリズムの出力結果を統計的に解析し、各アルゴリズムの特性を示している。

More than one hundred days were simulated over very large domains with fine (0.156 km to 2.5 km) grid spacing for realistic conditions to test the hypothesis that storm (kilometer) and large-eddy (hectometer) resolving simulations would provide an improved representation of clouds and precipitation in atmospheric simulations. At scales that resolve convective storms (storm-resolving for short), the vertical velocity variance becomes resolved and a better physical basis is achieved for representing clouds and precipitation. Similarly to past studies we found an improved representation of precipitation at kilometer scales, as compared to models with parameterized convection. The main precipitation features (location, diurnal cycle and spatial propagation) are well captured already at kilometer scales, and refining resolution to hectometer scales does not substantially change the simulations in these respects. It does, however, lead to a reduction in the precipitation on the time-scales considered – most notably over the ocean in the tropics. Changes in the distribution of precipitation, with less frequent extremes are also found in simulations incorporating hectometer scales. Hectometer scales appear to be more important for the representation of clouds, and make it possible to capture many important aspects of the cloud field, from the vertical distribution of cloud cover, to the distribution of cloud sizes, and to the diel (daily) cycle. Qualitative improvements, particularly in the ability to differentiate cumulus from stratiform clouds, are seen when one reduces the grid spacing from kilometer to hectometer scales. At the hectometer scale new challenges arise, but the similarity of observed and simulated scales, and the more direct connection between the circulation and the unconstrained degrees of freedom make these challenges less daunting. This quality, combined with already improved simulation as compared to more parameterized models, underpins our conviction that the use and further development of storm-resolving models offers exciting opportunities for advancing understanding of climate and climate change.

盛夏期におけるアジアジェットに沿う準定常ロスビー波束の伝播と、太平洋・日本（Pacific-Japan：PJ）パターンが、アジアジェット出口付近におけるロスビー波の砕波を通して結合する可能性、及びそのメカニズムについて、長期再解析データを用いて調べた。まず、日本の東海上において発生した計44のロスビー波の砕波事例に基づくラグ合成図解析を行った。その結果、アジアジェットに沿う波束伝播が、日本の東海上において高気圧偏差の増幅を引き起こし、逆“S”字型の砕波に伴って、高渦位大気が北西太平洋亜熱帯域に向かって南西方向に侵入することがわかった。次に、Q ベクトルを用いた診断や渦度収支解析より、対流圏上層における砕波に伴う強い正渦度移流が、北西太平洋亜熱帯域における力学的上昇流を励起することにより、積雲対流活動の活発化、及びそれに伴うPJパターンの発現に重要な役割を果たすことが明らかになった。また、より強い砕波が生じた事例ほど、それに先行するアジアジェットに沿う波束伝播や、砕波後に生じるPJパターンが、より強くなる傾向となることが示された。さらに、偏相関分析より、北西太平洋亜熱帯域における活発な積雲対流活動やPJパターンの強化には、その周辺における海面水温偏差と比べて、対流圏上層における砕波に伴う強い正渦度移流が、より大きく寄与することが定量的に示された。これらの結果は、アジアジェットに沿う波束伝播が、日本の東海上における砕波、及びそれに伴う北西太平洋亜熱帯域への高渦位大気の侵入を通して、PJパターンを励起し得ることを示している。